文章目录
一、向量
1.1 向量的范数(模)
1.2 向量点积(余弦相似度)
1.3 向量空间与线性相关
1.4 距离与交点
直线公式推导
设直线 y = k x + b y=kx+b y=kx+b 上面两点 ( x 1 , y 1 ) , ( x 2 , y 2 ) (x1,y1),(x2,y2) (x1,y1),(x2,y2)
y 2 = k x 1 + b y 1 = k x 2 + b \begin{aligned} y_2 =& kx_1+b \\ y_1 =& kx_2+b \end{aligned} y2=y1=kx1+bkx2+b
由两式相减得:
y
2
−
y
1
=
k
(
x
2
−
x
1
)
k
=
y
2
−
y
1
x
2
−
x
1
\begin{aligned} y_2 - y_1 =& k(x_2-x_1)\\ k=& \frac{y_2 - y_1}{x_2-x_1} \end{aligned}
y2−y1=k=k(x2−x1)x2−x1y2−y1
则方程为:
y
=
y
2
−
y
1
x
2
−
x
1
x
+
b
\rm y = \frac{y_2 - y_1}{x_2-x_1}x+b
y=x2−x1y2−y1x+b 将
(
x
2
,
y
2
)
(x2,y2)
(x2,y2)代入:
y
2
=
y
2
−
y
1
x
2
−
x
1
x
2
+
b
=
=
>
b
=
y
2
−
x
2
y
2
−
y
1
x
2
−
x
1
=
y
2
(
x
2
−
x
1
)
−
x
2
(
y
2
−
y
1
)
x
2
−
x
1
=
x
2
y
2
−
x
1
y
2
−
x
2
y
2
+
x
2
y
1
x
2
−
x
1
=
x
2
y
1
−
x
1
y
2
x
2
−
x
1
\begin{aligned} y_2 = \frac{y_2 - y_1}{x_2-x_1}x_2+b ==> b&=y_2-x_2\frac{y_2 - y_1}{x_2-x_1}\\ & = \frac{y_2(x_2-x_1)-x_2(y_2 - y_1)}{x_2-x_1}\\ & = \frac{x_2y_2-x_1y_2-x_2y_2 + x_2y_1}{x_2-x_1}\\ & = \frac{x_2y_1 - x_1y_2}{x_2-x_1}\\ \end{aligned}
y2=x2−x1y2−y1x2+b==>b=y2−x2x2−x1y2−y1=x2−x1y2(x2−x1)−x2(y2−y1)=x2−x1x2y2−x1y2−x2y2+x2y1=x2−x1x2y1−x1y2
则方程为: y = y 2 − y 1 x 2 − x 1 x + x 2 y 1 − x 1 y 2 x 2 − x 1 \rm y = \frac{y_2 - y_1}{x_2-x_1}x+\frac{x_2y_1 - x_1y_2}{x_2-x_1} y=x2−x1y2−y1x+x2−x1x2y1−x1y2
写成 Ax+By+C=0形式:
(
y
2
−
y
1
)
x
−
(
x
2
−
x
1
)
y
+
x
2
y
1
−
x
1
y
2
=
0
\rm (y_2 - y_1)x-(x_2-x_1)y + x_2y_1 - x_1y_2= 0
(y2−y1)x−(x2−x1)y+x2y1−x1y2=0 即:
A
=
y
2
−
y
1
B
=
x
1
−
x
2
C
=
x
2
y
1
−
x
1
y
2
\begin{aligned} A = &\rm y_2 - y_1 \\ B = &\rm x_1-x_2 \\ C = &\rm x_2y_1 - x_1y_2 \end{aligned}
A=B=C=y2−y1x1−x2x2y1−x1y2
点线距离
两线交点
二、矩阵与线性变换
关于协方差计算:https://blog.csdn.net/wsp_1138886114/article/details/81005881
2.1 矩阵的加减—矩阵与实数乘 运算
2.2 矩阵与向量运算
2.3 线性变换
奇异值分解 https://blog.csdn.net/wsp_1138886114/article/details/80967843
2.4 正交矩阵
2.5 行列式
2.6 特征值与特征向量
2.7奇异值分解