同济版《线性代数》再遭口诛笔伐,网友:它真的不太行...

损失函数与优化器:从「梯度是怎么被造出来的」到「梯度是怎么被用掉的」 本文揭示损失函数与优化器本质一体:优化器仅依赖损失产生的梯度,而损失决定梯度的方向、尺度与噪声特性。错误的损失选择(如分类用MSE)会导致梯度失衡,使优化器失效;不同损失(如Huber、Focal)通过调控梯度分布影响优化过程。实测表明,归约方式、标签结构与损失配对直接决定梯度行为,进而影响收敛性与泛化。核心观点:选对损失,才是让优化器“看得懂”的前提。 阅读详情

来自量子位

近日,有网友在知乎开帖,将自己总结的线性代数逻辑框架分享了出来,本来仅仅只是学习分享,没想到又又又把同济版线性代数拉出来鞭尸一回。

开帖如下:

对于楼主的框架,广大网友表示不应该把矩阵作为理解线性代数的核心。

答主 @杨数森表示,线性代数的最核心问题就是怎样的线性变换是相似的。

最好不要把矩阵作为线性代数的核心,就像不要把初等函数作为微积分的核心一样。

线性代数的最核心问题就是怎样的线性变换是相似的,而这些相似的线性变换具有怎样的特征。引入特征值为这个问题提供了巨大的帮助,却不够彻底,因为尚不能解释为何存在非零的幂零变换。

经过复杂的讨论,我们知道复线性变换的 Jordan 标准型是判断线性变换是否相似的标志,也是衡量线性变换的特征的方式。

所谓两个线性变换是相似的,就是它们能在适当的基下表示成相同的矩阵,而 Jordan 标准型就是其中的代表。

为了把线性代数应用到分析和几何领域,需要在线性空间中引入度量,而内积正是确定度量的巧妙方法。

欧氏空间是带有内积的线性空间,其中的内积是正定、对称的双线性函数。在有限维欧氏空间中,能够顺应所给内积的基是标准正交基,保持内积不变的变换是正交变换。欧氏空间中的另一个有意义的变换是对称变换,而它也恰好对应于二次型。

也有网友认为,向量空间、线性空间以及线性空间之间的态射应该是线性代数的核心。

更有网友表示,之所以会产生这样的误解,很大原因是教材的编写框架对人造成了误导。

同济版《线性代数》再一次被推到了风口浪尖。

同济版《线性代数》为何会引起众怒?

同济版《线性代数》为何会频频引起 “众怒” 呢?

早在 2019 年,知乎上便有了关于这版教材的吐槽讨论。

吐槽理由主要在于教材章节混杂、原理晦涩难懂,往往学完一本书也不明所以。

最令人诟病的便是教材内容编排不合理,无论是从行列式开始、还是从矩阵入手,教材开篇生硬地引入大量全新的概念,对于广大学子而言都深感莫名其妙。

尽管学习了行列式,但是大家行列式的认识也只停留在盲目做习题这一层面,把这行乘一个系数加到另一行上,再把另一行减过来,但是却不明白这么来回折腾的意义是什么。

此外,作为一门本身就十分抽象的学科,同济版《线性代数》对于许多概念的解释仍旧是冗长的下定义模式,缺乏直观的几何理解,这也使许多人更加不理解学习线性代数的意义。

△定义虽然讲解了对角线法则,但是却没有解释为什么四阶行列式开始便不使用该方法

不够合理的课程内容编排、晦涩难懂的定义原理,让人感觉这不是在学习一门课程,而是被不由分说地抛到一个强制的世界中,只是在考试的皮鞭下被迫赶路。

你的线性代数,之前可能都学错了

其实,同济版《线性代数》之所以会饱受吐槽,还有一个更大的原因:无论是科研还是实际工程应用,线性代数的身影无处不在。如果没有理解其中原理,在日后的运用中可谓是步履维艰。

优快云 副总裁孟岩曾在《理解矩阵》一文中表示 “不少人即使能够很熟练地以线性代数为工具进行过科研和应用工作,但是对于很多初学者提出来的看上去很基础的问题并不清楚。”

比如说:矩阵究竟是什么东西?向量可以被认为是具有 n 个相互独立性质(维度)的对象的表示,矩阵又是什么呢?

