求矩阵高次幂的两种“另类”方法

文章目录

  • 【方法一】运用哈密顿凯莱定理
    • 相关例题
  • 【方法二】运用特征方程
    • 二阶矩阵求解通法
    • 三阶矩阵求解通法
    • 相关例题

市面上许多资料给出的计算矩阵高次幂的方法,无外乎有这几种:

  • 分块矩阵求解高次幂;
  • 先求低次方幂,然后通过找规律推出通项公式;
  • 将矩阵拆分为秩 1 矩阵和数量矩阵,使用秩 1 矩阵的性质求解;
  • 将矩阵拆分为幂 0 0 0 矩阵和数量矩阵进行求解;
  • 将矩阵进行相似对角化,然后利用 A = P Λ P − 1 A = P \Lambda P^{-1} A=PΛP1 计算矩阵高次幂。

下面介绍计算矩阵高次幂两种比较“另类”的方法:(1)运用哈密顿凯莱定理;(2)运用特征方程。(但是依然建议采用常规解法,上述两种解法不推荐首先使用!)

【方法一】运用哈密顿凯莱定理

【哈密顿凯莱定理】设 A A A n n n 阶矩阵,其特征多项式为 f ( λ ) = ∣ λ E − A ∣ = a n λ n + . . . + a 1 λ + a 0 f(\lambda) = |\lambda E - A| = a_n \lambda^n + ... + a_1 \lambda + a_0 f(λ)=λEA=anλn+...+a1λ+a0,记 f ( A ) = a n A n + . . . + a 1 A + a 0 E f(A) = a_n A^n + ... + a_1 A + a_0 E f(A)=anAn+...+a1A+a0E,则有 f ( A ) = O f(A) = O f(A)=O


相关例题

【例 1】已知 A = [ 0 1 1 0 ] A = \begin{bmatrix} 0 & 1 \\ 1 & 0 \end{bmatrix} A=[0110],求 A n A^n An

【解】特征多项式为 f ( λ ) = ∣ λ E − A ∣ = λ 2 − 1 f(\lambda) = |\lambda E - A| = \lambda^2 - 1 f(λ)=λEA=λ21,则 f ( A ) = A 2 − E = O f(A) = A^2 - E = O f(A)=A2E=O,即 A 2 = E A^2 = E A2=E

n = 2 k n=2k n=2k 时, A 2 k = ( A 2 ) k = E k = E A^{2k} = (A^2)^{k} = E^k = E A2k=(A2)k=Ek=E

n = 2 k + 1 n=2k+1 n=2k+1 时, A 2 k + 1 = ( A 2 ) k A = E k A = A A^{2k+1} = (A^2)^{k} A = E^k A = A A2k+1=(A2)kA=EkA=A


【例 2】已知 A = [ 3 4 4 − 3 ] A = \begin{bmatrix} 3 & 4 \\ 4 & -3 \end{bmatrix} A=[3443],求 A n A^n An

【解】特征多项式为 f ( λ ) = ∣ λ E − A ∣ = λ 2 − 25 f(\lambda) = |\lambda E - A| = \lambda^2 - 25 f(λ)=λEA=λ225,则 f ( A ) = A 2 − 25 E = O f(A) = A^2 - 25E = O f(A)=A225E=O,即 A 2 = 25 E A^2 = 25E A2=25E

n = 2 k n=2k n=2k 时, A 2 k = ( A 2 ) k = ( 25 E ) k = 2 5 k E A^{2k} = (A^2)^{k} = (25E)^k = 25^k E A2k=(A2)k=(25E)k=25kE

n = 2 k + 1 n=2k+1 n=2k+1 时, A 2 k + 1 = ( A 2 ) k A = ( 25 E ) k A = 2 5 k A A^{2k+1} = (A^2)^{k} A = (25E)^k A = 25^k A A2k+1=(A2)kA=(25E)kA=25kA


【例 3】已知 A = [ 1 0 1 0 2 0 1 0 1 ] A = \begin{bmatrix} 1 & 0 & 1 \\ 0 & 2 & 0 \\ 1 & 0 & 1 \end{bmatrix} A= 101020101 ,求 A n − 2 A n − 1 A^n - 2A^{n-1} An2An1 A n A^n An

