既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上C C++开发知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
目标:对电科所学的《矩阵理论》进行以自己的方式进行回顾总结。
第一章
一、线性空间及分解
线性空间:对于非空集合V,若V中的任意两个向量及数域P上常数k,满足交换律、数乘、结合律、分配律等共计8个运算条件,则称V为数域P上的线性空间。即线性空间内部的运算封闭。
线性空间的基和维数:在V中有n个线性无关向量,而V中任意n+1个线性向量都线性相关,则称该n个向量是V的一组基,n是线性空间的维数。
线性子空间:如果数域P上的线性空间V的一非空子集W,对于V的两种运算也构成线性空间,则称W是V的线性子空间。(引入平凡子空间概念)
线性空间普通分解:V1、V2是线性空间V的线性子空间,则可普通分解(V1、V2可能有交集)。此时dim(V1) + dim(V2) =dim(V1+V2)+dim(V1^V2)
线性空间直和分解:若线性子空间V1、V2中各取任意分向量a,b,那么对应的a+b向量唯一且来自线性空间V,那么称作直和分解。此时,V1+V2是直和;零向量表示法唯一,V1、V2交集为0.
二、特征值及特征向量
Ax=(Lambda)x (Lambda代替罗马字母), 则Lambda叫做A的特征值,x叫做A的属于特征值Lambda的特征向量。
A的所有特征值的全体,叫做A的谱。几何重数小于等于代数重数。
矩阵A可对角化,则存在可逆矩阵P满足:P的逆*A*P=对角阵diag。表示A有n个线性无关向量。
任意矩阵可由Jordan标准形表示,存在可逆矩阵P满足:P的逆*A*P=J=Jordan标准形构成的对角阵。
线性变化与矩阵的关系,与矩阵特征值的关系。
广义特征值问题。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**