如果认为矩阵是一组列(行)向量组成的新的复合向量的展开式,那么为什么这种展开式具有如此广泛的应用?

特别是为什么偏偏二维的展开式如此有用?如果矩阵中每一个元素又是一个向量,那么再展开一次,变成三维的立方阵,是不是更有用?

面对这一类的问题,许多老手们就好像大人在面对小孩子的刨根问底,最后总会迫不得已地说:“就是这么规定的,你接受并且记住就好。”

然而这样的问题如果不能获得回答,线性代数对于学习者而言就是一个简单粗暴的、莫名其妙的规则合集。

这种过分强调形式论证、忽略直觉思维的教学形式,也会在一定程度上限制学习者的创新能力,使最后培养出来的学生也只能熟练地应用工具,缺乏真正意义上的理解。

正确学习姿势

对此,不少 “过来人” 为初学者推荐了这些课程,可以帮助大家更好学习理解线性代数:

1.Gilbert Strang 的「线性代数 MIT 18.06」课程及教材《Introduction to Linear Algebra》

不同于国内教材,Strang 的课程更加面向实际应用、难度适中,比较注重从实际问题中培养数学直觉,适合工程学科学生使用。

并且在课程中,Strang 会先引入有趣的数学事实,然后讨论为什么这样是对的,再留一些习题让学习者自己去深入探究原理,培养学习者对线性代数的兴趣。

2.J. Ström, K. Åström 和 T. Akenine-Möller 的《沉浸式线性代数》教程(《Immersive Linear Algebra》)

教程链接:http://immersivemath.com/ila/index.html

这份教程不再是简单、枯燥的文字 + 公式组成,而是包含了大量生动有趣的动画演示,用交互的方式进行学习。

在阅读内容的时候,学习者可以自己去移动其中的动图,变换参数,从不同的角度来理解其中的知识。

3. 蓝以中的《高等代数简明教程》和丘维声的《简明线性代数》

如果有的同学对英文比较头大,也可选择国内这两位老师的课程学习。

关于线性代数教材,你有想分享或吐槽的内容吗?

参考链接:
知乎话题:https://www.zhihu.com/question/448135596
“杨数森” 的回答(已获授权):https://www.zhihu.com/question/448135596/answer/1805794712
《理解矩阵》:https://wenku.baidu.com/view/f96956b404a1b0717fd5ddca.html

国产信创麒麟操作系统 (kylin v10 x86架构) 离线安装nginx步骤(亲测,超详细步骤)、修改nginx配置文件、启动、重启、关闭nginx记录(亲测有效) 阅读详情

相关推荐

CFD-POST中建立变量的方法

本文以测量文丘里管中全压为例阐述CFD_POST中建立变量的方式 点击进入CFD-POST界面的expressions栏中 2.与expression栏中空白处右键,new-输入新建的表达式名称 3. 在下方的空白栏中右键-varible选择需要的变量,并根据公式进行修改 4.点击进入varibles栏,空白处右击-new-输入变量名totalpressure,在下拉框中找到之前定义的totalpressure 完成后可以在varibles栏中看到新建的...

sidxi的博客 1万+

知乎热议:同济版《线性代数》引发激烈争议!

点击上方蓝色“程序猿DD”,选择“设为星标”回复“资源”获取独家整理的学习资料!来自:机器之心你的线性代数,过了没?不论是结构力学还是人脸识别,理工类型的科研,深究之后就会发现到处都是线...

程序猿DD 1662

保姆级教程:用ROS2 Humble和Nav2从零搭建一个能自主导航的机器人小车(含SLAM建图与避障)

本文提供了一份详细的保姆级教程,指导如何使用ROS2 Humble和Nav2从零搭建一个具备自主导航功能的机器人小车,包括SLAM建图与避障。教程涵盖了硬件组装、ROS2环境配置、URDF模型创建、SLAM建图实战、Nav2导航栈配置以及系统集成调试等关键步骤,适合机器人开发初学者和进阶开发者。

weixin_30329623的博客 492

线性代数的本质

线性代数的本质 声明:这篇文章是转载,详细出处没有找到,倒是找到一处很有可能是原作者的博客,不过作者很早就没有更新了,最为重要的是下面有人提醒作者是转载的时候,作者没有回复,我也不确实是不是真的原作者。转载这篇文章主要是因为最近在学习Machine Learning的相关理论,其余其中的矩阵知识需要有清醒的认识,看完这篇文章,再回忆下研究生阶段的矩阵理论,一时之间竟然有种任督二脉打通的感觉,...

