线性代数
文章平均质量分 80
ls317842927
这个作者很懒,什么都没留下…
展开
-
线性代数学习笔记5
第十八集 行列式及其性质 之前学习了大量长方形矩阵的性质,现在我们集中讨论方阵的性质,求行列式则与特征值息息相关。 行列式 矩阵A 的行列式记作det(A)=|A|det(A)= \left | A \right |。 性质 2. 如果交换行列式的两行,则行列式的数值会反号。 从前两条可以推知置换矩阵的行列式是+1(交换次数为偶数) 或者-1(交换次数为奇数)。一个矩阵不可能经过奇原创 2016-12-02 19:03:58 · 1475 阅读 · 0 评论 -
线性代数学习笔记2
第二集 矩阵消元 《A_b》 高斯消元法通过对方程组中的某两个方程进行适当的数乘和加和,以达到将某一未知数系数变为零,从而削减未知数个数的目的。 《A高斯消元》 矩阵A 为可逆矩阵,消元结束后得到上三角阵U,其左侧下半部分的元素均为0,而主元1,2,5 分列在U 的对角线上。主元之积即行列式的值。 需要说明的是,主元不能为0,如果恰好消元至某行,0 出现在了主元的位置上,应当通过与下方原创 2016-11-19 09:53:03 · 1476 阅读 · 0 评论 -
线性代数学习笔记1
本人机器学习小白一枚,目前认识到数学对于理解算法和应用算法到特定的数据集上太重要了。很喜欢MIT的线性代数课程,以MIT课程的内容为主,做一些学习总结。旨在于总结自己学过的知识、受到的启发、加强自己的逻辑性和对内容的理解。非常感谢网络上大牛们的MIT线性代数导论笔记,文末是链接。1、线性方程 包含未知数x1,x2,...,xnx_{1},x_{2},...,x_{n}的一个线性方程是形如a1x1+原创 2016-08-29 10:15:31 · 5552 阅读 · 0 评论 -
线性代数学习笔记3
第五集 向量空间 我们可以对向量进行所谓“线性运算”,即通过加和(v+w)与数乘运算(3v)得到向量的线性组合。向量空间对线性运算封闭,即空间内向量进行线性运算得到的向量仍在空间之内。 包含于向量空间之内的一个向量空间称为原向量空间的一个子空间。 R2R^{2} 中不穿过原点的直线就不是向量空间。子空间必须包含零向量,原因就是数乘0 的到的零向量必须处于子空间中。 R2R^{2} 的子空间原创 2016-11-22 22:03:03 · 3290 阅读 · 0 评论 -
线性代数学习笔记4
第十四集 正交向量与正交子空间 正交向量 正交就是垂直的另一种说法。两向量正交则xTy=yTx=0x^{T}y=y^{T}x=0。当两个向量的夹角为90 度时,按照勾股定理x,y 满足: 零向量与所有向量都正交。 正交子空间 子空间S 与子空间T 正交,则S 中的任意一个向量都和T 中的任意向量正交。 黑板所在的平面和地板所在平面不是正交关系。比如平面的子空间包括只包含零向量的原创 2016-11-23 19:23:41 · 1393 阅读 · 0 评论 -
线性代数学习笔记6
第二十一集 特征值和特征向量 围绕特征值和特征向量的议题下讨论得都是方阵。 将矩阵A 与向量x 相乘当做是对向量的一种操作或者函数,输入x 而输出Ax。 特征向量即在特定的向量x 方向上输出的Ax 平行于x,即为: Ax=λxAx=\lambda x 其中x为矩阵A 的特征向量,而λ\lambda 为A 的特征值。 例1:矩阵P是朝向某平面的投影矩阵。P将向量b 投影到它距离平面最近的原创 2016-11-25 18:21:40 · 2813 阅读 · 0 评论 -
线性代数学习笔记7
第二十六集 对称矩阵及正定性对称矩阵 对称矩阵A=ATA=A^{T} 的特征值为实数,具有完全正交的特征向量。 这里的“有”,是指可以选出一套完全正交的特征向量。通常情况下,如果特征值互不相同,那么每个特征值的特征向量是在一条线上(特征向量空间是一维的),那些线是垂直的。但是如果特征值重复,那就有一整个平面的特征向量,在那个平面上,我们可以选择垂直的向量(比如单位矩阵)。 如果A 具有n 个原创 2016-11-27 16:43:36 · 2035 阅读 · 0 评论