精华内容
下载资源
问答
  • 向量叉乘计算公式

    千次阅读 2021-11-08 11:16:24
    二维向量叉乘 A=(a1,a2) B=(b1,b2) A×B =(a1,a2)×(b1,b2) =a1b2-a2b1 三维向量叉乘 A=(a1,a2,a3) B=(b1,b2,b3) A×B =(a1,a2,a3)×(b1,b2,b3) =(a2b3-a3b2,a3b1-a1b3,a1b2-a2b1)

    二维向量叉乘

    A=(a1,a2)
    B=(b1,b2)
    
    A×B
    =(a1,a2)×(b1,b2)
    =a1b2-a2b1
    

    三维向量叉乘

    A=(a1,a2,a3)
    B=(b1,b2,b3)
    
    A×B
    =(a1,a2,a3)×(b1,b2,b3)
    =(a2b3-a3b2,a3b1-a1b3,a1b2-a2b1)
    
    展开全文
  • 向量的夹角公式!急急急!!!

    千次阅读 2020-12-20 18:46:33
    展开全部平面向量夹角公式:cos=(ab的内积)/(|a||b|)(1)上部分:a与b的数量积坐标运算:设a=(x1,y1),b=(x2,y2),则a·b=x1x2+y1y2(2)下部分:是32313133353236313431303231363533e58685e5aeb931333431373139a与b的模的...

    展开全部

    平面向量夹角公式:cos=(ab的内积)/(|a||b|)

    (1)上部分:a与b的数量积坐标运算:设a=(x1,y1),b=(x2,y2),则a·b=x1x2+y1y2

    (2)下部分:是32313133353236313431303231363533e58685e5aeb931333431373139a与b的模的乘积:设a=(x1,y1),b=(x2,y2),则(|a||b|)=根号下(x1平方+y1平方)*根号下(x2平方+y2平方)

    向量的夹角就是向量两条向量所成角。这里应当注意,向量是具有方向性的。BC与BD是同向,所以夹角应当是60°。BC和CE你可以把两条向量移动到一个起点看,它们所成角为一个钝角,120°。

    扩展资料

    已知向量AB、BC,再作向量AC,则向量AC叫做AB、BC的和,记作AB+BC,即有:AB+BC=AC。

    用坐标表示时,显然有:AB+BC=(x2-x1,y2-y1)+(x3-x2,y3-y2)=(x2-x1+x3-x2,y2-y1+y3-y2)=(x3-x1,y3-y1)=AC。这就是说,两个向量和与差的坐标分别等于这两个向量相应坐标的和与差。

    A1X+B1Y+C1=0........(1)

    A2X+B2Y+C2=0........(2)

    则(1)的方向向量为u=(-B1,A1),(2)的方向向量为v=(-B2,A2)

    由向量数量积可知,cosφ=u·v/|u||v|,即

    两直线夹角公式:cosφ=A1A2+B1B2/[√(A1^2+B1^2)√(A2^2+B2^2)]

    注:k1,k2分别L1,L2的斜率,即tan(α-β)=(tanα-tanβ)/(1+tanαtanβ)

