《线性代数及其应用》系列笔记

最新推荐文章于 2024-01-25 20:03:40 发布
置顶 最新推荐文章于 2024-01-25 20:03:40 发布
阅读量2.4k 收藏 51
点赞数 8
分类专栏： 线性代数及其应用系列笔记 文章标签： 线性代数 数学 机器学习 矩阵 向量
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wo94chunjie/article/details/102935848
版权
本书笔记详述了《线性代数及其应用》一书的精华内容，涵盖线性方程组、矩阵代数、行列式、向量空间等核心主题。适合于希望深入理解线性代数理论及应用的专业人士。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

写在前面的话

《线性代数及其应用》，英文名：Linear Algebra and Its Applications，是关于线性代数的一本很出色的教材。由于工作中需要用到线性代数相关知识，所以通过这本教材来进行复习和巩固。依据费曼学习法的原则，也为了方便自己日后回顾，将每一章节的笔记整理成册（原书第5版）。

目录

第1章 线性代数中的线性方程组

1.1 线性方程组

1.2 行化简和阶梯形矩阵

1.3 向量方程

1.4 矩阵方程

最低0.47元/天 解锁文章
万字长文|线性代数的本质课程笔记完整合集！
abcdefg90876的博客
09-23 4340
0、系列目录1.向量究竟是什么：https://www.bilibili.com/video/av5987715/?spm_id_from=333.788.reco_li...
线性代数学习资源集锦
最新发布
专业深耕，技术前沿
01-31 694
以上资源涵盖了从基础到高级的线性代数内容，适合不同层次的学习者。选择适合自己的教材或在线课程，结合个人学习进度和兴趣，制定合理的学习计划，相信你一定能在线性代数的学习道路上取得优异成绩。
线性代数及其应用笔记
terry_jt的博客
08-07 1123
因为工作原因，重新复习线性代数，现做《线性代数及其应用》笔记，以备个人整理及复习所用。 第一章 线性代数中的线性方程组 定理1（简化阶梯型矩阵的唯一性）P13 每个矩阵行等价于唯一的简化阶梯型矩阵 定理2（存在于唯一性定理）P19 线性方程组相容的充要条件是增广矩阵的最右列不是主元列。 若方程组相容，则没有自由变量，有唯一解。有自由变量，有无穷多解。 定理3 P35 向量方程和矩阵方程等价。 定理4 P36 重要的定理，见原书 定理5 P38 矩阵和向量的运算规则 定理6 P45
2020-10-17
qq_41133643的博客
10-17 179
记录研究生学习内容，学习cvx 基础知识 convex optiization :凸优化 凸优化的定义：凸优化，或叫做凸最优化，凸最小化，是数学最优化的一个子领域，研究定义于凸集中的凸函数最小化的问题。 凸集：在凸几何中，凸集(convex set)是在凸组合下闭合的仿射空间的子集。更具体地说，在欧氏空间中，凸集是对于集合内的每一对点，连接该对点的直线段上的每个点也在该集合内。例如，立方体是凸集，但是任何中空的或具有凹痕的例如月牙形都不是凸集。 特别的，凸集，实数R上（或复数C上）的向量空间中，如果集合S中
人工智能中的线性代数：如何理解并更好地应用它
喜欢打酱油的老鸟
11-06 1367
选自TowardsDataScience 作者：Oleksii Kharkovyna机器之心编译参与：高璇、蛋酱 线性代数是 AI 专家必须掌握的知识，这已不再是个秘密。如果不掌握应用数学这个领域，你永远就只能是「门外汉」。当然，学习线性代数道阻且长。数学，尤其是线性代数常与枯燥、复杂和毫无意义的事物联系起来。不过你还可以另辟蹊径。 阅读完本文后，你将了解到： 线性代数的本质； 线性...
MIT公开课-线性代数笔记.pdf
10-12
MIT公开课-线性代数笔记.pdf 线性代数是数学和计算机科学领域中的一个重要分支，它研究向量、矩阵、线性变换和向量空间等概念。本文根据MIT公开课的笔记，总结了线性代数的主要知识点。 一、目录方程组的几何解释 ...
1.1 线性方程组（线性代数及其应用-第5版-系列笔记）
schnauzers的博客
11-06 2815
内容概述 本节首先引入了线性方程以及线性方程组的概念，通过解一个线性方程组，指出了线性方程组解的几个一般情况（无解，有唯一解，有无穷多解）；接着，引入了矩阵的概念，指出可以利用矩阵来表示线性方程组的系数和方程等号右边的常数。最后，讲解了一种解线性方程组的方法（高斯消元法），并论述了线性方程组的解的情况（存在性和唯一性）。 概念梳理 线性方程 包含变量x1x_1x1​, x2x_2x2​, ⋯\cd...
MIT_线性代数笔记：线性代数常用概念及术语总结
weixin_43597208的博客
01-25 1885
高斯消元法（Gauss elimination）就是通过对方程组中的某两个方程进行适当的数乘和加（jian）和（fa），以达到将某一未知数系数变为零，从而削减未知数个数的目的。消元法是计算机软件求解线形方程组所用的最常见的方法。任何情况下，只要是矩阵 A 可逆，均可以通过消元法求得 Ax=b 的解。置换矩阵，是一种特殊的方阵，其中每行和每列只有一个元素为1，其他元素都为0。它表示了对向量或矩阵的行或列的置换操作。线性代数的基本问题就是解 n 元一次方程组。例如：二元一次方程组。,而等号右侧的向量记为 b。
