MIT - 线性代数-LU_LDU分解|单位矩阵

相关文章

• 

  MIT_线性代数笔记：复习二

  正交矩阵 Q，用矩阵形式描述正交性质。 投影矩阵 P，最小二乘法，在方程无解时求“最优解”。 Gram-Schmidt 正交化——从任意一组基得到标准正交基，策略是从向量 中减去投影到其它向量方向的分量。 行列式 det(A) 三个性质定义了行列式，可以推导出之后的性质 4~10。 行列

  2024年01月23日

  浏览(38)
• 

  MIT线性代数笔记-第31讲-线性变换及对应矩阵

  线性变换相当于是矩阵的抽象表示，每个线性变换都对应着一个矩阵 例： 考虑一个变换 T T T ，使得平面上的一个向量投影为平面上的另一个向量，即 T : R 2 → R 2 T:R^2 to R^2 T : R 2 → R 2 ，如图： ​   图中有两个任意向量 v ⃗ , w ⃗ vec{v} , vec{w} v , w 和一条直线，作 v ⃗

  2024年02月03日

  浏览(41)
• 

  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(35)
• 

  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(28)
• 

  线性代数感悟之6 单位矩阵和初等矩阵

  最近在看 liuyubobobo 的  线性代数 课，感觉很妙，有些感悟记录一下~~~ ​  单位矩阵的特点：从左上角到右下角的对角线（称为主对角线）上的元素均为1。 使用行视角，将单位矩阵看成一个变化矩阵。 ​‘  那么 单位矩阵 第1行的作用： 将1行的数据保持不变，第2行，和

  2023年04月10日

  浏览(27)
• 

  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(42)
• 

  MIT线性代数笔记-第27讲-复数矩阵，快速傅里叶变换

  对于实矩阵而言，特征值为复数时，特征向量一定为复向量，由此引入对复向量的学习 求模长及内积 假定一个复向量 z ⃗ = [ z 1 z 2 ⋮ z n ] vec{z} = begin{bmatrix} z_1 \\\\ z_2 \\\\ vdots\\\\ z_n end{bmatrix} z = ​ z 1 ​ z 2 ​ ⋮ z n ​ ​ ​ ，其中 z 1 , z 2 , ⋯   , z n z_1 , z_2 , cdots , z_n z 1 ​

  2024年02月05日

  浏览(36)
• 

  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(25)

• [Eigen中文文档] 线性代数与分解

  文档总目录 英文原文(Linear algebra and decomposition) 本节说明如何求解线性系统，计算各种分解，如 LU 、 QR 、 SVD 、 特征分解 …… 求解基本线性系统 问题 ：有一个方程组，写成矩阵方程如下： A x = b Ax = b A x = b 其中 A A A 和 b b b 是矩阵（作为一种特殊情况， b b b 也可以是一个

  2024年02月07日

  浏览(32)

• 数值线性代数：奇异值分解SVD

  本文记录计算矩阵奇异值分解SVD的原理与流程。 注1：限于研究水平，分析难免不当，欢迎批评指正。 设列满秩矩阵，若的特征值为，则称为矩阵的奇异值。 设，则存在正交矩阵与，使得 其中，，，即为矩阵的奇异值。 考虑下述两种情形： 情形1： 其中， 由此可以看出，

  2024年02月15日

  浏览(41)