Linear Algebra
文章平均质量分 80
MirrorN
知来者之可追
展开
-
MIT 线性代数导论 第二讲:矩阵消元
第二讲的主要内容:线性方程组的消元法使用矩阵语言表示消元过程向量、矩阵乘的理解置换矩阵的概念初步逆矩阵的概念线性方程组的消元法例子:{x+2y+z=23x+8y+z=124y+z=2\left\{\begin{matrix}x+2y+z=2\\ 3x+8y+z=12\\ 4y+z=2\end{matrix}\right.⎩⎨⎧x+2y+z=23x+8y+z=12...原创 2018-09-30 21:14:22 · 374 阅读 · 0 评论 -
MIT 线性代数导论 第十六讲:投影矩阵和最小二乘
本讲的主要内容:简单回顾前一讲中的投影矩阵的概念结合例子具体说明最小二乘证明 ATAA^{T}AATA 是可逆的回顾上一讲的最重要的知识点如下:p=Axp= Axp=AxP=A(ATA)−1ATP=A(A^{T}A)^{-1}A^{T}P=A(ATA)−1ATATAx=ATbA^{T}Ax=A^{T}bATAx=ATb首先定义ppp 是向量投影在向量空间AAA的分向量,P...原创 2018-10-15 11:09:35 · 826 阅读 · 1 评论 -
MIT 线性代数导论 第一讲:线性方程组的几何解释
这一讲主要是从行和列两个角度看待方程组的几何解释:行图像(row picture)从每个方程的角度理解,例如方程组:{2x−y=0−x+2y=3\left\{\begin{matrix}2x-y=0\\ -x+2y=3\end{matrix}\right.{2x−y=0−x+2y=3其中每一个方程可以看作二维平面上的一条直线,因此,整个方程组的解就是两条直线的交点,这个是我们习惯的...原创 2018-09-29 21:05:14 · 947 阅读 · 0 评论 -
MIT 线性代数导论 第九讲:四个基本子空间
本讲的主要内容:四种子空间的概念以及维数、基四种基本子空间首先了解四种基本子空间是什么:列空间(column space),简记为 C(A)C(A)C(A), 由矩阵的列向量生成的空间零空间(null space),简记为 N(A)N(A)N(A), 方程Ax=0Ax=0Ax=0 的解向量生成的空间行空间(row space),简记为 C(AT)C(A^{T})C(AT)(注意...原创 2018-10-09 15:50:25 · 483 阅读 · 0 评论 -
MIT 线性代数导论 第十一讲:矩阵空间、秩1矩阵和小世界图
本讲的主要内容有:矩阵空间的具体概念秩1矩阵的概念以及性质小世界图矩阵空间在之前的一讲中提到了矩阵空间的概念,其实本质上与之前的向量空间是一致的,只是概念的拓展。例如:矩阵空间 MMM 是所有 3×33\times33×3 的矩阵构成的空间,它的子空间有所有的对称矩阵(3×33 \times 33×3)构成的空间以及所有的上三角矩阵(3×33 \times 33×3)构成的空间等等。...原创 2018-10-10 11:20:57 · 695 阅读 · 0 评论 -
MIT 线性代数导论 第十七讲:正交矩阵和Graham-Shcimidt正交化
本讲的主要内容:正交向量组以及正交基的概念正交矩阵Graham-Schimidt正交化的方法正交向量组、正交基以及正交矩阵再上一讲中,讲到了正交的概念,如果有一系列向量 q1,q2,...qnq_{1},q_{2},...q_{n}q1,q2,...qn, 两两正交,那么这一组向量就是一个正交向量组,对于 nnn 维空间的 nnn个正交向量(当然,nnn 维空间也只有最多 nn...原创 2018-10-16 19:35:41 · 473 阅读 · 0 评论 -
MIT 线性代数导论 第十八讲:行列式及其性质
从这一讲开始新的章节。这一讲主要是一些基础概念性质,所以比较简单。本讲的主要内容:行列式的概念行列式的重要性质行列式的概念以及基本的三个性质行列式是由方阵 AAA 确定的一个标量,记作 detadet \enspace adeta 或者 ∣A∣|A|∣A∣, 可以看作是面积或者体积向高维空间的拓展。这里要注意的概念是我们一般意义上的考虑都是考虑方阵的行列式行列式的三个基本性质:...原创 2018-10-17 09:32:49 · 705 阅读 · 0 评论 -
