- 博客(75)
- 收藏
- 关注
RSS订阅原创 二次型 线性代数
二次型其实是一种函数表达的方式，如上，含义其实就是每个项都是二次的，不存在更高和更低次的项。考研只研究a是实数的情况，所以我们也可以说我们这里的二次型是实二次型。在我们的线性代数中，所有的函数都可以把它表示成矩阵的形式。那我们把这里的f用矩阵表示就是：我们可以看到，其实一个二次型，最核心的就是里面的A，因为对所有的同型的二次型来说，他们的不同点就是A，所以这个A就是灵魂所在，我们说研究一个二次型的表达式f，其实就是在研究这里面的A。A 的秩就是f的秩。另外，我们对这里的A有特殊。
2025-08-02 00:16:05
639
1
原创 特征值与特征向量
其实基本和之前求特征值和特征向量是一个步骤，最后一步注意到对应就行了。这个要重点记忆例题主要考察的是我们的题目“翻译”能力，把题目中的文字或者公式翻译成对我们有用的知识点或者形式。非常综合的题目。我们数学题中的比较有难度的题，什么是有难度，大家联想知识点，变换条件（翻译题目），这个是每个人经过训练都能做到的。能做到这个数学基本就能拿百分之八十的分数了，那剩余的分数有时候就要有更深层次的联想和变换。
2025-07-25 12:56:32
1166
原创 线性方程组
再看我们这里还要求A*x=0的基础解系，既然有这个式子，就说明我们的A*的秩至少是1，那么因为之前我们说过A的秩是小于n的，而A*的秩得大于等于1，很显然只有一种情况了，那就是A*的秩等于1，A的秩等于3。我们看到A的秩小于n，那么|A|就等于0，那么上面的式子就是A*A=0，看到这里的A*x=0的形式了吧，也就是说A就是其中的一个解，再看A*的秩等于1，那么这个解就应该由3（4-1）个线性无关解构成，那么接下来的任务就是找A中的线性无关的部分。这个就是考的之前我说的那个和第二个性质的证明方法很像的思想。
2025-07-13 10:53:30
295
原创 极大线性无关组、等价向量组、向量组的秩
然后第5个，这是啥呢，左边是我们的1，2，4原向量，右边是化成的行阶梯形矩阵，这两个乘起来我们会发现就是所有的向量构成的原本的向量组，还是挺有意思的，实际上他的含义就是左边是撑起这个空间的向量，而右边是这个向量的搭配组合能产生的所有向量的“配方”。这第二个是啥意思呢，就是说一个向量组如果通过初等行变换（把向量组整体看成一个矩阵）变成另一个向量组，那么组成后一个向量组的极大线性无关组对应的位置的向量也是前面一个向量组的极大线性无关组。矩阵行列式非零，矩阵可逆，矩阵满秩这三者是等价的。这个要重点关注的是这个。
2025-07-09 11:27:29
536
原创 向量与向量组的线性相关性 线性代数
我们向量要研究什么？实际上我们在现实中是研究向量与向量之间的关系，而在关系中最重要的是向量与向量之间能否线性表示。我们在数学中首次理解的向量一般都是二维向量吧，一般是一个直角坐标系，我们说定义这样一个坐标系一般是用两个单位向量（x轴和y轴）来定义的，这里就体现了我们本章的思想。我们在初等数学中做出向量一般都是要问他们之间的关系是什么，而在这些所有的前提是，得有个这样的两个单位向量来定义这个二维空间。也就首先是要找到两个线性无关的向量来“打开”这个空间。
2025-07-08 18:36:13
947
原创 矩阵的秩 线性代数
例题给出秩，那我们就有三个知识点，一个是用定义，一个是用求法，一个是重要式子。题目没什么好翻译的，基本就是赤裸裸的跟你坦白了直说了。接下来就是解法了。用定义的话就是说这个矩阵的3阶子式都为0，那么我们随便找一个三阶子式把t包含进去就行。还有一个就是化为行阶梯形来算，因为我们知道其秩为2了，所以这个思路也是可以的。这题也是求秩，还是有表达式类型的，一般碰到表达式我们最常用的就是性质。那我们现在先初步判断这题应该是考我们重要式子的运用。
