【线性代数与矩阵论】Jordan型矩阵

Jordan型矩阵

2023年11月3日
#algebra


文章目录

  • Jordan型矩阵
    • 1. 代数重数与几何重数
    • 2. Jordan块与Jordan标准型
        • 2.1 最小多项式与Jordan标准型
        • 2.2 两类重要矩阵
    • 3. 矩阵的Jordan分解
        • 3.1 Jordan分解的应用
    • 下链


1. 代数重数与几何重数

在对向量做线性变换时,向量空间的某个向量的方向不发生改变,而只是在其方向上进行拉伸,则该向量是线性变换的特征向量,其在变换中被拉伸的倍数为该特征向量的特征值(特征根)。
矩阵的相同特征值有其对应的代数重数与几何重数,相同特征值的代数重数就是相同特征值的个数,几何重数就是相同特征值所对应特征向量的个数。显然,特征向量的拉伸量可能相同,即代数重数大于等于几何重数,也就是多个相同特征值可能对应一个特征向量。也可以说,对同一个特征值,可能有多个特征向量,而该特征值的代数重数大于等于特征向量的个数。
如果每个相同的特征值都对应不同的特征向量,则代数重数等于几何重数。
对于 n × n n\times n n×n 矩阵 A A A,有 l l l 个特征根, l < n l\lt n l<n 且第 i i i 个特征根 λ i \lambda_i λi 的代数重数为 σ i \sigma_i σi 、几何重数为 α i \alpha_i αi
det ⁡ ( λ I n − A ) = ( λ − λ 1 ) σ 1 ( λ − λ 2 ) σ 2 ⋯ ( λ − λ l ) σ l \det (\lambda I_n-A)=(\lambda-\lambda_1)^{\sigma_1}(\lambda-\lambda_2)^{\sigma_2}\cdots(\lambda-\lambda_l)^{\sigma_l} det(λInA)=(λλ1)σ1(λλ2)σ2(λλl)σl
i i i个特征根的几何重数计算如下:
α i = n − rank ( λ i I n − A ) \alpha_i=n-\text{rank}(\lambda_iI_n-A) αi=nrank(λiInA)
几何重数(零化度)对应着有几个线性无关的特征向量拥有当前的特征值。
在Jordan标准型中,几何重数对应着当前特征值拥有几个Jordan快。
若代数重数等于几何重数,该特征值为 半单的
若代数重数大于几何重数,该特征值为 亏损的
显然,代数重数为 1 {1} 1 的特征值一定时半单的;不同特征值对应的特征向量是线性无关的。每个特征值都是半单的矩阵(有完备的特征向量系)等价于可对角化。
存在亏损的特征值的矩阵称为亏损矩阵,等价于不可对角化。


2. Jordan块与Jordan标准型

举例,对代数重数为 σ i = 5 \sigma_i=5 σi=5 、几何重数为 α i = 2 \alpha_i=2 αi=2 的特征根 λ i \lambda_i λi,有两个Jordan快,设存在一个三阶和一个两阶的Jordan块:
J i = [ λ i 1 0 0 0 0 λ i 1 0 0 0 0 λ i 0 0 0 0 0 λ i 1 0 0 0 0 λ i ] = diag ( J 3 ( λ i ) , J 2 ( λ i ) ) J_{i}= \begin{bmatrix} \lambda_i&1&0&0&0\\ 0&\lambda_i&1&0&0\\ 0&0&\lambda_i&0&0\\ 0&0&0&\lambda_i&1\\ 0&0&0&0&\lambda_i \end{bmatrix}=\text{diag}(J_3(\lambda_i),J_2(\lambda_i)) Ji= λi00001λi00001λi00000λi00001λi =diag(J3(λi),J2(λi))
Jordan块的顺序可以交换。知道特征值的代数重数和几何重数,还需要知道特征值对应的每阶Jordan块的个数,才能写出Jordan标准型。
可以通过幂零矩阵确定 λ i \lambda_i λi 对应的两个Jordan快各有几阶,如其中 j j j 阶Jordan块的个数为:
r j + 1 + r j − 1 − 2 r j r_{j+1}+r_{j-1}-2r_j rj+1+rj12rj
r j = rank ( λ i I − A ) j r_j=\text{rank}(\lambda_iI-A)^j rj=rank(λiIA)j
r 0 = rank ( λ i I − A ) 0 = n r_0=\text{rank}(\lambda_iI-A)^0=n r0=rank(λiIA)0=n
矩阵的Jordan标准型
J = diag ( J n 1 , J n 2 , ⋯ , J n k ) , n 1 + n 2 + ⋯ + n k = n J=\text{diag}(J_{n_1},J_{n_2},\cdots,J_{n_k}),~n_1+n_2+\cdots+n_k=n J=diag(Jn1,Jn2,,Jnk), n1+n2++nk=n
Jordan块的上次对角元值都为 1 {1} 1
J n i = [ λ i 1 λ i 1 ⋱ ⋱ λ i 1 λ i ] J_{n_i}= \begin{bmatrix} \lambda_i&1&&&\\ &\lambda_i&1&&\\ &&\ddots&\ddots&\\ &&&\lambda_i&1\\&&&&\lambda_i \end{bmatrix} Jni= λi1λi1λi1λi
在这种定义下,不同Jordan块可能对应相同特征值。求Jordan标准型步骤如下:

