循环矩阵求特征值的方法
根据https://max.book118.com/html/2016/0519/43353557.shtm整理修订
文章目录
- 1.循环矩阵的定义
- 2.循环矩阵的性质
- 3.循环矩阵的逆及特征值
- 4.利用循环矩阵求特征值的方法求Jacobi矩阵的特征值
1.循环矩阵的定义
定义1 数域P\mathbb{P}P上的n×nn \times nn×n矩阵
Cn=circ(c0,c1,⋯,cn−1)=(c0c1c2⋯cn−1cn−1cn−1c0c1⋯cn−3cn−2⋮⋮⋮⋱⋮⋮c2c3c4⋯c0c1c1c2c3⋯cn−1c0)C_{n} = circ(c_0, c_1, \cdots, c_{n-1}) = \begin{pmatrix} c_0 & c_1 & c_2 & \cdots & c_{n-1} & c_{n-1} \\ c_{n-1} & c_0 & c_1 & \cdots & c_{n-3} & c_{n-2} \\ \vdots & \vdots & \vdots & \ddots & \vdots & \vdots \\ c_2 & c_3 & c_4 & \cdots & c_{0} & c_{1}\\ c_1 & c_2 & c_3 & \cdots & c_{n-1} & c_{0}\\ \end{pmatrix} Cn=circ(c0,c1,⋯,cn−1)=⎝⎜⎜⎜⎜⎜⎛c0cn−1⋮c2c1c1c0⋮c3c2c2c1⋮c4c3⋯⋯⋱⋯⋯cn−1cn−3⋮c0cn−1cn−1cn−2⋮c1c0⎠⎟⎟⎟⎟⎟⎞
其中ci∈Pc_i \in \mathbb{P}ci∈P,称CnC_{}nCn为n×nn \times nn×n循环矩阵。
取基本循环矩阵为
A=(010⋯00001⋯00⋮⋮⋮⋱⋮⋮000⋯01100⋯00)A = \begin{pmatrix} 0 & 1 & 0 & \cdots & 0 & 0 \\ 0 & 0 & 1 & \cdots & 0 & 0 \\ \vdots & \vdots & \vdots & \ddots & \vdots & \vdots \\ 0 & 0 & 0 & \cdots & 0 & 1 \\ 1 & 0 & 0 & \cdots & 0 & 0 \\ \end{pmatrix} A=⎝⎜⎜⎜⎜⎜⎛00⋮0110⋮0001⋮00⋯⋯⋱⋯⋯00⋮0000⋮10⎠⎟⎟⎟⎟⎟⎞
则CnC_{n}Cn可以写作
Cn=c0I+c1A1+c2A2+⋯+cn−1An−1=∑i=0n−1ciAi.C_{n} = c_0 I + c_1 A^1 + c_2 A^2 + \cdots + c_{n-1} A^{n-1} = \sum_{i=0}^{n-1} c_i A^i. Cn=c0I+c1A1+c2A2+⋯+cn−1An−1=i=0∑n−1ciAi.
定理1 数域P\mathbb{P}P上的n×nn \times nn×n矩阵Cn=(Ci,j)C_{n}=(C_{i,j})Cn=(Ci,j)为循环矩阵的充分必要条件是,当
k={i−j,i≥ji−j+n,i<jk=\begin{cases} i-j, &i \geq j\\ i-j+n, &i < j \end{cases} k={i−j,i−j+n,i≥ji<j
时,Ci,j=ckC_{i,j} = c_kCi,j=ck,其中i,j,k=0,1,2,⋯,n−1i,j,k = 0,1,2,\cdots, n-1i,j,k=0,1,2,⋯,n−1。
2.循环矩阵的性质
性质1 基本循环矩阵A1,A2,⋯,AnA^1, A^2, \cdots, A^nA1,A2,⋯,An是线性无关的。
证明