MIT线性代数导论笔记
07-05
### MIT线性代数导论笔记 #### 第一课时：方程组的几何解释 在探讨线性代数的基本概念之前，我们首先通过几何的角度理解方程组的意义及其解的存在性。 **一、线性方程组的两种理解方式：行图像和列图像** 对于一...
线性代数及其应用
weixin_34034670的博客
12-19 7949
181219 矩阵相加：只要形状一样，两个矩阵可以相加。 标量与矩阵相乘或相加：将标量与矩阵的每一个元素相乘或相加。 矩阵相乘：C = A B 矩阵A的列数与矩阵B的行数相等，A的形状为m*n，B的形状为n*p,则C的形状为m*p。 元素对应乘积/Hadamard乘积：为矩阵内对应元素的乘积，记为AB。 两个相同维数的向量x和y的点积可以看做矩阵乘积x转至后与y的矩阵乘积。 矩阵满足分配律、结合律...
线性代数应用案例线性代数应用案例
06-27
线性代数的实际应用案例。用线性代数的思想解决实际中的具体问题。
天津大学-线性代数及其应用复习资料.rar
11-30
天津大学线性代数及其应用复习资料，其中包括： （1）老师授课过程中用到的课件； （2）课后练习题的答案； （3）数份期中考试往年试卷及其配套答案； （4）数份期末考试往年试卷及其配套答案。
《线性代数及其应用》笔记-第三章
terry_jt的博客
08-11 746
第三章 行列式 3.1 行列式介绍 介绍了行列式的计算方法 定理1 n*n矩阵的行列式可按任意行或任意列的余因子式展开 定理2 若A为三角阵，则A的行列式就是主对角线乘积 3.2 行列式的性质 定理3 描述了一个方阵的各种行变换对行列的影响 定理4 方阵A是可逆的当且仅当其行列式不等于0 从几何角度：如果行列式=0，则面积变为0，相当于降维了，降维了，当然不可逆了，已经回不去了 从计算角度： 定理5 把方阵转置，行列式不变 定理6 若A和B都是方阵，则det AB = (detA)(d
《线性代数及其应用》阅读笔记：第一章 线性代数中的线性方程组
shine的博客
04-17 1012
《线性代数及其应用》阅读笔记： 第一章 线性代数中的线性方程组（一） 文章目录《线性代数及其应用》阅读笔记：第一章 线性代数中的线性方程组（一）1.1 线性方程组 1.1 线性方程组 涉及如下概念： 什么是线性方程？ 什么是线性方程组？ 线性方程组的解的三种情况： 1、无解 2、唯一解 3、无穷多解 相容/不相容 矩阵表示线性方程组： 1、系数矩阵 2、增广矩阵 解线性...
线性代数在数据科学中的十个强大应用（一）
TensorFlowNews
08-04 3437
介绍 线性代数与数据科学的关系就像罗宾与蝙蝠侠。这位数据科学忠实的伙伴经常会被大家所忽视，但实际上，它是数据科学主要领域--包括计算机视觉（CV）与自然语言处理（NLP）等热门领域的强力支撑。 数据开发者往往会因为数学太难而尝试避开这个主题。因为有很多现成的数据处理库可以帮助他们避开线性代数这个烦恼。 这是极其错误的想法。线性代数是我们所熟知的所用强大机器学习算法的背后核心，同样是数据科学家...
【转载】线性代数 深入浅出线性代数的理解及应用
蚍蜉渡海
11-18 4186
本文主要内容转载自微信公众号：编程珠玑 原文链接 先谈一谈我为什么要写这篇文章：（不愿意看博主唠叨的读者可跳过） 这几天蒟蒻博主学线性代数学傻了，发现自己好多东西其实没有搞清楚。之前一些东西，一直以为自己是学懂了的，一个偶然的契机却让自己脑子里建立的可怜的线代知识体系直接崩塌。积累起来的问题一个个出现，心态被搞炸了。一个很抽象又很现实问题摆在我眼前： 线性代数，究竟是什么？ 在博主还没有意识到问题的时候，脑子里线性代数的知识大概可以罗列如下： 一. 线性方程组 研究对象：线性方程组的解的结构，具体实现为高斯
线性代数学习笔记4
ls317842927的博客
11-23 1491
第十四集　　正交向量与正交子空间 正交向量 正交就是垂直的另一种说法。两向量正交则xTy=yTx=0x^{T}y=y^{T}x=0。当两个向量的夹角为90 度时，按照勾股定理x，y 满足： 零向量与所有向量都正交。 正交子空间 子空间S 与子空间T 正交，则S 中的任意一个向量都和T 中的任意向量正交。 黑板所在的平面和地板所在平面不是正交关系。比如平面的子空间包括只包含零向量的
《Linear Algebra and its Applications》第1章读书笔记
weixin_30722589的博客
04-30 254
Chater 1 Matrices and Gaussian Elimination Ax=b can be seen by two pictures, Row picture: Intersection of planes, Column picture: Combination of columns. If the n planes have no point in common...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值