【同济线性代数第五版】第二章 矩阵及其运算 本文主要介绍了矩阵的基本概念与运算规则。首先定义了矩阵的表示方法，包括m×n矩阵、方阵、行/列矩阵、对角矩阵等。然后详细讲解了矩阵的加法、数乘、乘法三种线性运算，以及矩阵转置运算的性质。特别强调了矩阵乘法不满足交换律但满足结合律和分配律。接着介绍了方阵的行列式和伴随矩阵，并给出了逆矩阵的定义、判定条件和基本性质。文章通过定理证明和实例分析，系统阐述了矩阵运算的核心概念和规律，为线性代数的学习奠定了基础。

阅读 1.1k

45赞

收藏 41
[简化版 GAMES 101] 计算机图形学 03：线性代数下 本文介绍了计算机图形学中的核心数学工具——向量叉乘与矩阵运算。向量叉乘的结果是垂直于原平面的新向量，通过右手定则确定方向，在图形学中用于构建三维坐标系和判定几何关系。矩阵运算则是图形变换的基础，包括平移、旋转等操作，需注意其不满足交换律的特性。文章还介绍了特殊矩阵（单位矩阵、逆矩阵）和向量运算的矩阵形式，为后续图形变换学习奠定基础。这些线性代数知识是理解图形学算法的关键，掌握后能更好地应对三维图形处理和相机运动模拟等进阶内容。

阅读 2.8k

72赞

收藏 67
机器学习数学基础：线性代数与概率论深度解析 本文系统梳理了机器学习所需的数学基础体系，涵盖线性代数、概率论、优化算法和概率图模型四大核心领域。通过架构图和完整代码案例，展示了数学原理在机器学习中的实际应用，包括矩阵运算、PCA降维、贝叶斯推理、梯度下降优化等关键技术。文章包含真实数据验证和性能对比分析，提供了从理论到实践的完整学习路径。特别强调数学基础对模型理解、调参优化和算法创新的关键作用，并给出了企业级应用中的性能优化方案。最后基于13年实战经验，推荐了分阶段的学习路径和官方参考资源，帮助读者系统掌握机器学习数学基础。

阅读 1.9k

39赞

收藏 40
【同济线性代数第五版】第三章 矩阵的初版变换与线性方程组 本文介绍了矩阵的初等变换、矩阵的秩以及线性方程组的解。主要内容包括： 矩阵初等变换的三种类型及其性质，初等矩阵的定义，矩阵等价的概念及性质； 矩阵秩的定义及计算方法，秩的性质和相关定理； 线性方程组解的判定条件（定理3-7），包括非齐次和齐次方程组的解的存在性、唯一性条件，以及求解步骤和实例。 文章还阐述了矩阵的初等变换与秩的关系，以及矩阵方程的解与秩的关系。这些内容是线性代数中矩阵理论和线性方程组求解的基础知识。

阅读 896

43赞

收藏 34
一文彻底搞懂线性代数：从零基础到AI核心，这一篇就够了！ 想象一下，你要训练一个神经网络来识别猫的照片。这张照片在计算机眼里是什么？是一大堆数字（像素值）。一张100x100的彩色照片，就是100x100x3 = 30000个数字。这30000个数字组合在一起，就构成了一个高维数据。你的神经网络要做的，就是对这30000个数字进行各种运算，提取出猫的特征（耳朵、眼睛、胡须），最后判断“这是不是猫”。这一系列操作，就是线性代数在做的事情。所以，不懂线性代数，你就无法真正理解神经网络在干什么。你会变成“调包侠”，只会调用现成的函数，遇到问题无从下手。

阅读 914

24赞

收藏 6
招聘搜索引擎实战：Elasticsearch 接入与索引设计 本文介绍了Elasticsearch从安装到接口对接的全流程关键步骤，重点包括： 安装部署：推荐开发环境使用Docker快速搭建，生产环境通过官网下载，特别强调ES与IK分词器版本必须严格匹配； 客户端配置：Python项目使用异步客户端elasticsearch-py，通过单例模式管理连接，优化资源利用； 索引设计：详细解析mapping设计规范，区分text（需分词）、keyword（精确匹配）、数值/日期等字段类型的适用场景； 避坑指南：指出版本对齐、字段类型选择（如招聘人数应使用keyword而非数

