- 博客(13)
- 资源 (28)
- 收藏
- 关注
原创 参考答案:05 实对称矩阵与二次型
本篇图文为《线性代数及其应用》这本教材对应习题册的参考答案。本章是特征值与特征向量知识的延续,根据谱定理可知实对称矩阵可以正交对角化,对角阵为其特征值,正交矩阵为其两两正交的单位特征向量。除此之外,还介绍了二次型,标准形,规范形的知识。二次型的化简问题是本章的核心,我们即可以通过配方法做可逆变换化二次型为标准形,又可以通过正交法做正交变换化二次型为标准形,还可以通过合同法做合同变换化二次型为标准形。由于二次型的标准形不唯一,所以我们去寻找这些标准形的共性,得到了惯性指数、正惯性指数、负惯性指数这些概念,以
2020-12-24 19:55:48 937 1
原创 参考答案:04 特征值与特征向量
本篇图文为《线性代数及其应用》这本教材对应习题册的参考答案。本章主要介绍特征值与特征向量的知识,前一章我们介绍了线性变换可以把一个向量映射到另一个向量,可逆变换可以让两个向量实现双射,正交变换不仅能够实现双射还可以满足保范数的特点,即只做旋转不做放缩。而特征值与特征向量更加的特殊,方阵乘以特征向量仅仅是对该向量做了伸缩,伸缩的系数就是特征值,是不是很有趣。本章除了特征值与特征向量的定义、求解、性质和相关定理之外,还介绍了方阵的相似对角化问题,讨论了除等价变换之外的另外一种矩阵变换,即相似变化,还讨论了相似
2020-12-24 19:53:50 700 1
原创 参考答案:03 向量空间
本篇图文为《线性代数及其应用》这本教材对应习题册的参考答案。本章主要介绍向量空间的知识,与前两章一样本章也可以通过研究解线性方程组的解把所有知识点串联起来,比如研究齐次线性方程组的解可以得到线性相关、线性无关、零空间、解空间的基(基础解系)、解空间的维数、秩定理等概念。研究非齐次线性方程组的解可以得到线性组合、线性表示、列空间、一个向量组可由另一个向量组线性表示、两个向量组等价等概念。若一个向量不在矩阵的列空间当中,即这个向量不能由一组向量线性表示,可以通过正交投影定理得到最小二乘解,而QR分解是求最小二
2020-12-24 19:46:21 580 1
原创 参考答案:02 矩阵及其运算
本篇图文为《线性代数及其应用》这本教材对应习题册的参考答案。本章主要介绍有关矩阵的知识,主要包括矩阵的基本运算(加法、数乘、乘法、乘幂、迹、转置),其中乘法最为重要,在计算机图形学中具有大量的应用。如果矩阵的行数和列数很大,计算起来不方便,我们就可以对该矩阵进行分块,把对大矩阵的运算转换为对子块的运算。在高中阶段,我们所说的四则运算包括加法、减法、乘法、除法。而矩阵是没有除法运算的,对应于数的除法,矩阵有求逆的运算。在求矩阵的逆矩阵的过程中,我们引入了初等方阵的概念,可利用初等方阵来求矩阵的逆矩阵以及求解
2020-12-24 11:58:08 775
原创 参考答案:01 线性方程组
本篇图文为《线性代数及其应用》这本教材对应习题册的参考答案。从本章开始,我们一起来学习线性代数的有关知识,线性代数的应用之一就是求解复杂方程问题。所以,我们首先从高中时期利用高斯消元法求解线性方程组谈起,发现可以利用矩阵来推演高斯消元法,从而引出了矩阵的初等变换、阶梯形、最简形、矩阵的秩、线性方程组的矩阵表示等核心概念。其次,利用矩阵的秩来讨论线性方程组解的存在性以及求解线性方程组的一般步骤。最后,通过习题来巩固本章的内容。推荐两个学习线性代数的资源:1. 麻省理工公开课 Linear Algebra
2020-12-24 11:41:26 507
原创 线性代数:05 实对称矩阵与二次型
本讲义是自己上课所用幻灯片,里面没有详细的推导过程(笔者板书推导)只以大纲的方式来展示课上的内容,以方便大家下来复习。本章是特征值与特征向量知识的延续,根据谱定理可知实对称矩阵可以正交对角化,对角阵为其特征值,正交矩阵为其两两正交的单位特征向量。除此之外,还介绍了二次型,标准形,规范形的知识。二次型的化简问题是本章的核心,我们即可以通过配方法做可逆变换化二次型为标准形,又可以通过正交法做正交变换化二次型为标准形,还可以通过合同法做合同变换化二次型为标准形。由于二次型的标准形不唯一,所以我们去寻找这些标准形
2020-12-23 16:01:48 2603 2
原创 线性代数:04 特征值与特征向量 -- 矩阵的相似对角化
本讲义是自己上课所用幻灯片,里面没有详细的推导过程(笔者板书推导)只以大纲的方式来展示课上的内容,以方便大家下来复习。本章主要介绍特征值与特征向量的知识,前一章我们介绍了线性变换可以把一个向量映射到另一个向量,可逆变换可以让两个向量实现双射,正交变换不仅能够实现双射还可以满足保范数的特点,即只做旋转不做放缩。而特征值与特征向量更加的特殊,方阵乘以特征向量仅仅是对该向量做了伸缩,伸缩的系数就是特征值,是不是很有趣。本章除了特征值与特征向量的定义、求解、性质和相关定理之外,还介绍了方阵的相似对角化问题,讨论了
