国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

MIT_線性代數(shù)筆記:復(fù)習(xí)二

這篇具有很好參考價(jià)值的文章主要介紹了MIT_線性代數(shù)筆記:復(fù)習(xí)二。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方,請大家不吝賜教,您也可以點(diǎn)擊"舉報(bào)違法"按鈕提交疑問。

第二單元主要內(nèi)容

  1. 正交矩陣 Q,用矩陣形式描述正交性質(zhì)。
    MIT_線性代數(shù)筆記:復(fù)習(xí)二,MIT_線性代數(shù)筆記,線性代數(shù),筆記,機(jī)器學(xué)習(xí)

投影矩陣 P,最小二乘法,在方程無解時(shí)求“最優(yōu)解”。 Gram-Schmidt 正交化——從任意一組基得到標(biāo)準(zhǔn)正交基,策略是從向量
中減去投影到其它向量方向的分量。

  1. 行列式 det(A)
    三個性質(zhì)定義了行列式,可以推導(dǎo)出之后的性質(zhì) 4~10。
    行列式展開公式包含 n!個非零項(xiàng),一半取+,一半取-。
    代數(shù)余子式公式,以及推導(dǎo)出逆矩陣公式 A ? 1 = 1 d e t ( A ) C T A^{?1}= \frac{1}{det(A)}C^T A?1=det(A)1?CT

  2. 特征值 Ax = λx
    det(A-λI)=0
    對角化:如果矩陣 A 包含 n 個線性無關(guān)的特征向量,可以對角化得到 S ? 1 A S = Λ S^{-1}AS=Λ S?1AS=Λ
    矩陣 A 的冪: A k = ( S Λ S ? 1 ) k = S Λ k S ? 1 A^k=(SΛS^{-1})^k=SΛ^kS^{-1} Ak=(SΛS?1)k=SΛkS?1

例題

1、a = [ 2 1 2 ] \begin{bmatrix} 2\\1\\2 \end{bmatrix} ?212? ?
a)求投影到向量 a 方向的投影矩陣 P。
解: P = A ( A T A ) ? 1 A T P=A(A^TA)^{-1}A^T P=A(ATA)?1AT,這里 a 是向量,因此有
P = a a T a T a = 1 9 [ 4 2 4 2 1 2 4 2 4 ] P= \frac{aa^T}{a^Ta}=\frac{1}{9} \begin{bmatrix} 4 & 2 & 4 \\ 2 & 1 & 2 \\ 4 & 2 & 4 \end{bmatrix} P=aTaaaT?=91? ?424?212?424? ?
b)求矩陣 P 的秩
解:矩陣的秩為 1,因?yàn)樗械牧卸际堑诙械谋稊?shù)。或者從投影矩陣投影的空間是 1 維可以判斷出來。
c)矩陣 P 的列空間?
解:向量 a 所在的直線。
d)矩陣 P 的特征值?
解:矩陣的秩為 1,因此存在重特征值 0,再從矩陣的跡可以得到另一個特征值為 1。即特征值為 1,0,0。
e)求矩陣 P 對應(yīng)特征值 1 的特征向量?
解:因?yàn)榫仃?P 為投影矩陣,在投影空間中的向量就是對應(yīng)特征值 1 的特征向量,因此 a 就是對應(yīng)的特征向量。
f)若有 u k + 1 = P u k u_{k+1}=Pu_k uk+1?=Puk?,且有初值 u0= [ 9 9 0 ] \begin{bmatrix} 9\\9\\0 \end{bmatrix} ?990? ? 求 uk?
解:重復(fù)將一個向量投影到一條直線,從第二次開始投影結(jié)果即不發(fā)生變化。
u k = P k u 0 = P u 0 = a T u 0 a T a = 3 a = [ 6 3 6 ] uk=P^ku_0=Pu_0= \frac{a^Tu_0}{a^Ta}=3a=\begin{bmatrix} 6\\3\\6 \end{bmatrix} uk=Pku0?=Pu0?=aTaaTu0??=3a= ?636? ?

