A tutorial on Artificial Intelligence
0.1
引言
第一卷 数学基础
引言
概念解析
几何学
数论
高等数学
矩阵论
1. 线性空间与线性变换
2. 范数理论及应用
3. 矩阵分析及应用
4. 矩阵分解
5. 特征值估计
6. 广义逆矩阵
7. 杂项
8. 名词术语
概率与统计
随机过程
拓扑学
泛函分析
模糊数学
优化理论
名词术语
第二卷 经典物理
第三卷 现代物理学
第四卷 计算机学
第五卷 信号处理
第六卷 人工智能
第七卷 雷达信号处理
第八卷 医学信号处理
第九卷 天文学
第十卷 应用实践
第十一卷 补充内容
名词术语
A tutorial on Artificial Intelligence
Docs
»
第一卷 数学基础
»
矩阵论
矩阵论
¶
1. 线性空间与线性变换
1.1. 线性空间
1.1.1. 基础概念
1.1.2. 线性空间概念及性质
1.1.3. 线性空间的基、坐标与维数
1.1.4. 基变换与坐标变换
1.2. 线性子空间
1.2.1. 线性子空间
1.2.2. 直和
1.2.3. 生成的子空间
1.3. 线性变换及其表示
1.3.1. 线性变换
1.3.2. 线性变换的运算
1.3.3. 线性变换与矩阵
1.3.4. 总结
1.4. 特征值与特征向量
1.4.1. 特征值与特征向量
1.4.2. 广义特征向量
1.4.3. 例子(广义特征向量)
1.4.4. 特征多项式与最小多项式
1.4.5. 特征子空间与不变子空间
1.4.6. 信号子空间与噪声子空间
1.5. 矩阵对角化
1.5.1. 多项式矩阵及其标准形
1.5.2. 不变因子与初等因子
1.5.3. Jordan标准型
1.5.4. Jordan标准型求解微分线性方程组
1.5.5. 总结
1.6. 广义特征值与特征向量
1.6.1. 广义特征值与特征向量
1.7. 特殊线性空间
1.7.1. 内积空间
1.7.2. 总结
2. 范数理论及应用
2.1. 向量范数
2.1.1. 概念与内涵
2.1.2. 向量范数的等价性
2.1.3. 常见向量范数
2.2. 矩阵范数
2.2.1. 概念与内涵
2.2.2. 矩阵范数与向量范数的相容性
2.2.3. 常见矩阵范数
2.3. 范数的应用
2.3.1. 矩阵的谱半径
2.3.2. 矩阵非奇异性条件
2.3.3. 逆矩阵的摄动与条件数
3. 矩阵分析及应用
3.1. 矩阵级数
3.1.1. 概念
3.2. 矩阵序列
3.2.1. 概念理解
3.2.2. 矩阵序列收敛与矩阵收敛
3.3. 矩阵函数
3.3.1. 概念
3.3.2. 求解方法
3.3.3. 总结
3.4. 矩阵微分与积分
3.4.1. 概念
3.5. 总结
3.5.1. 概念对比
3.5.2. 收敛定理
4. 矩阵分解
4.1. 简介
4.2. 三角分解
4.2.1. 引言
4.2.2. 高斯消元过程
4.2.3. 变元求解
4.2.4. LU分解与LDU分解
4.2.5. 其它三角分解
4.3. 满秩分解
4.3.1. 什么是满秩分解
4.3.2. 求解方法
4.4. 正交三角分解
4.4.1. 什么是正交三角分解
4.4.2. 求解方法
4.5. 奇异值分解
4.5.1. 概念
4.5.2. 求解方法
4.5.3. 奇异值分解应用
5. 特征值估计
5.1. 特征值估计
5.1.1. 特征值的界
5.1.2. 特征值的包含区域
5.2. 特征值的极性
5.2.1. 概念与内涵
6. 广义逆矩阵
6.1. 投影矩阵
6.1.1. 投影算子与投影矩阵
6.2. 广义逆的定义与性质
6.2.1. Moore-Penrose 逆
6.3. 广义逆计算
6.3.1. Hermite标准形计算 {1}-逆 和 {1,2}-逆
6.3.2. 满秩分解法
6.4. 广义逆矩阵与线性方程组
6.4.1. 基本概念
6.4.2. 几种常见解
7. 杂项
7.1. 常用总结
7.1.1. 顺序主子式
7.1.2. 伴随矩阵
7.1.3. 矩阵的逆
7.1.4. 矩阵的秩
7.1.5. 矩阵的迹行列式特征值
7.2. 初等变换
7.2.1. 初等行变换
7.2.2. 初等列变换
7.2.3. 特殊初等变换
7.3. 常见矩阵概念
7.3.1. 奇异非奇异
7.3.2. 特殊矩阵
7.4. 对角矩阵
7.5. 矩阵运算
7.5.1. 乘法
8. 名词术语