MIT 线性代数导论 第二十二讲:矩阵对角化和幂
本讲的主要内容对角化矩阵的概念以及方法计算矩阵的幂的对角化方法几个例子对角化矩阵、计算矩阵的幂对于一个有 nnn 个不同特征向量(其实就是说所有的特征值均不同)的矩阵 AAA,讲它的 nnn 个特征向量组成一个矩阵 SSS ,如果我们计算 ASASAS 可以有如下过程:AS=A(x1,x2,x3...xn)=(λ1x1,λ2x2,....λnxn)=(x1,x2,x3...xn)(...原创 2018-10-22 10:32:16 · 948 阅读 · 0 评论 -
MIT 线性代数导论 第二十一讲:特征值与特征向量
敲黑板,敲黑板 。特征向量与特征值在很多地方都有应用,这一将开始讲这一部分的内容,也是线性代数里面很重要的一部分知识了。这一讲的主要内容:特征值、特征向量的概念特征值与特征向量的计算方法特征向量、特征值的概念对于矩阵 AAA 和向量 xxx , 有线性变换: AxAxAx, 如果有 λ\lambdaλ 使得 Ax=λxAx = \lambda xAx=λx成立,则 λ\lambda...原创 2018-10-20 14:04:43 · 496 阅读 · 0 评论 -
MIT 线性代数导论 第九讲:线性相关性、基、维数
本讲的主要内容:向量的线性相关性向量组生成空间向量空间的基、维数向量线性相关性(dependence)概念:对于一组向量 x1,x2,x3...xnx_{1},x_{2},x_{3}...x_{n}x1,x2,x3...xn ,如果存在一种组合使得 c1x1+c2x2+c3x3,...cnxn=0c_{1}x_{1}+c_{2}x_{2}+c_{3}x_{3},...c_{...原创 2018-10-08 11:16:05 · 428 阅读 · 0 评论 -
MIT 线性代数导论 第十五讲:子空间投影
本讲的主要内容有:投影的概念为什么要进行投影操作最小二乘法的介绍投影(Projection)首先再二维平面中直观的看一下投影的概念:如图,两个不同向的向量 aaa, bbb,其中 bbb 落在 aaa 的方向上的向量 ppp 就是 bbb 在 aaa 上的投影,其实就是构成一个直角,这跟我们生活中的理解是一样的,从图中,我们有以下的定义和结论:向量 ppp ,它是向量 aaa...原创 2018-10-14 16:23:06 · 998 阅读 · 2 评论 -
MIT 线性代数导论 第十九、二十讲:行列式公式、代数余子式、克拉默法则
这一部分内容没有重要的内容(个人觉得哈,毕竟没有谁会手算行列式之类的吧,所以简单了解一下就好了…反正我已经修过线性代数了哈哈)本讲的主要内容:行列式公式代数余子式的概念以及计算方法三对角线矩阵行列式规律行列式公式利用上一讲里拆分的性质,可以归纳出这个公式,就比如这样:最终公式为:detA=∑±a1αa1βa1γ...a1ω,α,β,γ....ω,perm(1...n)det \...原创 2018-10-18 09:33:08 · 789 阅读 · 0 评论 -
MIT 线性代数导论 第三讲:矩阵乘法与逆矩阵
为了以后自己看的明白(●’◡’●),我决定对复杂的计算过程不再用Latex插入数学公式了(记得不熟的实在是太费劲了,还是手写好~)第三讲的主要内容有两个:四种矩阵乘法的方式逆矩阵的概念以及计算方式矩阵乘法矩阵相乘例子:(A(m,n))(B(n,p))=(C(m,p))\begin{pmatrix}A\\ (m,n)\end{pmatrix}\begin{pmatrix}...原创 2018-10-01 19:58:56 · 2381 阅读 · 0 评论 -
MIT 线性代数导论 第十二讲:图和网络
本讲的主要内容:将线性代数与实际问题(图)联系起来首先,在之前的一节中,我们了解了图的基本概念,本讲的例子:如下在这个图中有四个结点,五条边。上面的图可以表示很多实际的问题,例如,如果上图表示电路网,带有箭头的线就表示电流以及方向。由上面的图,我们将它的关联矩阵(Incidence Matrix)写出来:注意关联矩阵的4列分别表示4个结点,行分别表示5条边,其中出点标记为-1,入点...原创 2018-10-11 09:27:21 · 1077 阅读 · 0 评论 -
