哈夫单位的定义和意义_向量空间的定义|线性代数漫步(三)

对于没有正式学过线性代数的同学来说,可能在很多地方都接触过“线性”这一概念。老师一定擦边说过很多次,求导是线性的,线性方程组是线性的(废话),解微分方程的时候也有过“线性相关”“朗斯基行列式”这些貌似只有在线性代数里面才会出现的名词。笔者开始看线性代数后,真是越看越入迷,越看越惊叹。不过这是个长篇故事,今儿还是从线性空间开始说起。


( 一般情况下,
是一个域。不过初学比较常见、也比较直观的是
代表实数域
或复数域
。但是得到的结论一般来说都适用于
是任意域的情况)
上的加法和标量乘法具有交换性和结合性,并且有加法单位元和乘法单位元,加法和标量乘法通过分配性质联系在一起。这些性质是高中学习向量已经熟知的。把这些性质加以抽象拓展,使我们能够描述的对象不仅限于书上画的那些“有向线段”、“箭头”。

0cf49db633a7c9895e417a7fcc80a98b.png
最直观的向量描述:箭头o(* ̄︶ ̄*)o

对一个集合

定义加法和变量乘法如下:
  • 定义:加法、标量乘法
    • 集合
      上的加法是一个把每一对
      都对应到的
      中的一个元素的函数,这个映射的像记为
    • 集合
      上的标量乘法是可以把任意
      对应到
      中一个元素的函数,这个映射的像记为

定义好这两种映射后,就可以正式定义向量空间(或称线性空间)了:

  • 定义:向量空间
    • 若集合
      带有加法和标量乘法并满足以下性质,则称其为
      上的向量空间(或线性空间),而把
      重点中的元素称为“标量”或者“纯量”(对于
      是数域——特别是实数域或者复数域——的情况,也把其中元素简单直观地称为“数”)
交换性(commutativity):对任意
,都有

结合性(associativity):对所有
,都有

加法单位元(additive identity):存在元素
,使得对任意
,都有

加法逆元(additive inverse):对任意元素
,都存在
,使
;(注意要先定义加法单位元才能定义加法逆元)

乘法单位元(multiplicative identity):对所有
都有

分配性质(distributive properties):对所有
,都有

向量空间中的元素称为向量或点。虽说以往喜欢给表示向量的字母加粗,但是打加粗的符号要打

,比直接打字母要麻烦一些,由于要打大量的向量,方便起见就没有加粗,但是要根据上下文注意区分。比如分配性质中的
,式中的
上的标量,而
是向量空间
中的向量。

向量空间的标量乘法依赖于

。因此在需要确切指明的时候会说“
上的 向量 空间”。比如说
上的向量空间,
上的向量空间 。
  • 定义:实向量空间、复向量空间
    • 上的向量空间称为实向量空间。
    • 这一句定义复向量空间的废话就不用我说了吧。

下面讲一个例子。

是一个集合,用
表示
映射到
的所有函数的集合。也就是说,这个集合里面的元素是一个个的函数,这些函数以
为定义域,映射到

对于

,规定这两个元素的和
是如下函数:对所有的
,都有

对于

,规定标量乘法
是如下函数:对所有的

看到这里或许有人不禁要问,这是什么废话?难道

还要规定一下?这里要把所谓的“和”、“加法”好好说一下。
这个式子是什么意思?就以
为数来说,意思是,取
等于定义域上的某个数,然后根据两个函数
的形式把
具体的值算出来,然后加起来。也就是说,
取定某个数,
都是
这个式子的结果也是一个
数。

再看

。前面提到过,
里面的元素都是映射,
都是
映射,不是 。映射的加法是啥意思?学过吗?好像没有哦~于是,此处给出映两个映射的加法的定义,这个加法是一种 映射,它是把想要加的那两个映射(此处是
)对应到一个映射,数
在所得的这个映射的操作下得到的值,等于分别被
映射后相加得到的值——
。把新的映射写作
,于是有

是非空集合,则很容易证明
在上文定义的加法和标量乘法下是
上的 向量空间。这个向量空间的加法单位元是如下定义的零函数
:对任意
,都有

对于

中的元素
,其加法逆元是如下定义的函数
:对任意
,都有


下面给出向量空间一些基本性质以及证明。

  • 向量空间有唯一的加法单位元。
证明:设
都是向量空间
的加法单位元,则

第一个等号成立是因为
是加法单位元,所以
可以加上它而保持不变;第二个等号成立当然是因为加法的交换性;第三个等号成立的 原因和第一个等号类似,是因为
是加法单位元。上式证明了
,所以
中只有一个加法单位元。

根据定义 ,向量空间中的每个元素都有加法逆元。可以证明:

  • 向量空间中的每个元素都有唯一的加法逆元。
证明:设
是向量空间,
,并设
都是
的加法逆元,则

因此

前面提到过,要定义加法逆元得先定义加法单位元,此处对加法逆元唯一性的证明又用到了加法单位元。步骤中的 一连串等号成立的原因显而易见,不再赘述。

由于每个元素的加法逆元是唯一的,那用一个特殊的记号来表示它就有意义了。

  • 记号:设
    ,则
    • 表示
      的加法逆元;
    • 表示
      ,即
      的加法逆元的和。

以下再给出三条性质及证明。

  • 标量0乘以向量:对
    ,都有
证明:对
,有

在等式两端都加上
的加法逆元,可得

我们证明的式子中,左端的

代表与向量
相乘的数0,右端的
代表加法单位元向量,或者写作粗体更明显一些:

有一个性质与上面的结果类似——

  • 标量乘以向量0:对任意
    ,都有
证明:对
,有

在上式两端都加上
的加法逆元,可得

同样,为了看清楚,把结果写作

下面又是一个需要证明的废话:

  • 数-1乘以向量:对任意
    ,都有
证明:对
,有

这个等式说明,
相加得零向量,因此
的加法逆元,按照前文的记号,写作

除了这里证明的几个性质,还可以证明:

  1. 对任意
    ,都有
    。(这个性质可理解为,
    的加法逆元,也即
    互为加法逆元)
  2. ,若
    ,则必有

向量空间可以说是

的推广,正是
的某些特殊性质提供了定义向量空间的动机,因此向量空间的某些性质(主要指那些有直观的几何解释的性质)才会让人觉得眼熟。
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 模板匹配和哈夫变换都是图像处理中常用的技术,它们之间的联系如下: 1. 目标检测:模板匹配和哈夫变换都可以用于目标检测。模板匹配比较适合于匹配目标物体与模板的相似度,而哈夫变换则是通过检测图像中的直线、圆等几何形状来检测目标物体。 2. 物体定位:模板匹配可以通过匹配模板与图像中的某个区域来确定物体的位置,而哈夫变换则可以通过检测图像中的几何形状来确定物体的位置。 3. 噪声鲁棒性:由于哈夫变换可以抵抗图像中的噪声干扰,所以在处理含有噪声的图像时,哈夫变换比模板匹配更为鲁棒。 4. 计算复杂度:模板匹配的计算复杂度比哈夫变换低,但是模板匹配只能匹配模板与图像中的小区域,而哈夫变换可以检测整个图像中的几何形状。 综上所述,模板匹配和哈夫变换在图像处理中都有其独特的应用场景,可以根据具体需求来选择使用哪种方法。 ### 回答2: 模板匹配和哈夫变换都是图像处理中常用的技术方法,它们之间有着密切的联系。 首先,模板匹配是一种基于像素级别相似度的模式识别方法,它的目的是在图像中寻找和给定模板最相似的区域。模板匹配通过计算两个图像区域之间的相似性度量值来判断它们的相似程度,通常使用相关性或差异性作为度量。而哈夫变换是一种在图像中检测特定几何形状的方法,它可以从图像中检测直线、圆或其他形状的边缘,从而实现图像分割、特征提取等目的。 在模板匹配中,我们通常将模板与待匹配图像的各个位置进行相似性计算,确定最相似的位置作为匹配结果。而哈夫变换则是通过对图像上的每个像素进行遍历,将符合特定几何形状的像素形成投票,最终根据投票结果确定图像中是否存在特定几何形状。 那么模板匹配与哈夫变换的联系在哪里呢? 首先,模板匹配可以作为哈夫变换的一种应用。在检测特定几何形状时,我们可以首先确定模板,然后将模板与待检测图像进行匹配,找到匹配程度最高的位置,从而确定特定几何形状的存在。 其次,哈夫变换可以为模板匹配提供一种优化的方法。在模板匹配中,可能会出现受到噪声等干扰的情况,导致匹配结果不准确。而哈夫变换可以通过检测特定几何形状的边缘,实现对图像的分割,从而减少噪声的干扰,提高模板匹配的准确性。 总结来说,模板匹配和哈夫变换是图像处理中常用的技术方法。它们可以相互配合,共同实现图像中物体的检测、位置的定位等任务,为图像处理提供了丰富的技术手段。 ### 回答3: 模板匹配(template matching)和哈夫变换(Hough transform)是图像处理领域中两种常用的技术方法。虽然两者的实现方式和应用场景有所不同,但它们在某些情况下也存在联系。 首先,模板匹配是一种用于在一副图像中查找指定模式或特征的方法。它基于对比目标图像中的局部区域与预先定义的模板图像进行相似度的判断,从而找到最佳匹配位置。在模板匹配中,我们需要事先准备好一个目标模板,该模板与要搜索的图像中的目标区域具有相似的特征。然后,通过在图像中滑动模板,并计算模板与图像局部区域的相似度,从而找到最佳匹配的位置。 与此不同,哈夫变换是一种用于在图像中检测出特定形状的方法。它可以检测出直线、圆等几何形状的存在,并给出它们的位置和参数。哈夫变换通过将图像中每个点的坐标转换为参数空间,在参数空间中累计计数,从而找到具有最高计数值的形状。 在某些情况下,模板匹配和哈夫变换可以结合使用。例如,在检测图像中的特定形状时,可以利用哈夫变换找到候选形状的初始位置,然后使用模板匹配来进一步精确定位形状,并验证其准确性。这种结合使用的方法可以提高形状检测的准确性和鲁棒性。 总的来说,模板匹配和哈夫变换在图像处理中是两种不同的方法,但在某些情况下可以相互补充和结合使用,提高特定任务的效果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值