A2=(010⋯00001⋯00⋮⋮⋮⋱⋮⋮000⋯01100⋯00)(010⋯00001⋯00⋮⋮⋮⋱⋮⋮000⋯01100⋯00)=(001⋯00000⋯00⋮⋮⋮⋱⋮⋮100⋯00010⋯00)A3=(000⋯00000⋯00⋮⋮⋮⋱⋮⋮010⋯00001⋯00)⋯An=(100⋯00010⋯00⋮⋮⋮⋱⋮⋮000⋯10000⋯01)=In\begin{aligned} A^2 &= \begin{pmatrix} 0 & 1 & 0 & \cdots & 0 & 0 \\ 0 & 0 & 1 & \cdots & 0 & 0 \\ \vdots & \vdots & \vdots & \ddots & \vdots & \vdots \\ 0 & 0 & 0 & \cdots & 0 & 1 \\ 1 & 0 & 0 & \cdots & 0 & 0 \\ \end{pmatrix} \begin{pmatrix} 0 & 1 & 0 & \cdots & 0 & 0 \\ 0 & 0 & 1 & \cdots & 0 & 0 \\ \vdots & \vdots & \vdots & \ddots & \vdots & \vdots \\ 0 & 0 & 0 & \cdots & 0 & 1 \\ 1 & 0 & 0 & \cdots & 0 & 0 \\ \end{pmatrix} =\begin{pmatrix} 0 & 0 & 1 & \cdots & 0 & 0 \\ 0 & 0 & 0 & \cdots & 0 & 0 \\ \vdots & \vdots & \vdots & \ddots & \vdots & \vdots \\ 1 & 0 & 0 & \cdots & 0 & 0 \\ 0 & 1 & 0 & \cdots & 0 & 0 \\ \end{pmatrix} \\ A^3 & =\begin{pmatrix} 0 & 0 & 0 & \cdots & 0 & 0 \\ 0 & 0 & 0 & \cdots & 0 & 0 \\ \vdots & \vdots & \vdots & \ddots & \vdots & \vdots \\ 0 & 1 & 0 & \cdots & 0 & 0 \\ 0 & 0 & 1 & \cdots & 0 & 0 \\ \end{pmatrix} \\ \cdots \\ A^n &= \begin{pmatrix} 1 & 0 & 0 & \cdots & 0 & 0 \\ 0 & 1 & 0 & \cdots & 0 & 0 \\ \vdots & \vdots & \vdots & \ddots & \vdots & \vdots \\ 0 & 0 & 0 & \cdots & 1 & 0 \\ 0 & 0 & 0 & \cdots & 0 & 1 \\ \end{pmatrix} = I_{n} \end{aligned} A2A3⋯An=⎝⎜⎜⎜⎜⎜⎛00⋮0110⋮0001⋮00⋯⋯⋱⋯⋯00⋮0000⋮10⎠⎟⎟⎟⎟⎟⎞⎝⎜⎜⎜⎜⎜⎛00⋮0110⋮0001⋮00⋯⋯⋱⋯⋯00⋮0000⋮10⎠⎟⎟⎟⎟⎟⎞=⎝⎜⎜⎜⎜⎜⎛00⋮1000⋮0110⋮00⋯⋯⋱⋯⋯00⋮0000⋮00⎠⎟⎟⎟⎟⎟⎞=⎝⎜⎜⎜⎜⎜⎛00⋮0000⋮1000⋮01⋯⋯⋱⋯⋯00⋮0000⋮00⎠⎟⎟⎟⎟⎟⎞=⎝⎜⎜⎜⎜⎜⎛10⋮0001⋮0000⋮00⋯⋯⋱⋯⋯00⋮1000⋮01⎠⎟⎟⎟⎟⎟⎞=In
性质2 任意nnn阶循环矩阵CnC_nCn都可以用基本循环矩阵线性表出,即
Cn=c0I+c1A1+c2A2+⋯+cn−1An−1=∑i=0n−1ciAi.C_{n} = c_0 I + c_1 A^1 + c_2 A^2 + \cdots + c_{n-1} A^{n-1} = \sum_{i=0}^{n-1} c_i A^i. Cn=c0I+c1A1+c2A2+⋯+cn−1An−1=i=0∑n−1ciAi.
