MIT线性代数课程 总结与理解-第三部分
对称矩阵 关于对称矩阵,这里个人认为需要掌握两个结论: n×n对称矩阵存在n个正交的特征向量 实对称矩阵的特征值也是实数 所以若 $A=A^T$,则$A$可进行特征值分解为$A=Q\Lambda Q^T$,$Q$为正交矩阵 如果实对称矩阵的特征值为正数,则该矩阵为正定矩阵 正定矩阵满足以下性质: 特征值均为正数 所有子行列式为正数 主元为正数(本条…
|
2399 字
|
10 分钟
MIT线性代数课程 总结与理解-第二部分
概述 本部分主要介绍了投影和特征值,以及二者的应用。 投影 先看二维简单例子: 设$a,b$向量为二维空间上的两个非零向量,$xb$为$a$在$b$上的投影,则误差$e=a-xb$,又$b^Te=0$,则$b^T(a-xb)=0$,即$b^Ta-xb^Tb=0$,$b^Ta$与$b^Tb$均为常数,故$x=\frac {b^Ta} {b^Tb}$ …
|
1824 字
|
8 分钟
MIT线性代数课程 总结与理解-第一部分
概述 个人认为线性代数从三个角度,或者说三个工具来阐述了线性关系,分别是: 向量 矩阵 空间 这三个工具有各自的一套方法,而彼此之间又存在这密切的联系,通过这些抽象出来的工具可以用来干一些实际的活,最为直接的就是解方程组,进一步衍生出来最小二乘法等等。 这一部分主要讲了三个工具的各自的一些基本方法,以及用其解方程组的一套理论。另外,由于是总结,就不…
|
4239 字
|
17 分钟