[數據分析與可視化 23] 誠意安利一本線代書與一套公開課

我願用我所有的誠意、向大學在校生及對數據分析有興趣的人推薦David C. Lay這本《線性代數及其應用》和Gilbert Strang的公開課《線性代數》。某種角度講,它們帶給我的驚艷程度超過這個專欄里介紹過的所有作品,甚至包括哈耶克Hayek、KK等,當然也包括我們自己的書。

線性代數是我早已學習過的課程,Ax=bA=LU,A=QRA=USigma V^{T} 這些我不能說沒見過。但唯有在他們的引導下,我才逐步懂得:

  • 空間化:這些運算本身變得立體起來,是線與面、甚至多維空間中的操作,如線性變換或空間投影等,而不僅是符號代換;

  • 實用性:我終於知道他們在真實世界中的應用場景與巨大價值,小至配平化學方程式、計算體積,大至電學方程、動力系統、經濟均衡;
  • 工程化:線性方程組求解是「真實世界」映射到「數據世界」的核心問題 ,高斯消元、克拉默法則、奇異值分解理論上都可行,但真正的差異體現在工程性能,各種矩陣分解都因此而來,它是理論進化的現實原動力。因此某種角度我覺得線代本身是一門演算法課程。

古語有云:看山是山,看山不是山,看山又是山。如果你認真學習,該會深刻體會這種感覺。別忘了,到時繼續推薦給身邊人。

P.S.關於國內外高等教育水平的差距我不想多說,來讓我們積極面對吧。

圖書鏈接

https://www.amazon.cn/%E7%BA%BF%E6%80%A7%E4%BB%A3%E6%95%B0%E5%8F%8A%E5%85%B6%E5%BA%94%E7%94%A8-%E8%8E%B1/dp/B00116Q2RC/ref=sr_1_2?ie=UTF8&qid=1461627813&sr=8-2&keywords=lay+%E7%BA%BF%E6%80%A7%E4%BB%A3%E6%95%B0

視頻鏈接

Gilbert Strang,麻省理工公開課:線性代數


推薦閱讀:

矩陣A和矩陣B相乘,AxB為什麼不等於BxA?
矩陣運算庫blas, cblas, openblas, atlas, lapack, mkl之間有什麼關係,在性能上區別大嗎?
MATLAB、R之類軟體中向量化計算是如何實現的?
Python的Numpy操作:如何實現逐個元素取最大值,組成新array?
請問如何證明det(e^A)=e^trA?

TAG:数据分析 | 线性代数 | 矩阵运算 |