性质2 任意nnn阶基本循环矩阵AAA的乘积仍为基本循环矩阵。
定理2 数域P\mathbb{P}P上的n×nn \times nn×n循环矩阵按照矩阵的加法和乘法构成一个向量空间,基为A1,A2,⋯,AnA^1, A^2, \cdots, A^nA1,A2,⋯,An,零向量为An=InA^n = I_nAn=In,负向量为−A-A−A。
性质3 循环矩阵的乘积还是循环矩阵。
证明 设B,CB,CB,C都是nnn阶循环矩阵,用基本循环矩阵表示B=∑i=1nbiAiB = \sum_{i=1}^{n}b_i A^iB=∑i=1nbiAi和C=∑i=1nciAiC = \sum_{i=1}^{n}c_i A^iC=∑i=1nciAi,则
BC=(∑i=1nbiAi)(∑i=1nciAi)=∑i=1n∑j=1nbicjAiAj=∑i=1,j=1nbicjA((i+j)modn)=∑k=1n(∑i,j=1,i+j=kmodnnbicj)Ak.\begin{aligned} BC & = \left( \sum_{i=1}^{n}b_i A^i \right) \left( \sum_{i=1}^{n}c_i A^i \right) = \sum_{i=1}^{n} \sum_{j=1}^{n} b_i c_j A^i A^j \\ & = \sum_{i=1,j=1}^{n} b_i c_j A^{((i+j) \mod n)} \\ & = \sum_{k=1}^{n} \left( \sum_{ \tiny \begin{array}{l} i,j=1, \\ i+j = k \mod n \end{array} }^{n} b_i c_j \right) A^k. \end{aligned} BC=(i=1∑nbiAi)(i=1∑nciAi)=i=1∑nj=1∑nbicjAiAj=i=1,j=1∑nbicjA((i+j)modn)=k=1∑n⎝⎜⎛i,j=1,i+j=kmodn∑nbicj⎠⎟⎞Ak.
定理3 循环矩阵的伴随矩阵是循环矩阵。
证明 设CnC_nCn是nnn阶循环矩阵Cn=∑i=1nciAiC_n = \sum_{i=1}^{n}c_i A^iCn=∑i=1nciAi,下面分两种情况考虑。
(1),当CnC_nCn为可逆矩阵时,考虑线性方程组CnTx⃗=(∣Cn∣,0,⋯,0)TC_n^T \vec{x} = (|C_n|,0,\cdots, 0)^TCnTx=(∣Cn∣,0,⋯,0)T,因为系数矩阵的行列式∣CnT∣=∣Cn∣≠0|C_n^T| = |C_n| \neq 0∣CnT∣=∣Cn∣=0。故方程组存在唯一的解,设为x⃗=(b1,b2,⋯,bn)T\vec{x} = (b_1,b_2,\cdots,b_n)^Tx=(b1,b2,⋯,bn)T。
令B=∑i=1nbiAiB=\sum_{i=1}^{n} b_i A^iB=∑i=1nbiAi,则
BC=∑k=1n(∑i,j=1,i+j=kmodnnbicj)AkBC = \sum_{k=1}^{n} \left( \sum_{ \tiny \begin{array}{l} i,j=1, \\ i+j = k \mod n \end{array} }^{n} b_i c_j \right) A^k BC=k=1∑n⎝⎜⎛i,j=1,i+j=kmodn∑nbicj⎠⎟⎞Ak
又x⃗TCn=(∣Cn∣,0,⋯,0)\vec{x}^T C_n = (|C_n|,0,\cdots, 0)xTCn=(∣Cn∣,0,⋯,0),对比有BCn=∣Cn∣InBC_n = |C_n|I_nBCn=∣Cn∣In。从而有B=∣Cn∣Cn−1=Cn∗B=|C_n| C_n^{-1} = C_{n}^{*}B=∣Cn∣Cn−1=Cn∗,显然BBB为循环矩阵。
(2)当CnC_nCn为不可逆矩阵时,考虑Cn−tAC_n-tACn−tA, 其行列式为f(t)=det(C−tA)f(t)=\det(C-tA)f(t)=det(C−tA)为ttt的nnn次多项式,在数域P\mathbb{P}P至多有nnn个根,当ttt大于最大的根t0t_0t0时,f(t)=det(C−tA)≠0f(t)=\det(C-tA) \neq 0f(t)=det(C−tA)=0,则矩阵Cn−tAC_n-tACn−tA可逆。
再根据(1),可知伴随矩阵(Cn−tA)∗=(ai,j(t))\left( C_n-tA \right)^{*} = \left( a_{i,j}(t) \right)(Cn−tA)∗=(ai,j(t))为循环矩阵,所以满足循环矩阵的充要条件:
k={i−j,i≥ji−j+n,i<jk = \begin{cases} i-j, &i \geq j\\ i-j+n, &i < j \end{cases} k={i−j,i−j+n,i≥ji<j
