Przejdź do treści
Biblioteka skilli
Nauka i badania · Analiza

linear-algebra

/linear-algebra

Rozwiązuje zadania z algebry liniowej: macierze, wyznaczniki, układy równań, przestrzenie wektorowe, wartości własne, SVD i najmniejsze kwadraty, z pomocniczym skryptem Pythona.

Repozytorium
agent-skills ↗
Licencja
MIT
Ostatnia zmiana repozytorium
16.10.2026

Ocena i bezpieczeństwo

90/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść25 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
3
Skrypty
1
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 16.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co sprawdzić przed instalacją
  • 1 skrypt w paczce. Przejrzyj je przed instalacją, bo Claude może je uruchomić.

Skrypty: scripts/linalg_tools.py

Co robi i kiedy

Rozwiązuje zadania z algebry liniowej: macierze, wyznaczniki, układy równań, przestrzenie wektorowe, wartości własne, SVD i najmniejsze kwadraty, z pomocniczym skryptem Pythona.

Oryginalny opis (EN)

Solve linear algebra problems: matrices, determinants, systems, vector spaces, eigenvalues, diagonalization, SVD, orthogonality, least squares, inner products, linear transformations. Includes a Python helper script. Use for any matrix, vector space, or eigenvalue question.

Jak działa

  1. Core computations
  2. Workflow
  3. Script
Sekcje z nagłówków SKILL.md, w oryginale · 22 linii, 283 słów
Podgląd SKILL.md
---
name: linear-algebra
description: "Solve linear algebra problems: matrices, determinants, systems, vector spaces, eigenvalues, diagonalization, SVD, orthogonality, least squares, inner products, linear transformations. Includes a Python helper script. Use for any matrix, vector space, or eigenvalue question."
---

# Linear Algebra

## Core computations
- Gaussian elimination -> RREF; rank = number of pivots; nullity = n - rank (rank-nullity theorem).
- Determinant: det(AB) = det A det B; det = product of eigenvalues; zero iff singular; cofactor expansion; 2x2 ad - bc.
- Inverse: A^{-1} = adj(A)/det A, or row-reduce [A | I]. Solve Ax = b with LU rather than inverting numerically.
- Eigen: det(A - lambda I) = 0; trace = sum of eigenvalues; A = P D P^{-1} if n independent eigenvectors; symmetric matrices have real eigenvalues and orthogonal eigenvectors (spectral theorem). Jordan form for defective cases. Cayley-Hamilton p(A) = 0.
- Orthogonality: Gram-Schmidt, QR; projection onto subspace P = A(A^T A)^{-1} A^T; least squares x = (A^T A)^{-1} A^T b (use QR/SVD for stability).
- SVD A = U S V^T: singular values sqrt(eig(A^T A)); low-rank approximation (Eckart-Young); pseudoinverse; condition number kappa = sigma_max/sigma_min.
- Positive definite: all eigenvalues > 0 <=> Cholesky exists <=> x^T A x > 0.
- Vector spaces: basis, dimension, span, linear independence, subspaces (column space, null space, row space, left null space - four fundamental subspaces).
- Linear maps: matrix w.r.t. basis, change of basis P^{-1} A P, kernel and image, similarity.
- Inner product spaces: Cauchy-Schwarz |<u,v>| <= ||u|| ||v||, triangle inequality, orthogonal complement.
- Advanced: tensor products, dual spaces, bilinear forms, Sylvester's law of inertia, matrix exponential e^{At} for ODEs, Perron-Frobenius, Krylov methods, PCA = SVD of centered data.

## Workflow
1. Identify the structure (square? symmetric? sparse?). 2. Choose the decomposition. 3. Verify with numeric computation. 4. Interpret geometrically.

## Script
`scripts/linalg_tools.py` - rank, nullspace, eigen decomposition with checks, SVD, least squares, projections. Run for a demo.
Pliki w paczce (3)
  • SKILL.md 2 KB
  • metadata.json 1 KB
  • scripts/linalg_tools.py 1 KB

Wersje

W bazie nie ma innych skilli o nazwie linear-algebra.

Migawka bazy z 13.11.2026 · wersja paczki 8cf93d928662 (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100ml-python-stats-linearalgebra
    Pomaga w kodzie danych w Pythonie: potoki ML, testy statystyczne i operacje algebry liniowej, na przykład PCA i SVD.
  • 95blas_lapack
    Podaje referencję API CBLAS i LAPACKE w C dla algebry liniowej: operacje macierzowe, rozwiązywanie układów, wartości własne i rozkład SVD.
  • 100math-computation
    Wykonuje obliczenia matematyczne w Pythonie z SymPy, NumPy i SciPy: matematyka symboliczna, algebra liniowa, rachunek różniczkowy i całkowy, równania różniczkowe, optymalizacja i modelowanie.
  • 90math-tools
    Wykonuje dokładne obliczenia matematyczne w SymPy: algebrę, rachunek różniczkowy, algebrę liniową i statystykę.
  • 95sympy
    Pomaga w dokładnej matematyce symbolicznej w Pythonie: algebra, rachunek różniczkowy, rozwiązywanie równań, algebra liniowa oraz generowanie kodu przez lambdify i LaTeX.
  • 100symbolic-computation-sympy
    Wykonuje obliczenia symboliczne w SymPy: algebra, rachunek różniczkowy, równania, szeregi, macierze, równania różniczkowe, uproszczenia, wyjście LaTeX i weryfikacja wyprowadzeń ręcznych.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.