国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

線性代數(shù) --- 向量的長度

這篇具有很好參考價值的文章主要介紹了線性代數(shù) --- 向量的長度。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方,請大家不吝賜教,您也可以點擊"舉報違法"按鈕提交疑問。

?一個向量的長度的平方等于這個向量與這個向量自己的內(nèi)積

從代數(shù)的角度定義向量的長度

??????正如我在另外一篇文章中(見本文底部的推薦鏈接)提到的,兩個向量(這是默認(rèn)是兩個列向量)的內(nèi)積,可以表示為也可以表示為?,F(xiàn)在我們考慮一種特殊情形,現(xiàn)在我們有一個向量v=(1,2,3),那么這個向量自己和自己的內(nèi)積是多少呢,他又代表了什么含義呢?

向量的長度,Linear Algebra,線性代數(shù),數(shù)學(xué)基礎(chǔ),向量,向量的長度

????????一個向量的長度等于他和他自己的內(nèi)積的平方根。這個向量與他自己是重合的,夾角為0。下面我們就給出一個向量的長度的正式定義:

向量的長度,Linear Algebra,線性代數(shù),數(shù)學(xué)基礎(chǔ),向量,向量的長度


從幾何的角度定義向量的長度

????????在一個二維空間下,任意向量x的長度,是一個直角三角形的斜邊。如下圖所示:

向量的長度,Linear Algebra,線性代數(shù),數(shù)學(xué)基礎(chǔ),向量,向量的長度

根據(jù)Pythagoras(畢達(dá)哥拉斯)定理,如果用符號表示斜邊x的長度。則有:

向量的長度,Linear Algebra,線性代數(shù),數(shù)學(xué)基礎(chǔ),向量,向量的長度

?繼續(xù),在一個三維空間中,向量x=(x1,x2,x3)是一個長方體的對角線。如下圖所示:

向量的長度,Linear Algebra,線性代數(shù),數(shù)學(xué)基礎(chǔ),向量,向量的長度

????????這個對角線x的長度,可以通過分別使用兩次Pythagoras定理得到。第一次是應(yīng)用該定理求得底面對角線OA=(x1,x2,0)的長度向量的長度,Linear Algebra,線性代數(shù),數(shù)學(xué)基礎(chǔ),向量,向量的長度。在OA,OB與豎棱(0,0,x3)所構(gòu)成的直角三角形OAB中,斜邊OB就是我們最終所要求的對角線x,這里我們再用一次Pythagoras定理,得:

向量的長度,Linear Algebra,線性代數(shù),數(shù)學(xué)基礎(chǔ),向量,向量的長度

?以此類推,對于n維空間中的向量x=(x1,x2,......,xn)有:

向量的長度,Linear Algebra,線性代數(shù),數(shù)學(xué)基礎(chǔ),向量,向量的長度

????????即,中的n維向量x的長度等于它所有分量的平方和的平方根,取正號。這相當(dāng)于是應(yīng)用了n-1次Pythagoras定理。此外,對于一維向量,n=1的情況。該向量的長度等于其唯一一個分量的絕對值,也取正號。


個人筆記:

向量的長度,Linear Algebra,線性代數(shù),數(shù)學(xué)基礎(chǔ),向量,向量的長度


(全文完)

作者 --- 松下J27

格言摘抄:什么是女人?女人是形式邏輯的典范,是辯證邏輯的障礙。(《遙遠(yuǎn)的救世主》---豆豆)

推薦鏈接:線性代數(shù) --- 向量的內(nèi)積(點積)(個人學(xué)習(xí)筆記)_松下J27的博客-CSDN博客_線性代數(shù)內(nèi)積

參考文獻(xiàn)(鳴謝):

1,《Introduction to Linear Algebra》,5th Edition - Gilbert Strang

?2,線性代數(shù)及其應(yīng)用,侯自新,南開大學(xué)出版社,1990.