  1. 算特征值
  2. 算代数重数、几何重数
  3. 算特征值对应阶数Jordan块的个数

[!example]-
求矩阵 A A A 的Jordan标准型
A = [ 2 0 − 1 0 − 1 1 0 − 1 0 0 2 0 1 1 1 3 ] A= \begin{bmatrix} 2 & 0 & -1 & 0 \\ -1 & 1 & 0 & -1 \\ 0 & 0 & 2 & 0\\ 1 & 1 & 1 & 3 \end{bmatrix} A= 2101010110210103
解:
det ⁡ ( λ I − A ) = ( λ − 2 ) 4 \det ( \lambda I-A)=( \lambda-2)^4 det(λIA)=(λ2)4
λ 1 = λ 2 = λ 3 = λ 4 = 2 , 4 − rank ( λ 1 I − A ) = 2 \lambda_1= \lambda_2 = \lambda_3= \lambda_4=2 \,\,,\,\, 4- \text{rank} ( \lambda_1I-A)=2 λ1=λ2=λ3=λ4=2,4rank(λ1IA)=2
2 2 2 特征值的代数重数是 4 {4} 4 ,几何重数是 2 {2} 2 ,有两个Jordan块,可能是一个三阶和一个一阶的,也可能是两个二阶的。
r 0 = 4 r 1 = rank ( λ 1 I − A ) = 2 r 2 = rank ( λ 1 I − A ) 2 = 0 r 3 = rank ( λ 1 I − A ) 3 = 0 \begin{align*} r_0=&4 \\ \\ r_1=& \text{rank}( \lambda_1I-A)=2 \\ \\ r_2=& \text{rank} ( \lambda_1I-A)^2=0 \\ \\ r_3=& \text{rank} ( \lambda_1I-A)^3=0 \\ \\ \end{align*} r0=r1=r2=r3=4rank(λ1IA)=2rank(λ1IA)2=0rank(λ1IA)3=0
2 2 2 特征值对应的一阶Jordan块个数
r 2 + r 0 − 2 r 1 = 0 r_2+r_0-2r_1=0 r2+r02r1=0
2 2 2 特征值对应的二阶Jordan块个数
r 3 + r 1 − 2 r 2 = 2 r_3+r_1-2r_2=2 r3+r12r2=2
所以有两个二阶Jordan块,Jordan标准型为
J = [ 2 1 0 0 0 2 0 0 0 0 2 1 0 0 0 2 ] J= \begin{bmatrix} 2 & 1 & 0 & 0 \\ 0 & 2 & 0 & 0 \\ 0 & 0 & 2 & 1\\ 0 & 0 & 0 & 2 \end{bmatrix} J= 2000120000200012

Jordan块减去特征值单位阵拥有幂零的特性:
( J n i − λ i I n i ) n i = 0 (J_{n_i}- \lambda_iI_{n_i})^{n_i}=0 (JniλiIni)ni=0

