2020年03月_jhshanvip

原创 3.6 矩阵秩的其它重要关系

矩阵秩的其它重要关系矩阵由两个子矩阵的列向量构成，则秩大于等于子矩阵， max(rankA,rankB)≤rank(AB)max(rank A , rank B) \leq rank (A \quad B)max(rankA,rankB)≤rank(AB) 。rank(AB)rank (A \quad B)rank(AB) 是矩阵 AAA 列向量和矩阵 BBB 列向量的并集张成空间的维度，显然...

2020-03-24 17:47:50 5828

原创 3.5 矩阵 $4$ 个空间和方程 $A\mathbf{x}=\mathbf{y}$ 的关系

矩阵 444 个空间和方程 Ax=yA\mathbf{x}=\mathbf{y}Ax=y 的关系已经介绍了矩阵 AAA 的 333 个空间，列空间 {Av}\{A\mathbf{v}\}{Av} ：矩阵列向量组张成的空间；行空间 {ATu}\{A^T\mathbf{u} \}{ATu}：矩阵行向量组张成的空间；零空间 {x:Ax=0}\{\mathbf{x}:A\mathbf{x}=\mathb...

2020-03-24 17:45:59 619

原创 3.4 矩阵 $A,A^T,A^TA,AA^T$ 秩相等，左逆和右逆

矩阵 A,AT,ATA,AATA,A^T,A^TA,AA^TA,AT,ATA,AAT 秩相等，左逆和右逆令 r=rankAr=rank Ar=rankA ，因为零空间秩为 n−rn-rn−r ，零空间是矩阵行空间的正交补空间，矩阵 ATA^TAT 列空间就是矩阵 AAA 行空间，故 rankAT=n−rank(nullA)=rrank A^T = n-rank (null A) = rrankA...

2020-03-24 17:45:08 7095

原创 3.3 矩阵零空间

矩阵零空间方程 Ax=0A\mathbf{x}=\mathbf{0}Ax=0 的解对于矩阵 ABABAB 是否会降秩很关键，当矩阵 BBB 某个列向量是方程解时，则会降秩，否则不会。如果矩阵 AAA 向量组是无关组，解只有 0\mathbf{0}0 向量，因为 0\mathbf{0}0 向量不能张开空间，故不会降秩。本节研究方程 Ax=0A\mathbf{x}=\mathbf{0}Ax=0 的解...

2020-03-24 17:43:50 2020

原创 3.2 矩阵乘积的秩

矩阵乘积的秩矩阵乘积 ABABAB 的秩和矩阵 A,BA,BA,B 的秩有什么关系呢？首先直观上说明。线性映射 Ax=yA\mathbf{x}=\mathbf{y}Ax=y ，当矩阵 AAA 是列满秩矩阵时，即无关组时，映射是单射，所以定义域内一个向量 x\mathbf{x}x 对应值域内一个向量 y\mathbf{y}y ，值域内一个向量 y\mathbf{y}y 也对应定义域内一个向量 x...

2020-03-24 17:42:19 32066 7

原创 3.1 矩阵的秩

上一章提到，若矩阵 AAA 、BBB 满足 AB=OA B = \mathbf{O}AB=O ，不能得出 A=OA = \mathbf{O}A=O 或 B=OB = \mathbf{O}B=O 的结论，矩阵 AAA 满足什么条件能得出 B=OB = \mathbf{O}B=O 的结论呢？还提到，线性变换把线性空间变换为线性空间，这两个空间有什么关系呢？第一章以向量为工具研究了线性空间，这章以矩...

2020-03-24 17:38:53 2255

原创 2.12 矩阵及乘法重要总结

重要总结有三种角度看待矩阵 AAA ：1、矩阵是线性变换， AAA 是整体。2、矩阵是列向量的有序集合，A=[a1,a2,⋯ ,an]A = \left[ \mathbf{a_1},\mathbf{a_2},\cdots,\mathbf{a_n}\right]A=[a1,a2,⋯,an] 。3、矩阵是行向量的有序集合，A=[ar1Tar2T⋮arnT]A = \left[ \begin...

2020-03-20 12:36:49 955

原创 2.11 矩阵和实数运算不同之处

矩阵和实数运算不同之处除了矩阵乘法不满足交换律外，矩阵还有几个特殊之处。定义零矩阵元素都是零的矩阵称为零矩阵，记作 O\mathbf{O}O 。注意不同型的零矩阵是不同的。实数 ab=0ab=0ab=0 可得 a=0a=0a=0 或 b=0b=0b=0 ，矩阵中存在类似的结论吗，即两个矩阵乘积为零矩阵，可得出某个矩阵为零矩阵吗？结论是不能！若有两个矩阵 AAA 、BBB 满足 AB...

