线性代数_数学博客-专业IT技术发表平台

推荐付费专栏 VIP文章

线性代数第六讲——二次型摘要：二次型是由n元变量构成的二次齐次多项式，可表示为矩阵形式$f=x^TAx$，其中A为实对称矩阵。化二次型为标准型的方法包括配方法、合同变换法和正交变换法。配方法直观但繁琐；合同变换法系统性强；正交变换法通过特征值对角化，几何意义明确。标准形仅含平方项，规范形系数为1、-1或0，由正负惯性指数唯一确定。正定二次型的判定需满足矩阵A的所有特征值为正，或通过顺序主子式全为正等条件。正交变换法步骤包括求特征值、特征向量正交化及构造正交矩阵P，最终化为标准形$f=\lambda_1y_1^2+\cdots+\

阅读 1.1k

22赞

软件架构师何志丹

【数学线性代数】差分约束 x系列是变量，y系列是常量，差分系统由若干如下不等式组成。x1-x2 <= y1 x2-x3 <= y2 $\cdots$

阅读 3.9k

121赞

线性代数-3Blue1Brown《线性代数的本质》矩阵与线性变换（4）本文摘要：文章解析了线性代数中线性变换的核心概念，通过二维平面的几何变换直观展示线性变换的本质。线性变换需保持直线性、原点固定和网格平行等距。矩阵被视为变换的"动作说明书"，其列向量表示变换后的基向量位置。任何向量的变换结果可通过基向量的线性组合计算得出，具体公式为矩阵与向量的乘法运算。理解矩阵应关联其对应的空间变换动画，而非仅视作数字阵列。

阅读 901

21赞

深度学习数学基础（一）——线性代数、线性代数和微积分本文系统讲解了深度学习所需的三大数学基础：线性代数、概率统计和微积分。在线性代数部分，重点解析了向量、矩阵、张量的概念与应用，矩阵乘法、张量操作（reshape/transpose/broadcast）的实现原理，以及特征值分解和SVD在模型分析中的作用。概率统计部分阐述了概率分布（特别是多项分布在语言模型中的应用）、最大似然估计与神经网络训练的关系、KL散度作为损失函数的本质。微积分部分则着重讲解了偏导数、链式法则在反向传播中的核心作用，以及梯度下降优化算法的数学原理。全文通过具体示例（如Transfor

阅读 1.0k

34赞

【C++】哈希表基础：开放定址法 & 什么是哈希冲突？哈希是高效的数据组织方式，虽有不同实现形式但各有适用场景，哈希冲突是其使用哈希函数映射时的必然问题。

阅读 81

1赞

线性代数与最优化问题解析本文围绕线性代数与最优化问题展开，涵盖矩阵特征值、向量组线性无关性、可行解验证与几何最优性分析、2×2矩阵特征值性质以及概率矩阵下的期望成功率计算。通过数学推导和实例验证，展示了理论在实际问题中的应用。

阅读 796

15赞

线性代数：向量、张量、矩阵和标量标量是数学中的一个基本概念，它表示一个单独的实数，没有方向或位置。在数学表示中，我们通常用小写字母表示标量，例如 a 或 x。向量是有序的一维数组，其中包含多个标量元素。每个元素都有一个索引，表示其在向量中的位置。在数学表示中，我们通常用小写粗体字母表示向量，如v。矩阵是一个二维数组，其中包含多个标量元素，这些元素按行和列排列。在数学表示中，我们通常用大写字母表示矩阵，如 A。在线性代数里面可以简单的将张量理解为一个多维数组，可以包含标量、向量和矩阵。在数学表示中，我们通常用大写粗体字母表示张量，如T。

阅读 5.2k

25赞

线性代数-学习日记线性”的核心思想：是“按比例缩放”再“叠加”。比如函数f(x) = kx，输入x扩大几倍，输出f(x)就扩大几倍，这就是最简单的线性。，即对每个向量进行缩放（乘以系数c）然后再加起来。“相关”与“无关”的根本区别：在于是否存在“内在依赖关系”。线性相关：在一组向量中，至少有一个向量是“多余的”，它可以被组内其他向量通过线性组合（缩放再叠加）精确地“复制”出来。这意味着这个向量没有提供新的“信息”或“方向”。线性无关：组内的每一个向量都是“独一无二”、不可替代的。

阅读 1.1k

28赞

线性代数中的基变换：理解、应用与重要性基变换是线性代数中一个强大而优雅的工具，它让我们能够选择最适合特定问题的"视角"来观察向量空间。通过掌握基变换，我们不仅能够简化计算，还能更深入地理解线性变换的本质结构。记住，优秀的数学家不仅会解决问题，还会选择最合适的基来使问题变得简单！

阅读 878

22赞

卐流年飘渺卍

C语言学习第九天凭记忆写的，也巩固了自己，剩下的代码也完成了一半，实现了玩家和电脑下棋，电脑是随机下，循环找到一个没被玩家占用的数组位置，即board[i][j]为空格的，就修改为'#'，玩家下棋时也会对该元素是否为空格进行判断，是就修改为'*',不是就让重新下个位置，剩下就没了，暂时没写胜利要求的代码，白天继续。二维数组arr[3][4],它的arr[0]代表着第一行的一维数组，相当于存着3个包含4个元素的一维数组。if(i<row-1)//在中间分隔用，总是行数-1的数量。

阅读 972

32赞

线性代数的艺术：图解矩阵运算与分解你是否曾经在学习线性代数时感到困惑？面对抽象的矩阵运算和复杂的数学公式，很多学习者都会遇到理解障碍。传统的线性代数教学往往过于注重代数推导，而忽略了直观的几何意义和可视化表达。这正是《线性代数的艺术》项目的价值所在——通过创新的图解方式，将抽象的矩阵概念转化为直观的视觉表达，让线性代数变得生动易懂。本文将带你深入探索矩阵运算与分解的艺术世界，通过丰富的图解和实例，彻底改变你对线性代数的认知。...

