矩阵分析——线性空间

最新推荐文章于 2022-02-27 17:24:05 发布

yuanliang861

最新推荐文章于 2022-02-27 17:24:05 发布

阅读量1.5k

点赞数 1

分类专栏：矩阵分析

本文链接：https://blog.csdn.net/yuanliang861/article/details/84780948

版权

矩阵分析专栏收录该内容

1 篇文章 0 订阅

订阅专栏

文章目录

1.线性空间

设 $\rm V$ 是一个非空集合， $\rm F$ 是一个数域，在集合 $\rm V$ 的元素之间定义了加法运算和数乘运算，并且满足加法和数乘运算的封闭性。对于 $\rm V$ 中任意连个元素 $\alpha$ 与 $\beta$ ，加法运算满足下面四条法则：

(交换律) $\alpha +\beta=\beta +\alpha$
(结合律) $\alpha+(\beta+\xi)=(\alpha+\beta)+\xi$
(零元素)在 $\rm V$ 中有一个元素0（称作零元素），对于 $\rm V$ 中任意元素 $\alpha$ 都有 $\alpha+0=\alpha$
(负元素)对于 $\rm V$ 中每一个元素 $\alpha$ ,都有 $\rm V$ 中的元素 $\beta$ ，使得 $\alpha +\beta=0$

并且数乘运算满足一下四条运算法则：
1. $\alpha=1\cdot\alpha$
2. $k(l\alpha)=(kl)\alpha$
3. $(k+l)\alpha=k\alpha+l\alpha$
4. $k(\alpha+\beta)=k\alpha+k\beta$
满足以上这些条件的集合 $\rm V$ 称为数域 $\rm F$ 上的线性空间

2.基与坐标变换

2.1 基

设数域 $\rm F$ 上的线性空间 $V$ 中有n 个线性无关向量 $\alpha_1,\alpha_2,\cdots,\alpha_n，$ 而且 $\rm V$ 中任何一个向量 $\alpha$ 都可以 $\alpha_1,\alpha_2,\cdots,\alpha_n$ 表示为：
$\alpha=k_1\alpha_1+k_2\alpha_2+\cdots+k_n\alpha_n$
则称 $\alpha_1,\alpha_2,\cdots,\alpha_n$ 为 $\rm V$ 的一个基， $(k_1,k_2,\cdots,k_n)^{T}$ 为 $\alpha$ 在基 $\alpha_1,\alpha_2,\cdots,\alpha_n$ 下的坐标。这是称 $\rm V$ 为n维线性空间，并记 $d i m V = n$ .

2.2 基变换与坐标变换

非零线性空间的基是不唯一的，一个向量在不同的基下的坐标也是不同的。设 $\alpha_1,\alpha_2,\cdots,\alpha_n$ 和 $\beta_1,\beta_2,\cdots,\beta_n$ 是 $V$ 中的两组基，他们的关系是：
$\beta_i=a_{1i}\alpha_1+a_{2i}\alpha_2+\cdots+a_{ni}\alpha_n =(\alpha_1,\alpha_2,\cdots,\alpha_n) \begin{pmatrix} a_{1i} \\ a_{2i} \\ \vdots \\ a_{ni} \end{pmatrix}$
可以用矩阵表示
$(\beta_1,\beta_2,\cdots,\beta_n)=(\alpha_1,\alpha_2,\cdots,\alpha_n) \begin{bmatrix} a_{11} & a_{12} & \cdots &a_{1n}\\ a_{21} & a_{22} & \cdots &a_{2n}\\ \vdots & \vdots & &\vdots\\ a_{n1} & a_{n2} & \cdots &a_{nn} \end{bmatrix}$
记以上的n阶方阵为 $P$ ,称其为由基 $\alpha_1,\alpha_2,\cdots,\alpha_n$ 到 $\beta_1,\beta_2,\cdots,\beta_n$ 的过渡矩阵。
$\begin{bmatrix} a_{11} & a_{12} & \cdots &a_{1n}\\ a_{21} & a_{22} & \cdots &a_{2n}\\ \vdots & \vdots & &\vdots\\ a_{n1} & a_{n2} & \cdots &a_{nn} \end{bmatrix}$
注：过渡矩阵 $P$ 是可逆的。

坐标变换

设 $V$ 中任意一个向量 $\xi$ 在基 $(\alpha_1,\alpha_2,\cdots,\alpha_n)$ 和 $(\beta_1,\beta_2,\cdots,\beta_n)$ 下的坐标分别为 $(x_1,x_2,\cdots,x_n)^{T}$ 和 $(y_1,y_2,\cdots,y_n)^{T}$ ，
$\xi=(\alpha_1,\alpha_2,\cdots,\alpha_n) \begin{pmatrix} x_1\\ x_2 \\ \cdots\\ x_n \end{pmatrix} \quad \xi=(\beta_1,\beta_2,\cdots,\beta_n) \begin{pmatrix} y_1\\ y_2 \\ \cdots\\ y_n \end{pmatrix}$

$\begin{pmatrix} x_1\\ x_2 \\ \cdots\\ x_n \end{pmatrix} = P \begin{pmatrix} y_1\\ y_2 \\ \cdots\\ y_n \end{pmatrix}$
或者
$\begin{pmatrix} y_1\\ y_2 \\ \cdots\\ y_n \end{pmatrix} =P^{-1} \begin{pmatrix} x_1\\ x_2 \\ \cdots\\ x_n \end{pmatrix}$

yuanliang861

关注

1
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
矩阵分析——线性空间

线性空间设V\rm VV是一个非空集合，F\rm FF是一个数域，在集合V\rm VV的元素之间定义了加法运算和数乘运算，并且满足加法和数乘运算的封闭性。对于V\rm VV中任意连个元素α\alphaα与β\betaβ，加法运算满足下面四条法则：α+β=β+α\alpha +\beta=\beta +\alphaα+β=β+αα+(β+ξ)=(α+β)+ξ\alpha+(\beta+\xi...
复制链接

扫一扫