摘要：
写博客这么久，保持着高效和高产的习惯，青春年少的时光错过了，现在开始还未晚。下面这些文章都是非常经典，阅读量和推荐以及评论都非常高，大部分文章都上过博客园头条。特意开辟专栏目录。按照时间降序吧，最新的文章显示在前面。17.分享一个Visual Studio的背景插件，让堆码更富情趣；16..NET平台机器学习资源汇总，有你想要的么？15.白话贝叶斯理论及在足球比赛结果预测中的应用和C#实现【附资料】14.你用过这种奇葩的C#注释吗？如何看待 (2015-04-17 10:04) 阅读全文
写博客这么久，保持着高效和高产的习惯，青春年少的时光错过了，现在开始还未晚。下面这些文章都是非常经典，阅读量和推荐以及评论都非常高，大部分文章都上过博客园头条。特意开辟专栏目录。按照时间降序吧，最新的文章显示在前面。17.分享一个Visual Studio的背景插件，让堆码更富情趣；16..NET平台机器学习资源汇总，有你想要的么？15.白话贝叶斯理论及在足球比赛结果预测中的应用和C#实现【附资料】14.你用过这种奇葩的C#注释吗？如何看待 (2015-04-17 10:04) 阅读全文
摘要：
矩阵的秩是反映矩阵固有特性的一个重要概念。在线性代数中，一个矩阵A的列秩是A的线性无关的纵列的极大数目。类似地，行秩是A的线性无关的横行的极大数目。矩阵的列秩和行秩总是相等的，因此它们可以简单地称作矩阵A的秩。通常表示为r(A)，rk(A)或rank A。矩阵的行秩与列秩相等，是线性代数基本定理的重要组成部分. 其基本证明思路是，矩阵可以看作线性映射的变换矩阵，列秩为像空间的维度，行秩为非零原像空间的维度，因此列秩与行秩相等，即像空间的维度与非零原像空间的维度相等（这里的非零原像空间是指约去了零空间后的商空间：原像空间）。这从矩阵的奇异值分解就可以看出来。矩阵秩的计算最容易的方式是高斯消去法，这里引用维基百科的内容 阅读全文
矩阵的秩是反映矩阵固有特性的一个重要概念。在线性代数中，一个矩阵A的列秩是A的线性无关的纵列的极大数目。类似地，行秩是A的线性无关的横行的极大数目。矩阵的列秩和行秩总是相等的，因此它们可以简单地称作矩阵A的秩。通常表示为r(A)，rk(A)或rank A。矩阵的行秩与列秩相等，是线性代数基本定理的重要组成部分. 其基本证明思路是，矩阵可以看作线性映射的变换矩阵，列秩为像空间的维度，行秩为非零原像空间的维度，因此列秩与行秩相等，即像空间的维度与非零原像空间的维度相等（这里的非零原像空间是指约去了零空间后的商空间：原像空间）。这从矩阵的奇异值分解就可以看出来。矩阵秩的计算最容易的方式是高斯消去法，这里引用维基百科的内容 阅读全文