Math
文章平均质量分 62
wangxiaojun911
这个作者很懒,什么都没留下…
展开
-
共变导数(Covariant Derivative)
导数是指某一点的导数表示了某点上指定函数的变化率。比如,要确定某物体的速度在某时刻的加速度,就取时间轴上下一时刻的一个微小增量,然后考察速度的增量和时间增量的比值。如果这个比值比较大,说明单位时间内速度的改变量大,反之就小。注意的是,只有当时间轴上的微小增量的极限趋于零时,这个比值才是考察的时刻的加速度(即速度的导数)。可以看出,导数的定义与极限的概念是分不开的。而极限的表述最早是原创 2013-12-08 10:16:08 · 4877 阅读 · 1 评论 -
仿射(Affine)空间
Affine几何 Affine几何是研究这样一种几何: 它只涉及两点之间的向量,而不考虑实际的距离、角度,甚至不考虑作为参照的原点。这些几何构成的空间就是Affine空间。 Affine空间 相比较于熟悉的欧几里得空间,Affine有一些特别的性质。原创 2011-10-17 12:25:43 · 5014 阅读 · 0 评论 -
矩阵——特征向量(Eigenvector)
矩阵的基础内容以前已经提到,今天我们来看看矩阵的重要特性——特征向量。矩阵是个非常抽象的数学概念,很多人到了这里往往望而生畏。比如矩阵的乘法为什么有这样奇怪的定义?实际上是由工程实际需要定义过来的。如果只知道概念不懂有何用处,思维就只有抽象性而没有直观性,实在是无法感原创 2011-09-01 03:42:23 · 68222 阅读 · 6 评论 -
柯西序列 (Cauchy sequence)
<br /><br /><br />一组数列由许多元素组成,每个元素都有一个唯一的序号。柯西序列是这样一组数列,它的元素随着序号增加而接近。<br /> <br />给定一个数列,如何判断它是否是柯西序列?方法是先去掉N个元素(N是有限的数),再看剩下的元素有没有这样一种规律:任何两个元素之差不大于任意指定的正数。<br /> <br />这种序列有无穷多个元素,我们可以举一个具体的例子。比如一个序列:{X1, X2, X3, X4…},其中X1 = 1, Xn+1 = (Xn + 2 / Xn) / 2。原创 2011-02-24 16:41:00 · 34561 阅读 · 1 评论 -
多面体的欧拉公式
在数学历史上有很多公式都是欧拉(Leonhard Euler)发现的,它们都叫做欧拉公式,分散在各个数学分支之中。 欧拉13岁进入瑞士巴塞尔大学读书,15岁获得学士学位,16岁又获得巴塞尔大学哲学硕士学位,轰动了当时的科学界。但是,他的父亲却希望他去学神学。直到小欧拉19岁时获得了巴黎科学院的奖学金之后,父亲才不再反对他读数学。欧拉是一位创作性超群的数学家,后来从瑞士转赴俄国和德国工作,因原创 2009-09-24 03:08:00 · 26454 阅读 · 3 评论 -
幾何不變性的簡單討論
首先介紹度量空間 ( Metric space )。 度量空是一個在內部元素間定義了“距離”的集合。度量空間的歷史可以追溯到歐幾里德時期。歐幾里德是古希臘數學家,寫過一本叫 《Euclid's Elements》 的著作。這個名字直譯過來是”歐幾里德原本”,徐光啟譯作《幾何原本》並應用到現在,這也是“幾何”一詞的由來。《幾何原本》是影響歐洲現代文明的兩個代表作之一(另一個是《聖經》)。這本原创 2012-03-20 04:31:17 · 2326 阅读 · 0 评论 -
旋转矩阵和角速度的一些应用
科里奧利力、離心力和歐拉力是由於坐標系旋轉引起的假象力。設全局坐標系A(又稱慣性系)原點(Origin)為O,局部坐標系B(又稱非慣性系)原點為o,旋轉矩陣為R.在全局坐標系下點P(X,Y,Z)由R變換到局部坐標系下p(x,y,z)的表達式如下:P=Rp這裡P和p是一個點,只不過參考系不同,表現出來的坐標也不同。p跟隨坐標系B運動。對上面的位置函數二次求導就能得到慣原创 2012-03-18 18:33:04 · 15577 阅读 · 2 评论 -
正定矩阵(Positive-definite Matrix)
正定矩阵式自共轭矩阵的一种。正定矩阵类似复数中的正实数。定义:对于对称矩阵M,当且仅当存在任意向量x,都有若上式大于等于零,则称M为半正定矩阵。正定矩阵记为M>0。也被称为正定二次型正定矩阵的判定1、所有特征值为正数(根据谱定理,若条件成立,必然可以找到对角矩阵呢D和正定矩阵P,使M=P^-1DP);2、所有的顺序主子式为正定;3、Cholesky分解得到的原创 2012-08-14 11:50:48 · 25410 阅读 · 0 评论 -
Regularization
