高数知识补充----矩阵、行列式、数学符号

矩阵计算

参考链接:矩阵如何运算?——线性代数_矩阵计算-CSDN博客

行列式计算

参考链接:实用的行列式计算方法 —— 线性代数(det)_det线性代数-CSDN博客

参考链接:行列式的计算方法(含四种,看完就会!)-CSDN博客

一、对角线法

▍以三阶行列式为例:

①将第一、二列平移到行列式右侧
②如图做出六条斜对角线
③对角线上的元素相乘红色相加的和 减去 蓝色相加的和

D3​=

对角线法也是三阶行列式计算使用最广泛的方法

 对角线法适用于二、三阶行列式,对于更高阶的行列式暂时未找到规律

二、代数余子式法

三、等价转化法

四、逆序数法

四种行列式的计算方法:

▍其中对角线法,是使用最简单、最广泛的方法

▍代数余子式法和等价转化法,在特定情况下能极大程度上简便运算,但需要读者对行列式进行灵活地观察

▍逆序数法,是一种更加基础的方法,使用起来比较复杂

导数,偏导数,方向导数,梯度的理解---微积分数学基础

参考链接:导数,偏导数,方向导数,梯度的理解---微积分数学基础_u对法向量求偏导是什么-CSDN博客

导数:(对于一元函数)区域内的变化率,例如:速度。

偏导数:(对于多元函数)垂直与各坐标轴的特殊切线的斜率(N元函数有N个偏导数)。

例如:(以二元函数为例),x轴/y轴方向上的导数即为偏导数。

方向导数:包括偏导数在内的,任意方向的带方向导数。

方向导数的最大值:方向导数方向与偏导向量同向时,取得最大值(梯度的模)。

                                                                        反向时,取得负最大值

(梯度方向为方向导数最大的方向,梯度的模为最大的方向导数)

某位置处,任意方向的方向导数为偏导数的线性组合,系数为该方向的单位向量

当该方向与坐标轴正方向一致时,方向导数即偏导数。

换句话说,偏导数为坐标轴方向上的方向导数,其他方向的方向导数为偏导数的合成

梯度

几何意义:

  1. 梯度方向:当前位置的梯度方向,为函数在该位置处方向导数最大的方向,也是函数值上升最快的方向,反方向为下降最快的方向;
  2. 梯度长度(模):当前位置的梯度长度(模),为最大方向导数的值。

小结:

  • 偏导数构成的向量为梯度;
  • 方向导数为梯度在该方向上的合成,系数为该方向的单位向量;
  • 梯度方向为方向导数最大的方向,梯度的模为最大的方向导数;
  • 微分的结果为梯度与微分向量的内积
  • 等高线全微分的结果为0,所以其梯度垂直于等高线,同时指向高度更高的等高线
  • 隐函数的梯度为高维曲面(曲线)的法向量

梯度参考链接:直观理解偏导数、方向导数和法向量和梯度_方向导数的几何意义图解-CSDN博客

数学符号及读法大全 & 数学运算符号及含义

参考链接:【高数】数学符号及读法大全and数学运算符号及含义_高数符号大全及意义-CSDN博客

数学符号及读法大全,并解释了运算符号含义。

大写

小写

英文注音

国际音标

中文注音

Α

α

alpha

alfa

阿耳法

Β

β

beta

beta

贝塔

Γ

γ

gamma

gamma

伽马

Δ

δ

deta

delta

德耳塔

Ε

ε

epsilon

epsilon

艾普西隆

Ζ

ζ

zeta

zeta

截塔

Η

η

eta

eta

艾塔

Θ

θ

theta

θita

西塔

Ι

ι

iota

iota

约塔

Κ

κ

kappa

kappa

卡帕

λ

lambda

lambda

兰姆达

Μ

μ

mu

miu

Ν

ν

nu

niu

Ξ

ξ

xi

ksi

可塞

Ο

ο

omicron

omikron

奥密可戎

π

pi

pai

Ρ

ρ

rho

rou

σ

sigma

sigma

西格马

Τ

τ

tau

tau

Υ

υ

upsilon

jupsilon

衣普西隆

Φ

φ

phi

fai

Χ

χ

chi

khai

Ψ

ψ

psi

psai

普西

Ω

ω

omega

omiga

欧米噶

符号

含义

i

-1的平方根

f(x)

