线性代数
LthID
个人的学习记录,主要包括编程、机器学习、数学部分,可能会很杂乱,主要就是记录学习的点点滴滴。
展开
-
线性代数教程之一——矩阵乘法计算、理解及代码实现
参考了《深度学习》巨作,以下是矩阵篇的目录。 1 乘法设矩阵A为m×n矩阵,B为n×p矩阵,则它们的乘法公式为: 相关代码实现:# 矩阵滴乘法运算# 注意:需要传入np.matrix类型数据def Matrix_Mul(a,b): if a.shape[1] != b.shape[0]: print('这两个矩阵无法做乘法,请检查左边矩阵的列数是否与右边矩阵的行数相等原创 2017-10-10 18:04:50 · 3857 阅读 · 0 评论 -
线性代数教程之二——特征分解
如果说一个向量v是方阵A的特征向量,将一定可以表示成下面的形式: λ为特征向量 v 对应的特征值。特征值分解是将一个矩阵分解为如下形式: 其中,Q是这个矩阵A的特征向量组成的矩阵,Σ是一个对角矩阵,每一个对角线元素就是一个特征值,里面的特征值是由大到小排列的,这些特征值所对应的特征向量就是描述这个矩阵变化方向(从主要的变化到次要的变化排列)。也就是说矩阵A的信息可以由其特征值和特征向量表示。对于原创 2017-10-11 17:23:58 · 2312 阅读 · 0 评论 -
用Python解线性方程组——Scipy包和自己写
用Python解决方程组、微积分等问题,主要是用到Python的一个库——SymPy库。可以说这个项目也主要是学习SymPy库的用法。解二元一次方程功能实现解方程的功能主要是使用Sympy中solve函数实现。示例题目是: 方程表示代码表示与手写还是有区别的,下面列出常用的: 加号 + 减号 - 除号 / 乘号 * 指数 ** 对数 log() e的指数次幂 exp()题目中表达式可原创 2017-10-12 18:16:05 · 11812 阅读 · 0 评论