    展开全文
  • 本文是对向量线性相关性相关知识的梳理,希望大家喜欢。

    向量空间

    齐次方程组无数解的集合求极大无关组

    定义

    • 向量空间中的向量对加法和数乘具有封闭性

      • 任意两个向量的加和都可以在向量空间中找到

      • 任意一个向量的任意实数倍都可以在向量空间中找到

    性质

    • 向量空间非空

      • 零向量一定在
    • 单个0向量就可以作为向量空间

    • 向量空间中有一个非零向量,就有无限个向量

    判断

    • 对加法和数乘的封闭性

    线性相关

    定义

    • 存在一组不全为0的常数,使向量组中的各个向量各自数乘后等于0向量

    • 反之

      • 能使向量组中的全部向量之和的常数组全部为零,说明该向量组线性无关

    判断线性相关性

    • 含有0向量的向量组一定线性相关

    • 两向量对应分量成比例,两向量线性相关

    • 向量的个数大于每个向量的分量个数,该向量组线性相关

    • 部分线性相关,整体一定线性相关

      • 整体线性无关,部分一定线性无关
    • 线性无关,则常数组必须为零

    性质

    • 线性相关等价于至少有一个向量是其余向量的线性组合

    • 向量组线性无关等价于对应方程组只有零解

    • 线性无关的向量组,每个向量添加有限个分量仍然线性无关

      • 相当于添加方程个数
    • 向量组线性无关,添加一个向量线性相关,则添加的向量可由原向量组线性表示

    • 同步互换分量位置不影响相关性 #线性变换

    • 向量扩大倍数不改变相关性 #线性变换

    • 向量组转化的矩阵,某一行加另一行的常数倍不改变线性相关性 #线性变换

    等价

    • 两个向量组可以互相线性表示,两向量组等价

    性质

    • 自身性

    • 对称性

    • 传递性

    正交

    定义

    • a,b内积等于零

      • 垂直

    正交矩阵

    定义

    • A的转置✖️A= 单位阵

    • A阵的列向量都是单位向量,且两两正交

    内积

    定义

    • (a,b) = aT*b

      • a向量的转置乘b

    运算律

    • 交换律

    • 数乘

    • 分配律

    基本性质

    • 向量组的秩一定小于等于向量个数(列数)和分量个数(行数)

    • 转置不影响秩

    • 向量组B可由向量组A线性表示,B的秩小于A的秩

    • 等价的向量组秩相等

    • 乘积的秩小于各因子的秩

    • 初等变换不影响秩

      • 若PQ可逆,A乘QP的秩不变
    • 含有0向量的向量组秩为0

    • 向量组个数大于秩,向量组线性相关

    • 向量组个数等于秩,向量组线性无关

    求解

    • 将向量合并成矩阵

    • 进行初等行变换得到行阶梯形

    • 非零行数为秩

    极大无关组

    • 向量组中最多有r个向量线性无关,组成该向量组的极大无关组

      • 其中r称为秩R(A)
    • 极大无关组不唯一但互相等价

    • 极大无关组的向量个数必相等

    求解

    • 将向量合并成矩阵

    • 进行初等行变换得到行阶梯形

    • 主元所在列对应为极大无关组中的向量

    维度

    定义

    • 解空间中向量的个数(秩)

    求解公式

    • 维度=n(未知数个数) - R(A)(系数矩阵的秩)

    基向量

    定义

    • 解空间(向量空间)中的极大无关组

      • 又称向量组是由基向量生产的空间

    证明

    • 线性无关

    • 其他任意向量可由其表示

    求解

    • 将方程组化成增广矩阵

    • 将增广矩阵经过行变换变成行最简型

      • 主元对应的列为基向量

      • 个数等于维度

      • 原常数部分为线性表示的系数

    基向量组成的矩阵为单位阵,称标准正交基

    思维导图

    向量的线性相关性
    下期预告:第三章·行列式

    展开全文
  • 本文介绍了向量的定义、向量的模、负向量、单位向量、零向量以及向量加减法的三种实现方法。

    ☞ ░ 老猿Python博文目录

    一、向量

    1.1、向量定义

    向量也称为欧几里得向量、几何向量、矢量,指具有大小(magnitude)和方向的量。它可以形象化地表示为带箭头的线段。箭头所指:代表向量的方向;线段长度:代表向量的大小。与向量对应的量叫做数量(物理学中称标量),数量(或标量)只有大小,没有方向。

    1. 在物理学和工程学中,几何向量更常被称为矢量。
    2. 一般印刷用黑体的小写英文字母(a、b、c等)来表示,手写用在a、b、c等字母上加一箭头(→)表示,如 :
      在这里插入图片描述
      也可以用大写字母AB、CD上加一箭头(→)等表示。但由于输入法不支持,本文后面的向量表示就不输箭头,如直接叫向量a、b、c。

    定义
    n个有顺序的数a1,a2,…,an组成的数组:
    a=(a1,a2,…,an)
    叫做n维向量,a1,a2,…,an叫做a的分量,ai叫做a的第i个分量。分量都是0的向量叫零向量

    两个向量相等当且仅当它们分量数量相同,且各分量都相等。

    1.2、向量的模和范数

    向量的模就是向量的大小,也就是向量的长度,表示符号为在向量两侧各加一竖线,如向量AB记作:
    在这里插入图片描述
    为了输入方便,以后老猿记为|向量AB|

