投稿

通过Python掌握线性代数

7.8万

402

2020-10-19 15:10:54

正在缓冲...

共15章内容。

计算机与AI 发消息

在线3D打印一站式服务平台就找嘉立创3D打印

嘉立创3D打印

1-1 导学

14:52

1-2 课程学习的更多补充说明

17:58

1-3 线性代数与机器学习

13:24

1-4 课程使用环境搭建

14:16

2-1 什么是向量.

16:14

2-2 向量的更多术语和表示法

08:18

2-3 实现属于我们自己的向量

12:44

2-4 向量的两个基本运算.

09:41

2-5 实现向量的基本运算.

16:08

2-6 向量基本运算的性质与数学大厦的建立.

10:49

2-7 零向量.

16:27

2-8 实现零向量

03:34

2-9 一切从向量开始

04:24

3-1 规范化和单位向量..1

12:50

3-2 实现向量规范化(1)

15:57

3-2 实现向量规范化

15:57

3-3 向量的点乘与几何意义.

14:03

3-4 向量点乘的直观理解

09:04

3-5 实现向量的点乘操作

05:07

3-6 向量点乘的应用.

17:39

3-7 Numpy 中向量的基本使用

21:21

4-1 什么是矩阵

09:56

4-2 实现属于我们自己的矩阵类

16:19

4-3 矩阵的基本运算和基本性质

11:58

4-4 实现矩阵的基本运算

13:56

4-5 把矩阵看作是对系统的描述

21:56

4-6 矩阵和向量的乘法与把矩阵看作向量的函数

16:04

4-7 矩阵和矩阵的乘法

20:16

4-8 实现矩阵的乘法

11:32

4-9 矩阵乘法的性质和矩阵的幂

09:58

4-10 矩阵的转置

10:31

5-1 更多变换矩阵

14:26

5-2 矩阵旋转变换和矩阵在图形学中的应用

14:46

5-3 实现矩阵变换在图形学中的应用

17:19

5-4 从缩放变换到单位矩阵

10:50

5-5 矩阵的逆

12:29

5-6 实现单位矩阵和numpy中矩阵的逆

09:09

5-7 矩阵的逆的性质

13:58

5-8 看待矩阵的关键视角：用矩阵表示空间(1)

22:27

5-8 看待矩阵的关键视角：用矩阵表示空间

22:27

5-9 总结：看待矩阵的四个重要视角

08:44

6-1 线性系统与消元法(1)

13:58

6-1 线性系统与消元法

13:58

6-2 高斯消元法

22:04

6-3 高斯-约旦消元法

13:56

6-4 实现高斯-约旦消元法

25:12

6-5 行最简形式和线性方程组解的结构(1)

23:13

6-5 行最简形式和线性方程组解的结构

23:13

6-6 直观理解线性方程组解的结构(1)

22:44

6-6 直观理解线性方程组解的结构

22:44

6-7 更一般化的高斯-约旦消元法(1)

17:06

6-8 实现更一般化的高斯-约旦消元法

18:38

6-9 齐次线性方程组(1)

09:43

7-1 线性系统与矩阵的逆

22:35

7-2 实现求解矩阵的逆

10:27

7-3 初等矩阵

20:48

7-4 从初等矩阵到矩阵的逆

15:25

7-5 为什么矩阵的逆这么重要

26:02

7-6 矩阵的LU分解

26:00

7-7 实现矩阵的LU分解

13:41

7-8 非方阵的LU分解，矩阵的LDU分解和PLU分解

16:54

8-1 线性组合

13:04

8-2 线性相关和线性无关

20:13

8-3 矩阵的逆和线性相关，线性无关

16:08

8-4 直观理解线性相关和线性无关

21:35

8-5 生成空间

16:07

8-6 空间的基(1)

22:42

8-6 空间的基

22:42

8-7 空间的基的更多性质

17:41

8-8 本章小结：形成自己的知识图谱

14:05

9-1 空间，向量空间和欧几里得空间(1)

18:28

9-1 空间，向量空间和欧几里得空间

18:28

9-2 广义向量空间

18:31

9-3 子空间

23:07

9-4 直观理解欧几里得空间的子空间

16:51

9-5 维度

21:49

9-6 行空间和矩阵的行秩(1)

20:49

9-6 行空间和矩阵的行秩

20:49

9-7 列空间

14:20

9-8 矩阵的秩和矩阵的逆

17:27

9-9 实现矩阵的秩

18:57

9-10 零空间与看待零空间的三个视角

21:49

9-11 零空间与秩-零化度定理(1)

20:52

9-11 零空间与秩-零化度定理

20:52

9-12 左零空间，四大子空间和研究子空间的原因

17:02

10-1 正交基与标准正交基(1)

16:48

10-1 正交基与标准正交基

16:48

10-2 一维投影

12:06

10-3 高维投影和Gram-Schmidt过程

16:03

10-4 实现Gram-Schmidt过程

16:00

10-5 标准正交基的性质

10:40

10-6 矩阵的QR分解

18:03

10-7 实现矩阵的QR分解

08:21

10-8 本章小结和更多和投影相关的话题

08:10

11-1 空间的基和坐标系

14:29

11-2 其他坐标系与标准坐标系的转换

10:08

11-3 任意坐标系转换

17:20

11-4 线性变换

19:53

11-5 更多和坐标转换和线性变换相关的话题

12:27

12-1 什么是行列式

22:52

12-2 行列式的四大基本性质(1)

12:56

12-2 行列式的四大基本性质

12:56

12-3 行列式与矩阵的逆

16:36

12-4 计算行列式的算法

17:22

12-5 初等矩阵与行列式

17:30

12-6 行式就是列式！

12:43

12-7 华而不实的行列式的代数表达(1)

18:21

12-7 华而不实的行列式的代数表达

18:21

13-1 什么是特征值和特征向量

19:39

13-2 特征值和特征向量的相关概念

14:10

13-3 特征值与特征向量的性质

16:00

13-4 直观理解特征值与特征向量

20:22

13-5 “不简单”的特征值

16:10

13-5 “不简单”的特征值(1)

16:10

13-6 实践numpy中求解特征值和特征向量

13:55

13-7 矩阵相似和背后的重要含义

19:59

13-8 矩阵对角化

15:36

13-9 实现属于自己的矩阵对角化

14:48

13-10 矩阵对角化的应用：求解矩阵的幂和动态系统

13:54

14-1 完美的对称矩阵

11:07

14-2 正交对角化

17:18

14-3 什么是奇异值

13:33

14-4 奇异值的几何意义

14:36

14-5 奇异值的SVD分解

20:01

14-6 实践scipy中的SVD分解(1)

09:32

14-6 实践scipy中的SVD分解

09:32

14-7 SVD分解的应用

16:52

15-1 更广阔的线性代数世界，大家加油！

11:39

顶部