综述

本系列博文主要总结学习矩阵论的心得笔记，参考数目《矩阵论》–张凯院；整个文章的整理体系参照行书过程。

1.1 线性空间

1.1.3 线性空间的基与坐标

向量的坐标有利于借助数量运算实现向量运算，所以引进向量的坐标是十分必要的。

基：设集合V是数域K上的线性空间，x1,x2,...,xr（r>=1）x_1,x_2,...,x_r（r>=1）x1,x2,...,xr（r>=1）是属于V的任意r个向量，这r个向量线性无关；且V中任意一个向量x都可以由x1,x2,...,xrx_1,x_2,...,x_rx1,x2,...,xr线性表示。则x1,x2,...,xrx_1,x_2,...,x_rx1,x2,...,xr是V的一组基。线性空间的基是不唯一的。
坐标： 集合V中的任意一个向量x在一组基下的线性表示系数，为这个向量在该组基下的坐标。且每一个向量在同一组基下的坐标表示是唯一的。（唯一性的证明：设两组坐标表示，相等移项，有基线性无关，推导系数为零，导出坐标表示唯一）

在线性空间中引入向量坐标的概念后，抽象的向量和向量组的有关问题可以转化为坐标运算的问题。

1.1.4 基变换与坐标变换

因为线性空间的基是不唯一的，所以同一向量在不同基下的坐标表示一般是不同的。当基变换时，同一向量的坐标该如何变化？

基变换公式：
旧基：x1,x2,...,xnx_1,x_2,...,x_nx1,x2,...,xn
新基：y1,y2,...,yny_1,y_2,...,y_ny1,y2,...,yn
新基向量用旧基线性表示：
{y1=c11x1+c21x2+...+cn1xny2=c12x1+c22x2+...+cn2xn......yn=c1nx1+c2nx2+...+cnnxn\left\{ \begin{aligned} y_1=c_{11}x_1+c_{21}x_2+...+c_{n1}x_n \\ y_2=c_{12}x_1+c_{22}x_2+...+c_{n2}x_n \\ ... ...\\ y_n=c_{1n}x_1+c_{2n}x_2+...+c_{nn}x_n \end{aligned} \right. ⎩⎪⎪⎪⎪⎨⎪⎪⎪⎪⎧y1=c11x1+c21x2+...+cn1xny2=c12x1+c22x2+...+cn2xn......yn=c1nx1+c2nx2+...+cnnxn
=>
(y1,y2,...,yn)=(x1,x2,...,xn)C(y_1,y_2,...,y_n)=(x_1,x_2,...,x_n)C (y1,y2,...,yn)=(x1,x2,...,xn)C
C=[c11c12...c1nc21c22...c2n............cn1cn2...cnn]C=\begin{gathered} \begin{bmatrix} c_{11} & c_{12}&...&c_{1n} \\ c_{21} & c_{22}&...&c_{2n} \\ ... & ...&...&... \\c_{n1} & c_{n2}&...&c_{nn} \\\end{bmatrix} \end{gathered} C=⎣⎢⎢⎡c11c21...cn1c12c22...cn2............c1nc2n...cnn⎦⎥⎥⎤
C为旧基改变为新基的过度矩阵。
坐标变换：
向量x在新旧两组基下的坐标表示：
旧基坐标表示：α=(ξ1,ξ2,...,ξn)T\alpha =(\xi_1,\xi_2,...,\xi_n)^Tα=(ξ1,ξ2,...,ξn)T
新基坐标表示：β=(η1,η2,...,ηn)T\beta =(\eta_1,\eta_2,...,\eta_n)^Tβ=(η1,η2,...,ηn)T
x=(x1,x2,...,xn)α=(y1,y2,...,yn)β=(x1,x2,...,xn)Cβx=(x_1,x_2,...,x_n)\alpha=(y_1,y_2,...,y_n)\beta=(x_1,x_2,...,x_n)C\beta x=(x1,x2,...,xn)α=(y1,y2,...,yn)β=(x1,x2,...,xn)Cβ
=>
α=Cβ∣∣β=C−1α\alpha=C\beta ||\beta=C^{-1}\alpha α=Cβ∣∣β=C−1α

矩阵论-线性空间的基与坐标，基变换坐标变换相关推荐

矩阵论（2）——线性表示及基与坐标
2 线性表示 2.1 线性表示的概念 2.1.1线性表示设是线性空间V中的向量,若存在V中一组向量{},及一组数,使得则称向量能被向量组{}线性表示,或者线性表出. 2.1.2 线性相关设{}是 ...
【机器学习｜数学基础】Mathematics for Machine Learning系列之线性代数（23）：维数、基与坐标
目录前言往期文章 6.2 维数.基与坐标定义2 定义3 结语前言 Hello!小伙伴! 非常感谢您阅读海轰的文章,倘若文中有错误的地方,欢迎您指出- 自我介绍 ଘ(੭ˊᵕˋ)੭ 昵称:海轰 ...
矩阵论-线性空间与线性变换（一）
矩阵论刚开始学习的时候很抽象,感觉很多不懂,但是反复看了几遍定义后,得到了一些心得体会. 定义1.1 线性空间:线性空间在本科线性代数课中在最后的章节很简单的谈了一下,没想到矩阵论开头就是暴击,第一次 ...
【通俗理解线性代数】 -- 矩阵与空间的基和坐标
本微信图文从矩阵与坐标系的角度对矩阵进行了通俗化介绍!
矩阵论学习笔记一：线性空间与线性变换
参考书:<矩阵论>第3版,程云鹏张凯院徐仲编著西北工业大学出版社 1. 线性空间 1)集合与映射 a)集合:数域 b)映射:定义:变换:运算 2)线性空间及其性质 a)线性空间是某类 ...
矩阵论笔记(一) - 线性空间、线性子空间、矩阵的值域和核空间
文章目录 1.线性空间 1.1 线性空间的定义 1.2 线性空间的性质 1.3 线性空间的维数 1.4 线性空间的基 1.5 基变换与坐标变换 1.5.1 基变换: 1.5.2 坐标变换: 2. 线性 ...
北邮矩阵论- 第1章 1.1线性空间
1.1 线性空间 1.1.1 集合与映射 1.数环和数域的定义 1.1.2 线性空间及其性质 1.线性空间的定义 2.线性空间的性质线性空间VVV有唯一零元素任一元素也有唯一的负元素若 x∈V, ...
线性空间（向量空间）
1. 线性空间:V是非空集合,,x,y,z-.是其中的向量:k,l,m-是数域K上的数,如果V满足以下8个条件,则成V为线性空间: 加法运算:当x,y属于V时,x+y也属于V,即封闭性 (1)结合律: ...
高维度下的数据科学—线性空间（上）
使得集合Y的元素和集合X的元素相对应起来的规则f. 广义的概念: 电影票也是一种映射,发工资也是一种映射,男女朋友也是映射.只要有对应关系,我么就可以认为是映射.映射这个概念就是发明用来对自然界和社会 ...

矩阵论-线性空间的基与坐标，基变换坐标变换

线性空间与线性变换

综述

1.1 线性空间

1.1.3 线性空间的基与坐标

1.1.4 基变换与坐标变换

矩阵论-线性空间的基与坐标，基变换坐标变换相关推荐

最新文章

热门文章