2020-03-20 12:35:54 2581 1

原创 2.10 分块矩阵求逆

分块矩阵求逆分块矩阵求逆法，把大型矩阵变成小型矩阵，可以提高计算效率。1、准对角矩阵 A=[A11OOA22]A=\left[ \begin{matrix} A_{11} & \mathbf{O} \\\mathbf{O} & A_{22} \\\end{matrix} \right]A=[A11OOA22] 的逆，可以待定系数法求，设逆矩阵为 A−1=[XYZ...

2020-03-20 12:34:24 24323 2

原创 2.9 逆矩阵

逆矩阵矩阵乘以向量 Ax=yA\mathbf{x}=\mathbf{y}Ax=y ，可以看成函数，输入是向量 x\mathbf{x}x ，输出是向量 y\mathbf{y}y 。变换矩阵 AmnA_{mn}Amn 把 nnn 维空间向量 x\mathbf{x}x 映射为 mmm 维空间向量 y\mathbf{y}y 。函数定义域是 nnn 维空间 RnR^nRn ，值域是 mmm 维空间 Rm...

2020-03-20 12:31:58 1041

原创 2.8 转置矩阵及对称矩阵

转置矩阵内积具有重要意义，那么如何计算变换后两个向量的内积呢？向量 v,w\mathbf{v},\mathbf{w}v,w 经变换矩阵 AAA 变换为向量 Av,AwA\mathbf{v},A\mathbf{w}Av,Aw ，内积按矩阵乘法计算，就是向量 AvA\mathbf{v}Av 对应的行向量和向量 AwA\mathbf{w}Aw 的乘积。如何表示向量 AvA\mathbf{v}Av 对...

2020-03-20 12:28:06 5454

原创 2.7 矩阵分块及矩阵乘法的四种方式

矩阵分块为了简化矩阵运算或从不同角度看矩阵乘法，把矩阵分成多块，每块是子矩阵，子矩阵可“看作”一个数，只要满足形状要求，就可进行形式上的矩阵运算。矩阵乘法实质就是矩阵乘以向量，把向量看成列向量，矩阵乘以向量就是矩阵乘以矩阵，以这个最基础构建来说明矩阵分块运算。矩阵乘以向量是向量组的线性组合，必须从这个根源说起！Ax=x1a1+⋯+xnan=(x1a1+⋯+xkak)+(xk+1ak+1+⋯+...

2020-03-20 12:25:43 17933

原创 2.6 矩阵乘法重要特例

重要特例AmnA_{mn}Amn ， BnpB_{np}Bnp 两个矩阵相乘，当 m,n,pm,n,pm,n,p 有的为 111 时，是极其重要的特例，具有重要意义。定义列向量列数为 111 的矩阵，就是向量，记为 v\mathbf{v}v 。定义行向量行数为 111 的矩阵，记为 vT\mathbf{v^T}vT ，v\mathbf{v}v 是个列向量。为了不引起混乱，本书统...

2020-03-20 12:22:42 564 1

原创 2.5 矩阵乘法规则

乘法规则根据定义，很容易验证矩阵乘法满足分配律A(B+C)=AB+AC(A+B)C=AB+BCA(B+C) = AB + AC \\(A+B)C = AB + BCA(B+C)=AB+AC(A+B)C=AB+BC证第一个式子A(B+C)=A[b1+c1,⋯ ,bp+cp]=[A(b1+c1),⋯ ,A(bp+cp)]=[Ab1+Ac1,⋯ ,Abp+Acp]=[Ab1,⋯ ,Abp]...

2020-03-20 12:20:35 2903

原创 2.4 矩阵乘以矩阵定义

矩阵乘以矩阵乘法定义进一步分析基变换关系， nnn 维空间中任意向量 x=a1v1+⋯+anvn\mathbf{x}=a_1\mathbf{v_1}+\cdots+a_n\mathbf{v_n}x=a1v1+⋯+anvn ，用矩阵乘以向量表示为 x=Va\mathbf{x} = V\mathbf{\mathbf{a}}x=Va ，矩阵 VVV 由 nnn 维空间中基构成，称为基矩阵...

2020-03-20 12:18:13 1305

原创 2.3 线性变换引入

线性变换矩阵乘以向量 Ax=yA\mathbf{x}=\mathbf{y}Ax=y ，可以看成函数，函数输入是向量 x\mathbf{x}x ，输出是向量 y\mathbf{y}y 。线性代数把函数看作变换，向量 x\mathbf{x}x 变换成向量 y\mathbf{y}y ，矩阵 AAA 称为变换矩阵，变换矩阵作为一个整体。 mmm 行 nnn 列矩阵 AAA 记为 AmnA_{mn}Amn...

