线代[13]|线性代数题37道以及数学分析题3道(多图预警)
博主首次发布于CSDN,禁止转载!(CSDN:汉密士2025)
文章目录
- 一、缘起
- |《俗说矩阵》课程目录照片存档
- |线性代数学习脉络
- |线代习题集封面存档
- |未来——我与线性代数的纠缠
- 二、线性代数习题37道
- 三、数学分析题3道
- 四、更新时间记录
一、缘起
该篇博文中所有的线性代数习题均来自哔哩哔哩的UP主自制公开课《俗说矩阵》,UP名为“晓之车高山老师”。该课程本人于2023年一集集看完,后续又将视频中的题目收录到个人习题本上,于今日正式上传个人CSDN博文内,望后来的读者无需再为线性代数的学习资料而忧心。
在我心中共有两门神课是最适合大一新生入门学习线性代数的网络课程:
- 《线性代数的本质》,UP主:3Blue1Brown;
- 《俗说矩阵》 ,UP主:晓之车高山老师。(注:我学的是2023年的老课程,高山老师的俗说矩阵课已经在出下一代更新体系的课程,他也即将为这套课程出书了!!!)
前者为初学者建立几何直观,后者为初学者为工科学生和考研学子打下扎实的基础,两者相辅相成。我刚刚又去哔哩哔哩看了一下《线性代数的本质》系列的发布日期,原来第一集是2016年8月24日发布的,还有4个月14天就要九年了,时间过得真快呀……
|《俗说矩阵》课程目录照片存档
|线性代数学习脉络
注:该图来自上述课程图片中的“第49集、总结与展望”。
|线代习题集封面存档
|未来——我与线性代数的纠缠
我和线性代数的事还没结束,后面就是标准数学系的高等代数的内容了。个人的《线性代数的本质》与《微积分的本质》两个系列的笔记,书籍《线性代数的几何意义》、《高等代数简明教程(三册)》、《高等代数典型问题与方法》,还有那一套清华大学的线性代数网络公开课(我现在感觉那套课分明是“矩阵论”)……一切的一切我会在未来一点一点慢慢解决!
高等代数是数学系大一、大二的基础重点课,为后续高阶的数理课打下了基础,但这并不代表它简单。下面是我个人收录的脉络文章,它们全部都收集到了我个人的“线性代数【精品】”专栏里,愿为后来者开辟学习道路。
- 线代[12]|《高等几何》陈绍菱(1984.9)(文末有对三大空间的分析及一个合格数学系毕业生的要求)
- 线代[11]|《高等代数》刘云英(1984.9)
- 线代[10]|《空间解析几何》陈绍菱(1984.9)
- 线代[9]|线性代数主要内容及其发展简史(任广千《线性代数的几何意义》的附录1)
- 线代[8]|北大丘维声教授《怎样学习线性代数?》(红色字体为博主本人注释)
二、线性代数习题37道
1、已知 x + 5 y + 3 z = 3 , 2 x + 8 y + 5 z = 9 x+5y+3z=3,2x+8y+5z=9 x+5y+3z=3,2x+8y+5z=9,求 x + y + z x+y+z x+y+z 的值?(《俗说矩阵》第5节:矩阵求解线性方程组)
解: 由题意可知,存在 x 、 y 、 z x、y、z x、y、z 使题目中两个等式成立,设 x + y + z = k x+y+z=k x+y+z=k ,则以下的非齐次线性方程组必然有解,对于非齐次线性方程组有解的条件是增广矩阵的秩和系数矩阵的秩(rank)相等,即 { x + 5 y + 3 z = 3 2 x + 8 y + 5 z = 9 x + y + z = k \begin{cases}x+5y+3z=3\\2x+8y+5z=9\\x+y+z=k\end{cases} ⎩ ⎨ ⎧x+5y+3z=32x+8y+5z=9x+y+z=k根据该方程组写出增广矩阵形式并进行初等行变换化为阶梯形矩阵,即 A ∣ b = [ 1 5 3 3 2 8 5 9 1 1 1 k ] → [ 1 5 3 3 0 2 1 − 3 0 0 0 9 − k ] {A|b=\left[\begin{array}{ccc|c}1&5&3&3\\2&8&5&9\\1&1&1&k\end{array}\right]}\rightarrow\left[\begin{array}{ccc|c}1&5&3&3\\0&2&1&-3\\0&0&0&{9-k}\end{array}\right] A∣b= 12158135139k → 1005203103−39−k 若 9 − k ≠ 0 9-k\ne 0 9−k=0,则 r ( A ∣ b ) ≠ r ( A ) r(A|b)\ne r(A) r(A∣b)=r(A),非齐次线性方组程无解,与题意中所设的方程组有解矛盾,故必有 9 − k = 0 9-k=0 9−k=0,有 k = 9 k=9 k=9,即 x + y + z = 9 x+y+z=9 x+y+z=9 。
2、求证3个不共线且横坐标两两不同的点 ( x 1 , y 1 ) 、 ( x 2 , y 2 ) 、 ( x 3 , y 3 ) (x_1,y_1)、(x_2,y_2)、(x_3,y_3) (x1,y1)、(x2,y2)、(x3,y3) 可以确定唯一的二次函数 y = a x 2 + b x + c ( a ≠ 0 ) y=ax^{2}+bx+c(a \ne 0) y=ax2+bx+c(a=0) ?(《俗说矩阵》第5节:矩阵求解线性方程组)
3、请计算矩阵 B = ( 1 2 1 − 1 0 1 ) B=\begin{pmatrix}1\\ 2 & 1\\ -1 & 0 & 1\\ \end{pmatrix} B= 12−1101 ( 5 0 3 0 1 1 0 0 0 ) \begin{pmatrix}5 & 0 & 3\\ 0 & 1 & 1\\ 0 & 0 & 0\end{pmatrix} 500010310 的四个子空间,同时将其各自代数化表达?
