2016-02-22-阅读笔记：理解矩阵 + NFS + google perf tools

依然写给自己看的： 

1， 理解矩阵，

最早在52cs上看到的，转载mengyan的大作，后来一路追读到了原创的博客这里

自己线性代数也是完全没入门，读了孟老师大作，如梦方醒：矩阵是线性空间中线性转换的一种描述；是运动的描述，转换的描述；

http://blog.csdn.net/myan/article/details/647511

还是老老实实研读，用心，踏实，不余欺也。。。

 孟老师的（二）中 解释到，相似矩阵其实就是描述相同线性变换在不同基（坐标系）下的矩阵描述的转换关系的；

相似矩阵都是描述同一个线性变化的；但是矩阵还有多面：

“矩阵不仅可以作为线性变换的描述，而且可以作为一组基的描述。而作为变换的矩阵，不但可以把线性空间中的一个点给变换到另一个点去，而且也能够把线性空间中的一个坐标系（基）表换到另一个坐标系（基）去。而且，变换点与变换坐标系，具有异曲同工的效果。线性代数里最有趣的奥妙，就蕴含在其中。”

 而在（三）当中，则进一步用空间+运动的方式来解释矩阵的意义，因为矩阵不仅仅是（运动）线性转换的描述，也可以是（空间）坐标系的描述；

“固定坐标系下一个对象的变换等价于固定对象所处的坐标系变换。”

摘录最后的三个结论：

　　“

　　1. 从变换的观点看，对坐标系N施加M变换，就是把组成坐标系 N 的每一个向量施加M变换。
　　2. 从坐标系的观点看，在M坐标系中表现为N的另一个坐标系，这也归结为，对N坐标系基的每一个向量，把它在I坐标系中的坐标找出来，然后汇成一个新的矩阵。
　　3. 至于矩阵乘以向量为什么要那样规定，那是因为一个在M中度量为a的向量，如果想要恢复在I中的真像，就必须分别与M中的每一个向量进行內积运算。

　　”

2， 使用NFS的时候调研了一些资料，

（to be deleted）：

http://www.hdpfans.com/thread-12852-1-1.html

http://www.cnblogs.com/bluebbc/archive/2012/06/08/2542172.html

http://tscsh.blog.163.com/blog/static/20032010320132311461669/

 

3， google 的gperf 工具：

https://www.ibm.com/developerworks/cn/linux/l-cn-googleperf/

http://www.cnblogs.com/GODYCA/archive/2013/05/28/3104281.html

http://www.searchtb.com/2012/12/google-cpu-profiler.html

http://www.pixelbeat.org/programming/profiling/