Coding、Learning and Sharing 1895

HWSD全球土壤数据下载处理

下载地址: http://www.fao.org/soils-portal/soil-survey/soil-maps-and-databases/harmonized-world-soil-database-v12/en/

江北20190411的博客 3万+

相机标定-张正友棋盘格标定法

(X,Y,Z)为在世界坐标系下一点的物理坐标 ( u , v ) 为该点对应的在像素坐标系下的像素坐标 引入齐次坐标的原因:引入齐次坐标的目的是为了升维,将坐标从二维坐标变为三维坐标。 2.相机成像过程 相机成像系统中,共包含四个坐标系:世界坐标系、相机坐标系、图像坐标系、像素坐标系。 (1)世界坐标系(,,) 描述目标在真实世界中的位置引入的参考坐标系。 (2)相机坐标系(,,) ...

qq_41275123的博客 1万+

同济版《线性代数》再遭口诛笔伐,网友:它真的不太行

明敏 发自 凹非寺量子位 报道 | 公众号 QbitAI近日,有网友在知乎开帖,将自己总结的线性代数逻辑框架分享了出来,本来仅仅只是学习分享,没想到又又又把同济版线性代数拉出来鞭尸一回。...

量子位 2796

ESP32-IDF开发之旅 外设篇④ 串口通信 Uart

ESP32-S3 UART串口通信详解 本文介绍了ESP32-S3的UART串口通信配置流程,涵盖硬件引脚分配、参数设置、数据收发等关键步骤。

单片机菜鸟哥的博客 496

如何看待同济版《线性代数》引发激烈争议?

转自 | 机器之心你的线性代数,过了没?不论是结构力学还是人脸识别,理工类型的科研,深究之后就会发现到处都是线性代数的身影。这样一门课程,要是在大一的时候学不好,可是会要命的。在国内上过...

zandaoguang的博客 771

用 i18n 驯服标准文案:SAP Fiori elements 的 UI 文本本地化与可替换实践全景

本文系统介绍了SAP Fiori elements应用中UI文本本地化的全面解决方案。从框架层与应用层文本的分类原则出发,详细解析了标准文本替换的四步法:资源准备、键值定位、模型配置和验证部署。文章特别针对不同开发场景,提供了XML、ABAP CDS和CAP CDS三种注解方式的文本覆盖写法示例。同时深入探讨了语言回退机制、表格组件标准键覆盖等关键技术细节,并指出了实际项目中的常见问题与解决方案。通过结合官方文档和社区实践,为开发人员在不破坏框架约定的前提下,实现稳定可靠的UI文本本地化提供了完整指导。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 297

Amesim应用篇-电芯等效电路模型标定

为了使计算模型更加准确,在有电芯实验测试数据的情况下,依据现有的实验数据对Amesim中的电池等效电路模型进行标定。标定的目的是为了获得更加符合项目实际情况的电芯等效电路模型,标定完的电芯可以用于搭建PACK模型,也可以用于其他虚拟实验。本文以充电标定为例,进行介绍。放电标定与充电一致。

2201_75375391的博客 1213

蓝以中老师《高等代数》第01章:代数学的经典课题,笔记

蓝以中老师《高等代数》第01章:代数学的经典课题,笔记,如下:

石贤芝 3100

通过Simulink搭建一个智能微电网能量管理系统(Energy Management System, EMS)