时,Ci,j=ckC_{i,j} = c_kCi,j=ck,有ai,j(t)=ak(t)a_{i,j}(t) = a_{k}(t)ai,j(t)=ak(t)。
再根据多项式的性质,当t>t0t>t_0t>t0,上面的多项式都是相等的,则对于整个实轴多项式都相等的,特别当t=0t=0t=0时,即(Cn−0A)∗=Cn∗\left( C_n-0A \right)^{*}=C_n^{*}(Cn−0A)∗=Cn∗为循环矩阵。
定理4 循环矩阵的 逆矩阵是循环矩阵。
3.循环矩阵的逆及特征值
循环矩阵的逆矩阵是循环矩阵,即有
Cn−1=circb(b0,b1,⋯,bn−1),C_n^{-1} = circb(b_0, b_1, \cdots, b_{n-1}), Cn−1=circb(b0,b1,⋯,bn−1),
其中
bj=1n∑k=0n−1λn−jk[f(λk)]−1,b0=bn,j=1,2,⋯,n.λk=e2kπni=cos2kπn+isin2kπn,k=0,1,⋯,n−1.\begin{aligned} b_j &= \frac{1}{n} \sum_{k=0}^{n-1} \lambda_{n-j}^k \left[ f(\lambda_{k}) \right]^{-1} , \qquad b_0 = b_n, \qquad j=1,2,\cdots,n. \\ \lambda_{k} &= e^{\frac{2k \pi}{n}i} = \cos \frac{2k \pi}{n} + i \sin \frac{2k \pi}{n}, \qquad k=0,1,\cdots,n-1. \end{aligned} bjλk=n1k=0∑n−1λn−jk[f(λk)]−1,b0=bn,j=1,2,⋯,n.=en2kπi=cosn2kπ+isinn2kπ,k=0,1,⋯,n−1.
λk\lambda_{k}λk是nnn次方程λn−1=0\lambda_{n} - 1= 0λn−1=0的nnn个nnn次单位根。f(x)=∑i=0n−1cixif(x)=\sum_{i=0}^{n-1} c_i x^{i}f(x)=∑i=0n−1cixi,系数cic_ici是循环矩阵第一行的元素。
由bjb_jbj可知循环矩阵可逆的条件为f(λk)≠0,k=0,1,⋯,n−1f(\lambda_{k}) \neq 0, \quad k = 0, 1, \cdots, n-1f(λk)=0,k=0,1,⋯,n−1。
根据循环矩阵可以用基本循环矩阵线性表,有Cn=∑i=0n−1ciAi=f(A)C_n = \sum_{i=0}^{n-1} c_i A^{i} = f(A)Cn=∑i=0n−1ciAi=f(A)
如果有Ax⃗=λx⃗A \vec{x} = \lambda \vec{x}Ax=λx,则有
Akx⃗=Ak−1(Ax⃗)=Ak−1λx⃗=λAk−1x⃗=⋯=λkx⃗A^k \vec{x} = A^{k-1} \left( A \vec{x} \right) = A^{k-1} \lambda \vec{x} = \lambda A^{k-1} \vec{x} = \cdots = \lambda^{k} \vec{x} Akx=Ak−1(Ax)=Ak−1λx=λAk−1x=⋯=λkx
进而有
Cnx⃗=f(λ)x⃗.C_n \vec{x} = f(\lambda) \vec{x}. Cnx=f(λ)x.
上式表明,求CnC_nCn的特征值f(λ)f(\lambda)f(λ)的问题可转化为求AAA的特征值,他们有相同的特征向量x⃗\vec{x}x。
∣λI−A∣=∣λ−10⋯000λ−1⋯00⋮⋮⋮⋱⋮⋮000⋯λ−1−100⋯0λ∣=λn−1=0\left| \lambda I - A\right| = \left| \begin{matrix} \lambda & - 1 & 0 & \cdots & 0 & 0 \\ 0 & \lambda & - 1 & \cdots & 0 & 0 \\ \vdots & \vdots & \vdots & \ddots & \vdots & \vdots \\ 0 & 0 & 0 & \cdots & \lambda & - 1 \\ -1 & 0 & 0 & \cdots & 0 & \lambda \\ \end{matrix} \right| = \lambda^n - 1 =0 ∣λI−A∣=∣∣∣∣∣∣∣∣∣∣∣λ0⋮0−1−1λ⋮000−1⋮00⋯⋯⋱⋯⋯00⋮λ000⋮−1λ∣∣∣∣∣∣∣∣∣∣∣=λn−1=0
对于特征值λk\lambda_{k}λk的特征向量为