【解】特征多项式为 f ( λ ) = ∣ λ E − A ∣ = λ ( λ − 2 ) 2 f(\lambda) = |\lambda E - A| = \lambda (\lambda - 2)^2 f(λ)=λEA=λ(λ2)2,则 f ( A ) = A ( A − 2 E ) 2 = O f(A) = A(A-2E)^2 = O f(A)=A(A2E)2=O

于是通过递推得

A ( A − 2 E ) 2 = O ⇒ ( A 2 − 2 A ) ( A − 2 E ) = O ⇒ ( A 3 − 2 A 2 ) − 2 ( A 2 − 2 A ) = O ⇒ A 3 − 2 A 2 = 2 ( A 2 − 2 A ) ⇒ . . . ⇒ A n − 2 A n − 1 = 2 n − 1 ( A 2 − 2 A ) = O ⇒ A n = 2 A n − 1 ⇒ . . . ⇒ A n = 2 n − 1 A \begin{aligned} & A(A-2E)^2 = O \\ \Rightarrow & (A^2 - 2A) (A-2E) = O \\ \Rightarrow & (A^3 - 2A^2) - 2(A^2 - 2A) = O \\ \Rightarrow & A^3 - 2A^2 = 2(A^2 - 2A) \\ \Rightarrow & ... \\ \Rightarrow & A^{n} - 2A^{n-1} = 2^{n-1}(A^2 - 2A) = O \\ \Rightarrow & A^{n} = 2A^{n-1} \\ \Rightarrow & ... \\ \Rightarrow & A^{n} = 2^{n-1}A \\ \end{aligned} A(A2E)2=O(A22A)(A2E)=O(A32A2)2(A22A)=OA32A2=2(A22A)...An2An1=2n1(A22A)=OAn=2An1...An=2n1A


【例 4】已知 A = [ 0 1 0 − 1 0 1 0 − 1 0 ] A = \begin{bmatrix} 0 & 1 & 0 \\ -1 & 0 & 1 \\ 0 & -1 & 0 \end{bmatrix} A= 010101010 ,求 A 2017 A^{2017} A2017 A n A^{n} An

【解】特征多项式为 f ( λ ) = ∣ λ E − A ∣ = λ ( λ 2 + 2 ) f(\lambda) = |\lambda E - A| = \lambda (\lambda^2 + 2) f(λ)=λEA=λ(λ2+2),则 f ( A ) = A ( A 2 + 2 E ) = O f(A) = A(A^2+2E) = O f(A)=A(A2+2E)=O,即 A 3 = − 2 A A^3 = -2A A3=2A,即 A 2 A = − 2 A A^2 A = -2A A2A=2A

于是通过递推得到 A 2017 = ( A 2 ) 1008 A = 2 1008 A A^{2017} = (A^2)^{1008}A = 2^{1008} A A2017=(A2)1008A=21008A

一般地,当 A B = c B AB = cB AB=cB 时,有 A n B = c n B A^nB = c^nB AnB=cnB

n = 2 k n=2k n=2k 时, A 2 k = ( − 2 ) A 2 k − 2 = . . . = ( − 2 ) k − 1 A 2 A^{2k} = (-2)A^{2k-2} = ... = (-2)^{k-1}A^2 A2k=(2)A2k2=...=(2)k1A2

n = 2 k + 1 n=2k+1 n=2k+1 时, A 2 k + 1 = A 2 k A = . . . = ( − 2 ) k − 1 A 3 = ( − 2 ) k A A^{2k+1} = A^{2k}A = ... = (-2)^{k-1}A^3 = (-2)^k A A2k+1=A2kA=...=(2)k1A3=(2)kA


【方法二】运用特征方程

二阶矩阵求解通法

A A A 2 2 2 阶矩阵,其特征值为 λ 1 , λ 2 \lambda_1, \lambda_2 λ1,λ2,分两种情况:

(1)若 λ 1 ≠ λ 2 \lambda_1 \neq \lambda_2 λ1=λ2,则通解设为 A n = λ 1 n P + λ 2 n Q A^n = \lambda_1^n P + \lambda_2^n Q An=λ1nP+λ2nQ n ≥ k n \geq k nk 成立, k k k 0 0 0 特征值的重数),其中 P , Q P,Q P,Q 由以下方程组确定

