你想弄懂什么？

将向量重写为标准基向量的线性组合可以利用变换的线性性质。与其直接计算完整的矩阵-向量乘积，不如分别对每个基向量应用变换（这对应于矩阵的列），然后使用原始系数组合结果。

适用条件：向量在 $R^3$ 中。；系数是向量相对于标准基的坐标。；A 是线性的：应用它保持和与标量倍数。

与标量点积不同，两个三维向量的叉积是一个向量。为了计算它，你可以使用行列式助记符，通过交替符号展开其分量公式。

适用条件：向量是三维的。；你正在使用行列式助记符来求分量。

一个有效的零知识证明协议必须满足三个标准：正确性保证诚实执行总是导致接受。可靠性防止欺骗，确保缺乏秘密见证的证明者无法伪造令人信服的记录。

适用条件：协议涉及一个证明者和一个验证者。；证明者拥有与声明相关的秘密或私人信息。；目标是让验证者相信关于该秘密的声明，而不揭示秘密本身。

函数必须满足两个主要输出要求：存在性和唯一性。存在性意味着对于所述定义域中的每个输入，函数必须产生一个输出。

适用条件：定义域已明确说明。；函数规则对定义域中的所有输入都有良好定义。

净变化公式指出，对于区间上的连续可微函数，对其导数进行积分得到端点差值。具体来说，导数 $f'$ 从 $a$ 到 $b$ 的积分等于 $f(b) - f(a)$。

适用条件：函数在区间上连续可微。；积分区间是从 $a$ 到 $b$。

视频将来自指数分布的样本均值呈现为正态分布，以强化中心极限定理的信息，即起始总体形状并不重要。尽管指数总体是右偏的，但 100 个样本均值（每个来自大小为 20 的样本）的直方图形成了钟形，与正态曲线叠加相匹配。

适用条件：总体是指数分布。；样本量为 20。；累积了 100 个样本均值。；该主张基于视觉模拟，而非形式证明。

当 $(N-1)\beta/\gamma > 1$ 时，流行病开始增长，因为这一条件确保了新感染的初始速率超过移除速率。对于一个初始感染者（$I=1$）和 $S=N-1$，感染者方程 $\frac{dI}{dt}=\beta SI-\gamma I$ 只有在感染产生项 $\beta(N-1)$ 大于移除项 $\gamma$ 时才为正。

适用条件：适用于爆发开始时。；使用单感染者初始化 $I(0)=1$。；假设黑板上显示的 SIR 动力学。；除以 $\gamma$ 隐含假设 $\gamma>0$。

添加两个向量能保持该关系，因为第三个分量的和等于第一个分量的和加上第二个分量的和。具体来说，如果 $x_3 = x_1 + x_2$ 且 $y_3 = y_1 + y_2$，那么 $(x+y)_3 = x_3 + y_3 = (x_1 + x_2) + (y_1 + y_2) = (x_1 + y_1) + (x_2 + y_2) = (x+y)_1 + (x+y)_2$。

适用条件：$x$ 和 $y$ 是 $\mathbb{R}^3$ 中的向量。；$x$ 和 $y$ 分别满足方程 $x_3 = x_1 + x_2$ 和 $y_3 = y_1 + y_2$。；向量加法是按分量定义的。

秩等于阶梯形中主元的数量。一旦矩阵化简为阶梯形，只需计数主元位置；一旦主元清晰，无需进一步化简每个元素。

适用条件：矩阵已化简为阶梯形。；主元清晰可辨。

以事件 B 为条件会将样本空间限制为仅包含 B 中的结果。在这个新限制的样本空间内，事件 A 的有利结果仅位于 A 和 B 的交集（$A \cap B$）中。

适用条件：事件 B 已经发生。；我们正在计算给定 B 时 A 的条件概率。

为了验证基础步骤，将 $n=1$ 代入方程的两边。左边（LHS）变为第一项，即 2。

适用条件：命题为 $P(n)$: $2 + 4$ + ... + $2n = n(n+1)$。；基础步骤在 $n=1$ 处检查。

这两个条件是：1) 基础步骤，验证命题陈述 $P(1)$ 在初始值 $n=1$ 时为真。2) 归纳步骤，证明如果该陈述对任意整数 k 成立（$P(k)$），那么它对 $k+1$ 也必然成立（$P(k+1)$）。

适用条件：陈述是由自然数索引的命题 $P(n)$。；基础步骤通常在 $n=1$ 处检查。；归纳步骤假设 $P(k)$ 为真以证明 $P(k+1)$。