数学中的Regularization是为了解决overfitting问题而引入的一种方法。所谓overfitting就是在一些数学模型中由于过于复杂,有太多的观测参数,以至于一点点微小的误差都回产生巨大的影响,任何微小的数据扰动都会带来巨大的改变。在一些训练模型中用来fitting的data也会因为结构问题而Overfitting。 一般来说有两种克服Overfitting的方法:一是补偿原创 2011-10-18 10:23:49 · 10189 阅读 · 0 评论 -
向量空间初步
向量空间也叫线性空间。空间在数学上的定义是一些元素的集合。向量空间是由向量,以及他们的加法、乘法作为运算符作为基本元素组成的集合。空间往往有一些特殊属性。比如向量空间定义了向量计算的一些限制,比如封闭率(集合元素运算的结果仍在集合中)、结合率等等。再比如我们在中学几何中常用的欧几里德空间,就定义了空间中元素角和距离的一些法则,也就是引入了内积的概念。所以欧几里德空间也叫装备了内积属性的向量空间。原创 2015-10-26 11:03:02 · 1212 阅读 · 0 评论 -
泰勒公式(Taylor's Formula)
1715年,泰勒发表了一份关于有限差分法的著作,在一堆晦涩难懂的资料之中,就隐藏着后来被称为“泰勒级数”的公式。然而在当时并未引起人们的注意。五十多年过去了,法国天才数学家拉格朗日才偶然发现它的重要性,把它称为“导数计算的基础”。原创 2015-12-24 03:27:31 · 3119 阅读 · 0 评论 -
二次型(Quadratic Form)
对于实际的问题,把二次型转化为矩阵表示法有助于求解,原因是矩阵形式其实是一个一次(线形)方程组。而求解线形方程组往往比求解高次方程容易得多。原创 2016-01-12 03:17:36 · 7802 阅读 · 0 评论 -
散度(Divergence)和旋度(Curl)
散度(Divergence)散度的讨论应从向量和向量场说起。向量是数学中研究多维计算的基本概念。比如,速度可以分解为相互独立的分量,则速度就是一个多维的向量。假如空间中的每一个位置都有一个向量属性的话,这个空间就叫做向量场。比如,游泳池里的水的速度就是一个向量场。散度就是作用在向量场上的算子。它把向量场映射到标量场。其中某点的标量代表该点的向量是“流入”的,还是“流出”的。比如原创 2013-11-26 00:23:46 · 47331 阅读 · 0 评论 -
流形(Manifold)初步
欧几里得几何学(Euclidean Geometry)两千三百年前,古希腊数学家欧几里得著成了《几何原本》,构建了被后世称为“欧几里得几何学”的研究图形的方法。欧几里得创立了当时颇为独特的公理系统,即首先提出一些显然的、不言自明的公理。比如,他提出了“三角形的内角和一定等于一百八十度”的定理,他的许多几何计算也是基于此,并且看起来颇为正确。但是后来的数学家对此产生了质疑,认原创 2013-12-02 16:56:31 · 29758 阅读 · 5 评论 -
曲率(Curvature)
曲线的曲率几何体的曲率对于不同的对象有不同的定义。首先来看最简单的平面曲线。首先把曲线分成无穷小的小段,每一段看作某个圆的一小段圆弧。这个圆叫做“密切圆”(Osculating Circle)。由于它与曲线只相交于极小的一段,又称为“接吻圆”(Kissing Circle)。这个圆的半径称为“曲率半径”。“曲率”是一个向量,它从圆弧上的参考点指向密切圆圆心。密切圆曲率半原创 2012-08-11 02:31:55 · 18172 阅读 · 0 评论 -
Laplace算子和Laplacian矩陣
1 Laplace算子的物理意義Laplace算子的定義為梯度的散度。在Cartesian坐標系下也可表示為:或者,它是Hessian矩陣的跡:以熱傳導方程為例,因為熱流與溫度的梯度成正比,那麼溫度的梯度的散度就是熱量的損失率。由此可見,Laplace算子可用於表現由於物質分佈不均引起的物質輸送。2 Laplace原创 2012-04-02 07:03:42 · 18774 阅读 · 0 评论 -
牛顿迭代法(Newton's Method)
牛顿迭代法(简称牛顿法)由英国著名的数学家牛顿爵士最早提出。但是,这一方法在牛顿生前并未公开发表。牛顿法的作用是使用迭代的方法来求解函数方程的根。简单地说,牛顿法就是不断求取切线的过程。对于形如f(x)=0的方程,首先任意估算一个解x0,再把该估计值代入原方程中。由于一般不会正好选择到正确的解,所以有f(x)=a。这时计算函数在x0处的斜率,和这条斜率与x轴的交点x1。f(原创 2014-01-13 02:05:21 · 70386 阅读 · 8 评论 -
拉格朗日乘数(Lagrange Multiplier)
