【高等几何 线性代数】正交矩阵、正交变换、齐次矩阵 本文系统探讨了二阶正交矩阵与几何变换的关系。首先定义了正交矩阵的基本性质，指出旋转矩阵和反射矩阵都是正交矩阵的特例。通过数学推导证明所有二阶正交矩阵均可表示为旋转或反射矩阵。文章引入齐次矩阵处理平移变换，并分析了仿射变换的等效操作顺序问题，提出任意仿射变换可分解为缩放、旋转和平移的组合。最后提及更复杂的矩阵分解方法（QR分解、极分解）和高级变换表示，为CAD等应用场景中的几何变换问题提供了理论基础。文中包含详细的矩阵运算示例和几何解释，适合需要深入理解二维几何变换的读者。

阅读 4.9k

42赞

收藏 36
汉代刘徽的九章算术：方程组的求解，行列式的前奏，线性代数的开端 《九章算术》是中国古代数学经典，最早提出负数概念和线性方程组解法。全书共九章，第八章"方程"专门论述多元线性方程组，采用矩阵法求解，堪称线性代数开端。新加坡学者蓝丽蓉通过研究提出，印度-阿拉伯数字系统可能源自中国算筹。书中解题格式严谨，包含已知条件、问题、答案和计算方法，其中线性方程组解法虽未形成行列式概念，但已具备相关推导思路。该著作不仅开创了"方程"这一数学术语，还孕育了从常数项到函数项的行列式发展雏形，对世界数学发展产生深远影响。

阅读 1.0k

12赞

收藏 7
【同济线性代数第五版】第五章 相似矩阵及二次型 本文主要介绍了线性代数中的几个核心概念：向量内积、正交性、特征值与特征向量、相似矩阵、对称矩阵对角化以及二次型。首先阐述了向量的内积运算和正交性判定，并介绍了施密特正交化方法。接着讨论了矩阵的特征值与特征向量的定义及性质，证明了不同特征值对应的特征向量线性无关。然后介绍了相似矩阵的概念及其与对角化的关系，指出n阶矩阵可对角化的充要条件是有n个线性无关特征向量。特别地，对于对称矩阵，证明了其特征值为实数，不同特征值对应的特征向量正交，并给出了正交对角化的具体步骤。最后简要提及二次型及其标准形的概念。这些内容为

阅读 865

41赞

收藏 37
git使用手册

阅读 85

0赞

收藏 0
AI/ML工程师的数学基石：概率统计、线性代数与微积分的完整学习路线图 在一家专注实时推荐的AI团队里，模型上线后对老用户预测精准，对新用户却持续失准。排查代码、特征、超参都无效，最终发现根源在于训练数据采样未能代表真实分布，以及优化过程中梯度行为与理论预期严重偏离。这类问题在生产环境中反复出现：它不是“调包”能解决的表面bug，而是对数据生成机制、向量空间结构和优化动态缺乏系统直觉的必然结果。概率统计、线性代数与微积分，正是把AI从“能跑通demo”升级为“能在真实分布下稳定迭代”的三根支柱。下面这张逻辑架构图清晰展示了三者如何层层支撑：fill:#333;

阅读 759

21赞

收藏 5
线性代数矩阵分解 --- QR分解 QR分解摘要 QR分解将任意矩阵A分解为正交矩阵Q与上三角矩阵R的乘积（A=QR），具有数值稳定性高、计算效率强的特点。其核心在于通过Gram-Schmidt等正交化方法，为A的列空间构建标准正交基（Q），并记录坐标变换（R）。分解形式包括完全QR（方阵Q）和经济型QR（紧致形式）。Gram-Schmidt算法分为经典（CGS）和修改版（MGS），后者数值稳定性更优。重正交化技术可进一步提升正交性。QR分解在最小二乘、特征值计算等问题中广泛应用，是数值线性代数的基石之一。（149字）

