线性代数 --- 向量空间(vector space)与子空间(subspace)

这篇具有很好参考价值的文章主要介绍了线性代数 --- 向量空间(vector space)与子空间(subspace)。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。

 Part I --- 向量空间

线性代数 --- 向量空间(vector space)与子空间(subspace)

        向量空间就是由包含n个分量的列向量所组成的Rn的空间,其中R表示实数。例如,R2就代表了一般的x-y平面,其中包含两个分量的向量表示坐标系中的一个点(x,y)。同理,R3中的一个向量,包含三个分量,可以表示三维坐标系中的一个点(x,y,z)。

线性代数 --- 向量空间(vector space)与子空间(subspace)

也就是说,向量空间,它满足:

1,向量空间中任意两个向量a,b的向量v,依然在向量空间内。

2,向量空间中的任意一个向量b与任何一个常数c的c*b,也在向量空间内。

        也就是,向量空间内的向量对向量之间的加法(a+b=c)数乘(c*b=cb)是封闭的。或者说,对于所有在向量空间内的向量的任何形式的线性组合,都逃不出这些向量所在的线性空间的手掌心。(如下)

线性代数 --- 向量空间(vector space)与子空间(subspace)


 Part II --- 子空间

线性代数 --- 向量空间(vector space)与子空间(subspace)

        我也不是太清楚,子空间究竟是怎么定义,我感觉子空间就是向量空间的一部分(希望有朝一日能够搞明白吧)。在我们中国,一般都是看到“子”了就会想到“母”。所以,我的理解就是,子空间就是向量空间(母空间)的一部分,但是这个部分不是随便划拉一部分就能被称为空间的。这个被划出来的空间,必须满足,他内部向量的线性组合的结果也在该空间内(有些数学书上叫封闭)。此外,因为要满足线性组合计算中的数乘(也就是上图中的ii),这个子空间必须包含对应维度的零向量。因为,他必须满足scalar c=0的情况,即cx = 0x = [0]。

        下面是我自己早期的个人笔记,这是第一次学线性代数时的一个笔记,完全不懂,一脸懵逼,哈哈哈,致敬当年的那个什么都不懂的我。       

线性代数 --- 向量空间(vector space)与子空间(subspace)

线性代数 --- 向量空间(vector space)与子空间(subspace)

        对于一个4x3的矩阵,他的零空间N(A)是R3的子空间,因为,零空间是解的空间(笔者注:列空间是A中各列线性组合的空间),有多少个未知数x,就有几个分量,有几个分量就是几维。

线性代数 --- 向量空间(vector space)与子空间(subspace)


 (全文完) 

作者 --- 松下J27

参考文献(鸣谢):

1,linear algebra and its application - GILBERT STRANG

2,线性代数及其应用 - 侯自新,南开大学出版社,1990版

诗词摘抄:

小重山---岳飞(宋)

昨夜寒蛩不住鸣。惊回千里梦,已三更。起来独自绕阶行。人悄悄,帘外月胧明。
白首为功名。旧山松竹老,阻归程。欲将心事付瑶琴。知音少,弦断有谁听?

线性代数 --- 向量空间(vector space)与子空间(subspace)(*配图与本文无关*) 

版权声明:所有的笔记,可能来自很多不同的网站和说明,在此没法一一列出,如有侵权,请告知,立即删除。欢迎大家转载,但是,如果有人引用或者COPY我的文章,必须在你的文章中注明你所使用的图片或者文字来自于我的文章,否则,侵权必究。 ----松下J27文章来源地址https://www.toymoban.com/news/detail-451413.html

到了这里,关于线性代数 --- 向量空间(vector space)与子空间(subspace)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

  • 机器学习-线性代数-向量、基底及向量空间

    理解 直观理解 行向量:把数字排成一行A = [ 4   5 ] [4~ 5] [ 4   5 ] 列向量:把数字排成一列A =   [ 4 5 ] left [ begin{matrix} 4 \\\\ 5 \\\\ end{matrix} right ]   [ 4 5 ​ ] 几何意义 默认在基底条件下(直角坐标系)中的坐标表示的一个点,也可以理解以原点为起点,到目标终点A的有向线段