g)測驗(yàn)中可能出現(xiàn) u k + 1 = A u k u_k+1=Au_k uk?+1=Auk?,其中的矩陣 A 不是投影矩陣,沒有投影矩陣的性質(zhì) P k u 0 = P u 0 P^ku_0= Pu_0 Pku0?=Pu0?,此時(shí)需要求矩陣的特征值和特征向量。
u 0 = c 1 x 1 + c 2 x 2 + c 3 x 3 u_0=c_1x_1+c_2x_2+c_3x_3 u0?=c1?x1?+c2?x2?+c3?x3?
u k = c 1 λ 1 k x 1 + c 2 λ 2 k x 2 + c 3 λ 3 k x 3 uk=c_1λ_1^kx_1+c_2λ_2^k x_2+c_3λ_3^kx_3 uk=c1?λ1k?x1?+c2?λ2k?x2?+c3?λ3k?x3?
對于投影矩陣而言, λ 1 = 1 , λ 2 = λ 3 = 0 λ_1=1,λ_2=λ_3=0 λ1?=1λ2?=λ3?=0。因此有 u 1 = u 2 = u 3 = … … u_1=u_2=u_3=…… u1?=u2?=u3?=……

  1. 已知以下數(shù)據(jù)點(diǎn)
t y
1 4
2 5
3 8

a)求利用三個數(shù)據(jù)點(diǎn)擬合過原點(diǎn)的一條直線 y=Dt?
解: [ 1 2 3 ] D = [ 4 5 8 ] \begin{bmatrix} 1\\2\\ 3 \end{bmatrix}D=\begin{bmatrix} 4\\5\\ 8 \end{bmatrix} ?123? ?D= ?458? ? ,我們求解的問題就是求方程的最優(yōu)解 D? 。
A T A D ? = A T b A^TA D? =A^Tb ATAD?=ATb。 解得 D? =19/7。因此直線解析式為 y=(19/7)t。
b)怎樣從投影來理解這個問題?
解:對于最小二乘問題有兩種理解方法。其中一種是找到平面內(nèi)最優(yōu)的一條直線。另一種是將 b = [ 4 5 8 ] b=\begin{bmatrix} 4\\5\\ 8 \end{bmatrix} b= ?458? ?投影到 A 的列空間,來得到最接近于 Ax=b 的解。

  1. 向量 a 1 = [ 1 2 3 ] a_1=\begin{bmatrix} 1\\2\\ 3 \end{bmatrix} a1?= ?123? ? a 2 = [ 1 1 1 ] a_2=\begin{bmatrix} 1\\1\\ 1 \end{bmatrix} a2?= ?111? ?向量確定了一個平面,找到該平面的一組正交基。
    解:應(yīng)用 Gram-Shmidt 正交化方法。取 a1為第一個方向,找出垂直于該方向的向量 B。策略就是在 a2中減掉它在 a1方向上的分量,得到完全垂直于 a1的部分:
    B = a 2 ? a 1 T a 2 a 1 T a 1 a 1 = [ 4 / 7 1 / 7 ? 2 / 7 ] B= a_2 - \frac{a_1^Ta_2}{a_1^Ta_1}a_1 =\begin{bmatrix} 4/7\\1/7\\ -2/7 \end{bmatrix} B=a2??a1T?a1?a1T?a2??a1?= ?4/71/7?2/7? ?

  2. 已知一個 4 階方陣 A 具有特征值λ1,λ2,λ3,λ4。
    a)特征值需要滿足什么條件才能保證 A 為可逆矩陣。
    解:當(dāng)且僅當(dāng)矩陣的特征值均不為 0 的時(shí)候,A 為可逆矩陣。若有特征值 0 存在,則矩陣零空間有非零向量,矩陣不可逆。
    b)求逆矩陣行列式的值?
    解: A ? 1 A^{-1} A?1的特征值為 A 特征值的倒數(shù)。因此 d e t ( A ? 1 ) = 1 λ 1 1 λ 2 1 λ 3 1 λ 4 det(A^{-1})= \frac{1}{λ_1}\frac{1}{λ_2}\frac{1}{λ_3}\frac{1}{λ_4} det(A?1)=λ1?1?λ2?1?λ3?1?λ4?1?
    c)求(A+I )的跡?
    解:矩陣的跡等于其特征值的和,(A+I)的特征值為 λ 1 + 1 , λ 2 + 1 , λ 3 + 1 , λ 4 + 1 λ_1+1,λ_2+1,λ_3+1,λ_4+1 λ1?+1λ2?+1,λ3?+1,λ4?+1,則該矩陣的跡為 λ 1 + λ 2 + λ 3 + λ 4 + 4 λ_1+λ_2+λ_3+λ_4+4 λ1?+λ2?+λ3?+λ4?+4。