文中截圖均來自于以上兩本書中的插圖。

向量的長度,Linear Algebra,線性代數(shù),數(shù)學(xué)基礎(chǔ),向量,向量的長度

??(配圖與本文無關(guān))

版權(quán)聲明:所有的筆記,可能來自很多不同的網(wǎng)站和說明,在此沒法一一列出,如有侵權(quán),請告知,立即刪除。歡迎大家轉(zhuǎn)載,但是,如果有人引用或者COPY我的文章,必須在你的文章中注明你所使用的圖片或者文字來自于我的文章,否則,侵權(quán)必究。 ----松下J27?
?文章來源地址http://www.zghlxwxcb.cn/news/detail-786760.html

到了這里,關(guān)于線性代數(shù) --- 向量的長度的文章就介紹完了。如果您還想了解更多內(nèi)容,請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來自互聯(lián)網(wǎng)用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務(wù),不擁有所有權(quán),不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載,請注明出處: 如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實不符,請點擊違法舉報進(jìn)行投訴反饋,一經(jīng)查實,立即刪除!

領(lǐng)支付寶紅包贊助服務(wù)器費用

相關(guān)文章

  • 圖解AI數(shù)學(xué)基礎(chǔ) | 線性代數(shù)與矩陣論

    圖解AI數(shù)學(xué)基礎(chǔ) | 線性代數(shù)與矩陣論

    一個標(biāo)量就是一個單獨的數(shù)。 只具有數(shù)值大小,沒有方向 (部分有正負(fù)之分),運算遵循一般的代數(shù)法則。 一般用小寫的變量名稱表示。 質(zhì)量mmm、速率vvv、時間ttt、電阻ρrhoρ 等物理量,都是數(shù)據(jù)標(biāo)量。 向量指具有大小和方向的量,形態(tài)上看就是一列數(shù)。 通常賦予向量

    2024年04月10日
    瀏覽(27)
  • 深度學(xué)習(xí)的數(shù)學(xué)基礎(chǔ):從線性代數(shù)到隨機過程

    深度學(xué)習(xí)是人工智能領(lǐng)域的一個重要分支,它主要通過模擬人類大腦中的神經(jīng)網(wǎng)絡(luò)來進(jìn)行數(shù)據(jù)處理和學(xué)習(xí)。深度學(xué)習(xí)的核心技術(shù)是神經(jīng)網(wǎng)絡(luò),神經(jīng)網(wǎng)絡(luò)由多個節(jié)點組成,這些節(jié)點之間有權(quán)重和偏置的連接。通過對這些節(jié)點進(jìn)行訓(xùn)練,我們可以使神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)和推理的能力

    2024年03月18日
    瀏覽(23)
  • 機器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ):從線性代數(shù)到梯度下降

    機器學(xué)習(xí)是人工智能的一個重要分支,它涉及到計算機程序自動化地學(xué)習(xí)或者預(yù)測事物的行為。機器學(xué)習(xí)的核心是算法,算法需要數(shù)學(xué)來支持。在本文中,我們將從線性代數(shù)到梯度下降的數(shù)學(xué)基礎(chǔ)來討論機器學(xué)習(xí)算法的核心。 機器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)包括線性代數(shù)、微積分、概率

    2024年02月21日
    瀏覽(25)
  • 自動編碼器的數(shù)學(xué)基礎(chǔ):概率論與線性代數(shù)

    自動編碼器(Autoencoders)是一種深度學(xué)習(xí)模型,它通過學(xué)習(xí)壓縮輸入數(shù)據(jù)的低維表示,然后再將其重新解碼為原始數(shù)據(jù)形式。自動編碼器的主要目的是學(xué)習(xí)數(shù)據(jù)的特征表示,從而可以用于降維、生成新數(shù)據(jù)、數(shù)據(jù)壓縮等應(yīng)用。在這篇文章中,我們將討論自動編碼器的數(shù)學(xué)基礎(chǔ),

    2024年02月20日
    瀏覽(24)
  • 人工智能中數(shù)學(xué)基礎(chǔ):線性代數(shù),解析幾何和微積分

    在人工智能領(lǐng)域,線性代數(shù)、解析幾何和微積分是最基礎(chǔ)的數(shù)學(xué)知識。這些數(shù)學(xué)知識不僅在人工智能領(lǐng)域中被廣泛應(yīng)用,也是其他領(lǐng)域的重要基礎(chǔ)。本文將介紹人工智能中的線性代數(shù)、解析幾何和微積分的基礎(chǔ)知識和應(yīng)用。

