(邱维声)高等代数课程笔记:极大线性无关组,向量组的秩

news/2024/4/26 9:19:08/文章来源:https://blog.csdn.net/qq_44803884/article/details/127215299

极大线性无关组,向量组的秩

\quad 一般地,设 V V V 是数域 K K K 上的一个线性空间, α 1 , α 2 , ⋯ , α s ∈ V \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{s} \in V α1,α2,,αsV,则

W : = { k 1 ⋅ α 1 + ⋯ + k s ⋅ α s ∣ k 1 , ⋯ , k s ∈ K } W:=\{k_{1}\cdot \boldsymbol{\alpha}_{1} + \cdots + k_{s}\cdot \boldsymbol{\alpha}_{s}\mid k_{1},\cdots,k_{s}\in K\} W:={k1α1++ksαsk1,,ksK}

是由向量组 α 1 , α 2 , ⋯ , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{s} α1,α2,,αs 生成的子空间。

\quad 显然,对于 ∀ β ∈ W \forall ~ \boldsymbol{\beta} \in W  βW β \boldsymbol{\beta} β 可由向量组 α 1 , α 2 , ⋯ , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{s} α1,α2,,αs 线性表出。但是,由 上一节 的内容可知,当向量组 α 1 , α 2 , ⋯ , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{s} α1,α2,,αs 线性相关时, β \boldsymbol{\beta} β 的表出方式并不唯一。

\quad 表出方式不唯一,就很麻烦!

\quad 为了消除这种“不确定性”,下面引入极大线性无关组的概念。先说明一下思路:我们期望能从向量组 α 1 , α 2 , ⋯ , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{s} α1,α2,,αs 中,找个一个部分组,使得对于 ∀ β ∈ W \forall ~ \boldsymbol{\beta} \in W  βW,都可由这个部分组唯一地线性表出。

定义 1. 极大线性无关组:向量组 α 1 , α 2 , ⋯ , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{s} α1,α2,,αs 的一个部分组,如果满足:

(1)这个部分组本身线性无关;

(2)从向量组的其余向量(如果还有的话)中任取一个添加进来,得到的新的部分组线性相关,

则称这个部分组为向量组 α 1 , α 2 , ⋯ , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{s} α1,α2,,αs 的一个 极大线性无关组

例 1 π \pi π 是几何空间的一个过原点的平面中,向量 a ⃗ , b ⃗ , c ⃗ , d ⃗ ∈ π \vec{a},\vec{b},\vec{c},\vec{d} \in \pi a ,b ,c ,d π 互不共线。

\quad 容易验证, { a ⃗ , b ⃗ } , { a ⃗ , c ⃗ } , { b ⃗ , c ⃗ } , ⋯ \{\vec{a},\vec{b}\},\{\vec{a},\vec{c}\},\{\vec{b},\vec{c}\},\cdots {a ,b },{a ,c },{b ,c }, 都是向量组 a ⃗ , b ⃗ , c ⃗ , d ⃗ \vec{a},\vec{b},\vec{c},\vec{d} a ,b ,c ,d 的极大线性无关组。

\quad 由此可见,一个向量组的极大线性无关组可能不止一个。

#

\quad 既然,向量组的极大线性无关组的个数不止一个,那我们就要试着在“动” 中寻“静”,在“变量”中寻找“常量”!这就是后面将要介绍的“秩”。

定义 2. 向量组的表出与等价:若向量组 α 1 , α 2 , ⋯ , α r \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{r} α1,α2,,αr 中的任一向量可由向量组 β 1 , β 2 , ⋯ , β s \boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},\cdots,\boldsymbol{\beta}_{s} β1,β2,,βs 线性表出,则称向量组 α 1 , α 2 , ⋯ , α r \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{r} α1,α2,,αr 可由向量组 β 1 , β 2 , ⋯ , β s \boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},\cdots,\boldsymbol{\beta}_{s} β1,β2,,βs 线性表出

\quad 若向量组 α 1 , α 2 , ⋯ , α r \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{r} α1,α2,,αr 与向量组 β 1 , β 2 , ⋯ , β s \boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},\cdots,\boldsymbol{\beta}_{s} β1,β2,,βs 可以互相线性表出,则称向量组 α 1 , α 2 , ⋯ , α r \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{r} α1,α2,,αr 与向量组 β 1 , β 2 , ⋯ , β s \boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},\cdots,\boldsymbol{\beta}_{s} β1,β2,,βs 等价。记作:

{ α 1 , α 2 , ⋯ , α r } ≅ { β 1 , β 2 , ⋯ , β s } . \{\boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{r}\} \cong \{\boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},\cdots,\boldsymbol{\beta}_{s}\}. {α1,α2,,αr}{β1,β2,,βs}.