  3. 已知三對角矩陣:
    A 4 = [ 1 1 0 0 1 1 1 0 0 1 1 1 0 0 1 1 ] A_4=\begin{bmatrix} 1 & 1 & 0 & 0 \\ 1 & 1 & 1 & 0 \\ 0 & 1 & 1 & 1 \\ 0 & 0 & 1 & 1 \end{bmatrix} A4?= ?1100?1110?0111?0011? ?
    D n = d e t ( A n ) D_n=det(A_n) Dn?=det(An?)
    a)用代數(shù)余子式的方法求出 D n = a D n ? 1 + b D n ? 2 D_n=aD_{n-1}+bD_{n-2} Dn?=aDn?1?+bDn?2?中的 a,b?
    解:用代數(shù)余子式可得 D4=(1)D3+(-1)D2。
    b)利用找到的遞歸方程 D n = a D n ? 1 + b D n ? 2 D_n=aD_{n-1}+bD_{n-2} Dn?=aDn?1?+bDn?2?,求 D n D_n Dn??
    解:把它當(dāng)作方程組來求解,我們首先解得初值 D1=1,D2=0。
    按照遞歸方程構(gòu)造 2 階線性方程:
    [ D n D n ? 1 ] = [ 1 ? 1 1 0 ] [ D n ? 1 D n ? 2 ] \begin{bmatrix}D_n\\D_{n-1} \end{bmatrix} = \begin{bmatrix} 1&-1\\1&0 \end{bmatrix}\begin{bmatrix}D_{n-1}\\D_{n-2} \end{bmatrix} [Dn?Dn?1??]=[11??10?][Dn?1?Dn?2??]
    求解矩陣的特征值可得: λ = 1 ± 3 i 2 = e ± i π 3 λ = \frac{1±\sqrt{3}i}{2}=\frac{e±iπ}{3} λ=21±3 ?i?=3e±?,均為模為 1 的復(fù)數(shù),在單位圓上旋轉(zhuǎn)??梢钥吹?span id="n5n3t3z" class="katex--inline"> λ 1 6 = λ 2 6 = 1 λ_1^6=λ_2^6=1 λ16?=λ26?=1,矩陣經(jīng)六次變換變?yōu)閱挝魂?。該序列既不發(fā)散也不收斂,數(shù)列以 6 次為重復(fù)周期不停循環(huán),1,0,-1,0,1,1。

  4. 有一組對稱矩陣:
    A 2 = [ 0 1 1 0 ] A 3 = [ 0 1 0 1 0 2 0 2 0 ] A 4 = [ 0 1 0 0 1 0 2 0 0 2 0 3 0 0 3 0 ] A_2=\begin{bmatrix} 0 & 1 \\ 1 & 0 \end{bmatrix}A_3=\begin{bmatrix} 0 & 1 & 0 \\ 1 & 0 & 2 \\ 0 & 2 & 0 \end{bmatrix}A_4=\begin{bmatrix} 0 & 1 & 0 & 0 \\ 1 & 0 & 2 & 0 \\ 0 & 2 & 0 & 3 \\ 0 & 0 & 3 & 0 \end{bmatrix} A2?=[01?10?]A3?= ?010?102?020? ?A4?= ?0100?1020?0203?0030? ?

a)找到投影到矩陣 A3列空間的投影矩陣 P。
解:矩陣 A3為奇異陣,其第 3 列列向量為第 1 列的 3 倍,而第 1,2 列線性無關(guān),因此其列空間為一個平面,取其前兩列列向量組成矩陣 A,則有
P = A ( A T A ) ? 1 A T = [ 1 / 5 0 2 / 5 0 1 0 2 / 5 0 4 / 5 ] P=A(A^TA)^{-1}A^T=\begin{bmatrix} 1/5 & 0 & 2/5 \\ 0 & 1 & 0 \\ 2/5 & 0 & 4/5 \end{bmatrix} P=A(ATA)?1AT= ?1/502/5?010?2/504/5? ?

