MIT線性代數課程精細筆記[第三課]
0、前言
MIT線性代數課程精細筆記[第二課]筆記見MIT線性代數課程精細筆記[第二課],該筆記是連載筆記,本文由坤博所寫,希望對大家有幫助。
一、知識概要
前面介紹了向量與矩陣之間的乘法,這一節我們要介紹兩個矩陣之間的乘法。 並討論逆矩陣存在的條件。最後又介紹了求解逆矩陣的方法。
二、矩陣乘法
2.1 矩陣乘法最常見求解方式
2.2 列組合與行組合方式
2.2.1 列組合:
還記得我們之前學習過矩陣與列向量的乘積,得到一個列向量:
這種方法的關鍵就是將右側矩陣 B 看做列向量組合,將問題轉化為矩陣與向 量的乘法問題。也表明了矩陣 C 就是矩陣 A 中各列向量的線性組合,而 B 其實 是在告訴我們,要以什麼樣的方式組合 A 中的列向量。
2.2.2 行組合:
同樣,按照形式,這次將矩陣 A 看做行向量組合就行了:
2.3 列乘以行
2.4.分塊做乘法
分塊乘法就是宏觀上的矩陣乘法,比如現在有一個 50*50 的矩陣與 50*50 矩 陣相乘,一個一個進行運算很麻煩,尤其是如果矩陣在某一區域上有一定的性質, 那麼我們可以將其分塊,如:
三.逆矩陣
3.1 逆矩陣介紹
3.2 逆矩陣求解
3.2.1 高斯-若爾當方法
接下來論證它的合理性:
四.學習感悟
這節介紹了認識矩陣乘法的不同角度,並介紹了逆矩陣的相關知識以及如何 即求解逆矩陣。這節內容很好的體現了我自己認為的這門課的優點之一:少有繁 瑣的證明,更多的理解與類比。多從向量,空間,線性組合的角度去認識矩陣之 間的運算,這是這門課的核心之一。
版權所有、未經同意,禁止轉載!!!
推薦閱讀:
※李宏毅機器學習2016 第十五講 無監督學習 生成模型之 VAE
※從Nesterov的角度看:我們為什麼要研究凸優化?
※想學習「機器學習」,需要學習哪些先導課程?
※目標檢測(5)-Faster RCNN
※Udacity的納米學位 (Nano degree)怎麼樣?