27-06-2015, 12:31 AM
جبر خطی
اگر برق ریورساید قبول شده اید (مهم نیست چه گرایشی) و به هر دلیلی درس جبر خطی را تا کنون پاس نکردید بهتر است قبل از این که بیایید این جا آن را کاملا عمقی و مفهومی و اثباتی بخوانید. این مطالب در کوارتر اول درس داده می شود اما فشار کار آنقدر زیاد است که اگر عمقی از قبل بلد نباشید .... بنابراین حتی اگر این درس را پاس کردید ولی فراموش کردید مرور کنید و آن را بخورید
اگر رشته یتان مکانیک است ولی به هر دلیلی می خواهید درس رباتیک پیشرفته یا دروس کنترلی بردارید نیز به این درس نیاز دارید
سرفصل های زیر فراموش نشود
میوه بلد بودن این درس به صورت عمقی را در کل کوارتر اول و از همه مهم تر در امتحان جامع برداشت خواهید کرد. اگر این درس را A بشوید لازم نیست که آن را در امتحان جامع مجددا بدهید
بنابراین این فرصت چند ماهه بین قبولی تا شروع کلاس ها را از دست ندهید
اگر برق ریورساید قبول شده اید (مهم نیست چه گرایشی) و به هر دلیلی درس جبر خطی را تا کنون پاس نکردید بهتر است قبل از این که بیایید این جا آن را کاملا عمقی و مفهومی و اثباتی بخوانید. این مطالب در کوارتر اول درس داده می شود اما فشار کار آنقدر زیاد است که اگر عمقی از قبل بلد نباشید .... بنابراین حتی اگر این درس را پاس کردید ولی فراموش کردید مرور کنید و آن را بخورید
اگر رشته یتان مکانیک است ولی به هر دلیلی می خواهید درس رباتیک پیشرفته یا دروس کنترلی بردارید نیز به این درس نیاز دارید
سرفصل های زیر فراموش نشود
کد:
Vector Spaces, Spanning Sets, Rank, Basis, dimension, coordinates, Linear dependence and linear independence
Change of Basis Matrix, Linear Operators, Range Spaces, Null Spaces, Left Null Space, row space, column space
Partitioned Matrices, Elementary matrices, orthonormal matrices, Unitary matrices, Symmetric Matrices, Hermitian Matrices, Positive Definite and Negative Definite Matrices
Inner products, Vector norms, Matrices norms
orthonormalization, projection theorem, Gram-Schmidt Procedure
Existence of solutions to systems of equations
Gauss-reduced form, Reduced Row-Echelon Form , Solving equations by Gauss elimination
Determinants, Adjoint of a Matrix, Inverse of a Matrix
Inverses of perturbed matrices; condition of linear equations
Eigenvalues and Eigenvectors
LU, Cholesky, QR, singular value decomposition, Eigen Decomposition, Jordan canonical forms, Similarity transformations, unitary similarity; Schur form and decomposition
least squares and the pseudoinverse
Matrix Differentiation, Matrix calculus, Lagrange Multiplier
linear transformations, Linear functionals, quadratic forms, functions of matrices, Cayley-Hamilton theorem
میوه بلد بودن این درس به صورت عمقی را در کل کوارتر اول و از همه مهم تر در امتحان جامع برداشت خواهید کرد. اگر این درس را A بشوید لازم نیست که آن را در امتحان جامع مجددا بدهید
بنابراین این فرصت چند ماهه بین قبولی تا شروع کلاس ها را از دست ندهید