不等式约束下的线性规划； 线性规划（LP），也称为线性优化，是一种在其要求由线性关系表示的数学模型中实现最佳结果（例如最大利润或最低成本）的方法。线性规划是数学规划（也称为数学优化）的一种特殊情况。更正式地说，线性规划是一种优化线性 目标函数的技术，受线性等式和线性不等式 约束。它的可行域是一个凸多面体，它是一个集合，定义为有限多个半空间的交集，每个半空间都由一个线性不等式定义。它的目标函数是定义在这个多面体上的实值仿射（线性）函数。线性规划算法在多面体中找到一个点如果存在这样的点，则此函数具有最小（或最大值）值。 出于多种原因，线性规划是一个广泛使用的优化领域。运筹学中的许多实际问题可以表示为线性规划问题。线性规划的某些特殊情况，例如网络流问题和多商品流问题，被认为足够重要，可以对专门的算法进行大量研究。许多其他类型的优化问题的算法通过将线性规划问题作为子问题来解决。从历史上看，线性规划的思想启发了优化理论的许多核心概念，例如对偶性、 分解和凸性的重要性及其概括。

混合主成分分析（dPCA） dPCA是一种线性降维技术，可自动发现并突出显示复杂的人口活动的基本特征。 人口活动被分解为几个混合的部分，这些部分捕获了数据中的大多数方差，并突出了人口对各种任务参数（如刺激，决策，奖励等）的动态调整。 D Kobak + ，W Brendel + ，C Constantinidis，CE Feierstein，A Kepecs，ZF Mainen，XL Qi，R Romo，N Uchida，CK Machens 神经人口数据的混合主成分分析eLife 2016， //elifesciences.org/content/5/e10989 （arXiv链接：

中文翻译Introduction to Linear Algebra, 5th Edition 2.4节 我将从基本事实开始。矩阵是一个数字或“元素”的矩形数组。当 A 是 m 行 n 列时，它是一个“m×n” 矩阵。若矩阵形状相同，则它们可以相加。它们可以乘上任意常数 c。以下是关于 3 × 2 矩阵的 A + B 与 2A 的例子：  1 2 3 4 0 0  +  2 2 4 4 9 9  与 2  1 2 3 4 0 0  =  2 4 6 8 0 0 。 矩阵加法完全就像向量加法一样——每次算一个元素。我们甚至可将列向量视为一个仅有一列的矩阵 （如此 n = 1）。矩阵 −A 来源于乘以 c = −1（反转所有符号）。A 加上 −A 得零矩阵，此时所有元素为 0。所有这些都只是常识。 行 i、列 j 的元素被称为 aij 或 A(i, j)。沿第一行的 n 个元素为 a11, a12, . . . , a1n。矩阵的左下角 元素是 am1 且右下角元素是 amn。行号 i 从 1 到 m。列号从 j 从 1 到

线性回归数据集-----------配套代码见博客

线性代数应该这样学Liner Algebra Done Right 中文 pdf 这个是中文扫描版 是学习线性代数的上好参考材料

本书是微波电路设计领域的一本经典著作，内容包括：射频、微波系统，集总和分布参数元件，有源器件，双端口网络，阻抗匹配，微波滤波器，线性双端口的噪声，小信号和大信号放大器等等，6个附录给出了多种器件电路和噪声模型、增益理论、互调失真、无源不连续元件等公式的详细推导

总所周知，北航高代期末的考纲为赵迪老师的备课本，这是笔者在上课时获得的一手资料，十分滴珍贵，系每个修高代的大一生的宝藏

线性回归、拟合、MATLAB、误差分析、搜索法

详细介绍线性和非线性系统中的各种技术编程

并用最小二乘法进行线性拟合, 并画出图形.