点击博主的博文《线代[3]|从增广矩阵漫谈矩阵转置的代数与几何意义——四个子空间的基底相互转化》阅读文章“五、以MIT线性代数习题公开课第11题为串联脉络”。对于四个基本子空间的代数表达请阅读“四、向量子空间(subspace)”。
4、 R n → R m R^{n} \rightarrow R^{m} Rn→Rm ,线性变换 ⇌ \rightleftharpoons ⇌ 矩阵变换,这个对应关系的笼统表达是什么?(任广千《线性代数的几何意义》P130。)
T ( α + β ) = T ( α ) + T ( β ) , ( α , β ∈ V ) T(\alpha+\beta)=T(\alpha)+T(\beta),(\alpha,\beta\in V) T(α+β)=T(α)+T(β),(α,β∈V), T ( k α ) = k T ( α ) T(k\alpha)=kT(\alpha) T(kα)=kT(α)
I、线性变换的和对应矩阵的和;
II、线性变换的乘积对应矩阵的乘积;
III、线性变换的数量积对应矩阵的数量乘积;
IV、线性变换的逆对应矩阵的逆。
5、 A A A 是二阶方阵,矩阵 P = ( α , A α ) , α ≠ 0 P=(\alpha,A\alpha),\alpha \ne0 P=(α,Aα),α=0 且不是 A A A 的特征向量,证明 P P P 是可逆矩阵?( ∗ \ast ∗提示:矩阵 P 可逆的充要条件是 P 的列向量线性无关,即 r ( p ) = n r(p)=n r(p)=n,即证明 α \alpha α 和 A α A\alpha Aα线性无关。(《俗说矩阵》第40节:特征值于特征向量<应用篇>。)
反证法: 假设矩阵 P P P 不可逆,则 α \alpha α 和 A α A\alpha Aα 线性相关,故设 k 1 、 k 2 k_1、k_2 k1、k2 不全为零使 k 1 α + k 2 A α = 0 k_1\alpha+k_2A\alpha=0 k1α+k2Aα=0 。若 k 2 = 0 k_2=0 k2=0,则 k 1 ≠ 0 k_1\ne0 k1=0,代入 k 2 = 0 k_2=0 k2=0,故 k 1 α = 0 k_1\alpha=0 k1α=0,即只能是 α = 0 \alpha=0 α=0,与题目中 α = 0 \alpha=0 α=0 矛盾,所以 k 2 ≠ 0 k_2\ne0 k2=0。
在 k 2 ≠ 0 k_2\ne0 k2=0 的条件下,对等式 k 1 α + k 2 α = 0 k_1\alpha+k_2\alpha=0 k1α+k2α=0 变形 A α = − k 1 k 2 α . A\alpha=-\frac{k_1}{k_2}\alpha . Aα=−k2k1α. 等式表明矩阵 A A A 对向量 α \alpha α 的映射呈现出对向量 α \alpha α 伸缩变换,故 α \alpha α 是 A A A 的特征向量,与题中 α \alpha α 不为 A A A 的特征向量矛盾,与证明开头时设 P P P 为不可逆矩阵相矛盾,故 P P P 必为可逆矩阵,证毕。
6、 一组基为 C 1 = ( 1 , 1 , 2 ) T , C 2 = ( 1 , 2 , 4 ) T , C 3 = ( 2 , 3 , 5 ) T C_1=(1,1,2)^{T},C_2=(1,2,4)^{T},C_3=(2,3,5)^{T} C1=(1,1,2)T,C2=(1,2,4)T,C3=(2,3,5)T,另一组基为 d 1 = ( 0 , 1 , 1 ) T , d 2 = ( 1 , 1 , 1 ) T , d 3 = ( 3 , 0 , 1 ) T d_1=(0,1,1)^{T},d_2=(1,1,1)^{T},d_3=(3,0,1)^{T} d1=(0,1,1)T,d2=(1,1,1)T,d3=(3,0,1)T。已知某个线性变换在基 C C C 下的矩阵为 A = ( 1 2 3 1 3 4 2 3 0 ) A=\begin{pmatrix}1 & 2 & 3\\ 1 & 3 & 4\\ 2 & 3 & 0\end{pmatrix} A= 112233340 ,求该线性变换在基 D D D下的矩阵 B B B ?(来源《俗说矩阵》第41节:相似矩阵。)
解: 对于基矩阵 C = ( 1 1 2 1 2 3 2 4 5 ) C=\begin{pmatrix}1&1&2\\1&2&3\\2&4&5\end{pmatrix} C= 112124235 与基矩阵 D = ( 0 1 3 1 1 0 1 1 1 ) D=\begin{pmatrix}0&1&3\\1&1&0\\1&1&1\end{pmatrix} D= 011111301 之间必然存在一个过渡矩阵 P P P ,使得 D = C P D=CP D=CP ,且 P = C − 1 D P=C^{-1}D P=C−1D。求矩阵 C C C 的逆矩阵 C − 1 C^{-1} C−1 ,三步走:
- 一、行列式 ∣ C ∣ = 1 × ∣ 2 3 4 5 ∣ − 1 × ∣ 1 3 2 5 ∣ + 2 × ∣ 1 2 2 4 ∣ = − 1 ≠ 0 \left|C\right|=1\times\begin{vmatrix}2&3\\4&5\end{vmatrix}-1\times\begin{vmatrix}1&3\\2&5\end{vmatrix}+2\times\begin{vmatrix}1&2\\2&4\end{vmatrix}=-1\ne 0 ∣C∣=1× 2435 −1× 1235 +2× 1224 =−1=0,因矩阵 C C C 的行列式不为零,故存在逆矩阵 C − 1 C^{-1} C−1 。
- 二、求矩阵 C C C 的伴随矩阵。 C ∗ = ( A 11 A 21 A 31 A 12 A 22 A 32 A 13 A 23 A 33 ) = ( − 2 3 − 1 1 1 − 1 0 − 2 1 ) C^{\ast}=\begin{pmatrix}A_{11}&A_{21}&{A_{31}}\\A_{12}&A_{22}&A_{32}\\A_{13}&A_{23}&A_{33}\end{pmatrix}=\begin{pmatrix}-2&3&-1\\1&1&-1\\0&-2&1\end{pmatrix} C∗= A11A12A13A21A22A23A31A32A33 = −21031−2−1−11
- 三、求逆矩阵 C − 1 = 1 ∣ C ∣ C ∗ = ( 2 − 3 1 − 1 − 1 1 0 − 2 − 1 ) C^{-1}=\frac{1}{\left|C\right|}C^{\ast}=\begin{pmatrix}2&-3&1\\-1&-1&1\\0&-2&-1\end{pmatrix} C−1=∣C∣1C∗= 2−10−3−1−211−1
过渡矩阵 P = C − 1 D = ( − 2 0 7 0 − 1 − 2 1 1 − 1 ) P=C^{-1}D=\begin{pmatrix}-2&0&7\\0&-1&-2\\1&1&-1\end{pmatrix} P=C−1D= −2010−117−2−1 ,有逆矩阵 P − 1 = ( 3 7 7 − 2 − 5 − 4 1 2 2 ) P^{-1}=\begin{pmatrix}3&7&7\\-2&-5&-4\\1&2&2\end{pmatrix} P−1= 3−217−527−42 ,故 B = P − 1 A P = ( − 11 − 11 35 4 5 − 17 − 3 − 3 10 ) B=P^{-1}AP=\begin{pmatrix}-11&-11&35\\4&5&-17\\-3&-3&10\end{pmatrix} B=P−1AP= −114−3−115−335−1710 。
博主:现在是数学软件和人工智能的时代了,你仅仅只需了解算法原理,其余的交给计算机的吧。考试躲避不了,那是考察筛选的方式太落后了。(2025.4.7 23:16)
7、请验证以下方程 x 1 2 + 2 x 1 x 2 + 3 x 2 2 = 1 x_1^{2}+2x_{1}x_{2}+3x_2^{2}=1 x12+2x1x2+3x22=1 表示一个椭圆,并求出长半轴、短半轴的长度?(《俗说矩阵》第46节:二次型和圆锥曲线。)
解: a = 1 、 c = 3 、 b 2 − 4 a c = − 8 < 0 、 a + c > 0 a=1、c=3、b^{2}-4ac=-8\lt0、a+c\gt0 a=1、c=3、b2−4ac=−8<0、a+c>0 。根据 判别式的分类 可知,方程 x 1 2 + 2 x 1 x 2 + 3 x 2 2 = 1 x_1^{2}+2x_{1}x_{2}+3x_2^{2}=1 x12+2x1x2+3x22=1 表示一个椭圆,可化为 ( x 1 x 2 ) ( 1 1 1 3 ) ( x 1 x 2 ) = 1 \begin{pmatrix}x_1&x_2\end{pmatrix}\begin{pmatrix}1&1\\1&3\end{pmatrix}\begin{pmatrix}x_1\\x_2\end{pmatrix}=1 (x1x2)(1113)(x1x2)=1。
求中间矩阵的特征值 ∣ λ − 1 − 1 − 1 λ − 3 ∣ = λ 2 − 4 λ + 2 = 0 \begin{vmatrix}\lambda-1&-1\\-1&\lambda-3\end{vmatrix}=\lambda^2-4\lambda+2=0 λ−1−1−1λ−3 =λ2−4λ+2=0,解得 { λ 1 = 2 − 2 λ 2 = 2 + 2 \begin{cases}\lambda_1=2-\sqrt{2}\\\lambda_2=2+\sqrt{2}\end{cases} {λ1=2−2λ2=2+2。
以 y 1 、 y 2 y_1、y_2 y1、y2 为坐标,将椭圆化成标准方程,因正交变换不改变曲线的形状和伸缩比值,故方程的结果仍旧是 1,即 ( 2 − 2 ) y 1 2 + ( 2 + 2 2 ) y 2 2 = 1 (2-\sqrt{2})y_1^2+(2+2\sqrt{2})y_2^2=1 (2−2)y12+(2+22)y22=1,将其凑成椭圆方恒形式,即 y 1 2 ( 1 2 − 2 2 ) 2 + y 2 2 ( 1 2 + 2 2 ) 2 = y 1 2 a 0 2 + y 2 2 b 0 2 = 1 \frac{y_1^{2}}{(\sqrt{\frac{1}{2-2\sqrt{2}}})^2}+\frac{y_2^{2}}{(\sqrt{\frac{1}{2+2\sqrt{2}}})^2}=\frac{y_1^2}{a_0^2}+\frac{y_2^2}{b_0^2}=1 (2−221)2y12+(2+221)2y22=a02y12+b02y22=1。
注:长半轴为 a 0 = 1 2 − 2 a_0=\sqrt{\frac{1}{2-\sqrt{2}}} a0=2−21,短半轴 b 0 = 1 2 + 2 b_0=\sqrt{\frac{1}{2+\sqrt{2}}} b0=2+21 。
8、写出笛卡尔坐标系公式,极坐标系公式下,极坐标系下向量与角度的计算公式?
