线性代数
水蓝城城主
勤恳踏实只求问心无愧不做伪君子,鞠躬尽瘁不争功名利禄方为真英雄
展开
-
numpy中resize和reshape的一个区别
numpy包中有两个改变数组形状的方法reshape和resize想必也是众所周知了,而且二者的用法基本一致:numpy.resize(arr, newshape)numpy.reshape(arr, newshape, order='C')其中arr即为要变形的多维数组,newshape即为要改变的形状,常常是一个整数元组。numpy.reshape方法的官方文档中指明newshape中可以有一个-1,表示numpy会自动根据原始数组中元素的总数和其他维度的参数,自动推算出这个维度的大小。如:&原创 2020-10-15 17:57:52 · 630 阅读 · 0 评论 -
【总结】线性代数的本质 - 3
文章目录3. 其他3.1 向量点积3.1.1 定义和几何解释3.1.2 点积的对偶性3.2 向量叉积3.2.1 叉积基本定义3.2.2 叉积的几何解释3.3 基变换3.3.1 基变换基本方法3.3.2 基变换与线性变换3.4 特征向量和特征值3.4.1 特征向量和特征值求解3.4.2 对角化3.5 向量的再抽象3. 其他3.1 向量点积3.1.1 定义和几何解释向量的点积(Dot Prod...原创 2020-02-04 19:05:43 · 448 阅读 · 0 评论 -
【总结】线性代数的本质 - 2
文章目录2. 矩阵2.1 向量左乘矩阵2.2 矩阵乘法2.3 行列式2.4 矩阵的用途(线性方程组)2.5 矩阵的逆2.6 克莱姆法则(Cramer's Rule)2.7 矩阵的秩2.8 列空间、零空间2.9 非方阵2. 矩阵2.1 向量左乘矩阵在此类比一下实数函数,对于任何一种实数函数f(x)f(x)f(x),定义了对任意一个实数x∈Rx \in Rx∈R的一种变换,即输入一个实数获得另一...原创 2020-02-04 19:00:20 · 526 阅读 · 0 评论 -
【总结】线性代数的本质 - 1
文章目录0. 前言1. 向量1.1 向量的意义1.2 向量的两个基本运算1.2.1 向量相加$$\vec{v} + \vec{w} = \begin{bmatrix} x_1 \\ y_1 \end{bmatrix}+\begin{bmatrix} x_2 \\ y_2 \end{bmatrix}1.2.2 向量数乘$$c\vec{v} = c \times \begin{bmatri...原创 2020-02-04 18:53:13 · 433 阅读 · 0 评论