函数f在自变量x处的值

sin(x)

在自变量x处的正弦函数值

exp(x)

在自变量x处的指数函数值,常被写作ex

a^x

a的x次方;有理数x由反函数定义

ln x

exp x 的反函数

ax

同 a^x

logba

以b为底a的对数;blogba = a

cos x

在自变量x处余弦函数的值

tan x

其值等于 sin x/cos x

cot x

余切函数的值或 cos x/sin x

sec x

正割含数的值,其值等于 1/cos x

csc x

余割函数的值,其值等于 1/sin x

asin x

y,正弦函数反函数在x处的值,即 x = sin y

acos x

y,余弦函数反函数在x处的值,即 x = cos y

atan x

y,正切函数反函数在x处的值,即 x = tan y

acot x

y,余切函数反函数在x处的值,即 x = cot y

asec x

y,正割函数反函数在x处的值,即 x = sec y

acsc x

y,余割函数反函数在x处的值,即 x = csc y

θ

角度的一个标准符号,不注明均指弧度,尤其用于表示atan x/y,当x、y、z用于表示空间中的点时

i, j, k

分别表示x、y、z方向上的单位向量

(a, b, c)

以a、b、c为元素的向量

(a, b)

以a、b为元素的向量

(a, b)

a、b向量的点积

a•b

a、b向量的点积

(a•b)

a、b向量的点积

|v|

向量v的模

|x|

数x的绝对值

Σ

表示求和,通常是某项指数。下边界值写在其下部,上边界值写在其上部。如j从1到100 的和可以表示成:。这表示 1 + 2 + … + n

M

表示一个矩阵或数列或其它

|v>

列向量,即元素被写成列或可被看成k×1阶矩阵的向量

<v|

被写成行或可被看成从1×k阶矩阵的向量

dx

变量x的一个无穷小变化,dy, dz, dr等类似

ds

长度的微小变化

ρ

变量 (x2 + y2 + z2)1/2 或球面坐标系中到原点的距离

r

变量 (x2 + y2)1/2 或三维空间或极坐标中到z轴的距离

|M|

矩阵M的行列式,其值是矩阵的行和列决定的平行区域的面积或体积

||M||

矩阵M的行列式的值,为一个面积、体积或超体积

det M

M的行列式

M-1

矩阵M的逆矩阵

v×w

向量v和w的向量积或叉积

θvw

向量v和w之间的夹角

A•B×C

标量三重积,以A、B、C为列的矩阵的行列式

uw

在向量w方向上的单位向量,即 w/|w|

df

函数f的微小变化,足够小以至适合于所有相关函数的线性近似

df/dx

f关于x的导数,同时也是f的线性近似斜率

f '

函数f关于相应自变量的导数,自变量通常为x

∂f/∂x

y、z固定时f关于x的偏导数。通常f关于某变量q的偏导数为当其它几个变量固定时df 与dq的比值。任何可能导致变量混淆的地方都应明确地表述

(∂f/∂x)|r,z

保持r和z不变时,f关于x的偏导数

grad f

元素分别为f关于x、y、z偏导数 [(∂f/∂x), (∂f/∂y), (∂f/∂z)] 或 (∂f/∂x)i + (∂f/∂y)j + (∂f/∂z)k; 的向量场,称为f的梯度

向量算子(∂/∂x)i + (∂/∂x)j + (∂/∂x)k, 读作 "del"

∇f

f的梯度;它和 uw 的点积为f在w方向上的方向导数

∇•w

向量场w的散度,为向量算子∇ 同向量 w的点积, 或 (∂wx /∂x) + (∂wy /∂y) + (∂wz /∂z)

curl w

向量算子 ∇ 同向量 w 的叉积

∇×w

w的旋度,其元素为[(∂fz /∂y) - (∂fy /∂z), (∂fx /∂z) - (∂fz /∂x), (∂fy /∂x) - (∂fx /∂y)]

