矩阵的相似标准型2

这篇具有很好参考价值的文章主要介绍了矩阵的相似标准型2。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

方阵的标准型与最小多项式

4.1 方阵的特征矩阵

【定义】方阵的特征矩阵

A = [ a i j ] ∈ F n × n A=[a_{ij}]\in F^{n\times n} A=[aij]Fn×n λ \lambda λ 为文字1,称:
λ E − A = [ λ − a 11 − a 12 ⋯ − a 1 n − a 21 λ − a 22 ⋯ − a 2 n ⋮ ⋮ ⋮ − a n 1 − a n 2 ⋯ λ − a m m ] \lambda E-A= \begin{bmatrix} \lambda-a_{11} & -a_{12} & \cdots & -a_{1n} \\ -a_{21} & \lambda-a_{22} & \cdots & -a_{2n} \\ \vdots & \vdots & & \vdots \\ -a_{n1} & -a_{n2} & \cdots & \lambda-a_{mm} \\ \end{bmatrix} λEA= λa11a21an1a12λa22an2a1na2nλamm
A A A 的特征矩阵

det ⁡ ( λ E − A ) = λ n + a 1 λ n − 1 + ⋯ + a n − 1 λ + a n \det(\lambda E-A) = \lambda^n + a_1\lambda^{n-1}+\cdots+a_{n-1}\lambda+a_n det(λEA)=λn+a1λn1++an1λ+an 2
称为方阵 A A A 的特征多项式

【定理】方阵与其特征矩阵的关系

A ∈ F n × n A\in F^{n\times n} AFn×n U ( λ ) , V ( λ ) ∈ F n × n U(\lambda),V(\lambda)\in F^{n\times n} U(λ),V(λ)Fn×n,则 ∃ Q ( λ ) \exist Q(\lambda) Q(λ) R ( λ ) ∈ F [ λ ] n × n R(\lambda)\in F[\lambda]^{n\times n} R(λ)F[λ]n×n U 0 , V 0 ∈ F n × n U_0,V_0\in F^{n\times n} U0,V0Fn×n,使得
U ( λ ) = ( λ E − A ) Q ( λ ) + U 0 V ( λ ) = R ( λ ) ( λ E − A ) + V 0 \begin{align*} U(\lambda)&=(\lambda E-A)Q(\lambda)+U_0 \\ V(\lambda)&=R(\lambda)(\lambda E-A)+V_0 \\ \end{align*} U(λ)V(λ)=(λEA)Q(λ)+U0=R(λ)(λEA)+V0

方阵可以由特征矩阵表示,这里的 Q ( λ ) Q(\lambda) Q(λ) R ( λ ) R(\lambda) R(λ) 相当于系数,只不过这个系数是个方阵。这种表示方法存在且唯一

【定理】可通过初等变换相互转化的矩阵等价的推广

A ( λ ) , B ( λ ) ∈ F [ λ ] n × n A(\lambda),B(\lambda)\in F[\lambda]^{n\times n} A(λ),B(λ)F[λ]n×n,则 A ( λ ) ≃ B ( λ ) A(\lambda)\simeq B(\lambda) A(λ)B(λ)3当且仅当存在 m 阶可逆多项式矩阵 U ( λ ) U(\lambda) U(λ) 和 n 阶可逆多项式矩阵 V ( λ ) V(\lambda) V(λ),使得
B ( λ ) = U ( λ ) A ( λ ) V ( λ ) B(\lambda)=U(\lambda)A(\lambda)V(\lambda) B(λ)=U(λ)A(λ)V(λ)

这里的 U ( λ ) U(\lambda) U(λ) V ( λ ) V(\lambda) V(λ) 分别对应初等行变换和初等列变换

【定义】矩阵相似

A、B 是两个方阵,若存在可逆矩阵 P ,使得
P − 1 A P = B P^{-1}AP=B P1AP=B
则称 A A A 相似于 B B B,记为 A ∼ B A\sim B AB

【定理】等价与相似间的充要关系

A , B ∈ F n × n A,B \in F^{n\times n} A,BFn×n,则 A ∼ B A\sim B AB 的充分必要条件是 λ E − A ≃ λ E − B \lambda E-A\simeq \lambda E-B λEAλEB

