本讲义是自己上课所用幻灯片,里面没有详细的推导过程(笔者板书推导)只以大纲的方式来展示课上的内容,以方便大家下来复习。

本章主要介绍向量空间的知识,与前两章一样本章也可以通过研究解线性方程组的解把所有知识点串联起来,比如研究齐次线性方程组的解可以得到线性相关、线性无关、零空间、解空间的基(基础解系)、解空间的维数、秩定理等概念。研究非齐次线性方程组的解可以得到线性组合、线性表示、列空间、一个向量组可由另一个向量组线性表示、两个向量组等价等概念。若一个向量不在矩阵的列空间当中,即这个向量不能由一组向量线性表示,可以通过正交投影定理得到最小二乘解,而QR分解是求最小二乘解的一种有效途径。本章的核心是向量空间的概念,通过向量空间的同构,可以把其它的向量空间同构到RnR^nRn空间,为了表达坐标的方便,我们通常会选择标准正交基,作为该空间的基。本章相对前两章就有一些难度了,希望大家好好复习,把基本概念和方法搞明白。

推荐两个学习线性代数的资源:

1. 麻省理工公开课 Linear Algebra

  • https://www.bilibili.com/video/av15463995/
  • 相较于国内老师从行列式入手,MIT老师从几何空间的角度,更加直观揭示线代的内核。

2. 线性代数的本质

  • https://www.bilibili.com/video/BV1ys411472E
  • 通过直观的动画演示来理解线性代数的大部分核心概念。

关注本公众号并回复“资料下载”可以获取MIT线性代数公开课英文教材和中文笔记一份,以方便大家学习。










































线性代数:03 向量空间 -- 向量的内积和正交阵相关推荐

  1. 【矩阵论】1.准备知识——复数域上的内积域正交阵

    矩阵论 1. 准备知识--复数域上的矩阵与换位公式) 1. 准备知识--复数域上的内积域正交阵 1. 准备知识--相似对角化与合同&正定阵 2. 矩阵分解-- SVD准备知识--奇异值 2. ...

  2. 线性代数 05.01 向量的内积

    第五章相似矩阵及二次型 \color{blue}{第五章 相似矩阵及二次型} §第五章第一节向量的内积 \color{blue}{\S 第五章 第一节 向量的内积} 一.向量的内积 \color{bl ...

  3. 【矩阵论】8. 常用矩阵总结——秩1矩阵,优阵(单位正交阵),Hermite阵

    矩阵论 1. 准备知识--复数域上矩阵,Hermite变换) 1.准备知识--复数域上的内积域正交阵 1.准备知识--Hermite阵,二次型,矩阵合同,正定阵,幂0阵,幂等阵,矩阵的秩 2. 矩阵分 ...

  4. 线性代数之 向量的内积,外积,长度,正交与正交矩阵

    线性代数之 向量的内积,外积,长度,正交和正交矩阵 向量的内积 向量的外积 向量的长度 向量正交 正交矩阵 正交矩阵的扩展 向量的内积 对于列向量a,b∈Rna,b\in R^na,b∈Rn,其内积( ...

  5. 线性代数——向量的内积、范数、正交,向量组的线性相关性和向量空间

    文章目录 向量的内积 性质 柯西不等式 范数 性质 相似度 向量组的线性相关性 向量空间 正交 规范正交基 施密特(Schimidt)正交化 正交矩阵 正交变换 向量的内积 设有n维向量 x=[x1x ...

  6. 线性代数:第五章 相似矩阵及二次型(1)向量的内积 方阵的特征值与特征向量 相似矩阵

    第一节  向量的内积 一.数学概念 1. 内积:设有n维向量 令         , 则称[x,y]为向量x与y的内积. 2. 范数:称  为向量x的范数(或长度). 3. 单位向量:称  时的向量x ...

  7. 向量的外积、内积、正交、平行判断

    内积 内积又称:点积.点称.数量积 定义:设向量a(ax,ay),向量b(bx,by)之间的夹角为θ,(0<=θ<=180) 那么a.b的内积a·b=|a|x|b|cosθ=ax * bx ...

  8. 线性代数 --- 向量的内积(点积)(个人学习笔记)

    向量与向量的乘法 - 内积 两个向量的内积,也叫点积(但在我们这个笔记的前半部分,我们说的,或者用到的更多的应该是点积),他的计算方式是两个同维度向量(例如两个n维向量)的内部元素从1到n,逐一相乘再 ...

  9. 机器学习和深度学习之数学基础-线性代数 第一节 向量及线性映射

    转自:https://blog.csdn.net/yong_bai/article/details/80033516 yong_bai 发布于2018-04-18 21:40:15 阅读数 1440  ...

最新文章

  1. 47%德国企业认为人工智能较大的优势是提高生产效率
  2. mysql \g和\G的作用
  3. vim 批量注释代码
  4. 客户端读写数据到HDFS的流程
  5. 每日算法C语言1-求某整数
  6. mysql为什么使用b 树作为索引_为什么Mysql用B+树作为索引
  7. 基于前端HTML+CSS+JS实现2022城市新年贺卡特效
  8. 能力不错的大厂高 P,为什么过不了小厂的试用期?
  9. 三十一、K8s供应链安全2 - 镜像的检测及优化与yaml文件安全
  10. 酒桌遭遇劝酒莫惊慌 挡酒有词咱见招拆招(ZT)
  11. mysql入门很简单习题答案_《MySQL入门很简单》练习6.6
  12. 联想微型计算机设置键盘开机,联想台式机怎么样设置键盘开机
  13. 五分钟读完《人性的弱点》
  14. AVC与HEVC的差异-帧内预测
  15. itmo大学计算机专业,【俄罗斯圣光机大学访学】计算机学院ITMO交流访学团
  16. Proximal Policy Optimization近端策略优化(PPO)
  17. 简单聊一聊如今火爆当下的数字孪生技术到底为何物
  18. MP中的条件更新操作
  19. CentOS报错:There are no enabled repos
  20. 怎么裁剪音频?这个方法建议收藏备用

热门文章

  1. rsem比对_链特异性参数设不对 结果全是错的
  2. fMRI数据处理软件一览
  3. 行人重识别 度量学习
  4. 各大高校自曝状态一览,排名不分先后
  5. 上海地铁票价涨幅对比 2005-9-15执行
  6. html缓存ios,iOS-H5离线包本地缓存CCCandyWebCache
  7. 学《何以》五招收服女友心
  8. vue select下拉框数据v-model绑定默认不显示的问题
  9. 用Python分析广州房地产市场
  10. java考题_java考题 求助大神