线性代数的学习和整理17:向量空间的基,自然基,基变换等(未完成)

这篇具有很好参考价值的文章主要介绍了线性代数的学习和整理17:向量空间的基,自然基,基变换等(未完成)。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。

目录

1 从颜色说起

1.1 用简单的枚举 → 一一映射到某种颜色

1.1.1  自然语言里的颜色对应

1.1.2 举个例子:VB里的colorindex

1.1.3 接下来的关键问题就是:如何对应更多的颜色,无限穷举么?

1.2 升级版的颜色映射思路:RGB颜色

1.2.1 RGB颜色大家都明白原理

1.2.2 表达方式1:用一个16*6的矩阵来表示颜色

1.2.3 表达方式2: 用(red,green,blue) 这3个维度组成一个向量来表示颜色

1.2.4 总结,RGB颜色就是用矩阵的形式来表示颜色了

1.2.5  附属知识

(1) 十六进制

(2) 颜色的RGB值

(3) 一些颜色的其他概念

1.3 从RGB颜色向量组,引出向量空间的基

2 向量空间的基(basis):向量空间的的基础 / 轴

2.1 什么样的向量可以做基?

2.2 基的分类

2.2.1 不同空间的基---向量组的数量可能不同

2.2.2 自然基

2.2.3 正交基

2.2.4 标准正交基

2.2.5 基和向量/矩阵

3 基变换

(1)基不变,坐标变换 

(2)坐标不变,基变换

3.1.6 基变换和坐标变换的公式 (待完成)


1 从颜色说起

  • 如何显示颜色,以前的人有过很多的尝试
  • 最简单的思路就是枚举和映射,1种颜色对应1个代码/数字,其实和密码也差不多

1.1 用简单的枚举 → 一一映射到某种颜色

1.1.1  自然语言里的颜色对应

其中举例最简单的就是语言

  • red--红色--1
  • green---绿色---2
  • blue--红色--3
  • yellow--黄色色--4
  • 。。。

1.1.2 举个例子:VB里的colorindex

  • colorindex是EXCEL的颜色代码,一共就56个颜色
  • 但实际上VBA里还有RGB颜色代码  color=rgb(,,)  , TextBox1.BackColor=rgb() 
Sub test_color()
Range("i6:i19")).Interior.ColorIndex
 
For Each i In Range("B1:H19")
    i.Offset(0, 1).Interior.ColorIndex = i.Value
Next
 
'第一次想到的这种思路不行Union(Range("c6:c19"), Range("E6:E19"), Range("G6:G19"))
End Sub

线性代数的学习和整理17:向量空间的基,自然基,基变换等(未完成),线性代数,线性代数

1.1.3 接下来的关键问题就是:如何对应更多的颜色,无限穷举么?

  • 自然语言里的颜色,一般也就十来种,几十种都够难记难用了
  • 像VBA里的colorindex() 的56种颜色,虽然已经够多了,但是实际上专业的人还是觉得不够用
  • 所以,枚举加到几百,上千去?

1.2 升级版的颜色映射思路:RGB颜色

1.2.1 RGB颜色大家都明白原理

  • 实际上就是 red, green,blue 这3元色来生成其他颜色
  • RGB颜色有2种数字化 表示方式
  1. 比如 ffffff 000000 ,这个是16进制数字来表示颜色
  2. 使用RGB的向量值来表示其他颜色的,比如 黑色是(0,0,0) ,白色是(255,255,255), 而后面这种方法,就是向量和矩阵的方法

1.2.2 表达方式1:用一个16*6的矩阵来表示颜色

  • 其实ffffff这种,表面也是用一个维度的一串数字来表示不同的颜色
  • 但是和前面不同的就是,只有固定的6位
  • 所以要表示多种颜色,相当于其列向量=6个,行向量=16,可以看成一个A16*6 的矩阵。
  • 这个矩阵A16*6,最大容量16^6=16777216

1.2.3 表达方式2: 用(red,green,blue) 这3个维度组成一个向量来表示颜色

  • RGB值从0-255,实际这个数字代表亮度
  • RGB=(0,0,0) ,RGB=(100,100,100),这种形式是很明显的向量了
  • 这个矩阵A256*3,即256*256*256种,颜色最大容量256^3=16777216

1.2.4 总结,RGB颜色就是用矩阵的形式来表示颜色了

  • 本质都是用矩阵/向量组来表示颜色

线性代数的学习和整理17:向量空间的基,自然基,基变换等(未完成),线性代数,线性代数

1.2.5  附属知识

(1) 十六进制

(常用数字0、1、2、3、4、5、6、7、8、9和字母A、B、C、D、E、F(a、b、c、d、e、f)表示,其中:A~F表示10~15,这些称作十六进制数字。)

