利用初等变换求极大线性无关组

给出利用矩阵的初等变换求极大无关组的方法，并从理论上加以证明。此法简单易行，且计算量小。     

最大无关组的几种求法

本文介绍求最大无关组的三种不同方法，并对三种方法进行比较，得出第三种方法是一种简单实用的方法。     

极大无关组的一种求法

本文指出了行简化梯形阵的一条性质提出并证明了线性代数的一个定理，并由此给出了用初等行变换求极大无关组的一种方法。     

利用初等变换求极大线性无关组

给出利用矩阵的初等变换求极大无关组的方法 ,并从理论上加以证明 .此法简单易行 ,且计算量小 .     

关于向量组的极大线性无关组的一个注记

分析求向量组的极大线性无关组中常见的错误解法 ,揭示了矩阵三种初等变换之间的关系 ,并介绍了一种求向量组的极大线性无关组的正确解法。     

用初等变换法求一极大线性无关组的方法问题

若α１，α２，…αｍ是一组ｎ维行向量，求一极大线性无关组时，在现行教材中仍有使用下列方法的，设Ａ＝｛ａ１ ａ２…ａｍ｝，然后对Ａ作初等行变换，化成阶梯形矩阵，由其非零行数确定其秩，再直接取与非零行相应的向量作为原向量组的一极大线性无关组。     

利用初等行变换求极大无关组的一些条件

本文讨论利用初等行变换求行向量组的极大线性无关组的方法,澄清一些线性代数教学用书中存在的一种模糊认识,并给出修正后的方法。     

向量组极大无关组的几何直观教学

本文给出了向量组极大无关组的低维几何直观教学方法,从而使学生由低维的形象认识到高维的抽象认识的转变,提高了《线性代数》教学效果。     

向量组秩的两种求法

根据高等代数教材中向量组秩的定向及向量组的秩与矩阵秩的关系，本文给出较为实用的求向量组秩的方法。     

向量组的极大无关组与线性系数的同步求解

利用矩阵理论给出了向量组的极大线性无关组与线性表示系数同步求解的一种新方法,并举例说明了这种方法的优越性.     

关于n维单形的一个向量恒等式

首先给出n维单形面积外法向量的概念,然后建立任意n维单形n个侧面(n-1维单形)面积外法向量的一个恒等式,由此推出n维单形的射影定理和余弦定理。     

一类n维环型Lotka-Volterra系统正平衡点全局渐近稳定的充要条件

讨论了一类n维环型Lotka-Volterra系统 x=X(b Ax)存在正平衡点的充分条件及正平衡点全局渐近稳定的充分必要条件,得到结论:i)若-A∈P,系统有唯一的正平衡点;ii)系统的正平衡点全局渐近稳定的充要条件是-A∈P.     

向量线性方程组

讨论向量线性方程组的有关理论,完全解决了有解的充要条件、如何求解以及解的构造等问题,指出了它的应用,并为解矩阵方程提供了一种有趣的方法。     

多维随机变量线性相关性分析

文章研究的是多维随机变量分量间线性相关性问题,在知道度量随机变量分量间线性相关程度的量和它们之间存在严格线性关系的充分必要条件下,展开讨论,对特殊情况进行分析,并给出存在严格线性关系的精确的定义,提出了更加严谨的定理和一些推论,并将向量组线性相关性的一些结论在此文章中进行了应用.     

蚁群算法求解TSP时参数设置的研究

蚁群算法作为一种新的模拟进化算法,由于具有较强的发现解的能力,在许多领域得到应用。但蚁群算法中的参数设定基本是靠经验和实验来设定的。针对TSP,通过实验对参数以及参数的设置做了研究,对参数设置提出了新的算法,并进行了实验验证。     

行(列)反对称矩阵的奇异值分解

提出了行(列)转置矩阵与行(列)反对称矩阵的概念,研究了它们的性质,获得了一些新的结果,给出了行(列)反对称矩阵的奇异值分解的公式,它们可极大地减少行(列)反对称矩阵的奇异值分解的计算量与存储量,并且不会丧失数值精度.       

行(列)反对称矩阵的QR分解

提出了行(列)转置矩阵与行(列)反对称矩阵的概念,研究了它们的性质,获得了一些新的结果,给出了行(列)反对称矩阵的QR分解的公式,它们可极大地减少行(列)反对称矩阵的QR分解的计算量与存储量,并且不会丧失数值精度.     

框架与框剪结构建筑工程量计算要领

在框架与框剪结构建筑工程量计算中,用本文赋予新概念的基线“外（墙）梁柱中心线”,“内（墙）梁柱净长线”,“外（墙）梁柱外边线”和基面（各楼层楼板面积）来统筹其工程量计算,并以柱、梁、板项目力主导展于各分项计算程序,能使繁杂而易混淆不清的工程量计算问题得以简明、准确、完整地解决。     

行(列)对称矩阵的Schur分解和正规阵分解

提出了行（列）转置矩阵与行（列）反对称矩阵的概念,研究了它们的性质,获得了一些新的结果,给出了行（列）对称矩阵的Schur分解与正规阵分解的公式,它们可极大地减少行（列）对称矩阵的Schur分解与正规阵分解的计算量与存储量.