线性代数--MIT18.06(一)

fireWang

发布于 2019-03-13 10:05:14

4710

文章被收录于专栏：零维领域零维领域

1. 课程内容：方程组的几何解释

更确切的讲:

如果两条直线相交于一点，那么该方程组有且仅有一个解，即为交点的坐标；
如果两条直线重合，那么说明这两条直线方程实际上是同一条直线，此时直线上的所有点的坐标均为方程组的解；
如果两条直线平行但不重合，则说明不存在点的坐标同时满足这两条直线的方程，此时方程组无解。

2. 习题课

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2019-01-13，如有侵权请联系 cloudcommunity@tencent.com 删除

编程算法

本文分享自零维领域微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

编程算法

登录后参与评论

暂无评论

编辑精选文章

换一批

万字详解高可用架构设计

2498

Go 开发者必备：Protocol Buffers 入门指南

从行的角度来看，三个三元一次方程表示三维空间中的三个平面，如果三个平面相交于一点，那么交点的坐标即为方程组的解。

fireWang

2019/03/13

1.1K0

线性代数--MIT18.06(十六)

编程算法

对于求解最佳的拟合直线，我们自然是希望直线离三个点的距离之和是最小的，这个距离实际上就是

fireWang

2019/03/13

5230

线性代数--MIT18.06(八)

编程算法

的解，假如有解的话，我们可以将其分解成两部分，这样我们就可以利用上一讲的成果。即：

fireWang

2019/03/13

3990

线性代数--MIT18.06(七)

编程算法

之前我们考虑主元主要是从行的角度去看，现在我们主要考虑列的情况，我们称主元所在的列为主元列（pivot columns），主元的个数我们称为矩阵的秩（Rank，简写为r）,没有主元的列称为自由变量列（free variable columns）, 自由变量的个数也就很好的理解为 n-r 了，在这里就是 4-2=2 。消元之后我们进行回代的步骤，也就求得解了，即

fireWang

2019/04/24

7050

线性代数--MIT18.06(七)

编程算法

之前我们考虑主元主要是从行的角度去看，现在我们主要考虑列的情况，我们称主元所在的列为主元列（pivot columns），主元的个数我们称为矩阵的秩（Rank，简写为r）,没有主元的列称为自由变量列（free variable columns）, 自由变量的个数也就很好的理解为 n-r 了，在这里就是 4-2=2 。消元之后我们进行回代的步骤，也就求得解了，即

fireWang

2019/03/13

9360

线性代数--MIT18.06(三十五)

编程算法

行不满秩，因此其不满秩，那么它不可能为正定矩阵，可以为半正定矩阵。于是我们也就知道

fireWang

2019/03/13

6320

线性代数--MIT18.06(五)

编程算法

继续上一讲的内容，由上一讲可知我们可以将系数矩阵 A 分解为下三角矩阵和上三角矩阵的乘积，但是我们给定了一个前提假设—— A 在消元过程中不做换行，这一次我们来解决如果在消元过程中存在换行的情况。

fireWang

2019/03/13

5300

线性代数--MIT18.06(二)

编程算法

上一讲我们对于线性方程组可以使用矩阵 Ax=b来表示，这一讲求解该等式，对于矩阵，使用矩阵消元法。

fireWang

2019/03/13

4130

线性代数--MIT18.06(十五)

ps

投影我们已经知道它的定义了，那么我们为什么要投影呢？这就和我们之前的章节联系起来了，对于

fireWang

2019/03/13

4020

线性代数--MIT18.06(十二)

在之前的课程中，列举了很多的矩阵，实际上它们都来自实际问题，而不是简简单单随便想出来的，这些矩阵都可以描述实际问题的拓扑结构，我们在处理这些实际问题时需要搞清楚它们的拓扑结构。

fireWang

2019/04/24

3950

线性代数--MIT18.06(三)

r 语言

,我们依然可以使用矩阵消元的形式来求解，只不过要比我们之前提到的矩阵消元多做一些消元而已，这就是Gauss-Jordan法。

fireWang

2019/04/24

4570

线性代数--MIT18.06(六)

编程算法

由上一讲的内容，我们知道了向量空间和子空间的定义，那么如何使用矩阵来构造子空间呢？

fireWang

2019/03/13

4650

线性代数--MIT18.06(二十三)

编程算法

在上一讲我们已经介绍了特征值和特征向量的一种应用，那就是求解差分方程，这一讲，讲解其另一个应用——求解微分方程，当然，首先从一阶常系数微分方程开始讲解。

fireWang

2019/03/13

5390

线性代数--MIT18.06(二十八)

编程算法

在第二十六讲已经讲解了正定矩阵的一些性质，这一讲将给出判断矩阵为正定矩阵的判定条件，同时给出几何解释

fireWang

2019/03/13

1.4K0

线性代数--MIT18.06(三十二)

编程算法

会有很多的数据冗余，并且数据量太大，系统会无法承载，数据的传输也是一个很大的问题。因此，会对图像进行压缩，常用的图像压缩技术有 JPEG，本质上就是基变换，也就是使用更好的基来重现图像。

fireWang

2019/03/13

5890

线性代数--MIT18.06(十一)

编程算法

。若记 M 为所有 3×3 矩阵构成的矩阵空间，则所有的 3×3 对称矩阵构成的矩阵空间 S 和 3×3 上三角矩阵构成的矩阵空间 U 都是 M 的子空间。

fireWang

2019/03/13

7050

线性代数--MIT18.06(十)

编程算法

列空间和零空间我们已经在第六讲讲解过了，在这里我们还将讨论他们所在空间的维数，以及它们自身的维数和构成它们的基。

fireWang

2019/03/13

9530

线性代数--MIT18.06(九)

编程算法

上述两个描述是等价的，为什么呢？实际上我们可以将第一个定义的描述写成矩阵形式，就是

fireWang

2019/03/13

5880

线性代数--MIT18.06(四)

编程算法

（http://open.163.com/movie/2016/4/V/0/MBKJ0DQ52_MBLPMH3V0.html）

fireWang

2019/03/13

4720

线性代数--MIT18.06(二十八)

matrix

在第二十六讲已经讲解了正定矩阵的一些性质，这一讲将给出判断矩阵为正定矩阵的判定条件，同时给出几何解释

fireWang

2019/04/24

4990

线性代数--MIT18.06(一)

线性代数--MIT18.06(一)

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