x⃗k=(1,λk,λk2,⋯,λkn−1)T,k=0,1,⋯,n−1\vec{x}_k = \left( 1, \lambda_{k}, \lambda_{k}^2, \cdots, \lambda_{k}^{n-1} \right)^T, \quad k = 0, 1, \cdots, n-1 xk=(1,λk,λk2,⋯,λkn−1)T,k=0,1,⋯,n−1
当i≠ji \neq ji=j时,λi≠λj\lambda_i \neq \lambda_jλi=λj,因此CnC_nCn有完备的特征向量系。将特征向量组成矩阵PPP:
P=(11⋯1λ0λ1⋯λn−1λ02λ12⋯λn−12⋮⋮⋱⋮λ0n−1λ1n−1⋯λn−1n−1)P = \begin{pmatrix} 1 & 1 & \cdots & 1 \\ \lambda_{0} & \lambda_{1} & \cdots & \lambda_{n-1} \\ \lambda_{0}^{2} & \lambda_{1}^{2} & \cdots & \lambda_{n-1}^{2} \\ \vdots & \vdots & \ddots & \vdots \\ \lambda_{0}^{n-1} & \lambda_{1}^{n-1} & \cdots & \lambda_{n-1}^{n-1} \\ \end{pmatrix} P=⎝⎜⎜⎜⎜⎜⎛1λ0λ02⋮λ0n−11λ1λ12⋮λ1n−1⋯⋯⋯⋱⋯1λn−1λn−12⋮λn−1n−1⎠⎟⎟⎟⎟⎟⎞
有P−1CnP=diag(f(λ0),f(λ1),⋯,f(λn−1))P^{-1} C_n P = diag(f(\lambda_{0}),f(\lambda_{1}),\cdots, f(\lambda_{n-1}))P−1CnP=diag(f(λ0),f(λ1),⋯,f(λn−1))。
可得结论:在复数域C\mathbb{C}C上,存在一个可逆矩阵PPP将C\mathbb{C}C上的所有的循环矩阵同时相似对角化。
另外有c0=1n∑k=0n−1f(λk)c_0 = \frac{1}{n} \sum_{k=0}^{n-1} f(\lambda_{k})c0=n1∑k=0n−1f(λk) 和detCn=∏k=0n−1f(λk)\det C_n = \prod_{k=0}^{n-1} f(\lambda_{k})detCn=∏k=0n−1f(λk)。
4.利用循环矩阵求特征值的方法求Jacobi矩阵的特征值
在数值代数研究中,有时候得到如下形式的nnn阶Jacobi矩阵
Jn=(adcad⋱⋱⋱cadcad)J_n = \begin{pmatrix} a & d & & & \\ c & a & d & & \\ & \ddots & \ddots & \ddots & \\ & & c & a & d \\ & & & c & a & d \\ \end{pmatrix} Jn=⎝⎜⎜⎜⎜⎛acda⋱d⋱c⋱acdad⎠⎟⎟⎟⎟⎞
对其添加一行一列,则得到n+1n+1n+1阶的循环矩阵
circ(a,d,0,⋯,0,c)=(adccad0⋱⋱⋱⋮⋱⋱d0cadd0⋯0ad)circ(a,d,0,\cdots, 0, c) = \begin{pmatrix} a & d & & & & c\\ c & a & d & & & 0\\ & \ddots & \ddots & \ddots & & \vdots \\ & & \ddots & \ddots & d & 0\\ & & & c & a & d \\ d & 0 & \cdots & 0 & a & d \\ \end{pmatrix} circ(a,d,0,⋯,0,c)=⎝⎜⎜⎜⎜⎜⎜⎜⎛acdda⋱0d⋱⋱⋯⋱⋱c0daac0⋮0dd⎠⎟⎟⎟⎟⎟⎟⎟⎞
这样一来,我们可以使用循环矩阵的某些结果来获得JnJ_nJn的一些结果。
下面利用循环矩阵求特征值的结果来求JnJ_nJn的特征值。
记
circ(a,d,0,⋯,0,c)=D=aI+dA+cAn−1circ(a,d,0,\cdots, 0, c) = D = a I + d A + c A^{n-1} circ(a,d,0,⋯,0,c)=D=aI+dA+cAn−1
则D=f(A)D=f(A)D=f(A),如果Ax⃗=λx⃗A \vec{x} = \lambda \vec{x}Ax=λx则有Dx⃗=f(λ)x⃗D \vec{x} = f(\lambda) \vec{x}Dx=f(λ)x。
循环矩阵求特征值的方法相关推荐
- 「Matlab」“矩阵对矩阵求导的方法”讲解
使用雅可比矩阵: 1.程序 clear; syms x y z; %创建符号变量 f = [x*y;y*z;x+y+z]; v = [x,y,z]; R = jacobian(f,v) b = jac ...
