学习目录

第 01 讲 行图像和列图像

第 02 讲 矩阵消元

第 03 讲 矩阵的乘法和逆矩阵

第 04 讲 矩阵的LU 分解

第 05 讲 转置、置换和空间

第 06 讲 列空间和零空间

第 07 讲 求解 Ax=0:主变量,特解

第 08 讲 求解Ax=b:可解性与解的结构

第 09 讲 线性相关性、基、维数

第 10 讲 四个基本子空间

第 11 讲 矩阵空间、秩1矩阵和小世界图

第 12 讲 图和网络

第 01 讲 行图像和列图像

第 02 讲 矩阵消元

  只要矩阵可逆,均可通过消元法求得 Ax=b 的解

  若此处

  

  高斯消元法:

  对方程组中某个方程进行时的那个的数乘和加减,将某一未知系数变为零,来削弱未知数个数

  矩阵左上角 1 为“主元一”

  ① 用消元法将除了第一行,消除其他行中的主元一

  

  主元不能为0,如果恰好消元至某行,0出现了主元的位置,应当通过与下一行进行“行交换”,使得非零数字出现在主元位置上;如果此时下方没有对等位置上非零,则消元终止并证明此矩阵不可逆,且线性方程组没有唯一解

回代

  应用增光矩阵,对等式右侧做同样运算

第 03 讲 矩阵的乘法和逆矩阵

1)标准乘法(行*列)

2)列操作

3)行操作

4)分块乘法

      

第 04 讲 矩阵的LU 分解

第 05 讲 转置、置换和空间

一、置换矩阵Permutation

置换矩阵:可进行交换的矩阵,是行重新排列了的单位矩阵。注意点:
1)单位矩阵是最基本的置换矩阵。

2)n揭一共有n!个置换矩阵。
3)所有置换矩阵都可逆,而且逆与其转置相等。一个置换矩阵乘以其转置等于单位矩阵。

二、向量空间Vectorspaces,子空间subspaces重点理解向量空间概念,子空间概念

向量空间:

  表示有很多向量,一整个空间的向量。但并不是任意向量的组合都能成为空间。必须满足一定规则,必须能够进行加法和数乘运算,必须能够进行线性组合,对加法和数乘运算封闭。

向量空间性质(或者说需要满足的规则):对加法和数乘运算封闭,或者说对线性组合封闭,即所有的空间内的向量线性组合后仍在空间内。

子空间:

  满足空间规则,但又不需包含所有向量。取某向量空间的部分空间(显然得到的就不是向量空间了),这部分中的向量不管是加法还是数乘,结果依然在此部分空间内,这就是子空间。

  R2的子空间:1)穿过原点的直线;2)原点;(特别注意,这不是零空间,只能说零向量是R2的子空间)3)R2
  R3的子空间:1)穿过原点的直线;2)穿过原点的平面;3)原点;(特别注意,这不是零空间)4)R3

第 06 讲 列空间和零空间

如下例子,A的列空间是R4的子空间,记为C(A),抽象起来:A的列空间由A三个列向量的线性组合组合构成。

这个空间到底是什么样子?它等于整个四维空间吗?

不等于,它只是相当于四维空间的一个较小的空间。
抽象背后的实际目的,都是为了深刻认识Ax=b,Ax=b是否对任意b(右侧向量)都有解?或者说,什么样的b使方程组有解
Ax=b对任意b并不总有解,因为Ax=b中有四个方程,却只有三个未知数。方程组不总有解,因为3个列向量的线性组合无法充满整个四维空间,因此还有一大堆的b不是这三个列向量的线性组合。

怎样的b,能让方程组有解,什么样的右侧向量有这种性质?什么b让方程组有解?

1)b为零向量。Ax=0总有一个零解
2)b是列向量的线性组合。Ax=b有解,当且仅当右侧向量b属于A的列空间。(列空间包含所有A乘以任意x得到的向量,也就是包含所有有解的b)
列空间是非常核心的内容,它能告诉我何时方程组有解。

更深入一些的问题,以上三个列向量是否线性无关,是否有某个向量并没有起到作用,能否去掉某列,得到同样的列空间?上面的A,其实可以去掉第三列,因为第三列是前两列的和线性组合,我们把前两列称为A的主列。其实,我们同样可以去掉第一列或者第二列,因为他们是其余两列的差线性组合。不过按照惯例,优先考虑靠前的线性无关向量。

求解零空间
一般方法为消元法。但上式的解很容易看出来

怎样描述这个零空间,这里的零空间是R3中穿过原点的一条直线。

如下,考虑另外一个问题,右侧b向量取一个非0向量,此时x有解,(这时x的解不是零空间了),那么所有的x解构成子空间吗?很明显不构成子空间,或者说向量空间。因为很明显0向量不在这个空间内,没有0向量,就不用谈向量空间了(原因很明显,数乘运算中,常数取0时需要满足封闭规则)。

