线性代数

云的雨雨的云

手写算法动画上位机：从排序到线性代数可视化算法可视化桌面应用，支持 30+ 算法逐步动画演示，涵盖查找、排序、信号处理、控制、机器学习与线性代数。

保险 GEO 信源矩阵搭建：代理人轻量化分层信源，构建 AI 认可的交叉佐证网络随着大语言模型逐步成为用户获取信息的第一入口，保险从业者面临一个现实问题：当用户向 AI 询问「重疾险怎么选」「医疗险和重疾险有什么区别」时，AI 的答案依据来自哪里？答案是——AI 会优先采信它能够抓取、识别并交叉验证的网络信源。这就是 GEO（Generative Engine Optimization，生成引擎优化）的核心逻辑。

【数学之美】我最近重新学习初中、高中数学时，越来越强烈地感受到一件事：数学真正吸引人的地方，并不是“会多少题型”，也不是“记住多少技巧”，而是能够透过一道具体题目，看见它背后更稳定、更统一的结构。

AI和大模型—矩阵相似在学习矩阵的过程中，会发现矩阵有很多名词和术语。而这些名词和术语后面又跟着许多细节的内容，对于平时几乎用不到的普通的开发者来说，记住这些东西简单是让人头大再头大。不过正如前面所讲，只要从某个角度根据自身的方式去理解了矩阵相关的名词和术语后，就会把它们记得很牢靠。在真正遇到的时候，只要拿起书本来看看就可以干活了。

可爱系程序猿

模型推理任务弹出找不到 cublas64_12.dll，CUDA 12 矩阵计算库按安装包核对本地部署大语言模型或运行深度学习推理脚本时，代码初始化阶段正常，一旦开始加载模型权重并调用 GPU 加速，终端立即报错「找不到 cublas64_12.dll」。cublas64_12.dll 是 NVIDIA CUDA 12 Toolkit 中的 64 位基础线性代数子程序库（cuBLAS），负责核心矩阵乘法运算。报错往往是因为 CUDA 环境变量 PATH 指向不正确、多版本驱动与工具包混用或安装不完整引起。先核对当前 Python 环境、PyTorch 与 CUDA 版本的对应关系，再按步骤做针对性

【老计带你懂线性代数】09：特征值与特征向量，矩阵最本质的方向从这一篇开始，我们进入线性代数里最有魔力、也是AI最倚重的部分。特征值和特征向量，名字听着吓人，但它抓住的东西极其深刻，一个矩阵（变换）最本质的性格，藏在它的特征值和特征向量里。

电磁波基础相关（AI回答）这是一个非常敏锐的问题。你画线的那句话——“只要它在改变，就有电的效应”——很容易让人产生一个直觉上的悖论：在波前（x=vt）已经扫过的区域（0 < x < vt），磁场 B 明明已经变成了恒定值，不再随时间改变（），如果只看这儿的一个微小局部，凭什么这里还存在电场 E？

880 第7章行列式n+1这个就是爪子：用对角消元，行变换，-a/bi例题一：先固定行1234，再写出元素对应的列24/2=12

爱刷碗的苏泓舒

RTKLIB Neville 插值法：源码推导与 GNSS 精密轨道应用主线：Neville 递推原理 → interppol() 逐行对应 → pephpos() 的 11 节点 SP3 插值 → 与拉格朗日比较 → 阶数、误差及工程注意事项。

坐看风云变幻

《飞控数学与控制 · 新手入门连载》第 1 期｜线性代数入门：向量、矩阵与旋转矩阵 SO(3)导读：从零开始建立飞控的数学地基。这一期我们只讲一件事——怎么用向量和矩阵描述"旋转"。无人机在空中翻身、转向，飞控内部其实一直在用旋转矩阵做坐标变换。读完本期，你将理解：旋转矩阵长什么样、它是怎么从几何推导出来的、为什么它叫 SO(3)，以及它如何用于无人机姿态表示。全程零基础可读，公式逐步推导不跳步。