(2) 颜色的RGB值

RGB色彩模式是工业界的一种颜色标准,是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的,RGB即是代表红、绿、蓝三个通道的颜色,这个标准几乎包括了人类视力所能感知的所有颜色,是运用最广的颜色系统之一。

  • RGB值从0-255,实际这个数字代表亮度
  • 总共有256*256*256种,

颜色名称

红色值 Red

绿色值 Green

蓝色值 Blue

黑色

0

0

0

蓝色

0

0

255

绿色

0

255

0

青色

0

255

255

红色

255

0

0

亮紫色(洋红色)

255

0

255

黄色

255

255

0

白色

255

255

255

线性代数的学习和整理17:向量空间的基,自然基,基变换等(未完成),线性代数,线性代数

(3) 一些颜色的其他概念

  一些颜色显示的

  • 16位色的发色总数是65536色,也就是2的16次方;
  • 24位色被称为真彩色,它可以达到人眼分辨的极限,发色数是16777216色,也就是2的24次方。32位色就并非是2的32次方的发色数,它其实也是16777216色,不过它增加了256阶颜色的灰度也就是8位透明度,发色数其实2的24次方,但是增加了8位透明度,就规定它为32位色。
  • 少量显卡能达到36位色,它是24位发色数再加512阶颜色灰度。

1.3 从RGB颜色向量组,引出向量空间的基

  • 用RGB的第2种表示方法,用red,green,blue这3种颜色来生成其他所有颜色的向量空间
  • 使用RGB的向量值来表示其他颜色的,比如 黑色是(0,0,0) ,白色是(255,255,255), 而后面这种方法,就是向量和矩阵的方法
  1. 实际上 RGB 是三原色,也就是 颜色空间/ 可以看成一个3维空间的基
  2. 其中 red 是 green 是   ,blue是 
  3. 任意一种颜色都可以写成 red,green,blue的线性组合 线性代数的学习和整理17:向量空间的基,自然基,基变换等(未完成),线性代数,线性代数
  4. 也就是red,green,blue 是这个向量空间的一组 最大线性无关向量组,也是一组基。
  5. 而且因为red,green,blue这3个向量选择的特殊性,这3个向量组的基,还是自然基,也是正交基!

2 向量空间的基(basis):向量空间的的基础 / 轴

2.1 什么样的向量可以做基?

向量空间的基的严格定义:向量空间中的某组向量 A= {a1,a2.....an} ,这些向量如果是这个向量空间的最大线性无关组,那么这组向量A就是这个空间的一组基。

总结可以做基的特征

A= {a1,a2.....an} 这组向量,或这个向量组

  • 必须是线性无关的。
  • 而且必须是这个空间的最大线性无关组。

理论上,颜色空间的基有无数组,但是很多向量组也不能作为基本

举例

  1. 比如RG这2种颜色构成的向量组,不能称为RGB空间的一组基,因为RG组成不了所有颜色
  2. 比如线性相关的3组向量: 深绿色(0,255,0),标准绿色(0,100,0) 和蓝色(0,0,255)不能作为颜色空间的基的,因为3个线性相关的颜色基,无法组成所有颜色。

2.2 基的分类

2.2.1 不同空间的基---向量组的数量可能不同

  • (a1,a2)是2维的,对应2个基底e1,e2
  • (a1,a2,a3)是3维的,对应3个基底e1,e2,e3
  • (a1,a2,a3... ... an)是n维的, 对应n个基底e1,e2.....en

2.2.2 自然基

  • 自然基本特指这种    
  • 自然基,比然是正交基,也是标准正交基

2.2.3 正交基

  • 基这组向量里的每个向量都是互相 垂直/正交的

2.2.4 标准正交基

  • 基这组向量里的每个向量都是互相 垂直/正交的
  • 且长度都为1
  • 标准正交基有很多,并不只是只有自然基那一组!

2.2.5 基和向量/矩阵

  • 比如一个向量(3,2,5) 就可以认为是,这个向量的3个元素分别在3个基上的长度/伸缩度
  1. 向量(3,2,5) 在第1个基,(1,0,0) 上的长度/伸缩度是3,
  2. 向量(3,2,5) 在第2个基,(0,1,0) 上的长度/伸缩度是2,
  3. 向量(3,2,5) 在第3个基,(0,0,1) 上的长度/伸缩度是5,

3 基变换

  • 矩阵的 基 / 基底 是可以改变的
  • 实际上Ax=y 就可以看作 基变换
  • Ax=y 有两种方法,要么坐标变,要么坐标不变,基变化

线性代数的学习和整理17:向量空间的基,自然基,基变换等(未完成),线性代数,线性代数

(1)基不变,坐标变换 
  • 假设我们有A是e1,e2,e3 等 自然基下的向量x
  • 计算  A*x=y
  • 一般我们计算  A*x=y 其实都是将 向量x 经过矩阵A变换后,生成了新的向量y,而新的向量y实际就是原向量的坐标发生了变化,其仍然是e1,e2。。。等 自然基下的向量y
(2)坐标不变,基变换
  • 假设我们有A是e1,e2。。。等自然基下的向量x
  • 而A的列向量分别是  α1,α2 ....
  • 计算  A*x=y
  • 我们可以保持x向量的坐标还是老的,但是基不再用e1,e2。。。等,而是用A的列向量α1,α2 ....作为新的基.