那么它的解是什么?(100),(0-1-1)。。。它实际上是一条不穿过原点的直线(或者在别的更普通的例子中是不穿过原点的平面)

以上两种子空间的总结:

有两种方法构造子空间,其一是通过列的线性组合构造列空间,其二是求解向量必须满足的方程组来构造子空间(通过让x满足特定条件来得到子空间,Ax=0将构造出零空间)

MIT-线性代数笔记(1-6)的更多相关文章

  1. 线性代数笔记13——Ax=b的通解

    关于最简行阶梯矩阵和矩阵秩,可参考<线性代数笔记7——再看行列式与矩阵> 召唤一个方程Ax = b: 3个方程4个变量,方程组有无数解,现在要关注的是b1b2b3之间满足什么条件时方程组有 ...

  2. 线性代数笔记24——微分方程和exp(At)

    原文:https://mp.weixin.qq.com/s/COpYKxQDMhqJRuMK2raMKQ 微分方程指含有未知函数及其导数的关系式,解微分方程就是找出未知函数.未知函数是一元函数的,叫常 ...

  3. 【读书笔记】:MIT线性代数(5):Four fundamental subspaces

    At the beginning, the difference between rank and dimension: rank is a property for matrix, while di ...

  4. 【读书笔记】:MIT线性代数(4):Independence, Basis and Dimension

    Independence: The columns of A are independent when the nullspace N (A) contains only the zero vecto ...

  5. 【读书笔记】:MIT线性代数(3):Special Solution, Rank and RREF

    Special Solutions: Notice what is special about s 1 and S2. They have ones and zeros in the last two ...

  6. 【读书笔记】:MIT线性代数(2):Vector Spaces and Subspaces

    Vector Space: R1, R2, R3,R4 , .... Each space Rn consists of a whole collection of vectors. R5 conta ...

  7. 【读书笔记】:MIT线性代数(1):Linear Combinations

    1. Linear Combination Two linear operations of vectors: Linear combination: 2.Geometric Explaination ...

  8. 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 ...

  9. 线性代数笔记10——矩阵的LU分解

    在线性代数中, LU分解(LU Decomposition)是矩阵分解的一种,可以将一个矩阵分解为一个单位下三角矩阵和一个上三角矩阵的乘积(有时是它们和一个置换矩阵的乘积).LU分解主要应用在数值分析 ...

  10. 《Deep Learning》第二章 线性代数 笔记

    第二章 线性代数 2.1 名词 标量(scalar).向量(vector).矩阵(matrix).张量(tensor) 2.2 矩阵和向量相乘 1. 正常矩阵乘法: 2. 向量点积: 3. Hadam ...

随机推荐

  1. github中删除项目

  2. 用户使用VPS的12个常见问题

    1.VPS主机用户能否进行备份? VPS主机允许用户进行自主的备份,这个操作非常简单,是需要在用户控制面板点击备份按钮即可.同时还允许用户恢复到任何备份状态. 2.当某个VPS主机用户被攻击时,会不会 ...

  3. ico图标在谷歌浏览器中如何显示?

    http://www.zen-cart.cn/forum/topic266117.html 版主: shaning 发表回复 2 篇帖子 • 分页: 1 / 1  ico图标在谷歌浏览器中如何显示? ...

  4. 关于Vuex的初步使用

    store.js文件中定义各个访问状态和方法 import Vue from "vue" import Vuex from "vuex" Vue.use(Vue ...

  5. 邓_mysql_面试

    问题1:你如何确定 MySQL 是否处于运行状态? 答案: Debian 上运行命令service mysql status,在RedHat 上运行命令service mysqld status.然后 ...

  6. JAVA BASE64

    Base64编码说明:     Base64编码要求把3个8位字节(3*8=24)转化为4个6位的字节(4*6=24),之后在6位的前面补两个0,形成8位一个字节的形式. 如果剩下的字符不足3个字节, ...

  7. Linux - ubuntu vMwareTools安装

    ubuntu vMwareTools安装 不安装很麻烦,虚拟机中的内容,包括文件.无法复制到pc端.同样的pc端的内容也无法复制到虚拟机中. 1.点击虚拟机,选择安装VMwareTools 这个时候就 ...

  8. Node.js之单利模式

    在iOS中我们经常用到单利模式,这样就能够实现在多处共享同一数据,那么在Node.js中也存在这种模式. 我们知道,Node.js中模块的概念很重要,在写模块的接口的时候,只需要暴露出一个实例对象就能 ...

  9. PHP 运行 php-fpm 报错

      报错如下: [27-Aug-2017 18:34:23] WARNING: Nothing matches the include pattern '/usr/local/php/etc/php- ...

  10. PHP date()函数详解

    date (PHP 4, PHP 5) date - 格式化一个本地时间/日期 说明¶ string date ( string $format [, int $timestamp ] ) 返回将整数 ...