首页 > 其他分享 >线性代数

线性代数

时间:2024-05-03 09:11:17浏览次数:15  
标签:begin end 线性代数 vec bmatrix 向量 vdots

线性代数

线性

对于函数 \(f(x)\)(在实数域上)是线性的,当且仅当:对于任意 \(x,y,c\),有 \(f(x+y)=f(x)+f(y)\) 和 \(f(cx)=cf(x)\)。

定义域和值域:\(c\) 是“数”,\(x\) 和 \(f(x)\) 均为“可运算的元素”

向量表示与矩阵

向量

向量 \(\vec{v}\),是一个纵向的列表,列表的每个元素都是一个数。有时也可称作列向量,并把向量的长度称为向量的维数。

可以用一个 \(n\) 维向量描述一个对象的 \(n\) 个属性。

向量加法:

\(\vec{u}+\vec{v}=\begin{bmatrix}u_1 \\u_2 \\\vdots \\u_n \end{bmatrix}+\begin{bmatrix}v_1 \\v_2 \\\vdots \\v_n \end{bmatrix}=\begin{bmatrix}u_1+v_1 \\u_2 +v_2\\\vdots \\u_n+v_n \end{bmatrix}\)

向量数乘:

\(c\vec{v}=c\begin{bmatrix}v_1 \\v_2 \\\vdots \\v_n \end{bmatrix}=\begin{bmatrix}cv_1 \\cv_2 \\\vdots \\cv_n \end{bmatrix}\)

线性函数的形式:

若函数 \(f\) 满足 \(f(\vec{u})+f(\vec{v})=f(\vec{u}+\vec{v})\) 和 $

线性变换

矩阵表示

  1. 找出转移所需的全部元素,列到一个向量里
  2. 考虑转移
  3. 矩阵快速幂优化
  • Problem 1

计算连分数,单点修改+查询。

  • Problem 2

给定三个长度为 \(n\) 的序列 \(a,b,sum\),初始全为 \(0\),要求支持区间 \(a_i+=c,b_i+=c,sum_i+=a_i\times b_i\),查询 \(sum\) 区间和。

用线段树在每个下标处维护一个向量,转移向量为 \(\begin{bmatrix}1 \\a_i \\b_i \\a_ib_i \\sum_i \end{bmatrix}\)

线段树维护五阶矩阵 \(O(125 n \log n)\),考虑优化。

注意到该矩阵是一个下三角矩阵,只枚举满足 \(i\le j\le k\) 的下标,优化为 \(O(35 n \log n)\)。

注意到矩阵中有许多的无效项(对角线、\(a_i\) 对 \(b_i\) 的值永远是 \(0\)),因此可以跳过,变为四阶矩阵,优化为近 \(O(10n \log n)\)。

  • P7739

太难了,不适合我 qwq,咕咕咕。


\(\begin{bmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{m1} & a_{m2} & \cdots & a_{mn} \end{bmatrix}\)

标签:begin,end,线性代数,vec,bmatrix,向量,vdots
From: https://www.cnblogs.com/CheZiHe929/p/18170930

相关文章

  • 网课-线性代数学习笔记
    线性一个函数\(f(x)\)是线性的,当且仅当:\(f(x+y)=f(x)+f(y),f(kx)=kf(x)\)其中\(c\in\mathbf{R}\),\(x,y\)为某种可运算的元素。向量纵向的列表。\[\begin{bmatrix}a\\\vdots\\c\end{bmatrix}\]线性函数:\(c_1x_1+c_2x_2+\dots+c_nx_n\)线性变换:定......
  • 线性代数基础
    线性代数基础煎蛋的东西不再赘述。\(n\)个向量,若存在向量能被其他向量线性表示,则称这些向量线性相关,否则线性无关。矩阵的行秩,将矩阵看成若干个行向量,从这些向量中选取尽可能多的向量满足这些向量线性无关,选取的个数\(k\)即为矩阵的秩。矩阵的列秩同理,一般来说,矩阵的秩默认......
  • 【pytorch学习】之线性代数
    3线性代数3.1标量如果你曾经在餐厅支付餐费,那么应该已经知道一些基本的线性代数,比如在数字间相加或相乘。例如,北京的温度为52◦F(华氏度,除摄氏度外的另一种温度计量单位)。严格来说,仅包含一个数值被称为标量(scalar)。如果要将此华氏度值转换为更常用的摄氏度,则可以计算表达式$C=......
  • 机器学习教程 一-不懂这些线性代数知识 别说你是搞机器学习的
    机器学习教程一-不懂这些线性代数知识别说你是搞机器学习的 原文:http://www.shareditor.com/blogshow/?blogId=1数学是计算机技术的基础,线性代数是机器学习和深度学习的基础,了解数据知识最好的方法我觉得是理解概念,数学不只是上学时用来考试的,也是工作中必不可少的......
  • 线性代数初步
    异或线性基模板题:【模板】线性基一个数列\(a\)的异或线性基\(p\)满足:\(a\)的任意子集的异或和\(sum\),必然能在\(p\)中找到一个子集,其异或和也为\(sum\)。思路先考虑构造\(a=\{x,y\}\)的异或线性基。构造\(p=\{x,x\oplusy\}\)。\(a\)的子集异或和与\(p\)的子......
  • [学习笔记] 高斯消元 - 线性代数
    高斯-约旦消元下面给两道板子【模板】高斯消元法最最基础的板子,没啥哆嗦的。下面给出高斯-约旦消元解法。#include<bits/stdc++.h>usingnamespacestd;intn,dt=1;doubleeps=1e-9,m[102][102];intmain(){ scanf("%d",&n); for(inti=1;i<=n;++i) for(intj......
  • 《线性代数的本质》笔记(09)
    09-基变换基向量不同,则相同坐标的向量实际上并不是同一个。将新的基向量看作是线性变换,则其列应该是原本的基向量现在的位置。将一个新坐标系下的向量a(x,y)转换到我们的坐标系中:用这个矩阵乘以这个向量。原因:用两组基向量分别表示向量在两个坐标系下的位置,则结果应该是相同的。所......
  • 《线性代数的本质》(06-附注2-07)
    06-逆矩阵、列空间、秩与零空间线性方程组:A\(\vec{x}\)=\(\vec{v}\)线性代数的一个作用:帮助我们处理线性方程组。形式:矩阵与向量的乘法。几何意义:寻找一个向量\(\vec{x}\),这个向量在特定的线性变换之后与目标向量\(\vec{v}\)重合。行列式不等于0:有且仅有一个向量再变......
  • 《线性代数的本质》笔记(04-附注1-05)
    04-矩阵乘法与线性变换复合的联系问:如何描述连续两个线性变换?答:先左乘一个矩阵,再左乘一个。如果我们用一个矩阵来描述这个复合过程,那么这个矩阵应该等于两个矩阵的乘积,这就是矩阵的乘法。如何理解上图:把右侧矩阵M2看作看作第一次变换后的\(\hat{i}\)向量和\(\hat{j}\)向量,......
  • 《线性代数的本质》笔记(01-03)
    前言:本系列为《线性代数的本质》的笔记,作者为3Blue1Brown大神,视频的b站链接为https://www.bilibili.com/video/BV1ys411472E/?spm_id_from=333.999.0.0&vd_source=cb7d5dd830bc59a85c459b0b14a2e685看了这个系列视频后我受益匪浅,为了方便后续回顾所以整理成了文字资料。我强烈......