    2024年02月16日
    瀏覽(22)
  • 計算機科學(xué)cs/電子信息ei面試準(zhǔn)備——數(shù)學(xué)基礎(chǔ)/線性代數(shù)復(fù)習(xí)

    計算機科學(xué)cs/電子信息ei面試準(zhǔn)備——數(shù)學(xué)基礎(chǔ)/線性代數(shù)復(fù)習(xí)

    目錄 1. 中值定理 2. 梯度和散度 方向?qū)?shù)和梯度 通量與散度 3. 泰勒公式是為了解決什么問題的? 4. 矩陣的秩是什么,矩陣的秩物理意義? 矩陣的秩 矩陣秩的物理意義 5. 特征值和特征向量的概念 5.1 傳統(tǒng)方法 例題 5.2 雅可比迭代法 6. 什么是線性相關(guān)以及線性相關(guān)的性質(zhì)?

    2024年02月16日
    瀏覽(48)
  • AI人工智能中的數(shù)學(xué)基礎(chǔ)原理與Python實戰(zhàn): 線性代數(shù)基礎(chǔ)概述

    隨著人工智能技術(shù)的不斷發(fā)展,人工智能已經(jīng)成為了許多行業(yè)的核心技術(shù)之一。在人工智能領(lǐng)域中,數(shù)學(xué)是一個非常重要的基礎(chǔ)。線性代數(shù)是數(shù)學(xué)中的一個重要分支,它在人工智能中發(fā)揮著至關(guān)重要的作用。本文將介紹線性代數(shù)的基本概念、算法原理、具體操作步驟以及數(shù)學(xué)

    2024年04月12日
    瀏覽(38)
  • 線性代數(shù)本質(zhì)系列(一)向量,線性組合,線性相關(guān),矩陣

    線性代數(shù)本質(zhì)系列(一)向量,線性組合,線性相關(guān),矩陣

    本系列文章將從下面不同角度解析線性代數(shù)的本質(zhì),本文是本系列第一篇 向量究竟是什么? 向量的線性組合,基與線性相關(guān) 矩陣與線性相關(guān) 矩陣乘法與線性變換 三維空間中的線性變換 行列式 逆矩陣,列空間,秩與零空間 克萊姆法則 非方陣 點積與對偶性 叉積 以線性變換

    2024年02月04日
    瀏覽(43)
  • 線性代數(shù)(三) 線性方程組&向量空間

    線性代數(shù)(三) 線性方程組&向量空間

    如何利用行列式,矩陣求解線性方程組。 用矩陣方程表示 齊次線性方程組:Ax=0; 非齊次線性方程組:Ax=b. 可以理解 齊次線性方程組 是特殊的 非齊次線性方程組 如何判斷線性方程組的解 其中R(A)表示矩陣A的秩 B表示A的增廣矩陣 n表示末知數(shù)個數(shù) 增廣矩陣 矩陣的秩 秩r= 未知

    2024年02月13日
    瀏覽(50)
  • 線性代數(shù)基礎(chǔ)--向量

    線性代數(shù)基礎(chǔ)--向量

    目錄 向量的概念 基本概念 抽象概念 向量的意義? 幾何意義 物理意義 歐式空間 特點和性質(zhì) ?行向量與列向量 行向量 列向量 兩者的關(guān)系 向量的基本運算與范數(shù) 向量的基本運算 向量的加法 數(shù)乘運算(實數(shù)與向量相乘) 轉(zhuǎn)置 向量的范數(shù) 向量的模與內(nèi)積 向量的模 向量的內(nèi)積

    2024年02月11日
    瀏覽(59)

覺得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請作者喝杯咖啡吧~博客贊助

支付寶掃一掃領(lǐng)取紅包,優(yōu)惠每天領(lǐng)

二維碼1

領(lǐng)取紅包

二維碼2

領(lǐng)紅包