{ A 0 = λ 1 0 P + λ 2 0 Q A 1 = λ 1 1 P + λ 2 1 Q \begin{cases} A^0 = \lambda_1^0 P + \lambda_2^0 Q \\ A^1 = \lambda_1^1 P + \lambda_2^1 Q \end{cases} {A0=λ10P+λ20QA1=λ11P+λ21Q

【提醒】注意成立条件 n ≥ k n \geq k nk,若 0 特征值重数 k ≥ 1 k \geq 1 k1,则不需要求解以上全部方程:

  • k = 1 k=1 k=1,则只需求解最后那个方程即可(第一个方程是不成立的);
  • k = 2 k=2 k=2,则 A n = O A^n = O An=O n ≥ 2 n \geq 2 n2 成立)。

下面的情况也是一样的。

(2)若 λ 1 = λ 2 \lambda_1 = \lambda_2 λ1=λ2,则通解设为 A n = λ 1 n ( P + n Q ) A^n = \lambda_1^n (P + nQ) An=λ1n(P+nQ) n ≥ k n \geq k nk 成立, k k k 0 0 0 特征值的重数),其中 P , Q P,Q P,Q 由以下方程组确定

{ A 0 = λ 1 0 ( P + 0 Q ) A 1 = λ 1 1 ( P + 1 Q ) \begin{cases} A^0 = \lambda_1^0 (P + 0Q) \\ A^1 = \lambda_1^1 (P + 1Q) \end{cases} {A0=λ10(P+0Q)A1=λ11(P+1Q)

三阶矩阵求解通法

A A A 3 3 3 阶矩阵,其特征值为 λ 1 , λ 2 , λ 3 \lambda_1, \lambda_2, \lambda_3 λ1,λ2,λ3,分三种情况:

(1)若 λ 1 ≠ λ 2 ≠ λ 3 \lambda_1 \neq \lambda_2 \neq \lambda_3 λ1=λ2=λ3,则通解设为 A n = λ 1 n P + λ 2 n Q + λ 3 n R A^n = \lambda_1^n P + \lambda_2^n Q + \lambda_3^n R An=λ1nP+λ2nQ+λ3nR n ≥ k n \geq k nk 成立, k k k 0 0 0 特征值的重数),其中 P , Q , R P,Q,R P,Q,R 由以下方程组确定

{ A 0 = λ 1 0 P + λ 2 0 Q + λ 3 0 R A 1 = λ 1 1 P + λ 2 1 Q + λ 3 1 R A 2 = λ 1 2 P + λ 2 2 Q + λ 3 2 R \begin{cases} A^0 = \lambda_1^0 P + \lambda_2^0 Q + \lambda_3^0 R \\ A^1 = \lambda_1^1 P + \lambda_2^1 Q + \lambda_3^1 R \\ A^2 = \lambda_1^2 P + \lambda_2^2 Q + \lambda_3^2 R \end{cases} A0=λ10P+λ20Q+λ30RA1=λ11P+λ21Q+λ31RA2=λ12P+λ22Q+λ32R

【提醒】注意成立条件 n ≥ k n \geq k nk,若 0 特征值重数 k ≥ 1 k \geq 1 k1,则不需要求解以上全部方程:

  • k = 1 k=1 k=1,则只需求解后两个方程即可(第一个方程是不成立的);
  • k = 2 k=2 k=2,则只需求解最后一个方程即可(前两个方程是不成立的);
  • k = 3 k=3 k=3,则 A n = O A^n = O An=O n ≥ 3 n \geq 3 n3 成立)。

下面两种情况也是一样的。

(2)若 λ 1 = λ 2 ≠ λ 3 \lambda_1 = \lambda_2 \neq \lambda_3 λ1=λ2=λ3,则通解设为 A n = λ 1 n ( P + n Q ) + λ 3 n R A^n = \lambda_1^n (P + nQ) + \lambda_3^n R An=λ1n(P+nQ)+λ3nR n ≥ k n \geq k nk 成立, k k k 0 0 0 特征值的重数),其中 P , Q , R P,Q,R P,Q,R 由以下方程组确定

