资料地址:https://machine-learning-from-scratch.rea
线性代数
- 0. 要点汇总
- 1. 向量 Vector
- 1.1 向量是什么
- 1.2 向量的运算
- 1.2.1 向量的加法
- 1.2.2 向量的数乘
- 2. 线性组合、张成的空间与基 Linear Combination, Span and Basis
- 2.1 运算封闭
- 2.2 线性组合
- 2.2 向量张成的空间
- 2.3 线性相关与线性无关
- 2.4 基的定义
- 3. 矩阵与线性变换 Linear Transformation/Mapping
- 3.1 线性变换
- 3.2 矩阵与基本运算
- 3.2.1 矩阵定义
- 3.2.2 矩阵的加法与数乘
- 3.2.3 矩阵乘法
- 3.2.4 单位矩阵
- 3.2.5 矩阵的性质
- 5. 行列式 Determinant
- 6. 逆矩阵、秩、列空间、与零空间
- 6.1 逆矩阵
- 6.2 矩阵的秩 Rank
- 6.2.1 秩的定义
- 6.2.2 秩的重要性质
- 6.3 列空间 Column Space
- 6.4 零空间 Null Space/Kernel
- 7. 非方阵
- 8. 模、点积与正交矩阵
- 8.1 向量的模 Norms
- 8.2 向量点积 Dot Product
- 8.3 正定矩阵
- 8.4 夹角与正交性
- 8.4.1 向量的夹角
- 8.4.2 正交矩阵
- 8.4.3 标准正交基
- 8.4.4 正交投影(TODO)
- 9. 叉积
- 10. 基变换 Basis Change
- 11. 特征向量、特征值、特征分解与奇异值分解
- 11.1 特征向量与特征值
- 11.2 矩阵的对角化与特征分解
- 11.3 奇异值分解 Singular Value Decomposition
- 12. 抽象的向量空间 Vector Space
- 12.1 向量空间的公理
- 12.2 向量子空间
- 12.3 仿射子空间