《麻省理工公開課:線性代數》Lecture 1~3 筆記
決定寫[WC 2011]XOR一題。
先學了高斯消元法。它和我以前想的解線性方程組的方法很相似。那時在學化學方程式的配平,我發現用待定係數法、根據元素守恆列方程就好了。為了表現自己“徹底”解決了這個問題,我寫了個解線性方程組的程式。發現代入法不好實現,便決定採用加減消元法。又發現消元完畢後,會形成一個三角形(好神奇!),回代很方便。於是有了如下的大致思路:以第1個方程的未知數1為基準,消掉第2~n個方程中的未知數1;以第2個方程的未知數2為基準,消掉第3~n個方程中的未知數2……最後剩下第n個方程,只有一個未知數,而整個方程組形成了一個三角形,把第n個未知數代入第(n-1)個方程解出未知數(n-1),把第n、(n-1)個未知數代入第(n-2)個方程解出未知數(n-2)……整個過程結束後,方程組就解完了。已經忘記一些細節是怎麼處理的了,比如我不記得我有交換行的步驟,也許壓根就沒處理吧……
但是我並沒懂得XOR和高斯消元法的聯絡——聽說是經典應用?線性基——這是什麼鬼?
經歷了頭痛欲裂的四五天(沒有心情寫作業或者睡覺或者研究其他題,聽課質量低下),我釋然了。是該學習一下線性代數,至少有個感性的認知。找了一套公開課http://open.163.com/special/opencourse/daishu.html,大概能在本年之內學完。
Lecture 1
2016.5.17
線性方程組可以橫著看(row picture),可以豎著看(column picture)。橫著看是我們熟知的解析幾何,豎著看是向量的線性組合(linear combination)。
例子:
它們可以是平面上兩條直線 2x-y = 0、-x+2y = 3,也可以是向量的線性組合:
解Ax = b是線性代數裡的重要問題。Ax是A的列向量的線性組合。
Lecture 2
2016.5.19
高斯消元。初等形式已經會了,有趣的是可以用矩陣來表示。我還沒有明白矩陣是什麼,暫且理解為一些排列成矩形、用方括號括起來的數,它們可以看成一些行向量排成一行行,也可以看成一些列向量排成一列列。
以
為例。
它的係數矩陣是
Step 1 以(1, 1)為主元,行2-3x行1:
怎樣一眼看出用什麼去乘係數矩陣?將矩陣乘法看作對行的線性組合。Lecture 1中提及的是對列的線性組合。
例如:
矩陣x矩陣,把第一個矩陣看成一個個行向量,所得的結果作為乘積對應位置的一行行即可。
所以,先前的用於消元的矩陣的含義為:第一行保持不變,用-3倍的第一行、1倍的第二行、0倍的第三行疊加(組合)得到新的第二行,第三行保持不變。
我想我明白單位矩陣為什麼要那麼定義了……
Step 2以(2, 2)為主元,行3-2x行2:
本例不涉及行的交換。原來排列矩陣有這個用途!
相關推薦
《麻省理工公開課:線性代數》Lecture 1~3 筆記
決定寫[WC 2011]XOR一題。 先學了高斯消元法。它和我以前想的解線性方程組的方法很相似。那時在學化學方程式的配平,我發現用待定係數法、根據元素守恆列方程就好了。為了表現自己“徹底”解決了這個問題,我寫了個解線性方程組的程式。發現代入法不好實現,便決定採
麻省理工公開課:線性代數_學習筆記02
矩陣消元 這次是矩陣消元的內容,首先依然從一個方程組開始 e.g. 同樣先寫出他的係數矩陣 先寫出他的係數矩陣方框框起來的被稱為主元1 第二個方框被稱為主元2,箭頭上是以消去元的位置而標明的.。 &nbs
麻省理工公開課:線性代數_學習筆記01
方程組的幾何解釋 最近愈發覺得3D數學基礎這本書裡的數學看不太懂,就決定放下這本書,先系統學習一遍線性代數。 之後找到了一套線性代數很棒的視訊,麻省理工大學教授講的。下面會依次來做筆記 二元一次方程組中的幾何解釋 e.g. 可以得出係數矩陣
清華大學公開課《線性代數2》總結
本文是本人學習線性代數的筆記彙總,個人學習順序是網易MIT線性代數公開課結合其教材,然後是用清華大學線性代數公開課做複習,清華的課證明更多深度更深一些(邏輯更嚴密一些)而mit公開課是用及其3階矩陣講明
MIT 線性代數(1—3)讀書筆記
幾年前把MIT Gilbert Strang教授的線性代數看完了,不過沒做筆記,很多東西都忘了,現在打算重新看一遍,邊寫邊做筆記。不足之處請指教。 ---------------------------------------------------------------
清華大學公開課線性代數2——第3講:奇異值分解
筆記源自:清華大學公開課:線性代數2——第3講:奇異值分解 提示:如果文中圖片看不清文字,請右鍵單擊滑鼠,選擇在新視窗開啟圖片,然後放大圖片(這邊上傳之前都是可以看清的,由於網頁正文部分大小固定,因此圖片被自動縮小以便適配網頁),截圖部分是課堂ppt老師隨
MIT公開課:算法導論 筆記(一)
數組 數學 can div 大局觀 一課 漸近符 bsp 貨幣 課程鏈接:http://open.163.com/special/opencourse/algorithms.html 第一課:算法分析基礎 1.介紹插入排序與歸並排序,計算並比較最壞運行時間 2.算法分析重點
