Sticky Posts
计算机笔记目录
计算机专业相关内容的学习笔记
# 计算数学 Information Mathematics
参考书籍
榎本 彦衛:情報数学入門,新曜社,1987
Rudolf Lidl, Gunter Pilz: Applied Abstract Algebra, Springer, 1998
# 数值计算 Numerical Algorithms
参考书籍
久保田 光一:工学基礎 数値解析とその応用,数理工学社,2010
E. クライツィグ (田村 義保 訳): 数値解析 (技術者のための高等数学 5), 培風館,2003
Erwin Kreyszig: Advanced Engineering...
more...
Post List
Bash 入门
# 简介
终端(Terminal)是一个命令行界面,只是一个空壳,用于传递输入到内部的命令解释器(Shell)中,一般来说 Shell 有
Bash
CMD
Bash 是一类 Linux 上常用的 Shell,主要目的是编写 Linux 的命令脚本。本文默认已经具备足够的 Linux 基础知识,只讲解 Bash 的基本事项
在 Linux 与 MacOS 中,打开终端即可使用 Bash
在 Windows 中,可以利用 WSL 进入 Linux 环境,从而使用 Bash
一般来说,例如 Kali 或者 MacOS 等系统,在进入终端后默认是 Z Shell (Zsh),而不是...
more...
1-浮点数与误差
# 浮点数
数学中稠密的实数无法利用有限的计算机储存进行表示,出于精度和范围的平衡,目前世界上最广为使用的浮点数标准是 IEEE 754 标准
通常来说,浮点数的精度分为
单精度(Float):占用 4 字节,32 位,约 7 位十进制有效数字,在 C 语言中通过后缀 f/F 来表示,例如 0.5F
双精度(Double):占用 8 字节,64 位,约 16 位十进制有效数字,在 C 语言中默认的浮点数类型,例如 0.5
在该标准中,一个 32 位的浮点数被划分为三个区域:
符号位(Sign, 1 bit):0 表示正数,1 表示负数
指数位(Exponent, 8...
more...
【线性代数】15-极小多项式与单因子
本文为占位,并非最终结果
在上一节中,我们介绍了 Jordan 标准型的存在性以及通用的构造方法(寻找广义特征向量链)。
然而,直接求解高阶矩阵的广义特征空间往往计算量巨大。
Cayley-Hamilton 定理告诉我们 FA(A)=OF_A(A) = OFA(A)=O,即特征多项式是一个可以将矩阵 “零化” 的多项式。
但特征多项式往往显得 “太大” 了,是否存在一个次数更低的多项式也能让矩阵归零?这个多项式是否蕴含了关于 Jordan 块结构的秘密?
# 极小多项式
定义
令 AAA 为 F\mathbb FF 上的 nnn 阶方阵。
在所有满足 P(A)=OP(A) =...
more...
【线性代数】16-奇异值分解 (SVD)
本文为占位,并非最终结果
在之前的章节中,我们一直在追求矩阵的对角化。
然而,对角化(尤其是正交对角化)对矩阵的要求非常苛刻:
必须是方阵
必须有足够的特征向量
若要正交对角化,甚至必须是正规矩阵(实对称矩阵)
现实世界中的数据矩阵往往是长方形的(m×nm \times nm×n),且未必具备良好的对称性。
是否存在一种通用的 “对角化”,可以适用于任意矩阵,并且保持正交变换的优良性质?
答案是肯定的,这就是线性代数中最伟大的定理之一:奇异值分解。
# 奇异值的引入
对于任意 m×nm \times nm×n 矩阵 AAA,我们虽然不能直接讨论特征值(因为 AxA...
more...





