写在前面
本想在暑假期间写完线性代数系列,可惜天时地利都不和哈哈。现在开学选的专业课基本都需要矩阵的知识,线性代数当然是基础,我还是决定先把线性代数这一系列搞定,巩固自己的数学基础。之后在学习现代控制理论的时候再慢慢补上其他的知识点吧。还是要认真学习,认真工作,不虚度光阴!
英文目录可以参见这篇。
有问题请随时指正!
1.1 线性方程和其描述
1.1.1 线性方程介绍
1.1.2 向量和矩阵
1.2 线性方程的代数解法
1.2.1 行消去法和阶梯型
1.2.2 初等矩阵
1.3 四个基本子空间
1.3.1 线性相关和线性无关
1.3.2 向量空间
1.3.3 列空间和零空间
1.3.4 行空间和左零空间
1.3.5 四个子空间的维度
2. 矩阵方法求解线性方程组 Ax=b
2.1. 矩阵的逆
2.1.1. 矩阵乘法
2.1.2. 逆矩阵定义和可逆性
2.1.3. Gauss-Jordan方法求矩阵的逆
2.2. 不可逆矩阵
2.2.1. 长方阵Rectangular Matrix
2.2.2. 矩阵转置
2.2.3. 投影
2.3. 长方阵的逆
2.3.1. 右逆
2.3.2. 左逆
2.3.3. 伪逆
3. 矩阵的性质
3.1. 行列式Determinant
3.1.1. 行列式的性质
3.1.2. 如何求行列式
3.1.3. 求解Ax=b的其他方法
3.2. 特征向量和特征值
3.2.1. 定义
3.2.2. 如何求解特征向量和特征值
3.2.3. 矩阵的对角化—特征值的应用
4. 一些特殊矩阵
4.1. 对称矩阵
4.1.1. 性质
4.1.2. 特殊的对称矩阵—正定矩阵
4.2. 相似矩阵(重点)
4.2.1. 定义
4.2.2. 相似矩阵的主要特点
4.2.3. 约当型和约当块(Jordan-form and Jordan Blocks)
5. 矩阵分解
5.1. A=LU
5.2. A=QR
5.3. 奇异值分解(SVD): A=UΣVT
5.3.1. 定义
5.3.2. SVD的目的
5.3.3. 如何找到U,Σ and V
6. 线性变换
6.1. 定义
6.2. 例子
6.3. 如何构建线性变换
6.4. 应用——图像压缩