帮人代做静态网站多少钱/太原网站制作推广

帮人代做静态网站多少钱,太原网站制作推广,桦南县建设局网站,页面跳转是什么意思綫性空間的維數: 若綫性空間中存在一組綫性無關的矢量,使得中的任意矢量 都可以由綫性表示,則稱為綫性空間的維數,記作,稱為的一組基。 基與座標變換: 設和是維綫性空間的兩組基,且,…
  1. 綫性空間的維數
    • 若綫性空間V中存在一組綫性無關的矢量\alpha_1, \alpha_2, \cdots, \alpha_n,使得V中的任意矢量\alpha 都可以由\alpha_1, \alpha_2, \cdots, \alpha_n綫性表示,則稱n為綫性空間V的維數,記作\dim(V)=n\alpha_1, \alpha_2, \cdots, \alpha_n稱為V的一組基。
  2. 基與座標變換
    • \alpha_1, \alpha_2, \cdots, \alpha_n\beta_1, \beta_2, \cdots, \beta_nn維綫性空間V的兩組基,且(\beta_1, \beta_2, \cdots, \beta_n)=(\alpha_1, \alpha_2, \cdots, \alpha_n)P,其中P是可逆矩陣,稱P為由基\alpha_1, \alpha_2, \cdots, \alpha_n 到基\beta_1, \beta_2, \cdots, \beta_n 的過渡矩陣。
    • 若矢量\alpha在基\alpha_1, \alpha_2, \cdots, \alpha_n下的座標為(x_1, x_2, \cdots, x_n)^T,在基\beta_1, \beta_2, \cdots, \beta_n下的座標為(y_1, y_2, \cdots, y_n)^T,則有座標變換公式\begin{pmatrix}x_1\\x_2\\\vdots\\x_n\end{pmatrix}=P\begin{pmatrix}y_1\\y_2\\\vdots\\y_n\end{pmatrix}
  3. 綫性變換的定義
    • V是數域P上的綫性空間,\sigmaVV的映射,若對於任意的\alpha, \beta \in V 和任意的k \in P,都有\sigma(\alpha + \beta)=\sigma(\alpha) + \sigma(\beta)且 \sigma(k\alpha)=k\sigma(\alpha),則稱\sigmaV上的綫性變換。

例題解析

1.求實數域\mathbb{R}上的 3 維矢量空間\mathbb{R}^3中,基\alpha_1=(1, 0, 0)\alpha_2=(0, 1, 0)\alpha_3=(0, 0, 1)到基 \beta_1=(1, 1, 0)\beta_2=(0, 1, 1)\beta_3=(1, 0, 1) 的過渡矩陣P

解:由(\beta_1, \beta_2, \beta_3)=(\alpha_1, \alpha_2, \alpha_3)P,可得P = \begin{pmatrix}1&0&1\\1&1&0\\0&1&1\end{pmatrix}

2.已知在 3 維綫性空間V中,矢量\alpha 在基\alpha_1, \alpha_2, \alpha_3下的座標為(1, 2, 3),基\alpha_1, \alpha_2, \alpha_3到基 \beta_1, \beta_2, \beta_3的過渡矩陣P = \begin{pmatrix}1&1&0\\0&1&1\\1&0&1\end{pmatrix},求\alpha在基\beta_1, \beta_2, \beta_3下的座標。

解:根據座標變換公式\begin{pmatrix}x_1\\x_2\\\vdots\\x_n\end{pmatrix}=P\begin{pmatrix}y_1\\y_2\\\vdots\\y_n\end{pmatrix},這裡\begin{pmatrix}x_1\\x_2\\x_3\end{pmatrix}=\begin{pmatrix}1\\2\\3\end{pmatrix},要求\begin{pmatrix}y_1\\y_2\\y_3\end{pmatrix},則\begin{pmatrix}y_1\\y_2\\y_3\end{pmatrix}=P^{-1}\begin{pmatrix}1\\2\\3\end{pmatrix}

先求P的逆矩陣,\vert P\vert = 1\times(1 - 0) - 1\times(0 - 1) + 0 = 2P 的伴隨矩陣P^{*}=\begin{pmatrix}1&-1&1\\1&1&-1\\-1&1&1\end{pmatrix},所以P^{-1}=\frac{1}{2}\begin{pmatrix}1&-1&1\\1&1&-1\\-1&1&1\end{pmatrix}

\begin{pmatrix}y_1\\y_2\\y_3\end{pmatrix}=\frac{1}{2}\begin{pmatrix}1&-1&1\\1&1&-1\\-1&1&1\end{pmatrix}\begin{pmatrix}1\\2\\3\end{pmatrix}=\frac{1}{2}\begin{pmatrix}1 - 2 + 3\\1 + 2 - 3\\-1 + 2 + 3\end{pmatrix}=\begin{pmatrix}1\\0\\2\end{pmatrix},即\alpha 在基\beta_1, \beta_2, \beta_3下的座標為(1, 0, 2)