- 笛卡尔坐标公式 { r 1 = r cos θ r 2 = r sin θ \begin{cases}r_1=r\cos\theta\\r_2=r\sin\theta\end{cases} {r1=rcosθr2=rsinθ
- 极坐标公式 { r = a 2 + b 2 tan θ = r 2 r 1 \begin{cases}r=\sqrt{a^2+b^2}\\\tan\theta=\frac{r_2}{r_1}\end{cases} {r=a2+b2tanθ=r1r2
- 极坐标下向量的模长与辐角计算 { r = r 1 2 + r 2 2 − 2 r 1 r 2 cos ( 18 0 ∘ − α ) θ = arctan ( r 1 sin θ 1 + r 2 sin θ 2 r 1 cos θ 1 + r 2 cos θ 2 ) \begin{cases}r=r_1^{2}+r_2^{2}-2r_1r_2\cos(180^{\circ}-\alpha)\\\theta=\arctan(\frac{r_1\sin\theta_1+r_2\sin\theta_2}{r_1\cos\theta_1+r_2\cos\theta_2})\end{cases} {r=r12+r22−2r1r2cos(180∘−α)θ=arctan(r1cosθ1+r2cosθ2r1sinθ1+r2sinθ2)
9、验证以下反比例函数和双勾函数的图像是双曲线,并使用二次型的合同相似变换法求出原点到两条曲线的最短距离?(《俗说矩阵》第46节:二次型和圆锥曲线)
I. y = 1 x y=\frac{1}{x} y=x1
II. y = x + 1 x y=x+\frac{1}{x} y=x+x1
解: 上述两个方程可化为 I. x 1 x 2 = 1 x_1x_2=1 x1x2=1,II、 − x 1 2 + x 1 x 2 -x_1^2+x_1x_2 −x12+x1x2=1
- 二次曲线类型判断 :
- 方程 I 中 a = 0 , c = 0 , b = 1 a=0,c=0,b=1 a=0,c=0,b=1,故 Δ 1 = b 2 − 4 a c = 1 > 0 \Delta_1=b^2-4ac=1\gt0 Δ1=b2−4ac=1>0。
- 方程 II 中 a = − 1 , b = 1 , c = 0 a=-1,b=1,c=0 a=−1,b=1,c=0,故 Δ 2 = b 2 − 4 a c = 1 > 0 \Delta_2=b^2-4ac=1\gt0 Δ2=b2−4ac=1>0。
综上,因 Δ 1 、 Δ 2 \Delta_1、\Delta_2 Δ1、Δ2 均为正数,故两个方程均表示为双曲线。- 方程 I、 x 1 x 2 = 1 x_1x_2=1 x1x2=1 化为二次曲线形式 ( x 1 x 2 ) ( 0 1 2 1 2 0 ) ( x 1 x 2 ) = x T A x = 1 , \begin{pmatrix}x_1&x_2\end{pmatrix}\begin{pmatrix}0&\frac{1}{2}\\\frac{1}{2}&0\end{pmatrix}\begin{pmatrix}x_1\\x_2\end{pmatrix}=x^{T}Ax=1, (x1x2)(021210)(x1x2)=xTAx=1, 其特征多项式为 ∣ λ − 1 2 − 1 2 λ ∣ = λ 2 − 1 4 = 0 \begin{vmatrix}\lambda&-\frac{1}{2}\\-\frac{1}{2}&\lambda\end{vmatrix}=\lambda^2-\frac{1}{4}=0 λ−21−21λ =λ2−41=0,解得 λ 1 = 1 2 , λ 2 = − 1 2 \lambda_1=\frac{1}{2},\lambda_2=-\frac{1}{2} λ1=21,λ2=−21。以 ( y 1 , y 2 ) (y_1,y_2) (y1,y2) 为坐标的标准方程: y 1 2 2 − y 2 2 2 = y 1 2 a 0 2 − y 2 2 b 0 2 , \frac{y_1^2}{2}-\frac{y_2^2}{2}=\frac{y_1^2}{a_0^2}-\frac{y_2^2}{b_0^2}, 2y12−2y22=a02y12−b02y22, 即原点到曲线的最短距离就是半实轴长度 a 0 = 2 a_0=\sqrt{2} a0=2 。
- 方程 II、 − x 1 2 + x 1 x 2 = 1 -x_1^2+x_1x_2=1 −x12+x1x2=1 化为二次曲线形式 ( x 1 x 2 ) ( − 1 1 2 1 2 0 ) ( x 1 x 2 ) = x T A x = 1 \begin{pmatrix}x_1&x_2\end{pmatrix}\begin{pmatrix}-1&\frac{1}{2}\\\frac{1}{2}&0\end{pmatrix}\begin{pmatrix}x_1\\x_2\end{pmatrix}=x^TAx=1 (x1x2)(−121210)(x1x2)=xTAx=1 其特征多项式为 ∣ λ + 1 − 1 2 − 1 2 λ ∣ = λ 2 + λ − 1 4 = 0 \begin{vmatrix}\lambda+1&-\frac{1}{2}\\-\frac{1}{2}&\lambda\end{vmatrix}=\lambda^2+\lambda-\frac{1}{4}=0 λ+1−21−21λ =λ2+λ−41=0,解得 λ 1 = 2 − 1 2 , λ 2 = − 2 + 1 2 \lambda_1=\frac{\sqrt{2}-1}{2},\lambda_2=-\frac{\sqrt{2}+1}{2} λ1=22−1,λ2=−22+1。以 ( y 1 , y 2 ) (y_1,y_2) (y1,y2) 为坐标的标准方程,: y 1 2 ( 2 2 − 1 ) 2 − y 2 2 ( 2 2 + 1 ) 2 = y 1 2 a 0 2 − y 2 2 b 0 2 , \frac{y_1^2}{(\sqrt{\frac{2}{\sqrt{2}-1}})^2}-\frac{y_2^2}{(\sqrt{\frac{2}{\sqrt{2}+1}})^2}=\frac{y_1^2}{a_0^2}-\frac{y_2^2}{b_0^2}, (2−12)2y12−(2+12)2y22=a02y12−b02y22, 即原点到曲线的最短距离就是半实轴长度 a 0 = 2 2 − 1 = 2 2 + 2 a_0=\sqrt{\frac{2}{\sqrt{2}-1}}=\sqrt{2\sqrt{2}}+2 a0=2−12=22+2 。
博主:对于二次曲线和二次曲面的类型判别以后也许会单开一篇博文,但也许也不会,这些问题读者可以直接去问大模型。(2025.4.8 20:01)
10、求解齐次线性方程组 A x = 0 Ax=0 Ax=0 。(《俗说矩阵》第2节:求解齐次线性方程组)
- I. { x 1 + 2 x 2 + 3 x 3 = 0 4 x 2 + 5 x 3 = 0 0 = 0 \begin{cases}x_1+2x_2+3x_3=0\\ 4x_2+5x_3=0\\ 0=0 \end{cases} ⎩ ⎨ ⎧x1+2x2+3x3=04x2+5x3=00=0(注:“0=0”意为存在一个非零行。)
解: 由方程组可得 x = ( − 1 2 x 3 − 5 4 x 3 x 3 ) = ( − 1 2 − 5 4 1 ) x 3 = k ( 2 5 − 4 ) x=\begin{pmatrix}-\frac{1}{2}x_3\\-\frac{5}{4}x_3\\x_3\end{pmatrix}=\begin{pmatrix}-\frac{1}{2}\\-\frac{5}{4}\\1\end{pmatrix}x_3=k\begin{pmatrix}2\\5\\-4\end{pmatrix} x= −21x3−45x3x3 = −21−451 x3=k 25−4
