<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[github_40153370的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/github_40153370</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; github_40153370]]></copyright><item><title><![CDATA[数据结构和算法概述]]></title><link>https://blog.youkuaiyun.com/github_40153370/article/details/109992726</link><guid>https://blog.youkuaiyun.com/github_40153370/article/details/109992726</guid><author>github_40153370</author><pubDate>Mon, 23 Nov 2020 12:53:13 +0800</pubDate><description><![CDATA[定义
数据结构（data structure）是带有结构特性的数据元素的组合。它研究的是数据的逻辑结构和数据的物理结构以及它们之间的相互关系，并对这种结构定义相适应的运算，设计出相应的算法，并确保经过这些运算以后所得到的新结构仍保持原来的数据类型。
简而言之，数据结构是相互之间存在一种或多种特定关系的数据元素的集合，即带结构的数据元素的集合。结构就是指数据元素之间存在的关系，分为逻辑结构和存储结构。
数据的逻辑结构和物理结构是数据结构的两个密切关系的方面，同一逻辑结构可以对应不同的存储结构。算法的设计取决于]]></description><category></category></item><item><title><![CDATA[[Python基础语法]表达式、语句和缩进]]></title><link>https://blog.youkuaiyun.com/github_40153370/article/details/88649484</link><guid>https://blog.youkuaiyun.com/github_40153370/article/details/88649484</guid><author>github_40153370</author><pubDate>Mon, 18 Mar 2019 20:39:52 +0800</pubDate><description><![CDATA[这篇教程将向您展示关于Python表达式、语句和缩进的知识。
Python表达式

表达式是值（对象），变量和操作符(或叫运算符)的组合。单独的一个值是一个表达式，单独的变量也是一个表达式。表达式通常是有一个值作为结果。
使用表达式，我们可以执行诸如加法、减法、连接等操作。它还可以调用计算结果的函数。
&gt;&gt;&gt; ((10 + 2) * 100 / 5 - 200)
40.0
&gt...]]></description><category></category></item><item><title><![CDATA[[Python基础语法]注释]]></title><link>https://blog.youkuaiyun.com/github_40153370/article/details/88649439</link><guid>https://blog.youkuaiyun.com/github_40153370/article/details/88649439</guid><author>github_40153370</author><pubDate>Mon, 18 Mar 2019 20:37:41 +0800</pubDate><description><![CDATA[这篇教程将向您展示关于Python注释的知识。
注释就是其字面意思，即对程序进行补充说明，但是不影响程序执行。注释使程序更具可读性和可维护性。
Python注释支持三种注释方式：

单行注释
多行注释
文档注释

单行注释

单行注释以井号（＃）开头，并自动以EOL（行尾）结束。
&gt;&gt;&gt; # 输出Hello, World!
... print("Hello, World!")
H...]]></description><category></category></item><item><title><![CDATA[[Python基础语法]关键字、标识符和变量]]></title><link>https://blog.youkuaiyun.com/github_40153370/article/details/88597444</link><guid>https://blog.youkuaiyun.com/github_40153370/article/details/88597444</guid><author>github_40153370</author><pubDate>Sat, 16 Mar 2019 14:21:15 +0800</pubDate><description><![CDATA[这篇教程将向您展示关于python关键字、标识符和变量的知识。
Python关键字

Python关键词是Python保留的具有特定含义的特殊词语，用于执行某些操作。在Python中，这样的关键字有33个。Python关键字是区分大小写的。
```
&amp;gt;&amp;gt;&amp;gt; help(&quot;keywords&quot;)

Here is a list of the Python keywords.  Ente...]]></description><category></category></item><item><title><![CDATA[[Python环境搭建]Python解释器]]></title><link>https://blog.youkuaiyun.com/github_40153370/article/details/88583718</link><guid>https://blog.youkuaiyun.com/github_40153370/article/details/88583718</guid><author>github_40153370</author><pubDate>Fri, 15 Mar 2019 20:53:36 +0800</pubDate><description><![CDATA[使用HomeBrew安装Python 3，会自动添加软链接： /usr/local/bin/python3。/usr/local/bin本身就在PATH路径上。这样我们可以直接在命令行输入命令python3。
