一、线性系统
一个线性系统满足两个条件:叠加性和齐次性。
假设有两个输入 x 1 ( t ) , x 2 ( t ) x_1(t),x_2(t) x1(t),x2(t)及其对应的输出 y 1 ( t ) = H { x 1 ( t ) } , y 2 ( t ) = H { x 1 ( t ) } y_1(t)=H\{x_1(t)\},y_2(t)=H\{x_1(t)\} y1(t)=H{
x1(t)},y2(t)=H{
x1(t)},其中H代表线性系统,那么可以得到 α y 1 ( t ) + β y 2 ( t ) = H { α x 1 ( t ) + β x 2 ( t ) } \alpha y_1(t)+ \beta y_2(t)=H\{\alpha x_1(t) + \beta x_2(t)\} αy1(t)+βy2(t)=H{
αx1(t)+βx2(t)}
二、向量和矩阵
1、向量(Vectors)
向量是一堆数的集合,分为行向量和列向量,这里说向量默认为列向量。
向量与标量相乘: 每个维度都跟该标量相乘。
X = [ x 1 x 2 ] , c X = [ c x 1 c x 2 ] {X=\begin{bmatrix}x_1 \\x_2 \end{bmatrix}},{cX=\begin{bmatrix}cx_1 \\cx_2 \end{bmatrix}} X=[x1x2],cX=[cx1cx2]
向量加减: 使用平行四边形法则。
a ± b = [ a 1 a 2 ] ± [ b 1 b 2 ] = [ a 1 ± b 1 a 2 ± b 2 ] {a\pm b=\begin{bmatrix}a_1 \\a_2 \end{bmatrix}\pm \begin{bmatrix}b_1 \\b_2 \end{bmatrix}= \begin{bmatrix}a_1\pm b_1 \\a_2\pm b_2 \end{bmatrix}} a±b=[a1a2]±[b1b2]=[a1±b1a2±b2]
向量集: 可以包含有限或者无限个向量。
χ = { [ x 1 x 2 ] : x 1 + x 2 = 0 } {\chi =\{\begin{bmatrix}x_1 \\x_2 \end{bmatrix}: x_1+x_2=0\}} χ={
[x1x2]:x1+x2=0}
标准向量: 只有一个维度为1其他维度为0的向量。
R n {R_n} Rn: 由所有的n维向量组成的集合。
(1)向量操作
a.线性相关和线性无关:
- 已知一组向量 { v 1 , v 2 , … , v n } {\lbrace{v_1,v_2,\ldots,v_n\rbrace}} { v1,v2,…,vn},若存在一组不全为0的实数 a 1 , a 2 , … , a n {a_1,a_2,\ldots,a_n} a1,a2,…,an,使得 ∑ i = 1 n a i v i = 0 \sum_{i=1}^n {a_iv_i}=0 ∑i=1naivi=0,则这组向量 { v 1 , v 2 , … , v n } {\lbrace{v_1,v_2,\ldots,v_n\rbrace}} { v1,v2,…,vn}是线性相关的。
- 已知一组向量 { v 1 , v 2 , … , v n } {\lbrace{v_1,v_2,\ldots,v_n\rbrace}} { v1,v2,…,vn},若当且仅当 a i = 0 , i = 1 , 2 , … , n {a_i=0,i=1,2,\ldots,n} ai=0,i=1,2,…,n时才有 ∑ i = 1 n a i v i = 0 \sum_{i=1}^n {a_iv_i}=0 ∑i=1naivi=0,则这组向量 { v 1 , v 2 , … , v n } {\lbrace{v_1,v_2,\ldots,v_n\rbrace}} { v1,v2,…,vn<