- II. { x 1 + 2 x 2 + 3 x 3 = 0 2 x 1 + 4 x 2 + 6 x 3 = 0 3 x 1 + 6 x 2 + 9 x 3 = 0 \begin{cases}x_1+2x_2+3x_3=0\\ 2x_1+4x_2+6x_3=0\\ 3x_1+6x_2+9x_3=0 \end{cases} ⎩ ⎨ ⎧x1+2x2+3x3=02x1+4x2+6x3=03x1+6x2+9x3=0
解: 由方程组可得 { x 1 + 2 x 2 + 3 x 3 = 0 0 = 0 0 = 0 , \begin{cases}x_1+2x_2+3x_3=0\\0=0\\0=0\end{cases}, ⎩ ⎨ ⎧x1+2x2+3x3=00=00=0, 得 x = ( − 2 x 2 − 3 x 3 x 2 x 3 ) = ( − 2 x 2 x 2 0 ) + ( − 3 x 3 0 x 3 ) = x 2 ( − 2 1 0 ) + x 3 ( − 3 0 1 ) = k 1 ( − 2 1 0 ) + k 2 ( − 3 0 1 ) x=\begin{pmatrix}-2x_2-3x_3\\x_2\\x_3\end{pmatrix}=\begin{pmatrix}-2x_2\\x_2\\0\end{pmatrix}+\begin{pmatrix}-3x_3\\0\\x_3\end{pmatrix}=x_2\begin{pmatrix}-2\\1\\0\end{pmatrix}+x_3\begin{pmatrix}-3\\0\\1\end{pmatrix}=k_1\begin{pmatrix}-2\\1\\0\end{pmatrix}+k_2\begin{pmatrix}-3\\0\\1\end{pmatrix} x= −2x2−3x3x2x3 = −2x2x20 + −3x30x3 =x2 −210 +x3 −301 =k1 −210 +k2 −301
注:该线性方程组的几何意义是三维空间被压缩成为一个平面,这个个平面上的向量变成了零向量,其基础解系为 k 1 v 1 ⃗ + k 2 v ⃗ = 0 k_1\vec{v_1}+k_2\vec{v}=0 k1v1+k2v=0,线性相关。
- III. A = ( 1 2 3 1 1 − 4 − 1 − 1 2 1 4 1 1 − 1 1 0 ) A=\begin{pmatrix}1 & 2 & 3 & 1\\ 1 & -4 & -1 & -1\\ 2 & 1 & 4 & 1\\ 1 &-1 & 1 & 0 \end{pmatrix} A= 11212−41−13−1411−110
解: 原矩阵化为 A = ( 1 2 3 1 0 3 2 1 0 0 0 0 0 0 0 0 ) A=\begin{pmatrix}1&2&3&1\\0&3&2&1\\0&0&0&0\\0&0&0&0\end{pmatrix} A= 1000230032001100 ,可看出化为最简行阶梯形矩阵中只有两个主列,即该矩阵的秩为 r ( A ) = 2 r(A)=2 r(A)=2,故 t = n − r ( A ) = 2 t=n-r(A)=2 t=n−r(A)=2(意为两个自由变量),得出 { x 1 + 2 x 2 + 3 x 3 + x 4 = 0 3 x 2 + 2 x 3 + x 4 = 0 0 = 0 0 = 0 \begin{cases}x_1+2x_2+3x_3+x_4=0\\3x_2+2x_3+x_4=0\\0=0\\0=0\end{cases} ⎩ ⎨ ⎧x1+2x2+3x3+x4=03x2+2x3+x4=00=00=0
对该方程组进行正交赋值:
- 1、令 x 3 = 1 , x 4 = 0 , x_3=1,x_4=0, x3=1,x4=0, 故 { x 1 = − 5 3 x 2 = − 2 3 \begin{cases}x_1=-\frac{5}{3}\\x_2=-\frac{2}{3}\end{cases} {x1=−35x2=−32,得 ξ 1 = ( 5 2 − 3 0 ) \xi_1=\begin{pmatrix}5\\2\\-3\\0\end{pmatrix} ξ1= 52−30
- 2、令 x 3 = 0 , x 4 = 1 , x_3=0,x_4=1, x3=0,x4=1, 故 { x 1 = − 1 3 x 2 = − 1 3 \begin{cases}x_1=-\frac{1}{3}\\x_2=-\frac{1}{3}\end{cases} {x1=−31x2=−31,得 ξ 2 = ( 1 1 0 3 ) \xi_2=\begin{pmatrix}1\\1\\0\\3\end{pmatrix} ξ2= 1103
综上所述,通解为 x = k 1 ξ 1 + k 2 ξ 2 = k 1 ( 5 2 − 3 0 ) + k 2 ( 1 1 0 3 ) x=k_1\xi_1+k_2\xi_2=k_1\begin{pmatrix}5\\2\\-3\\0\end{pmatrix}+k_2\begin{pmatrix}1\\1\\0\\3\end{pmatrix} x=k1ξ1+k2ξ2=k1 52−30 +k2 1103 。
11、证明逆矩阵的唯一性?
证明: 设矩阵A的逆矩阵不唯一,有 A B = B A = E AB=BA=E AB=BA=E, A C = C A = E AC=CA=E AC=CA=E 。因 B = B E = B ( A C ) = ( B A ) C = E C = C B=BE=B(AC)=(BA)C=EC=C B=BE=B(AC)=(BA)C=EC=C,证毕。
12、二阶矩阵 A = ( a b c d ) A=\begin{pmatrix}a&b\\ c&d\end{pmatrix} A=(acbd) 的速算法则?
解: A = ( a b c d ) ⇒ A − 1 = 1 a d − c b ( d − b − c a ) = 1 ∣ A ∣ A ∗ A=\begin{pmatrix}a&b\\ c&d\end{pmatrix}\Rightarrow A^{-1}=\frac{1}{ad-cb}\begin{pmatrix}d&-b\\ -c&a\end{pmatrix}=\frac{1}{|A|}A^{\ast} A=(acbd)⇒A−1=ad−cb1(d−c−ba)=∣A∣1A∗
13、计算 D = ∣ 4 3 2 5 5 5 18 13 9 ∣ D=\begin{vmatrix}4&3&2\\5&5&5\\18&13&9\end{vmatrix} D= 45183513259 (第13、14题来自《俗说矩阵》第17节:行列式化简。)
14、 计算 D = ∣ a 0 1 1 0 a 1 − 1 − 1 1 a 0 1 − 1 0 a ∣ D=\begin{vmatrix}a&0&1&1\\0&a&1&-1\\-1&1&a&0\\1&-1&0&a\end{vmatrix} D= a0−110a1−111a01−10a ?
15、求矩阵 A = ( 1 2 4 1 1 3 2 3 5 ) A=\begin{pmatrix}1&2&4\\1&1&3\\2&3&5\end{pmatrix} A= 112213435 的伴随矩阵 A ∗ A^{\ast} A∗ ?(第15、16题来自《俗说矩阵》第22节:伴随矩阵。)
16、求矩阵 A = ( 1 2 1 1 3 3 2 5 4 ) A=\begin{pmatrix}1&2&1\\1&3&3\\2&5&4\end{pmatrix} A= 112235134 的伴随矩阵 A ∗ A^{\ast} A∗ ?
