【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 3.1k

120赞

收藏 67
线性代数学习笔记之特征值与特征向量 特征值与特征向量基础知识

阅读 8.0k

40赞

收藏 48
【机器学习】在向量的流光中，揽数理星河为衣，以线性代数为钥，轻启机器学习黎明的瑰丽诗章 本文将带你从零开始认识线性代数的核心概念，通过亲切易懂的例子与代码示范，帮助你不再惧怕数学的陌生面孔。无论你是刚入门的机器学习初学者，还是想要夯实基础的进阶者，这篇文章都将为你揭开数据表示、特征提取、参数求解背后的理性之美。读完后，你将对向量与矩阵有更直观的认识，也能初步领略特征值、奇异值分解等进阶知识在模型构建中的关键作用，为日后深入探索机器学习世界打下坚实而充满信心的起点。

阅读 5.9k

227赞

收藏 228
**投影（Projection）** 是数学和计算机科学中的一个重要概念，广泛应用于几何学、线性代数、数据库和图形学等领域 投影是一个多领域通用的概念，核心思想是将高维数据映射到低维空间。接下来是图形投影方法，这可能涉及到计算机图形学中的投影算法，比如正交投影和透视投影。引用[3]中提到了光栅图形生成算法和真实感图形计算，这些内容可以用来解释投影方法的技术细节。同时，引用[2]中的视线方向计算和投影面向量投射也可能相关，需要结合这些内容说明如何计算视觉距离和投影方向。

阅读 923

20赞

收藏 14
【数学】泰勒公式 泰勒公式讲解及考点

阅读 6.6k

75赞

收藏 97
互斥与独立在组合数学、概率论、线性代数中的理解 互斥组合数学：两个事件不能同时发生。概率论：两个事件不能同时发生，即PA∩B0PA∩B0。线性代数：两个向量正交，内积为零。独立组合数学：两个事件的发生互不影响。概率论：两个事件的发生互不影响，即PA∩BPAPBPA∩BPAPB。线性代数：两个向量不相关，协方差为零。通过在不同数学领域中的类比，可以更全面地理解互斥与独立的概念及其应用。这些概念在各自的领域中都有重要的应用，理解它们的本质有助于解决实际问题。

阅读 1.0k

11赞

收藏 9
线性代数中的几何——直观理解线性代数本质 从几何视角直观讲解线性代数的本质

阅读 1.3k

44赞

收藏 19
行列式——详解 置换逆序数。手动计算较低阶的行列式可以采用这种方法，它的时间复杂度为阶乘量级。使用记号 表示排列 的逆序数， 为全体长度为 的排列构成的集合。记号：表示的 阶行列式是指 项的代数和，这些项是一切可能的取自方阵 中不同的行与不同的列上的 个元素的乘积。项 前面的符号是 ，也就是说，当 是偶排列时，符号为正，当 是奇排列时，符号为负。对于二三阶行列式的对角线法则，事实上就是采用了全排列定义。四阶以上行列式不再适用于对角线法则，也是同样的原因。特别地，一阶行列式就是元素本身。

阅读 930

18赞

收藏 5
LaTex公式编写 在markdown中引用latex，用latex来表示公式。

阅读 1.5k

9赞

收藏 21
机器学习之线性代数 向量，在数学上被定义为既有大小又有方向的量，在实际应用中常以有序数字列表的形式呈现。例如在一个三维空间中，向量[1, 2, 3]表示从原点出发，在x轴方向移动1个单位，y轴方向移动2个单位，z轴方向移动3个单位后到达的点所构成的向量。在AI领域，向量的用途极为广泛。在图像识别任务中，图像的特征，如颜色直方图特征，可以用向量来描述。假设我们将图像的颜色空间划分为若干个区间，通过统计每个区间内像素点的数量，就可以得到一个向量，这个向量能够反映该图像在颜色分布上的特点。

阅读 1.4k

32赞

收藏 24
作者推荐
VVV15389042217
找我：TKwangzha
关注
Leweslyh
我们的征程是星辰大海！
关注
HE1029
深圳大学22级统计学专业本科生
关注
悦儿哥敲代码（llyy9921)
美少女程序员，发量拙见稀疏中。。。
关注
井云智能AI矩阵系统
基于ai驱动的批量剪辑+矩阵发布系统
关注
Ahu_iii
开始掉头发的大一在校生
关注
汉密士2025
数理自学者（我好像虚度了好多光阴！）
关注
*Major*
推崇费曼学习法和思维导图相结合的学习方法；崇尚以证而论的务实之学风；不积跬步无以至千里，不积小流无以至江海；森罗万象，德化为一！
关注
老了,不知天命
數學，物理，Python，Matlab
关注
还有你Y
学如逆水行舟，不进则退
关注