    对于二维平面向量(x,y),其模长即为原点到该点的距离,大小为:
    在这里插入图片描述
    对于三维立体空间的向量(x,y,z),其模长为:
    在这里插入图片描述
    对于n维空间向量x(V1,V2,…,Vn),其模长为:
    在这里插入图片描述

    模是绝对值在二维和三维空间的推广,可以认为就是向量的长度。推广到高维空间中称为范数。

    范数,是具有“长度”概念的函数。在线性代数、泛函分析及相关的数学领域,范数是一个函数,是矢量空间内的所有矢量赋予非零的正长度或大小。

    1.3、向量的属性及自由向量

    • 向量规定了方向和大小,常用一条有向线段来表示,有向线段的长度表示向量的大小,箭头所指的方向表示向量的方向。
    • 长度相等且方向相同的向量叫做相等向量,向量a与b相等,记作a=b。 零向量与零向量相等。
    • 当用有向线段表示向量时,起点可以任意选取。任意两个相等的非零向量,都可用同一条有向线段来表示,并且与有向线段的起点无关.同向且等长的有向线段都表示相同向量。
    • 一个向量只要不改变它的大小和方向,它的起点和终点可以任意平行移动的向量,叫做自由向量。自由向量可以平移至空间任意点,这样一来,若已知向量的大小和方向,则向量就算给出。例如物体运动时的速度和加速度就是自由向量,在数学中把自由向量,简称为向量。数学中只研究自由向量。
    • 因为方向不能比较大小,所以向量也就不能比较大小。对于向量来说“大于”和“小于”的概念是没有意义的。

    1.4、单位向量

    长度为一个单位(即模为1)的向量,叫做单位向量。与a同向,且长度为单位1的向量,叫做a方向上的单位向量。一个非零向量除以它的模,可得所需单位向量。记作:
    在这里插入图片描述

    关于等式右边的含义,请参考下节关于向量点积的介绍:《https://blog.csdn.net/LaoYuanPython/article/details/112411742 人工智能数学基础-线性代数2:向量的点积、內积、数量积和外积》。

    1.5、负向量

    如果向量AB与向量CD的模相等且方向相反,那么我们把向量AB叫做向量CD的负向量,也称为相反向量。

    1.6、零向量

    长度为0的向量叫做零向量,记作0。零向量的始点和终点重合,所以零向量没有确定的方向,或说零向量的方向是任意的。

    规定:所有的零向量都相等。

    1.7、固定向量

    固定向量也叫做胶着向量。在数学上指的是确定方向与大小、以及起点位置的向量。力学中的作用力就是固定向量。数学上不研究固定向量,只研究自由向量。

    1.8、滑动向量

    凡有大小及方向且需沿某一特定直线作用之向量,称之为滑动向量。

    滑动向量的起点在空间内固定的一条直线上,而固定向量是起点位置固定,而自由向量则什么都没有固定。

    1.9、位置向量

    对于坐标平面(原点O)内的任意一点P,我们把向量OP叫做点P的位置向量,记作:向量P。

    1.10、方向向量

    方向向量(direction vector)是一个数学概念,空间直线的方向用一个与该直线平行的非零向量来表示,该向量称为这条直线的一个方向向量。

    1.11、平行向量、共线向量

    方向相同或相反的非零向量叫做平行(或共线)向量。向量a、b平行(共线),记作a∥b。零向量长度为零,是起点与终点重合的向量,其方向不确定。我们规定:零向量与任一向量平行。平行于同一直线的一组向量是共线向量。

    1.12、 两向量共线

    两平行向量 a与 b,可以平移至同一条与它们平行的直线上,故称此二向量a与b共线,也称向量a与b线性相关,否则,即 a不平行于b 时,称a与b线性无关。

    1.13、共面向量

    平行于同一平面的三个(或多于三个)向量叫做共面向量。
    空间中的向量有且只有以下两种位置关系:⑴共面;⑵不共面。
    注意:只有三个或三个以上向量才谈共面不共面。

    1.14、法向量

    法向量,是空间解析几何的一个概念,垂直于平面的直线所表示的向量为该平面的法向量。法向量适用于解析几何。由于空间内有无数个直线垂直于已知平面,因此一个平面都存在无数个法向量(包括两个单位法向量)。

    二、向量的加减法

    向量的加法、减法以及向量与数的乘法都称为向量的线性运算

    向量是将几何问题转化为代数问题的桥梁,向量的加减则是用代数方法进行几何运算。向量的加减法有几种方法。

    2.1、分量加减法

    向量的加减法就是对向量各个分量进行加减,假设有向量A(a1,a2,…,an)、向量B(b1,b2,…,bn),则:

    向量A+向量B = (a1+b1,a2+b2,...,an+bn) 
    向量A-向量B = (a1-b1,a2-b2,...,an-bn)
    

    2.2、头尾相接法(三角形定则)

    对n维空间的向量A1、A2、…、An,各向量在n维空间表现为一原点到对应向量点的有向线段,起点为原点,终点为向量对应坐标点。当A1、A2、…、An各向量按顺序相加时,A1对应线段保持位置不变,其他向量对应线段的长度和方向保持不变,但将平移到其起点与前一向量线段的终点重合,如此将所有相加的向量首尾相接,最后构成的图形中,原点到最后一个向量终点的线段即为所有向量相加的结果。

    如果是二维空间,则向量A1+向量A2+向量A3的过程及结果如下图左边:
    在这里插入图片描述

    如果只有两个向量相加,则两个相加的向量和最终的结果向量构成一个三角形,如上图右边。因此这种方法又叫三角形定则。当超出三个的多个向量相加时,可以采用先将第一个和第二个向量相加得到的结果再与第三个向量相加,然后其结果再与第四个向量相加,…,以此类推,直到获得最后的结果。

    以上方法,似乎只能用于求向量和,无法求向量差,其实向量减法也可以通过上述方法进行,将减去某个向量看成加上某个负向量,负向量与原向量的线段相同,只是箭头方向相反,即起点和终点相反,下图是 向量A1+向量A2向量A1-向量A2 三角形定则法计算过程及结果图:
    在这里插入图片描述

    2.3、平行四边形定则

    平行四边形定则只适用于两个非零非共线向量的加减。

    平行四边形定则解决向量加法的方法:将两个向量平移至公共起点,以向量的两条边作平行四边形,结果为公共起点的对角线。下图为两个向量相加的三角形定则和平行四边形定则的对比,可以看到结果相同。
    在这里插入图片描述

    平行四边形定则解决向量减法的方法:将两个向量平移至公共起点,以向量的两条边作平行四边形,结果由减向量的终点指向被减向量的终点。下图为向量加减法的三角形定则法和平行四边形定则法的运算过程及结果对比:
    在这里插入图片描述
    当将以上两个图中右边图形的线条改成虚线,将二者原点重合,可以得到如下图:
    在这里插入图片描述
    可以看到两种方法得到的加法结果向量完全重叠,而减法向量为平行四边形的对边,只是起点不同。

    三、向量数乘

    3.1、定义

    数乘向量(scalar multiplication of vectors)是与一个实数和一个向量有关的一种向量运算,即数量与向量的乘法运算。n个相等的非零向量a相加所得的和向量,叫作正整数n与向量a的积,记为na。

    数乘向量的定义:一个数m乘一个向量a,结果是一个向量ma,称为数乘向量的积,其模是|m||a|,当m>0时,ma与a同向,当m<0时,ma与a反向,当m=0时,0a=0。

    这个定义可以形象地理解为,把向量a伸缩|m|倍,再由m的符号确定是否调向。

    3.2、相关规则

    • 向量的数乘实际上是加法的乘法表示,因此向量数乘m等于向量的各分量都乘以m
    • 对于任意向量a、b和任意实数λ,μ,有如下规则:
    1. 结合律:λ(μa) = (λμ)a
    2. 第一分配律:(λ+μ)a=λa+μa
    3. 第二分配律:λ(a+b)=λa+λb。

    四、小结

    本文介绍了向量的定义、向量的模、负向量、单位向量、零向量以及向量加减法的三种实现方法。

    参考资料:

    百度百科向量介绍

    写博不易,敬请支持:

    如果阅读本文于您有所获,敬请点赞、评论、收藏,谢谢大家的支持!