注:行列式本质上是线性映射的比例系数。
17、列举伴随矩阵的十大公式?(《俗说矩阵》第23节:伴随矩阵就九大公式、第25节:伴随矩阵的秩)
I. A A ∗ = ∣ A ∣ E = ( ∣ A ∣ ∣ A ∣ ⋱ ∣ A ∣ ) AA^{\ast}=|A|E=\begin{pmatrix}\left|A\right|& \\ &\left|A\right|\\ & &\ddots\\ & & &\left|A\right|\end{pmatrix} AA∗=∣A∣E= ∣A∣∣A∣⋱∣A∣
II. A ∗ = ∣ A ∣ A − 1 A^{\ast}=|A|A^{-1} A∗=∣A∣A−1
III. A − 1 = 1 ∣ A ∣ A ∗ A^{-1}=\frac{1}{|A|}A^{\ast} A−1=∣A∣1A∗
IV. ( A − 1 ) ∗ = ( A ∗ ) − 1 = 1 ∣ A ∣ A (A^{-1})^{\ast}=(A^{\ast})^{-1}=\frac{1}{|A|}A (A−1)∗=(A∗)−1=∣A∣1A
V. ( A B ) ∗ = B ∗ A ∗ (AB)^{\ast}=B^{\ast}A^{\ast} (AB)∗=B∗A∗、 ( A B ) − 1 = B − 1 A − 1 (AB)^{-1}=B^{-1}A^{-1} (AB)−1=B−1A−1
VI. ( A ∗ ) ∗ = ∣ A ∣ n − 2 A ( n ≥ 2 ) (A^{\ast})^{\ast}=|A|^{n-2}A(n \geq 2) (A∗)∗=∣A∣n−2A(n≥2)
VII. ( A ∗ ) T = ( A T ) ∗ (A^{\ast})^{T}=(A^{T})^{\ast} (A∗)T=(AT)∗
VIII. ( K A ) ∗ = K n − 1 A ∗ (KA)^{\ast}=K^{n-1}A^{\ast} (KA)∗=Kn−1A∗
IX. ∣ A ∗ ∣ = ∣ A n − 1 ∣ |A^{\ast}|=|A^{n-1}| ∣A∗∣=∣An−1∣
X. r ( A ∗ ) = { n r ( A ) = n 1 r ( A ) = n − 1 0 r ( A ) < n − 1 r(A^{\ast})=\begin{cases}n&r(A)=n\\1&r(A)=n-1\\0&r(A) \lt n-1\end{cases} r(A∗)=⎩ ⎨ ⎧n10r(A)=nr(A)=n−1r(A)<n−1
18、两道线性相关与线性无关的例题。(《俗说矩阵》第30节:线性无关与线性相关)
- (1) A = ( a 1 , a 2 , a 3 ) = ( 3 1 3 0 2 1 3 1 − 1 ) → 初等行变换 ( 3 1 3 0 2 1 0 0 1 ) A=(a_1,a_2,a_3)=\begin{pmatrix}3&1&3\\0&2&1\\3&1&-1\end{pmatrix}\xrightarrow{初等行变换}\begin{pmatrix}3&1&3\\0&2&1\\0&0&1\end{pmatrix} A=(a1,a2,a3)= 30312131−1 初等行变换 300120311 ,可知 r ( A ) = 3 r(A)=3 r(A)=3,即 A x = 0 Ax=0 Ax=0 只有零解,即线性方程组组合系数均为零,即线性无关。
- (2) 增加 a 4 = ( 2 1 2 ) a_4=\begin{pmatrix}2\\1\\2\end{pmatrix} a4= 212 并与 a 1 、 a 2 a_1、a_2 a1、a2 构建矩阵 A ′ A' A′,即 A ′ = ( 3 1 2 0 2 1 3 1 2 ) → 初等行变换 ( 3 1 2 0 2 1 0 0 0 ) A'=\begin{pmatrix}3&1&2\\0&2&1\\3&1&2\end{pmatrix}\xrightarrow{初等行变换}\begin{pmatrix}3&1&2\\0&2&1\\0&0&0\end{pmatrix} A′= 303121212 初等行变换 300120210 ,可知 r ( A ′ ) < 3 r(A')\lt3 r(A′)<3,即 A x = 0 Ax=0 Ax=0 有非零解,即线性方程组组合系数不全为零,即线性相关。列出方程组 { 3 x 1 + x 2 + 2 x 3 = 0 2 x 2 + x 3 = 0 0 = 0 \begin{cases}3x_1+x_2+2x_3=0\\2x_2+x_3=0\\0=0\end{cases} ⎩ ⎨ ⎧3x1+x2+2x3=02x2+x3=00=0,有 x = x 3 ( − 5 6 − 1 2 1 ) = k ( − 5 6 − 1 2 1 ) x=x_3\begin{pmatrix}-\frac{5}{6}\\-\frac{1}{2}\\1\end{pmatrix}=k\begin{pmatrix}-\frac{5}{6}\\-\frac{1}{2}\\1\end{pmatrix} x=x3 −65−211 =k −65−211 (注:几何表现为 a 4 a_4 a4 位于 a 1 、 a 2 a_1、a_2 a1、a2 构成的平面内。)
19、向量 a 1 、 a 2 a_1、a_2 a1、a2 与 a 3 a_3 a3 线性无关, b 1 = a 1 + a 2 , b 2 = a 2 + a 3 , b 3 = a 3 + a 1 b_1=a_1+a_2,b_2=a_2+a_3,b_3=a_3+a_1 b1=a1+a2,b2=a2+a3,b3=a3+a1,求证 b 1 、 b 2 、 b 3 b_1、b_2、b_3 b1、b2、b3 线性无关?(《俗说矩阵》第31节:无关与相关的拓展应用)
20、将线性空间中的一个向量 y y y 分别以不同的基表达?(《俗说矩阵》第34节:线性空间基向量)
21、如何用向量组 I = ( 1 1 1 0 2 1 2 0 2 ) I=\begin{pmatrix}1&1&1\\0&2&1\\2&0&2\end{pmatrix} I= 102120112 和向量组 I I = ( 1 0 1 0 1 1 1 1 0 ) II=\begin{pmatrix}1&0&1\\0&1&1\\1&1&0\end{pmatrix} II= 101011110 分别表示向量 y = ( 4 3 6 ) y=\begin{pmatrix}4\\3\\6\end{pmatrix} y= 436 ?
22、 x = ( P 1 P 2 P 3 ) ( 1 2 3 ) x=\begin{pmatrix}P_1&P_2&P_3\end{pmatrix}\begin{pmatrix}1\\2\\3\end{pmatrix} x=(P1P2P3) 123 , y = ( P 1 P 2 P 3 ) ( 0 1 0 ) y=\begin{pmatrix}P_1&P_2&P_3\end{pmatrix}\begin{pmatrix}0\\1\\0\end{pmatrix} y=(P1P2P3) 010 ,求 x ⋅ y x \cdot y x⋅y ?(《俗说矩阵》第35节:单位正交基向量)
23、矩阵 A = ( 3 2 1 2 ) A=\begin{pmatrix}3&2\\1&2\end{pmatrix} A=(3122),求特征值与基础解系?(《俗说矩阵》第38节:特征值和特征向量<计算篇>)
24、矩阵 A = ( 1 − 4 8 0 − 4 10 0 − 3 7 ) A=\begin{pmatrix}1&-4&8\\0&-4&10\\0&-3&7\end{pmatrix} A= 100−4−4−38107 ,求特征值与基础解系?
25、求矩阵 A = ( 1 1 1 0 0 − 1 0 1 0 ) A=\begin{pmatrix}1&1&1\\0&0&-1\\0&1&0\end{pmatrix} A= 1001011−10 的所有特征值和特征向量?
26、矩阵 A = ( 0 − 2 2 0 ) A=\begin{pmatrix}0&-2\\2&0\end{pmatrix} A=(02−20) 的特征值与特征向量?(注:该题含有虚数 i i i 特征值。)
27、二阶方阵A具有2个不同的特征值, α 1 \alpha_1 α1 与 α 2 \alpha_2 α2 是 A A A 的2个线性无关的特征向量,具有 A 2 ( α 1 + α 2 ) A^{2}(\alpha_1+\alpha_2) A2(α1+α2),求 ∣ A ∣ \left|A \right| ∣A∣ ?
28、求秩 r ( A ) = 1 r(A)=1 r(A)=1 的方阵A的特征值, A = ( a 11 ⋯ a 1 n ⋮ ⋱ ⋮ a n 1 ⋯ a n n ) A=\begin{pmatrix}a_{11}&\cdots&a_{1n}\\ \vdots&\ddots&\vdots\\a_{n1}&\cdots&a_{nn}\end{pmatrix} A= a11⋮an1⋯⋱⋯a1n⋮ann ?
29、描述相似对角化的推导过程以 U = X − 1 A X U=X^{-1}AX U=X−1AX 为例?
30、 判断方阵 A = ( 3 − 1 1 − 1 3 1 − 1 − 1 − 5 ) A=\begin{pmatrix}3&-1&1\\-1&3&1\\-1&-1&-5\end{pmatrix} A= 3−1−1−13−111−5 和 B = ( 4 2 − 2 0 5 − 1 0 2 2 ) B=\begin{pmatrix}4&2&-2\\0&5&-1\\0&2&2\end{pmatrix} B= 400252−2−12 是否相似?
31、矩阵 A = ( 3 2 4 2 0 2 4 2 3 ) A=\begin{pmatrix}3&2&4\\2&0&2\\4&2&3\end{pmatrix} A= 324202423 ,求该实对称矩阵的特征值 λ i \lambda_{i} λi 与特征向量 C i C_i Ci ?
