![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
线性代数
帅气的风
这个作者很懒,什么都没留下…
展开
-
线性代数系列讲解第十一篇 马尔可夫矩阵和对称矩阵
马尔可夫矩阵马尔可夫矩阵的条件:1.所有的元素均≥0\geq 0≥0 \qquad \qquad\qquad\;\quad\;\;\; 2.每列元素加起来为1马尔可夫矩阵的特点:1.矩阵的幂也是马尔可夫矩阵 \qquad \qquad\qquad\;\quad\;\;\; 2.λ1=1\lambda_1=1λ1=1,其他特征值的绝对值≤1\leq 1≤1举个...原创 2019-12-12 20:54:26 · 867 阅读 · 0 评论 -
线性代数系列讲解第十篇 特征值和特征向量
特征向量和特征值(eigenvector,eigenvalue)特征向量就是能使得AX=λXAX=\lambda XAX=λX其中λ\lambdaλ是个数,而这个λ\lambdaλ就是特征值。XXX是个非零向量。其实特征向量XXX就是经过AXAXAX还是能使得与它本身平行。我是这么想的,特征向量就代表着矩阵的正交基,矩阵对正交基的操作其实还是落在正交基上,因为其他的正交基与本正交基正交而...原创 2019-12-10 22:21:58 · 838 阅读 · 0 评论 -
线性代数系列讲解第九篇 线性变换
线性变换(linear transformation)矩阵其实就是做线性变换,线性变换需要两个条件,其实跟向量空间有点像。条件: 1. T(v+w)=T(v)+T(w)T(v+w)=T(v)+T(w)T(v+w)=T(v)+T(w) 2.T(cv)=cT(v)\qquad\,2.T(cv)=cT(v)2.T(cv)=cT(v)我们可以将上述两个条件写成一个式子也可以T(cv+dw)=cT...原创 2019-12-09 23:29:15 · 3562 阅读 · 0 评论 -
线性代数系列讲解第八篇投影及AX=b(无解情况)求近似解及最小二乘法
投影我们先考虑直线投影到直线的情况,我们会将b⃗\vec bb投影到p⃗=xa⃗\vec p=x\vec ap=xa。我们可以利用发现e⃗\vec ee和p⃗\vec pp垂直,因此我们可以利用向量正交性写出一下式子,我把向量上标去掉了,你们知道xxx是数即可。aT(b−xa)=0→xaTa=aTb→x=aTbaTaa^T(b-xa)=0\rightarrow xa^Ta=a^Tb\r...原创 2019-12-07 23:07:00 · 3496 阅读 · 0 评论 -
线性代数系列讲解第七篇 正交向量及正交空间
正交向量引出1.毕达哥拉斯定理/勾股定理(Pythagoras)我们很容易得出∣∣x∣∣+∣∣y∣∣=∣∣x+y∣∣||x||+||y||=||x+y||∣∣x∣∣+∣∣y∣∣=∣∣x+y∣∣...原创 2019-12-03 23:31:39 · 10633 阅读 · 0 评论 -
线性代数系列讲解第六篇 AX=b求解(针对有解情况)
AX=b各种情况AAA是mxn的矩阵,秩为rrr(r≤m,r≤nr\leq m,r\leq nr≤m,r≤n)r=nr=nr=nr=nr=nr=n表示没有自由变量,即零空间N(A)={0}N(A)=\begin{Bmatrix}0\end{Bmatrix}N(A)={0},解AX=bAX=bAX=b,要么0个解,要么1个解。我们可以看看以下例子:直接写增广矩阵了[12b126b23...原创 2019-12-02 15:28:21 · 12027 阅读 · 0 评论 -
线性代数系列讲解第五篇 矩阵的秩,向量空间
向量空间(Vector Space)概念向量空间必须对数乘和加法两种运算是封闭的。那么,你肯定有疑问,什么叫做封闭性。我这里介绍一下,封闭性就是说在向量空间中的向量在数乘和加法都必须落在这个向量空间内。总结下条件:v+wv+wv+w和cvcvcv都必须在它们所在的空间(vvv和www都是向量,ccc是数)等价的方式: cv+dwcv+dwcv+dw都在它们所在的空间里(vvv和www都是向...原创 2019-11-30 21:37:55 · 1460 阅读 · 0 评论 -
线性代数系列讲解第四篇 矩阵的逆
矩阵的逆1.概念我们可以想想在数里面有倒数的概念,比如2∗1/2=12*1/2 = 12∗1/2=1。同样的想法,矩阵的逆也是类似的想法。其定义是:AA−1=IAA^{-1}=IAA−1=I其中A−1A^{-1}A−1就是矩阵的逆。当矩阵是方阵的时候,满足下面的方程AA−1=I=A−1AAA^{-1}=I=A^{-1}AAA−1=I=A−1A即矩阵的左逆等于矩阵的右逆。当矩阵不是方...原创 2019-11-29 22:55:10 · 2261 阅读 · 0 评论 -
线性代数系列讲解第三篇 行列式
行列式(determinant)1.性质注明:det是行列式的简写det I=1det\,I = 1detI=1∣1001∣=1\begin{vmatrix}1&0\\0&1\end{vmatrix} = 1∣∣∣∣1001∣∣∣∣=1交换两行,行列式的符号变号.交换偶数行, det P=1det\,P = 1detP=1交换奇数行,det P=−1det\...原创 2019-11-28 20:06:02 · 1011 阅读 · 0 评论 -
线性代数系列讲解第二篇 高斯消元的思想
高斯消元AX=b来引出我们这个思想萌新一看到,估计懵了,这是什么鬼呀,其实不然,第一篇线性代数你已经知道了这是啥玩意,不就是这个么[2−1−12]A[x1x2]X=[03]b \mathop{\begin{bmatrix} 2 & -1 \\ -1 & 2 \\ \end{bmatrix}}\limits_{A}\mathop{\begin{bmatrix} x_1 \\ ...原创 2019-11-27 21:36:54 · 319 阅读 · 0 评论 -
线性代数系列讲解第一篇 矩阵
1.矩阵先简单讲解什么是矩阵,给小白们一个印象。矩阵可以是说从解方程组得来,为什么这么说呢,先举个例子:{2x−y=0−x+2y=3\left\{ \begin{array}{c}2x-y=0 \\ -x+2y=3\end{array}\right. {2x−y=0−x+2y=3我们可以将其写成[2−1−12][xy]=[03] \begin{bmatrix} 2 & -1 \\...原创 2019-11-26 19:42:54 · 1644 阅读 · 0 评论