定理 1. 等价的性质

( i ) (i) (i)反身性)任一向量组 α 1 , α 2 , ⋯ , α r \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{r} α1,α2,,αr 都与其自身等价。即:

{ α 1 , α 2 , ⋯ , α r } ≅ { α 1 , α 2 , ⋯ , α r } \{\boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{r}\} \cong \{\boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{r}\} {α1,α2,,αr}{α1,α2,,αr}

( i i ) (ii) (ii)对称性)若向量组 α 1 , α 2 , ⋯ , α r \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{r} α1,α2,,αr 与向量组 β 1 , β 2 , ⋯ , β s \boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},\cdots,\boldsymbol{\beta}_{s} β1,β2,,βs 等价,则向量组 β 1 , β 2 , ⋯ , β s \boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},\cdots,\boldsymbol{\beta}_{s} β1,β2,,βs 也与向量组 α 1 , α 2 , ⋯ , α r \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{r} α1,α2,,αr 等价。即:

( { α 1 , α 2 , ⋯ , α r } ≅ { β 1 , β 2 , ⋯ , β s } ) ⟺ ( { β 1 , β 2 , ⋯ , β s } ≅ { α 1 , α 2 , ⋯ , α r } ) \left(\{\boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{r}\} \cong \{\boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},\cdots,\boldsymbol{\beta}_{s}\}\right)\Longleftrightarrow \left(\{\boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},\cdots,\boldsymbol{\beta}_{s}\} \cong \{\boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{r}\} \right) ({α1,α2,,αr}{β1,β2,,βs})({β1,β2,,βs}{α1,α2,,αr})

( i i i ) (iii) (iii)传递性)若向量组 α 1 , α 2 , ⋯ , α r \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{r} α1,α2,,αr 与向量组 β 1 , β 2 , ⋯ , β s \boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},\cdots,\boldsymbol{\beta}_{s} β1,β2,,βs 等价,向量组 β 1 , β 2 , ⋯ , β s \boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},\cdots,\boldsymbol{\beta}_{s} β1,β2,,βs 与向量组 γ 1 , γ 2 , ⋯ , γ t \boldsymbol{\gamma}_{1},\boldsymbol{\gamma}_{2},\cdots,\boldsymbol{\gamma}_{t} γ1,γ2,,γt 等价,则向量组 α 1 , α 2 , ⋯ , α r \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{r} α1,α2,,αr 与向量组 γ 1 , γ 2 , ⋯ , γ t \boldsymbol{\gamma}_{1},\boldsymbol{\gamma}_{2},\cdots,\boldsymbol{\gamma}_{t} γ1,γ2,,γt 等价。

:显然,两个向量组要么等价,要么不等价,二者只居其一,且必居其一。因此,等价是一种关系。


\quad 下面,来探讨一下极大线性无关组的性质。

性质 1:向量组与其任一个极大线性无关组等价。

证明:按照定义,证明向量组与其部分组可以互相线性表出即可。

\quad 一般地,不妨设向量组 α 1 , α 2 , ⋯ , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha }_{2},\cdots,\boldsymbol{\alpha}_{s} α1,α2,,αs 的一个极大线性无关组为 α 1 , α 2 , ⋯ , α m \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{m} α1,α2,,αm m ≤ s m \le s ms.

\quad 显然,对于任意的 1 ≤ j ≤ m 1\le j \le m 1jm,成立

α j = 0 ⋅ α 1 + ⋯ + 0 ⋅ α j − 1 + 1 ⋅ α j + 0 ⋅ α j + 1 + ⋯ + 0 ⋅ α s . \boldsymbol{\alpha}_{j} = 0 \cdot \boldsymbol{\alpha}_{1} + \cdots + 0 \cdot \boldsymbol{\alpha}_{j-1} + 1\cdot \boldsymbol{\alpha}_{j} + 0 \cdot \boldsymbol{\alpha}_{j+1} + \cdots + 0 \cdot \boldsymbol{\alpha}_{s}. αj=0α1++0αj1+1αj+0αj+1++0αs.