∇•∇

拉普拉斯微分算子:(∂2/∂x2) + (∂/∂y2) + (∂/∂z2)

f "(x)

f关于x的二阶导数,f '(x)的导数

d2f/dx2

f关于x的二阶导数

f(2)(x)

同样也是f关于x的二阶导数

f(k)(x)

f关于x的第k阶导数,f(k-1) (x)的导数

T

曲线切线方向上的单位向量,如果曲线可以描述成 r(t), 则T = (dr/dt)/|dr/dt|

ds

沿曲线方向距离的导数

κ

曲线的曲率,单位切线向量相对曲线距离的导数的值:|dT/ds|

N

dT/ds投影方向单位向量,垂直于T

B

平面T和N的单位法向量,即曲率的平面

τ

曲线的扭率:|dB/ds|

g

重力常数

F

力学中力的标准符号

k

弹簧的弹簧常数

pi

第i个物体的动量

H

物理系统的哈密尔敦函数,即位置和动量表示的能量

{Q, H}

Q, H的泊松括号

以一个关于x的函数的形式表达的f(x)的积分

函数f 从a到b的定积分。当f是正的且 a < b 时表示由x轴和直线y = a, y = b 及在这些直线之间的函数曲线所围起来图形的面积

L(d)

相等子区间大小为d,每个子区间左端点的值为 f的黎曼和

R(d)

相等子区间大小为d,每个子区间右端点的值为 f的黎曼和

M(d)

相等子区间大小为d,每个子区间上的最大值为 f的黎曼和

m(d)

相等子区间大小为d,每个子区间上的最小值为 f的黎曼和

公式输入符号  :

+:           plus(positive正的)
-:         minus(negative负的)
*:         multiplied by
÷:        divided by
=:          be equal to
≈:          be approximately equal to
():          round brackets(parenthess)
[]:          square brackets
{}:          braces
∵:          because
∴:          therefore
≤:          less than or equal to
≥:          greater than or equal to
∞:          infinity
LOGnX:    logx to the base n
xn:          the nth power of x
f(x):          the function of x
dx:          diffrencial of x
x+y:        x plus y
(a+b):      bracket a plus b bracket closed
a=b:        a equals b
a≠b:      a isn't equal to b
a>b :       a is greater than b
a>>b:      a is much greater than b
a≥b:         a is greater than or equal to b
x→∞:    approches infinity
x2:          x  square
x3:          x cube
√ ̄x:      the square root of x
3√ ̄x:    the cube root of x
3‰:    three peimill
n∑i=1xi:  the summation of x where x goes from 1to n
n∏i=1xi:  the product of x sub i where igoes from 1to n
∫ab:         integral betweens a and b

数学符号(理科符号)——运算符号 : 

1.基本符号:+ - × ÷(/)  
2.分数号:/  
3.正负号:±  
4.相似全等:∽ ≌  
5.因为所以:∵ ∴  
6.判断类:= ≠ < ≮(不小于) > ≯(不大于)  
7.集合类:∈(属于) ∪(并集) ∩(交集)  
8.求和符号:∑  
9.n次方符号:¹(一次方) ²(平方) ³(立方) ⁴(4次方) ⁿ(n次方)  
10.下角标:₁ ₂ ₃ ₄  
(如:A₁B₂C₃D₄ 效果如何?)  
11.或与非的"非":¬  
12.导数符号(备注符号):′ 〃  
13.度:° ℃  
14.任意:∀  ;“存在”:∃
15.推出号:⇒  
16.等价号:⇔  
17.包含被包含:⊆ ⊇ ⊂ ⊃  
18.积分:∫ ∬  
19.箭头类:↗ ↙ ↖ ↘ ↑ ↓ ↔ ↕ ↑ ↓ → ←  
20.绝对值:|  
21.弧:⌒  
22.圆:⊙ 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/380476.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

