线性代数课程、书籍推荐

这篇具有很好参考价值的文章主要介绍了线性代数课程、书籍推荐。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1 介绍

1.1 背景

工作中涉及线性代数越来越多,然后开一篇博客补一下知识点。

1.2 教材回顾

  • 大学用的同济版教材,当时学的不好,教材和老师都没说线性代数是干嘛用的,面对枯燥的公式失去了兴趣。

  • 工作中,做3D开发,空间变换用到矩阵运算;做机械臂手眼标定算法用到矩阵运算;卡尔曼滤波算法涉及矩阵运算;多次接触,才重拾取兴趣,觉得线性代数很重要,很有趣。

1.3 推荐学习课程

  • 麻省理工公开课:线性代数 – Gilbert Strang 教授
    麻省理工公开课:线性代数
    MIT线性代数【全】
    Strang 教授 1934 年生于芝加哥,在加州大学洛杉矶分校取得博士学位,从 1962 年起就开始担任麻省理工学院的数学系教授,一辈子都在教书育人、笔耕不辍。去年初,他还出版了一本新书《Linear Algebra and Learning from Data》。

  • 3Blue1Brown 线性代数的本质
    3Blue1Brown 线性代数的本质
    3Blue1Brown是一个由Grant Sanderson创建的YouTube频道。该频道从独特的视觉角度解说高等数学,内容包括线性代数、微积分、神经网络、黎曼猜想、傅里叶变换以及四元数。
    频道创始人Grant Sanderson是斯坦福大学的数学研究生。

  • 斯坦福ENGR108 | 矩阵论与应用线性代数
    斯坦福ENGR108 | 矩阵论与应用线性代数
    Lecture slides for Introduction to Applied Linear Algebra: Vectors, Matrices, and Least Squares
    课程讲师 Stephen Boy,斯坦福教授,是目前全球讲授线性代数、矩阵论方向最著名的老师之一,也是高赞图书《Introduction to Applied Linear Algebra – Vectors, Matrices, and Least Squares(应用线性代数简介——向量、矩阵和最小二乘法)》、《Convex optimization(凸优化)》的联合作者。

  • Sheldon Axler《Linear Algebra Done Right》
    Sheldon Axler《Linear Algebra Done Right》视频

  • 鸢尾花书 《矩阵力量》
    鸢尾花书 《矩阵力量》

2 公式查找

线性代数公式定理一览表

其他

数学入门经典书籍

《数学之美》:这本书由吴军博士写成,内容涵盖了数学中的很多经典问题,包括费马大定理、黎曼猜想等。它用通俗易懂的方式讲解了数学的基本原理和应用。
《线性代数及其应用》:这是由 Gilbert Strang 教授编写的一本经典教材,它对线性代数的基本概念、矩阵论、向量空间等方面进行了详细的讲解。
《微积分学教程》:这是由斯宾诺莎所著的一本经典教材,全书分为微积分基础和微积分应用两部分,内容覆盖了微积分的基本概念、极限、导数、积分等方面。
《概率论与数理统计》:这是由胡宝清教授所编写的一本经典教材,内容包括概率基础、随机变量、概率分布、参数估计、假设检验等方面。
《离散数学及其应用》:这是由罗森教授编写的一本经典教材,内容涵盖了图论、集合论、布尔代数、组合数学等方面。

参考

1、斯坦福ENGR108 | 矩阵论与应用线性代数
2、麻省理工公开课:线性代数
3、3Blue1Brown 线性代数的本质
4、《线性代数》(同济版)——教科书中的…
5、线性代数极简入门
6、线性代数知识汇总
7、Lecture slides for Introduction to Applied Linear Algebra: Vectors, Matrices, and Least Squares
8、学好线性代数,我推荐这本书
9、Sheldon Axler《Linear Algebra Done Right》视频
10、线性代数公式定理一览表
11、理解矩阵(一)
12、鸢尾花书 《矩阵力量》文章来源地址https://www.toymoban.com/news/detail-529597.html

到了这里,关于线性代数课程、书籍推荐的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 线性代数的本质笔记(3B1B课程)

    最近在复习线代,李永乐的基础课我刷了一下,感觉讲的不够透彻,和我当年学线代的感觉一样,就是不够形象。 比如,行列式为什么那么重要,它的含义究竟是什么?特征值到底代表了什么?等等。说白了,我需要几何直观的理解。 几何直观解决的问题是,我为什么要用

    2024年02月11日
    浏览(40)
  • 高等数学:线性代数-第三章

    矩阵的初等变换 下面三种变换称为矩阵的初等变换 对换两行(列),记作 r i ↔ r j ( c i ↔ c j ) r_{i} leftrightarrow r_{j} (c_{i} leftrightarrow c_{j}) r i ​ ↔ r j ​ ( c i ​ ↔ c j ​ ) 以数 k ≠ 0 k ne 0 k  = 0 乘某一行(列)中的所有元,记作 r i × k ( c i × k ) r_{i} times k ( c_{i}