即向量组 α 1 , α 2 , ⋯ , α m \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{m} α1,α2,,αm 可由向量组 α 1 , α 2 , ⋯ , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha }_{2},\cdots,\boldsymbol{\alpha}_{s} α1,α2,,αs 线性表出。

\quad 下面证明:向量组 α 1 , α 2 , ⋯ , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha }_{2},\cdots,\boldsymbol{\alpha}_{s} α1,α2,,αs 可由其部分组 α 1 , α 2 , ⋯ , α m \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{m} α1,α2,,αm 线性表出。

\quad 一方面,对于任意的 α i \boldsymbol{\alpha}_{i} αi 1 ≤ i ≤ m 1 \le i \le m 1im),显然 α i \boldsymbol{\alpha}_{i} αi 可由向量组 α 1 , α 2 , ⋯ , α m \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{m} α1,α2,,αm 线性表出。

\quad 另一方面,对于任意的 α i \boldsymbol{\alpha}_{i} αi m + 1 ≤ i ≤ s m+1 \le i \le s m+1is),由于向量组 α 1 , α 2 , ⋯ , α m \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{m} α1,α2,,αm 是原向量组的一个极大线性无关组,因此新的向量组 α 1 , α 2 , ⋯ , α m , α i \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{m},\boldsymbol{\alpha}_{i} α1,α2,,αm,αi 一定线性相关,再由于 α 1 , α 2 , ⋯ , α m \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{m} α1,α2,,αm 线性无关,根据 上一节 的结论, α i \boldsymbol{\alpha}_{i} αi 必能被向量组 α 1 , α 2 , ⋯ , α m \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{m} α1,α2,,αm 线性表出。

\quad 综上,向量组 α 1 , α 2 , ⋯ , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{s} α1,α2,,αs 与其极大线性无关组 α 1 , α 2 , ⋯ , α m \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{m} α1,α2,,αm 可以互相线性表出,即等价。

#

性质 2:向量组的任意两个极大线性无关组等价。

证明:

\quad 由等价的传递性,结论是显然的。

#

\quad 观察向量组的极大线性无关组,它们之间似乎有些共同的特点。容易猜测:向量组的任一个极大线性无关组所含向量的个数相同。下面,我们来证实这一猜测。


引理 1:设向量组 β 1 , β 2 , ⋯ , β r \boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},\cdots,\boldsymbol{\beta}_{r} β1,β2,,βr 可由向量组 α 1 , α 2 , ⋯ , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{s} α1,α2,,αs 线性表出,若 r > s r>s r>s,则向量组 β 1 , β 2 , ⋯ , β r \boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},\cdots,\boldsymbol{\beta}_{r} β1,β2,,βr 线性相关。

证明:

\quad 向量组 β 1 , β 2 , ⋯ , β r \boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},\cdots,\boldsymbol{\beta}_{r} β1,β2,,βr 可由向量组 α 1 , α 2 , ⋯ , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{s} α1,α2,,αs 线性表出,于是存在一系列的 a i j a_{ij} aij 1 ≤ i ≤ r , 1 ≤ j ≤ s 1\le i \le r,1\le j \le s 1ir,1js)使得

{ β 1 = a 11 α 1 + a 21 α 2 + ⋯ + a s 1 α s β 2 = a 12 α 1 + a 22 α 2 + ⋯ + a s 2 α s ⋯ ⋯ β r = a 1 r α 1 + a 2 r α 2 + ⋯ + a s r α s \begin{cases} \boldsymbol{\beta}_{1} = a_{11}\boldsymbol{\alpha}_{1} + a_{21}\boldsymbol{\alpha}_{2} + \cdots + a_{s1} \boldsymbol{\alpha}_{s}\\ \boldsymbol{\beta}_{2} = a_{12}\boldsymbol{\alpha}_{1} + a_{22}\boldsymbol{\alpha}_{2} + \cdots + a_{s2} \boldsymbol{\alpha}_{s}\\ \cdots \cdots\\ \boldsymbol{\beta}_{r} = a_{1r}\boldsymbol{\alpha}_{1} + a_{2r}\boldsymbol{\alpha}_{2} + \cdots + a_{sr} \boldsymbol{\alpha}_{s} \end{cases} β1=a11α1+a21α2++as1αsβ2=a12α1+a22α2++as2αs⋯⋯βr=a1rα1+a2rα2++asrαs

\quad 要证明向量组 β 1 , β 2 , ⋯ , β r \boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},\cdots,\boldsymbol{\beta}_{r} β1,β2,,βr 线性相关,即要证明存在 r r r 个不全为零的数 x 1 , x 2 , ⋯ , x r x_{1},x_{2},\cdots,x_{r} x1,x2,,xr 使得

x 1 β 1 + x 2 β 2 + ⋯ + x r β r = 0 . x_{1} \boldsymbol{\beta}_{1} + x_{2}\boldsymbol{\beta}_{2} + \cdots + x_{r}\boldsymbol{\beta}_{r} = \boldsymbol{0}. x1β1+x2β2++xrβr=0.

