遗忘海岸

只在一个点上连续的函数

摘要：参考 https://www.zybang.com/question/1e243c73143fcc884ed7fd58ea8374ae.html 呵呵,其实很简单,想法来源于Dirichlet函数,就是当x为有理数时f(x)=1,当x为无理数时f(x)=0,显然这函数处处不连续.那么我们对其做一点修阅读全文

posted @ 2018-06-06 09:16 遗忘海岸阅读(1527) 评论(0) 推荐(0) 编辑

EF对应null的处理

摘要：原来的代码是 if (string.IsNullOrWhiteSpace(seal)) seal = null; ctx.Terminal.FirstOrDefault(ent=>ent.Seal==seal) 当seal是null时成长的sql语句如下，采用=null执行结果不是需要的 exec 阅读全文

posted @ 2018-06-03 10:41 遗忘海岸阅读(743) 评论(0) 推荐(0) 编辑

证明解析函数u=c1 与 v=c2 正交

摘要：方程u(x,y)=c1对应平面上的曲线，求导dy/dx= -ux/uy 类似有v曲线的dy/dx=-vx/vy 两者相乘，使用柯西-黎曼方程结果是-1 表示在相交点两者的切线互相垂直。另外u(x,y)=c1 可以看成2元函数 u=f(x,y) 的等高线--参考微积分11.5 节 grad(u) 阅读全文

posted @ 2018-05-31 16:26 遗忘海岸阅读(625) 评论(0) 推荐(0) 编辑

互逆矩阵特征值，奇异值的关系

摘要： A 与A^-1 的特征价值互为倒数。证明 Ax1=lambda1 x1 => inv(A) A x1=lambad1 inv(A) x1 => x1= lambda1 inv(A) x1 => (1/lambda1) x1= inv(A) x1 相似矩阵有相同的特征值--(6.1节结论） A A 阅读全文

posted @ 2018-04-04 20:12 遗忘海岸阅读(3132) 评论(0) 推荐(0) 编辑

证明幂零矩阵只有0特征值

摘要：阅读全文

posted @ 2018-03-15 11:04 遗忘海岸阅读(1842) 评论(0) 推荐(0) 编辑

证明LDU分解的唯一性

摘要：首先上(下）三角矩阵乘以上（下）三角矩阵结果还是上(下)三角矩阵，另外我们考虑相乘后的对角元素可发现，对角原始是原来2矩阵对应对角元素的乘积。另外对角线都是1的上(下)三角矩阵必定可以只是用行运算III化为单位矩阵。行运算III 对应左乘第3类初等矩阵，因此U1^-1（L2^-1）可以看成是阅读全文

posted @ 2018-03-09 10:36 遗忘海岸阅读(1742) 评论(0) 推荐(0) 编辑

SVD图片有损压缩测试

摘要：注意文件名别保持成svd.m，这样与系统的默认svd程序冲突图片处理函数生成的三组二维数组对应RGB，处理时保留一组 clear all; close all; clc; a1=imread('C:\1.jpg'); [m n]=size(a1); a1=double(a1); a=a1(:,:, 阅读全文

posted @ 2018-03-01 15:54 遗忘海岸阅读(411) 评论(0) 推荐(0) 编辑

SVD(6.5.1定理证明观察3)

摘要：阅读全文

posted @ 2018-02-27 09:32 遗忘海岸阅读(175) 评论(0) 推荐(0) 编辑

复数系下常量乘向量的范数

摘要：上面的性质在lambda的实虚部为零时当然成立阅读全文

posted @ 2018-02-21 16:05 遗忘海岸阅读(784) 评论(0) 推荐(0) 编辑

证明2x2正交矩阵专置后还是正交矩阵

摘要： [ x1 x2 y1 y2] x1^2+y1^2=1 x2^2 + y2^2=1 x1*x2 + y1*y2=0 如果专置后还是 x1^2 + x2^2=1 y1^2 +y2^2=1 x1*y1 + x2*y2=0 上图可以看出2个直接角三角型全等。从而得出结论。阅读全文

posted @ 2018-02-09 08:57 遗忘海岸阅读(242) 评论(0) 推荐(0) 编辑

对角元素各不相同的上三角矩阵必定存在上三角矩阵将之对角化

摘要： 1. 首先对角线元素互不相同，意味着矩阵有n个不同的特征值，根据6.3.1知道，必定有n个线性无关的特征值向量，故T可以对角化. 2, 然后取一个特征值tjj对应的特征向量是rj, (T- tjj * I)x=0 必定有非平凡解rj, 3. A= T-tjj * I 由于T对角元素各不相同,因此A矩阅读全文

posted @ 2018-02-05 16:44 遗忘海岸阅读(776) 评论(0) 推荐(0) 编辑

网页评级模型

摘要：有n个网页，则构造的矩阵A为nxn, A的j列的每个元素(aij)的值表示，从页面 j 跳到页面 i 的概率。初始状态向量X0中的元素可以看成每页当前停留的概率（或者有多少人在这个页面）经过几次迭代（A^k * x0)后，Xk向量表示进过多次访问（跳转-模拟用户的上网行为)后，停留在j也面阅读全文

posted @ 2018-02-02 16:24 遗忘海岸阅读(132) 评论(0) 推荐(0) 编辑

DevExpress 只允许修改指定列

摘要： gridView1.OptionsBehavior.Editable = true; gridView1.OptionsBehavior.ReadOnly = false; foreach (GridColumn c in gridView1.Columns) { if (c.Name == col 阅读全文

posted @ 2018-02-01 16:23 遗忘海岸阅读(225) 评论(0) 推荐(0) 编辑

生成概率向量

摘要： R^n中的概率向量，向量中每个元素>=0 ,元素之和=1 下面生成一个R^4中的概率向量 clcformat longt=rand(4,1);r=(1/sum(t)) * t; A=[ 0.8 0.1 0.05 0.05 0.1 0.8 0.05 0.05 0.05 0.05 0.8 0.1 0.0 阅读全文

posted @ 2018-02-01 14:04 遗忘海岸阅读(216) 评论(0) 推荐(0) 编辑

nxn随机矩阵乘以概率向量依旧是概率向量

摘要：由上面可进一步推到出A*A是随机矩阵看成(A a1,A a2...A an) 所以A^m依然是随机矩阵。阅读全文

posted @ 2018-01-31 16:04 遗忘海岸阅读(336) 评论(0) 推荐(0) 编辑

导航

公告