2.1 最小多项式与Jordan标准型

由于一个特征值可能对应多个Jordan块,我们选择一个特征值的最大Jordan块的阶数,做为最小多项式中该特征值对应因子的幂次,得到最小多项式。例如
A = [ λ 1 1 0 0 0 0 λ 1 1 0 0 0 0 λ 1 0 0 0 0 0 λ 1 0 0 0 0 0 λ 2 ] A= \begin{bmatrix} \lambda_1 & 1 & 0 & 0&0 \\ 0 & \lambda_1 & 1 & 0&0 \\ 0 &0 & \lambda_1 & 0&0\\ 0 & 0& 0 & \lambda_1&0\\0 & 0& 0& 0& \lambda2 \end{bmatrix} A= λ100001λ100001λ100000λ100000λ2
特征多项式为
Δ ( λ ) = det ⁡ ( λ I − A ) = ( λ − λ 1 ) 4 ( λ − λ 2 ) \Delta( \lambda)=\det( \lambda I-A)=( \lambda- \lambda_1)^4( \lambda- \lambda_2) Δ(λ)=det(λIA)=(λλ1)4(λλ2)
最小多项式为
ψ ( λ ) = ( λ − λ 1 ) 3 ( λ − λ 2 ) \psi( \lambda)=( \lambda- \lambda_1)^3( \lambda- \lambda_2) ψ(λ)=(λλ1)3(λλ2)
所有相似矩阵都有相同的最小多项式。

2.2 两类重要矩阵

一类是每个特征值代数重数与几何重数相等的矩阵,又称非退化矩阵或简单矩阵、可对角化矩阵,其Jordan标准型是对角阵。
另一类是每个特征值的几何重数都为 1 {1} 1 的矩阵,也就是一个特征值对应一个Jordan块,各Jordan块对应的特征值互异,又称循环矩阵。
显然,循环矩阵的特征多项式与最小多项式相同。


3. 矩阵的Jordan分解

n {n} n方阵 A A A,存在 n {n} n 阶可逆矩阵 T T T,使得
A = T J T − 1 A=TJT^{-1} A=TJT1
为矩阵Jordan分解, J J J 为矩阵的Jordan标准型,若不计Jordan块的次序,则Jordan标准型唯一。
对变换矩阵,可以写为矩阵的集合 T = ( T 1 , T 2 , ⋯ , T k ) T=(T_1,T_2,\cdots,T_k) T=(T1,T2,,Tk) T i T_i Ti n × n i n\times n_i n×ni 阶矩阵。
A ( T 1 , T 2 , ⋯ , T k ) = ( T 1 , T 2 , ⋯ , T k ) [ J n 1 ⋱ J n k ] A(T_1,T_2,\cdots,T_k)=(T_1,T_2,\cdots,T_k) \begin{bmatrix}J_{n_1}&&\\&\ddots\\&&J_{n_k}\end{bmatrix} A(T1,T2,,Tk)=(T1,T2,,Tk) Jn1Jnk
A T i = T i J n i = ( t 1 i , t 2 i , ⋯ , t n i i ) [ λ i 1 λ i 1 ⋱ ⋱ λ i 1 λ i ] AT_i=T_iJ_{n_i}=(t_1^i,t_2^i,\cdots,t_{n_i}^i) \begin{bmatrix} \lambda_i&1&&&\\ &\lambda_i&1&&\\ &&\ddots&\ddots&\\ &&&\lambda_i&1\\&&&&\lambda_i \end{bmatrix} ATi=TiJni=(t1i,t2i,,tnii) λi1λi1λi1λi
所以
{ A t 1 i = λ i t 1 i A t 2 i = λ i t 2 i + t 1 i ⋮ A t n i i = λ i t n i i + t n i − 1 i \begin{cases} At_1^i=\lambda_it_1^i \\ At_2^i=\lambda_it_2^i+t_1^i\\ \vdots\\ At_{n_i}^i=\lambda_it_{n_i}^i+t_{n_i-1}^i \end{cases} At1i=λit1iAt2i=λit2i+t1iAtnii=λitnii+tni1i
( A − λ i I n ) t 1 i = 0 (A-\lambda_iI_n)t_1^i=0 (AλiIn)t1i=0
( A − λ i I n ) t j i = t j − 1 i , j = 2 , 3 ⋯ , n i (A-\lambda_iI_n)t_j^i=t_{j-1}^i,~j=2,3\cdots,n_i (AλiIn)tji=tj1i, j=2,3,ni
t 1 i , t 2 i , ⋯ , t n i i t_1^i,t_2^i,\cdots,t_{n_i}^i t1i,t2i,,tnii 构成一条关于 λ i \lambda_i λi的长度为 n i n_i ni的Jordan链。 t 1 i t_1^i t1i链首,是 A A A 关于 λ i \lambda_i λi 的一个特征向量。
链首满足是特征向量,且方程组可解的要求。所以把 λ i \lambda_i λi 对应的所有线性无关的特征向量算出来,做线性组合,作为链首。变换矩阵 T T T 的求解步骤如下