{ A 0 = λ 1 0 ( P + 0 Q ) + λ 3 0 R A 1 = λ 1 1 ( P + 1 Q ) + λ 3 1 R A 2 = λ 1 2 ( P + 2 Q ) + λ 3 2 R \begin{cases} A^0 = \lambda_1^0 (P + 0Q) + \lambda_3^0 R \\ A^1 = \lambda_1^1 (P + 1Q) + \lambda_3^1 R \\ A^2 = \lambda_1^2 (P + 2Q) + \lambda_3^2 R \end{cases} A0=λ10(P+0Q)+λ30RA1=λ11(P+1Q)+λ31RA2=λ12(P+2Q)+λ32R

(3)若 λ 1 = λ 2 = λ 3 \lambda_1 = \lambda_2 = \lambda_3 λ1=λ2=λ3,则通解设为 A n = λ 1 n ( P + n Q + n 2 R ) A^n = \lambda_1^n (P + nQ + n^2 R) An=λ1n(P+nQ+n2R) n ≥ k n \geq k nk 成立, k k k 0 0 0 特征值的重数),其中 P , Q , R P,Q,R P,Q,R 由以下方程组确定

{ A 0 = λ 1 0 ( P + 0 Q + 0 R ) A 1 = λ 1 1 ( P + 1 Q + 1 R ) A 2 = λ 1 2 ( P + 2 Q + 4 R ) \begin{cases} A^0 = \lambda_1^0 (P + 0Q + 0R) \\ A^1 = \lambda_1^1 (P + 1Q + 1R) \\ A^2 = \lambda_1^2 (P + 2Q + 4R) \end{cases} A0=λ10(P+0Q+0R)A1=λ11(P+1Q+1R)A2=λ12(P+2Q+4R)


相关例题

【例 1】已知 A = [ 3 4 4 − 3 ] A = \begin{bmatrix} 3 & 4 \\ 4 & -3 \end{bmatrix} A=[3443],求 A n A^n An

【解】特征多项式为 f ( λ ) = ∣ λ E − A ∣ = λ 2 − 25 = 0 f(\lambda) = |\lambda E - A| = \lambda^2 - 25 = 0 f(λ)=λEA=λ225=0,解得 λ 1 = − 5 , λ 2 = 5 \lambda_1 = -5, \lambda_2 = 5 λ1=5,λ2=5,则通解设为 A n = 5 n P + ( − 5 ) n Q A^n = 5^n P + (-5)^n Q An=5nP+(5)nQ n ≥ 0 n \geq 0 n0 成立),其中 P , Q P,Q P,Q 由以下方程组确定

{ A 0 = 5 0 P + ( − 5 ) 0 Q A 1 = 5 1 P + ( − 5 ) 1 Q \begin{cases} A^0 = 5^0 P + (-5)^0 Q \\ A^{1} = 5^{1} P + (-5)^{1} Q \end{cases} {A0=50P+(5)0QA1=51P+(5)1Q

解得

{ P = 1 2 E + 1 10 A Q = 1 2 E − 1 10 A \begin{cases} P = \frac{1}{2} E + \frac{1}{10}A \\ Q = \frac{1}{2} E - \frac{1}{10}A \end{cases} {P=21E+101AQ=21E101A

所以

A n = 5 n ( 1 2 E + 1 10 A ) + ( − 5 ) n ( 1 2 E − 1 10 A ) ( n ≥ 0 ) A^n = 5^n (\frac{1}{2} E + \frac{1}{10}A) + (-5)^n (\frac{1}{2} E - \frac{1}{10}A)(n \geq 0) An=5n(21E+101A)+(5)n(21E101A)n0


【例 2】已知 A = [ 1 2 0 1 ] A = \begin{bmatrix} 1 & 2 \\ 0 & 1 \end{bmatrix} A=[1021],求 A n A^n An

【解】特征多项式为 f ( λ ) = ∣ λ E − A ∣ = ( λ − 1 ) 2 = 0 f(\lambda) = |\lambda E - A| = (\lambda-1)^2 = 0 f(λ)=λEA=(λ1)2=0,解得 λ 1 = λ 2 = 1 \lambda_1 = \lambda_2 = 1 λ1=λ2=1 A n = 1 n ( P + n Q ) A^n = 1^n (P + nQ) An=1n(P+nQ) n ≥ 0 n \geq 0 n0 成立),其中 P , Q P,Q P,Q 由以下方程组确定