- 卷积的循环矩阵求解方法
通常我们求解一维卷积或者二维卷积都是采用模板平移的方法,今天我们介绍一种新的求解方法,可以一次性求出所有的结果. 一维卷积 卷积定义 对于两个长度分别为m和n的序列x(i)和g(i)有, h(i)=x ...
- 如何用计算机求特征值特征向量,利用QR算法求解矩阵的特征值和特征向量
利用QR算法求解矩阵的特征值和特征向量 为了求解一般矩阵(不是那种幼稚到shi的2 x 2矩阵)的特征值. 根据定义的话,很可能需要求解高阶方程... 这明显是个坑...高阶方程你肿么破... 折腾了 ...
- 线性代数知识回顾:矩阵的秩,矩阵的范数,矩阵的条件数,矩阵的特征值和特征向量
一.矩阵的秩 1.定义: 矩阵线性无关的行数或列数称为矩阵的秩 补充: 线性代数中的线性相关是指: 如果对于向量α1,α2,-,αn, 存在一组不全为0的实数k1.k2.-.kn, 使得:k1·α1+ ...
- 利用QR算法求解矩阵的特征值和特征向量
利用QR算法求解矩阵的特征值和特征向量 为了求解一般矩阵(不是那种幼稚到shi的2 x 2矩阵)的特征值. 根据定义的话,很可能需要求解高阶方程... 这明显是个坑...高阶方程你肿么破... 折腾了 ...
- 循环矩阵的性质及其应用
$\S 1$ 循环矩阵的定义及多项式表示 设 $K$ 为数域. 任取 $K$ 中 $n$ 个数 $a_1,a_2,\cdots,a_n$,下列矩阵称为 $K$ 上的 $n$ 阶循环矩阵: $$A=\b ...
- 线性代数之 矩阵求导(3)标量、向量求导的快速记忆
线性代数之 矩阵求导(3)标量.向量求导的快速记忆 前言 基本约定 引例 标量对标量求导 标量对向量求导 向量对向量求导 包含两个变量的求导 总结 扩展 前言 上一次记录了矩阵求导的基本法则和公式,并 ...
- 求矩阵特征值的方法和性质
求矩阵特征值的方法 Ax=mx,等价于求m,使得(mE-A)x=0,其中E是单位矩阵,0为零矩阵. |mE-A|=0,求得的m值即为A的特征值.|mE-A| 是一个n次多项式,它的全部根就是n阶方阵A ...
- 求矩阵全部特征值和特征向量的QR方法
计算方法 本专栏为西安交通大学的<数值计算>研究生教材里面提供的计算方法撰写Python程序. ThinkZtoA ¥29.90 订阅博主 import numpy as np impor ...
- 利用逆矩阵解线性方程组_QR方法求解矩阵所有特征值(一)
QR分解法是求中小型矩阵全部特征值的最有效并广泛应用的方法. 一般矩阵先经过正交相似变化成为Hessenberg矩阵,然后再应用QR方法求特征值和特征向量. QR 分解 在学习QR方法之前需要知道什么 ...
最新文章
- The mountain is unchanged,but the heart is changed
- 2021年春季学期-信号与系统-第十三次作业参考答案-第六小题
- egg前面加什么_跟 egg 有关的英语多半是贬义,goose egg 也八九不离十
- 读书笔记_unity4.x第十二章_3D数学基础
- mysql workbench 6.2_如何在MySQL Workbench 6.2查询中运行.sql文件?
- 微软Azure AspNetCore微服务实战第2期(内附PPT下载)
- 使用 Pandas 的 to_excel() 方法来将多个 csv 文件合并到一个 xlsx 的不同 sheets 内
- 我的春Phone之行
- SAP License:备选统驭科目问题
- win7与winxp双系统安装后的引导过程
- 冒险岛(MapleStory) × Re:从零开始的异世界生活 游戏联动人物素材(含提取方法)
- 宝塔面板php无法安装,宝塔面板php无法安装怎么办
- iOS 地图坐标系转换
- Python编程题(二)
- app应用软件开发流程是怎样的?
- 《linux内核分析》第二次课 实验作业
- python并行编程 - 分布式篇
- graylog3.0收集飞塔防火墙日志
- Photoshop使用边缘功能打造后期画意
- python打开excel执行vba代码_“Python替代Excel Vba”系列(终):vba中调用Python