2017年04月_Paul-Huang

11月 10月 09月 08月 06月 04月 03月 02月 01月

原创 MIT 线性代数（34—35）读书笔记

第三十四讲：左右逆和伪逆前面我们涉及到的逆（inverse）都是指左、右乘均成立的逆矩阵，即A−1A=I=AA−1A^{-1}A=I=AA^{-1}。在这种情况下，m×nm\times n矩阵AA满足m=n=rank(A)m=n=rank(A)，也就是满秩方阵。左逆（left inserve）记得我们在最小二乘一讲（第十六讲）介绍过列满秩的情况，也就是列向量线性无关，但行向量通常不是线性无关的。常见

2017-04-26 22:06:57 1849 2

原创 MIT 线性代数（31—33）读书笔记

第三十一讲：线性变换及对应矩阵本讲从线性变换这一概念出发，每个线性变换都对应于一个矩阵。矩阵变换的背后正是线性变换的概念。理解线性变换的方法就是确定它背后的矩阵，这是线性变换的本质1 线性变换1.1 定义如何判断一个操作是不是线性变换？线性变换需满足以下两个要求： T(v+w)=T(v)+T(w)(1) T(v+w)=T(v)+T(w)\tag{1} T(cv)=cT(v)(2

2017-04-26 21:47:20 2239

原创 MIT 线性代数（28—30）读书笔记

第二十八讲：正定矩阵和最小值本讲学习正定矩阵positive definite matrices，这个主题把整门课的知识融为一体，主元，行列式，特征值，不稳定性，新表达式xTAxx^TAx。目标是：怎么判断一个矩阵是否是正定矩阵\color{red}{怎么判断一个矩阵是否是正定矩阵}，为什么对正定矩阵感兴趣，最后给出几何上的解释，椭圆和正定性有关，双曲线与正定性无关。当极小值存在时，如何找出极小值应

2017-04-24 21:24:59 7869 1

原创 MIT 线性代数（25—27）读书笔记

第二十五讲：复习二我们学习了正交性，有矩阵Q=[q1 q2 ⋯ qn]Q=\Bigg[q_1\ q_2\ \cdots\ q_n\Bigg]，若其列向量相互正交，则该矩阵满足QTQ=IQ^TQ=I。进一步研究投影，我们了解了Gram-Schmidt正交化法，核心思想是求法向量，即从原向量中减去投影向量E=b−P,P=Ax=ATbATA⋅AE=b-P, P=Ax=\

2017-04-11 10:46:01 2419 2

原创 MIT 线性代数（22—24）读书笔记

第二十二课时：对角化和A 的幂

2017-04-09 21:52:16 3556

原创 MIT 线性代数（19—21）读书笔记

第十九讲行列式公式和代数余子式1.行列式公式上一讲中，我们从三个简单的性质扩展出了一些很好的推论，本讲将继续使用这三条基本性质： detI=1\det I=1；交换行行列式变号；对行列式的每一行都可以单独使用线性运算，其值不变。我们使用这三条性质推导二阶方阵行列式： ∣∣∣acbd∣∣∣=∣∣∣ac0d∣∣∣+∣∣∣0cbd∣∣∣=∣∣∣ac00∣∣∣+∣∣∣a00

2017-04-08 17:21:57 2601

原创 MIT 线性代数（16—18）读书笔记

第十六讲投影矩阵(Ax=b)和最小二乘法上一讲中，我们知道了投影矩阵P=A(ATA)−1ATP=A(A^TA)^{-1}A^T，PbPb将会把向量投影在AA的列空间中。即只要知道矩阵AA的列空间，就能得到投影矩阵PP的导出式。1.投影矩阵（Ax=b无解的情形）1.1两个极端的例子：如果b∈C(A)b\in C(A)，则Pb=bPb=b；如果b⊥C(A)b\bot C(A)，则Pb

2017-04-07 16:39:34 2713

原创 MIT 线性代数（13—15）读书笔记

第十三讲第一阶段总结前12讲主要是介绍了矩阵的基础知识、Ax=0和Ax=b、四个空间（A的零空间、列空间、行空间和左零空间）。本讲主要是介绍了一些基本题目和简要定理。第一题. 令u、v、w是R^7空间内的非零向量：则u、v、w生成的向量空间可能是1,2,3维的。第二题. 秩(rank)的问题第三题. 求矩阵A1）求A的行向量的生成空间

2017-04-05 16:56:17 3250 1