MIT线性代数详细笔记(更新中)

这篇具有很好参考价值的文章主要介绍了MIT线性代数详细笔记(更新中)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

2022.10.15 ~ 2022.11.

立个flag,每天一到两刷。

第一章 方程组的几何解释

行图像和列图像(2 x 2的例子):

行图像:

mit图解线性代数,Ai基础,线性代数,矩阵,算法

对于行图像,n=2,即两方程两未知数,两条直线的交点就是方程的解。

列图像

mit图解线性代数,Ai基础,线性代数,矩阵,算法

该方程的目的是什么?

        目的是寻找正确的线性组合。上图红框部分就是列向量的线性组合。

mit图解线性代数,Ai基础,线性代数,矩阵,算法

x=1,y=2的线性组合可以得出b。而所有的线性组合可以求出所有可能的右侧向量。

行图像和列图像(3 x3 的例子):

行图像

mit图解线性代数,Ai基础,线性代数,矩阵,算法

解第二个方程得到三个点,这三个点组成一个平面。

所有满足方程的点组成平面。对于线性方程,所有解的图像就是一个平面。

mit图解线性代数,Ai基础,线性代数,矩阵,算法

        所以,3 x 3问题的每一行都是三维空间的一个平面。两个平面相交于一条直线,因此三维空间中的两个方程确定一条直线。三个平面相交于一点。

对于三维问题,行图像由三个平面构成,只要计算正确,三个平面必然相交于一点,这就是解。

列图像

现在问题是:根据上图的方程,将三个向量进行组合,求得右侧向量。

mit图解线性代数,Ai基础,线性代数,矩阵,算法

现在考虑,不管b是多少,是否都能求解方程?这等价于,对于任意b,是否能求解Ax=b?用“线性组合”的语言来问这个问题,就是说列的向量组合是否能覆盖整个三维空间?(任意b,也就是三维空间的任意点)

        答案是不能。举个例子,在三维空间中,如果三个列向量都在同一平面,那么其组合也在该平面上,这时候不管怎么组合,都得不出它们平面以为的向量。这个时候若b出现在平面外,则没有解。也就是说当组合不在同一平面内时,才能覆盖整个三维空间。

线性相关=同一平面=满秩=行列式不等于0。

当你有多个向量,并且可以移除其中一个而不减小张成的空间,当这种情况发生时,我们称它们是“线性相关”的。

另一方面,如果所有向量都给张成的空间增添了新的维度,它们被称为“线性无关”的。

矩阵乘向量

第一种方法,一次取一列。(视频作者表示更喜欢这种)

取1个第一列,2个第二列,然后相加。也就是看作A各列的线性组合。

mit图解线性代数,Ai基础,线性代数,矩阵,算法

在对比前面的方程组(下图),就豁然开朗了。Ax=b,x矩阵就是A各列的线性组合的解。

mit图解线性代数,Ai基础,线性代数,矩阵,算法

第二种方法,一次取一行。

这个方法就是我们国内经典的矩阵乘法,就不列举了。

第一章总结

矩阵可以分为行矩阵和列矩阵形式:

行矩阵看的话

  • 两个变量就是二维空间,也就是线,两线成一点。
  • 三个变量就是三维空间,也就是面,三面成一点。

列矩阵看的话

  • 两个变量是两个向量的和。
  • 三个变量是三个向量的和。

列矩阵形式更符合我们的式子Ax=b,更方便看和理解,但是行矩阵是国内通用写法。

        对于三维空间,如果有一个变量是没有用或者与前面重叠,那么三维被压为二维,这个时候我们求出的就是线,而非点(两面交一线)。因此不是所有b都是可以求出的。

第二章 矩阵消元

矩阵A首先通过消元得到上三角矩阵,记为U。

2.1 消元失效

mit图解线性代数,Ai基础,线性代数,矩阵,算法

 那么,其实也是存在消元失效的例子的,什么是消元失败呢?
   上面的例子,消元失效指的是不能得到三个主元。那么假设上面A矩阵第一行变成[0,2,1],即方程一中没有x。这意味着就无解了嘛?
  不是的,我们只需要进行行交换即可。所以如果0占据了主元的位置,这时就需要交换行。

行交换可以解决主元为0的“暂时性失效”,但当底下的行中再也没有非0元素时,消元就彻底失效了。

把方程组和解也加到矩阵里面称为“增广矩阵”。

mit图解线性代数,Ai基础,线性代数,矩阵,算法

 那么我们通过增广矩阵得到了矩阵U和矩阵C,接着把结果写成方程:
mit图解线性代数,Ai基础,线性代数,矩阵,算法

2.2 回代

   那么怎么求解上面那个U和C得到的方程呢?先从第三个方程得到z,再通过z和第二个方程得到y,以此类推。这就是回代。
什么是“回代”?
   它是反向求解方程的简单步骤。因为方程组是三角的,所以反向。

24:10

2.3 行变换和列变换

mit图解线性代数,Ai基础,线性代数,矩阵,算法

【矩阵乘向量】看作是“矩阵列的线性组合”

mit图解线性代数,Ai基础,线性代数,矩阵,算法

 【向量乘矩阵】看作是“矩阵行的线性组合”

在左边用矩阵做乘法,进行的是行变换。

在右边用矩阵做乘法,进行的是列变换。

mit图解线性代数,Ai基础,线性代数,矩阵,算法

         这里就是一次取一列,取这一列乘0 = 0,取这一列乘1 = 。所以结果矩阵的第一列为 文章来源地址https://www.toymoban.com/news/detail-609607.html