  1. 求Jordan标准型
  2. 算每个Jordan块对应的Jordan链
    若Jordan块阶数为1,直接计算特征向量
    若阶数大于1,先计算特征向量,利用特征向量的线性组合得到链首(同一特征值特征向量非零线性组合仍是特征向量)

[!example]-
A A A 的Jordan标准型
A = [ 3 0 8 3 − 1 6 − 2 0 − 5 ] , J = [ − 1 0 0 0 − 1 1 0 0 − 1 ] A= \begin{bmatrix} 3 & 0 & 8 \\ 3 & -1 & 6 \\ -2 & 0 & -5 \end{bmatrix} \,\,,\,\, J= \begin{bmatrix} -1 & 0 & 0 \\ 0 & -1 & 1 \\ 0 & 0 & -1 \end{bmatrix} A= 332010865 ,J= 100010011
求出 λ 1 \lambda_1 λ1 对应的线性无关的特征向量
x 1 = ( 2 , 0 , − 1 ) T , x 2 = ( 0 , 1 , 0 ) T x_1=(2,0,-1)^ \mathrm T \,\,,\,\, x_2=(0,1,0)^ \mathrm T x1=(2,0,1)T,x2=(0,1,0)T
对应的变换矩阵为 x 1 x_1 x1 x 2 x_2 x2 的线性组合,我们选取 x 1 x_1 x1。对于阶数为 2 {2} 2 的Jordan块,构造 y = k 1 x 1 + k 2 x 2 y=k_1x_1+k_2x_2 y=k1x1+k2x2 使得 ( A − λ 1 I ) Z = y (A- \lambda_1I)Z=y (Aλ1I)Z=y 可解,即
rank ( A − λ 1 I ) = rank ( A − λ 1 I ∣ y ) \text{rank}(A- \lambda_1I)= \text{rank}(A- \lambda_1I\,|\,y) rank(Aλ1I)=rank(Aλ1Iy)
( A − λ 1 I ∣ y ) = [ 4 0 8 2 k 1 3 0 6 k 2 − 2 0 − 4 − k 1 ] → [ 4 0 8 2 k 1 0 0 0 k 2 − 3 k 1 / 2 0 0 0 0 ] (A- \lambda_1I\,|\,y) = \begin{bmatrix} 4 & 0 & 8 & 2k_1 \\ 3 & 0 & 6& k_2 \\ -2 & 0 & -4 &-k_1 \end{bmatrix} \to \begin{bmatrix} 4 & 0 & 8 & 2k_1 \\ 0 & 0 & 0& k_2-3k_1/2 \\ 0 & 0 &0 &0 \end{bmatrix} (Aλ1Iy)= 4320008642k1k2k1 4000008002k1k23k1/20
需要 2 k 2 − 3 k 1 = 0 2k_2-3k_1=0 2k23k1=0 ,取 k 1 = 2 , k 2 = 3 , y = ( 4 , 3 , − 2 ) T k_1=2 \,\,,\,\, k_2=3 \,\,,\,\, y=(4,3,-2)^ \mathrm T k1=2,k2=3,y=(4,3,2)T, 解出 z = ( 1 , 0 , 0 ) T z=(1,0,0)^ \mathrm T z=(1,0,0)T,鼓变换矩阵为
T = [ 2 4 1 0 3 0 − 1 − 2 0 ] T= \begin{bmatrix} 2 & 4 & 1 \\ 0 & 3 & 0 \\ -1 & -2 & 0 \end{bmatrix} T= 201432100