3.1.6 基变换和坐标变换的公式 (待完成)

线性代数的学习和整理17:向量空间的基,自然基,基变换等(未完成),线性代数,线性代数文章来源地址https://www.toymoban.com/news/detail-689247.html

到了这里,关于线性代数的学习和整理17:向量空间的基,自然基,基变换等(未完成)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-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(42)
  • 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(34)
  • 线性代数的学习和整理13: 函数与向量/矩阵

    目录 1 函数与 向量/矩阵 2 初等数学的函数 2.1 函数 2.2 函数的定义:定义域  →映射→  值域 3  高等数学里的函数:定义域和陪域/到达域(非值域)的映射关系 3.1 函数 3.2 单射,满射,双射等都是针对定义域 和 陪域的 3.3 易错地方:值域较小且是被决定的 3.4 单射,满射,

    2024年02月11日
    浏览(64)
  • 线性代数的学习和整理3:标量,向量和张量的定义和对比

    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04日
    浏览(53)
  • 线性代数学习笔记5-1:正交的向量/空间、正交补(行空间和零空间正交)

    向量 x boldsymbol x x 和向量 y boldsymbol y y 正交的定义: 就是说它们的点积 / 内积为零: x ⋅ y = 0 boldsymbol xcdotboldsymbol y=0 x ⋅ y = 0 也可以统一表示为向量乘法: x T y = 0 boldsymbol x^Tboldsymbol y=0 x T y = 0 向量的正交,可简单理解为两个向量在几何上 垂直 零向量与所有向量都正

    2024年02月05日
    浏览(74)
  • 线性代数的学习和整理20,关于向量/矩阵和正交相关,相似矩阵等

    目录 1 什么是正交 1.1 正交相关名词 1.2 正交的定义 1.3 正交向量 1.4 正交基 1.5 正交矩阵的特点 1.6 正交矩阵的用处 orthogonal set 正交向量组 正交变换 orthogonal matrix 正交矩阵 orthogonal basis 正交基 orthogonal decomposition 正交分解 正交的定义:内积为0 正交一定线性无关 其实不共线也

    2024年02月09日
    浏览(57)
  • 线性代数的学习和整理6:如何表示向量/矩阵? 矩阵就是向量组,矩阵的本质是什么?

    目录 0 参考的知识点和目录 1 向量 1.1 向量的概念 1.2 向量如何表示 1.3 向量/矩阵的优秀表示方法:即向量空间内的有向线段 2 矩阵 2.1 矩阵就是多个列向量的集合/合并( 而不是 +),矩阵就是多个列向量的一种简化书写方式? 2.2 矩阵的加法  =等价于=  向量的加法 2.3 矩阵

    2024年02月07日
    浏览(52)
  • 线性代数的学习和整理20,关于向量/矩阵和正交相关,相似矩阵等(草稿)

    目录 1 什么是正交 1.1 正交相关名词 1.2 正交的定义 1.3 正交向量 1.4 正交基 1.5 正交矩阵的特点 1.6 正交矩阵的用处 orthogonal set 正交向量组 正交变换 orthogonal matrix 正交矩阵 orthogonal basis 正交基 orthogonal decomposition 正交分解 正交的定义:内积为0 正交一定线性无关 其实不共线也

    2024年02月09日
    浏览(46)
  • 线性代数的学习和整理19,特征值,特征向量,以及引入的正交化矩阵概念

    目录 1 什么是特征值和特征向量? 1.1 特征值和特征向量这2个概念先放后 1.2 直观定义 1.3 严格定义 2 如何求特征值和特征向量 2.1 方法1:结合图形看,直观方法求 2.1.1 单位矩阵的特征值和特征向量 2.1.2 旋转矩阵 2.2  根据严格定义的公式 A*X=λ*X 来求 2.3  特征方程 2.4 互异特

    2024年02月09日
    浏览(66)
  • 线性代数的学习和整理23:用EXCEL和python 计算向量/矩阵的:内积/点积,外积/叉积

      目录 1 乘法 1.1 标量乘法(中小学乘法) 1.1.1 乘法的定义 1.1.2 乘法符合的规律 1.2 向量乘法 1.2.1 向量:有方向和大小的对象 1.2.2 向量的标量乘法 1.2.3 常见的向量乘法及结果 1.2.4 向量的其他乘法及结果 1.2.5 向量的模长(长度) 模长的计算公式 1.2.6 距离 2 向量的各种乘法 2

    2024年01月23日
    浏览(47)

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