到了这里,关于MIT线性代数详细笔记(更新中)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • MIT线性代数-方程组的几何解释

    假设有一个方程组 A X = B AX=B A X = B 表示如下 2 x − y = 0 (1) 2x-y=0tag{1} 2 x − y = 0 ( 1 ) − x + 2 y = 3 (2) -x+2y=3tag{2} − x + 2 y = 3 ( 2 ) 矩阵表示如下: [ 2 − 1 − 1 2 ] [ x y ] = [ 0 3 ] (3) begin{bmatrix}2-1\\\\\\\\-12end{bmatrix}begin{bmatrix}x\\\\\\\\yend{bmatrix}=begin{bmatrix}0\\\\\\\\3end{bmatrix}tag{3} ​ 2 − 1 ​

    2024年04月15日
    浏览(46)
  • MIT - 线性代数-LU_LDU分解|单位矩阵

    U为消元结果(行变换),L为行变换矩阵的逆矩阵 D为主元(Pivot)A的主对角线元素,在这里为2、3,U为对D做列变换使其得到LU中的U 为什么要写成A=LU而不是E21A=U呢?因为A=LU中L只包含行变换信息,E21A=U还有额外的数字 2×2 2 3×3 3×2=6 4×4 4×3×2=24 结论:单位矩阵的逆=转置矩阵(

    2024年01月23日
    浏览(48)
  • 06 MIT线性代数-线性无关,基和维数Independence, basis, and dimension

    Suppose A is m by n with mn (more unknowns than equations) Then there are nonzero solutions to Ax=0  Reason: there will be free variables!  A 中具有至少一个自由变量,那么 A x = 0 一定具有非零解。 A 的列向量可以线性组合得到零向量,所以 A 的列向量是线性相关的。 independence:vectors X1, X2,...,Xn are independ

    2024年02月08日
    浏览(44)
  • 05 MIT线性代数-转置,置换,向量空间Transposes, permutations, spaces

    execute row exchanges becomes PA = LU for any invertible A Permutations P = identity matrix with reordered rows m=n (n-1) ... (3) (2) (1) counts recordings, counts all nxn permuations 对于nxn矩阵存在着n!个置换矩阵 ,  对称矩阵    why? take transpose  向量空间对线性运算封闭,即空间内向量进行线性运算得到的向量仍在

    2024年02月08日
    浏览(57)
  • 10 MIT线性代数-四个基本子空间 four fundamental subspaces

    列空间  Column space C( A ) in  零空间 Nullspace N( A ) in  行空间 Row space = all combs of rows = all combs of columns of AT= C( AT ) in  左零空间 Left nullspace = Nullspace of AT = N(AT) = left nullspace of A in  列空间 dim C(A)=r 零空间  dim N( A )=n-r 行空间 different col space but same row space R 的前r行阶梯型“行向

    2024年02月07日
    浏览(37)
  • 06 MIT线性代数-列空间和零空间 Column space & Nullspace

    Vector space requirements v+w and c v are in the space, all combs c v + d w are in the space 但是“子空间”和“子集”的概念有区别,所有元素都在原空间之内就可称之为子集,但是要满足对线性运算封闭的子集才能成为子空间 中 2 subspaces L: line is a subspace P: Plane through [0,0,0]T is a subspace of   =

    2024年02月08日
    浏览(43)
  • 04 MIT线性代数-矩阵的LU分解 Factorization into A=LU

    目的: 从矩阵的角度理解高斯消元法, 完成 LU 分解得到 A = LU U 为上三角阵(Upper triangular matrix),  L 为下三角阵(Lower triangular matrix), 通过分解得到对角阵 D (diagonal matrix) 设定一组消元矩阵,其中 E31 为单位阵 I ,其它两个消元矩阵如下: row3 -5 newrow2 = row3 -5( row2 -2 row1 )= row3 -

    2024年02月07日
    浏览(41)
  • 07 MIT线性代数-求解Ax=0:主变量,特解 pivot variables, special solutions

    前面定义了矩阵的列空间和零空间,那么如何求得这些子空间呢? A 的零空间即满足 A x = 0 的所有 x 构成的向量空间 对于矩阵 A 进行“行操作”并不会改变 A x = b 的解,因此也不会改变零空间 unchanged 第一步消元: echelon 阶梯型 pivot columns and free columns rank of A = # of pivots r=2 = 

    2024年02月07日
    浏览(48)
  • 线性代数:为什么所有3x3对称矩阵构成的向量空间是6维的?(mit第11讲中的疑问)

    对应mit线性代数第11讲矩阵空间,秩1矩阵,小世界图第6-7分钟的讲解问题:3x3对称矩阵构成的向量空间为什么是6维的 看了一些资料,发现这个国外的大哥讲得清楚 https://math.stackexchange.com/questions/2813446/what-is-the-dimension-of-the-vector-space-consisting-of-all-3-by-3-symmetric-mat 转成中文后如

    2024年02月03日
    浏览(52)
  • 图解AI数学基础 | 线性代数与矩阵论

    一个标量就是一个单独的数。 只具有数值大小,没有方向 (部分有正负之分),运算遵循一般的代数法则。 一般用小写的变量名称表示。 质量mmm、速率vvv、时间ttt、电阻ρrhoρ 等物理量,都是数据标量。 向量指具有大小和方向的量,形态上看就是一列数。 通常赋予向量

    2024年04月10日
    浏览(49)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包