3.1 Jordan分解的应用

Jordan分解用于计算初等函数在某个矩阵处的值,最简单的情形是计算多项式函数(高次多项式),当然也可以用Cayley-Hamilton定理。

[!example]-
设矩阵
A = [ − 1 0 1 1 2 0 − 4 0 3 ] A= \begin{bmatrix} -1 & 0 & 1 \\ 1 & 2 & 0 \\ -4 & 0 & 3 \end{bmatrix} A= 114020103
A 2018 A^{2018} A2018
解:
T − 1 A T = J = [ 1 1 0 0 1 0 0 0 2 ] → A 2018 = T J 2018 T − 1 \begin{align*} T^{-1}AT=J= \begin{bmatrix} 1 & 1 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 2 \end{bmatrix} \end{align*}\to A^{2018}=TJ^{2018}T^{-1} T1AT=J= 100110002 A2018=TJ2018T1
A 2018 = [ 1 0 0 − 1 − 1 1 2 1 0 ] [ 1 2018 0 0 1 0 0 0 2 2018 ] [ 1 0 0 − 2 0 1 − 1 1 1 ] = [ − 4035 0 2018 4037 − 2 2018 2 2018 2 2018 − 2019 − 8072 0 4037 ] \begin{align*} A^{2018}=& \begin{bmatrix} 1 & 0 & 0 \\ -1 & -1 & 1 \\ 2 & 1 & 0 \end{bmatrix} \begin{bmatrix} 1 & 2018 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 2^{2018} \end{bmatrix} \begin{bmatrix} 1 & 0 & 0 \\ -2 & 0 & 1 \\ -1 & 1 & 1 \end{bmatrix} \\ \\=& \begin{bmatrix} -4035 & 0 & 2018 \\ 4037-2^{2018} & 2^{2018} & 2^{2018}-2019 \\ -8072 & 0 & 4037 \end{bmatrix} \end{align*} A2018== 112011010 1002018100022018 121001011 40354037220188072022018020182201820194037

Jordan分解还可以用于求解一阶线性常系数微分方程组。

[! example]-
求解
{ d d t x 1 = 3 x 1 + x 2 − 3 d d t x 2 = − 2 x 2 + 2 x 3 d d t x 3 = − x 1 + x 2 + 3 x 3 \begin{cases} \frac{\mathrm d }{\mathrm dt}x_1=3x_1+x_2-3 \\ \frac{\mathrm d }{\mathrm dt}x_2=-2x_2+2x_3\\ \frac{\mathrm d }{\mathrm dt}x_3=-x_1+x_2+3x_3 \end{cases} dtdx1=3x1+x23dtdx2=2x2+2x3dtdx3=x1+x2+3x3
解:令 x = ( x 1 , x 2 , x 3 ) T x=(x_1,x_2,x_3)^ \mathrm T x=(x1,x2,x3)T ,则原方程组化为
d x d t = A x \frac{\mathrm d x}{\mathrm dt}=Ax dtdx=Ax
x = T y x=Ty x=Ty,则
d y d t = T − 1 d x d t = T − 1 A x = T − 1 A T y = J y \frac{\mathrm d y}{\mathrm dt}= T^{-1}\frac{\mathrm d x}{\mathrm dt}=T^{-1}Ax=T^{-1}ATy=Jy dtdy=T1dtdx=T1Ax=T1ATy=Jy
A = [ 3 1 − 1 − 2 0 2 − 1 − 1 3 ] , J = [ 2 0 0 0 2 1 0 0 2 ] A= \begin{bmatrix} 3 & 1 & -1 \\ -2 & 0 & 2 \\ -1 & -1 & 3 \end{bmatrix} \,\,,\,\, J= \begin{bmatrix} 2 & 0 & 0 \\ 0 & 2 & 1 \\ 0 & 0 & 2 \end{bmatrix} A= 321101123 ,J= 200020012
∴ J y = [ 2 y 1 2 y 2 + y 3 2 y 3 ] → y 1 ′ = 2 y 1 , y 2 ′ = 2 y 2 + y 3 , y 3 ′ = 2 y 3 \therefore Jy= \begin{bmatrix} 2y_1\\ 2y_2+y_3\\ 2y_3 \end{bmatrix}\to y_1'=2y_1 \,\,,\,\, y_2'=2y_2+y_3 \,\,,\,\, y_3'=2y_3 Jy= 2y12y2+y32y3 y1=2y1,y2=2y2+y3,y3=2y3
y y y 第一第三个分量的一般解为
y 1 ( t ) = c 1 e 2 t , y 3 ( t ) = c 3 e 2 t y_1(t)=c_1e^{2t} \,\,,\,\, y_3(t)=c_3e^{2t} y1(t)=c1e2t,y3(t)=c3e2t
代入第二个分量求解得
y 2 ( t ) = ( c 2 + c 3 t ) e 2 t y_2(t)=(c_2+c_3t)e^{2t} y2(t)=(c2+c3t)e2t
x = T y = [ − e 2 t ( c 1 + c 2 + c 3 + c 3 t ) e 2 t ( c 1 + 2 c 2 + 2 c 3 t ) e 2 t ( c 2 + c 3 t ) ] , ∀ c 1 , c 2 , c 3 ∈ C x=Ty= \begin{bmatrix} -e^{2t}(c_1+c_2+c_3+c_3t)\\ e^{2t}(c_1+2c_2+2c_3t)\\ e^{2t}(c_2+c_3t) \end{bmatrix} \,\,,\,\, \forall c_1,c_2,c_3\in \mathbb C x=Ty= e2t(c1+c2+c3+c3t)e2t(c1+2c2+2c3t)e2t(c2+c3t) ,c1,c2,c3C


