一、主成分分析（Principal components analysis，PCA） 主成分分析經常用於減少數據集的維數，同時保持數據集中的對變異數貢獻最大的特徵。通過對共變異數矩陣進行特徵分解，以得出數據的主成分（即特徵向量）與它們的權值（即特徵值）。

這篇文章的初版是在考研究所時完成，而因為線代在應用數學中佔著非常核心的位置，在研究中反覆使用，因此我這次對線代的核心觀念，linear transformation、eigenvalue 等重要議題做了第二次更新，希望能助於大家學習。2015.11.6. note.

這篇文章的初版是在考研究所時完成，而因為線代在應用數學中佔著非常核心的位置，在研究中反覆使用，因此我這次對線代的核心觀念，linear transformation、eigenvalue 等重要議題做了第二次更新，希望能助於大家學習。2015.11.6. note.

Chapter 6    Orthogonal Projection 6.1   Introduction 範數 考慮 V 為一個向量空間(Vector space)，則我們說  Norm 為一個函數滿足下列性質： 嚴格正定性： ||v||≥0, ||v||=0⇔...

Chapter 3   Vector Spaces 3.1   Vector Spaces Vector Spaces Axioms Definition  加法交換性：x + y = y + x —> ex : 減法不滿足交換性 加法結合性：(x + ...

Chapter 2   Determinants 2.1   Determinants of a Matrix Determinants Definition  特殊型matrix的Determinants計算 轉置矩陣：轉置det(A)不...

Chapter 1   Matrices and Systems of Equations   1.1   Systems of Linear Equations Consistent：一致的，Ax = b 有解 Overdetermined：等式量 ...