4.2 方阵的三种因子

【定义】方阵的行列式因子、不变因子、初等因子

A ∈ C n × n A\in\mathbb C^{n\times n} ACn×n,称 λ E − A \lambda E-A λEA 的行列式因子、不变因子、初等因子分别为 A A A 的行列式因子、不变因子、初等因子

【定理】方阵相似 <=> 三种因子相同

A A A B ∈ C n × n B\in \mathbb C^{n\times n} BCn×n,则
A ∼ B ⇔ A 与 B 有相同的行列式因子 ⇔ A 与 B 有相同的不变因子 ⇔ A 与 B 有相同的初等因子 \begin{align*} A\sim B &\Leftrightarrow A 与 B 有相同的行列式因子 \\ &\Leftrightarrow A 与 B 有相同的不变因子 \\ &\Leftrightarrow A 与 B 有相同的初等因子 \\ \end{align*} ABAB有相同的行列式因子AB有相同的不变因子AB有相同的初等因子

即可以借助因子推相似,比如 λ E − A \lambda E-A λEA λ E − A T \lambda E-A^T λEAT 有相同的行列式因子,所以 A A A A T A^T AT 相似

4.3 方阵的有理标准型

任何一个方阵都可以找到有理标准型(Jordan标准型更重要)

【定义】有理标准型

A ∈ F n × n A\in F^{n\times n} AFn×n,其非常数不变因子有 k 个:
φ 1 ( λ ) , φ 2 ( λ ) , ⋯   , φ k ( λ ) , φ i ( λ ) ∣ φ i + 1 ( λ ) , i = 1 , 2 , ⋯   , k − 1 \varphi_1(\lambda),\varphi_2(\lambda),\cdots,\varphi_{k}(\lambda),\varphi_i(\lambda)\mid\varphi_{i+1}(\lambda),i=1,2,\cdots,k-1 φ1(λ),φ2(λ),,φk(λ),φi(λ)φi+1(λ),i=1,2,,k1
φ i ( λ ) = λ n i + a 1 λ n i − 1 + ⋯ + a i n i − 1 λ + a i n i \varphi_i(\lambda)=\lambda^{n_i}+a_1\lambda^{n_i-1}+\cdots+a_{in_{i-1}}\lambda+a_{in_{i}} φi(λ)=λni+a1λni1++aini1λ+aini i = 1 , 2 , ⋯   , k i=1,2,\cdots,k i=1,2,,k。由于4
D n ( λ ) = det ⁡ ( λ E − A ) = φ 1 ( λ ) φ 2 ( λ ) ⋯ φ k ( λ ) D_n(\lambda)=\det(\lambda E-A)=\varphi_1(\lambda)\varphi_2(\lambda)\cdots\varphi_k(\lambda) Dn(λ)=det(λEA)=φ1(λ)φ2(λ)φk(λ)
n 1 + n 2 + ⋯ + n k = n n_1+n_2+\cdots+n_k=n n1+n2++nk=n

∀ φ i ( λ ) \forall \varphi_i(\lambda) φi(λ),令
F i = [ 0 − a i n i 1 0 − a i n i − 1 1 ⋱ ⋮ ⋱ 0 − a i 2 1 − a i 1 ] F_i= \begin{bmatrix} 0 &&&& -a_{in_i} \\ 1 & 0 &&& -a_{in_{i-1}} \\ & 1 & \ddots && \vdots \\ && \ddots & 0 & -a_{i2} \\ &&& 1 & -a_{i1} \\ \end{bmatrix} Fi= 010101ainiaini1ai2ai1
可知 F i F_i Fi 的不变因子为 1 , 1 , ⋯   , 1 , φ i ( λ ) 1,1,\cdots,1,\varphi_i(\lambda) 1,1,,1,φi(λ)(一共 n i − 1 n_i-1 ni1 1 1 1,令
F = [ F 1 F 2 ⋱ F k ] F= \begin{bmatrix} F_1 \\ & F_2 \\ && \ddots \\ &&& F_k \\ \end{bmatrix} F= F1F2Fk
∵ φ i ( λ ) ∣ φ i + 1 ( λ ) , i = 1 , 2 , ⋯   , k − 1 \because \varphi_i(\lambda)\mid\varphi_{i+1}(\lambda),i=1,2,\cdots,k-1 φi(λ)φi+1(λ),i=1,2,,k1 ∴ \therefore F F F 的不变因子为
1 , 1 , ⋯   , 1 ⏞ n − k 个 , φ 1 ( λ ) , φ 2 ( λ ) , ⋯   , φ k ( λ ) \overbrace{1,1,\cdots,1}^{n-k个},\varphi_1(\lambda),\varphi_2(\lambda),\cdots,\varphi_k(\lambda) 1,1,,1 nk,φ1(λ),φ2(λ),,φk(λ)
这表明 A A A F F F 具有相同的不变因子,从而 A ∼ F A\sim F AF