{ A 0 = 1 0 ( P + 0 Q ) A 1 = 1 1 ( P + 1 Q ) \begin{cases} A^0 = 1^0 (P + 0Q) \\ A^1 = 1^1 (P + 1Q) \end{cases} {A0=10(P+0Q)A1=11(P+1Q)

解得

{ P = E Q = A − E \begin{cases} P = E \\ Q = A-E \end{cases} {P=EQ=AE

所以

A n = n A + ( 1 − n ) E ( n ≥ 0 ) A^n = nA + (1-n)E(n \geq 0) An=nA+(1n)En0


【例 3】已知 A = [ 3 0 1 0 1 0 − 4 0 − 1 ] A = \begin{bmatrix} 3 & 0 & 1 \\ 0 & 1 & 0 \\ -4 & 0 & -1 \end{bmatrix} A= 304010101 ,求 A n A^n An

【解】特征多项式为 f ( λ ) = ∣ λ E − A ∣ = ( λ − 1 ) 3 = 0 f(\lambda) = |\lambda E - A| = (\lambda - 1)^3 = 0 f(λ)=λEA=(λ1)3=0,解得 λ 1 = λ 2 = λ 3 = 1 \lambda_1 = \lambda_2 = \lambda_3 = 1 λ1=λ2=λ3=1,则通解设为 A n = λ 1 n ( P + n Q + n 2 R ) A^n = \lambda_1^n (P + nQ + n^2 R) An=λ1n(P+nQ+n2R) n ≥ 0 n \geq 0 n0 成立),其中 P , Q , R P,Q,R P,Q,R 由以下方程组确定

{ A 0 = 1 0 P A 1 = 1 1 ( P + Q + R ) A 2 = 1 2 ( P + 2 Q + 4 R ) \begin{cases} A^0 = 1^0 P \\ A^{1} = 1^{1} (P + Q + R) \\ A^{2} = 1^{2} (P + 2Q + 4R) \end{cases} A0=10PA1=11(P+Q+R)A2=12(P+2Q+4R)

以下解方程过程省略。


【例 4】已知 A = [ 1 0 1 0 2 0 1 0 1 ] A = \begin{bmatrix} 1 & 0 & 1 \\ 0 & 2 & 0 \\ 1 & 0 & 1 \end{bmatrix} A= 101020101 ,求 A n A^n An

【解】特征多项式为 f ( λ ) = ∣ λ E − A ∣ = λ ( λ − 2 ) 2 = 0 f(\lambda) = |\lambda E - A| = \lambda(\lambda - 2)^2 = 0 f(λ)=λEA=λ(λ2)2=0,解得 λ 1 = 0 , λ 2 = λ 3 = 2 \lambda_1 = 0, \lambda_2 = \lambda_3 = 2 λ1=0,λ2=λ3=2,则通解设为 A n = 2 n ( P + n Q ) + 0 n R = 2 n ( P + n Q ) A^n = 2^n (P + nQ) + 0^n R = 2^n (P + nQ) An=2n(P+nQ)+0nR=2n(P+nQ) n ≥ 1 n \geq 1 n1 成立),其中 P , Q P,Q P,Q 由以下方程组确定

{ A 1 = 2 1 ( P + Q ) A 2 = 2 2 ( P + 2 Q ) \begin{cases} A^1 = 2^1 (P + Q) \\ A^2 = 2^2 (P + 2Q) \\ \end{cases} {A1=21(P+Q)A2=22(P+2Q)

以下解方程过程省略。


【例 5】已知 A = [ 0 0 0 1 2 1 1 0 0 ] A = \begin{bmatrix} 0 & 0 & 0 \\ 1 & 2 & 1 \\ 1 & 0 & 0 \end{bmatrix} A= 011020010 ,求 A n A^n An

【解】特征多项式为 f ( λ ) = ∣ λ E − A ∣ = λ 2 ( λ − 2 ) = 0 f(\lambda) = |\lambda E - A| = \lambda^2(\lambda - 2) = 0 f(λ)=λEA=λ2(λ2)=0,解得 λ 1 = λ 2 = 0 , λ 3 = 2 \lambda_1 = \lambda_2 = 0, \lambda_3 = 2 λ1=λ2=0,λ3=2,则通解设为 A n = 0 n ( P + n Q ) + 2 n R = 2 n R A^n = 0^n (P + nQ) + 2^n R = 2^n R An=0n(P+nQ)+2nR=2nR n ≥ 2 n \geq 2 n2 成立),其中 R R R 由以下方程确定