2020-03-20 12:14:30 369

原创 2.2 矩阵基本运算

矩阵基本运算矩阵作为有序向量组的整体，可以进行运算，就如同向量作为有序数组的整体。主要运算包括相等，加法和数乘。矩阵运算规则都是根据矩阵乘以向量是矩阵向量组的线性组合推导出来的，即公式（1）。矩阵相等两个矩阵 AAA， BBB 相等，即对任意向量 x\mathbf{x}x ，需满足 Ax=BxA\mathbf{x}=B\mathbf{x}Ax=Bx 。首先，进行矩阵形状判断，由于和同样向量...

2020-03-20 11:54:05 1853

原创 2.1 矩阵的引入

矩阵及线性变换以向量为工具，研究向量合成即向量组线性组合，核心概念是线性空间和基。这种方法的优点是具有极强的几何图像，很直观，是理解线性代数的基础。但也有明显的缺点，一是表达上不简洁，每次都需要写出向量组中每个向量和每个表示系数，表达不简洁不利于数学的发展，思维的提高，所以需要把向量组和表示系数组作为一个整体考虑；二是计算上不方便，判断向量组是否为基、计算正交补空间和向量投影这几个线性代数基本问...

2020-03-20 11:41:50 781

原创 1.13 函数空间

函数空间向量空间中每个点是向量，向量可以由基向量唯一表示，这个概念可以推广到函数空间。函数空间中每个点是一元函数，函数可以由基函数唯一表示。可以简单认为，函数空间的函数是满足一定条件（比如闭区间连续函数）的任意函数，如 xα,sinx,cosx,ex,lnx,sinx2ln(1+x)x^\alpha,sinx,cosx,e^x,lnx,sinx^2ln(1+x)xα,sinx,cosx,ex,l...

2020-03-19 19:49:42 2015

原创 1.12 四类向量组

四类向量组向量组相关性决定表示向量的唯一性，无关组表示必唯一，相关组表示必无穷。代数上，根据 0\mathbf{0}0 向量是否被全0表示，如果只有全0表示则无关，否则相关。几何上，无关组是张成子空间的基，向量数量多于张成子空间维度时，是相关组。任意维度空间中，0维子空间是原点，过原点的任意直线是1维子空间，过原点的任意平面是2维子空间，等等。子空间一定要过原点，整个空间是个特殊子空间。向量组...

2020-03-19 19:47:17 471 1

原创 1.11 多于空间维度的向量组

多于空间维度的向量组二维平面中任意向量被二个以上向量表示时肯定不唯一，三维平面中任意向量被三个以上向量表示时肯定不唯一。这说明在二维空间中二个以上向量肯定是相关的，三维空间中三个以上向量肯定是相关的，那 mmm 维空间中多少个向量肯定相关呢？肯定是 mmm 个以上！重要性质 mmm 维空间中任意 nnn 个向量（n>mn>mn>m），如果极大无关组是基，则任意向量被 n...

2020-03-19 19:45:27 374

原创 1.10 相关组

相关组前面介绍的向量组都是无关组，是基的子集。现实中，向量组不可能都是无关组，还有相关组。相关组的存在极大增加了线性代数的难度，同时也增加了解决现实问题的难度。基本性质定义相关组无关组中增加任意数目的能由无关组表示的向量后，扩充后的向量组称为相关组。二维空间中，无关组为： V=((1,0),(0,1))V = ((1,0),(0,1))V=((1,0),(0,1)) ，它们是基，因为任...

2020-03-19 19:43:21 447

原创 1.9 向量投影

向量投影力的正交分解就是投影，高中时一般向坐标轴投影，有时也需计算力在任意方向分量，即力在这个方向的投影，可通过内积计算。但有时需要计算力在某个平面内的分量，即力在平面内的投影，或者计算力垂直于某平面的分量，都可通过投影解决。几何上，也经常涉及投影，如点到直线或平面的距离，此距离是点到直线或平面的最短距离，求此距离可通过投影解决。再举个例子，为什么称为“投影”，投影就是物体在太阳光的照射下在...

2020-03-19 19:37:09 2693 1

原创 1.8 正交补空间

正交补空间重要性质 S1S_1S1 是 SSS 子空间，则必存在唯一子空间 S2S_2S2 使得 S=S2⊕S1S = S_2 \oplus S_1S=S2⊕S1 和 $ S_2 \bot S_1$ ，称 S2S_2S2 为 S1S_1S1 的正交补空间，记为 S1⊥S_1^{\bot}S1⊥ ， $ dim S_1^{\bot} = dim S - dim S_1$ 。正交补...

