线性代数
nini_coded
走在电路与算法之间的通信人 把优势发挥到极致 stay hungry stay foolish
展开
-
线性代数基本公式结论简要总结(1)
这两天在结合教材和MIT公开课的视频复习线代,希望能够在短时间内捡起两年前学过的东西。当时线代给我的最大感觉就是十分抽象,总是毫无道理地就给出一堆定义、概念和一些奇怪的公式推演,平时做的书后题和考试题大多数有很强技巧性的各种计算,最后感觉学到的全都是各种“毫无关联”的概念、公式和计算套路。因此最近复习时,着重思考和查找了许多概念之间存在的联系,以及它们的内在意义和常见应用场景,总结在博客的“线...原创 2018-03-08 00:39:06 · 5879 阅读 · 0 评论 -
矩阵特征值的理解
矩阵特征值的理解待续原创 2018-03-08 01:24:20 · 414 阅读 · 1 评论 -
线性代数基本公式结论简要总结(2)
本文主要总结矩阵代数(运算、逆、分块矩阵、LU分解、子空间、秩)和行列式相关内容。矩阵乘积AB的每一列都是A各列的线性组合,且以B中对应的列的元素作为权重。矩阵的幂: 只有方阵可以乘幂,幂的计算可以利用矩阵对角化(特征值分解)实现: A=PΛP−1A=PΛP−1A=P\Lambda P^{-1} Ak=PΛkP−1Ak=PΛkP−1A^k=P\Lambda ^kP^{-1} 其中Λ...原创 2018-03-08 21:52:50 · 3976 阅读 · 0 评论 -
线性代数基本公式结论简要总结(3)
本文总结向量空间的一些内容,由于向量空间的知识(子空间、矩阵的行列空间、空间的基、线性无关、空间维数、秩)在上一篇文章中已有很多介绍,因此本文着重回顾马尔科夫矩阵和傅里叶级数马尔科夫(Markov)矩阵: def:一个具有非负分量(元素)且各分量(元素)数值相加等于1的向量称为概率向量;马尔科夫矩阵又称随机矩阵,是各列向量均为概率向量的方阵马尔科夫链:由一组概率向量序列x0,x1,x2....原创 2018-03-08 22:24:16 · 917 阅读 · 0 评论 -
线性代数基本公式结论简要总结(4)
本文复习矩阵的特征值、特征向量、对角化、正交性(投影、施密特正交化、QR分解、内积空间)等内容。特征值和特征向量: def:A为n×n矩阵,x为非零向量,若存在数λλ\lambda使Ax=λxAx=λxAx=\lambda x成立,则称λλ\lambda为A的特征值,x称为对应于λλ\lambda的特征向量。矩阵的特征值表征了矩阵的一些很重要的特征,特征值越大,说明其涵盖了矩阵越多的信息...原创 2018-03-09 12:14:26 · 1907 阅读 · 0 评论 -
线性代数基本公式结论简要总结(5)
本文总结对称矩阵、二次型和奇异值分解等内容。由于对称矩阵具有许多良好的性质,工程上被广泛应用。二次型和奇异值分解也是由对称矩阵具有的特殊性质推广得到的首先不要忘了之前讲特征值时提到的对角化公式: A=PDP−1A=PDP−1A=PDP^{-1} A具有n个线性无关的特征值,P的列空间由A的特征向量构成,D是对角线元素为A的特征值的对角矩阵若A为对称矩阵,则其不同特征空间中(一个特征...原创 2018-03-09 19:20:49 · 982 阅读 · 0 评论