修正了文档中数学公式无法显示的问题
This commit is contained in:
parent
7a2d1f1cb3
commit
a93d35390a
|
|
@ -203,11 +203,7 @@ $$
|
|||
|
||||
<img src="res/matrix_operation.png" style="zoom:62%;">
|
||||
|
||||
值得一提的是矩阵乘法运算,该运算仅当第一个矩阵 $\small{\boldsymbol{A}}$ 的列数和另一个矩阵 $\small{\boldsymbol{B}}$ 的行数相等时才能定义。如果 $\small{\boldsymbol{A}}$ 是一个 $\small{m \times n}$ 的矩阵,$\small{\boldsymbol{B}}$ 是一个 $\small{n \times k}$ 矩阵,它们的乘积是一个 $\small{m \times k}$ 的矩阵,其中元素的计算公式如下所示:
|
||||
|
||||
$$
|
||||
\mathbf{AB}_{i,j} = A_{i,1} B_{1,j} + A_{i,2} B_{2,j} + \cdots + A_{i,n} B_{n,j} = \sum_{r=1}^{n}{A_{i,r}B_{r,j}}
|
||||
$$
|
||||
值得一提的是矩阵乘法运算,该运算仅当第一个矩阵 $\small{\boldsymbol{A}}$ 的列数和另一个矩阵 $\small{\boldsymbol{B}}$ 的行数相等时才能定义。如果 $\small{\boldsymbol{A}}$ 是一个 $\small{m \times n}$ 的矩阵, $\small{\boldsymbol{B}}$ 是一个 $\small{n \times k}$ 矩阵,它们的乘积是一个 $\small{m \times k}$ 的矩阵,如下图所示。
|
||||
|
||||
<img src="res/matrix_multiply.png" style="zoom:35%;">
|
||||
|
||||
|
|
@ -215,23 +211,23 @@ $$
|
|||
|
||||
$$
|
||||
\begin{bmatrix}
|
||||
1 & 0 & 2 \\\\
|
||||
1 & 0 & 2 \\
|
||||
-1 & 3 & 1
|
||||
\end{bmatrix}
|
||||
\times
|
||||
\begin{bmatrix}
|
||||
3 & 1 \\\\
|
||||
2 & 1 \\\\
|
||||
3 & 1 \\
|
||||
2 & 1 \\
|
||||
1 & 0
|
||||
\end{bmatrix}
|
||||
=
|
||||
\begin{bmatrix}
|
||||
(1 \times 3 + 0 \times 2 + 2 \times 1) & (1 \times 1 + 0 \times 1 + 2 \times 0) \\\\
|
||||
(1 \times 3 + 0 \times 2 + 2 \times 1) & (1 \times 1 + 0 \times 1 + 2 \times 0) \\
|
||||
(-1 \times 3 + 3 \times 2 + 1 \times 1) & (-1 \times 1 + 3 \times 1 + 1 \times 0)
|
||||
\end{bmatrix}
|
||||
=
|
||||
\begin{bmatrix}
|
||||
5 & 1 \\\\
|
||||
5 & 1 \\
|
||||
4 & 2
|
||||
\end{bmatrix}
|
||||
$$
|
||||
|
|
@ -352,7 +348,7 @@ NumPy 的`linalg`模块中有一组标准的矩阵分解运算以及诸如求逆
|
|||
| `det` | 计算行列式的值 |
|
||||
| `matrix_rank` | 计算矩阵的秩 |
|
||||
| `eig` | 计算矩阵的特征值(*eigenvalue*)和特征向量(*eigenvector*) |
|
||||
| `inv` | 计算非奇异矩阵($n$阶方阵)的逆矩阵 |
|
||||
| `inv` | 计算非奇异矩阵( $\small{n}$ 阶方阵)的逆矩阵 |
|
||||
| `pinv` | 计算矩阵的摩尔-彭若斯(*Moore-Penrose*)广义逆 |
|
||||
| `qr` | QR分解(把矩阵分解成一个正交矩阵与一个上三角矩阵的积) |
|
||||
| `svd` | 计算奇异值分解(*singular value decomposition*) |
|
||||
|
|
|
|||
Loading…
Reference in New Issue