一类n阶微分方程转1阶微分方程组
摘要：
阅读全文
posted @ 2018-01-30 18:04 遗忘海岸 阅读(717) 评论(0) 推荐(0)
友矩阵
摘要：
阅读全文
posted @ 2018-01-26 14:22 遗忘海岸 阅读(838) 评论(0) 推荐(0)
2018年1月30日 #
2018年1月26日 #
2018年1月23日 #
关于飞行器姿态计算
摘要：
首先Y, P, R 操作，对应的原点在这个模型中是不变的，别考虑飞机是飞机的，那样很崩溃。 偏航后做俯仰再做翻滚，那么其质点（原点）的坐标还是原点，我们取这些操作前的坐标FLT(原 e1,e2,e3)，并取飞机外表面上的一点（曲面上的一点，别考虑整个飞机的转动，那样同意崩溃） 跟原点连线，这个连线对 阅读全文
posted @ 2018-01-23 16:19 遗忘海岸 阅读(291) 评论(0) 推荐(0)
2018年1月19日 #
两矩阵相乘后的秩
摘要：
由于A' 与A 的秩相同 dim(A' A )=min(dim(A'),dim(A))=dim(A')=dim(A)根据零度秩理论， dim(N(A'A))= A'A 的列数- dim(A'A) 阅读全文
posted @ 2018-01-19 11:26 遗忘海岸 阅读(4170) 评论(0) 推荐(0)
2018年1月12日 #
2018年1月10日 #
2018年1月8日 #
关于矩阵A*b=A*c 中b是否等于c
摘要：
注意如果A各列线性无关那么b=c,反之b!=c, 针对最小二乘中的 p=A * roof_x A' ( b-p)=0 => A'b =A' p 如果 两边同乘以A ， A A' b =AA'p ，AA'是一个m x m的矩阵，其各列不一定线性无关（方阵不一定是非奇异的），所以无推出 b=p, 但是如 阅读全文
posted @ 2018-01-08 10:15 遗忘海岸 阅读(600) 评论(0) 推荐(0)
2018年1月4日 #
5.5节24题
摘要：
U1的列向量是规范正交的,那么 U1 U1' 是R^m空间向量到Span(U1} 空间的投影矩阵， 参考5.5.9 推论 阅读全文
posted @ 2018-01-04 14:14 遗忘海岸 阅读(130) 评论(0) 推荐(0)
2017年12月19日 #
推论5.2.5
摘要：
对于矩阵A mxn ,R(A)=N(A') 正交补， 那么正交子空间R(A), N(A')，将R^m空间分成3个子空间 一个向量b 只能在这3个子空间里，如果在R(A)子空间里，那么存在一个x 属于R^n 使 b=Ax成立 y' b=0 (垂直)，如果在N(A')里，那么 y' b =1（同向）,其 阅读全文
posted @ 2017-12-19 10:58 遗忘海岸 阅读(170) 评论(0) 推荐(0)
2017年12月18日 #
n维向量空间W中有子空间U,V,如果dim(U)=r dim(V)=n-r U交V !={0},那么U,V的任意2组基向量的组合必定线性相关
摘要：
如题取U交V中的向量p (p!=0), 那么p可以由 U中的某一组基线性组合成（系数不全是零),同时，-p也可以由V中的某一组基线性组合成（系数不全为零） 考察p+(-p)=0 可知道，U中的这组基跟V中的这组基在系数不全是零的情况下组合成了0向量，故这2组基必定线性相关 注意，p是U交V的元素，那 阅读全文
posted @ 2017-12-18 08:26 遗忘海岸 阅读(1142) 评论(0) 推荐(0)
2017年12月14日 #
生成相关矩阵
摘要：
U是X（差异矩阵）各列向量取方向后形成的矩阵，C=U^T * U 即相关矩阵，即各列向量两两的夹角，（夹角越小说明关联度越高） clc avg_e=66;avg_m=66;avg_s=76; x1=[61 63 78 65 63]' -avg_e; x2=[53 73 61 84 59]' -avg 阅读全文
posted @ 2017-12-14 14:14 遗忘海岸 阅读(395) 评论(0) 推荐(0)
2017年12月8日 #
线性变换与基变换
摘要：
几何上， 基变换图形外观不发生变换，二线性变换一般导致图形外观变换 恒等变换I相应于V向量空间的的不同基E[v1,v2...vn]与F[w1,w2...,wn]即等价于基变换，所以可以把基变换看成线性变换的特例 阅读全文
posted @ 2017-12-08 08:05 遗忘海岸 阅读(510) 评论(0) 推荐(0)
2017年11月10日 #
关于基变换
摘要：
基变换的实质是， 将某向量空间中的元素v 由有序基 F[w1,w2...vn] v=x1w1+x2w2 +...xnwn的线性组合，表示成另一有序基E[v1,v2,...vn]即v=y1v1+y2v2+...ynvn的线性组合 阅读全文
posted @ 2017-11-10 08:39 遗忘海岸 阅读(306) 评论(0) 推荐(0)
2017年11月8日 #
证明 U and V={0}时 dim(U+V)=dim(U)+dim(V)
摘要：
U And V={0} 证明 dim(U+V)=dim(U)+dim(V)设{u1,u2,...,uk} 是U的基，{v1,v2...,vr}是V的基，dim(U)=k ,dim(V)=r dim(U)+dim(V)=k+r.另一方面 U+V={z|z=u+v,u 属于 U,v 属于 V},因此 S 阅读全文
posted @ 2017-11-08 16:07 遗忘海岸 阅读(721) 评论(0) 推荐(0)
浙公网安备 33010602011771号