Matplotlib入门教程（十三）：imshow() 详解——灰度图、彩色图、热力图与矩阵可视化imshow() 函数是 Matplotlib 库中的一个函数，用于显示图像。它常用于绘制二维的灰度图像或彩色图像，也可用于绘制矩阵、热力图、地图等。

爱刷碗的苏泓舒

泰勒级数与泰勒展开：GNSS卫地距线性化、Jacobian矩阵与Hessian矩阵从一元到三元泰勒展开，推导接收机三维坐标的卫地距偏导数，并说明Jacobian矩阵、Hessian 矩阵、GNSS 设计矩阵和最小二乘法矩阵的关系。除特别说明外，坐标与距离单位均为米（m）。

机器学习深度学习强化学习都学啥和高等数学线性代数概率论数理统计有啥关系这四个东西的关系，可以用一句话先概括：高等数学、线性代数、概率论与数理统计是“语言和工具”，机器学习、深度学习、强化学习是用这些工具去解决“从数据中学习”这个问题的“方法和体系”。

行列式、特征值、SVD 等知识点记录（待补充）在进行单应矩阵求解等任务时，SVD 分解几乎无处不在。但很多人套完公式后仍会困惑：为什么取 V 的最后一列就能作为最终解？为了回答这个问题，本文梳理了从行列式、特征值到 SVD 解线性方程的一系列基础知识点。同时也要注意，SVD 得到的结果有时只是初始值，若想获得更高精度，通常还需借助非线性优化——这在相机内外参标定、多目相机优化、运动恢复结构、机械臂手眼标定中都非常常见。

三维图形学基础数学（向量，矩阵）在学习 C++ 三维可视化、OpenGL 以及仿真软件开发的过程中，向量是一个非常基础且重要的数学概念。

涉密IT资质笔记

2026 涉密资质三类硬性条件对照：军工 / 集成 / 印制参数矩阵与易错点定义：涉密资质分三类——武器装备科研生产单位保密资质（军工，保发〔2025〕2号）、涉密信息系统集成资质（集成，国家保密局令 2020 年第 1 号）、国家秘密载体印制资质（印制，国家保密局·市场监管总局令 2020 年第 2 号）。三类有效期均 5 年，但申请条件、场所、人员、无外资要求数值与口径完全不同，不可互套。

薄膜开关矩阵按键的GPIO扩展芯片选型与中断响应延迟薄膜开关矩阵按键扫描在 MCU GPIO 不够时通常需要 GPIO 扩展芯片。GPIO 扩展芯片选型直接影响按键响应延迟，延迟过高会让用户感觉按键不灵敏。下面从嵌入式角度记录 GPIO 扩展芯片的选型要点与中断延迟控制。

视觉SLAM第11讲｜回环检测：词袋模型、字典构建与相似度计算全解析前面我们把前端视觉里程计、后端优化都讲透了，但只要是前端递推的系统，就绕不开一个宿命：累积漂移。哪怕后端有滑动窗口优化，也只能缓解，没法根治。想要彻底把漂移拉回来，最核心的机制就是回环检测——发现“这个地方我之前来过”，然后给后端加一条全局约束，把整条轨迹掰回正确的位置。第11讲就把回环检测的主流方案讲透：最经典的词袋模型怎么建字典、怎么算相似度、怎么验证候选回环。

视觉SLAM第4讲｜李群与李代数：位姿优化的数学基石前面第三讲我们讲了好几种描述刚体位姿的方式：旋转矩阵、四元数、欧拉角。学到这里你可能会问：能用的表示方式都有了，还折腾李群李代数干嘛？

视觉SLAM第10讲｜后端优化(下)：位姿图优化、滑动窗口与图优化工程实践第9讲的全量光束法平差，虽然全局精度最高，但有个致命的工程痛点：帧越多优化变量就越多，计算量一路上涨，在线实时SLAM根本扛不住。第10讲就来拆解两个工程上更常用的后端方案：滑动窗口优化和位姿图优化，看看怎么在精度和效率之间找到最优平衡。