# 李宏毅线性代数笔记

**Repository Path**: happyshi/leela-notes

## Basic Information

- **Project Name**: 李宏毅线性代数笔记
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: GPL-3.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2020-03-19
- **Last Updated**: 2021-09-05

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## 主要贡献者
###  负责人
- 王佳旭 ([@DatawhaleXiuyuan](https://github.com/DatawhaleXiuyuan))
## 参与成员（按首字母排名）
- 王佳旭 ([@DatawhaleXiuyuan](https://github.com/DatawhaleXiuyuan))

## 李宏毅线性代数笔记（Leela-Notes）
李宏毅老师的[线性代数视频](https://www.bilibili.com/video/av64160249?from=search&seid=3301869198468514506)是线性代数领域经典的中文视频之一，线性代数的应用范围覆盖自然科学和社会科学的各个方面，尤其是在机器学习，深度学习领域处理高维问题时，向量空间和矩阵运算更是这些强大算法的理论基础和基本工具。李老师以幽默风趣的上课风格让很多晦涩难懂的线性代数的理论变得轻松易懂，并且老师会通过很多有趣的例子其它学科的理论在课堂上展现出来，并且逐步推导深奥的理论知识，对于想要学习线性代数的人来说绝对是非常推荐的。在学习完李宏毅老师的《线性代数》课程后，学习李宏毅老师《机器学习》会更有自信。

李宏毅《机器学习》github地址：https://github.com/datawhalechina/leeml-notes

## 使用说明
这个笔记是根据李宏毅老师线性代数视频的一个辅助资料，本笔记基本上完全复刻李老师课堂上讲的所有内容，并加入了一些和相关的学习补充资料和参考资料，结合这些资料一起学习，相信你会对线性代数有更加深刻的理解，为以后学习李宏毅老师的机器学习课程打下了基础。

李宏毅《机器学习》：https://github.com/datawhalechina/leeml-notes

李宏毅《线性代数》：https://github.com/datawhalechina/leela-notes

## 笔记在线阅读地址
在线阅读地址：https://datawhalechina.github.io/leela-notes/#/
## 课程在线观看地址
bilibili:[李宏毅《线性代数》](https://www.bilibili.com/video/av64160249?from=search&seid=3301869198468514506)

# 目录
 - [ P1学习目标](https://datawhalechina.github.io/leela-notes/#/chapter1/chapter1)
 - [P2线性方程组](https://datawhalechina.github.io/leela-notes/#/chapter2/chapter2)
 - [P3向量](https://datawhalechina.github.io/leela-notes/#/chapter3/chapter3)
 - [P4矩阵](https://datawhalechina.github.io/leela-notes/#/chapter4/chapter4)
 - [P5矩阵向量相乘](https://datawhalechina.github.io/leela-notes/#/chapter5/chapter5)
 - [P6是否有解](https://datawhalechina.github.io/leela-notes/#/chapter6/chapter6)
 - [P7有多少解](https://datawhalechina.github.io/leela-notes/#/chapter7/chapter7)
 - [P8解线性方程组(1)](https://datawhalechina.github.io/leela-notes/#/chapter8/chapter8)
 - [P9解线性方程组(2)](chapter9/chapter9.md)
 - [P10从行最简阶梯形能学到什么(1)](chapter10/chapter10.md)
 - [P11从行最简阶梯形能学到什么(2)](chapter11/chapter11.md)
 - [P12从行最简阶梯形能学到什么(3)](chapter12/chapter12.md)
 - [P13从行最简阶梯形能学到什么(3)](chapter13/chapter13.md)
 - [P14矩阵相乘](chapter14/chapter14.md)
 - [P15矩阵的逆](chapter15/chapter15.md)
 - [P16可逆性](chapter16/chapter16.md)
 - [P17怎么找一个矩阵的逆](chapter17/chapter17.md)
 - [P18子空间](chapter18/chapter18.md)
 - [P19基](chapter19/chapter19.md)
 - [P20行列空间与零空间](chapter20/chapter20.md)
 - [P21坐标系统](chapter21/chapter21.md)
 - [P22坐标系统中的线性变化](chapter22/chapter22.md)
 - [P23行列式的公式](chapter23/chapter23.md)
 - [P24行列式的值](chapter24/chapter24.md)
 - [P25特征值与特征向量](chapter25/chapter25.md)
 - [P26相似对角化](chapter26/chapter26.md)
 - [P27线性变化的相似对角化](chapter27/chapter27.md)
 - [P28网页排名](chapter28/chapter28.md)
 - [P29正交性](chapter29/chapter29.md)
 - [P30正交投影](chapter30/chapter30.md)
 - [P31施密特正交化](chapter31/chapter31.md)
 - [P32正交基](chapter32/chapter32.md)
 - [P33正交矩阵](chapter33/chapter33.md)
 - [P34对称矩阵](chapter34/chapter34.md)
 - [P35广义向量(1)](chapter35/chapter35.md)
 - [P36广义向量(2)](chapter36/chapter36.md)
 - [P37奇异值分解](chapter37/chapter37.md)
 
## 主要贡献者（按首字母排名）
-  [@DatawhaleXiuyuan](https://github.com/DatawhaleXiuyuan)
- [@spareribs](https://github.com/spareribs)


# 关注我们

<div align=center><img src="https://raw.githubusercontent.com/datawhalechina/pumpkin-book/master/res/qrcode.jpeg" width = "250" height = "270" alt="Datawhale，一个专注于AI领域的学习圈子。初衷是for the learner，和学习者一起成长。目前加入学习社群的人数已经数千人，组织了机器学习，深度学习，数据分析，数据挖掘，爬虫，编程，统计学，Mysql，数据竞赛等多个领域的内容学习，微信搜索公众号Datawhale可以加入我们。"></div>