将前面的 r r r 个等式代入,即有

x 1 ( a 11 α 1 + a 21 α 2 + ⋯ + a s 1 α s ) + x 2 ( a 12 α 1 + a 22 α 2 + ⋯ + a s 2 α s ) + ⋯ + x r ( a 1 r α 1 + a 2 r α 2 + ⋯ + a s r α s ) = 0 . x_{1}(a_{11}\boldsymbol{\alpha}_{1} + a_{21}\boldsymbol{\alpha}_{2} + \cdots + a_{s1} \boldsymbol{\alpha}_{s})+ x_{2} (a_{12}\boldsymbol{\alpha}_{1} + a_{22}\boldsymbol{\alpha}_{2} + \cdots + a_{s2} \boldsymbol{\alpha}_{s}) + \cdots + x_{r}(a_{1r}\boldsymbol{\alpha}_{1} + a_{2r}\boldsymbol{\alpha}_{2} + \cdots + a_{sr} \boldsymbol{\alpha}_{s}) = \boldsymbol{0}. x1(a11α1+a21α2++as1αs)+x2(a12α1+a22α2++as2αs)++xr(a1rα1+a2rα2++asrαs)=0.

整理一下,即有

( a 11 x 1 + a 12 x 2 + ⋯ + a 1 r x r ) α 1 + ( a 21 x 1 + a 22 x 2 + ⋯ + a 2 r x r ) α 2 + ⋯ + ( a s 1 x 1 + a s 2 x 2 + ⋯ + a s r x r ) α s = 0 (a_{11}x_{1}+a_{12}x_{2}+\cdots + a_{1r}x_{r})\boldsymbol{\alpha}_{1} + (a_{21}x_{1}+a_{22}x_{2}+\cdots + a_{2r}x_{r})\boldsymbol{\alpha}_{2} + \cdots + (a_{s1}x_{1}+a_{s2}x_{2}+\cdots +a_{sr}x_{r})\boldsymbol{\alpha}_{s} = \boldsymbol{0} (a11x1+a12x2++a1rxr)α1+(a21x1+a22x2++a2rxr)α2++(as1x1+as2x2++asrxr)αs=0

显然,上式各项系数为零时,等式是成立的,为此,我们考虑方程组

{ a 11 x 1 + a 12 x 2 + ⋯ + a 1 r x r = 0 a 21 x 1 + a 22 x 2 + ⋯ + a 2 r x r = 0 ⋯ ⋯ a s 1 x 1 + a s 2 x 2 + ⋯ + a s r x r = 0 \begin{cases} a_{11}x_{1}+a_{12}x_{2}+\cdots + a_{1r}x_{r} = 0\\ a_{21}x_{1}+a_{22}x_{2}+\cdots + a_{2r}x_{r} = 0\\ \cdots \cdots\\ a_{s1}x_{1}+a_{s2}x_{2}+\cdots +a_{sr}x_{r} = 0 \end{cases} a11x1+a12x2++a1rxr=0a21x1+a22x2++a2rxr=0⋯⋯as1x1+as2x2++asrxr=0

\quad 由于 r > s r>s r>s,因此上面的齐次线性方程组必定有非零解。

\quad 任取其一非零解 ( k 1 , k 2 , ⋯ , k r ) (k_{1},k_{2},\cdots,k_{r}) (k1,k2,,kr),代入上述方程组,显然有

k 1 β 1 + k 2 β 2 + ⋯ + k r β r = 0 . k_{1} \boldsymbol{\beta}_{1} + k_{2} \boldsymbol{\beta}_{2} + \cdots + k_{r} \boldsymbol{\beta}_{r} = \boldsymbol{0}. k1β1+k2β2++krβr=0.

