线性空间(向量空间)

简介:

1. 线性空间:V是非空集合,,x,y,z….是其中的向量;k,l,m…是数域K上的数,如果V满足以下8个条件,则成V为线性空间:

加法运算:当x,y属于V时,x+y也属于V,即封闭性

(1)结合律:x+(y+z)=(x+y)+z;

(2)交换律:x+y=y+x;

(3)存在零元素0,使得x+0=x;

(4)存在负元素x+y=0,即x+(-x)=0;

数乘运算:x属于V,k为数域K中的数,则xk也属于V,

(5)数因子分配律:k(x+y)=kx+ky;

(6)分配律:(k+l)x=kx+lx;

(7)结合律:k(lx)=(kl)x;

(8)1x=x;

注意:线性空间有唯一的零元素,且每个元素有唯一的负元素。

2. 线性无关:c1x1+c2x2+c3x3+……+cmxm=0;其中cn为数,xn为向量。如果cn不全为0,则xn线性相关,否则xn线性无关。线性无关的向量个数即为空间的维数。

3. 线性空间的基与坐标:V中任意向量x都可以由x1,x2,x3……xr线性组合,且xn线性无关,则x1,x2,x3…xr为V的基。基不唯一。

基相当于坐标系,如直角坐标系的x,y。

如果线性空间中的向量x=c1x1+c2x2+c3x3+……cnxn,则称cn为x在该坐标系下的坐标。类似于直角坐标系下的点(1,2),(2,3)等。

4.基变换

新基y1,y2,y3,……yn与旧基x1,x2,x3,…..xn之间有有如下关系

(y1,y2,y3,…,yn)=(x1,x2,x3,…,xn)C

其中C=(c11,c12,c13,…,c1n;c21,c22,c23,…,c2n;…;cn1,cn2,cn3,…,cnn);即过渡矩阵。

5. 坐标变换

新基yn下的坐标etan和旧基xn下的坐标ksin有如下关系:

线性空间(向量空间) - 小米 - yjhou84的博客

目录
相关文章
|
机器学习/深度学习 决策智能
矩阵分析 (一) 线性空间和线性变换
矩阵分析 (一) 线性空间和线性变换
206 0
7.1 向量及其线性运算
7.1 向量及其线性运算
104 0
|
算法 数据挖掘
一些连续离散化方法
一些连续离散化方法
164 0
|
vr&ar
用于非线性时间序列预测的稀疏局部线性和邻域嵌入(Matlab代码实现)
用于非线性时间序列预测的稀疏局部线性和邻域嵌入(Matlab代码实现)
127 0
用于非线性时间序列预测的稀疏局部线性和邻域嵌入(Matlab代码实现)
|
算法
【模型预测控制MPC】使用离散、连续、线性或非线性模型对预测控制进行建模(Matlab代码实现)
【模型预测控制MPC】使用离散、连续、线性或非线性模型对预测控制进行建模(Matlab代码实现)
577 0
|
Web App开发 移动开发
|
移动开发
|
机器学习/深度学习 算法 数据可视化
梯度下降法,二维空间三维空间 代码实现
梯度下降法,二维空间三维空间 代码实现
412 0
梯度下降法,二维空间三维空间 代码实现
|
机器学习/深度学习
当前最好的非深度迁移学习方法:流形空间下的分布对齐
本文即将发表在国际顶级会议 ACM Multimedia conference 2018 上,被评为 ORAL,而且是 Top 10 Paper。论文提出了一个叫 MEDA (Manifold Embedded Distribution Alignment) 的方法进行迁移学习,取得了对比当前众多最新的深度和非深度方法的最好结果。
2326 0