线性代数
Will0Huang
这个作者很懒,什么都没留下…
展开
-
线性代数(5)- 线性映射第三讲
线性代数(5)- 线性映射第三讲向量空间的积 对于向量空间V1.…,VmV_1.\dots,V_mV1.…,Vm,它们的积(Product)定义为V1×⋯×Vm={(v1,…,vm)∣v1∈V1,…,vm∈Vm}V_1\times \dots \times V_m=\lbrace (v_1,\dots,v_m) \mid v_1\in V_1,\dots,v_m \in V_m \rbraceV1×⋯×Vm={(v1,…,vm)∣v1∈V1,…,vm∈Vm} 这一个集合表征的空原创 2020-07-29 19:52:16 · 539 阅读 · 0 评论 -
线性代数(6)- 线性映射第四讲
线性代数(6)- 线性映射第四讲线性泛函数 T∈L(V,F)T\in L(V,F)T∈L(V,F),则TTT可以被称为是一个线性泛函数(Linear Functional)对偶空间 V′=L(V,F)V'=L(V,F)V′=L(V,F),则V′V'V′称为VVV的对偶空间(Dual Space) VVV是有限维度的,则可推出,V′V'V′是有限维度的且dim V′=dim Vdim\ V'=dim\ Vdim V′=dim V v1,…,vnv_1原创 2020-07-29 19:51:51 · 880 阅读 · 0 评论 -
线性代数(4)- 线性映射第二讲
线性代数(4)- 线性映射第二讲矩阵 m,n是正整数,则m行n列的矩阵是一个数阵,每个元素都取于FFF A=[A1,1⋯A1,n⋮⋱Am,1⋯Am,n]A=\begin{bmatrix}A_{1,1} & \cdots & A_{1,n} \\\vdots & & \ddots \\A_{m,1} & \cdots & A_{m,n} \\\end{bmatrix}A=⎣⎢⎡A1,1⋮Am,1⋯⋯A1,n⋱Am原创 2020-07-25 11:07:15 · 982 阅读 · 0 评论 -
线性代数(3)- 线性映射第一讲
线性代数(3)- 线性映射线性映射 一个满足以下性质的函数T:V→WT:V \rightarrow WT:V→W被称为一个线性映射(Linear Map)或线性变换(Linear Transform)Additivity: ∀u,v∈V,T(u+v)=Tu+Tv\forall u,v \in V,T(u+v)=Tu+Tv∀u,v∈V,T(u+v)=Tu+TvHomogeneity: ∀λ∈F,∀u∈V,T(λu)=λ(Tu)\forall \lambda \in F, \forall u \in原创 2020-07-23 17:04:59 · 3211 阅读 · 0 评论 -
线性代数(2)- 有限维的向量空间
有限维的向量空间线性组合 同一个向量空间VVV中,有若干个向量v1,…,vmv_1,\dots,v_mv1,…,vm,则a1v1+…+amvma_1v_1+\ldots+a_mv_ma1v1+…+amvm被称为是它们的线性组合(Linear Combination),其中a1,…,am∈Fa_1, \dots, a_m \in Fa1,…,am∈F展开 同一个向量空间中,若干的向量v1,…,vmv_1,\dots,v_mv1,…,vm的展开(Span) span(v1,…原创 2020-07-22 19:22:11 · 1008 阅读 · 0 评论 -
线性代数(1)- 向量空间
线性代数(1)- 向量空间(Vector Space)复数(Complex Number) 向量空间(Vector Space)首先是一个空间,数学形式上就是一个集合(Set)。很自然的,首先需要定义元素(Element)的概念,实数是一类元素,类似地,复数也是一类元素。 引入复数是为了体现向量空间的概念是普遍的,从它的元素可取的值就能看出,事实上,函数也是一类元素,后面将看到,只要定义了合理的加法和数乘运算,什么样的元素都可以组成一个向量空间。 复数可以视为两个实数的对,a+bi,在运算上直原创 2020-07-21 13:29:57 · 2065 阅读 · 1 评论