阅读 409

3赞

线性代数学习笔记之矩阵矩阵基础知识

阅读 9.4k

28赞

【11408学习记录】考研数学精讲：线性代数公共解与同解方程组全解析【11408学习记录】考研数学精讲：线性代数公共解与同解方程组全解析详细记录线性怠速——两个方程组的公共解与同解方程组的重要知识点，并通过每日一句巩固长难句分析能力……

阅读 1.2k

5赞

机器学习实操项目01——Numpy入门（基本操作、数组形状操作、复制与试图、多种索引技巧、线性代数）本文介绍了NumPy的核心概念与基本操作。主要内容包括：基本概念：NumPy的核心是多维数组ndarray，包含ndim（维数）、shape（形状）、size（元素个数）、dtype（数据类型）等重要属性。数组创建：多种创建数组的方式，包括np.array、np.zeros、np.ones、np.empty等，以及np.arange和np.linspace生成序列的方法。数组打印：NumPy的数组打印规则，包括一维、二维和多维数组的显示方式。基本运算：数组支持元素级算术运算、矩阵运算等

阅读 1.0k

31赞

20.【线性代数】——坐标系中，平行四边形面积=矩阵的行列式有向量(a,b)和（c,d）组成的平行四边形面积，等于构成矩阵的行列式

阅读 1.9k

29赞

广义预测控制（GPC）算法设计与工程实战详解系统在有限时间内由任意初态转移到原点的能力。构造能控性矩阵：若 $ \text{rank}(\mathcal{C}) = n $，则系统完全能控。

阅读 958

20赞

算法工程师的数学武器库：线性代数核心知识点全解析摘要：本文系统梳理了算法工程师必备的线性代数核心知识。从向量运算、矩阵操作到特征分解，结合代码实例演示了其在机器学习中的实际应用，包括余弦相似度计算、线性回归和PCA降维等关键场景。全文以实践为导向，帮助读者建立扎实的数学基础，提升算法实现能力。（150字）

阅读 924

25赞

仲凌毅Kenneth

告别线性代数困境：matrix4cj密集矩阵运算库的5大实战突破你是否还在为线性代数运算中的矩阵构造效率低下而烦恼？是否因数值稳定性问题导致计算结果偏差？是否在寻找一个轻量级却功能完备的线性代数工具？本文将全方位解析matrix4cj——这款专为密集矩阵运算优化的线性代数库，通过5个实战场景带你掌握从矩阵构造到复杂分解的全流程解决方案。读完本文，你将获得：- 3种零冗余矩阵初始化方法- LU/Cholesky分解的工程化实现指南- 数值稳定性监控的4个关...

阅读 324

4赞

线性方程求解 renewcommand{\labelenumi}{\arabic{enumi})}%修改序号样式。选主元是通过利用置换矩阵 (也称排列矩阵) 对行进行交换来实现的, 设。\subsection{cholesky分解算法}\subsection{对称正定线性方程组}\subsection{LU分解过程}\section{线性方程直接求解}\section{特殊方程组的求解}\subsection{LU分解}\subsection{算法实现}\section{选主元LU分解}\subsection{算法}

阅读 690

9赞

恋恋不忘，必有回响

从深度学习角度看线性代数线性代数

阅读 1.4k

19赞

程序员勇哥

线性代数-第9篇：二次型与正定矩阵：优化问题的数学基础在人工智能、量化投资和大数据分析中，优化问题无处不在，比如机器学习的损失函数最小化、量化投资组合的风险最小化等。而二次型与正定矩阵作为线性代数中的重要概念，为解决这些优化问题提供了坚实的数学基础。本篇将深入解析它们的原理及其在实际场景中的关键应用。二次型是一个关于向量 x\mathbf{x}x 的二次齐次函数，其一般形式为：[f(\mathbf{x}) = \mathbf{x}^T\mathbf{A}\mathbf{x} = \sum_{i=1}{n}\sum_{j=1}{n}a_{ij}x_ix_j

阅读 208

0赞

Bend语言数值计算库：线性代数并行实现在大数据和人工智能时代，数值计算的效率直接决定了算法的可行性。传统线性代数库在处理大规模矩阵运算时往往受限于单核性能，而Bend语言（一种大规模并行的高级编程语言）通过其独特的并行模型，为线性代数运算带来了革命性的性能提升。本文将深入探讨如何利用Bend语言的并行特性实现高效的线性代数库，从基础数据结构到复杂算法，全面展示Bend在数值计算领域的强大能力。读完本文，您将能够：- 理解Bend...

阅读 1.1k

26赞

作者推荐

Z13283717415: 矩阵，数字人，碰一碰，GEO优化，源码搭建

关注

谭老师AI商业分享: 深耕AI领域工具应用商业落地，专注AI教学，致力于全民提升AI技能

关注

冰河世纪20: 喜爱运动，更喜欢技术！

关注

短视频矩阵源码定制: Ai剪辑矩阵系统定制与开发 GEO、SEO优化落地，xiaoxiang8842

关注

ScilogyHunter: 一码流年雨疏疏，莫道E人岁月蹴。。。

关注

蒙奇D索大: 给排水跨专业零基础学习计算机，现已获得《腾讯云创作之星》成就，目前还在努力……

关注

中之创科技(dos8890昵称找我): TA很懒，还没有添加简介

关注

汉密士2025: 数理自学者（我好像虚度了好多光阴！）

关注

YaraMemo: 保持输入，不断迭代，精准输出。

关注

AI Chen: 悟已往之不谏，知来者之可追。实迷途其未远，觉今是而昨非。

关注