学习数值线性代数的课程：learn-linalg

线性 目前通过在 Python 中重新实现基本的基本算法来加强我的线性代数和数值分析。 我的实现针对numpy和scipy等价物进行了测试。 灵感来自。 请随意阅读总结 Justin Solomon部分内容的以及对我思考过程的见解。 内容 ：用于添加有限精度浮点数的 kahan 求和。 ：高斯消元法，用于求解Ax = b朴素、部分和完全旋转。 ：用于求解Ax = b LU 、 PLU和PLUQ分解。 ：使用 PLU 分解计算方阵 A 的行列式（或 log det）。 ：使用 PLU 分解计算方阵 A 的逆。 ：对称正定矩阵 A 的 cholesky 分解。 ：使用 gram-schmidt 或对任何矩阵 A 进行QR分解。 ：使用 PLU 分解求解Ax=b 。 ：使用 QR 分解求解最小二乘法。 : 单特征值和多特征值查找算法、hessenberg 分