线性代数基础
来源:互联网 发布:软件安全性测试 编辑:程序博客网 时间:2024/06/05 02:22
线性代数基础
向量
就是有方向的量,只有方向和长度,没有位置信息。我们在考察向量时,总是以世界坐标系的原点,向它所在的方向投射指定的长度。
向量加法: 将向量的各项分别相加。
V1 = (1, 0), V2 = (0.5, 0.5)
V3 = V1 + V2 = (1, 0) + (0.5, 0.5) = (1.5, 0.5)向量减法: 将向量的各项分别相减。
V1 = (0.7, 1.5), V2 = (0.5, 0.5)
V3 = V1 + V2 = (0.7, 1.5) - (0.5, 0.5) = (0.2, 1.0)向量和标量的乘法: 把标量和向量中的每个分量分别相乘。
V = (1, 2, 2), D = 2
R = V * D = 2 * (1, 2, 2) = (2, 4, 4)向量和标量的乘法: 把标量和向量中的每个分量分别相乘。
V = (1, 2, 2), D = 2
R = V * D = 2 * (1, 2, 2) = (2, 4, 4)向量点积: 发生在向量和向量之间。点积的结果是一个标量值。
V1 = (1, 0),V2 = (0.5, 0.86
点积 = Dot(V1, V2) = V1 * V2 = (1, 0) * (0.5, 0.866) = (1*0.5 + 0*0.866) = 0.5
**向量点积的几何意义:
Dot(V1, V2) = ||V1|| * ||V2|| * cos(ɑ)
cos(ɑ) = Dot(V1, V2) / (|V1|| * ||V2||)**
一般的情况,只要夹角小于90度,他们的点积总是>0,如果夹角刚好是90度,点积则=0,如果夹角大于90度,点积会是一个负数。向量叉乘: 运算结果还是一个向量。它的运算法则是交叉相乘。
V1 = (1, 0, 0),V2 = (0, 1, 0)
向量叉乘的几何意义
两个向量的叉积得到了新的向量,它垂直于原来的两个向量所在平面。当某个向量垂直于一个平面,可以看作这个平面的法向量。
叉积运算是有顺序的, V1 x V2 和 V2 x V1 的叉积值是不一样的。顺序不同,新的法向量的方向是相反的。
矩阵
矩阵的转置
矩阵的转置就是把矩阵的行变成列。比如把第一行变成第一列,第二行变成第二列。矩阵和标量的乘法
一个矩阵和标量相乘,就是用标量与矩阵每一个元素依次相乘。得到的矩阵与原矩阵的维度是一样的。矩阵和矩阵的乘法
用第一个矩阵的第一行的每个分量,与第二个矩阵的第一列的分量相乘,将结果相加,得到新的分量。
矩阵与矩阵相乘,其结果与两个矩阵的顺序是有关的,不同的顺序,结果是不一样的。
两个内部维度不同的矩阵是不能够相乘的。
一个 N * M阶与S * T阶矩阵相乘,必须满足 M和S维度相同,乘法结果是一个N * T阶矩阵。
- 线性代数基础
- 线性代数基础
- 线性代数基础:向量组合
- Notes: 线性代数基础回顾
- 机器学习--线性代数基础
- 线性代数1-矩阵基础
- 深度学习线性代数基础
- 线性代数基础 1
- 算法基础-线性代数-行列式
- 科学计算:Python ----线性代数基础
- 数学基础-线性代数-矩阵乘法
- Matlab的线性代数矩阵基础
- Matlab线性代数基础---矩阵操作
- 线性代数
- 线性代数
- 线性代数
- 线性代数
- 线性代数
- ABBYY Hot Folder日志功能怎么使用
- c++作用域限定符
- 设计模式(一)设计六大原则
- PHPCMS手机站伪静态设置
- Oracle 11g必须开启的服务
- 线性代数基础
- 一些shell命令
- storm多种编程语言优缺点
- 搭建nginx负载均衡
- Android GZIP压缩与解压工具类
- 地图map开放平台总集:百度地图,腾讯地图,高德地图
- SylixOS使用串口传输文件(2)
- springmvc配置多数据源
- fork函数替换为SylixOS进程技术笔记