A 2 = 2 2 R A^2 = 2^2 R A2=22R

解得

A n = 2 n 4 A 2 = 2 n − 2 A 2 ( n ≥ 2 ) A^n = \frac{2^n}{4} A^2 = 2^{n-2} A^2 (n \geq 2) An=42nA2=2n2A2n2

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.mzph.cn/news/128351.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩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

阿里云OS系统Alibaba Cloud Linux 3系统的安全更新命令

给客户部署的服务,进入运维阶段,但是经常被客户监测到服务器漏洞,现在整理一下,服务器漏洞问题更新命令步骤。 服务器系统: 阿里云linux服务器:Alibaba Cloud Linux 3 漏洞类型和描述: #3214…

新体验:万圣节夜晚的新游戏!--愤怒的南瓜

引言: Chatgpt4.0 所带来的冲击似乎远超出人们想象,网页小游戏《愤怒的南瓜》在昨日(万圣节夜晚)火爆了外网。一位名为 Javi Lopez 的外国小哥使用 Midjourney、DALL•E 3 和 GPT-4 打开了一个无限可能的世界,重新演绎…

【Python全栈_公开课学习记录】

一、初识python (一).Python起源 Python创始人为吉多范罗苏姆(荷兰),Python崇尚优美、清晰、简明的编辑风格。Python语言结构清晰简单、数据库丰富、运行成熟稳定,科学计算统计分析领先。目前广泛应用于云计算、Web开发、科学运算…

DSP 开发例程(5): tcp_server

目录 DSP 开发例程(5): tcp_server创建工程源码编辑tcp_echo.chelloWorld.c 调试说明 DSP 开发例程(5): tcp_server 此例程实现在 EVM6678L 开发板上创建 TCP Server进程, 完成计算机与开发板之间的 TCP/IP 通信. 例程源码可从我的 gitee 仓库上克隆或下载. 点击 DSP 开发教程…

【机器学习合集】模型设计之注意力机制动态网络 ->(个人学习记录笔记)

文章目录 注意力机制1. 注意力机制及其应用1.1 注意力机制的定义1.2 注意力机制的典型应用 2. 注意力模型设计2.1 空间注意力机制2.2 空间注意力模型2.3 通道注意力机制2.4 空间与通道注意力机制2.5 自注意力机制2.5 级联attention 动态网络1. 动态网络的定义2. 基于丢弃策略的…

jquery控制easyui中combobox、textbox显示隐藏

//combobox下拉框 $("#下拉框id.combo").hide();//textbox输入框 $("#输入框id.textbox").hide(); 参考网址: https://blog.csdn.net/Coldmood/article/details/128279727

PostgreSQL逻辑管理结构

1.数据库逻辑结构介绍 2.数据库基本操作 2.1 创建数据库 CREATE DATABASE name [ [ WITH ] [ OWNER [] user_name ] [ TEMPLATE [] template ] [ ENCODING [] encoding ] [ LC_COLLATE [] lc_collate ] [ LC_CTYPE [] lc_ctype ] [ TABLESPACE [] tablespace ] [ CONNECTION L…

Day17力扣打卡

打卡记录 参加会议的最多员工数&#xff08;拓扑排序 分类讨论&#xff09; 链接 计算内向基环树的最大基环&#xff0c;基环树基环为2的情况分类讨论。 class Solution { public:int maximumInvitations(vector<int> &favorite) {int n favorite.size();vector…

mac下的vscode配置编译环境

基础开发环境 创建Dockerfile文件&#xff0c;内容如下&#xff1a; FROM ubuntu:20.04RUN apt update & apt install make gcc cmake git ninja-build -y CMD [ "sleep", "infinity" ]创建docker-compose.yml文件&#xff0c;内容如下&#xff1a; …

