MatNoble

MatNoble | 数学教师的排版与可视化随笔

这里是 MatNoble 的个人空间。作为一名从程序员转型的大学数学教师，我在这里分享利用 Manim 进行数学可视化、LaTeX 专业排版以及大数据技术的心得。致力于用代码逻辑解读数学之美。

星辰尚亮，岁月还长

此间相逢，唯你与我

MatNoble 博客：专注 Python 数学可视化 (Manim)、LaTeX 科技排版、人工智能与大数据技术 (Spark) 分享。致力于通过原创教程与实战案例，消除数学与代码之间的认知壁垒。

奇异值分解初探

 1023  3 分钟
知识回顾 在 矩阵的四个基本空间, 不了解下吗? 中, 介绍了实矩阵的四个基本空间的正交关系 $$ \begin{cases} C(A^{\mathsf T}) = N(A)^{\perp} \\[3pt] C(A) = N(A^{\mathsf T})^{\perp} \end{cases} $$ 即 行空间是零空间的正交补; 列空间是左零空间的正交补. ◎ 正交关系 在四个基本空间中, 通过 初等行变换 得到了它们的普通基底, 这一次首先讨论其正交基底. 正交基底 假设有 $m\times n$ 阶实矩阵 $A$ $$ {\rm rank}(A) = r \leq \max\{m, n \} $$ 考……
阅读全文

Emacs 制作 LaTeX 表格技巧

 826  2 分钟

$\LaTeX$ 输出表格一般情况是不容易的, 但在 Emacs 中, 利用 快捷键 实现 快捷操作, 创建 $\LaTeX$ 表格就容易多了.

……
阅读全文

Gram 矩阵

 531  2 分钟
Gram 矩阵 假设 $A$ 是一个 $m\times n$ 阶矩阵, 列向量 Gram 矩阵 $A$ 由列向量 $\mathbf{\alpha}_i$ 表示, 即 $$A=\begin{bmatrix}\mathbf{\alpha}_1 & \mathbf{\alpha}_2 &\cdots & \mathbf{\alpha}_n \end{bmatrix}$$ 则 $$ \begin{aligned} G &= \, A^{\mathsf T}A \\[3pt] &= \begin{bmatrix} \mathbf{\alpha}_1^{\mathsf T} \\ \mathbf{\alpha}_2^{\mathsf T} \\ \vdots \\ \mathbf{\alpha}_n^{\mathsf T} \end{bmatrix} \begin{bmatrix} \mathbf{\alpha}_1 & \mathbf{\alpha}_2 & \cdots & \mathbf{\alpha}_n \end{bmatrix} \\[3pt] & = \begin{bmatrix} \mathbf{\alpha}_1^{\mathsf T}\mathbf{\alpha}_1 & \mathbf{\alpha}_1^{\mathsf T}\mathbf{\alpha}_2 & \cdots & \mathbf{\alpha}_1^{\mathsf T}\mathbf{\alpha}_n \\ \mathbf{\alpha}_2^{\mathsf T}\mathbf{\alpha}_1 & \mathbf{\alpha}_2^{\mathsf T}\mathbf{\alpha}_2 & \cdots &\mathbf{\alpha}_2^{\mathsf T}\mathbf{\alpha}_n \\ \vdots & \vdots & & \vdots \\ \mathbf{\alpha}_n^{\mathsf T}\mathbf{\alpha}_1 & \mathbf{\alpha}_n^{\mathsf T}\mathbf{\alpha}_2 & \cdots & \mathbf{\alpha}_n^{\mathsf T}\mathbf{\alpha}_n \end{bmatrix} \end{aligned} $$ 行向量 Gram 矩阵 $A$ 由行向量 $\mathbf{\beta}_i^{\mathsf T}$ 表示, 即 $$A=\begin{bmatrix}\mathbf{\beta}_1^{\mathsf T} \\ \mathbf{\beta}_2^{\mathsf T} \\ \vdots \\ \mathbf{\beta}_m^{\mathsf T} \end{bmatrix}$$ 则 $$ \begin{aligned} G &= \, AA^{\mathsf T}……
阅读全文

矩阵的四个基本空间的基底

 1044  3 分钟
之前介绍过矩阵有四个基本空间 并且有两组正交关系 有了空间，若想继续研究，就需要找一些 ..代表.. ，即 ..基底.. 普通基底 本小节用到的技术手段很简单－－ ..初等行变换.. 假设有任意 $m\times n$ 阶矩阵 $A$，经过一系列..初等行变换..得到行阶梯型矩阵 $R$．因为这一系列初等行变换可对应地表示为一系列初等矩阵的乘……
阅读全文

线代视角下的最小二乘法

 2922  6 分钟
本文核心观点 (Key Takeaways) 核心直觉：最小二乘法的本质是寻找“影子”。当向量 $\boldsymbol{b}$ 不在矩阵列空间内时，我们在空间中找离它最近的那个投影点。 关键计算：记住正规方程 $\mathbf{A}^\mathsf{T}\mathbf{A}\boldsymbol{x} = \mathbf{A}^\mathsf{T}\boldsymbol{b}$，它是解决无解方程组的瑞士军刀。 数学美感：误差向量 $\boldsymbol{e}$ 必须垂直于列空间 $C(\ma……
阅读全文

矩阵的四个基本空间, 不了解下吗?

 1110  3 分钟
秩-零化度定理告诉我们: $m\times n$ 阶矩阵 $A$ 的零空间(Nullspace) $N(A)$ 和列空间(Column sapce) $C(A)$ 的关系: $$ n = \dim N(A) + \dim C(A) $$ 本次依据秩-零化度定理, 介绍四个基本空间, 并证明它们的正交性关系, 最后, 给出一道经典例题. 四个基本空间 将矩阵 $A$ 行列互换, 称为 $A$ 的转置, 记为 $A^{\mathsf T}$. 则对应的: $C(A^{\mathsf T})$ 表示 $A$ 的行空间(Row space),……
阅读全文

秩-零化度定理(Rank-Nullity Theorem)

 1407  3 分钟
在人工智能, 机器学习, 深度学习的浪潮中, ..数学.. 知识的发展与应用起着至关重要的作用. 线性代数(高等代数)不同于微积分(数学分析), 线代是不断前进发展的学科, 在实际应用中产生新问题回馈到教学中, 而后教学又可以促进实际应用. 「秩-零化度定理」 如下图所示, 线性变换 $T$ 从有限维向量空间 $\mathcal{V}$ (定义域)映射到有……
阅读全文

LaTeX 矩阵转置符输入指南

 190  1 分钟
LaTeX 排版教程系列图片横幅 ◎ LaTeX 排版教程系列图片横幅……
阅读全文