$ ls -l /usr/local/bin/python3
lrwxr-xr-x  1 root  wheel  69 Sep 30 10:14 /usr/local/bin/python...]]></description><category></category></item><item><title><![CDATA[[Python环境搭建]Mac上安装Python3]]></title><link>https://blog.youkuaiyun.com/github_40153370/article/details/88561086</link><guid>https://blog.youkuaiyun.com/github_40153370/article/details/88561086</guid><author>github_40153370</author><pubDate>Thu, 14 Mar 2019 20:50:53 +0800</pubDate><description><![CDATA[这篇教程将向您展示如何再Mac OS X计算机上安装Python 3。
目前有多种办法可以安装Python 3，常见的有两种：

通过官网下载安装（本篇教程不做介绍）
使用Homebrew安装（强烈推荐）

检查Python版本



最新版本的Mac OS X是10.13（High Sierra），预安装了Python 2.7。
$ python --version
Python 2.7.15
...]]></description><category></category></item><item><title><![CDATA[矩阵代数（七）- 维数与秩]]></title><link>https://blog.youkuaiyun.com/github_40153370/article/details/88369477</link><guid>https://blog.youkuaiyun.com/github_40153370/article/details/88369477</guid><author>github_40153370</author><pubDate>Sat, 09 Mar 2019 18:13:34 +0800</pubDate><description><![CDATA[小结

坐标系
子空间的维数
秩与可逆矩阵定理


坐标系
选择子空间H\boldsymbol{H}H的一个基代替一个存粹生成集的主要原因是，H\boldsymbol{H}H中的每个向量可以被表示为基向量的线性组合的唯一表示。
假设β={b1,⋯&amp;amp;amp;ThinSpace;,bp}\boldsymbol{\beta}=\{ \boldsymbol{b_1},\cdots,\boldsymbol{...]]></description><category></category></item><item><title><![CDATA[矩阵代数（六）- 子空间]]></title><link>https://blog.youkuaiyun.com/github_40153370/article/details/88369455</link><guid>https://blog.youkuaiyun.com/github_40153370/article/details/88369455</guid><author>github_40153370</author><pubDate>Sat, 09 Mar 2019 18:11:07 +0800</pubDate><description><![CDATA[小结

Rn\mathbb{R}^{n}Rn的子空间
矩阵的列空间与零空间
子空间的基


Rn\mathbb{R}^{n}Rn的子空间
定义 &amp;amp;ThickSpace;Rn\;\mathbb{R}^{n}Rn中的一个子空间是Rn\mathbb{R}^{n}Rn中的集合H\boldsymbol{H}H，具有一下三个性质：
a.&amp;amp;ThickSpace;零向量属于Hb.&amp;amp;Thic...]]></description><category></category></item><item><title><![CDATA[矩阵代数（五）- 矩阵因式分解]]></title><link>https://blog.youkuaiyun.com/github_40153370/article/details/88369447</link><guid>https://blog.youkuaiyun.com/github_40153370/article/details/88369447</guid><author>github_40153370</author><pubDate>Sat, 09 Mar 2019 18:10:28 +0800</pubDate><description><![CDATA[小结

LU\boldsymbol{LU}LU分解
LU\boldsymbol{LU}LU分解算法


矩阵A\boldsymbol{A}A的因式分解是把A\boldsymbol{A}A表示为两个或更多个矩阵的乘积。
LU\boldsymbol{LU}LU分解

设A\boldsymbol{A}A是m×nm \times nm×n矩阵，它可以行换简为阶梯形而不必行对换（此后，我们将处理一般情形），...]]></description><category></category></item><item><title><![CDATA[矩阵代数（四）- 分块矩阵]]></title><link>https://blog.youkuaiyun.com/github_40153370/article/details/88369433</link><guid>https://blog.youkuaiyun.com/github_40153370/article/details/88369433</guid><author>github_40153370</author><pubDate>Sat, 09 Mar 2019 18:09:05 +0800</pubDate><description><![CDATA[小结

分块矩阵
分块矩阵运算
分块矩阵的逆


分块矩阵
矩阵A=[30−159−2−5240−31−8−6317−4]\boldsymbol{A} = \left[\begin{array}{ccc|cc|c}