我们称 F F F A A A 的有理标准型, F i F_i Fi 为有理块

比如求矩阵 A A A 的有理标准型
A = [ − 1 − 2 6 − 1 0 3 − 1 − 1 4 ] A= \begin{bmatrix} -1 & -2 & 6 \\ -1 & 0 & 3 \\ -1 & -1 & 4 \\ \end{bmatrix} A= 111201634
利用初等变换,有
λ E − A = [ λ + 1 2 − 6 1 λ − 3 1 1 λ − 4 ] ≃ [ 1 0 0 0 λ − 1 0 0 0 ( λ − 1 ) 2 ] \lambda E-A= \begin{bmatrix} \lambda+1 & 2 & -6 \\ 1 & \lambda & -3 \\ 1 & 1 & \lambda-4 \\ \end{bmatrix} \simeq \begin{bmatrix} 1 & 0 & 0 \\ 0 & \lambda-1 & 0 \\ 0 & 0 & (\lambda-1)^2 \\ \end{bmatrix} λEA= λ+1112λ163λ4 1000λ1000(λ1)2
所以 A A A 的不变因子为 1 , λ − 1 , ( λ − 1 ) 2 1,\lambda-1,(\lambda-1)^2 1,λ1,(λ1)2

对于 φ 1 ( λ ) = λ − 1 \varphi_1(\lambda)=\lambda-1 φ1(λ)=λ1,其除最高项系数为 -1,得到 F 1 = [ 1 ] F_1=[1] F1=[1]
对于 φ 2 ( λ ) = λ 2 − 2 λ + 1 \varphi_2(\lambda)=\lambda^2-2\lambda+1 φ2(λ)=λ22λ+1,其除最高项系数为 1,-2,得到
F 2 = [ 0 − 1 1 2 ] F_2= \begin{bmatrix} 0 & -1 \\ 1 & 2 \\ \end{bmatrix} F2=[0112]

A A A 的有理标准型为
F = [ 1 0 0 0 0 − 1 0 1 2 ] F= \begin{bmatrix} 1 & 0 & 0 \\ 0 & 0 & -1 \\ 0 & 1 & 2 \\ \end{bmatrix} F= 100001012

4.4 方阵的Jordan标准型(约当标准型)

【定义】Jordan标准型(约当标准型)

A ∈ C n × n A\in \mathbb C^{n\times n} ACn×n,其全部初等因子为
( λ − λ 1 ) n 1 , ( λ − λ 2 ) n 2 , ⋯   , ( λ − λ s ) n s (\lambda-\lambda_1)^{n_1},(\lambda-\lambda_2)^{n_2},\cdots,(\lambda-\lambda_s)^{n_s} (λλ1)n1,(λλ2)n2,,(λλs)ns
其中 λ 1 , λ 2 , ⋯   , λ s ∈ C \lambda_1,\lambda_2,\cdots,\lambda_s\in \mathbb C λ1,λ2,,λsC,允许相同

由于4 D n ( λ ) = det ⁡ ( λ E − A ) = ( λ − λ 1 ) n 1 ( λ − λ 2 ) n 2 ⋯ ( λ − λ s ) n s D_n(\lambda)=\det(\lambda E-A)=(\lambda-\lambda_1)^{n_1}(\lambda-\lambda_2)^{n_2}\cdots(\lambda-\lambda_s)^{n_s} Dn(λ)=det(λEA)=(λλ1)n1(λλ2)n2(λλs)ns,故 n 1 + n 2 + ⋯ + n s = n n_1+n_2+\cdots+n_s=n n1+n2++ns=n