    2024年02月11日
    浏览(46)
  • 【考研数学二】线性代数重点笔记

    目录 第一章 行列式 1.1 行列式的几何意义 1.2 什么是线性相关,线性无关 1.3 行列式几何意义 1.4 行列式求和 1.5 行列式其他性质 1.6 余子式 1.7 对角线行列式 1.8 分块行列式 1.9 范德蒙德行列式 1.10 爪形行列式的计算 第二章 矩阵 2.1 初识矩阵 2.1.1 矩阵的概念 1.1.2 矩阵的运算规

    2024年04月10日
    浏览(45)
  • 线性代数 | 机器学习数学基础

    前言 线性代数 (linear algebra)是关于向量空间和线性映射的一个数学分支。它包括对线、面和子空间的研究,同时也涉及到所有的向量空间的一般性质。 本文主要介绍 机器学习 中所用到的线性代数 核心基础概念 ,供读者学习阶段查漏补缺或是 快速学习参考 。 线性代数

    2024年01月21日
    浏览(68)
  • 高等数学:线性代数-第二章

    n bm{n} n 元线性方程组 设有 n 个未知数 m 个方程的线性方程组 { a 11 x 1 + a 12 x 2 + ⋯ + a 1 n x n = b 1 a 21 x 1 + a 22 x 2 + ⋯ + a 2 n x n = b 2 ⋯ ⋯ ⋯ ⋯ a m 1 x 1 + a m 2 x 2 + ⋯ + a m n x n = b m begin{cases} a_{11}x_{1} + a_{12}x_{2} + cdots + a_{1n}x_{n} = b_{1} \\\\ a_{21}x_{1} + a_{22}x_{2} + cdots + a_{2n}x_{n} = b

    2024年02月11日
    浏览(42)
  • 数学与计算机(2)- 线性代数

    原文:https://blog.iyatt.com/?p=13044 NumPy 中 array 和 matrix 都可以用于储存矩阵,后者是前者的子类,array 可以表示任意维度,matrix 只能是二维,相当于矩阵专用,在一些矩阵的运算操作上较为直观。 1.1.1 自定义矩阵 NumPy 通过元组货列表创建的矩阵类型都相同 1.1.2 随机元素矩阵

    2024年03月23日
    浏览(51)
  • 《python数学实验与建模》(2)高等数学与线性代数

    3.1 求下列积分的符号解 (1) ∫ 0 1 1 + 4 x   d x int_{0}^{1}sqrt{1+4x}~dx ∫ 0 1 ​ 1 + 4 x ​   d x (2) ∫ 0 + ∞ e − x sin ⁡ x   d x int_{0}^{+infty}e^{-x}sin x ~dx ∫ 0 + ∞ ​ e − x sin x   d x 结果: − 1 6 + 5 5 6 -frac{1}{6}+frac{5sqrt{5}}{6} − 6 1 ​ + 6 5 5 ​ ​ 1 2 frac{1}{2} 2 1 ​ 3.2 求方程 x

    2023年04月24日
    浏览(90)
  • 深度学习-必备的数学知识-线性代数6

    线性代数 通过伪逆求解线性方程组 伪逆,又称为Moore-Penrose逆,它是一种广义的矩阵。我们可以找到任意一个矩阵的伪逆。矩阵 A mathbf{A} A 的伪逆定义为: A + = lim ⁡ x → 0 ( A T A + α I ) − 1 A T mathbf{A}^+=lim_{x to 0}(mathbf{A}^Tmathbf{A}+alphamathbf{I})^{-1}mathbf{A}^T A + = x → 0 lim ​

    2024年01月18日
    浏览(59)
  • 深度学习-必备的数学知识-线性代数(合集)

    为方便大家阅读,这里推出一个线性代数的合集。这与之前的内容是一致的。 我们在深度学习-简介和 深度学习-历史背景中已经初步了解的深度学习。在我们开始学习深度学习前还需要做些准备工作。就是学习应用数学和机器学习基础。 想要理解深度学习这些是必不可少的

    2024年02月03日
    浏览(57)
  • 深度学习-必备的数学知识-线性代数-1

    我们在深度学习-简介和 深度学习-历史背景中已经初步了解的深度学习。在我们真正开始学习深度学习前还需要做些准备工作。那就是学习应用数学和机器学习基础。想要理解深度学习这些是必不可少的。 我将在这篇文章中为大家介绍一部分与深度学习有关的线性代数。 我

    2024年02月05日
    浏览(51)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包