从而向量组 β 1 , β 2 , ⋯ , β r \boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},\cdots,\boldsymbol{\beta}_{r} β1,β2,,βr 线性相关。

#

推论 1:设向量组 β 1 , β 2 , ⋯ , β s \boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},\cdots,\boldsymbol{\beta}_{s} β1,β2,,βs 可由向量组 α 1 , α 2 , ⋯ , α r \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{r} α1,α2,,αr 线性表出,若 β 1 , β 2 , ⋯ , β s \boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},\cdots,\boldsymbol{\beta}_{s} β1,β2,,βs 线性无关,则 s ≤ r s \le r sr

证明:

\quad 显然是 引理 1 的直接推论。

#

引理 1 的作用是明显的,它从线性表出这个范畴中推出了向量组个数之间的关系。

推论 2:等价的线性无关的两个向量组所含的向量的个数相等。

推论 3:向量组的任意两个极大线性无关组所含向量的个数相等。

定义 3. 向量组的秩:向量组的任一个极大线性无关组所含向量的个数称为

规定:只含有零向量的向量组的秩为 0 0 0,记作 r a n k { 0 } = 0 rank ~ \{\boldsymbol{0}\} = 0 rank {0}=0.


最后,做一些总结。

命题 1:向量组 α 1 , α 2 , ⋯ , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{s} α1,α2,,αs 线性无关 ⟺ \Longleftrightarrow r a n k { α 1 , α 2 , ⋯ , α s } = s rank ~ \{\boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},\cdots,\boldsymbol{\alpha}_{s}\}= s rank {α1,α2,,αs}=s

命题 2:若向量组 ( I ) (I) (I) 可由向量组 ( I I ) (II) (II) 线性表出,则 r a n k ( I ) ≤ r a n k ( I I ) rank ~ {(I)} \le rank ~ {(II)} rank (I)rank (II)

命题 3:等价的向量组具有相同的秩。


参考

  1. 邱维声. 高等代数课程. 哔哩哔哩.

  2. 邱维声. 高等代数——大学高等代数课程创新教材(上册),北京:清华大学出版社,2010.06.

  3. 邱维声. 高等代数——大学高等代数课程创新教材(下册),北京:清华大学出版社,2010.10.

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.luyixian.cn/news_show_103402.aspx

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

相关文章

太阳辐射预报模式WRF-SOLAR在农业生态领域中的实践技术应用

太阳能是一种清洁能源,合理有效开发太阳能资源对减少污染、保护环境以及应对气候变化和能源安全具有非常重要的实际意义,为了实现能源和环境的可持续发展,近年来世界各国都高度重视太阳能资源的开发利用;另外太阳辐射的光谱成分、…

这场SIG组开放工作会议为何吸引了那么多人的关注?

【中国,上海,2023年4月20日-21日】openEuler Developer Day 2023在线上和线下同步举办。本次大会由开放原子开源基金会指导,中国软件行业协会、openEuler社区、边缘计算产业联盟共同主办,以“万涓汇流,奔涌向前”为主题…

为什么软件测试外包公司更受软件企业欢迎?软件测试报告需要多少钱?

劳动派遣或劳务派遣的用工模式古已有之,是人力资源销售市场不可避免的态势。软件测试顺应时代开展检测业务外包这一行业细分领域,越来越多软件外包公司尤其是小微型企业慢慢意识到了软件测试业务外包通常能够持续减少企业的各种成本费,使企业…

关于Vue中使用全屏容器无法占满屏幕以及样式不生效问题解决方案

先来看示例问题 App.vue文件 global.css文件 网页效果 可以看到即使设置了宽度和高度为100%都无法占满屏幕,而且容器还超出了屏幕,上拉才可以看到下边框。查看网上解决方法: 1.height设置为100vh, 或者设置为calc(10…

crm day03 创建市场活动

页面切割 div切割,ifram显示 如何分割的呢,在主页面上打开iframe $(function(){ //页面加载时window.open("workbench/main/index.do","workareaFrame"); })注意所有在WEB-INF的页面都会收到保护,因此到达此目录下的页…

Leetcode38. 外观数列

一、题目描述: 给定一个正整数 n ,输出外观数列的第 n 项。 「外观数列」是一个整数序列,从数字 1 开始,序列中的每一项都是对前一项的描述。 你可以将其视作是由递归公式定义的数字字符串序列: countAndSay(1) “…

2023年4月份上新的视频领域分割模型设计系列论文(附下载链接)

来源:投稿 作者:王老师 编辑:学姐 论文1 论文标题: Boosting Video Object Segmentation via Space-time Correspondence Learning 论文链接: https://arxiv.org/pdf/2304.06211v1.pdf代码链接:暂未开源 …

