NO199010-CSDN博客

原创【线性代数】特征向量与特征值

假如某个矩阵做100次方变换，可以用特征基向量来代替基向量，因为在特征基向量下的变换必定是对角矩阵，对角线上是特征值，100次方直接乘积，之后再转换为原基向量下的矩阵。，有很多向量都会偏离自己的张成空间（即该向量能达到的一条直线，过原点与自身），而有一些向量会保留在自己的张成空间中，仅仅拉伸为原来的倍数，该倍数就是特征值。Av = lambda v 对于特征向量做线性变换等于将特征向量缩放特征值倍。一个二维空间，对其做线性变换。

2023-05-26 17:30:27 145

原创【C】C语言优先级

EOF)

2023-05-25 10:39:59 59

原创【C++学习】int* int int* &a

a表示：首先，要求a对应的存储单元中的数据一定是另一个存储单元的地址。于是，*a表示另一个存储单元中的数据。int* a 表示a是个指针，存储地址，并且是int型，即地址对应取到的值是int。*在申明变量时表示该变量存储指针，在变量前表示取该变量中存储地址的值。&&a没有这种用法，不能取到地址的地址（指针不能倒着查找）***d可以连取，顺着指针往回走取到a。a表示a对应的存储单元中的数据。&a表示a对应的存储单元的地址。

2023-05-25 09:50:40 545 1

原创【线性代数】点积的本质

无论何时，看到一个二维到一维的线性变换（输出空间一维数轴），空间中会存在唯一的向量v与之相关，就这意义而言，应用变换和向量v做点积是一样的。向量不将其看成箭头，而将其看成线性变换的物质载体（矩阵），特定变换的概念性记号。点积是理解投影的有利几何工具，也能检验两个向量的指向是否相同，同则正，反则负。可以理解为其中一个向量投影到另一个向量上投影长度乘以另一个向量的长度。1*2矩阵与二维向量相乘的计算过程和转置矩阵并求点积的计算过程相同。一个多维空间到一维空间的线性变换的对偶是多维空间中的某个特定向量。

2023-05-24 16:18:54 105

原创【线性代数】非方阵变换

变换前是二维平面（两列，两个基向量^），变换后是三维，因为有三列（三个坐标），但两个基向量只能表示一个平面。变换前是三维（3列即三个基向量），变换后是二维，二列（两个坐标）二维变一维，一个数轴。

2023-05-24 13:45:06 178

原创【线性代数】内积

充要条件：有A就一定有B，无A就一定无B，则A是B的充要条件。A相似于对角形 ri重的特征根基础解系有ri个解。充分条件：有A就一定有B，则A是B的充分条件；必要条件：无A就一定无B，则A是B的必要条件；内积：两向量对应分量相乘再相加。

2023-05-23 16:31:31 121 1

原创【线性代数】方阵的特征值与特征向量

对于一个数λ，若存在非零列向量a 使得 Aa = λa，那么λ就叫一个特征值，a叫对应于λ的特征向量。（即矩阵A通过一系列变换变成了特征值λ）某个特征值对应的特征向量先求出特征值，再确定其特征向量。(λE-A)a = 0有非零解 <=> |λE-A|=0。一个特征值对应多个特征向量一个特征向量对应一个特征值。用一个矩阵乘以一个向量，相当于对向量做线性替换。A n阶方阵只有方阵才能求特征值和特征向量。

2023-05-22 15:52:37 706 1

原创【线性代数】非其次线性方程组

η=c1η1 + c2η2 + ... +c_n-r η_n-r (η1，η2，η_n-r是Ax=0的基础解系)a0 + c1η1 + c2η2 + ... +c_n-r η_n-r 是Ax=b的全解或者叫通解。指出谁是自由未知量，并依次取(1 0 ...)(0 1 ...) 得Ax=0的基础解系。Ax=b的一特解 + Ax=0的基础解系的线性组合来表示Ax=b的全解或者叫通解。a1 a2 是Ax=b的解 a1 - a2是Ax=0的解（代入可证）非齐次 Ax=b --> Ax=0 导出组。

2023-05-22 14:33:48 193 1

原创【线性代数】方程组解的结构

四、令(x3 x4 x5) 取 (1 0 0)(0 1 0) (0 0 1) 代入其中获得基础解系 η1 η2 η3 分别对应x3、x4、x5自由未知量的向量，线性无关向量接长也线性无关。三、将确定的未知量（秩的数量）放在方程左边不确定的放在方程右边。二、自由未知量个数是除首项为1以外的列数。一、将矩阵化为最简，非零数为矩阵的秩。解的个数：n-r(A)

2023-05-22 09:43:11 175 1

原创【线性代数】线性方程组

无穷解 r(A) = r(A一杠) =2 <3 未知数个数。唯一解 r(A) = r(A一杠)=3=未知数个数。无解 r(A) =2!= r(A一杠) =3。

2023-05-21 18:25:35 108 1

原创【线性代数】行秩=列秩=r(A)

（一、非零行的首非零元都是1，二、这些1所在的列除了自己外都是0。行秩是一个矩阵每一行为一个向量构成的向量组的秩。列秩是一个矩阵每一列为一个向量构成的向量组的秩。注意秩不会大于向量的个数，也不会大于维度的个数。第一步画楼梯，第二步画圆圈，第三步画虚线）一般求秩，化为阶梯形，有几行就是多少秩。1）不管向量是行还是列，均按列构成矩阵。3）首非零元所在列做极大无关组。2）只按行简化阶梯形进行化简。4）其余向量表示系数直接写出。极大无关组非0子式。行秩=列秩=r(A)

2023-05-21 15:43:44 301 1

原创极大无关组

a1,a2,...,as 可由 b1,b2,...,bt表示则 r(a1,a2,...,as) <= r(b1,b2,...,bt)1、该组线性无关（彼此线性无关，任取几个向量也线性无关）2、极大，在这个向量组中无关的向量组中的所含向量个数最多。极大无关组1 等价向量组等价极大无关组1 则极大无关组1、2向量数量相同。1、0<=r(a1,a2,...,as)<=min{向量的个数，向量的维数}向量组的秩：极大无关组含向量的个数决定 r(a1,a2,...,as)=> a1,a2是极大无关组。

2023-05-21 12:09:55 1662 1

原创 a1...as线性无关，可由b1...bt线性表示则s＜=t

a1...as线性无关，可由b1...bt线性表示则s<=t同理可得逆否命题：a1...as，可由b1...bt线性表示，且s>t，则a1...as线性相关推论向量个数m大于向量维数n m个n维向量一定线性相关推论两个等价的线性无关组，含向量个数相同证明等价就是可以相互线性表示 a1...as线性无关，可由b1...bt线性表示则s<=t b1...bt线性无关，可由a1...as线性表则t<=s因此t=s

2023-05-21 11:30:13 467 1

原创矩阵乘以可逆矩阵秩不会变

P1*...*PsAQ1*...*Qs 对A左边初等行变换右边初等列变换都不改变矩阵的值。P m阶可逆矩阵 P = P1*...*Ps。Q n阶可逆矩阵 Q = Q1*...*Qs。可逆矩阵可表示为初等矩阵的乘积。矩阵乘以可逆矩阵秩不会变。

2023-05-19 21:43:38 667

zy15930的博客