3.判斷在實數域\mathbb{R}上的 2 維矢量空間\mathbb{R}^2 中,映射\sigma(x, y)=(x + y, x - y)是否為綫性變換。

解:設\alpha=(x_1, y_1)\beta=(x_2, y_2),則\alpha + \beta=(x_1 + x_2, y_1 + y_2)

\sigma(\alpha + \beta)=(x_1 + x_2 + y_1 + y_2, x_1 + x_2 - y_1 - y_2)\sigma(\alpha)=(x_1 + y_1, x_1 - y_1)\sigma(\beta)=(x_2 + y_2, x_2 - y_2)\sigma(\alpha) + \sigma(\beta)=(x_1 + y_1 + x_2 + y_2, x_1 - y_1 + x_2 - y_2)=(x_1 + x_2 + y_1 + y_2, x_1 + x_2 - y_1 - y_2)

所以 \sigma(\alpha + \beta)=\sigma(\alpha) + \sigma(\beta)

k \in \mathbb{R}\sigma(k\alpha)=\sigma(kx_1, ky_1)=(kx_1 + ky_1, kx_1 - ky_1)=k(x_1 + y_1, x_1 - y_1)=k\sigma(\alpha)

所以映射 \sigma(x, y)=(x + y, x - y) 是\mathbb{R}^2上的綫性變換。

4.已知\alpha_1=(1, 1, 0)\alpha_2=(1, 0, 1)\alpha_3=(0, 1, 1)是3維綫性空間V的一組基,求\dim(V)

解:因為有三個綫性無關的矢量\alpha_1, \alpha_2, \alpha_3構成了這組基,所以\dim(V)=3

5.判斷在實數域 \(\mathbb{R}\) 上的多項式空間 \(P_3(\mathbb{R})\)(次數不超過 3 的多項式構成的空間)中,映射 \(\tau(f(x)) = f^\prime(x)\)(求導運算)是否為綫性變換。

解:設f(x)=a_3x^3 + a_2x^2 + a_1x + a_0g(x)=b_3x^3 + b_2x^2 + b_1x + b_0,則f(x) + g(x)=(a_3 + b_3)x^3 + (a_2 + b_2)x^2 + (a_1 + b_1)x + (a_0 + b_0)

\tau(f(x) + g(x))=(f(x) + g(x))^\prime=(a_3 + b_3)\times3x^2 + (a_2 + b_2)\times2x + (a_1 + b_1)\tau(f(x))=f^\prime(x)=a_3\times3x^2 + a_2\times2x + a_1\tau(g(x))=g^\prime(x)=b_3\times3x^2 + b_2\times2x + b_1\tau(f(x)) + \tau(g(x))=(a_3\times3x^2 + a_2\times2x + a_1)+(b_3\times3x^2 + b_2\times2x + b_1)=(a_3 + b_3)\times3x^2 + (a_2 + b_2)\times2x + (a_1 + b_1)

所以\tau(f(x) + g(x))=\tau(f(x)) + \tau(g(x))。設k \in \mathbb{R}\tau(kf(x))=(kf(x))^\prime=kf^\prime(x)=k\tau(f(x))

所以映射\tau(f(x)) = f^\prime(x) 是P_3(\mathbb{R})上的綫性變換。

6.在 4 維綫性空間V中,已知基\alpha_1, \alpha_2, \alpha_3, \alpha_4到基\beta_1, \beta_2, \beta_3, \beta_4的過渡矩陣P = \begin{pmatrix}1&0&0&1\\0&1&1&0\\0&0&1&1\\1&0&0&1\end{pmatrix},矢量\alpha在基\beta_1, \beta_2, \beta_3, \beta_4下的座標為(1, 2, 3, 4),求\alpha在基\alpha_1, \alpha_2, \alpha_3, \alpha_4下的座標。

解:根據座標變換公式 \begin{pmatrix}x_1\\x_2\\x_3\\x_4\end{pmatrix}=P\begin{pmatrix}y_1\\y_2\\y_3\\y_4\end{pmatrix},這裡\begin{pmatrix}y_1\\y_2\\y_3\\y_4\end{pmatrix}=\begin{pmatrix}1\\2\\3\\4\end{pmatrix},所以\begin{pmatrix}x_1\\x_2\\x_3\\x_4\end{pmatrix}=\begin{pmatrix}1&0&0&1\\0&1&1&0\\0&0&1&1\\1&0&0&1\end{pmatrix}\begin{pmatrix}1\\2\\3\\4\end{pmatrix}=\begin{pmatrix}1 + 4\\2 + 3\\3 + 4\\1 + 4\end{pmatrix}=\begin{pmatrix}5\\5\\7\\5\end{pmatrix},即\alpha在基\alpha_1, \alpha_2, \alpha_3, \alpha_4下的座標為(5, 5, 7, 5)