PSO算法、MATLAB代码实现以及测试效果

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录 PSO算法原理进化操作算法流程图matlab代码实现main函数部分适应度函数部分PSO算法主体测试结果 (F1~F6) PSO算法原理 粒子群优化( Particle Swarm Optimization&am…

Java+GeoTools实现WKT数据根据EPSG编码进行坐标系转换

场景 JavaGeoTools(开源的Java GIS工具包)快速入门-实现读取shp文件并显示: JavaGeoTools(开源的Java GIS工具包)快速入门-实现读取shp文件并显示_霸道流氓气质的博客-CSDN博客 在上面实现Java中集成Geotools之后,需求是将WKT数据转换成其他坐标系的W…

银河麒麟(桌面版和服务器版)之远程桌面安装

一、前言 在信创方案中经常介绍支持麒麟系统,实际上麒麟分为银河麒麟和中标麒麟,银河麒麟又分为服务器版和桌面版,服务器器版一般用于应用系统部署,桌面版一般用于日常办公。银河麒麟操作系统作为国产操作系统,是目前国…

力扣---LeetCode21. 合并两个有序链表(链表经典题)

文章目录 前言21. 合并两个有序链表链接:方法一:取小尾插1.1代码:1.2 流程图:1.3 注意: 方法二:带哨兵位2.1代码:2.2流程图: 总结 前言 焦虑不会消除明天的悲伤 只会让你今天的力量…

openEuler Developer Day 2023成功召开!发布嵌入式商业版本及多项成果

【中国,上海,2023年4月21日】openEuler Developer Day 2023于4月20-21日在线上和线下同步举办。本次大会由开放原子开源基金会指导,中国软件行业协会、openEuler社区、边缘计算产业联盟共同主办,以“万涓汇流,奔涌向前…

QGIS数据可视化学习笔记02——CSV数据和表连接

在其他的GIS软件中,表的连接操作是十分常用的操作,在QGIS中也是一样的,接下来我们介绍QGIS中属性表之间的连接以及如何添加CSV数据到属性表中。 1、表的连接 &emsp如关系型数据库一样,两表连接的前提是,两个表中都…

荔枝派Zero(全志V3S)开启alsa,测试codec

文章目录 前言一、ALSA 简介二、ALSA 框架三、buildroot 配置四、烧录到 SD 卡五、测试1、查看 CODEC 设备2、alsa-utils 使用①、查看设备②、调节音量③、查看控制器④、录音测试⑤、播放测试 前言 默认 dts 中使能了 codec 需要使用的话,在 buildroot 中勾选 a…

Linux离线状态下安装cuda、cudnn、cudatoolkit

目录 1. 下载与安装说明2. CUDA安装3. cuDNN安装4. cudatoolkit安装5. 测试安装成功 1. 下载与安装说明 工具包下载地址 CUDA历史版本下载地址:https://developer.nvidia.com/cuda-toolkit-archivecuDNN历史版本下载地址:https://developer.nvidia.com/r…

pdf怎么删除其中一页?

pdf怎么删除其中一页?大家都应该知道,PDF是一种实用性非常强且非常便携文件格式,许多用户对其非常熟悉。不管是工作还是学习中,都会下载或者使用到pdf文件。pdf文件具有非常好的兼容性,F可以将各种图片、文字内容整合在…

界面开发框架Qt新手入门 - 自定义排序/筛选模型示例(一)

Qt 是目前最先进、最完整的跨平台C开发工具。它不仅完全实现了一次编写,所有平台无差别运行,更提供了几乎所有开发过程中需要用到的工具。如今,Qt已被运用于超过70个行业、数千家企业,支持数百万设备及应用。 自定义排序/筛选模型…

记一次某应用虚拟化系统远程代码执行

漏洞简介 微步在线漏洞团队通过“X漏洞奖励计划”获取到瑞友天翼应用虚拟化系统远程代码执行漏洞情报(0day),攻击者可以通过该漏洞执行任意代码,导致系统被攻击与控制。瑞友天翼应用虚拟化系统是基于服务器计算架构的应用虚拟化平台,它将用户…

原理这就是索引下推呀

前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站。 索引下推是之前面试的时候遇到的一个面试题,当时没有答上来,今天来学习一下。 介绍索引下推之前先看一下MySQL基…

【AI炼丹术】写深度学习代码的一些心得体会

写深度学习代码的一些心得体会 体会1体会2体会3总结内容来源 一般情况下,拿到一批数据之后,首先会根据任务先用领域内经典的Model作为baseline跑通,然后再在这个框架内加入自己设计的Model,微调代码以及修改一些超参数即可。总体流…