🌍首页
📁归档
⏳时光机
🚩友链
📫留言
📧订阅
🌟推荐
📕考研课程
🏜️ 免费壁纸
❤ 捐助本站
💰资助名单
🎵音乐实验
Search
1
【NPN/PNP三极管】放大电路饱和失真和截止失真的区别
20,145 阅读
2
论文写作中如何把word/wps里面所有数字和字母替换为新罗马字体
10,704 阅读
3
【高数】形心计算公式讲解大全
9,080 阅读
4
Vivado-FPGA Verilog烧写固化教程
8,072 阅读
5
【概论】一阶矩、二阶矩原点矩，中心矩区别与概念
7,854 阅读
🪶微语&随笔
励志美文
我的随笔
工作办公
📡电子&通信
嵌入式＆系统
通信&信息处理
编程&脚本笔记
⌨️IC＆系统
FPGA&ASIC
VLSI&IC验证
EDA&虚拟机
💻电子&计算机
IP&SOC设计
机器学习
软硬件算法
登录
/
注册
我的随笔(共87篇)
找到
87
篇与
我的随笔
相关的结果
- 第 4 页
2021-06-09
奇函数积分是偶函数吗?偶函数积分是奇函数吗?
摘要奇函数积分得偶函数，偶函数积分不一定是奇函数，需满足特定条件。奇函数性质包括相加、相减、相乘、相除等运算规则。关键词：奇函数积分, 偶函数积分, 奇函数, 偶函数, 积分性质图片 奇函数积分是偶函数，但偶函数积分不一定是奇函数。因为偶函数积分F(x)+C，只有满足F(0)+C=0时，才是奇函数。奇函数是指对于一个定义域关于原点对称的函数f（x）的定义域内任意一个x，都有f（-x）= - f（x），那么函数f（x）就叫做奇函数。 奇函数的性质 两个奇函数相加所得的和或相减所得的差为奇函数。 一个偶函数与一个奇函数相加所得的和或相减所得的差为非奇非偶函数。 两个奇函数相乘所得的积或相除所得的商为偶函数。 一个偶函数与一个奇函数相乘所得的积或相除所得的商为奇函数。 当且仅当 f（x）=0（定义域关于原点对称）时， f（x）既是奇函数又是偶函数。奇函数在对称区间上的积分为零。
我的随笔
刘航宇
5年前
0
3,389
1
2021-06-02
【高数】形心计算公式讲解大全
摘要本文详细讲解了考研二重积分中形心计算公式，包括重心横纵坐标的计算方法，公式为∫∫D xdxdy=重心横坐标×D的面积，∫∫D ydxdy=重心纵坐标×D的面积。关键词：高数, 形心计算, 考研二重积分, 重心横坐标, 重心纵坐标图片 考研二重积分中的形心计算公式是∫∫D xdxdy=重心横坐标×D的面积，∫∫D ydxdy=重心纵坐标×D的面积。 图片 图片
我的随笔
刘航宇
5年前
0
9,080
19
2021-06-02
【高数】三角函数与e指数函数的积分超6解法
摘要本文介绍了三角函数与e指数函数的积分超6解法，通过欧拉公式将指数函数和三角函数相乘的被积函数统一成指数函数形式，简化了积分过程。关键词：高数, 三角函数, 指数函数, 积分, 欧拉公式例题 ∫e∧（－2x）sinxdx 1.常规分布积分法： 图片 2.(新办法)当被积函数为指数函数和三角函数相乘时，通过欧拉公式可将被积函数统一成指数函数形式 图片
我的随笔
刘航宇
5年前
0
5,681
12
2021-05-29
级数中含积分狄利克雷判别法
摘要狄利克雷判别法是微积分中判定数项级数收敛的重要法则，与阿贝尔判别法合称A-D判别法，用于判定级数、函数项级数、反常积分及反常含参积分的收敛性。关键词：级数, 狄利克雷判别法, 微积分, 收敛判定, A-D判别法狄利克雷判别法（Dirichlet test / Dirichlet discriminance）是微积分中一条十分重要的判定法则，与阿贝尔判别法（Abel test）合称为A-D判别法。主要用于判定数项级数的收敛、函数项级数的一致收敛、反常积分的收敛以及反常含参积分的一致收敛等。 图片 图片 图片
我的随笔
刘航宇
5年前
0
2,194
1
2021-05-26
图像处理—矩阵卷积运算的具体过程
摘要本文介绍了图像处理中矩阵卷积运算的具体过程，以3x3卷积核为例，展示了卷积核与图像像素的逐点相乘和求和操作。关键词：图像处理, 矩阵卷积, 卷积核, 3x3矩阵, 卷积运算假设有一个卷积核h，就一般为3*3的矩阵： 图片 图片 图片
通信&信息处理
我的随笔
刘航宇
5年前
1
625
3
2021-05-08
概率论证明样本方差ES^2=DX=σ^2
摘要本文通过概率论证明了样本方差ES^2等于总体方差DX，即σ^2。关键词：概率论, 样本方差, ES^2, DX, σ^2概率论,如何证明样本方差ES^2=DX=σ^2 图片
