5月25号，考研体验：糟糕X﹏X
难道只有我不行.png
从内容总结，线性代数的收获是《复习全书》进展到了特征值和特征向量这一节，计算机组成开了个头。
让我揪心的一个知识点是线代中“方程组同解”的问题，《复习全书》中题目固然简单，方法较为唯一，题型也不复杂。但我之前看问题的角度，是把方程组的解看成向量组的形式进行理解，将方程组的知识和向量知识联系。可这个角度解决和看待“同解”问题时，颇为吃力，甚至觉得把简单问题复杂化了。知网上“关于两个线性方程组同解问题教学的思考”这篇文章，看的时候有点理清了自己的头绪，但总体是困在毛线团中没找到线头。上午碰见的问题，进展甚微，中午吃饭时衡量，决定不要钻牛角尖，先往下学习完成本周进度。后续这个问题我想明白的话，会在这里发出来。
好惨一考研人.png
要复习计算机组成原理也是百般发愁，本科时就低分飘过，这次相当于从头开始学习。知乎和王道论坛查了查，依旧自古华山一条路——看王道。本着摸着石头过河的探索精神，也先看王道。现实很残酷，王道还没把我领入门，我就被门槛绊倒，1.2节就卡住了。。。如果本科时学习机组的经历，我还记得什么，那就是“机组这个东西，不会的话是硬看不懂的”。尝试着去看B站上王道的机组视频，讲课的小姐姐虽然声音小，音调低，像没有感情的念稿机器，但讲述的内容还可以，足够我理解基础知识了。学习机组的第一天就是这种糟糕的体验，漫漫机组路，且行且珍惜，，，，
困难吐槽完了，今天唯一能让我嘴角上扬，值得欣慰的收获，就是捋顺了实对称矩阵对角化和普通矩阵相似对角化的关系。这两个内部联系很紧密，完全可以放在一起理解。特征值的性质之一“λ是n阶矩阵A的r重特征值，则其对应的线性无关特征向量个数≤r“，不能相似对角化的矩阵，就是因为其r重特征值所对应的线性无关特征向量数<r。实对称矩阵一定能相似对角化的原因，是实对称矩阵和普通矩阵相比，有条很特殊的性质“λ是n阶矩阵A的r重特征值，则其对应的线性无关特征向量个数=r”OHHHHHHHH实对称矩阵多重跟，一定有同等数量的线性无关特征向量个数！“我们不一样，我们实对称矩阵一定能相似对角化！”
考研人的世界，没有容易可言，明天接着爬行吧！
努力奔跑吧！.gif
网友评论