3 &amp;amp;amp; 0 &amp;amp;amp; -1 &amp;amp;amp; 5 &amp;amp;amp; 9 &amp;amp;amp; -2 \\ 
-5 &amp;amp;amp; 2 &amp;amp;amp;...]]></description><category></category></item><item><title><![CDATA[矩阵代数（二）- 矩阵的逆]]></title><link>https://blog.youkuaiyun.com/github_40153370/article/details/88201929</link><guid>https://blog.youkuaiyun.com/github_40153370/article/details/88201929</guid><author>github_40153370</author><pubDate>Tue, 05 Mar 2019 20:28:26 +0800</pubDate><description><![CDATA[小结

矩阵的逆A−1\boldsymbol{A}^{-1}A−1
求A−1\boldsymbol{A}^{-1}A−1的方法


矩阵的逆
一个n×nn \times nn×n矩阵A\boldsymbol{A}A使可逆的，若存在一个n×nn \times nn×n矩阵C\boldsymbol{C}C使CA=I\boldsymbol{C}\boldsymbol{A}=\boldsymbol{I}C...]]></description><category></category></item><item><title><![CDATA[矩阵代数（三）- 可逆矩阵的特征]]></title><link>https://blog.youkuaiyun.com/github_40153370/article/details/88201826</link><guid>https://blog.youkuaiyun.com/github_40153370/article/details/88201826</guid><author>github_40153370</author><pubDate>Tue, 05 Mar 2019 20:26:44 +0800</pubDate><description><![CDATA[小结

可逆矩阵定理
可逆线性变换


可逆矩阵定理
定理8（可逆矩阵定理）
设A\boldsymbol{A}A为n×nn \times nn×n矩阵，则下列命题是等价的，即对某一特定的A\boldsymbol{A}A，它们同时为真或同时为假。
a.&amp;amp;ThickSpace;Aa.\;\boldsymbol{A}a.A是可逆矩阵。
b.&amp;amp;ThickSpace;Ab.\;\boldsy...]]></description><category></category></item><item><title><![CDATA[矩阵代数（一）- 矩阵运算]]></title><link>https://blog.youkuaiyun.com/github_40153370/article/details/88089504</link><guid>https://blog.youkuaiyun.com/github_40153370/article/details/88089504</guid><author>github_40153370</author><pubDate>Sun, 03 Mar 2019 16:15:54 +0800</pubDate><description><![CDATA[小结

和与标量乘法
矩阵乘法
矩阵的乘幂
矩阵的转置


若A\boldsymbol{A}A是m×nm \times nm×n矩阵，即有mmm行nnn列的矩阵，则A\boldsymbol{A}A的第iii行第jjj列的元素用ai&amp;amp;NegativeThinSpace;ja_i\!_jai​j​表示，称为A\boldsymbol{A}A的(i,j)(i,j)(i,j)元素。A\boldsym...]]></description><category></category></item><item><title><![CDATA[线性方程组（十）- 小结]]></title><link>https://blog.youkuaiyun.com/github_40153370/article/details/88079507</link><guid>https://blog.youkuaiyun.com/github_40153370/article/details/88079507</guid><author>github_40153370</author><pubDate>Sat, 02 Mar 2019 18:33:40 +0800</pubDate><description><![CDATA[本篇文章对线性方程组知识进行一个小结。
线性方程组
线性方程组：
{a1&amp;amp;NegativeThinSpace;1x1+⋯+a1&amp;amp;NegativeThinSpace;nxn=b1⋯&amp;amp;NegativeThinSpace;⋯⋯&amp;amp;NegativeThinSpace;⋯am&amp;amp;NegativeThinSpace;1x1+⋯+am&amp;amp;NegativeThinSpac...]]></description><category></category></item><item><title><![CDATA[线性方程组（九）- 线性变换的矩阵]]></title><link>https://blog.youkuaiyun.com/github_40153370/article/details/88068130</link><guid>https://blog.youkuaiyun.com/github_40153370/article/details/88068130</guid><author>github_40153370</author><pubDate>Fri, 01 Mar 2019 20:55:40 +0800</pubDate><description><![CDATA[小结

线性变换的矩阵
R2\mathbb{R}^{2}R2中的集合线性变换
满射与单射


线性变换的矩阵