阅读 941

18赞

收藏 12
向量空间奇遇记：当线性代数遇上AI，一场高维世界的爱情故事 向量空间，说白了就是一个由向量组成的“部落”。规矩1：部落里有酋长（零向量）text[0, 0, 0] # 啥也没有，但很重要！零向量就像部落里的“酋长”，每个成员见到它都要打个招呼。规矩2：结婚要在部落内（加法封闭性）text如果 v 和 w 在部落里，那么 v + w 也必须在部落里就像部落规定：只能和部落里的人结婚，不能和外族通婚。规矩3：生孩子也要在部落内（数乘封闭性）text如果 v 在部落里，那么 3×v、0.5×v、-2×v 也必须在部落里。

阅读 894

16赞

收藏 21
房产行业AI电销获客案例？ 千阶智能的答准率 99%、答优率 90%+，靠的是四层能力闭环：先对海量真实提问做语义聚类（找出问题本质类别而非表面措辞），再做语义重塑（把口语化模糊表达重构为标准查询意图），然后用大模型校验答案的事实正确性（规避幻觉输出），最后通过后向强化学习从每次对话反馈中持续优化。答准率指“回答正确且可用”，这才是客户体验的分水岭。行业覆盖上，千阶在金融、教培、电商、汽车、医疗、政务、房产、养老、包机、企业服务等 10+ 行业有沉淀方案，支持公有云、私有化、离线三种部署，最快 1 天上线，服务可用性 99.95%。

阅读 51

0赞

收藏 0
Python NumPy - 线性代数运算 矩阵的逆与行列式 在现代科学计算和数据分析中，线性代数扮演着至关重要的角色。从机器学习算法到图像处理，从金融建模到物理仿真，矩阵运算无处不在。NumPy作为Python生态系统中最基础也是最重要的数值计算库，为我们提供了强大的线性代数运算功能。今天，我们将深入探讨NumPy中的两个核心概念：矩阵的逆和行列式。这两个概念不仅是线性代数理论的基础，更是在实际应用中解决各种问题的关键工具。在开始深入了解之前，让我们先简单回顾一下矩阵的基本概念。矩阵是一个按照长方阵列排列的复数或实数集合，用方括号括起来。矩阵的行数和列数决定了它的维

阅读 6.9k

17赞

收藏 10
[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 3.0k

72赞

收藏 67
特征向量：数据科学中真正能拧螺丝的线性代数工具 特征向量是线性代数的核心概念，本质是线性变换下保持方向不变的向量，其对应的特征值量化该方向的数据方差与信息密度。在数据科学中，它构成PCA降维、谱聚类、图神经网络和异常检测等技术的数学基础——协方差矩阵的特征向量定义主成分方向，拉普拉斯矩阵的特征向量支撑图上的傅里叶分析。工程实践中，实对称矩阵的特征分解（如eigh）保障正交性与数值稳定性，而特征值谱的分布直接指导降维维度选择（k值）与噪声过滤。本文聚焦真实数据流中的特征向量计算、调试与故障排查，覆盖中心化陷阱、病态矩阵处理、符号任意性等高频问题，助力工程师

阅读 328

10赞

收藏 7
【滚雪球学数学建模】第3.1节·线性代数建模基础教程：从矩阵到最小二乘法的完整指南 🎓 本文收录于 《滚雪球学数学建模》专栏，本专栏专注于从零基础出发，带你循序渐进掌握数学建模的核心方法与思维路径。通过“滚雪球式”学习法，从最简单的生活化案例到经典建模工具，再到省赛、国赛真题实战演练，逐步积累知识与技能，帮助你搭建完整的建模体系。无论你是刚接触建模的新生，还是希望提升科研与竞赛能力的学者与工程师，本专栏都将为你提供一条清晰、高效、可实操的建模成长路线，助力你快速进阶，突破难点，迈向数学建模竞赛与实际应用的更高峰 🚀！

阅读 1.0k

27赞

收藏 27
作者推荐
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
赟爸
一个爱学习的70后大叔，喜欢摄影，旅游和写字
关注
ruchong001
我喜欢做喜欢做的事情。。。。
关注
liurui202344
六根清净方为道，退步原来是向前
关注
大拿爱科技
python天下第一
关注
学渣小呆呆
南京理工大学研二在读。通信感知一体化方向
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
ssl_xxy
这是一个蒟蒻
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
极客不孤独
总是改变不了对技术的贪婪
关注