Skip to content
New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Лекция по линейной алгебре #205

Merged
merged 36 commits into from
Oct 23, 2021
Merged

Conversation

dayyass
Copy link
Collaborator

@dayyass dayyass commented Oct 18, 2021

Данный PR является продолжением #201

@SemyonSinchenko
Copy link
Collaborator

SemyonSinchenko commented Oct 18, 2021

Сможем еще коснуться темы scipy.sparse и scipy.sparse.linalg? Особенно scipy.sparse.linalg.eigs/eigsh? Просто простейший кубитный оператор для системы из 10 кубит, который действует на один из них это матрица 2^10 x 2^10, при этом он мега разреженный. И мы часто будем для самопроверки юзать вызовы ARPACK из scipy.sparse.linalg, чтобы убедиться, что верно все делаем или просто для наглядности (как подтверждение формулам). То есть что нужно:

  • разреженные матрицы
  • произведение кронекера разреженных матриц (пример: действуем оператором инверсии на k-й кубит из N кубит - это значит действуем на каждый кубит оператором размерности 2х2 - на k-й нашим оператором инверсии, а на остальные единичными операторами 2х2 и все перемножаем кронекером)
  • умножение разреженных матриц (вроде как поведение по умолчанию для значка * для scipy.sparse.csr_matrix отличается от такового в NumPy, но это не точно)
  • вызовы из ARPACK (eigs/eigsh)

(P.S. крыловские подпространства и прочую жесть можно не рассказывать, но если есть силы/желание, то будет очень круто добавить их и итерацию Арнольди/Ланкзоша как лекцию "красного" цвета)

(P.P.S. хотя бы на уровне синтаксиса и параметров разобрать будет уже очень круто)

@dayyass
Copy link
Collaborator Author

dayyass commented Oct 18, 2021

Доделал файл vectors.md - можно проверять.

@vvssttkk
Copy link
Member

@dayyass откуда ты наследовал эту ветку, а то она не синхронизирована с master (как минимум по ci)?

Copy link
Collaborator

@SemyonSinchenko SemyonSinchenko left a comment

Choose a reason for hiding this comment

The reason will be displayed to describe this comment to others. Learn more.

Про L2 напиал. Ну еще хотя бы пару слов, по возможности, о пространствах размерности более 2-х? Можно просто в {note} выносить маленькие пометки, типа того, почему, например, косинусное расстояние косинусное (хотя что такое косинус в N-мерном пространстве это открытый вопрос. Ну или что векторами часто называют точки в многомерном пространстве (отсюда метод опорных векторов) и дальше Декартова пр-ва мы теряем смысл понятия "направления". А так очень круто, огромное спасибо за этот вклдад!


Формально норма определяется как функционал в векторном пространстве, удовлетворяющий [3 аксиомам](https://ru.wikipedia.org/wiki/Норма_(математика)) и отображающий элементы этого пространства (векторы) в множество неотрицательных вещественных чисел.

Данному определению нормы удовлетворяет множество функционалов, но мы будем рассматривать наиболее часто используемый - **Евклидову норму**.
Copy link
Collaborator

Choose a reason for hiding this comment

The reason will be displayed to describe this comment to others. Learn more.

Общее пожелание. У нас авторы с разным бекграундом, росли на разных книжках. По возможности можно максимально дублировать (например в скобках) терминологию? Например, евклидова норма это L2 или ||||_2^2 или ||||^2 или даже просто ||||. Это проблема опен-сорс курсов, идеально иметь единую терминологию, но гарантировать это на ревью бывает очень сложно.

Copy link
Collaborator Author

Choose a reason for hiding this comment

The reason will be displayed to describe this comment to others. Learn more.

Добавлю материал в векторы.
Но еще буду делать отдельный файл по матрицам, в который войдет материал, непокрытый в лекции про векторы.

@dayyass
Copy link
Collaborator Author

dayyass commented Oct 18, 2021

@dayyass откуда ты наследовал эту ветку, а то она не синхронизирована с master (как минимум по ci)?

Отпочковался от ветки m12sl-linalgblock

@vvssttkk
Copy link
Member

@dayyass откуда ты наследовал эту ветку, а то она не синхронизирована с master (как минимум по ci)?

Отпочковался от ветки m12sl-linalgblock

влей сюда master пж, а то руками запустить создание книги нельзя

@dayyass
Copy link
Collaborator Author

dayyass commented Oct 18, 2021

@dayyass откуда ты наследовал эту ветку, а то она не синхронизирована с master (как минимум по ci)?

Отпочковался от ветки m12sl-linalgblock

влей сюда master пж, а то руками запустить создание книги нельзя

Сделал

Copy link
Collaborator

@Yorko Yorko left a comment

Choose a reason for hiding this comment

The reason will be displayed to describe this comment to others. Learn more.

Пока не так много всего ревьюить :)

Общие замечания по оформлению: формулы надо пофиксить, добавить картинки.

Еще есть идея попутно сразу иллюстрировать все с NumPy - иначе суховато получается и не очень понятно, зачем это читать, когда полно и так крутых учебников/конспектов.

@vvssttkk vvssttkk changed the title [WIP] Лекция по линейной алгебре Лекция по линейной алгебре Oct 20, 2021
@vvssttkk
Copy link
Member

@dayyass добавь себя автором вот сюда

@dayyass
Copy link
Collaborator Author

dayyass commented Oct 23, 2021

FYI - дорабатываю лекцию по матрицам:
qmlcourseRU/book/linalgblock/matrices.md

README.md Outdated Show resolved Hide resolved
@vvssttkk
Copy link
Member

ох уж этот git, продолжаем работу над этой лекцией в #217

Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment
Labels
Projects
None yet
Development

Successfully merging this pull request may close these issues.

Базовая математика, релевантная QC
5 participants