2020-03-19 19:27:55 15788

原创 1.7 空间正交分解

空间正交分解空间的直和分解只保证向量分解的唯一性，不保证分解后的向量互相垂直，垂直能简化问题，因为内积为0，所以必须研究子空间正交分解。平面内每条直线是子空间，两直线垂直时，是平面的正交分解。三维空间中，平面和直线垂直时是正交分解。几何上是如何定义直线垂直平面的？直线垂直于平面内任意直线，据此定义子空间垂直。定义子空间正交两个子空间内各取任一向量，它们互相垂直，记为 S1⊥S2S_1 \...

2020-03-19 19:01:56 2250

原创 1.6 子空间直和

子空间直和假设基任意分为两个互补的无关组，例如 V1=(v1,⋯ ,vk)V_1 = (\mathbf{v_1},\cdots,\mathbf{v_k})V1=(v1,⋯,vk) 和 V2=(vk+1,⋯ ,vm)V_2 = (\mathbf{v_{k+1}},\cdots,\mathbf{v_m})V2=(vk+1,⋯,vm) ， k≥1且k<mk \ge 1 \quad 且...

2020-03-19 18:58:11 2245 1

原创 1.5 基的判断

基的判断mmm 维空间中任意 mmm 个向量的向量组 V=(v1,⋯ ,vm)V = (\mathbf{v_1},\cdots,\mathbf{v_m})V=(v1,⋯,vm) 如何判断其是否为基，这些线性代数一个核心问题。可以从几何和代数两个方面考虑。几何上，向量组张成整个空间，所以能张成整个空间的向量组就是基。具体判断（或想象，因为三维以上空间只能想象）如下，向量组有 mmm 个向量，...

2020-03-19 18:51:08 2777 1

原创 1.4 子空间

子空间二维平面经常研究直线，三维空间经常研究平面，它们都是整个空间的部分空间。整个空间是向量集合，那部分空间应该是其子集，所以部分空间称为子空间。无关组是基的子集，基的线性组合可以表示整个空间，那无关组的线性组合是否可以表示子空间呢？无关组张成子空间二维空间中任意向量可分解为任意不共线的两个向量和，三维空间中任意向量可也分解为两个向量和：一个向量位于任意平面内，另一个向量位于平面外。那整个空...

2020-03-19 18:45:35 1463 1

原创 1.3 空间的基

空间的基二维三维空间最重要的性质是， m≤3m\le3m≤3 维空间中存在 mmm 个向量，其线性组合能唯一表示空间中任意向量，能推广到高维空间吗？二维空间中任意向量表示为 v=(x,y)\mathbf{v} = (x,y)v=(x,y) ，三维空间中任意向量表示为 v=(x,y,z)\mathbf{v} = (x,y,z)v=(x,y,z) ，以此类推。定义 mmm 维向量任意 mmm...

2020-03-19 18:30:32 3345 1

原创 1.2 二维三维空间向量组的线性组合

二维三维空间向量组的线性组合向量的基本运算法则，构成了整个线性代数的基础。在物理学中，特别是求系统平衡时，经常碰到这类问题，给定若干矢量，这些矢量和能与某特定矢量平衡吗？这就需要研究向量组的线性组合，本节给出低维空间中的情况，因为低维空间中，向量组的线性组合有几何图像。线性组合是核心概念，希望读者重视背后的几何图像。本章后面内容是对这些情况进行理论提升，并推广到高维空间。二维平面线性组合考虑...

2020-03-19 18:20:53 4038

原创 1.1 向量基本概念

向量及向量空间线性代数是研究高维空间中向量的数学分支，十分抽象。向量是物理学中的矢量，为了使读者感受到线性代数后面的几何图像，本书简要回顾矢量相关知识。代数是工具，几何是灵魂，一定要重视代数后的几何，只有看到了几何，才能抓住本质，化繁为简，化难为易。矢量物理学中的力、速度、加速度和力矩等都是矢量，矢量是即有大小又有方向的量。可随意平行移动的有向线段可作为矢量的几何形象。两个矢量相等只有方向和...

2020-03-19 18:03:23 2433 3

原创 0. 导读每个学习过线性代数的人，心中一定充满疑问，往往百思难得其解，本书列举一些，并且自然而然地解决了这些问题，

导读如果你有幸拿到这本书，恭喜你！你将获得最自然和最本质的解读线性代数的方式。每个学习过线性代数的人，心中一定充满疑问，往往百思难得其解，本书列举一些，并且自然而然地解决了这些问题，希望你读完本书后对这些问题有透彻理解。如果你从零开始学习，则希望你带着这些问题仔细阅读本书。线性代数用来解决什么问题的？线性代数以向量和矩阵为工具，解决线性空间中向量的合成与分解问题。矩阵是什么？可以多...

2020-03-19 17:30:59 3792 8

jhshanvip的博客