一些学习线性代数的心得和资源分享,供大家参考。
资源
Introduction to Linear Algebra, 5th Editionmath.mit.edu学线性代数主要的参考书,Strang 教授也算是网红了,讲课讲得十分浅显易懂,网上有配套的video,强烈推荐。
线性代数(2)(自主模式)-学堂在线-精品中文慕课(mooc)平台www.xuetangx.com清华马辉老师的线性代数慕课,讲法比较传统,但课件很清晰,不太需要看video也能看懂。
这主要是针对相似矩阵、SVD、PCA、伪逆等矩阵论的内容,是传统线性代数的很好补充。
数值线性代数book.douban.com这本书主要介绍解的问题,以及在现实中如何求解大型系数矩阵的逆、特征值以及一些迭代的方法。
如何理解线性代数
不得不说,对于我来说,线性代数一直是很头疼的。这种头疼不在于说计算特征值、求PCA有多么多么复杂;而是自己一直没有办法直观理解矩阵是什么、向量又是什么、矩阵乘法为什么这么定义、特征值代表什么。我想这些问题也同样困扰着学习线性代数的很多同学。
因此我整理了一些学习中对我有收获的资料,也便于自己复习:
- 知乎上的讨论:如何理解线性代数?
- 科普类视频:线性代数的本质
- 据说很好的教材,自己也还没看:Linear Algebra Done Right
- CSDN上关于矩阵的理解,适合Review:理解矩阵
- Jon Shlens大神写的PCA tutorial:Tutorial on Principal Component Analysis
笔记
自己总结了学习线性代数中最基本和最重要的知识点:
矩阵的四个基本子空间 | tech.zealscott.com介绍四个基本子空间的概念,非常重要。
基本子空间的正交性及性质 | tech.zealscott.com引出子空间正交的性质,以及矩阵的秩。
向量投影 | tech.zealscott.com投影的概念以及投影矩阵。
最小二乘法 | tech.zealscott.com很巧妙的用向量投影的角度重新认识最小二乘法。
Gram-Schmidit正交化 | tech.zealscott.com介绍Schmidit正交化方法,以及QR分解。
行列式 | tech.zealscott.com介绍矩阵行列式的概念。
特征向量 | tech.zealscott.com介绍特征值与特征向量,以及矩阵对角化。
矩阵的对角化 | tech.zealscott.com介绍对角化条件、几何重数与代数重数与应用。
特征值在微分方程中的应用 | tech.zealscott.com这里利用特征值将矩阵和微分方程联系在一起。
实对称矩阵 | tech.zealscott.com介绍Schur定理以及实对称矩阵的特殊性质。
正定矩阵理解及推导 | tech.zealscott.com特征值的应用:正定矩阵以及半正定矩阵的充要条件和性质。
二次型与函数极值 | tech.zealscott.com如何将数值函数用矩阵表示,并使用正定矩阵来指示函数的极值。
二次型与函数极值 | tech.zealscott.com大规模稀疏矩阵。
范数与矩阵条件数 | tech.zealscott.com这一将进入矩阵论,讨论矩阵更深层次的问题和性质。
SVD 分解 | tech.zealscott.com谱分解、Schur定理、SVD推导。
理解 PCA | tech.zealscott.com从协方差矩阵、仿射变换理解PCA。
SVD 通俗理解 | tech.zealscott.com更直观的理解SVD。
线性代数笔记18 线性变换与基变换tech.zealscott.com更好的理解矩阵以及矩阵乘法。