下链

Jordan块、Jordan标准型及矩阵的Jordan分解
矩阵论 武汉理工大学 (亲测最好的矩阵论视频)


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/212196.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

读书笔记-《数据结构与算法》-摘要4[插入排序]

插入排序 核心&#xff1a;通过构建有序序列&#xff0c;对于未排序序列&#xff0c;在已排序序列中从后向前扫描(对于单向链表则只能从前往后遍历)&#xff0c;找到相应位置并插入。实现上通常使用in-place排序(需用到O(1)的额外空间) 从第一个元素开始&#xff0c;该元素可…

如何主持一场知识竞赛抢答赛

知识竞赛主持说难不难&#xff0c;说简单也不简单&#xff0c;我就从易到难介绍一下。 入门级&#xff0c;题主不用练习太多其他花哨的技巧&#xff0c;只要注意一点&#xff0c;熟悉比赛流程。知识竞赛需要给所有选手一个公平流畅的答题环境&#xff0c;所以题主自身必须非常…

干货!接口中的大事务,该如何进行优化?

作为后端开发的程序员&#xff0c;我们常常会的一些相对比较复杂的逻辑&#xff0c;比如我们需要给前端写一个调用的接口&#xff0c;这个接口需要进行相对比较复杂的业务逻辑操作&#xff0c;比如会进行&#xff0c;查询、远程接口或本地接口调用、更新、插入、计算等一些逻辑…

掌握iText:轻松处理PDF文档-进阶篇

简体中文写入 iText本身对简体中文的支持有限&#xff0c;但可以通过引入额外的字体包来增强其对简体中文的支持。例如&#xff0c;可以使用iTextAsian.jar这个亚洲字体包&#xff0c;它包含了几种简单的亚洲字体&#xff0c;其中包括简体中文字体。只需要将iTextAsian.jar放到…

springboot 启动之后报错:Unsatisfied dependency through field ‘bbbClient’

springboot 启动之后报错&#xff1a;UnsatisfiedDepencyException:Error creating bean with name ‘aaaServiceImpl’: Unsatisfied dependency through field ‘bbbClient’。 这两天一直在进行着日常 debugger 查看代码。可是发生了一个挺“灵异”的事件。那就是我看的项目…

46. 全排列

46. 全排列 原题链接&#xff1a;完成情况&#xff1a;解题思路&#xff1a;参考代码&#xff1a;_46全排列_构建数组回溯_46全排列_直接构建 错误经验吸取 原题链接&#xff1a; 46. 全排列 https://leetcode.cn/problems/permutations/description/ 完成情况&#xff1a;…

codeforces D.In Love

思路 用两个 m u l t i s e t multiset multiset 分别存 l , r l,r l,r 。你也可以写平衡树在 l l l 的 m u l t i s e t multiset multiset 里去查询是否存在比最小的 r r r 大的 l l l 。 Think Twice, Code Once #include<bits/stdc.h> #define il inline #d…

小模型学习(1)-人脸识别

【写作背景】因为最近一直在研究大模型&#xff0c;在与客户进行交流时&#xff0c;如果要将大模型的变革性能力讲清楚&#xff0c;就一定要能将AI小模型的一些原理和效果讲清楚&#xff0c;进而形成对比。当然这不是一件简单的事情&#xff0c;一方面大模型分析问题的的本质原…

Mybatis分页插件PageHelper

PageHelper是什么&#xff1f; 是MyBatis提供的分页插件&#xff0c;可以支持MySQL、Oracle等六种数据库。 集成方式如下&#xff1a; 1 引入依赖 <!-- https://mvnrepository.com/artifact/com.github.pagehelper/pagehelper --> <dependency><groupId>co…

