【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(23):维数、基与坐标

1,737 阅读2分钟

「这是我参与11月更文挑战的第2天,活动详情查看:2021最后一次更文挑战

前言

Hello!小伙伴!

非常感谢您阅读海轰的文章,倘若文中有错误的地方,欢迎您指出~

 

自我介绍 ଘ(੭ˊᵕˋ)੭

昵称:海轰

标签:程序猿|C++选手|学生

简介:因C语言结识编程,随后转入计算机专业,有幸拿过一些国奖、省奖...已保研。目前正在学习C++/Linux/Python

学习经验:扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语!

 

机器学习小白阶段

文章仅作为自己的学习笔记 用于知识体系建立以及复习

知其然 知其所以然!

6.2 维数、基与坐标

定义2

在线性空间VV中,如果存在nn个元素α1,α2,...,αn\alpha_1,\alpha_2,...,\alpha_n,满足:

  • α1,α2,...,αn\alpha_1,\alpha_2,...,\alpha_n线性无关
  • VV中任一元素α\alpha总可由α1,α2,...,αn\alpha_1,\alpha_2,...,\alpha_n线性表示

那么α1,α2,...,αn\alpha_1,\alpha_2,...,\alpha_n就称为线性空间VV的一个基,nn称为线性空间VV的维数

只含有一个零元素的线性空间没有基,规定它的维数为0

维数为nn的线性空间称为nn维线性空间,记作VV

对于nn维线空间VnV_n,若知α1,α2,...,αn\alpha_1,\alpha_2,...,\alpha_nVnV_n的一个基,则VnV_n可表示为

Vn={α=x1α1+x2α2+...+xnαnx1,x2,...,xnR}V_n=\{\alpha=x_1\alpha_1+x_2\alpha_2+...+x_n\alpha_n|x_1,x_2,...,x_n \in \mathbb{R} \}

VnV_n是基α1,α2,...,αn\alpha_1,\alpha_2,...,\alpha_n所生成的线性空间

α1,α2,...,αn\alpha_1,\alpha_2,...,\alpha_nVnV_n的一个基,则对任何αVn\alpha \in V_n,都有惟一的一组有序数x1,x2,...,xnx_1,x_2,...,x_n,使

α=x1α1+x2α2+...+xnαn\alpha=x_1\alpha_1+x_2\alpha_2+...+x_n\alpha_n

反之,任给一组有序数x1,x2,...,xnx_1,x_2,...,x_n,总有惟一的元素

α=x1α1+x2α2+...+xnαn=(α1,α2,...,αn)[x1x2...xn]Vn\alpha=x_1\alpha_1+x_2\alpha_2+...+x_n\alpha_n =(\alpha_1,\alpha_2,...,\alpha_n)\begin{bmatrix} x_1\\ x_2\\ .\\ .\\ .\\ x_n \end{bmatrix} \in V_n

以上说明VnV_n中的元素α\alpha与有序数组(x1,x2,...,xn)T(x_1,x_2,...,x_n)^T之间存在一种一一对应的关系

简单的理解,任何一个向量在空间VnV_n中坐标是惟一的,即向量与坐标是一一对应的

定义3

α1,α2,...,αn\alpha_1,\alpha_2,...,\alpha_n是线性空间VnV_n的一个基

对任一元素αVn\alpha \in V_n,总有且仅有一组有序数x1,x2,...,xnx_1,x_2,...,x_n,使

α=x1α1+x2α2+...+xnαn\alpha=x_1\alpha_1+x_2\alpha_2+...+x_n\alpha_n

有序数x1,x2,...,xnx_1,x_2,...,x_n称为元素α\alphaα1,α2,...,αn\alpha_1,\alpha_2,...,\alpha_n这个基下的坐标,记作

α=(x1,x2,...,xn)T\alpha=(x_1,x_2,...,x_n)^T

结语

说明:

  • 参考于 课本《线性代数》第五版 同济大学数学系编
  • 配合书中概念讲解 结合了自己的一些理解及思考

文章仅作为学习笔记,记录从0到1的一个过程

希望对您有所帮助,如有错误欢迎小伙伴指正~

我是 海轰ଘ(੭ˊᵕˋ)੭

如果您觉得写得可以的话,请点个赞吧

谢谢支持 ❤️