矩阵论
一动不动的葱头
这个作者很懒,什么都没留下…
展开
-
矩阵学习笔记1
矩阵论的重要性就不用说了,但是,没有认真地学习一次,翻来翻去就是不能学好。三维重建中提到各种各样的空间,如欧式空间,仿射空间,各种投影,希伯特空间等这些概念让我特别糊涂!怎么办才好?不如写几篇博客梳理一些矩阵论!理解一:矩阵乘法的理解 或 这个理解很特殊,之前总是按照矩阵乘法来生硬地计算,这个理解很好,(1)很好地理解矩阵与向量之间的关系。原创 2015-01-24 11:57:58 · 3132 阅读 · 0 评论 -
矩阵乘法,左逆,右逆的意义
1 先考虑矩阵和向量相乘的情况:在矩阵学习的博文中,提到这样,对于Ax=y,其中,A是m*n的矩阵,x是n维向量,y是m维向量。讨论三种情况:(1)m=n, x->y的映射是从n维到n维(伸缩旋转等)(2)m x->y的映射是从高维n到低维m(投影等)(3)m>n x->y的映射是从低维n'到高维n(这在核方法中原创 2015-02-05 22:42:16 · 22992 阅读 · 1 评论 -
矩阵论学习笔记2
理解六:分块矩阵的初等变换实际计算中,二阶分块矩阵的初等变换是用得最多的,它是二阶矩阵初等变换的直接推广。我们定义如下:这很有用,我们将会在机器学习中的最小二乘法中看到。这实际是降阶公式。这是如何想到的呢?这是凑巧的吗?实际上,如果我们要想降阶的话,很自然的想到,|A|=|K|.|A|,其中,|K|=1,A,K为二阶矩阵,更特殊的,我们希望,K=|1,0;x,1|(记成这样),A=|a原创 2015-01-24 15:11:47 · 2618 阅读 · 0 评论 -
矩阵论学习笔记3
理解十:线性空间的扩充基理解十一:线性变换理解十二:原创 2015-01-24 20:56:57 · 1761 阅读 · 0 评论 -
矩阵学习笔记4
何为特征值,特征向量?这实际上在笔记3中提过这样。怎么计算特征向量?]如笔记3所提到的,对于Ax=rx,这里等式左边的Ax是一般的。A是你随便想给定的线性矩阵。x是你随便给定的U子空间(输入空间)。但是,此处比笔记3特殊的是,这里的“输入空间”和“输出空间”都是U。这是特殊的,但是也是情有可原的!输入域和输出域同原创 2015-01-25 15:59:48 · 887 阅读 · 0 评论 -
矩阵论发展之我假想
开篇:其实,世界上本没有矩阵论,表达方便了也变成了矩阵论。--王广聪为了不受到矩阵论课本知识的干扰,影响到我们对矩阵论的初心(对,不忘初心),我先用小方块数来代替矩阵的概念。小方块数物理概念表达:看看这些小方块的数字一般用来干嘛:第一种:多个高维数据的样例,比如[1,2,3; 11,12,13],其中,[1,2,3]和[11,12,13]都分别代表一个数据点。这个数组(考虑一下...原创 2019-06-05 11:08:04 · 455 阅读 · 0 评论