4.多层感知机-3GPT版

#pic_center R 1 R_1 R1​ R 2 R^2 R2 目录 知识框架No.1 多层感知机一、感知机1、感知机2、训练感知机3、图形解释4、收敛定理5、XOR问题6、总结 二、多层感知机1、XOR2、单隐藏层3、单隐藏层-单分类4、为什么需要非线性激活函数5、Sigmoid函数6、Tanh函数7、ReLU函数8、多类分…

SDK是什么

SDK 是“Software Development Kit”&#xff08;软件开发工具包&#xff09;的缩写&#xff0c;它是一组用于开发特定软件应用、硬件平台、计算机系统或操作系统的开发工具的集合。SDK 通常包括一组开发工具、库、文档和示例代码&#xff0c;以帮助开发者更快地开发和部署应用…

SAML- 安全断言标记语言

一、概念 安全断言标记语言&#xff08;SAML&#xff09;是一种开放标准&#xff0c;用于在各方之间&#xff08;特别是身份提供商和服务提供商之间&#xff09;交换身份验证和授权数据。SAML 是一种基于XML的安全断言标记语言&#xff08;服务提供商用来做出访问控制决策的语句…

HTML标签、CSS介绍

标签的分类: 块级/行内 # 块级标签: 独占一行 h1~h6 p div """ 块儿级标签可以修改长宽. 行内标签不可以, 就算修改了也不会变化.块级标签内部可以嵌套任意的块级标签和行内标签. 特例: 是p标签虽然是块级标签 但是它只能嵌套行内标签 不能嵌套块级标签. 如…

linux安装apache并配置userid站点

目录 一、linux安装apache的方式 1、安装wget 2、下载CentOS 7的repo文件 3、更新镜像源 二、安装apache 1.通过命令直接安装apache(linux的软件包为httpd) 2.启动httpd服务 3.访问一下 三、apache配置文件 1.主配置文件 2.修改根目录 3.修改下端口 4.apache的工作…

华为OD面经Java

机试400分&#xff0c;部门流程与IT&#xff0c;base西安 分享面经攒人品 10.27 一面 深挖项目&#xff0c;面试官很友好&#xff0c;根据项目的每个技术点和场景来提问&#xff0c;比如项目中数据库数据量级有多大&#xff0c;什么时候会出现缓慢&#xff0c;如何解决的&…

BUUCTF 数据包中的线索 1

BUUCTF:https://buuoj.cn/challenges 题目描述&#xff1a; 公安机关近期截获到某网络犯罪团伙在线交流的数据包&#xff0c;但无法分析出具体的交流内容&#xff0c;聪明的你能帮公安机关找到线索吗&#xff1f; 密文&#xff1a; 下载附件&#xff0c;解压得到一个.pcapng文…

【兔子王赠书第5期】ChatGPT速学通:文案写作+PPT制作+数据分析+知识学习与变现

文章目录 前言ChatGPT推荐图书作者简介内容简介推荐理由 粉丝福利尾声 前言 程序员如果有一天代码写不动了&#xff0c;还能干什么&#xff1f; 一位 80 后女程序员“兰猫”给出了她的答案——转型 AI 写手。兰猫从事程序员工作十余年&#xff0c;在繁重的工作压力下&#xf…

大数据毕业设计选题推荐-系统运行情况监控系统-Hadoop-Spark-Hive

✨作者主页&#xff1a;IT毕设梦工厂✨ 个人简介&#xff1a;曾从事计算机专业培训教学&#xff0c;擅长Java、Python、微信小程序、Golang、安卓Android等项目实战。接项目定制开发、代码讲解、答辩教学、文档编写、降重等。 ☑文末获取源码☑ 精彩专栏推荐⬇⬇⬇ Java项目 Py…

目标检测YOLO实战应用案例100讲-基于多尺度特征融合与自适应网络的小目标检测

目录 前言 研究现状 深度学习研究现状 目标检测研究现状 研究现状存在的问题

NOIP2023模拟9联测30 总结

T1 一眼看去是水题&#xff0c;发现当 μ ( n ) \mu(n) μ(n) 不为零&#xff0c;就是 − 1 -1 −1&#xff0c;于是打了 miller_rabbin&#xff0c;又分解质因数&#xff08;其实可以不用 miller_rabbin&#xff09;。用时 20min。 T2 分析了性质&#xff0c;发现数字 6 6…