数学
  1. 首页
  2. IT互联网
  3. 数学

列表

【优选算法必刷100题】第031~32题（前缀和算法）：连续数组、矩阵区域和

【优选算法必刷100题】第031~32题（前缀和算法）：连续数组、矩阵区域和

🔥艾莉丝努力练剑：个人主页❄专栏传送门：《C语言》、《数据结构与算法》、C/C++干货分享&学习过程记录、Linux操作系统编程详解、笔试/面试常见算法：从基础到进阶⭐️为天地立心，为生民立命，为往圣继绝学，为万世开太平🎬艾莉丝的简介：​&#x1
数学 2025年11月18日
AFDM波形理论解析：数学建模与信号构造原理

AFDM波形理论解析：数学建模与信号构造原理

AFDM波形理论解析：数学建模与信号构造原理 一、引言在现代宽带无线通信系统中，随着通信速率和用户移动性的不断提升，传统正交频分复用（OFDM, Orthogonal Frequency Division Multiplexing）波形逐渐暴露出在高多普勒频移和大时延扩展场景下性能下降的问题。尤其是在高铁、无人机、卫星通信和未来 6G 典型应用中，时变信道的非平稳特性使得 OFDM 难以维持其正
数学 2025年11月12日
微波网络各种参量矩阵：Z矩阵、Y矩阵、A矩阵、S矩阵、T矩阵的定义、推导及相互转换

微波网络各种参量矩阵：Z矩阵、Y矩阵、A矩阵、S矩阵、T矩阵的定义、推导及相互转换

PDF版文档下载链接如下：Z矩阵、Y矩阵、A矩阵、S矩阵、T矩阵定义、推导及转换公式资源-CSDN文库# 一、微波网络各种参量矩阵定义 图 1所示为二端口微波网络，1端口电压为U1，电流为I1；二端口电压为U2，电流为I2。图 1 二端口微波网络1.1 Z矩阵1.2 Y矩阵1.3 A矩阵端口2的电流取向外，应为-I
数学 2025年07月12日
【数学建模】Lingo 18.0及其安装教程（保姆级）

【数学建模】Lingo 18.0及其安装教程（保姆级）

Lingo 18.0及其安装教程 1. 软件特色： 2. 安装步骤 Lingo是Linear Interactive and General Optimizer的缩写，即“交互式的线性和通用优化求解器”，由美国LINDO系统公司（Lindo System Inc.）推出的，可以用于求解非线性规划&#
数学 2025年05月03日
MathType 输入空格 | 多行公式对齐 | 标志符号垂直对齐 | 大括号分段函数对齐 | 方程组对齐 | 矩阵对齐 | 公式编号对齐 | 花体字 空心字 | 论文排版

MathType 输入空格 | 多行公式对齐 | 标志符号垂直对齐 | 大括号分段函数对齐 | 方程组对齐 | 矩阵对齐 | 公式编号对齐 | 花体字 空心字 | 论文排版

注：本文为 MathType 常用功能合辑。图片清晰度限于原文原状。未整理去重。 一、MathType 输入空格 空格类型                   ~~~~~~~~~~~~~~~~~  &nb
数学 2025年05月16日
数学建模--在新能源汽车研发测试中的革命性应用

数学建模--在新能源汽车研发测试中的革命性应用

一、行业现状与痛点分析（2025最新数据） 1.1 研发成本与周期压力 指标 传统方法 数学建模方法 降本增效幅度 动力系统开发周期 18-24个月 6-9个月 60%↓ 整车测试成本 ¥8500万/车型 ¥3200万/车型 62%↓ 电池安全验证项目数 2000+项 800项（虚拟验证） 60%↓ 数据来源&#
数学 2025年04月22日
线性代数 · 向量运算 | 叉乘 / 几何意义 / 推导

线性代数 · 向量运算 | 叉乘 / 几何意义 / 推导

注：本文为 “线性代数 · 向量运算” 相关合辑。 图片清晰度受引文原图所限。 略作重排，未整理去重。 如有内容异常，请看原文。 数学基础 —— 向量运算（叉乘）keng_s 于 2016-08-05 17:17:57 发布 1_ 向量的叉乘向量的叉乘是指求同时垂直于两个向量的向量。设向量
数学 2025年11月16日
实现分布式读写集群（提升两台服务器的性能，支持分片存储+并行读写），Redis Cluster（Redis集群模式）并附排错过程

实现分布式读写集群（提升两台服务器的性能，支持分片存储+并行读写），Redis Cluster（Redis集群模式）并附排错过程

实现分布式读写集群（提升两台服务器的性能，支持分片存储+并行读写）， Redis Cluster（Redis集群模式），而非哨兵模式。Redis Cluster会自动将数据分片存储在不同节点，同时支持读写分离和故障转移，完美适配两台服务器的需求。 核心架构说明 节
数学 2025年12月09日
矩阵的奇异值分解（SVD）及其在计算机图形学中的应用

矩阵的奇异值分解（SVD）及其在计算机图形学中的应用

矩阵的奇异值分解（SVD）及其在计算机图形学中的应用 引言 1. 奇异值分解（SVD）的基本理论 2. SVD的计算步骤 2.1 计算 $ A^T A $ 和 $ A A^T $ 2.2 求特征值和特征向量 2.3 构建 $ V $ 和 $ U $ 矩阵 2.4 计算奇异值 2.5 验证正交性 3. SVD的数值算法
数学 2025年10月24日