7.已知\alpha_1=(1, 0, 0, 0)\alpha_2=(0, 1, 0, 0)\alpha_3=(0, 0, 1, 0)\alpha_4=(0, 0, 0, 1)是 4 維綫性空間V的一組基,求由基\alpha_1, \alpha_2, \alpha_3, \alpha_4到基\beta_1=(1, 1, 0, 0)\beta_2=(0, 1, 1, 0)\beta_3=(0, 0, 1, 1)\beta_4=(1, 0, 0, 1) 的過渡矩陣P

解:由(\beta_1, \beta_2, \beta_3, \beta_4)=(\alpha_1, \alpha_2, \alpha_3, \alpha_4)P,可得 P = \begin{pmatrix}1&0&0&1\\1&1&0&0\\0&1&1&0\\0&0&1&1\end{pmatrix}

8.判斷在實數域\mathbb{R}上的 2 維矢量空間\mathbb{R}^2 中,映射\varphi(x, y)=(x^2, y^2)是否為綫性變換。

解:設\alpha=(x_1, y_1)\beta=(x_2, y_2),則\alpha + \beta=(x_1 + x_2, y_1 + y_2)

\varphi(\alpha + \beta)=((x_1 + x_2)^2, (y_1 + y_2)^2)\varphi(\alpha)=(x_1^2, y_1^2)\varphi(\beta)=(x_2^2, y_2^2)\varphi(\alpha) + \varphi(\beta)=(x_1^2 + x_2^2, y_1^2 + y_2^2)

一般地,(x_1 + x_2)^2=x_1^2 + 2x_1x_2 + x_2^2\neq x_1^2 + x_2^2(y_1 + y_2)^2=y_1^2 + 2y_1y_2 + y_2^2\neq y_1^2 + y_2^2,所以\varphi(\alpha + \beta)\neq\varphi(\alpha) + \varphi(\beta)

所以映射\varphi(x, y)=(x^2, y^2)不是\mathbb{R}^2上的綫性變換。

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/pingmian/73159.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

Kafka集成Debezium监听postgresql变更

下载postgres的插件:https://debezium.io/documentation/reference/2.7/install.html 2.7版本支持postgresql12数据库。 debezium-connector-postgres-2.7.4.Final-plugin.tar.gz 上传插件并解压 mkdir /usr/local/kafka/kafka_2.12-2.2.1/connector cd /usr/local…

『uniapp』简单文本复制文字 富文本内容复制文字(详细图文注释)

目录 text组件错误代码示例成功代码总结 欢迎关注 『uniapp』 专栏,持续更新中 欢迎关注 『uniapp』 专栏,持续更新中 text组件 官方文档可知app端用selectable可实现文本选中进而可复制,也就是说text标签内部的文本就可以复制了 https://uniapp.dclou…

算法模型从入门到起飞系列——背包问题(探索最大价值的掘金之旅)

文章目录 前言一、背包问题溯源(动态规划)1.1 动态规划的概念1.2 动态规划的基本步骤1.3 动态规划的实际应用 二、背包问题2.1 背包问题衍生2.2 0-1背包2.2.1 0-1背包描述2.2.2 0-1背包图解2.2.3 0-1背包代码刨析 2.3 完全背包2.3.1 完全背包描述2.3.2 完…

Python实现爬虫:天气数据抓取(+折线图)

一、基本架构 1、URL管理器:爬虫的调度中枢 核心职责 功能说明URL去重防止重复抓取URL优先级管理控制抓取顺序(广度优先/深度优先)断点续爬支持持久化存储抓取状态分布式协同多节点共享URL队列 2、网页下载器:数据获取的引擎 功…

LangChain 基础

一、LangChain 模块和体系 LangChain 是一个用于开发由大型语言模型(LLMs)驱动的应用程序的框架。 官方文档:https://python.langchain.com/docs/introduction/ LangChain 简化了LLM应用程序生命周期的每个阶段: 开发&#xf…

Parsing error: Unexpected token, expected “,“

今天在使用Trae AI 编程工具开发大文件切片上传功能,使用的是VUE3,TS技术栈,开发完成运行时,编译报错(Parsing error: Unexpected token, expected ","),让AI自行修复此问题多次后还是没有解决&a…

农用车一键启动工作原理

移动管家农用车一键启动的工作原理与普通汽车类似,主要依赖于无线射频识别技术(RFID)。以下是具体的工作步骤和原理: 智能钥匙识别: 车主携带智能钥匙靠近车辆时,钥匙通过发射射频信号与车辆进行交互。车辆…

