导论与介绍 ¶
约 924 个字 预计阅读时间 4 分钟
相关课程
智云链接：2024 秋冬
教师：程磊（老师特别有意思hhh）
上课风格：课前会有同学来帮助回顾上节课的内容，老师推导也特别清楚，会联系到一些与其他课程相关联的例子
workload: 过程作业题目3 + 大作业1 + A4 考试
作业 25%+ 实验 10%+ 课堂表现 5%+ 半开卷考 60%
教材是：张贤达的《矩阵分析与应用》
旁听友好
链接：
教师：Gilbert Strang
还没上过
链接：龙强线性代数与矩阵分析
教师：龙强
上课风格：
QiangLong2017/Matrix-theory: 本仓库用于存储《线性代数与矩阵分析》课程课件
【矩阵分析第一讲 什么是矩阵分析 线性系统】https://www.bilibili.com/video/BV1p44y1h78d?vd_source=b38d40e4ee48a659bc5c5113dcf1c249
学矩阵论的目的：
- 用矩阵的语言去建模遇到的数学问题
- 教学的宗旨应该是教会学生 老师是如何思考的 —— 程磊
TODO¶
- 第 11 讲 优化与统计的联系
- 第 7 讲 - 雅可比矩阵的辨识
- 步长的选择方法没听懂
大纲 ¶
| 课程内容 | 学时 |
|---|---|
| 矩阵代数基础 | 6 学时 |
| 特殊矩阵 | 2 学时 |
| 矩阵微分 | 4 学时 |
| 梯度分析与最优化 | 4 学时 |
| 矩阵方程求解 | 2 学时 |
| 特征分析 | 4 学时 |
| 奇异值分析 | 4 学时 |
| 子空间分析 | 2 学时 |
| 习题 | 4 学时 |
Acknowledgement¶
.
01-textbook
MatrixCookBook.pdf
nonlinear-programming.pdf
矩阵分析与应用 张显达.pdf
矩阵论_戴华.pdf
控制论中的矩阵计算_徐树方.pdf
最优化：建模、算法与理论.pdf
02-slides
Slide1.pdf
Slide2.pdf
Slide3.pdf
Slide4.pdf
Slide5.pdf
Slide6.pdf
Slide7.pdf
Slide8.pdf
Slide9.pdf
Slide10.pdf
Slide11.pdf
Slide12.pdf
Slide13.pdf
Slide14.pdf
Slide15.pdf
03-homework
answer/
Homework1.pdf
Homework2.pdf
Homework3.pdf
习题解答.pdf
04-review
Review10.pptx
Review11.pdf
Review3.pdf
Review4.pdf
Review5.pdf
Review6.pdf
Review7.pdf
Review8.pptx
Review9.pptx
思维导图 - Oddyti.xmind
最后一次的课前复习.pdf
05-exam
A4
A4 - 8h5d233.jpg
A4 - 8h5d2333.jpg
A4 - pcs.pdf
A4 - Vega.pdf
A4 - 陈归忱.pdf
A4 - 戈炎-2.webp
A4 - 戈炎.webp
历年卷
16.pdf
17.pdf
18.pdf
19-20 by boommmm,核子.pdf
19.pdf
20.pdf
21 by Oddyti,核子.pdf
21_新.pdf
22_新.pdf
22-23 秋 by 核子.pdf
23 by Tannin Rachel.pdf
23.doc
README.txt
【矩阵论 / 矩阵分析】龙强线性代数与矩阵分析 课件与听课笔记 - 心泉 - CC98 论坛 QiangLong2017/Matrix-theory: 本仓库用于存储《线性代数与矩阵分析》课程课件
A4¶
A4 分享 - 戈炎 A4 - Vega A4 - pcs A4 - 陈归忱 A4 - 8h5d233
作业 ¶
考试 ¶
矩阵论近七年历年卷整合翻新，资料以及 A4 纸分享 - 8h5d233
英文名词对照 ¶
矩阵与向量 ¶
| 中文名 | 英文名 |
|---|---|
| 矩阵 | Matrix |
| 向量 | Vector |
| 转置 | Transpose |
| 共轭 | Conjugate |
| 导数 | Gradient |
| 转置共轭 | Hermitian |
| 求逆 | Inverse |
| 线性组合 | Linear Combination |
| 线性无关 | Linear Independence |
| 奇异性 | Singular |
| 向量空间 | Vector Space |
| 内积 | Inner Product |
| 外积 | Outer Product |
| 范数 | Norm |
| 行列式 | Determinant |
| 特征值 | Eigenvalue |
| 迹 | Trace |
| 秩 | Rank |
| 二次型 | Quadratic Form |
| 求逆 | Inverse |
| 矩阵求逆引理 | Matrix Inverse Lemma |
| 伪逆 | Pseudo Inverse |
| 直和 | Direct Sum |
| Hadamard 积 | Hadamard Product |
| Kronecker 积 | Kronecker Product |
| 稀疏 | Sparse |
| 压缩感知 | Compressive Sensing |
| Hermitian 矩阵 | Hermitian Matrix |
| 置换矩阵 | Permutation Matrix |
| 通信矩阵 | Communication Matrix |
| 广义置换矩阵 | Generalized Permutation Matrix |
| 正交矩阵 | Orthogonal Matrix |
| 酉矩阵 | Unitary Matrix |
| 上三角矩阵 | Upper Triangular Matrix |
| 下三角矩阵 | Lower Triangular Matrix |
| LU 分解 | LU Decomposition |
| Vandemonde 矩阵 | Vandemonde Matrix |
| 相似矩阵 | Similar Matrix |