2025-07-01 14:13:51
454
原创 等价矩阵 线性代数
A和B等价就是求A和B的秩，其实就是要求B的秩了，因为目标已经告诉你了A和B的秩是一样的。那么怎么求B的秩呢？我们现在只有一种方法求其秩，就是通过把其经过初等变换之后符合标准形，然后再求r。求完 r 之后把A也化成标准形，然后根据我们之前求出的r来算a。第二问就是把A通过一系列转换变成B，其中的初等变换矩阵乘完之后就是变成B的P。所谓等价矩阵，就是说其秩相同的矩阵。
2025-07-01 00:18:58
209
原创 矩阵方程 线性代数
首先观察题目条件，发现伴随矩阵A与逆矩阵相关，可通过性质求出|A|。接着将目标表达式中的B进行转化，发现需要将右边式子转化为与A⁻¹和|A|相关的形式。解题关键是通过已知的A推导出|A|，进而利用逆矩阵的性质建立方程求解。整个过程体现了从已知条件出发，逐步推导未知量的解题策略。
2025-06-30 23:44:16
292
原创 初等变换 线性代数
本文介绍了矩阵初等变换及其应用。主要内容包括：1）初等矩阵的作用，通过"左行右列"原则实现对矩阵的行列操作；2）初等变换求逆矩阵的方法，将可逆矩阵通过初等变换化为单位矩阵；3）分块矩阵求逆的解题思路，包括定义法、性质法和初等变换法的适用情况。文章通过具体例题展示了如何利用初等变换求解逆矩阵，并强调在抽象矩阵情况下定义法的适用性。
2025-06-30 21:06:17
764
原创 伴随矩阵 线性代数
伴随矩阵的作用是什么？我们可以看到其伴随矩阵乘上自己等于一个数（自身的行列式）乘以E，所以对于一个方阵来说，其逆矩阵就是自己的伴随矩阵的倍数。所以说伴随矩阵的作用就是用来更好的求解逆矩阵的。看到伴随矩阵我们首先要想到的是逆矩阵，他俩是一根绳子上的蚂蚱。
2025-06-30 15:28:15
778
原创 矩阵的逆 线性代数
摘要：本文探讨了可逆矩阵的判定方法，重点分析了一道典型例题。解题关键在于从条件AB=A+B出发，通过矩阵运算构造出单位矩阵E。解题技巧包括：1)运用分配律推导；2)通过加减E构造所需表达式；3)灵活运用矩阵运算性质。文章强调，解题时应注重方法和知识点的掌握，而非死记题型，并提出"翻译"方法（联想知识点+转化条件结果）作为解题思路。对于证明题，建议优先推导目标表达式，再结合条件求解。
2025-06-29 22:24:12
408
原创 矩阵的定义和运算 线性代数
对于我们的填空题来说我们现在的情况无疑是走错路了，所以我们回归正途，我之前说过这题应该是要考两个知识点，一个是运算，那我们试过了，应该是不行，还有一个就是运算律，大家想一下有哪几个运算律：结合律和分配律对吧，因为矩阵乘法没有交换律，而分配律又是要有+或者-在的，这题显然也不是分配律，那么我们就只能往结合律上想了。这里就说到我们这里的基了，什么是基。其次，矩阵乘法运算后的数实际上就是我们的向量运算的结果吧，我们在中学学过向量运算，是由两个的模长乘以其余弦，那我们的Gram是不是也能曲线的求出我们向量的模长？
2025-06-29 19:31:11
746
原创 抽象型行列式的计算 线性代数
我们这章主要学的就是行列式的各种计算变换么，这个条件又是个行列式，那肯定是说这个行列式是用来算我们的结论的，因为我们还没学矩阵的乘法，所以大家不会也是正常的，但是一定要有这个思路，就是说这个结论一定是由一个常数和A推出来的。实际上我们不光是做线代的题是这样，在做高等数学的很多题的时候都是要对题目给才条件进行“翻译”或者变形化简，对所求的结论进行变形化简然后才开始计算的，也算是基础的第一步吧，因为一般出题的时候在这上面设置障碍算是最常见的出题方法了。的，但是在后面学的矩阵里，交换律往往不成立。