对每一个 ( λ − λ i ) n i (\lambda-\lambda_i)^{n_i} (λλi)ni,令
J i = [ λ i 1 λ i ⋱ ⋱ 1 λ i ] n i × n i J_i= \begin{bmatrix} \lambda_i \\ 1 & \lambda_i \\ & \ddots & \ddots \\ && 1 & \lambda_i \end{bmatrix}_{n_i\times n_i} Ji= λi1λi1λi ni×ni
此时 J i J_i Ji 的初等因子为 ( λ − λ i ) n i (\lambda-\lambda_i)^{n_i} (λλi)ni,令
J = [ J 1 J 2 ⋱ J s ] J= \begin{bmatrix} J_1 \\ & J_2 \\ && \ddots \\ &&& J_s \\ \end{bmatrix} J= J1J2Js
此时 J J J 的全部初等因子为 ( λ − λ 1 ) n 1 , ( λ − λ 2 ) n 2 , ⋯   , ( λ − λ s ) n s (\lambda-\lambda_1)^{n_1},(\lambda-\lambda_2)^{n_2},\cdots,(\lambda-\lambda_s)^{n_s} (λλ1)n1,(λλ2)n2,,(λλs)ns,与 A A A 具有相同的初等因子,所以 A ∼ J A\sim J AJ

于是我们称 J J J A A A 的 Jordan 标准型, J i J_i Ji 为 Jordan 块

比如求矩阵 A A A 的 Jordan 标准型
A = [ − 1 − 2 6 − 1 0 3 − 1 − 1 4 ] A= \begin{bmatrix} -1 & -2 & 6 \\ -1 & 0 & 3 \\ -1 & -1 & 4 \\ \end{bmatrix} A= 111201634
利用初等变换,有
λ E − A = [ λ + 1 2 − 6 1 λ − 3 1 1 λ − 4 ] ≃ [ 1 0 0 0 λ − 1 0 0 0 ( λ − 1 ) 2 ] \lambda E-A= \begin{bmatrix} \lambda+1 & 2 & -6 \\ 1 & \lambda & -3 \\ 1 & 1 & \lambda-4 \\ \end{bmatrix} \simeq \begin{bmatrix} 1 & 0 & 0 \\ 0 & \lambda-1 & 0 \\ 0 & 0 & (\lambda-1)^2 \\ \end{bmatrix} λEA= λ+1112λ163λ4 1000λ1000(λ1)2
所以 A A A 的不变因子为 1 , λ − 1 , ( λ − 1 ) 2 1,\lambda-1,(\lambda-1)^2 1,λ1,(λ1)2

对于 λ − 1 \lambda-1 λ1,作 J 1 = [ 1 ] J_1=[1] J1=[1]
对于 λ 2 − 2 λ + 1 \lambda^2-2\lambda+1 λ22λ+1,作
J 2 = [ 1 0 1 1 ] J_2= \begin{bmatrix} 1 & 0 \\ 1 & 1 \\ \end{bmatrix} J2=[1101]
A A A 的 Jordan 标准型为
J = [ 1 0 0 0 1 0 0 1 1 ] J= \begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 1 & 1 \\ \end{bmatrix} J= 100011001

【定理】相似于对角矩阵的等价命题(从三种因子的角度)

A ∈ C n × n A\in\mathbb C^{n\times n} ACn×n,则下列命题等价:

  • A A A 相似于对角矩阵
  • A A A 的初等因子都是一次的
  • A A A 的非常数不变因子无重根
  • d n ( λ ) d_n(\lambda) dn(λ) 无重根
  • A A A 的最小多项式无重根
  • A A A 存在一个无重根的零化多项式