CTO訓練營2018公開課:技術團隊的升級之路
有效 所在 組織 初創企業 http 價值 架構 投資 成長 從技術到管理,挑戰技術管理者的不光是身份和工作內容上的變化,更多的是思維方式的轉變。當你成為技術管理者的那一天,如何高效的管理團隊,就會成為你的工作重心。如何更好的管理人和事,如何讓技術團隊更有戰鬥力,如何讓團隊
公開課:微服務開發利器Spring Cloud實踐課程
原始碼時代線下免費公開課:微服務開發利器Spring Cloud實踐課程 課程介紹 本堂課主要講解 1、為什麼需要spring cloud 2、spring cloud簡介 3、spring cloud微服務實踐 學習目標 1、理解微服務架構 2、spring cloud在微服務
機器學習筆記(3):線性代數回顧
目錄 1)Matrices and vectors 2)Addition and scalar multiplication 3)Matrix-vector multiplication 4)Matrix-matrix multiplication 5)Matrix multip
NumPy基礎:線性代數
線性代數,比如矩陣乘法、分解、行列式等方陣數學,是所有陣列類庫的重要組成部分。和Matlab等其他語言相比,NumPy的線性代數中所不同的是*是矩陣的逐元素乘積,而不是矩陣的點乘積。因此NumPy的陣列方法和numpy名稱空間中都有一個函式dot,用於矩陣的操作: import nump
北大《作業系統原理》公開課:第三週測驗解析
多道程式設計技術是作業系統中最早引入的軟體技術,引入它的目的是 * 充分利用記憶體,有利於資料共享 * 提高系統的實時響應速度 * 提高檔案系統性能,減少內外存之間的資訊傳輸量 * 充分利用CPU,提高CPU利用率 下列關於程序控制塊PCB的敘述中,哪
Python Numpy 100題實驗(八):線性代數函式以及fromfunction函式等
本次的主要內容有: 對線性代數函式例如逆矩陣函式,特徵值以及特徵值向量函式等的應用 fromfunction()函式的使用 求解給定矩陣的逆矩陣並驗證 a = np.random.randint(1, 5, (3,3)) # 注意這樣的話要多試幾次,因為隨
深度學習讀書筆記 第二章:線性代數
2.1 標量、向量、矩陣和張量 標量:scalar,是一個單獨的數 向量:vector,是一列有序的數.方括號包圍的縱列,每個元素有一個索引。 矩陣:matrix,二維陣列,每個元素由兩個索引組成。Aij處於i行j列。 張量:tensor,超過二維的陣列。 標量和矩陣的運算:
深度學習框架Keras學習系列(一):線性代數基礎與numpy使用(Linear Algebra Basis and Numpy)
又開一個新坑~~ 因為確實很有必要好好地趁著這個熱潮來研究一下深度學習,畢竟現在深度學習因為其效果突出,熱潮保持高漲不退,上面的政策方面現在也在向人工智慧領域傾斜,但是也有無數一知半解的人跟風吹捧,於是希望藉此教程,讓自己和讀者一起藉助keras,從上到下逐漸
深度學習/機器學習入門基礎數學知識整理(一):線性代數基礎,矩陣,範數等
前面大概有2年時間,利用業餘時間斷斷續續寫了一個機器學習方法系列,和深度學習方法系列,還有一個三十分鐘理解系列(一些趣味知識);新的一年開始了,今年給自己定的學習目標——以補齊基礎理論為重點,研究一些基礎課題;同時逐步繼續寫上述三個系列的文章。 最近越來越多的
【深度學習基礎】:線性代數(一)_特徵分解及numpy、scipy實現
一、特徵分解的意義 有時,我們會將現實中的某些事物抽象成矩陣的形式,例如可以將一張圖片抽象成一個畫素值組成的矩陣。此時,我們也許希望中將矩陣分解成多個組成部分,這些組成部分代表了這個矩
線性代數的本質學習筆記(1):向量、線性組合、張成(SPAN)、線性變換
本文主要內容為《線性代數的本質》學習筆記,內容和圖片主要參考 學習視訊 ,感謝3Blue1Brown對於本視訊翻譯的辛苦付出。有的時候跟不上字幕,所有在這裡有些內容參考了此篇部落格。在這裡我主要記錄下自己覺得重要的內容以及一些相關的想法,希望能與大家
加州理工學院公開課:機器學習與資料探勘_誤差和噪聲(第四課)
這一課的主題是:誤差分析與噪聲處理。 該課時的主要內容如下: 1、Nonlinear Transformation(Continue)(非線性轉換(續)) 2、Error Measure (誤差度量)(重點) 3、Noisy Targets(噪聲指標)(重點) 4、Prea
人工智慧必備數學基礎:線性代數基礎(1)
如果需要小編其他數學基礎部落格,請移步小編的GitHub地址 傳送門:請點選我 如果點選有誤:https://github.com/LeBron-Jian/DeepLearningNote 這裡我打算再補充一下關於線性代數的基礎。 (注意:目前自己補充到的所有知識點,均按照自己網課