随笔分类 -  数学之美

摘要:1. 最小二乘 $Ax=b$ 经常会没有解,当方程个数大于未知数个数,也即 $m n$ 时,列空间并不是 $R^m$ 空间的全部,因此 $b$ 可能不在列空间中,这时候方程组就无解,但我们不应该就此而停止。 也就是误差 $e = b Ax$ 并不总是能得到 0,这时候,如果误差 $e$ 的长度尽可能 阅读全文
posted @ 2018-11-25 21:46 seniusen 阅读(2467) 评论(0) 推荐(1)
摘要:1. 投影 向量 $ b = (2, 3, 4)$ 在 $z$ 轴上和在 $xy$ 平面上的投影是什么,哪个矩阵能产生到一条线上和到一个平面的投影? 当 $b$ 被投影到 $z$ 轴上时,它的投影 $p$ 就是 $b$ 沿着那条线的部分。当 $b$ 被投影到一个平面时,它的投影就是 $b$ 在平面中 阅读全文
posted @ 2018-11-21 11:54 seniusen 阅读(6795) 评论(0) 推荐(1)
摘要:1. 正交子空间 两个向量垂直,意味着 $v^Tw=0$。 两个子空间 $\boldsymbol V$ 和 $\boldsymbol W$ 是正交的,如果$\boldsymbol V$ 中的每个向量 $v$ 都垂直于 $\boldsymbol W$ 中的每个向量 $w$。 想象你处在一个房间里,那么 阅读全文
posted @ 2018-11-21 11:50 seniusen 阅读(1466) 评论(0) 推荐(0)
摘要:1. 四个基本子空间 行空间 $C(A^T)$,一个 $R^n$ 的子空间,由所有行的线性组合构成,维数为 $r$ 列空间 $C(A)$,一个 $R^m$ 的子空间,由所有列的线性组合构成,维数为 $r$ 零空间 $N(A)$,一个 $R^n$ 的子空间,由所有 $Ax=0$ 的解的线性组合构成,维 阅读全文
posted @ 2018-11-19 20:04 seniusen 阅读(3765) 评论(0) 推荐(0)
摘要:1. 线性相关性 矩阵 $A$ 的列是 线性不相关的 当且仅当 $Ax=\boldsymbol0$ 的唯一解是 $x=\boldsymbol0$。没有其它的线性组合能给出零向量。 在三维空间中,如果三个向量 $v_1, v_2, v_3$ 不在同一个平面中,那它们就是不相关的,只有 $0v_1+0v 阅读全文
posted @ 2018-11-19 20:01 seniusen 阅读(2556) 评论(0) 推荐(0)
摘要:1. 矩阵的秩 $m$ 和 $n$ 给出了矩阵的大小,但却不是线性方程组的真正大小。因为,一个 $0=0$ 的方程实际上是不算的。如果 $A$ 中有完全相等的两行,或者第三行是第一行和第二行的线性组合,那么消元过程中就会出现全零的行。线性方程组的真正大小由 秩 来确定。 矩阵的秩是主元的个数,称为 阅读全文
posted @ 2018-11-18 20:56 seniusen 阅读(1678) 评论(0) 推荐(0)
摘要:1. 向量空间和子空间 向量空间 $\boldsymbol R^n$ 由所有的 $n$ 维向量 $v$ 组成,向量中的每个元素都是实数。 向量空间 $\boldsymbol R^2$ 可以用 $xy$ 平面来表示,其中的每个向量有两个元素,它们定义了平面上一个点的坐标。 在一个向量空间中,如果我们将 阅读全文
posted @ 2018-11-16 13:16 seniusen 阅读(1603) 评论(0) 推荐(0)
摘要:1. A = LU 之前在消元的过程中,我们看到可以将矩阵 $A$ 变成一个上三角矩阵 $U$,$U$ 的对角线上就是主元。下面我们将这个过程反过来,通一个下三角矩阵 $L$ 我们可以从 $U$ 得到 $A$, $L$ 中的元素也就是乘数 $l_{ij}$。 如果有一个 3 3 的矩阵,假设不需要进 阅读全文
posted @ 2018-11-15 13:16 seniusen 阅读(2611) 评论(0) 推荐(0)
摘要:1. 矩阵乘法 如果矩阵 $B$ 的列为 $b_1, b_2, b_3$,那么 $EB$ 的列就是 $Eb_1, Eb_2, Eb_3$。 $$\boldsymbol{EB = E[b_1 \quad b_2 \quad b_3] = [Eb_1 \quad Eb_2 \quad Eb_3]}$$ 阅读全文
posted @ 2018-11-15 13:14 seniusen 阅读(12273) 评论(0) 推荐(3)
摘要:1. 消元的思想 针对下面的方程,我们无法直接得到方程的解。 $$\begin{alignedat}{2} &x \space \space&2&y \space=\space 1 \\ 3&x\space+\space&2&y \space=\space 11 \end{alignedat}$$ 阅读全文
posted @ 2018-11-15 13:03 seniusen 阅读(4415) 评论(0) 推荐(0)
摘要:1. 二维向量 在二维平面中,一个二维向量可以用一个箭头来表示,这个箭头起始于原点,终点坐标 $(x, y)$ 分别为向量中的两个元素,而 $c\boldsymbol{v}$ 与 $d\boldsymbol{w}$ 的和则是向量 $\boldsymbol{v}$ 和 $\boldsymbol{w}$ 阅读全文
posted @ 2018-11-14 17:07 seniusen 阅读(2070) 评论(0) 推荐(0)