webor2006的博客

完美的对称矩阵：定义：在上一次线性代数学习之特征值与特征向量 - cexo - 博客园学习了矩阵的特征值和特征向量相关的概念，这次则继续延展上一次的内容，这次则来学习对称矩阵，其标题上加了“完美”俩字，因为对于对称矩阵拥有非常好的性质，使得这次的学习主线就是对称矩阵，借助对称矩阵可以处理任何矩阵，把任何矩阵分解成希望的形式，也就是矩阵的SVD分解，下面就来看一下为啥对称矩阵是“完美”的。先来看一下对称矩阵的样子：而要注意这里说的对称是指：并不是看主对角一样就说是对称矩阵哟，再来看

什么是特征值和特征向量：在上一次线性代数学习之行列式 - cexo - 博客园学习了行列式相关的一些概念，其中也多次提到学好行列式是为了学习“特征值和特征向量”的基础，所以此次就正式进入这块内容的学习，也是线性代数中非常重要的概念，因为它又是线性代数其它重要概念的基石比如矩阵的相似性等等，当然这一块的学习也是比较抽象的，得耐住性子一点点来挼，也是就一定得要慢！！！也是方阵的一个属性：在正式学习特征值和特征向量之前，先站在一个更高的角度来看一下它们是一个什么？在上一次学习行列式时就说它是方阵的一个

行列式：什么是行列式？继续接着https://www.cnblogs.com/webor2006/p/14389150.html往下学习，这次则来学习行列式相关的知识，其实很多线性代数教材都是一开始从行列式开始学习， 而咱们的学习并不是这样的，这是因为行列式和矩阵以及空间的基等概念有密切的联系，而很多国内的教材都比较注重行列式的具体计算，但是呢这里重点不是关注它的计算，而关注它的性质，了解清楚它的本质【你了解了本质再去看它的计算也会非常的容易】，为后续特征值与特征向量的学习打下非常坚实的基础。回

空间的基和坐标系：继续接着上一次线性代数学习之正交性，标准正交矩阵和投影往下学习，前面已经详细的学习了什么是空间、什么是向量空间、什么是子空间，在此基础上又知道了对于一个空间来说基是很重要的属性，并且对于一个空间来说其实是有无数组基的，而我们比较感兴趣的通常是正交基和标准正交基，当然这不是所有的情况，在不同的领域中会对不同的基感兴趣，既然一个空间存在这么多种不同的基，就会涉及到空间中的一组基跟另外一组基是怎样变换的，这也是此次所要研究的话题，具体就是要了解坐标转换和线性变换两个概念，而这里先来从坐标转换

正交基和标准正交基：前言：经过上一次线性代数学习之向量空间，维度，和四大子空间的学习，对于空间的概念已经有了非常深刻的认识了，而描述空间很重要的方式除了维度以外，那就是空间的基了，而如小标题所示就是跟空间的基相关，所以先来回忆一下空间基的相关概念：“一个n维空间任何一组线性无关的向量，都是这个n维空间的一组基”，比如之前举的二维平面的例子：但是！！实际为了研究方面还是喜欢这样的一组基，也就是咱们此次要研究的正交基：这是因为在空间中任意取出一个点的话：很容易通过正交基来描述

空间：在上一次https://www.cnblogs.com/webor2006/p/14306046.html学习了诸多在线性代数中非常核心的概念(线性组合、线性相关、线性无关、生成空间，空间的基...)，这次则继续学习重要的核心概念(空间、维度、四大子空间)。在之前的学习中用到了很多的“空间”这俩词，比如二维空间、三维空间，n维空间，但是一直还木有严谨的对它进行定义，而数学又是一门非常讲究...

求解矩阵的逆：接着https://www.cnblogs.com/webor2006/p/14280299.html继续往下学习，在上一次中学习了线性系统以及它的求解， 在之前https://www.cnblogs.com/webor2006/p/14271706.html的学习矩阵的逆时遗留了一个问题，回忆一下：由于已经学习了线性系统的求解了，所以此时就可以来解答这么一个遗留的问题了，先...

继续接着上一次https://www.cnblogs.com/webor2006/p/14306045.html的线性代数的学习继续向前，这次则开始要接触线性代数领域更加核心更加关键的内容：什么是线性相关？什么是线程无关？什么是生成空间...下面开始。线性组合：先来回忆一下https://www.cnblogs.com/webor2006/p/14245895.html向量的两个最基本的运算...

今天是最后一天上班，所以打酱油的时间充分，想着明天就要坐上爱心的突突车返乡了内心真是激动万分呀，既然要过大年了，基本上期间写博客的心思也应该跑得九霄云外了，所以安耐住激动的心必须年前搞一发，也提前预祝各位赏光的大佬们春节快乐~~今年的学习其实落下很多，如kotlin项目、flutter项目、ios、java并发、jvm、算法与数据结构，java全栈，android架构。。。。还想学的有基金理财、...

矩阵变换和矩阵在图形学中的应用：前言：在上一次https://www.cnblogs.com/webor2006/p/14265708.html中已经对于矩阵有了比较详细的了解了，这里则来看一下矩阵的一些具体应用，主要是在图形变换中的应用。其实之前在介绍矩阵其实就是向量的函数时就举了一个转换的应用了，回忆一下：其中矩阵T就是transform的意思，这里就可以用一个抽象视角来看的话：...

前言：从今天起开启一门新课程的学习，如标题所示那就是大学的数学课本之一----线性代数，为什么要学它呢？因为这周收到领导的技能考核通知【每年一次，超恶心的】，当时收到这消息真是万马奔腾。。还要向高考一样把你给考倒不成不~~更何况对于学渣都不是的我只对“线性代数”这四个名词有印象，而对于它里面的内容全都交还给了老师，这块准一考一个倒。当然无它法喽，恶补，另外其实跟自己内心的学习计划刚好相撞了，上...

继续跟着上一次https://www.cnblogs.com/webor2006/p/14245895.html的对线性代数进行恶补，最近这块的学习时间会分配多一些​，因为要被考了嘛不捉急一点，这里依然是对向量的一个探讨~~当然依然是概念很多，也很枯燥，但是理解这些基础也是在之后学习更深入的学习线性代数必经之路，数学本身是一个非常严谨的学科，中间落了任何环节对于后面的学习都会受到影响，所以切勿焦...

什么是矩阵：继续接着上一次https://www.cnblogs.com/webor2006/p/14257300.html的线性代数往下学习，前两次的学习都是跟Vector相关的，也就是学习线性代数这里是从Vector开始，而实际上人们一谈到线性代数第一想到的不是向量，而是矩阵【Matrix】。对于矩阵的样子应该都比较熟悉：也就是将数排成m行，n列。那它的由来其实可以这样理解：向量是对数...