#to do list
这是一个关于矩阵与线性代数的笔记博客纲要
0. 序言
讲述并列的几种数学思维函数与变换 矩阵与变换 不确定的统计概率观点 优化统筹学 ,程序员眼中的数学 块运算,机器学习运用广泛 参考《线性代数的几何解释》
非常形象化的讲解视频;https://link.zhihu.com/?target=http%3A//www.bilibili.com/video/av6731067/
为什么学习矩阵和线性代数?为什么这样定义矩阵?为什么这样那样定义矩阵乘法?为什么定义行列是那样的运算?这些奇奇怪怪莫名其妙的定义有什么意义?比如这一行乘以个数加另一行。初学的时候往往都是把这些毫无章法的规则强行硬塞给我们却缺乏了直观的解释和其意义。使得我们学习起来感觉毫无意义。因此写之。
1. 矩阵与变换
- 矩阵 --如何理解矩阵?为什么会有矩阵代数?为什么如此定义
- 标量 向量 矩阵 张量 vs 实数函数 多元函数 多值函数 函数变换
- 矩阵运算–矩阵乘法 如何理解
- 矩阵运算–矩阵除法 如何理解 逆变换 反变换类别倒数和反函数 压缩与复原–>线性求解器
- 特别地–矩阵的逆和伪逆 单位矩阵
2. 矩阵量(类似于统计量)
- 行列式 如何理解?
- rank 哲学理解
- 范数 迹
- 正定与对称的几何意义
- 特征值与特征向量 (下文还将深入探讨)
- 广义特征值 非线性特征值 特征值反问题
- 协方差矩阵与基
- 矩阵导数
- 一些特殊矩阵(方差矩阵,置换矩阵)
- --量与矩阵的数值关系 那些矩阵元素直接影响行列式h额特征值 参考《数值分析》–
3. 矩阵计算
- 线性方程的求解
- 高斯消元法 等等参考 《数值线性代数》
- LUP分解求解
- 迭代求解
- 解析几何
- 数值分析 可单独建立专栏
4. 矩阵降阶
- 特征值与特征向量 (与方差矩阵)与PCA的关系
- 相似矩阵 合同矩阵
- 矩阵分解
- SVD
- QR
- LU
- chol 分解 (平方根分解)
- jordan 分解 schur分解
- 矩阵分块
- 模型降阶 参考《模型降阶一书》
- 稀疏化 稀疏矩阵
- 其他 参考李维的矩阵降维的讲义
5. project for matrix
写一个matrix库 c++ GitHub上 参考eigen3 数值分析软件 加入各种求解算法 详细可参考《算法导论》里关于矩阵一章实现