08.固定宽高比 图片加载失败时的回退方案 隐藏滚动条

### 固定宽高比 确保具有可变 width 的元素将保持与其 `height 成比例的值。 在 ::before 伪元素上应用 padding-top,使元素的 height 等于其 width 的百分比。height 与 width 的比例可以根据需要进行调整。例如,padding-top 为 100% 将创建一个响应式正方形(1:1 比例)。<…

<数据集>钢铁缺陷检测数据集<目标检测>

数据集格式&#xff1a;VOCYOLO格式 图片数量&#xff1a;1800张 标注数量(xml文件个数)&#xff1a;1800 标注数量(txt文件个数)&#xff1a;1800 标注类别数&#xff1a;6 标注类别名称&#xff1a;[crazing, patches, inclusion, pitted_surface, rolled-in_scale, scr…

<数据集>铁轨缺陷检测数据集<目标检测>

数据集格式&#xff1a;VOCYOLO格式 图片数量&#xff1a;844张 标注数量(xml文件个数)&#xff1a;844 标注数量(txt文件个数)&#xff1a;844 标注类别数&#xff1a;3 标注类别名称&#xff1a;[Spalling, Squat, Wheel Burn] 序号类别名称图片数框数1Spalling3315522…

前端组件化技术实践:Vue自定义顶部导航栏组件的探索

摘要 随着前端技术的飞速发展&#xff0c;组件化开发已成为提高开发效率、降低维护成本的关键手段。本文将以Vue自定义顶部导航栏组件为例&#xff0c;深入探讨前端组件化开发的实践过程、优势以及面临的挑战&#xff0c;旨在为广大前端开发者提供有价值的参考和启示。 一、引…

安全防御2

实验要求&#xff1a; 实验过程&#xff1a; 7&#xff0c;办公区设备可以通过电信链路和移动链路上网(多对多的NAT&#xff0c;并且需要保留一个公网IP不能用来转换)&#xff1a; 新建电信区&#xff1a; 新建移动区&#xff1a; 将对应接口划归到各自区域&#xff1a; 新建…

5.java操作RabbitMQ-简单队列

1.引入依赖 <!--rabbitmq依赖客户端--> <dependency><groupId>com.rabbitmq</groupId><artifactId>amqp-client</artifactId> </dependency> 操作文件的依赖 <!--操作文件流的一个依赖--> <dependency><groupId>c…

前端表格解析方法

工具类文件 // fileUtils.tsimport { ref } from vue; import * as xlsx from xlsx;interface RowData {[key: string]: any; }export const tableData ref<RowData[]>([]);export async function handleFileSelect(url: string): Promise<void> {try {const res…

数字通云平台 智慧政务OA PayslipUser SQL注入漏洞复现

0x01 产品简介 数字通云平台智慧政务OA产品是基于云计算、大数据、人工智能等先进技术,为政府部门量身定制的智能化办公系统。该系统旨在提高政府部门的办公效率、协同能力和信息资源共享水平,推动电子政务向更高层次发展。 0x02 漏洞概述 数字通云平台 智慧政务OA Paysli…

使用shedlock实现分布式互斥执行

前言 前序章节&#xff1a;springboot基础(82):分布式定时任务解决方案shedlock 如果你不清楚shedlock&#xff0c;建议先阅读前序章节&#xff0c;再来查看本文。 如果我们不在spring环境下&#xff0c;如何使用shedlock实现分布式互斥执行&#xff1f; 我们可以使用shedl…

verilog实现ram16*8 (vivado)

module ram_16x2 (input clk, // 时钟信号input we, // 写使能input en, // 使能信号input [3:0] addr, // 地址线input [1:0] datain, // 输入数据线output reg [1:0] dataout // 输出数据线 );// 定义存储器数组reg [1:0] mem [15:0];always (posedge…

知迪科技发布了全新软件产品

近日&#xff0c;知迪科技发布了全新软件产品——Vehicle Bus Tool-Trace Version免费版。该软件产品能高效的离线分析汽车总线数据&#xff0c;并拥有一大亮点功能&#xff1a;Ethernet通信离线文件基于ARXML文件的信号级解析&#xff0c;具体操作如下&#xff1a; 1、新建一…