通过上述代码实现,您可以逐步创建一个智能微电网能量管理系统。多源能量集成:整合光伏、风力发电、柴油发电机、电池储能等多种能源资源。负荷预测与调度:基于历史数据和天气预报,预测未来负荷和可再生能源输出,进行优化调度。储能系统优化:设计合理的充放电策略,确保储能系统的高效利用和寿命延长。经济性分析:评估不同运行模式下的经济性,考虑电价、维护成本等因素。环境影响评估:分析微电网对环境的影响,如减少碳排放、提高可再生能源利用率等。硬件在环仿真(HILS)

amy_mhd的博客 314

机器学习数学基础:学习线性代数,千万不要误入歧途!推荐一个正确学习路线

机器学习数学基础:学习线性代数,千万不要误入歧途!推荐一个正确学习路线 序言 写完《机器学习深度研究:机器学习中的高等数学/微积分及Python实现》,觉得十分对不起读者,写的自己都不满意。 就像前篇所说,这种极度基础的知识是最难介绍的,我也在思考如何转变方式,把问题讲清楚。但是头条是不支持数学公式的,篇幅也受限。所以本篇文章,我想介绍一下自己的学习历程,看过不错的教材和视频推荐给大家。这样大家也能少走弯路,更全面的学到知识。 同时建议:贪多嚼不烂,求精不求多,我有自信,看过我推荐的这本书和视频,线性代数

1712

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

PCA 把数据压扁之前,先请了一台隐形的机器——奇异值分解的三段式

任意m×nm \times nm×n实矩阵AAAAUΣVTAUΣVTUUU是m×mm \times mm×m的正交矩阵,列是左奇异向量;VVV是n×nn \times nn×n的正交矩阵,列是右奇异向量;Σ\SigmaΣ是m×nm \times nm×n的对角矩阵,对角线上是奇异值σ1≥σ2≥⋯≥σr0σ1​≥σ2​≥⋯≥σr​0,其余位置全是 0。

计算机科学、人工智能、数据分析和大数据方向的研发和教学。 247

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

低温ECR-MOCVD生长(002)GaN:椭偏仪测厚与电学性能

本研究用ECR-MOCVD在Si(111)和蓝宝石衬底上低温生长GaN薄膜,蓝宝石1.0SCCM、2h样品呈完全(002)择优取向,椭偏仪测厚32.81nm,迁移率10.42cm²/(V·s)。文章梳理了生长温度、TMGa流量与生长时间对结晶取向、膜厚、粗糙度、光学带隙和电学性能的影响。

Flexfilm_的博客 390

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

从认识人工智能到理解机器学习:我的 AI 入门第一课

正式开始学习人工智能之前,我对 AI 的认识其实比较模糊:知道 ChatGPT、知道大模型,也知道现在很多岗位都在谈 AI,但如果有人问我“人工智能到底是什么”“机器是怎么学会识别一只猫的”,我未必能从头到尾讲清楚。上午的课程更偏向行业全景:人工智能的发展、研究方向、NLP、岗位分工、学习路线和 AI Coding 工具。下午的课程更偏向技术基础:机器学习的原理、有监督学习、深度学习、模型训练和评估方法。

chh563的博客 506

Hugging Face:成为机器学习界的“Github”

以下文章来源于OneFlow,作者OneFlow社区五年前,AI领域的知名研究者Andrej Karpathy发文称,传统人工编程属于“软件1.0”,“软件2

2601_96798011的博客 147

机器学习基础|监督学习、标签、回归

网约车预估等待时长依赖监督学习中的回归任务。平台利用历史订单数据,以司机实际到达耗时为标签,通过上车点、时间、运力、路况等特征训练模型。模型不断优化预测值与真实耗时的误差,最终对新订单输出连续的预估等待时间,实现精准预测。

weixin_43971465的博客 268

机器学习——混淆矩阵(待更新)

二元: true表示真实==预测,positive表示预测值=1.

m0_61175448的博客 170

Spark06_MLlib机器学习

本文是《PySpark 从入门到实战》系列收官篇,带你用 Spark MLlib 走通机器学习全流程:从三要素与 7 步标准流程讲起,剖析 KNN、朴素贝叶斯、决策树三大算法原理,再以 KNN 手写、垃圾短信分类、决策树分类、逻辑回归鸢尾花(准确率 96.67%)、K-Means 聚类(轮廓系数 0.7345)五个案例落地,最后详解 TF-IDF 文本特征与余弦相似度。全文代码可直接运行,适合有 RDD 与 Spark SQL 基础的开发者快速上手。

2301_80420058的博客 475
上一篇: 谷歌发布语义分割新数据集!
下一篇: CPU 到底是怎么识别代码的?
机器学习算法那些事
博客等级 码龄9年 1633粉丝 62原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值