    2024年02月06日
    浏览(61)
  • 线性代数(魏福义)——第一章:向量与线性空间

    坐标系中可使用向量处理几何与运动学的问题,一般使用到二维或者三维有序数组,如(x,y)、(x,y,z),这样的数组称作 向量, 实际问题会用到更多维的向量。 1.1.1向量 以有序数组表示向量。n个数排成的有序数组就是n维向量。 α=(a1,a2,a3...,an)称为 行向量 ;将其

    2024年03月21日
    浏览(53)
  • 向量空间模型的线性代数基础

    [toc] 线性代数是向量空间模型的基础,对于学习向量空间模型的朋友,理解线性代数基础知识是非常必要的。本文将介绍向量空间模型的线性代数基础,包括基本概念、技术原理、实现步骤、应用示例以及优化与改进等内容。 引言 线性代数是数学的一个分支,主要研究线性

    2024年02月16日
    浏览(44)
  • 机器学习-线性代数-1-向量、基底及向量空间

    理解 直观理解 行向量:把数字排成一行A = [ 4   5 ] [4~ 5] [ 4   5 ] 列向量:把数字排成一列A =   [ 4 5 ] left [ begin{matrix} 4 \\\\ 5 \\\\ end{matrix} right ]   [ 4 5 ​ ] 几何意义 默认在基底条件下(直角坐标系)中的坐标表示的一个点,也可以理解以原点为起点,到目标终点A的有向线段

    2024年02月10日
    浏览(59)
  • 线性代数中的向量和向量空间的应用

    作者:禅与计算机程序设计艺术 作为一位人工智能专家,程序员和软件架构师,我深知线性代数在数据处理和机器学习中的重要性。本文旨在探讨线性代数中向量和向量空间的应用,帮助读者更好地理解和应用这些技术。 技术原理及概念 线性代数是数学的一个分支,主要研

    2024年02月14日
    浏览(53)
  • 线性代数3,什么是向量 向量空间(草稿,建设ing)

    目录 1 标量 scalar 2 向量 /矢量 vector 2.1 什么是向量(直观) 2.2 什么是向量(严格定义) 2.3 向量如何表示?在向量空间的表示方法 3 矩阵(matrix) 3.1 矩阵的定义 3.2 矩阵和向量的关系 3.3  方阵 4 ​张量(tensor):向量,矩阵都可以看成张量 4.1 张量的定义 4.2 更多维度的张量,举

    2024年02月12日
    浏览(36)
  • 机器学习-线性代数-逆映射与向量空间

    矩阵的本质是映射。对于一个 m × n m × n m × n 的矩阵,乘法 y = A x y = Ax y = A x 的作用就是将向量从 n n n 维原空间中的 x x x 坐标位置,映射到 m m m 维目标空间的 y y y 坐标位置,这是正向映射的过程。那么,如果已知结果向量的坐标 y y y 去反推原向量的坐标 x x x ,这个过程就

    2024年02月09日
    浏览(46)
  • 机器学习-线性代数-3-逆映射与向量空间

    矩阵的本质是映射。对于一个 m × n m × n m × n 的矩阵,乘法 y = A x y = Ax y = A x 的作用就是将向量从 n n n 维原空间中的 x x x 坐标位置,映射到 m m m 维目标空间的 y y y 坐标位置,这是正向映射的过程。那么,如果已知结果向量的坐标 y y y 去反推原向量的坐标 x x x ,这个过程就

    2024年02月15日
    浏览(35)
  • 线性代数拾遗(6)—— 向量空间投影与投影矩阵

    参考:麻省理工线性代数 阅读本文前请先了解矩阵四个基本子空间,参考:线性代数拾遗(5) —— 矩阵的四个基本子空间 考察二维平面投影,如下将向量 b pmb{b} b 投影到向量 a pmb{a} a 方向,得到 a pmb{a} a 的子空间中的向量 p pmb{p} p ,假设是 a pmb{a} a 的 x x x 倍 如图可见

    2024年02月07日
    浏览(55)
  • 机器学习-线性代数-2-逆映射与向量空间

    矩阵的本质是映射。对于一个 m × n m × n m × n 的矩阵,乘法 y = A x y = Ax y = A x 的作用就是将向量从 n n n 维原空间中的 x x x 坐标位置,映射到 m m m 维目标空间的 y y y 坐标位置,这是正向映射的过程。那么,如果已知结果向量的坐标 y y y 去反推原向量的坐标 x x x ,这个过程就

    2024年02月11日
    浏览(43)

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