I2=[1001]\boldsymbol{I_2}=\begin{bmatrix}1 &amp;amp;amp; 0 \\ 0 &amp;amp;amp; 1\end{bmatrix}I2​=[10​01​]的两列是e1=[10]\boldsymbol{e_1}=\begin{bmatrix} 1 \\ ...]]></description><category></category></item><item><title><![CDATA[线性方程组（八）- 线性变换介绍]]></title><link>https://blog.youkuaiyun.com/github_40153370/article/details/88047446</link><guid>https://blog.youkuaiyun.com/github_40153370/article/details/88047446</guid><author>github_40153370</author><pubDate>Thu, 28 Feb 2019 23:33:09 +0800</pubDate><description><![CDATA[小结

矩阵变化的定义
线性变化的定义


矩阵方程Ax=b\boldsymbol{Ax}=\boldsymbol{b}Ax=b和对应的向量方程x1a1+⋯+xnan=bx_1\boldsymbol{a_1}+\cdots+x_n\boldsymbol{a_n}=\boldsymbol{b}x1​a1​+⋯+xn​an​=b之间的差别仅仅是记号上的不同。然而矩阵方程Ax=b\boldsymbol{...]]></description><category></category></item><item><title><![CDATA[线性方程组（七）- 线性无关]]></title><link>https://blog.youkuaiyun.com/github_40153370/article/details/87989879</link><guid>https://blog.youkuaiyun.com/github_40153370/article/details/87989879</guid><author>github_40153370</author><pubDate>Wed, 27 Feb 2019 20:48:50 +0800</pubDate><description><![CDATA[小结

向量组的线性无关
矩阵各列的线性无关
一个或两个向量的集合的线性无关
两个或多个向量的集合的线性无关


向量组的线性无关
Rn\mathbb{R}^{n}Rn中一组向量{v1,⋯&amp;amp;ThinSpace;,vp\boldsymbol{v_1,\cdots,v_p}v1​,⋯,vp​}称为线性无关的，若向量方程仅有平凡解。向量组（集）{v1,⋯&amp;amp;ThinSpace;,vp\bo...]]></description><category></category></item><item><title><![CDATA[线性方程组（六）- 线性方程组的应用]]></title><link>https://blog.youkuaiyun.com/github_40153370/article/details/87954366</link><guid>https://blog.youkuaiyun.com/github_40153370/article/details/87954366</guid><author>github_40153370</author><pubDate>Tue, 26 Feb 2019 22:45:51 +0800</pubDate><description><![CDATA[小结

经济学中的齐次线性方程组
配平化学方程式


经济学中的齐次线性方程组
假设一个国家的经济体系可以划分为许多部门，如各种制造、交通、娱乐和服务业。假设我们知道每个部门的年度总产出，并精确知道该总产出是如何在其他经济部门进行分配或“交易”的。称一个部门产出的总货币价值为产出的价格。列昂惕夫证明了下面的结论：
存在能够指派给各个部门总产出的平衡价格，使得每个部门的总收入恰好等于它的总支出。
假...]]></description><category></category></item><item><title><![CDATA[线性方程组（五）- 线性方程组的解集]]></title><link>https://blog.youkuaiyun.com/github_40153370/article/details/87927058</link><guid>https://blog.youkuaiyun.com/github_40153370/article/details/87927058</guid><author>github_40153370</author><pubDate>Mon, 25 Feb 2019 23:16:08 +0800</pubDate><description><![CDATA[小结

齐次线性方程组的定义。
解集的参数向量形式。
非齐次线性方程组的解。


齐次线性方程组
线性方程组称为齐次的，若它可写成Ax=0\boldsymbol{Ax}=\boldsymbol{0}Ax=0的形式，其中A\boldsymbol{A}A是m×nm{\times}nm×n矩阵而0\boldsymbol{0}0是Rm\mathbb{R}^{m}Rm中的零向量。这样的方程组至少有一个解，即...]]></description><category></category></item><item><title><![CDATA[线性方程组（四）- 矩阵方程]]></title><link>https://blog.youkuaiyun.com/github_40153370/article/details/87906829</link><guid>https://blog.youkuaiyun.com/github_40153370/article/details/87906829</guid><author>github_40153370</author><pubDate>Sun, 24 Feb 2019 19:57:04 +0800</pubDate><description><![CDATA[小结

矩阵方程的定义
矩阵方程的求解
矩阵方程、向量方程和线性方程组拥有相同的解集
Ax\boldsymbol{Ax}Ax的计算、行-向量规则和性质


Ax=b\boldsymbol{Ax} = \boldsymbol{b}Ax=b
若A\boldsymbol{A}A是m×nm \times nm×n矩阵，它的各列为a1,⋯&amp;amp;ThinSpace;,an\boldsymbol{a_1,\...]]></description><category></category></item></channel></rss>