所有方阵都有Jordan标准型(分块对角矩阵),但不是所有的方阵能相似于对角矩阵

5.1 最小多项式的定义及性质

【定义】零化多项式

A ∈ F n × n A\in F^{n\times n} AFn×n A ≠ 0 A\neq0 A=0,若存在非零多项式
φ ( λ ) = a 0 λ m + a 1 λ m − 1 + ⋯ + a m − 1 λ + a m \varphi(\lambda)=a_0\lambda^{m}+a_1\lambda^{m-1}+\cdots+a_{m-1}\lambda+a_m φ(λ)=a0λm+a1λm1++am1λ+am
使得
φ ( λ ) = a 0 A m + a 1 A m − 1 + ⋯ + a m − 1 A + a m E = O \varphi(\lambda)=a_0A^m+a_1A^{m-1}+\cdots+a_{m-1}A+a_mE=O φ(λ)=a0Am+a1Am1++am1A+amE=O
则称 φ ( λ ) \varphi(\lambda) φ(λ) A A A 的一个零化多项式

零化多项式不是唯一的,只要有个零化多项式,它乘任意多项式最后结果仍为0(如 φ ( λ ) ⋅ g ( λ ) \varphi(\lambda)\cdot g(\lambda) φ(λ)g(λ) );既然有无穷多个零化多项式,我们肯定求不完,那么能不能定义出一个唯一的零化多项式?于是给出最小多项式的定义。

【定义】最小多项式

方阵 A A A 的次数最低 且 首1的零化多项式称为 A A A 的最小多项式,用 m ( λ ) m(\lambda) m(λ) m A ( λ ) m_A(\lambda) mA(λ) 表示

那么如何计算零化多项式/最小多项式?

【定理】Hamilton-Cayley定理

A ∈ F n × n A\in F^{n\times n} AFn×n f ( λ ) f(\lambda) f(λ) A A A 的特征多项式,即
f ( λ ) = det ⁡ ( λ E − A ) = λ n + a 1 λ n − 1 + ⋯ + a n − 1 λ + a n f(\lambda)=\det(\lambda E-A)=\lambda^n+a_1\lambda^{n-1}+\cdots+a_{n-1}\lambda+a_n f(λ)=det(λEA)=λn+a1λn1++an1λ+an
f ( A ) = O f(A)=O f(A)=O

【注】方阵的特征多项式一定是它的零化多项式

【定理】最小多项式的性质
  • A A A 的最小多项式 可以整除 A A A 的零化多项式
  • A A A 的最小多项式唯一
  • 相似矩阵具有相同的最小多项式
  • A A A 的最小多项式的根必定是其特征多项式的根,反之亦然

5.2 最小多项式的求法

【定理】求最小多项式的方法——不变因子法

A ∈ F n × n A\in F^{n\times n} AFn×n d n ( λ ) d_n(\lambda) dn(λ) A A A 的最后一个不变因子,则 A A A 的最小多项式 m A ( λ ) = d n ( λ ) m_A(\lambda)=d_n(\lambda) mA(λ)=dn(λ)



  1. λ \lambda λ为文字】指关于 λ \lambda λ 的方程 ↩︎

  2. 【det】determinant:行列式 ↩︎

  3. ≃ \simeq 】等价,可以通过初等变换得到的矩阵等价 ↩︎

  4. D n ( λ ) D_n(\lambda) Dn(λ)】表示 n 阶行列式因子。 A ( λ ) A(\lambda) A(λ) 中全部 k k k 阶子式的首1最大公因式 D k ( λ ) D_k(\lambda) Dk(λ) 称为 A ( λ ) A(\lambda) A(λ) k k k 阶行列式因子,( 1 ≤ k ≤ r 1\leq k\leq r 1kr) ↩︎ ↩︎文章来源地址https://www.toymoban.com/news/detail-758629.html

到了这里,关于矩阵的相似标准型2的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 第8章 特征矩阵(矩阵相似、最小多项式、特征矩阵相似、不变因子、初等因子和若当标准型)

    相似有相同的特征多项式,相同的特征值,相同的迹,A的行列式即det(A)也相同,相同的最小多项式,相同的秩。 从而求A的迹(特征值)转化为另一个矩阵的迹(特征值)。 例: (1)AB都正定,则tr(AB) 0,A正定,则有可逆阵P: 由于B正定,所以特征值都大于0,所以AB的迹大于