阅读 468

19赞

收藏 6
【线性代数×深度学习·第二篇】线性变换：神经网络每一层在做什么，投影、旋转、缩放的几何本质 本文从几何视角解析神经网络中的线性变换，揭示每一层操作的数学本质。通过SVD分解将线性变换拆解为旋转、缩放和投影三个基本动作，分析权重矩阵如何筛选和放大关键特征方向。文章还探讨了仿射变换中偏置的作用、投影矩阵在注意力机制中的应用，以及秩和零空间对信息流的影响。通过可视化实验和代码示例，展示了神经网络层如何通过线性变换组合实现特征提取与降维，为理解深度学习模型提供了直观的数学框架。

阅读 338

7赞

收藏 7
【矩阵系列·第五篇】矩阵在深度学习中：从线性层到注意力机制，每个操作背后的线性代数 本文从线性代数视角解析深度学习的核心操作，揭示矩阵运算在神经网络中的本质作用。文章首先分析线性层的基变换特性，通过SVD分解展示权重矩阵的几何意义；然后阐述反向传播的Jacobian矩阵链式传递原理，对比手动实现与PyTorch自动微分；接着探讨权重初始化与奇异值分布的关系，解释He初始化的有效性；最后剖析BatchNorm、注意力机制等模块背后的矩阵运算本质。全文通过数学推导与代码验证相结合的方式，帮助读者建立深度学习与线性代数的深刻联系，从而更本质地理解神经网络的工作原理。

阅读 773

16赞

收藏 25
行列式计算方法4种核心技巧总结（线性代数第二篇） 本文系统介绍了行列式计算的四大核心方法及其适用场景。化三角法适用于普通数值矩阵，通过行变换转化为三角矩阵计算；拉普拉斯展开适合含较多零元素的行列式，可按行/列展开降阶；爪形行列式针对特殊结构矩阵，有专用计算公式；Vandermonde行列式适用于幂次结构，利用"后减前全排列"口诀快速求解。文章强调解题关键在于先选择方法而非直接计算，并提供了方法选择流程图：优先考虑化三角，其次看零元素决定是否展开，最后检查特殊结构。每种方法都配有典型例题和分步解析，帮助读者掌握不同场景下的最优解法策略。

阅读 9.1k

16赞

收藏 12
线性代数 - 奇异值分解（SVD Singular Value Decomposition）- 计算顺序 旋转→拉伸→旋转 flyfish

阅读 1.7k

20赞

收藏 24
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 1.9k

22赞

收藏 17
作者推荐
AI矩阵涌现
从原理到工程化落地 | 分享AI学习与思考 | gzh同名
关注
工头阿乐
程序员，发挥余热。
关注
李乾文
本博客内容涵盖嵌入式硬件、软件前后端开发，目前侧重量子计算、生命科学和人工智能领域研究
关注
进销存研究所
前SaaS产品经理|专注进销存/ERP/收银系统的技术测评
关注
白小泽AI获客
独角兽科技，AI全球获客+AI矩阵系统+AI大健康+跨境电商
关注
像素寻幽
CADCG计算机视觉实验室
关注
云酷德
HELLO WOCAO.
关注
田先生@
10+年企业生产及供应链业务管理、11年企业管理咨询、实施经验，涉及企业数字化转型变革、供应链业务变革、精益管理推进（现场改善、降本增效改善）、数字工厂规划、MOM蓝图及整体流程设计等领域。 主导在电子、通讯、五金加工、机械加工、医用制品等行业及多个集团性业务流程变革的整体项目，从客户需求、核心成员组建，整体项目规划，帮助企业在精益生产、数字化转型、供应链变革、企业信息化咨询等多个领域成功进行项目推进与落地。
关注
深泓点
R2learning
关注
安卓苹果群发系统
TikTok 矩阵手机群控系统自研服务商，深耕海外流量运营技术赛道多年，提供适配平台规则的合规定制化方案，解决多账号批量管控痛点，技术赋能跨境商家高效起量、稳定变现。
关注