zoukankan      html  css  js  c++  java
  • 线性代数基础

    1. 标准正交基

    两两正交且模为1

    2. 向量内积

    [A cdot B = left| A ight|left| B ight|cos left( a ight)]

    设向量B的模为1,则AB的内积值等于AB所在直线投影的矢量长度。要准确描述向量,首先要确定一组基,然后给出在基所在的各个直线上的投影值,就可以了。

    3. 向量外积

    [A imes B = left| a ight|left| b ight|sin heta n]

    n是同时垂直于A,B向量的单位向量。

    4. 矩阵

    可逆矩阵:$AB = BA = E$

    正交矩阵:${A^T}A = E$

    A相似于B($A sim B$):${P^{ - 1}}AP = B$P是可逆方阵。相似矩阵有相同的特征多项式,相同的特征值。

    5. 特征值和特征向量

    $Ax = lambda x$,$x$是非零列向量,A是n阶方阵。

    (1)$egin{array}{l}
    {lambda _1}{lambda _2} cdots {lambda _n} = left| A ight|\
    {lambda _1} + {lambda _2} +  cdots {lambda _n} = {a_{11}} + {a_{22}} +  cdots  + {a_{nn}}
    end{array}$

    (2)实对称矩阵的任一特征值都是实数

    (3)不同特征值对应的特征向量线性无关

    6. 迹

    $trleft( A ight) = {a_{11}} + {a_{22}} +  cdots  + {a_{nn}}$,$A$n阶方阵。

    (1)迹是所有对角元的和
    (2)迹是所有特征值的和
    (3)某些时候也利用tr(AB)=tr(BA)来求迹
  • 相关阅读:
    寒假自学进度十四
    2020.2.14
    2020.2.13
    寒假自学进度十三
    2020.2.12
    软件架构实践阅读笔记1
    一线架构师实践指南阅读笔记03
    一线架构师实践指南阅读笔记02
    python作业5
    一线架构师实践指南Refined Architecture阶段阅读笔记
  • 原文地址:https://www.cnblogs.com/xumaomao/p/11387783.html
Copyright © 2011-2022 走看看