反射加载SDK完成统一调用

文章目录 1、需求背景2、接口抽象类具体实现类3、疑问4、存在的问题5、通过反射加载SDK并完成调用5、补充&#xff1a;关于业务网关7、补充&#xff1a;关于SDK的开发 关键点&#xff1a; 接口抽象类&#xff08;半抽象半实现&#xff09;具体实现类业务网关反射加载SDK&#…

JAVA如何调用python

以下代码想通过测试&#xff0c;必须有一个前提&#xff1a;电脑上安装了Python环境。不太习惯说废话&#xff0c;直接上代码了。 以下是用于测试的python代码&#xff08;mytest.py&#xff09;&#xff1a; # 因为用户到了参数处理&#xff0c;所以需要引用 import argpars…

Java学习手册——第五篇数据类型

数据类型&#xff1a;是数据化的基石&#xff0c;如果没有数据类型怎么表示呢&#xff1f;比如年龄可以用整数&#xff1a;18岁。如果有更好的表示方式大家可以留言哟~ 在举个例子就是姓名&#xff0c;我们需要用字符串的形式来表示。这就是数据类型的魅力&#xff0c;而又有同…

TS基础语法

前言&#xff1a; 因为在写前端的时候&#xff0c;发现很多UI组件的语法都已经开始使用TS语法&#xff0c;不学习TS根本看不到懂&#xff0c;所以简单的学一下TS语法。为了看UI组件的简单代码&#xff0c;不至于一脸懵。 一、安装node 对于windows来讲&#xff0c;node版本高…

电脑出现这些现象,说明你的固态硬盘要坏了

与传统机械硬盘&#xff08;HDD&#xff09;相比&#xff0c;固态硬盘&#xff08;SSD&#xff09;速度更快、更稳定、功耗更低。但固态硬盘并不是完美无瑕的&#xff0c;由于颗粒写入机制&#xff0c;可能会在七到十年的预期寿命之前出现故障。所以用户最好为最终故障做好准备…

网页设计中增强现实的兴起

目录 了解增强现实 增强现实的历史背景 AR 和网页设计的交叉点 AR 在网页设计中的优势 增强参与度和互动性 个性化的用户体验 竞争优势和品牌差异化 AR 在网页设计中的用例 结论 近年来&#xff0c;增强现实已成为一股变革力量&#xff0c;重塑了我们与数字领域互动的方式。它被…

【FMCW毫米波雷达设计 】 — FMCW波形

原书&#xff1a;FMCW Radar Design 1 引言 本章研究驱动FMCW雷达的主要波形:线性调频(LFM)波形。我们研究信号的行为及其性质。随后&#xff0c;本章讨论了匹配滤波理论&#xff0c;并研究了压缩这种波形的技术&#xff0c;特别是所谓的拉伸处理&#xff0c;它赋予FMCW雷达极…

DOS 批处理 (二)

DOS 批处理 1. 基础 DOS 命令1.1 基础命令1.2 文件系统操作1.3 文件夹管理1.4 文件管理1.5 网络相关1.6 系统管理1.7 IF、FOR和NETIFFORNET 1. 基础 DOS 命令 command /? 查找帮助DOS命令不区分命令字母的大小写 C:\Users\Administrator>echo 1 1 C:\Users\Administrator…

基于SSM框架的仓库管理系统

基于SSM框架的仓库管理系统 文章目录 基于SSM框架的仓库管理系统 一.引言二.系统设计三.技术架构四.功能实现五.界面展示六.源码获取 一.引言 现代商业环境中&#xff0c;仓库管理对于企业的运营效率和客户满意度至关重要。传统的手工管理方式已经无法满足日益复杂的仓储需求。…

【Spring】SpringBoot日志

SpringBoot日志 日志概述日志使用打印日志获取日志对象使用日志对象打印日志日志框架介绍门面模式SLF4J框架介绍(simple logging facade for java) 日志格式说明日志级别日志级别的分类日志级别的使用 日志配置配置日志级别日志持久化配置日志文件的路径和文件名配置日志文件的…

【刷题篇】动态规划(六)

文章目录 1、最大子数组和2、环形子数组的最大和3、乘积最大子数组4、乘积为正数的最长子数组长度5、 等差数列划分6、最长湍流子数组 1、最大子数组和 给你一个整数数组 nums &#xff0c;请你找出一个具有最大和的连续子数组&#xff08;子数组最少包含一个元素&#xff09;&…