可以通過將矩陣 A3的列向量乘以投影矩陣來驗(yàn)證這一結(jié)果,在平面內(nèi)的向量投影后應(yīng)該不發(fā)生變化。
b)求 A3的特征值和特征向量?
解: d e t ( A 3 ? λ I ) = ∣ ? λ 1 0 1 ? λ 2 0 2 ? λ ∣ = ? λ 3 + 5 λ = 0 det(A_3-λI)=\begin{vmatrix} -λ & 1& 0\\1& -λ& 2\\0&2&-λ \end{vmatrix} =-λ^3+5λ =0 det(A3??λI)= ??λ10?1?λ2?02?λ? ?=?λ3+5λ=0
解得三個特征值,λ1=0,λ2= 5 \sqrt{5} 5 ?,λ3= ? 5 -\sqrt{5} ?5 ???捎镁仃嚨嫩E做檢查。
求解( A 3 ? λ I A_3-λI A3??λI)x=0,可得特征向量 x 1 = [ ? 2 0 1 ] , x 2 = [ 1 ? 5 2 ] , x 3 = [ 1 5 2 ] x_1=\begin{bmatrix} -2\\0\\1 \end{bmatrix},x_2=\begin{bmatrix} 1\\ -\sqrt{5} \\2\end{bmatrix},x_3=\begin{bmatrix} 1\\ \sqrt{5} \\2 \end{bmatrix} x1?= ??201? ?,x2?= ?1?5 ?2? ?,x3?= ?15 ?2? ?

c)找到投影到矩陣 A4列空間的投影矩陣 P?
解:因?yàn)? A 4 A_4 A4?為可逆矩陣,所以它的列空間就是整個 R 4 R_4 R4?空間,所以 P=I。而可逆矩陣的證明可以采用求行列式的辦法,用代數(shù)余子式展開可得 d e t ( A 4 ) = 9 det(A_4)=9 det(A4?)=9。文章來源地址http://www.zghlxwxcb.cn/news/detail-816677.html

到了這里,關(guān)于MIT_線性代數(shù)筆記:復(fù)習(xí)二的文章就介紹完了。如果您還想了解更多內(nèi)容,請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來自互聯(lián)網(wǎng)用戶投稿,該文觀點(diǎn)僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務(wù),不擁有所有權(quán),不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載,請注明出處: 如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實(shí)不符,請點(diǎn)擊違法舉報(bào)進(jìn)行投訴反饋,一經(jīng)查實(shí),立即刪除!

領(lǐng)支付寶紅包贊助服務(wù)器費(fèi)用

相關(guān)文章

  • 【線性代數(shù)】快速復(fù)習(xí)筆記

    【線性代數(shù)】快速復(fù)習(xí)筆記

    本文圖片均參考自猴博士的視頻https://www.bilibili.com/video/BV1fv411y7YY,侵聯(lián)刪 某行(列加上或減去另一行(列的幾倍,行列式不變 某行列乘k,等于k乘此行列式 互換兩行列,行列式變號 計(jì)算的書寫步驟和規(guī)范 1 主對角線是X,其余是其他常數(shù)a 2 范德蒙德行列式 3 行列式加減法 例

    2024年02月11日
    瀏覽(59)
  • MIT線性代數(shù)-方程組的幾何解釋

    MIT線性代數(shù)-方程組的幾何解釋

    假設(shè)有一個方程組 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 ) 矩陣表示如下: [ 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
    瀏覽(24)
  • 機(jī)器學(xué)習(xí)-線性代數(shù)

    二維空間-Singular 平行的線是 linear dependence 的,singular的,相交的線是Non-singular的,交點(diǎn)就是二元方程解 ? 在機(jī)器學(xué)習(xí)的計(jì)算過程中,等式右邊的常數(shù)全部轉(zhuǎn)化為0,確保每條線都經(jīng)過(0,0) 三維空間-singular 平面相交于一條線或者重疊,則為singular 線性相關(guān) 有唯一解的方程

    2024年03月20日
    瀏覽(31)
  • 機(jī)器學(xué)習(xí)線性代數(shù)基礎(chǔ)

    本文是斯坦福大學(xué)CS 229機(jī)器學(xué)習(xí)課程的基礎(chǔ)材料,原始文件下載 原文作者:Zico Kolter,修改:Chuong Do, Tengyu Ma 翻譯:黃海廣 備注:請關(guān)注github的更新,線性代數(shù)和概率論已經(jīng)更新完畢。 1. 基礎(chǔ)概念和符號 線性代數(shù)提供了一種緊湊地表示和操作線性方程組的方法。 例如,以