Cursor从小白到专家

文章目录 1:简单开发一个贪吃蛇游戏规则设置提示词 cursor开发小工具开发整体步骤创建.cursorrules输入提示词composer模式chat模式 执行cursor accept all发布到线上进行分享 cursor开发一个浏览器插件创建.cursorrulescursor rules范例集工具 输入提示词执行curso…

MAC+PHY 的硬件连接

文章目录 以太网的 MAC 与 PHY简介硬件拓扑CPU集成MAC与PHYCPU集成MAC,PHY采用独立芯片CPU不集成MAC与PHY,MAC与PHY采用集成芯片 在 OSI 分层中的位置MACPHYMAC 与 PHY 数据交互参考 本文为笔者学习以太网对网上资料归纳整理所做的笔记,文末均…

仿函数 VS 函数指针实现回调

前提: 本博客对比 函数指针实现回调 和 仿函数 ,突出仿函数的优势。 目的: 一个类要能够灵活的调用两个函数,essfc 和 greaterfc,分别用于比较两个整数的大小: ①:lessfc:判断 x …

CH32V208蓝牙内部带运放32位RISC-V工业级微控制器

开发板 CH32V208CBU6立创格式的开发板上述链接可下载,官方文件进行了转换,使用前请仔细核对。 CH32V208CBU6原理图,上述图片为芯片部分。已进行DRC。 CH32V208CBU6 PCB三维图,上述图片为芯片部分。已进行DRC。 概述 CH32V208C…

整理和总结微信小程序的高频知识点

前言 近期萌生了一些想法,感觉可以做一个小程序作为产出。 但小程序做得比较少,因此边做边复习。整理和总结了一些高频知识点和大家一起分享。 一、模板和组件 1.1模板(Template) 优势 简单灵活:模板定义和使用都较…

1996-2023年各省公路里程数据(无缺失)

1996-2023年各省公路里程数据(无缺失) 1、时间:1996-2023年 2、来源:国家统计局、统计年鉴 3、指标:公路里程(万公里) 4、范围:31省 5、指标解释:公路里程指报告期末…

Wi-Fi NAN 架构(Wi-Fi Aware Specification v4.0,第2章:2.7~2.9)

1. NAN 介质访问控制层(MAC) NAN MAC负责通过参与 NAN同步信标帧(NAN Synchronization Beacon frame)的传输,获取并维护设备所在的NAN集群的同步。作为同步功能的一部分,NAN MAC运行 TSF 定时器。NAN MAC还…

《Python实战进阶》No26: CI/CD 流水线:GitHub Actions 与 Jenkins 集成

No26: CI/CD 流水线:GitHub Actions 与 Jenkins 集成 摘要 持续集成(CI)和持续部署(CD)是现代软件开发中不可或缺的实践,能够显著提升开发效率、减少错误并加速交付流程。本文将探讨如何利用 GitHub Actio…

HR人员和组织信息同步AD域服务器实战方法JAVA

HR人员和组织信息同步AD域服务器 前期准备AD域基础知识整理HR同步AD的逻辑代码结构配置文件设置启动类HR组织的BeanHR人员Bean获取HR人员和组织信息的类AD中处理组织和人员的类日志配置 POM.xml文件生成EXE文件服务器定时任务异常问题注意事项 前期准备 1、开发语言&#xff1…

修改服务器windows远程桌面默认端口号

修改服务器windows远程桌面默认端口号 在Windows服务器上修改远程桌面协议(RDP)的默认端口(3389)可以增强服务器的安全性,减少被恶意扫描和攻击的风险。以下是修改远程端口的详细步骤: 按 Win R 打开运行…

MuJoCo 仿真 Panda 机械臂!末端位置实时追踪 + 可视化(含缩放交互)

视频讲解: MuJoCo 仿真 Panda 机械臂!末端位置实时追踪 可视化(含缩放交互) 仓库地址:GitHub - LitchiCheng/mujoco-learning 本期介绍下,mujoco_py这个库很老了,最新的版本可以通过mujoco的p…

在Mac M1/M2芯片上完美安装DeepCTR库:避坑指南与实战验证

让推荐算法在Apple Silicon上全速运行 概述 作为推荐系统领域的最经常用的明星库,DeepCTR集成了CTR预估、多任务学习等前沿模型实现。但在Apple Silicon架构的Mac设备上,安装过程常因ARM架构适配、依赖库版本冲突等问题受阻。本文通过20次环境搭建实测…

spring boot 拦截器

1、创建ServletConfig配置类 package com.pn.config;import com.pn.filter.LoginFilter; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.beans.factory.annotation.Qualifier; import org.springframework.boot.web.servlet.Fil…