选课类别:基础 | 教学类型:理论课 |
课程类别:研究生课程 | 开课单位:电子工程与信息科学系 |
课程层次:硕士 | 学分:3.0 |
黄诺老师详尽教授矩阵理论,涵盖秩、范数、分解方式、瑞利商等,板书和公式推导清晰,但课程难度较大,需预习才能跟上。徐正元老师则着重矩阵在不同领域如图像识别、信道中的应用,需一定的MATLAB经验。
共9次矩阵理论作业,1次小论文,1次应用大作业(MATLAB编程)。作业主要由龚老师命题,难度大。考试为开卷,主要考查证明题,难度不亚于作业,时间较紧。
课程要求较高,需投入大量时间。学生一般需每周花费10-20小时完成作业和预习。
课程为赋分制,助教对平时作业评判较宽松,在一定程度上调分,出分后学生普遍满意。
虽然学习难度大,但对科研尤其是涉及矩阵理论的方向帮助显著。黄老师强调课程目的在于实用性而非重复证明推导。
还没有期末考试,给分情况不清楚,先占个坑吧。
2024.1.19 出分更新,给分非常好,感谢两位老师和助教!
选课建议:如果你本科是数院的,可以选;如果你的数理基础扎实,且愿意在研究生阶段付出大量时间学习,可以选;如果你对数学理论有浓厚兴趣,甚至到了闲下来的时间都会找一些数学书来看的这种程度,可以选;如果你的运气差手速慢,抢不到春季学期的矩阵和组合数学这两门课,只能选;其他情况请慎重考虑。
鉴于给分情况……我觉得虽然课程难度这么大,还是挺推荐的,如果不想陷入春季学期尴尬的选课局面,选个秋季学期的矩阵也不错。
两位老师:
黄老师主讲矩阵理论部分,课程内容包括秩、范数、常见分解方式、瑞利商等。黄老师的课上的很好,板书和公式推导很详尽,只是课程难度太大,如果数学基础还不错,并且每周都提前预习一下ppt,能在课堂上勉强跟上。
徐老师主讲矩阵理论运用部分,包括基尔霍夫网络矩阵形式,信道矩阵,矩阵在图像识别中的应用,想要听懂需要有一定的matlab编程经验。
作业情况:
一共有9次矩阵理论作业(多半证明),1次矩阵相关小论文(自拟题),1次矩阵应用大作业(matlab编程)
其中9次作业题是隔壁班龚老师出的,每年会有些许变动,难度很大,甚至今年出现了阿里数学竞赛的一道原题的弱化形式(但龚老师这题出的比阿赛早)。想要独立完成需要耗费很多时间。
学习难度:
从我自己的学习情况来说,我每周大约要花6-12小时在写这门课的作业上,能勉勉强强把作业独立完成,9次作业一共错了2道题。除此之外,为了学懂作业当中要用的各种额外的矩阵知识,还需要4-8小时的时间在阅读各种blog学习理论上。(推荐知乎答主 纯粹 的回答)学习这门课是需要投入大量的时间的。
给分情况:
由于期末考试还没开考,暂时不知道总评情况,但是平时作业的分数助教都尽可能给满了,最终的考核标准是考试40%,平时作业60%
考试情况:
开卷考试,允许携带一切纸质资料,考试时间3小时,时间较长,允许携带食品,饮料。但是据说带了也没东西可抄的,不会考作业以及ppt上的原题。今年情况暂时不明,但往年一般考5-6道证明题。
收获:
对理解同期的信号检测估计后面几张的繁琐证明有作用
对提高matlab编程能力挺有用的(也可能因为我matlab学的实在太烂了,写大作业逼着自己自学了一点)
科研方面对做图像识别,做信道以及其他和矩阵理论强相关方向的同学有作用
另外我本身就很喜欢学习这类数学理论知识,其实学习这门课的过程对我而已就是挺大的收获
已经复习了5天了,考前最后一天来更新一下,这几天做了23年22年和21年的卷子,感觉往年试卷的难度和平时作业差不多,但是整张卷子大约要花6小时才能写完,考试时间只有3小时,根本不够,已经要完蛋力!
非常好的课程,使我的大脑旋转。
要不是评课系统限制,我愿意给114514分。
不点名,抄抄作业答案,开卷考试
能混到75+,挺不错的
黄老师讲得很好,而且这个课会调分,所以即使考试很难,但是影响不大。给分也很好,出分了群里大家都在感谢老师。实验其实挺简单的,没有限制具体的编程语言,用Python也是可以的。伟大,无需多言。