32、函数 f = x 1 2 + 2 x 2 2 + 3 x 3 2 + 4 x 1 x 2 + 2 x 2 x 3 + 2 x 1 x 3 f=x_1^2+2x_2^2+3x_3^2+4x_1x_2+2x_2x_3+2x_1x_3 f=x12+2x22+3x32+4x1x2+2x2x3+2x1x3,将 f f f 化为二次型形式即 f = x T A x f=x^{T}Ax f=xTAx ?
33、化函数 f = x 1 2 + 3 x 2 2 + 2 x 1 f=x_1^{2}+3x_2^{2}+2x_1 f=x12+3x22+2x1 为二次型以及标准二次型?
34、 化函数 f f f 为标准型,函数 f = 3 x 1 2 + 3 x 3 2 + 4 x 1 x 2 + 8 x 1 x 3 + 4 x 2 x 3 f=3x_1^2+3x_3^2+4x_1x_2+8x_1x_3+4x_2x_3 f=3x12+3x32+4x1x2+8x1x3+4x2x3 ?
35、 f = 4 x 1 2 + 6 x 1 x 2 + 12 x 2 2 = x T A x f=4x_1^{2}+6x_1x_2+12x_2^{2}=x^{T}Ax f=4x12+6x1x2+12x22=xTAx, A = ( 4 3 3 12 ) A=\begin{pmatrix}4&3\\3&12\end{pmatrix} A=(43312),求标准型?(博主:这道题利用相似矩阵对角化的方法求标准型的过程,可以和我在2025年2月22日21点56分所录的文章《线代[8]|北大丘维声教授《怎样学习线性代数?》(红色字体为博主本人注释)》里的第二节“二、学习线性代数的用处”中对照观看,也可直接去阅读本人在2020年5月21日17点37分发表的文章《线代[6]|线代[6]|矩阵对角化以及特征值在微分方程中的应用》。)
36、求函数 f ( x 1 , x 2 , x 3 ) = x 1 2 + x 2 2 + 3 x 3 2 − 2 x 1 − x 2 x 3 f(x_1,x_2,x_3)=x_1^{2}+x_2^{2}+3x_3^{2}-2x_1-x_2x_3 f(x1,x2,x3)=x12+x22+3x32−2x1−x2x3 的极值?
37、请证明哈密顿——凯莱定理:设矩阵 A n × n A_{n \times n} An×n 的特征多项式为 f ( λ ) = ∣ λ E − A ∣ f(\lambda)=\left|\lambda E-A \right| f(λ)=∣λE−A∣,则代入矩阵 A A A 有 f ( A ) = 0 f(A)=0 f(A)=0 。(注:“0”代表零矩阵,其中 f ( A ) = A n − ( a 11 + a 22 + ⋯ + a n n ) A n − 1 + ⋯ + ( − 1 ) n ∣ A ∣ E = 0 f(A)=A^{n}-(a_{11}+a_{22}+\cdots+a_{nn})A^{n-1}+\cdots+(-1)^{n}|A|E=0 f(A)=An−(a11+a22+⋯+ann)An−1+⋯+(−1)n∣A∣E=0 。)
三、数学分析题3道
38、是否存在连续函数 f : [ 0 , + ∞ ) f:[0, +\infty) f:[0,+∞) ⟶ \longrightarrow ⟶ ( 0 , + ∞ ) (0,+\infty) (0,+∞) 使得 3 4 ∫ 0 x ∣ f ( t ) ∣ 2 d t = 1 x ( ∫ 0 x f ( t ) d t ) 2 \frac{3}{4}\int_{0}^{x}\left|f(t)\right|^{2}dt=\frac{1}{x}(\int_{0}^{x}f(t)dt)^{2} 43∫0x∣f(t)∣2dt=x1(∫0xf(t)dt)2, ∀ x > 0 \forall x \gt 0 ∀x>0,如果存在,求出 f f f 得所有表达式;如果不存在,请说明理由。
这类是典型的数学系学数学分析课程学生该做的题,豆包人工智能大模型对这道题目的评价有三个方面:
- 知识点运用: 本题主要涉及到积分、函数的连续性等数学分析中的核心概念和知识。需要学生对定积分的性质、函数的连续性定义有深入的理解,并且能够熟练运用积分的运算规则和相关定理来进行推导和证明。
- 思维能力要求: 数学分析课程注重培养学生的逻辑思维、分析问题和解决问题的能力。本题需要学生通过对给定等式进行分析、变形和推导,运用严谨的逻辑推理来判断是否存在满足条件的函数,并进一步求出函数的表达式。这需要学生具备较强的数学思维能力和技巧,能够从复杂的数学关系中找到解题的关键线索,是数学分析课程对学生思维能力训练的典型体现。
- 问题类型常见: 在数学分析的学习过程中,经常会遇到这类关于函数性质和积分关系的问题,通过解决这类问题,学生可以加深对数学分析理论的理解,提高运用所学知识解决实际问题的能力,是数学分析课程中常见的问题类型。
39、定义 ( a n ) → a (a_n)\rightarrow a (an)→a,当且仅当 ∀ ϵ > 0 \forall \epsilon \gt 0 ∀ϵ>0, ∃ N ∈ N \exists N \in \mathbb{N} ∃N∈N 使得 ∀ n > N \forall n \gt N ∀n>N, ∣ a n − a ∣ < ϵ \left| a_n-a\right| \lt \epsilon ∣an−a∣<ϵ,证明定理:设 ( a n ) → a (a_n)\rightarrow a (an)→a 且 ( b n ) → b (b_n) \rightarrow b (bn)→b,则 a n b n → a b a_nb_n\rightarrow ab anbn→ab 。
40、证明定理:若 X 、 Y ⊆ R X、Y\subseteq R X、Y⊆R 都有上界,则 X ∪ Y X \cup Y X∪Y 有上界。
证明: 假设 X 、 Y X、Y X、Y 均有上界,则 ∃ M 1 ∈ R \exist M_1\in R ∃M1∈R,使得 ∀ x ∈ X \forall{x}\in X ∀x∈X, x ≤ M 1 x\leq M_1 x≤M1; 且 ∃ M 2 ∈ R \exist M_2\in R ∃M2∈R,使得 ∀ y ∈ Y \forall y \in Y ∀y∈Y, y ≤ M 2 y\leq M_2 y≤M2 。令 M = max M 1 , M 2 M=\max{M_1,M_2} M=maxM1,M2,则 ∀ x ∈ X , x ≤ M 1 ≤ M \forall x\in X,x\leq M_1\leq M ∀x∈X,x≤M1≤M,且 ∀ y ∈ Y , y ≤ M 2 ≤ M \forall{y}\in Y,y\leq M_2\leq M ∀y∈Y,y≤M2≤M,所以 X ∪ Y X\cup Y X∪Y 得所有元素都小于或等于 M M M,故 X ∪ Y X\cup Y X∪Y 有上界。(注:定理是核心,证明从属于定理。公理——定义——定理——证明。2025.4.8 20:56)
四、更新时间记录
- 收录至第10题;「2025.2.10 16:40」
- 收录至第17题;「2025.2.10 21:30」
- 收录至第24题;「2025.2.12 16:55」
- 收录至第37题;「2025.2.13 12:01」
- 收录“38、39、40”三道关于数学分析得杂题。「2025.2.13 17:33」
- 题目答案录至第7题;「2025.4.7 23:36」
- 题目答案录至第9题;「2025.4.8 8:06」
- 题目答案录至第17题;「2025.4.8 11:58」
- 题目答案录至第36题;「2025.4.8 18:01」
- “一、缘起”写完;「2025.4.10 13:22」
- 文章图片的排版问题修改。「2025.4.10 15:02」
P.S.人生是不能欠债的呀,不论什么原因,它不能欠债的呀,我就是一个血淋淋的教训!!!「2025.4.10 13:32」
相关文章:
线代[13]|线性代数题37道以及数学分析题3道(多图预警)
博主首次发布于CSDN,禁止转载!(CSDN:汉密士2025) 文章目录 一、缘起|《俗说矩阵》课程目录照片存档|线性代数学习脉络|线代习题集封面存档|未来——我与线性代数的纠缠 二…...
gitlab内置pgsql数据库迁移
gitlab内置pgsql数据库迁移 创建gitlab备份方法一,使用pg_dump备份方法二 使用gitlab工具 gitlab-backup 备份 运行sql文件注意事项ERROR: extension "btree_gist" has no installation script nor update path for version "1.7"btree_gist 找…...