我的随笔
刘航宇
5年前
0
2,328
13
2021-05-05
【概率论】自由度为n的卡方分布，t分布，F(m,n)分布的期望和方差
摘要本文介绍了自由度为n的卡方分布、t分布和F(m,n)分布的期望和方差。卡方分布期望为n，方差为2n；t分布期望为0（n>1），方差为n/(n-2)（n>2）；F(m,n)分布期望为n/(n-2)（n>2），方差为[2n^2*(m+n-2)]/[m(n-2)^2*(n-4)]（n>4）。关键词：概率论, 卡方分布, t分布, F分布, 期望和方差卡方分布： E(X)=n，D(X)=2n t分布： E(X)=0(n>1)，D(X)=n/(n-2)(n>2) F(m,n)分布： E(X)=n/(n-2)(n>2) D(X)=[2n^2*(m+n-2)]/m(n-2)^2*(n-4)
我的随笔
刘航宇
5年前
0
1,526
4
2021-04-19
合同矩阵、二次型满足C^TAC=B求可逆矩阵C一种简单求法
摘要本文介绍了一种简单求法，通过观察矩阵A和B的关系，对单位矩阵进行行和列的交换，得到可逆矩阵C，使得C^TAC=B。关键词：合同矩阵, 二次型, C^TAC=B, 可逆矩阵C, 简单求法合同矩阵、二次型满足C^TAC=B求可逆矩阵C一种简单求法 例题：设A=[0 1 1;1 2 1;1 1 0],B=[2 1 1;1 0 1;1 1 0]求可逆矩阵C使得C^TAC=B? 解答： 观察 A = 0 1 1 1 2 1 1 1 0 B = 2 1 1 1 0 1 1 1 0 A交换1,2行, 交换1,2列即得B 左乘变行右乘变列 所以将单位阵进行对应变化 C = 0 1 0 1 0 0 0 0 1 满足C^TAC=B
我的随笔
刘航宇
5年前
1
2,108
2
2021-04-08
向量组的线性相关性及其判断
摘要本文介绍了N维向量的定义和运算，线性组合的概念，以及向量组的线性相关性和线性无关性的定义与判别方法。此外，还阐述了极大无关组和向量组秩的概念及其求法。关键词：向量组, 线性相关性, 线性无关, 行列式判别, 极大无关组向量组的线性相关性 1．N维向量的定义(注：向量实际上就是特殊的矩阵——行矩阵和列矩阵；默认向量a为列向量)。 2．向量的运算： 图片 3．线性组合 图片 4．向量组的线性相关性 （1）线性相关与线性无关的定义 设 ，若k1,k2,…,kn不全为0，称线性相关；若全为0，称线性无关。 （2）判别方法： ① r(α1，α 2，…，αn)<n，线性相关； r(α1，α 2，…，αn)=n，线性无关。 ②若有n个n维向量，可用行列式判别： n阶行列式|{ Aij}|＝0，线性相关（≠0无关） 图片 5．极大无关组与向量组的秩 （1）定义：最大无关组所含向量个数称为向量组的秩 （2）求法：设A＝( a1，a2，…，an )，将A化为阶梯阵，则A的秩即为向量组的秩，而每行的第一个非零元所在列的向量就构成了极大无关组。 （3）矩阵的秩等于它的行向量组的秩也等于它的列向量组的秩。
我的随笔
刘航宇
5年前
0
1,705
5
2021-04-06
判断曲线渐近线
摘要本文介绍了曲线的渐近线类型，包括水平、垂直和斜渐近线，并附有相关图形说明。关键词：判断曲线, 渐近线, 水平渐近线, 垂直渐近线, 斜渐近线水平、垂直渐近线 图片 图片 斜渐近线 y=kx+b 图片
我的随笔
刘航宇
5年前
0
808
3
2021-04-04
间断点判断
摘要本文介绍了间断点的判断方法，包括找出无定义点作为间断点，通过左右极限判断第一类和第二类间断点，并区分无穷间断点和非无穷间断点中的可去间断点和跳跃间断点。关键词：间断点, 极限判断, 第一类间断点, 第二类间断点, 跳跃间断点图片 1.找出无定义的点，就是间断点。 2.用左右极限判断是第一类间断点还是第二类间断点，第一类间断点包括第一类可去间断点和第一类不可去间断点，如果该点左右极限都存在，则是第一类间断点，其中如果左右极限相等，则是第一类可去间断点，如果左右极限不相等，则是第一类不可去间断点，即第一类跳跃间断点。如果左右极限中有一个不存在，则第二类间断点。 间断点可以分为无穷间断点和非无穷间断点，在非无穷间断点中，还分可去间断点和跳跃间断点。如果极限存在就是可去间断点，不存在就是跳跃间断点 图片
我的随笔
刘航宇
5年前
0
1,162
5
2021-04-04
博客中动态背景线条跟随鼠标移动，吸附鼠标效果代码