2020-12-10 19:55:26 1145
原创 线性代数:04 特征值与特征向量 -- 特征值与特征向量
本讲义是自己上课所用幻灯片,里面没有详细的推导过程(笔者板书推导)只以大纲的方式来展示课上的内容,以方便大家下来复习。本章主要介绍特征值与特征向量的知识,前一章我们介绍了线性变换可以把一个向量映射到另一个向量,可逆变换可以让两个向量实现双射,正交变换不仅能够实现双射还可以满足保范数的特点,即只做旋转不做放缩。而特征值与特征向量更加的特殊,方阵乘以特征向量仅仅是对该向量做了伸缩,伸缩的系数就是特征值,是不是很有趣。本章除了特征值与特征向量的定义、求解、性质和相关定理之外,还介绍了方阵的相似对角化问题,讨论了
2020-12-10 19:50:25 682 1
原创 线性代数:03 向量空间 -- 向量的内积和正交阵
本讲义是自己上课所用幻灯片,里面没有详细的推导过程(笔者板书推导)只以大纲的方式来展示课上的内容,以方便大家下来复习。本章主要介绍向量空间的知识,与前两章一样本章也可以通过研究解线性方程组的解把所有知识点串联起来,比如研究齐次线性方程组的解可以得到线性相关、线性无关、零空间、解空间的基(基础解系)、解空间的维数、秩定理等概念。研究非齐次线性方程组的解可以得到线性组合、线性表示、列空间、一个向量组可由另一个向量组线性表示、两个向量组等价等概念。若一个向量不在矩阵的列空间当中,即这个向量不能由一组向量线性表示
2020-12-08 15:23:48 765
原创 线性代数:03 向量空间 -- 矩阵的零空间,列空间,线性方程组解的结构
本讲义是自己上课所用幻灯片,里面没有详细的推导过程(笔者板书推导)只以大纲的方式来展示课上的内容,以方便大家下来复习。本章主要介绍向量空间的知识,与前两章一样本章也可以通过研究解线性方程组的解把所有知识点串联起来,比如研究齐次线性方程组的解可以得到线性相关、线性无关、零空间、解空间的基(基础解系)、解空间的维数、秩定理等概念。研究非齐次线性方程组的解可以得到线性组合、线性表示、列空间、一个向量组可由另一个向量组线性表示、两个向量组等价等概念。若一个向量不在矩阵的列空间当中,即这个向量不能由一组向量线性表示
2020-12-08 15:09:27 1238
原创 线性代数:03 向量空间 -- 向量空间的基与维数,坐标,过渡矩阵
本讲义是自己上课所用幻灯片,里面没有详细的推导过程(笔者板书推导)只以大纲的方式来展示课上的内容,以方便大家下来复习。本章主要介绍向量空间的知识,与前两章一样本章也可以通过研究解线性方程组的解把所有知识点串联起来,比如研究齐次线性方程组的解可以得到线性相关、线性无关、零空间、解空间的基(基础解系)、解空间的维数、秩定理等概念。研究非齐次线性方程组的解可以得到线性组合、线性表示、列空间、一个向量组可由另一个向量组线性表示、两个向量组等价等概念。若一个向量不在矩阵的列空间当中,即这个向量不能由一组向量线性表示
2020-12-08 14:46:23 14312
原创 线性代数:03 向量空间 -- 线性相关与线性无关
本讲义是自己上课所用幻灯片,里面没有详细的推导过程(笔者板书推导)只以大纲的方式来展示课上的内容,以方便大家下来复习。本章主要介绍向量空间的知识,与前两章一样本章也可以通过研究解线性方程组的解把所有知识点串联起来,比如研究齐次线性方程组的解可以得到线性相关、线性无关、零空间、解空间的基(基础解系)、解空间的维数、秩定理等概念。研究非齐次线性方程组的解可以得到线性组合、线性表示、列空间、一个向量组可由另一个向量组线性表示、两个向量组等价等概念。若一个向量不在矩阵的列空间当中,即这个向量不能由一组向量线性表示
2020-12-08 14:27:34 1525
原创 线性代数:03 向量空间 -- 基本概念
本讲义是自己上课所用幻灯片,里面没有详细的推导过程(笔者板书推导)只以大纲的方式来展示课上的内容,以方便大家下来复习。本章主要介绍向量空间的知识,与前两章一样本章也可以通过研究解线性方程组的解把所有知识点串联起来,比如研究齐次线性方程组的解可以得到线性相关、线性无关、零空间、解空间的基(基础解系)、解空间的维数、秩定理等概念。研究非齐次线性方程组的解可以得到线性组合、线性表示、列空间、一个向量组可由另一个向量组线性表示、两个向量组等价等概念。若一个向量不在矩阵的列空间当中,即这个向量不能由一组向量线性表示
2020-12-08 14:13:24 834
收集到的情感词典.zip
2021-05-17
《数据结构与算法 LeetCode刷题宝典V1.0》.pdf
2020-05-03
数据结构与算法 腾讯精选练习50 V1.0.pdf
2020-04-20
数据结构与算法 Leetcode刻意练习 V1.0.pdf
2020-04-17
自然语言处理前沿进展报告
2019-01-20
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人