2025-06-18 09:00:00
335
原创 逆用展开式和克拉默法则
把题目中的话转换成我们熟悉的数学知识，首先是B，题目上说B中的每个列向量都是解，这句话转换为B是由此方程组的解组成的，也就是B是此方程组的解。而我们又看到B不等于0，这就是说我们的解不等于0，也就是非0解。才能证明B的值对吧。有了这个思路，我们再找下题干，和B有关的，上面说B是方程组的解，而且不光这样，好像还是个齐次方程组，也就是说旁边是0，我们要证的里面就有个0吧。那就可以从这里下手，也就是A*B=0.但是得到这个条件好像没什么用，因为|A|就是0，在|A|是0的情况下，|B|也就不定了。
2025-06-18 08:00:00
315
原创 一篇足够！（自然语言处理考试冲刺篇）
本篇专为期末冲刺（救急）的大学牲准备，本专栏的收官之作，无论你看没看前面的内容，应试教育么大家都懂的，只要学会本篇的所有例题，包不挂科。本章纯小白也能看懂！！！所以实在赶时间就学这一篇就行。
2025-06-17 10:00:00
969
原创 具体型行列式的计算 线性代数
关于我们行列式的求法，在观察行列式的形式之后，若是有次方平方的首先考虑化为范德蒙德行列式，若不是则首先尽量化简出尽可能多的0优先考虑化简出一行只有一个元素有值的情况，其次就是关注三角区的0是否能被清空。然后再看分散的0能否被集中。若以上都不行那就试试强行展开求值。
2025-06-17 09:00:00
271
原创 几个重要的行列式 线性代数
对于行列式的计算来说，一般给出的行列式我们都要对其进行化简，但是化简到什么程度就可以了呢？这就是本篇的用处，一般给出的行列式化简的目标就是我们接下来这3种。就是说在出题的时候大部分都是按照这3中的一种去出题的，所以我们在化简的时候也要尽量往这4种行列式身上去化简。
2025-06-16 13:39:04
363
原创 行列式展开定理（第三种定义） 线性代数
本篇的用途是关于三阶以上行列式的一般解法。因为对于三阶以上行列式我们没有类似于2阶和三阶一样的特殊的求值办法，而对于我们上一篇讲的办法来说又太复杂了，一般考试几乎不会用到。于是就诞生了本篇的方法。本篇内容是章节重点，实用性很强，后面的很多题目都会用到本篇的解法。
2025-06-16 12:58:16
459
原创 无脑拖延！ddl时间到了催的急怎么办？
论文没写完老师催 稿子没赶完编辑催 工作没做完上司催 本来只想拖一小会结果你给忘了到了截止日期了。此时你开始上网找解决办法，很幸运！本篇用极其简单的办法教会你如何损坏文件。没错就是交过去的时候好好的但是打开却无法打开。此时你就可以卡这个timing边和老师/领导拉扯变赶紧做完了。基本做法就是把文件名改成zip文件然后双击打开，再删除word文件夹中的随意一个文件然后再重命名回去。
2025-06-16 08:00:00
391
原创 行列式的逆序数法定义 线性代数
这个就是我们一般的行列式的求法。我们先看数值部分，数值部分是这样的：我们的n阶行列式由取自不同行不同列的各项相乘组成的。一般的做法是每行取一个，要求取的项不能和之前的项一样。然后再看我们的符号部分：我们把数值部分按照行数1 2 3 4（也就是第一个下标）一字排开，由我们列数组成的排列的逆序数作为-1的次数，也就是说我们的排列若是奇排列那么就是负的，偶排列就是正的。