    2024年02月13日
    瀏覽(30)
  • 06 MIT線性代數(shù)-線性無關(guān),基和維數(shù)Independence, basis, and dimension

    06 MIT線性代數(shù)-線性無關(guān),基和維數(shù)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 中具有至少一個自由變量,那么 A x = 0 一定具有非零解。 A 的列向量可以線性組合得到零向量,所以 A 的列向量是線性相關(guān)的。 independence:vectors X1, X2,...,Xn are independ

    2024年02月08日
    瀏覽(16)
  • MIT - 線性代數(shù)-LU_LDU分解|單位矩陣

    MIT - 線性代數(shù)-LU_LDU分解|單位矩陣

    U為消元結(jié)果(行變換),L為行變換矩陣的逆矩陣 D為主元(Pivot)A的主對角線元素,在這里為2、3,U為對D做列變換使其得到LU中的U 為什么要寫成A=LU而不是E21A=U呢?因?yàn)锳=LU中L只包含行變換信息,E21A=U還有額外的數(shù)字 2×2 2 3×3 3×2=6 4×4 4×3×2=24 結(jié)論:單位矩陣的逆=轉(zhuǎn)置矩陣(

    2024年01月23日
    瀏覽(28)
  • 線性代數(shù) | 機(jī)器學(xué)習(xí)數(shù)學(xué)基礎(chǔ)

    線性代數(shù) | 機(jī)器學(xué)習(xí)數(shù)學(xué)基礎(chǔ)

    前言 線性代數(shù) (linear algebra)是關(guān)于向量空間和線性映射的一個數(shù)學(xué)分支。它包括對線、面和子空間的研究,同時(shí)也涉及到所有的向量空間的一般性質(zhì)。 本文主要介紹 機(jī)器學(xué)習(xí) 中所用到的線性代數(shù) 核心基礎(chǔ)概念 ,供讀者學(xué)習(xí)階段查漏補(bǔ)缺或是 快速學(xué)習(xí)參考 。 線性代數(shù)

    2024年01月21日
    瀏覽(50)
  • 05 MIT線性代數(shù)-轉(zhuǎn)置,置換,向量空間Transposes, permutations, spaces

    05 MIT線性代數(shù)-轉(zhuǎn)置,置換,向量空間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 對于nxn矩陣存在著n!個置換矩陣 ,? 對稱矩陣? ? why? take transpose? 向量空間對線性運(yùn)算封閉,即空間內(nèi)向量進(jìn)行線性運(yùn)算得到的向量仍在

    2024年02月08日
    瀏覽(21)
  • 機(jī)器學(xué)習(xí)-線性代數(shù)-矩陣與空間映射

    機(jī)器學(xué)習(xí)-線性代數(shù)-矩陣與空間映射

    一個 m × n m times n m × n 的大小矩陣,直觀上看是 m × n m times n m × n 的數(shù)字按矩陣排列。 從向量的角度看,看做是 n n n 個 m m m 維列向量從左到右的排列,也可以看做 m m m 個 n n n 維行向量從上到下的疊放。 方陣:行數(shù)等于列數(shù) 對稱矩陣:原矩陣與其轉(zhuǎn)置矩陣相等: A = A

    2024年02月07日
    瀏覽(47)
  • 線性代數(shù)與機(jī)器學(xué)習(xí)的緊密關(guān)系

    線性代數(shù)和機(jī)器學(xué)習(xí)之間的關(guān)系是非常緊密的。線性代數(shù)是一門數(shù)學(xué)分支,它研究的是如何解決系統(tǒng)中的線性方程組問題。機(jī)器學(xué)習(xí)則是一門跨學(xué)科的研究領(lǐng)域,它旨在讓計(jì)算機(jī)程序能夠從數(shù)據(jù)中自動發(fā)現(xiàn)模式、關(guān)系和規(guī)律,并利用這些發(fā)現(xiàn)來進(jìn)行預(yù)測、分類和決策。 在過去

    2024年01月16日
    瀏覽(26)

覺得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請作者喝杯咖啡吧~博客贊助

支付寶掃一掃領(lǐng)取紅包,優(yōu)惠每天領(lǐng)

二維碼1

領(lǐng)取紅包

二維碼2

領(lǐng)紅包