MIT 线性代数导论 第四讲:矩阵的LU分解
这一讲的主要内容有:矩阵转置与逆的顺序问题矩阵AAA 的 LULULU 分解置换矩阵群矩阵转置与逆首先关于矩阵的分解要用到几个定理:对于矩阵 AAA 和矩阵 BBB :求两个矩阵乘积的逆矩阵只需要交换两个矩阵的逆的顺序并相乘即可,也就是:(AB)X=I,X=B−1A−1(AB)X = I , X = B^{-1}A^{-1}(AB)X=I,X=B−1A−1对于单...原创 2018-10-02 16:33:20 · 1581 阅读 · 0 评论 -
MIT 线性代数导论 第五讲:置换-转置-向量空间
本讲的主要内容有:转置矩阵的概念置换矩阵的概念对称矩阵的概念以及如何求得向量空间的概念以及由矩阵生成向量空间置换矩阵(Permutation Maxtrix)在之前的一讲中介绍了置换矩阵,置换矩阵就是行重新排列的单位矩阵,简记为 PPP ,使用置换矩阵左乘一个矩阵的话,可以实现矩阵的行向量的重新排列,对于 n∗nn * nn∗n 的置换矩阵,共有 n!n!n! 种情况,这些置换矩...原创 2018-10-03 15:37:39 · 992 阅读 · 0 评论 -
MIT 线性代数导论 第六讲:列空间以及零空间
本讲的主要内容:回顾向量空间以及子空间的知识点使用线性方程组的思想看待列空间问题零空间的概念向量空间以及子空间这里主要是对之前的知识的一点回顾,有一点新问题是对于子空间,交以及并是否仍然是子空间?这里以三维空间 R3R^{3}R3 为例:取 PPP 为三维空间中过原点的一个平面(plane) ,取 LLL 为三维空间中过原点的一条直线,则根据向量空间以及子空间的定义,可以得知 P...原创 2018-10-04 11:27:55 · 472 阅读 · 0 评论 -
MIT 线性代数导论 第七讲:Ax=0求解
本讲的主要内容有:计算 Ax=0Ax=0Ax=0 的解(求零空间)理解主变量以及自由变量的概念Ax=0Ax=0Ax=0 的特殊解求解 Ax=0Ax=0Ax=0首先举一个例子,并进行消元过程,消元过程在之前讲到过:A=(1222246836810)⇒(122200240024)⇒([1]22200[2]40000)=UA = \begin{pmatrix}1 & ...原创 2018-10-06 10:14:51 · 7404 阅读 · 0 评论 -
MIT 线性代数导论 第十四讲:正交向量和子空间
第十三讲是第一部分(主要是线性代数的基础知识,四个子空间的关系)的复习课,所以没有做记录本讲的主要内容:向量正交的定义以及证明方法子空间正交的概念以及关于行空间、零空间的一些结论向量正交两个向量正交的概念很直观,就是:两个向量的夹角为90°在线性代数中,上述定义可以表述为:对于向量 xxx 和 yyy ,xTy=0x^{T}y = 0xTy=0对于上式的证明,我们可以通过勾股定...原创 2018-10-13 10:54:16 · 620 阅读 · 0 评论 -
MIT 线性代数导论 第八讲:Ax=b可解性以及解的结构
本讲的主要内容:Ax=bAx=bAx=b 的求解过程讨论 Ax=bAx=bAx=b 各种情况是否存在解求解过程这一部分使用的例子,这里我直接写成矩阵形式:Ax=b⇔(1222246836810)x=(b1b2b3)Ax=b\Leftrightarrow \begin{pmatrix} 1& 2 & 2 & 2\\ 2&...原创 2018-10-07 10:51:11 · 633 阅读 · 0 评论 -
MIT 线性代数导论 第二十四讲~二十九讲的概念梳理
最后的这几讲很多是介绍一些概念以及应用和复习总结,所以简单记录下一下,不再详细展开。主要内容有:马尔可夫矩阵以及傅里叶级数的概念实对称矩阵以及正定矩阵的介绍相似矩阵的概念正定矩阵的概念马尔可夫矩阵马尔可夫矩阵(Markov Matrix) :首先是一个 nnn 阶的方阵(其实在之后的几讲中,讨论的都是方阵)方阵中的每个元素都非负每一列元素的和都等于1马尔可夫矩阵有两条...原创 2018-10-25 10:43:58 · 302 阅读 · 0 评论