线性代数基础(6)
2019-06-15 18:48
1756 查看
内积(点积):
向量的长度:
Rn空间中的距离:
正交向量:
正交集:
正交投影:
当y表示成Rn空间中u1,u2,...un的线性组合时,y中的各项可以分成两部分,使得y可以写成:y=z1+z2。其中z1是ui中的某些线性组合,z2是其余的ui的线性组合。当{u1,u2...un}是正交基时,这个思路特别有用。
最小二乘法:
一般最小二乘问题的解:
方程组Ax=b的每个最小二乘解满足方程:
这个矩阵方程表示的线性方程组通常称为Ax=b的法方程。
两个不等式:
相关文章推荐
- 吴恩达机器学习笔记(三)线性代数基础
- Notes: 线性代数基础回顾
- 数学基础之线性代数
- 深度学习数学基础之线性代数
- uBLAS——Boost 线性代数基础程序库 (二)
- 线性代数基础知识-1
- Notes: 线性代数基础回顾
- 斯坦福大学CS224d基础1:线性代数知识
- Notes: 线性代数基础回顾
- NumPy基础 -- 5. 线性代数
- 线性代数基础知识
- coursera《机器学习》吴恩达-week1-04 线性代数基础
- 深度学习之二——相关数学基础(线性代数理论)
- uBLAS——Boost 线性代数基础程序库 (三)
- 线性代数基础知识-2
- 斯坦福大学CS224d基础1:线性代数知识
- Notes: 线性代数基础回顾
- 斯坦福大学CS224d基础1:线性代数知识
- 机器学习--线性代数基础
- 斯坦福大学CS224d基础1:线性代数回顾