首页 > 其他分享 >线性基

线性基

时间:2023-06-17 20:23:03浏览次数:48  
标签:组合 无关 异或 线性 向量 性质

线性代数中,我们学过极大线性无关组。

极大线性无关组:在线性空间中拥有向量个数最多的线性无关向量组。

换言之,任取一个子集所表示的向量不能由集合中剩余的向量表示。

在计算机语言中,我们应用在一些方面,称之为线性基。
eg.P3812 【模板】线性基

题意: 给你 n 个数字,取任意个,使它们的异或和最大。 思路:将这 n 个数字转化成 2 进制,每个数字对应一个 01 构成的向量,所有这些向量就构成了一个空间。 原题就转换为求这个向量组的极大线性无关组,也就是求向量基。   首先来证明一个性质: 取向量组中的两个向量 a,b,把 a,b 中的任意一个向量替换成 a xor b,替换前后向量组中的向量的线性组合得到的空间相同。简单来说,替换前后 能异或的值一样。(这就是异或的神奇之处了)。 笔者认为不难证明,感兴趣的同学可自行证明。   所以把向量组里的向量互相异或,极大线性无关向量组的大小是不变的。 基本思想是:从左到右扫描每个向量,对于第 i 个向量的第 j 位,如果前面已经有第 j 位为 1 的向量,那么把第 i 个向量异或那个向量。 这样最后得到的向量组,不考虑 0 向量,最高位的 1 的位置是互不相同的。显然这些向量组无关。   于是这样构造出的极大线性无关组,也就是线性基,具有以下性质: 性质1:最高位 1 的位置互不相同。 性质2:任意一个可以用这些向量组合出的向量 x,组合方式唯一。 prove:假设 x 的组合方法不唯一,也就是说存在一个向量组可以组合出 0 向量,与线性无关矛盾。故组合方法唯一。 性质3:线性基的任意一个子集异或和不为 0。其实和性质2是一样的。                

标签:组合,无关,异或,线性,向量,性质
From: https://www.cnblogs.com/buleeyes/p/17488135.html

相关文章

  • 随机信号通过线性系统
    冲激响应和传输函数分别为$h(t)$和$H(\omega)$的线性时不变系统,当随机信号输入该线性时不变系统时,其输出的信号是由对应各个输入样本函数的输出响应所构成的函数集合,需要用统计的方法分析输出信号的特征。输入随机信号$X(t)$平稳时,输出响应$Y(t)$1.均值$E[Y(t)]=E[X(t)]H(w)......
  • Simdroid 结构非线性测试:悬臂梁翻转
    问题描述几何: 材料:线弹性,弹性模量2.1e11,泊松比0。边界条件:点B固支,整体约束z方向位移。荷载:点A施加弯矩M。其中E为弹性模量,I为截面惯性矩。单元:此处选择Hex20单元,30*2个单元,厚度方向布置两层。采用梁和壳单元的测试将在后续文章中发布。连接:由于采用了实体单元,需要在悬臂梁自由......
  • R语言线性混合效应模型(固定效应&随机效应)和交互可视化3案例|附代码数据
    在本文中,我们将用R语言对数据进行线性混合效应模型的拟合,然后可视化你的结果线性混合效应模型是在有随机效应时使用的,随机效应发生在对随机抽样的单位进行多次测量时。来自同一自然组的测量结果本身并不是独立的随机样本。因此,这些单位或群体被假定为从一个群体的"人口"中随机......
  • 时域线性粘弹性(待完成)
    Boltzmann叠加原理对于蠕变,有\(\gamma(t)=J(t)\sigma\),其中\(J(t)=J_g+J_d\Psi(t)\)。假设在各个时间节点上施加一些列的\(\Delta\sigma(\tau_i)\)外界激励,系统的一系列响应是\(J(t-\tau_i)\),相乘并累加得到下式,当间隔很小时,或者是说外加的激励是一个连续变化的值的时候,......
  • (数论)判断素数(朴素,根号,埃氏筛,欧拉筛线性筛)
    //最基本求一个素数(on),(osqrt(n))#include<bits/stdc++.h>usingnamespacestd;intmain(){intn;cin>>n;for(inti=2;i<n;i++)//o(n)if(n%i==0){cout<<"no";return0;}for(i......
  • 机器学习之——机器学习中的数学(2)-线性回归,偏差、方差权衡
    前言:   距离上次发文章,也快有半个月的时间了,这半个月的时间里又在学习机器学习的道路上摸索着前进,积累了一点心得,以后会慢慢的写写这些心得。写文章是促进自己对知识认识的一个好方法,看书的时候往往不是非常细,所以有些公式、知识点什么的就一带而过,里面的一些具体意义就不容易......
  • 机器学习之——线性判别分析(LDA), 主成分分析(PCA)
    前言:    第二篇的文章中谈到,和部门老大一宁出去outing的时候,他给了我相当多的机器学习的建议,里面涉及到很多的算法的意义、学习方法等等。一宁上次给我提到,如果学习分类算法,最好从线性的入手,线性分类器最简单的就是LDA,它可以看做是简化版的SVM,如果想理解SVM这种分类器,那理解LDA......
  • 基本线性分组码与性能参数及差错控制
    本专栏包含信息论与编码的核心知识,按知识点组织,可作为教学或学习的参考。markdown版本已归档至【Github仓库:<https://github.com/timerring/information-theory>】或者公众号【AIShareLab】回复信息论获取。基本线性分组码与性能参数线性分组码(n,k)定义线性分组码是由(n,k)......
  • Berlekamp_Massey与常系数齐次线性递推
    Berlekamp_MasseyBM线性递推,看了这篇博客才学会的:[link]((29条消息)[学习笔记]Berlekamp-Massey算法_cz_xuyixuan的博客-CSDN博客)。这里稍微记录一下做法,符号和下表尽量精细。假设有序列\(\{a_1,a_2,\dots,a_n\}\),称序列\(\{r_1,r_2,\dots,r_m\}\)为线性递推式,当且仅当......
  • 4.3 线性回归的改进-岭回归
    1.带有L2正则化的线性回归-岭回归岭回归,其实也是一种线性回归。只不过在算法建立回归方程时候,加上正则化的限制,从而达到解决过拟合的效果2.APIsklearn.linear_model.Ridge(alpha=1.0,fit_intercept=True,solver="auto",normalize=False)具有l2正则化的线性回归alpha:正......