IDEA、Webstorm使用账号密码登录Gitlab
在开发过程中,为了保证代码安全,更改了gitlab司库的密码,当更新项目时,发现更新失败了。让填入access_token,gitlab网页设置中虽然generate了token,也填入了它,但是还是报错401unauthorized&…...
水利水电安全员ABC适合哪些人考?
水利水电安全员证是水利工程建设领域的重要职业资格证书,主要涉及水利水电工程施工安全管理、风险防控和应急处理等工作。那么,哪些人适合考取? 哪些人适合考水利水电安全员? 1. 水利水电工程从业人员 ✅ 施工管理人员…...
Service Mesh 深度解析与 Istio+Envoy 实现方案
Service Mesh 深度解析与 IstioEnvoy 实现方案 一、Service Mesh 技术全景 核心架构演进 第一代架构:以库形式集成(如 Netflix OSS)第二代架构:Sidecar 代理模式(如 Linkerd)第三代架构:全功…...
使用uv管理python项目环境
安装uv 使用默认python环境安装uv(把uv安装到默认python环境):pip install uv 创建python项目虚拟环境 如果是已有项目并且项目中有uv.lock文件,直接运行 uv run main.py,这会默认使用uv.lock文件创建虚拟环境如果是新…...
【Code】《代码整洁之道》笔记-Chapter9-单元测试
第9章 单元测试 过去十年以来,编程专业领域进步很大。1997年时,没人听说过测试驱动开发。对于我们之中的大多数人来说,单元测试是那种用来确保程序“可运行”的用过即扔的短代码。我们辛勤地编写类和方法,再弄出一些特殊代码来测…...
数据结构-顺序表
目录 基本概念 什么是数据结构? 数据 结构 线性结构 树形结构 网状结构 第一章绪论 了解概念 几个概念 数据存储方式: 算法的五个重要特性: 算法设计的要求: 总结 线性表 线性表的定义: 顺序表的设计思想 定长顺序表 不定…...
端到端语音识别服务重构方案
以下是重构ASR服务架构,集成Whisper V3Conformer混合模型的端到端实现方案,经过技术增强与流程优化: 端到端语音识别服务重构方案 基于Whisper V3Conformer混合架构 系统架构设计 采用四层微服务架构,支持水平扩展与模块化部署…...
耳根圆通与禅定的交融与分野
引言 在浩瀚的修行体系中,耳根圆通与禅定的关系犹如月映千江——本质同一而显相各异。本文以《楞严经》为经教依据,结合禅宗心法与现代实证视角,系统解析二者在修行原理、实践路径与终极旨归中的深刻关联与微妙差异,揭示这一古老智…...
python基础语法:缩进规则
Python 的缩进规则是其语法的重要组成部分,它通过缩进来表示代码块的层次结构,而不是像其他语言(如 C 或 Java)那样使用大括号 {}。以下是 Python 缩进规则的详细说明: 1. 缩进的基本规则 代码块的标识:Pyt…...
从0到1的Python接口自动化学习路线
Python 是一门非常适合初学者且功能强大的编程语言,它在接口自动化测试领域具有广泛应用。 以下是一份针对 Python 与接口自动化测试的详细学习路线,帮助你从零开始学习并逐步掌握相关知识。 第一阶段:Python基础 目标:掌握 Python 基本语法和编程能力。 一、学习内容 1.…...
大数据(7.3)Kafka量子安全加密实践指南:构建抗量子计算攻击的消息系统
目录 一、量子计算带来的加密革命1.1 量子计算机的威胁时间表1.2 Kafka现有加密机制脆弱性分析 二、后量子加密算法选型2.1 NIST标准化算法矩阵2.2 混合加密最佳实践 三、Kafka量子安全改造方案3.1 Bouncy Castle量子安全Provider3.2 Kafka服务端配置 四、实战案例:…...
【11408学习记录】英语语法精讲:主从复合句之状语从句全解析——以时间状语从句为例
时间 英语语法总结—— 主从复合句状语从句从句位置从句的分类 每日一句词汇第一步:找谓语第二步:断开第三步:简化第一句第二句第三句第四句 英语 语法总结—— 主从复合句 状语从句 状语从句指的是一个句子作状语,表达“描述性…...
深度分页及优化建议
深度分页的定义 深度分页是指在分页查询中,当用户请求非常靠后的页面时,数据库需要处理大量数据,导致查询性能显著下降的情况。例如,一个查询结果有 100 万条记录,而用户要查询第 999 页(每页 10 条记录&a…...
阿里云kafka集成boot在docker启动找不到kafka.client.truststore.jks文件问题
此问题困扰了我好久,看阿里云官方文档,建议配置绝对路径,但项目部署在docker没有绝对路径,开始以为配置在docker的/root下即可,但报找不到文件,后来改相对路径 ./kafka.client.truststore.jks,…/…/还是找…...
kafka 集群搭建,开启sasl认证
Kafka提供了多种认证方式来保护集群的安全性,包括以下几种常见的认证方式: SSL/TLS认证:Kafka支持使用SSL/TLS协议对网络通信进行加密和认证。通过使用SSL/TLS证书对客户端和服务器进行身份验证,可以确保通信的机密性和完整性。SASL/PLAIN认证:SASL/PLAIN是一种基于用户名…...
在 iOS 项目中,Info.plist文件用于配置应用的基本信息和权限
在 iOS 项目中,Info.plist 文件用于配置应用的基本信息和权限。以下是常见的需要添加的权限及其说明: 常见权限及说明 NSCameraUsageDescription 说明: 说明应用为何需要访问相机。示例: “我们需要访问您的相机以便您可以拍摄照片。”NSPhotoLibraryUsageDescription 说明:…...
【完整可用】使用openhtmltopdf生成PDF(带SVG)
文章目录 前言OpenHTMLToPDF 简介maven配置依赖字体文件demo代码其他资源放置截图防止maven编译字体文件 前言 AI和网上都是跑不起来或者版本过低的,还有各种BUG的。本文都是查阅官方文档得出的。如果你能跑起来请给个大大的赞! OpenHTMLToPDF 简介 Ope…...
仿照管理系统布局配置
1.vue仿照snowy 配置,如下图: 2.代码实现 <template><div class"theme-settings"><!-- 导航栏 --><div class"nav-bar"><el-breadcrumb separator"/"><el-breadcrumb-item>导航设置…...
RLAgent note
OpenManus github LlamaGym github GRPO 实践 知乎:Deepseek R1 Zero成功复现 BabyAGI 0,环境 CUDA版本12.X:nvcc -V python 3.10:python -V gcc 11:gcc -V 1,安装llama-cpp-python [git | docs]…...
Python设计模式-工厂模式
一、模式定义与核心思想 工厂模式(Factory Pattern)属于创建型设计模式,其核心思想是通过一个"工厂类"来创建对象,而不是直接调用类的构造函数。这种模式将对象的实例化过程封装起来,使系统在实例化对象时能…...
Vue环境搭建:vue+idea
目录 第一章、Vue环境搭建:安装node2.1)node的下载2.2)配置node的环境变量2.3)常见的npm命令 第二章、使用idea创建vue工程2.1)在IDEA中设置国内镜像2.2)在IDEA中进行脚手架安装2.3)在IDEA中创建…...
庙算兵推:使用Streamlit框架构建了一个智能作战推演系统。
这段代码是一个完整的军事模拟应用,使用Streamlit框架构建了一个智能作战推演系统。该系统包括了三维地图显示、作战单位管理、应急事件处理等功能。用户可以通过界面控制推演的开始和暂停,调整时间加速倍率,并查看实时的战斗情况和系统状态。…...
APIGen-MT:高效生成多轮人机交互Agent数据的两阶段框架
APIGen-MT:高效生成多轮人机交互数据的两阶段框架 引言 随着人工智能技术的飞速发展,AI代理(Agent)已从简单的聊天机器人发展为能够执行复杂现实任务的系统,例如管理金融交易、安排预约和处理客户服务等。然而&#x…...
02-redis-数据结构实现原理
1、redis整体涉及的结构 在redis中整体是KV键值对的方式进行访问的,redis的查询的时间复杂度O(1),底层的数据结构其实跟java中的HashMap底层实现类似,整体采用的是数组链表的实现方式,哈希冲突的时候使用的是链表法解决࿱…...