    更多人工智能数学基础的介绍请参考专栏《人工智能数学基础 》
    专栏网址https://blog.csdn.net/laoyuanpython/category_10382948.html

    关于老猿的付费专栏

    1. 付费专栏《https://blog.csdn.net/laoyuanpython/category_9607725.html 使用PyQt开发图形界面Python应用》专门介绍基于Python的PyQt图形界面开发基础教程,对应文章目录为《 https://blog.csdn.net/LaoYuanPython/article/details/107580932 使用PyQt开发图形界面Python应用专栏目录》;
    2. 付费专栏《https://blog.csdn.net/laoyuanpython/category_10232926.html moviepy音视频开发专栏 )详细介绍moviepy音视频剪辑合成处理的类相关方法及使用相关方法进行相关剪辑合成场景的处理,对应文章目录为《https://blog.csdn.net/LaoYuanPython/article/details/107574583 moviepy音视频开发专栏文章目录》;
    3. 付费专栏《https://blog.csdn.net/laoyuanpython/category_10581071.html OpenCV-Python初学者疑难问题集》为《https://blog.csdn.net/laoyuanpython/category_9979286.html OpenCV-Python图形图像处理 》的伴生专栏,是笔者对OpenCV-Python图形图像处理学习中遇到的一些问题个人感悟的整合,相关资料基本上都是老猿反复研究的成果,有助于OpenCV-Python初学者比较深入地理解OpenCV,对应文章目录为《https://blog.csdn.net/LaoYuanPython/article/details/109713407 OpenCV-Python初学者疑难问题集专栏目录 》。

    前两个专栏都适合有一定Python基础但无相关知识的小白读者学习,第三个专栏请大家结合《https://blog.csdn.net/laoyuanpython/category_9979286.html OpenCV-Python图形图像处理 》的学习使用。

    对于缺乏Python基础的同仁,可以通过老猿的免费专栏《https://blog.csdn.net/laoyuanpython/category_9831699.html 专栏:Python基础教程目录)从零开始学习Python。

    如果有兴趣也愿意支持老猿的读者,欢迎购买付费专栏。

    跟老猿学Python!

    ☞ ░ 前往老猿Python博文目录 https://blog.csdn.net/LaoYuanPython

    展开全文
  • 向量运算 向量加法:@向量加法 将对应的行相加 (将向量w的起点平移到向量V的终点) (可以理解为从原点先向右走一步,向上两步,再向右走三步,左后向下走一步) // @向量数乘 向量的数乘: 相当于将向量缩放...
  • 复数向量计算

    2021-08-29 11:46:13
    多维复数向量运算
  • 一、对ΔABC重心O来讲有 OA⇀+OB⇀+OC⇀=0\mathop{OA}\limits ^{\rightharpoonup}+\mathop{OB}\limits ^{\rightharpoonup}+\...根据A、D、B三点共线公式 OD⇀=mOA⇀+nOB⇀\mathop{OD}\limits ^{\rightharpoonup}=m
  • 相信很多学习向量空间模型(Vector Space Model)的人都会被其中的余弦定理公式所迷惑..因为一看到余弦定理,肯定会先想起初中时的那条最简单的公式cosA=a/c(邻边比斜边),见下图:但是,初中那条公式是只适用于直角三角形...
  • 1基向量的来源 在二维向量空间有一个向量如下: 用单位基向量的缩放表示如下:【^i】和【^j】是单位基向量 我们可以隐含假设认为: 【案,坐标2,表示向右运动,坐标3表述向上运动,基向量的单位表征运动...
  • 同时 ,讨论了线性相关性,为什么讨论线性相关性呢,因为,我们要在复杂的向量关系里面进行简化,去除拿下可以去除的向量,那么,我们就需要用线性相关性去判别哪些向量有关系,哪些没有,这节就是讲这个概念。...
  • 文章目录矩阵运算公式矩阵加减法(两矩阵之间要求维度相同)运算法则矩阵乘法——哈达玛积(Hadamard product)(两矩阵之间要求维度相同)运算法则矩阵乘法——叉乘/向量外积(要求前列与后行元素数一致)运算法则...
  • 文章目录前言几何间隔函数间隔线性可分的支持向量机如何求解算法流程线性支持向量机算法流程代码 前言 支持向量机包括: 线性可分的支持向量机; 线性支持向量机; 非线性支持向量机。 本篇文章总结前面两种。 ...
  • 两个向量的叉积是这样表示的: ,这种乘法的计算结果是另一个矢量 ,这个矢量 的大小等于原来两个矢量的大小的乘积再乘以两个矢量夹角 (小于180度)的「正弦」: ,在二维空间内,向量其几何意义就是以两个向量为边的...
  • SVM的英文全称是Support Vector Machines,我们叫它支持向量机。支持向量机是我们用于分类的一种算法。让我们以一个小故事的形式,开启我们的SVM之旅吧。 在很久以前的情人节,一位大侠要去救他的爱人,但天空中的...
  • 2015-12-13 回答线性代数(linear algebra)是数学的一个分支,它的研究对象是向量向量空间(或称线性空间),线性变换和有限维的线性方程组。向量空间是现代数学的一个重要课题;因而,线性代数被广泛地应用于抽象...
  • 在学习吴恩达教授机器学习时,其中讲解到关于矩阵向量部分。由此记录。 概念 矩阵实例 下面的矩阵用A来代替 向量 向量和矩阵相乘时,用矩阵的每一行去和向量的每一列相乘 即得到的第一个值为 a1 * b1+a2 * b2. ...
  • cbaθ高中数学知识背景下对向量叉乘运算的探讨在高中数学的学习中,同学们接触到向量的概念,并了解其性质、线性运算、坐标表示、数量积以及在实际问题中的应用。在此基础上,可进一步深化,引入向量的叉乘运算,...
  • 线性代数之 向量的内积,外积,长度,正交和正交矩阵向量的内积向量的外积向量的长度向量正交正交矩阵正交矩阵的扩展 向量的内积 对于列向量a,b∈Rna,b\in R^na,b∈Rn,其内积(点积)表示为: a⋅b=aTb=bTa=∑i=1...
  • 得出结论长度乘以一个向量等于一个向量(投影长度乘以单位向量等于投影向量)
  • 向量点乘和叉乘