    2024年02月05日
    浏览(61)
  • Matlab矩阵论矩阵分析计算实现(四)求史密斯标准型和约当标准型

    Matlab中有内置的史密斯标准型和约当标准型,所以不在用例题多做说明。 以下是代码 运行结果 源码 https://download.csdn.net/download/Pedrotime/87355113

    2024年02月06日
    浏览(45)
  • 矩阵分析学习笔记(六):有理标准型和Jordan标准型、复数域上矩阵的特征结构

    哈尔滨工业大学 矩阵分析 全72讲 主讲-严质彬 视频教程 形而上学,不行退学,共勉!博客为个人手写笔记整理存档,不喜勿看。

    2024年02月06日
    浏览(49)
  • 矩阵分析学习笔记(四):λ矩阵及其Smith标准型

    哈尔滨工业大学 矩阵分析 全72讲 主讲-严质彬 视频教程 形而上学,不行退学,共勉!博客为个人手写笔记整理存档,不喜勿看。

    2024年02月02日
    浏览(40)
  • matlab函数 状态空间系统ss、能控性矩阵ctrb、矩阵的秩rank、能控标准型canon、零极点配置place、系统极点pole等函数(线性定常系统)

    如果已知线性定常系统的ABCD四个矩阵,可以得到状态空间系统 其他更具体的用法请直接看帮助文档。 用法:ss(A,B,C,D) 假如 可以输入 最后得到 判断系统是否能控,可以用能控性矩阵是否奇异进行判断。ctrb函数用来生成能控性矩阵,rank用来判断矩阵的秩 对于线性定常系统

    2024年02月10日
    浏览(59)
  • 【】【理论+题型】二次型化标准型 +合同

    (A)二次型化标准型2方法对比 1任何二次型都能化为标准,有正交变换法和配方法 2任何二次型都能通过配方法变为标准型,但不一定能通过正交变化法变 3二次型的规范型唯一,标准型不唯一 4实对称阵的(合同)对角化问题,即是相应的二次型化标准型问题 5正交变换法和配

    2023年04月23日
    浏览(35)
  • 线性代数(四) 特征值&相似矩阵

    前面主要讲述的是方程组和矩阵的关系,现在了解下矩阵和矩阵的关系 假设A为n阶方阵,对于一个数 λ lambda λ 若存在:非零列向量 α alpha α ,使得: A α ⃗ = λ α ⃗ Avec{alpha}=lambdavec{alpha} A α = λ α λ lambda λ 叫做矩阵A的一个特征值 α ⃗ vec{alpha} α 叫做对应特征值的

    2024年02月12日
    浏览(36)
  • 腾讯云标准型CVM云服务器详细介绍

    腾讯云CVM服务器标准型实例的各项性能参数平衡,标准型云服务器适用于大多数常规业务,例如:web网站及中间件等,常见的标准型云服务器有CVM标准型S5、S6、SA3、SR1、S5se等规格,腾讯云服务器网来详细说下云服务器CVM标准型云服务器详细说明: 目录 标准型CVM云服务器 腾

    2024年02月13日
    浏览(53)
  • 【线性代数】如何判断矩阵是否可以相似对角化

    第一步,看是不是实对称矩阵,如果是实对称矩阵,立即推可相似对角化,如果不是实对称矩阵,看第二步; 第二步,求方阵的n个特征值,如果特征值彼此都不相同,也就是都是单根的话,立即推可相似对角化,如果有重根,看第三步; 第三步,来验证k重根是不是具备k个

    2024年02月11日
    浏览(49)
  • 线性代数|证明:线性变换在两个基下的矩阵相似

    前置定义 1(基变换公式、过渡矩阵) 设 α 1 , ⋯   , α n boldsymbol{alpha}_1,cdots,boldsymbol{alpha}_n α 1 ​ , ⋯ , α n ​ 及 β 1 , ⋯   , β n boldsymbol{beta}_1,cdots,boldsymbol{beta}_n β 1 ​ , ⋯ , β n ​ 是线性空间 V n V_n V n ​ 中的两个基, { β 1 = p 11 α 1 + p 21 α 2 + ⋯ + p n 1 α n β 2

    2024年02月03日
    浏览(50)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包