摘要本文介绍了一种通过JavaScript代码实现网页动态背景线条跟随鼠标移动效果的方法。代码可复制到网页的标签上方、下方或网站底部模板文件中，实现鼠标吸附效果。关键词：动态背景线条, 鼠标跟随效果, JavaScript代码, 鼠标吸附效果, 网页特效添加方法：将下方代码复制到网站想添加线条跟随鼠标移动效果的页面上方or下方或添加到网站底部模板文件 foot.htm 里面 <!--代码放置于</body>上or下方--> <script> !function(){ function n(n,e,t){ return n.getAttribute(e)||t } function e(n){ return document.getElementsByTagName(n) } function t(){ var t=e("script"),o=t.length,i=t[o-1]; return{ l:o,z:n(i,"zIndex",-1),o:n(i,"opacity",.5),c:n(i,"color","0,0,0"),n:n(i,"count",99) } } function o(){ a=m.width=window.innerWidth||document.documentElement.clientWidth||document.body.clientWidth, c=m.height=window.innerHeight||document.documentElement.clientHeight||document.body.clientHeight } function i(){ r.clearRect(0,0,a,c); var n,e,t,o,m,l; s.forEach(function(i,x){ for(i.x+=i.xa,i.y+=i.ya,i.xa*=i.x>a||i.x<0?-1:1,i.ya*=i.y>c||i.y<0?-1:1,r.fillRect(i.x-.5,i.y-.5,1,1),e=x+1;e<u.length;e++)n=u[e], null!==n.x&&null!==n.y&&(o=i.x-n.x,m=i.y-n.y, l=o*o+m*m,l<n.max&&(n===y&&l>=n.max/2&&(i.x-=.03*o,i.y-=.03*m), t=(n.max-l)/n.max,r.beginPath(),r.lineWidth=t/2,r.strokeStyle="rgba("+d.c+","+(t+.2)+")",r.moveTo(i.x,i.y),r.lineTo(n.x,n.y),r.stroke())) }), x(i) } var a,c,u,m=document.createElement("canvas"), d=t(),l="c_n"+d.l,r=m.getContext("2d"), x=window.requestAnimationFrame||window.webkitRequestAnimationFrame||window.mozRequestAnimationFrame||window.oRequestAnimationFrame||window.msRequestAnimationFrame|| function(n){ window.setTimeout(n,1e3/45) }, w=Math.random,y={x:null,y:null,max:2e4};m.id=l,m.style.cssText="position:fixed;top:0;left:0;z-index:"+d.z+";opacity:"+d.o,e("body")[0].appendChild(m),o(),window.onresize=o, window.onmousemove=function(n){ n=n||window.event,y.x=n.clientX,y.y=n.clientY }, window.onmouseout=function(){ y.x=null,y.y=null }; for(var s=[],f=0;d.n>f;f++){ var h=w()*a,g=w()*c,v=2*w()-1,p=2*w()-1;s.push({x:h,y:g,xa:v,ya:p,max:6e3}) } u=s.concat([y]), setTimeout(function(){i()},100) }(); </script>
我的随笔
刘航宇
5年前
0
385
4
上一页
1
...
3
4
5
...
8
下一页