2025-06-15 22:50:00
362
原创 从零开始的Conda环境配置
安装完成后，打开Anaconda Prompt（找不到在你电脑底下的搜索栏搜）在命令提示符中，使用以下命令创建一个名为。之后你要安装一些包就输入。
2025-06-14 18:10:18
601
原创 行列式的本质定义（第一讲）
首先我们的行列式描述的是向量组成的体积，那什么情况下我们的体积为0呢？很显然第一种情况就是有边是0吧，一旦有一条边是0也就是说有一个向量是0，那么其组成的体积必然为0对吧。除了这种情况我们其实还能想到另一种情况就是两条边重合了，也就是一个边是另一条边的倍数，有一个边和另一个边是重合的，这样的话体积显然也是0。我们要注意的是，所谓的主对角线减辅对角线只是二阶行列式计算的巧合而已，并不能推广到更高阶的行列式（当然更高阶也不会只有俩对角线了），而本质的测度属性却是可以推广的。
2025-06-12 08:00:00
157
原创 依存句法分析
通过 4 种动作（Shift、Left - Arc、Right - Arc、Reduce），让每个词要么找到自己的 “老大”（支配它的词），要么成为别人的 “老大”，最终拼出句子的依存关系。（根据词的关系、语法规则等打分）—— 比如 “打断” 和 “声” 的连线，比 “打断” 和 “我” 的连线更靠谱，分数就更高。（比如 “打断” 是核心，连着眼 “声”“了”“沉思”，“脚步” 跟着 “声”，“我” 跟着 “的” 再跟着 “沉思”）。（比如 “猫→小” 表示 “小” 的老大是 “猫”）。
2025-06-11 15:54:46
909
原创 句法分析 自然语言处理
句法分析(syntactic parsing)的任务就是 识别句子的句法结构(syntactic structure)｡短语结构分析(Phrase parsing)：完全句法分析(Full parsing) 局部句法分析(Partial parsing)依存句法分析(Dependency parsing)
2025-06-11 13:16:41
1192
原创 零基础入门 线性代数
各位都有对象嘛？如果没有对象，想不想知道你们的天命之人是谁捏？如果有对象的话，想不想知道你们是否能走到最后呢？我相信大家的回答都是肯定的，但是我们怎么知道什么是天命呢？
2025-06-10 11:40:19
616
原创 马尔可夫模型 自然语言处理
有一类很重要的随机变化过程，比如一个系统有很多种可能的“状态”（就像开关有“开”和“关”两种状态，或者天气有“晴”“雨”“阴”等状态），这些状态会随着时间变化，从一个状态转移到另一个状态。可以想象成系统的“身份”或“模式”，比如“状态1”“状态2”……“状态N”（N是状态总数）。：用q_t表示“在时间t时系统处于什么状态”，比如 q_1是“第1时刻的状态”，q_2是“第2时刻的状态”。：重点是，当前时刻的状态概率取决于之前所有时刻的状态。
2025-06-08 12:08:42
1021
原创 自然语言处理 目录篇
基本上期末考试内容就是这些啦（持续更新），本专栏适用于 纯小白\啥也没听的大学牲\想要了解相关知识但是奈何论文全是鬼话看不懂的 各位（嘻嘻）
2025-06-07 16:33:43
289
原创 解决虚拟机挂起之后的网络问题
在VM（虚拟机）操作中，不小心点击“挂起”后导致网络连接中断是常见问题。本文提供了一种简单的解决方案，通过执行特定命令来恢复网络连接。
2025-05-10 19:24:48
350
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人