京华幻梦:科技自然共生诗篇
故事摘要 故事发生在现代中国北京,展现了未来城市的奇幻景象与科技变革。在这个充满想象的未来世界里,科技与自然不再对立,而是达成了和谐共生的美妙平衡。故宫、鸟巢、798艺术区等标志性地点,在科技的赋能下焕发新的生机&#x…...
python:面向对象之包
1.包的定义: 包就是把有联系的模块组织在一起,即放在同一文件夹下,并且在这个文件夹下创建一个__init__.py文件,这个文件就叫做包。 2.包的创建: 创建好好会自动生成一个__init__.py文件。 3.包的调用: …...
spring boot整合redis
spring boot整合redis 步骤: ① 引入redis依赖 <dependency><groupId>org.springframework.boot</group><artifactId>spring-boot-starter-data-redis</artifactId> </dependency>②在application.yml配置文件中,…...
DIA——边缘检测
1.边缘 边缘是像素的突变位置。 2.常见边缘检测算法 通过找到一阶导数的极值点或者二阶导数的过零点来确定边缘像素的位置。边缘检测通常使用算子,即特定的卷积核。通过差分对离散的像素点求导,然后转化成卷积核进行卷积。使用卷积统一涵盖求导&…...
redis 免安装版本 启动方法 windows 安装包
redis 免安装版本 启动方法 windows 安装包 下载解压直接使用 百度网盘连接如下 链接:https://pan.baidu.com/s/1W4ICvdUUxkWPhK93GtdG0Q 提取码:vzw3 下载解压后会用32位和64位两种,根据自己的电脑选择 cmd命令 cd /d D:\yaochengwei\so…...
C语言练习二 进制转换
#include <stdio.h>// 强制类型转换int main(){int i 5;float j i / 2; // 只是把整形先除了 再赋值float k (float)i / 2; //先强制改成float 再赋值printf("%f\n",j);printf("%f\n",k);return 0; } #include <stdio.h> int main(){int…...
AlDente Pro for Mac电脑 充电限制保护工具
AlDente Pro for Mac电脑 充电限制保护工具 一、介绍 AlDente Pro for Mac,是一款充电限制保护工具,是可以限制最大充电百分比来保护电池的工具。锂离子和聚合物电池(如 MacBook 中的电池)在40% 至 80% 之…...
物联网卡(NB-IoT/4G)技术详解
物联网卡(IoT SIM卡)是专为物联网设备设计的流量卡,支持NB-IoT、4G Cat.1等低功耗广域网络(LPWAN),广泛应用于智能烟感、共享设备、车联网等领域。以下是NB-IoT和4G物联网卡的对比与选型指南。 1. NB-IoT v…...
HTML5 Video (视频) 深入解析
一、引言 在当今的互联网时代,视频已经成为网站内容中不可或缺的一部分。从产品介绍、教程演示到娱乐内容,视频以其生动直观的特点吸引着大量用户。HTML5 的出现,为在网页上展示视频提供了一个标准且强大的解决方案,改变了过去依赖插件(如 Flash)来显示视频的局面。 二…...
NO.87十六届蓝桥杯备战|动态规划-完全背包|疯狂的采药|Buying Hay|纪念品(C++)
完全背包 先解决第⼀问 状态表⽰: dp[i][j]表⽰:从前i个物品中挑选,总体积不超过j,所有的选法中,能挑选出来的最⼤价 值。(这⾥是和01背包⼀样哒) 那我们的最终结果就是dp[n][V] 。状态转移⽅…...
Win11企业版安装wsl遇到的坑
起因是windows11上安装了docker desktop,但是启动以后显示Docker Engine stopped,一顿搜索。 可以参考:windows 11系统下打开docker 提示 docker engine stopped - DbWong_0918 - 博客园 我这边主要是检查了第2点,开启windows h…...
C++手撕单链表及逆序打印
在学习数据结构的过程中,链表是一个非常重要的基础数据结构。今天,我们将通过C手动实现一个单链表,并添加一个逆序打印的功能,帮助大家更好地理解链表的实现和操作。 一、链表简介 链表是一种线性数据结构,其中每个元…...
Kubernetes外部etcd集群的快速Docker Compose 部署
一、背景 在高可用 Kubernetes 部署中,需要单独部署外部 etcd 集群,而不是使用 kubeadm 默认在 master 节点上部署的 etcd。以下是关于这一配置场景的详细记录。 二、etcd简介 etcd 是一个高可用的分布式键值存储系统,主要用于存储和管理配…...
docker的目录挂载与卷映射
文章目录 一、目录挂载背景定义使用 二、卷映射背景定义区别使用docker对卷的操作 一、目录挂载 背景 上一文,我们提了docker exec进入容器修改页面很麻烦,所以在这里,我们学习一个新的容器使用方法,叫“目录挂载” 定义 长话…...
十三种物联网/通信模块综合对比——《数据手册--物联网/通信模块》
物联网/通信模块 名称 功能 应用场景 USB转换模块 用于将USB接口转换为其他类型的接口,如串口、并口等,实现不同设备之间的通信。 常用于计算机与外部设备(如打印机、扫描仪等)的连接,以及数据传输和设…...
IntelliJ IDEA 中安装和使用通义灵码 AI 编程助手教程
随着人工智能技术的发展,AI 编程助手逐渐成为提升开发效率的强大工具。通义灵码是阿里云推出的一款 AI 编程助手,它能够帮助开发者实现智能代码补全、代码解释、生成单元测试等功能,极大地提升了编程效率和代码质量。 IntelliJ IDEA 是一款广…...
工业 IOT 平台重塑锂电龙头数字化未来
在 “双碳” 目标驱动下,新能源锂电池产业正经历前所未有的扩张期。作为全球原材料领域的龙头企业,某锂电巨头在国内布局的多个生产基地却陷入 “成长的烦恼”:车间里工人忙着手工录入数据,设备运行状态靠纸质报表传递,…...
蓝牙连接hci 命令和事件的交互
参考:在HCI层看蓝牙的连接过程_hci 获取蓝牙pin码-CSDN博客 我这边查看的是core 5.2 一、数据交互流程 1、ACL连接建立后的可选流程 参考蓝牙core5.2: vol2 --> PartF --> 4 1.1 AUTHENTICATION REQUESTED Authentication can be explicitly executed at …...
Maven超级详细安装部署
1.到底什么是Maven?搞清楚这个 Maven 是一个项目管理工具,主要用于 Java 项目的构建、依赖管理和文档生成。 它基于项目对象模型(POM),通过 pom.xml 文件定义项目的配置。 (简单说破:就是工程…...
OSPF不规则区域和LSA
OSPF不规则区域 1.远离骨干的非骨干区域 R1-R4四台路由器能够正常学习到彼此路由,但是R5不行,因为R5是非法ABR 解决方法: 1使用Tunnel隧道将AR4连接到骨干区域 (1) 使用隧道解决不规则区域的问题 a.可能造成选路不…...
深入了解 UI 咨询公司:数字化时代的品牌助推器
在数字化浪潮席卷全球的当下,用户界面(UI)设计已然成为企业在激烈市场竞争中脱颖而出的关键因素。UI 咨询公司应运而生,凭借其专业的知识与技能,为企业的数字化转型和品牌建设提供强大助力。 UI 咨询公司的重要性 提…...
网络建设与运维神州数码DCN sFlow网络流量信息协议
简介 用于监控网络流量信息的协议。 主要操作:由被监视的交换机,路由器把被监控的数据通过采样,统计等操作发送到用于监控的用户端分析器,由分析器对收到的数据进行用户所要求的分析,从而达到监控网络的目的。 各 sFlo…...
NO.88十六届蓝桥杯备战|动态规划-多重背包|摆花(C++)
多重背包 多重背包问题有两种解法: 按照背包问题的常规分析⽅式,仿照完全背包,第三维枚举使⽤的个数;利⽤⼆进制可以表⽰⼀定范围内整数的性质,转化成01 背包问题。 ⼩建议:并不是所有的多重背包问题都能…...
vue2添加背景水印-手动实现(无组件模式)
1. App.vue <template><div id"app" class"app"><router-view></router-view></div> </template><script> export default {mounted() {this.updateWatermark();// 监听路由变化this.$router.afterEach(() >…...