拉格朗日乘数研究函數在一些限制Constraint下的極限條件。如果一個函數有n個未知數和k個限制,要求其最優解,拉格朗日引入了k個新的變量與函數並立,表面上函數變得更加複雜,其實是簡化問題的方法。所謂最優化問題就是某個函數的極限狀態。比如求一個斜坡上皮球勢能函數的最大處,未知數是皮球的高度,斜坡就是限制條件,皮球只能沿著斜坡表面運動。抽象來說,要進行最優化的函數為e(x1, x2原创 2012-04-09 18:23:42 · 7902 阅读 · 0 评论 -
矩陣的導數
标量对向量求导設X,Y是3階列矩陣。标量对矩阵求导設矩陣U是3 by 3旋轉矩陣。向量间的求导矩阵对向量求导复合标量对向量求导简记法愛因斯坦求和約定(Einstein notation)与矩阵求导无关,暂且列在这里。原创 2012-04-09 17:34:02 · 2136 阅读 · 0 评论 -
多重网格方法(Multigrid method)
多重网格方法(Multigridmethod) 多重网格方法是解微分方程的方法。这个方法的好处是在利用迭代法收敛结果的时候速度特别快。并且,不管是否对称,是否线性都无所谓。它的值要思想是在粗糙结果和精细结果之间插值。 前面介绍了Gauss–Seidel方法和Jacobi 方法,现在再用这两个方法来举例。尽管Gauss–Seidel (GS)方法converge更快一些,但其实对于维原创 2011-12-13 16:51:07 · 22187 阅读 · 0 评论 -
Cholesky Decomposition (Cholesky分解)
简介 Cholesky分解是一种分解矩阵的方法, 在线形代数中有重要的应用。Cholesky分解把矩阵分解为一个下三角矩阵以及它的共轭转置矩阵的乘积(那实数界来类比的话,此分解就好像求平方根)。与一般的矩阵分解求解方程的方法比较,Cholesky分解效率很高。 Cholesky是生于19世纪末的法国数学家,曾就读于巴黎综合理工学院。Cholesky分解是他在学术界最重要的贡献。后来原创 2011-12-01 14:42:42 · 54409 阅读 · 4 评论 -
Gauss–Seidel方法和Jacobi 方法
Gauss–Seidelmethod对应于形如Ax = b的方程(A为对称正定矩阵或者Diagonally dominant),可求解如下: Jacobi method另一种方法是Jacobimethod,它与Gauss–Seidelmethod类相似,但是要求A必须是Diagonally dominant。把A分解成D+U+L,仅求D的逆矩阵。Dx = b原创 2011-10-20 12:57:14 · 13319 阅读 · 1 评论 -
离散外微积分(DiscreteExterior Calculus)基础
“若人们不相信数学简单,只因为他们未意识到生命之复杂。”——Johnvon Neumann DEC主要讨论离散情况下的外积分,它在计算机领域有重要用途。我们知道,使用计算机来处理几何图形的时候是不可能完全光滑的(计算机是只有0和1组成的离散化世界),利用DEC的原创 2011-10-08 02:47:32 · 5934 阅读 · 0 评论 -
矩阵基础
矩阵是一个表示二维空间的数组,这种数组很精妙,很有用,所以很多人来研究它。矩阵可以看作是一个变换。在线形代数中,矩阵可以把一个向量瞬间变换到另一个位置(或者从一个坐标系变到另一个坐标系,一个意思)。矩阵的“基”,实际就是变换时候用的坐标系。而所谓的相似矩阵,就是同样的变换,只不过使用了不同的坐标系。线形代数中费了很大力气来找相似矩阵,实际上就是要使这些相似的矩阵有一个好看的外表,而不改变其原创 2009-09-22 23:20:00 · 5540 阅读 · 0 评论 -
楔积(Wedge Procut)
由拓扑学中表面(Surface)的定义及实例引入楔积的概念。基础知识先看Surface在欧几里得空间内的定义: 所有在Omega中的点w(参数空间中的点)被记作: 对应在R3中(欧几里德空间里的点)记作: w的雅各比矩阵X_{\star}(w的一阶偏导数以一定次序排列成的矩阵)定义如下: 用雅各比矩阵可定义切平面为如X_{u}(w)和X_{v}(w)原创 2013-12-31 23:28:41 · 13345 阅读 · 0 评论 -
旋度定理(Curl Theorem)和散度定理(Divergence theorem)
首先说说格林公式(Green's theorem)。对于一段封闭曲线,若其围城的区域D为单连通区域(内部任意曲线围城的区域都属于院区域),则有如下公式:其中其中L为D的边界,取正方向。如果沿着L前进,左边是D的内部区域,那么此时的L定义为正方向。利用格林公式求面积的方法:曲线围成的区域的面积为:格林是十八世纪英国自学成才的数学家原创 2013-12-06 22:31:46 · 47244 阅读 · 0 评论