    千次阅读 2021-05-29 20:46:30
    title: 向量点乘和叉乘 categories: Math tags: Math Knowledge ...向量点乘和叉乘 假设存在向量a和向量b:$ a=[a_{1},a_{2},a_{3}],b=[b_{...点乘的几何意义是可以用来表征或者计算两个向量之间的夹角,以及在b向量或.
  • 为了方便计算,我们将上式写成矩阵形式:Y = XW假设自变量维度为NW为自变量的系数,下标0 - NX为自变量向量或矩阵,X维度为N,为了能和W0对应,X需要在第一行插入一个全是1的列。Y为因变量那么问题就转变成,已知样本X...
  • 六维空间向量表示法目录1、运动和力2、空间速度和空间力3、加法运算和模乘4、点积(内积)5、坐标变换6、叉积(向量积,外积)7、微分8、加速度9、空间动量10、空间惯量11、空间运动方程 目前对机器人动力学还没有一套...
  • SVM,Support Vector Machine,支持向量
  • 机器学习之线性回归(手推公式版)

    千次阅读 热门讨论 2021-01-26 15:20:44
    本篇博文主要介绍了机器学习里面最基础的线性回归模型,并手推了相关公式,最后使用主流的机器学习库sklearn来实现线性回归。机器学习(手推公式版)系列持续更新中...
  • 本文介绍了向量的內积和外积的概念,以及相关的运算公式
  • 一、向量与矩阵的本质 目录:一、向量与矩阵的本质一、向量 一、向量
  • 用来表征或计算两个向量之间的夹角 在b向量在a向量方向上的投影。 向量的外积(叉乘) 两个向量的外积,又叫向量积、叉乘等。外积的运算结果是一个向量。并且两个向量的叉积与这两个向量组成的坐标平面垂直(右手...
  • 文章目录一、概述二、最小二乘估计 2021人工智能领域新星创作者,带你从入门到精通,该博客每天更新,逐渐完善机器学习各个知识体系的文章,帮助大家更高效学习。 一、概述 在生活实际中经常遇到一些情况,比如...
  • 本文中,所出现的数学公式使用的工具是渗透、取证系统BackboxLinux的一款工具——LibreOfficeMath 那么先从线性代数的基础开始介绍 对于需要处理由多个数值组成的成组的数据,对于这种数据,我们一般不将其看作.
  • 线性代数学习之特征值与特征向量

    千次阅读 2021-10-22 17:02:44
    在上一次线性代数学习之行列式 - cexo - 博客园学习了行列式相关的一些概念,其中也多次提到学好行列式是为了学习“特征值和特征向量”的基础,所以此次就正式进入这块内容的学习,也是线性代数中非常重要的概念,...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 81,357
精华内容 32,542
关键字:

向量的线性运算公式