線性代數是很多人在大學時期修得覺得最莫名奇妙的一堂課, 因為修完後很難去想這堂課是在做甚麼, 但不得不否認的, 線性代數雖然在很多場合都派得上用場, 只是大家不知道, 但更多的機會是真的碰不到, 只是要成為一個 "資料工程師", 很不幸的是很重要的.
線性代數講的是向量, 也就是向量空間, 或稱線性空間, 這個向量指的是很多維度的數值所構成的集合, 這樣說有點模糊, 所謂的 "維度" 就是種 "因子", 這些數值就是其 "量", 而這個集合就是很多很多的 "因子" 與 "數值", 甚至可以說是所有資料庫的基礎.
但說到這個也不得不題 "代數學" 及 "抽像代數", 事實上所有的數學原理都是從這邊做起源的, 只是用這個來說線性代數很重要是過於言重了點.
線性代數就是用來解這些 "解空間" 相關的學習, 包括 "特徵值", "向量運算", "變換矩陣", "回歸" 等等的計算方式, 都是用來將大量的數字做解答 (化簡) 的技術, 所以說線性代數是資訊科系研究所的考試科目是一點也不為過.
在代數學中, 代數結構有下面的定義:
寫了上面五種代數結構理論上是更混僥大家的學習, 但很有趣的這些定義與定律居然可以組出所有的數學式, 這就是數學有趣的地方, 這些大家有空去學.
事實上線性代數的綱要是:
上面這些, 在我的實務經驗或多或少都會碰到, 尤其是特徵值 (Eigenvealues) 與特徵相量 (Eigenvectors), 這些幾乎在判別分類, 計算 SPAM, 都是派得上用場的, 更不用說在統計的多變量, 線代可以說是基礎的基礎.
[修習方式]
開放課程:
電子書:
關鍵字: