1樓：
很正常，我當初學的時候也是一臉懵逼。應該說正常人都會一頭霧水搞不懂為什麼要定義這些奇奇怪怪的東西。指到後來學了學了量子力學才對高代加深理解了。
教材推薦櫻井純的《現代量子力學》。這部書現在有中文版了，英文看著吃力的人可以考慮這中文版。
2樓：
你在學中學數學時，有沒有學過高階線性遞推數列？
你在學常微分方程的時候，總該學高階線性微分方程的解法吧解決它們的方法都是所謂的特徵方程法
你難道看不出來，它指的是某個矩陣的特徵多項式？
處理這些問題，特徵值無重還好，要是有重，是不是還得用到若爾當標準型？
3樓：
「提問背景：資訊與計算科學專業。 不討厭數學，但不理解高等代數在專業方面的用途，學的數學課，數學分析，解析幾何，概率論數理統計都覺得能在專業方面有用途的，能用上的，唯一不理解的就是高等代數，至今沒有理解，行列式，矩陣，線性空間，線性變換，歐幾里得空間，辛空間之類到底在哪用得上，。。。
」你可能學的是假數學。
4樓：
現在大二，上資訊理論這門課做project的時候，基本上就是在玩線性代數。比如影象壓縮裡面為了去除畫素之間的相關性，需要尋找合適的正交矩陣進行變換，再比如通訊通道模型如果考慮了空間相關性要進行奇異值分解，也是乙個道理。學線代的時候覺得佷無趣，就是計算嘛，但是回過頭來看，很多東西真的沒吃透。
5樓：Exact7ly
如果你是學過數學分析的話，那麼數學分析裡面場論初步知識用的不是矩陣理論麼。
一般的概率論在表達多維隨機變數的時候用的不是矩陣理論麼。
6樓：
學概率論的的時候，講到不同的分布難道不要用矩陣嘛? 學解析幾何，各種座標變換之類的難道不是用矩陣乘來乘去的嘛？線性空間線性變換這些，等你上到泛函肯定會有更深的理解。
另外說乙個最基本特徵值的應用，就是PCA(主成分分析)啊～你可以自行wiki一下。
7樓：
你寫機器學習演算法的時候，玩的都是線性代數、微積分和概率論這一塊。
如果不學微分，積分，矩陣、逆矩陣之類的常識，你會發現根本沒法繼續學下去。
我清楚的記得在學習Logistical回歸以及SVM的時候需要使用拉格朗日對偶性來解決演算法問題。試想一下如果你沒有學過微積分，這個知識點你根本就無法弄懂。當然了，學過微積分你也不一定能弄懂。。
8樓：白天
作為大學學習此專業，研究生學習金融、輔修統計的人而言，這幾門課可以說到現在還會對我有很大的作用。
高等代數，關於矩陣在衍生品風險控制分分鐘就涉及；
數學分析，極限、微積分在公司金融、投資學中完全可以用到，而且大學轉金融專業必考微積分；
概率論，大資料時代下統計應用無不涉及；
解析幾何，會讓你拓寬想象力，對於以後研究工科構圖可以說一大利器。
既然選了這個學科，若是不喜歡，趁早轉，喜歡就投入進去，只有好處沒有壞處。
9樓：Wotan Z
在對於多自由度機械結構作振動分析時，常常會遇到特徵值問題。經過仔細解析，求得的特徵值會給出振動的自然頻率
採用直角座標系的三個座標軸為參考軸，乙個剛體的慣性張量 I, 特徵向量都是剛體的慣量主軸；而這些特徵值則分別是剛體對於慣量主軸的主轉動慣量
在固體力學中，應力張量是對稱的，因而可以分解為對角張量，其特徵值位於對角線上，而特徵向量可以作為基。因為它是對角陣，在這個定向中，應力張量沒有剪下分量；它只有主分量。
這些是力學裡的.....
10樓：
高等代數（在大學課程中）最早的應用應該就是從一元微積分擴充套件到二元的時候，那時候會引入 雅可比矩陣
比如說，一元微積分，只有乙個東西，到了二元微積分，成了 ，四個東西怎麼搞？
簡單地說，當你在本科階段涉及到二維及更多維的情形時，就不可避免地要涉及到高等代數中的內容
11樓：fool
說個和計算機相關性大的:圖論裡的圈空間就是很有意思的線性空間，還有最短路問題也可以抽象成半環。
感覺代數沒用，那都是沒到家。按照隔壁代數老師的說法:同學們，統治數學界400多年的分析馬上就要被代數取代了
12樓：
其實高等代數非常有用，數學裡的三大基礎課裡我最喜歡高等代數。
離散數學中的圖論就是要用矩陣來解決，也就是用矩陣來表示有向圖，接著就是群論，其實群論本身屬於代數，Abel群的概念就等同於線性空間，群的同構與線性空間同構是一致的，而這些在編碼學，資訊理論和密碼學中都非常重要。
還有一門大課數值分析，會涉及到線性方程組，矩陣的特徵值，逆及轉置，聽數值分析這個名字就感覺到它也是計算機應用吧。
線性變換的話，計算機影象處理，就會用到線性變換，雙線性變換在計算機也有應用，這個因為我也不懂就不說了。
現在我在做的畢業設計嚴格來說屬於管理工程，它所需要的AHP層次分析法也要用到矩陣，其實就是前面說到的離散數學裡的圖論
13樓：Yan Gu
我這麼說吧，乙個人上沒上過大學（這麼說對文科生不公平，換個說法），或者說有沒有真正接受高等教育，最大的差別就在於代數。
等你到了大三的時候，所有的課已經都是基於高等代數的了。不過你現在學不好也沒關係，早晚都會搞的滾瓜爛熟的。
14樓：
學的數學課，數學分析，解析幾何，概率論數理統計都覺得能在專業方面有用途的，能用上的
行列式，矩陣，線性空間，線性變換，歐幾里得空間,辛空間
上述的所有線性代數概念都在數學分析解析幾何概率論數理統計中有大量的應用
數學分析:
數學分析的乙個重要的研究內容就是歐幾里得空間之間的函式的性質
對於可微函式, 微分是乙個矩陣, 這個矩陣的一些退化/不退化可以局域上說明函式的性質, 隱函式, 反函式不/存在, 和隱函式反函式的連續/光滑/微分性
黎曼積分的變換雅克比矩陣, 或者更廣義勒貝格積分變換的雅克比矩陣
辛空間主要在理論力學裡面用到比較多, 哈密頓力學什麼的, 就是一組特殊微分方程
解析幾何:
解析幾何的乙個重要研究內容就是歐幾里得空間上的代數曲線, 曲面, 代數多樣體(-_-) 的特性
其中線性變換在解析幾何裡面有個重要的幾何表示, 拉伸, 鏡面反射, 旋轉, 投影
特徵值,特徵向量: 特徵向量對應乙個旋轉軸, 特徵值就是在這個旋轉軸上的拉伸程度, 如果是負的還順帶鏡面反射, 0的話就是把這個方向坍縮
概率論數理統計:
數理統計完全不知道是幹啥的...
概率論可以看成有限測度分析, 要是看成基於實數集的有限測度分析的話, 就是實分析了, 上面的積分變換可以利用
多維高斯隨機變數的叫啥來著的協變矩陣還是協方差矩陣的
廣義隨機變數的叫啥來著的協變矩陣還是協方差矩陣
離散馬爾可夫過程的狀態轉移矩陣
種種...
因為數學分析解析幾何概率論和數理統計能在專業方面有用途, 用得上, 所以上述線性代數概念能在專業方面有用途用得上.
有用傳遞公理: 如果A在B中有用途, 用得上, B在C中有用途, 用得上, 得到, A在C中有用途,用得上
15樓：文刀叉點
矩陣這一塊，在電腦科學裡用處很多。。。其實多利用的是一些前人總結出來的矩陣特性。
將乙個問題轉化為另外的問題去求解
以我的計算機視覺為例，比如在攝像機問題的時候，比如透視、仿射等等問題都會用到矩陣去進行有關操作
而對於影象與影象之間的一些比如畫素的對應關係，有可能是利用流形的概念去做，將一系列的旋轉矩陣作為乙個「旋轉群」，也就牽扯到一點李群的東西
怎麼說呢，因為影象的天然特徵（解析度，畫素排列），使得其和矩陣有非常好的契合性
而矩陣一些操作本來就是旨在發現藏在這些數字裡的關係，所以很多方法都對影象處理有著很大的意義
ios runtime 有哪些應用，感覺實際專案幾乎用不上 ？
請叫我Mr.C 防止線上崩潰了解一下.基本能覆蓋常見的崩潰型別 unrecognized selector sent to instance 找不到物件方法的實現 unrecognized selector sent to class 找不到類方法實現 KVO Crash KVC Crash NSN...
數學分析 高等代數考研輔導書有哪些？
Frederick 樓上說得很詳細了！不過我再補充一點 錢吉林的數分不錯，但是裡面有一些錯誤，不知是因為印刷還是校訂的原因。題目中規中矩，適合初級階段，訓練到一定程度可以做裴禮文的數分。高代不推薦錢吉林，推薦楊子胥的 還有 高等代數考研教案 也不錯 把書看完吃透才是關鍵！加油！ 傅爾摩斯 錢吉林編的...
平衡計分卡有哪些實際應用？
瀋陽企慧會計 平衡計分卡不適合於那些不求發展的企業，換句話說，只要相當一段時間有穩定追求的企業或企業內的組織，都可以設計和匯入平衡計分卡系統，平衡計分卡能夠保證它們持續發展。要使用平衡計分卡，上一問已經提到，必須有三個基本條件 高層支援，學會並習慣用指標衡量工作，有一套保證實施的工作流程。另外，匯入...