线性代数
文章平均质量分 63
isstack
靡不有初,鲜克有终
展开
-
矩阵基础(一)
矩阵的加法: 矩阵相加的前提是它们的行列数必须相等,不然没有对应的元素让它加 [1324]\begin{bmatrix} 1&2\\ 3&4 \end{bmatrix} + [4231]\begin{bmatrix} 4&3\\ 2&1 \end{bmatrix} =[5555]\begin{bmatrix} 5&5\\ 5&5\end{bmatrix} 既然它是对应元素原创 2017-10-22 12:44:46 · 3144 阅读 · 0 评论 -
矩阵基础(二)
上一篇中说到了矩阵的逆,矩阵逆的性质和普通代数中倒数的性质有些类似,比如在求解ax = b ,这个方程的时候,很显然右边乘上a 的倒数便得到了x 的值,那么在求解多元方程的时候,我们也可以用矩阵来求解: [3−121][xy]=[71]\begin {bmatrix} 3&2\\ -1&1\end{bmatrix} \begin {bmatrix} x\\y\end{bm原创 2017-10-24 23:25:45 · 287 阅读 · 0 评论 -
向量基础
先解释下向量空间的概念: 一般向量空间用Rn来表示,比如R2就代表二维空间R^n 来表示,比如R^2就代表二维空间,也就是我们常见的平面直角坐标系那样的,R3代表三维空间,加个Z轴就行了,但是R4就不好直观的绘图了R ^3 代表三维空间,加个Z轴就行了,但是R^4就不好直观的绘图了,不过在纯数学上是可以表示的。 矩阵中,可以用[ab]\begin {bmatrix} a \\ b\en原创 2017-10-25 20:32:54 · 873 阅读 · 0 评论 -
FFT快速傅里叶变换
看了好久终于弄懂FFT了,记录下来,免得忘了。 FFT需要的基础有矩阵乘法和逆,这里写了,欧拉公式,单位复数根,其实FFT主要的还是理解多项式的点值表达,然后用单位复数根的性质实现蝶形运算就神奇的把计算的复杂度降到O(nlogn)了。点值表达 多项式的点值表达,就是有一个多项式,将它看作一个函数,然后在x 轴上找n个x,代入就能得到n 个点。 比如有一个多项式: A原创 2017-10-23 00:51:46 · 878 阅读 · 0 评论 -
卷积在图像处理中的应用
原文:http://blog.csdn.net/xueyedie1234/article/details/51577495一、 什么是卷积? 在图像处理中,卷积操作指的是使用一个卷积核对图像中的每个像素进行一系列操作。 卷积核(算子)是用来做图像处理时的矩阵,图像处理时也称为掩膜,是与原图像做运算的参数。卷积核通常是一个四方形的网格结构(例如3*3的矩转载 2017-09-29 23:25:39 · 10721 阅读 · 0 评论