达梦数据库 MPP集群搭建(带主备)

MPP集群搭建&#xff08;带主备&#xff09; 1.背景2.操作内容和要求3. 具体步骤3.1 搭建过程3.1.1 集群搭建3.1.2 准备工作3.1.2.1 初始化3.1.2.2 备份数据库 3.1.3 配置主库EP013.1.3.1 配置dm.ini3.1.3.2 配置dmmal.ini3.1.3.3 配置dmarch.ini3.1.3.4 配置dmmpp.ctl3.1.3.5 …

PHP基础语法(一)

一、初步语法 1、PHP代码标记&#xff1a;以 <?php 开始&#xff0c;以 ?> 结束&#xff1b; 2、PHP注释&#xff1a;行注释&#xff1a;//&#xff08;双斜杠&#xff09;或# 块注释&#xff1a;/* */ 3、PHP语句分隔符&#xff1a; 1&#xff09;在PHP中&#…

Golang|Shopee一面

1、一个有环的链表&#xff0c;如何确认链表有环&#xff0c;环的长度。 LeetCode 142。原题为判断链表是否有环&#xff0c;如果有环找到环的起点。本题修改为求环的长度&#xff0c;基本思路一致&#xff0c;依然为双指针。当快慢指针相遇之后&#xff0c;如果寻找环的起点&…

防火墙内容安全综合实验

一、实验拓扑 二、实验要求 1&#xff0c;假设内网用户需要通过外网的web服务器和pop3邮件服务器下载文件和邮件&#xff0c;内网的FTP服务器也需要接受外网用户上传的文件。针对该场景进行防病毒的防护。 2&#xff0c;我们需要针对办公区用户进行上网行为管理&#xff0c;要…

【LeetCode】翻转二叉树

目录 一、题目二、解法完整代码 一、题目 给你一棵二叉树的根节点 root &#xff0c;翻转这棵二叉树&#xff0c;并返回其根节点。 示例 1&#xff1a; 输入&#xff1a;root [4,2,7,1,3,6,9] 输出&#xff1a;[4,7,2,9,6,3,1] 示例 2&#xff1a; 输入&#xff1a;root…

数据可视化配色新工具,颜色盘多达2500+类

好看的配色,不仅能让图表突出主要信息,更能吸引读者,之前分享过很多配色工具,例如, 👉可视化配色工具:颜色盘多达3000+类,数万种颜色! 本次再分享一个配色工具pypalettes,颜色盘多达2500+类。 安装pypalettes pip install pypalettes pypalettes使用 第1步,挑选…

1.17、基于竞争层的竞争学习(matlab)

1、基于竞争层的竞争学习简介及原理 竞争学习是一种无监督学习方法&#xff0c;其中的竞争层神经元之间互相竞争以学习输入模式的表示。竞争学习的一个经典模型是竞争神经网络&#xff08;Competitive Neural Network&#xff0c;简称CNN&#xff09;&#xff0c;其核心部分是…

【JavaScript 算法】拓扑排序:有向无环图的应用

&#x1f525; 个人主页&#xff1a;空白诗 文章目录 一、算法原理二、算法实现方法一&#xff1a;Kahn算法方法二&#xff1a;深度优先搜索&#xff08;DFS&#xff09;注释说明&#xff1a; 三、应用场景四、总结 拓扑排序&#xff08;Topological Sorting&#xff09;是一种…

《汇编语言 基于x86处理器》- 读书笔记 - Visual Studio 2019 配置 MASM环境

安装 Visual Studio 2019 配置 MASM环境 下载 Visual Studio Installer安装 Visual Studio 20191. 双击运行2. 自定义安装内容3. 修改 MSVC 工具集版本4. 设置主题&#xff08;可选&#xff09;5. 安装代码高亮插件 AsmDude&#xff08;可选&#xff09;6. 通义灵码&#xff08…