数学术语之源——代数——(子空间的)直和(direct sum)

矩阵理论 子空间与直和:3步图解空间分解,从基向量到唯一表示 本文深入解析矩阵理论中的子空间与直和分解,通过几何直观和算法实现,帮助读者理解空间分解的核心概念。从基向量到唯一表示,详细介绍了直和分解的判定标准,并提供了Python实现示例,适用于图像处理、机器学习等工程应用场景。 阅读详情

1. 关于(子空间的)直和(direct sum)的较正式定义

令 W_{i} 为向量空间 V 的子空间,若 W_{1} + ... + W_{k} = V 且 W_{1}, ... ,W_{k}  是独立的,则称 V 是子空间 W_{1}, ... ,W_{k} 的直和(direct sum), 记为

                V = W_{1} \oplus ... \oplus W_{k} ,

这种表示在同一个基的前提下是唯一的。

一个直观几何类比理解(个人愚见):如果我将向量空间V 看成是一条线段,将线段V截成k段长短不一的线段,这些线段之间不能互相重合,理解成子空间的互不相关,如果第i(1≤ i ≤k)段恰好对应子空间 W_{i} ,则这些子线段长度之后恰好等于线段V,就类似于互相独立的子空间之和恰好等于向量空间V 。这个“直”字强调的是“无重复成分”,如果这些子空间有个别互相相关,其和等于向量空间V,这种情况不能称为直和。或许冠名“和”的术语在数学中有很多个,取名“直和”也可能是为了区分各种不同的“和”,就和“内积”和“外积”类似。

2. “直和(direct sum)”概念的可能起源

    “direct sum”和“direct product”过去并不具有现在运算意义上的含义,即使在今天,旧的用法仍然存在。Van der Waerden 在<<现代代数>>(Moderne Algebra)(1930-1931)中(以下章节编号根据 1967 年版给出),在假定运算采用加法约定时使用“direct sum”(例如,对于环和模,第 92 节),在假定运算采用乘法约定时使用“direct product”(例如,对于一般群,第 53 节)。 他还在伽罗瓦理论(Galois theory)的特殊背景下使用“direct product”来表示现在所谓的张量积(tensor product)(§67),但这部分是在 1967 年添加的。范德瓦尔登(Van der Waerden)的书基于 Artin 和 Emmy Noether 在 1920 年代中期的讲座。基于加法/乘法惯例的和/积区别在群论中仍然流行。

    Murray 和 von Neumann 从 1936 年开始使用“direct product”来表示(向量空间的)张量积,他们还首创了符号 ⊗,请参阅历史:直积成为张量积? 这与矩阵的类似用途有关,例如 在 MacDuffee 的<<矩阵理论>>(The theory of matrices)(1933年)中,“direct sum”代表对角组合矩阵,“direct product”代表“Kronecker”乘积。 Kronecker与此关系不大,但这个名字在Hensel c. 后一直沿用至今。1890年(Zehfuss 早在 1858 年就引入了它,请参阅 Henderson 等人的<<关于 Kronecker 积的历史>>)。“direct product”仍然偶有使用。

    Bourbaki(20世纪一群法国数学家的笔名)决定在他们的代数 I(多重线性代数,1948)中对其进行整理并分类。在那里,他们为笛卡尔积(Cartesian product)(注:两个集合X和Y的笛卡尔积,表示为X × Y,第一个对象是X的每一个成员与第二个对象是Y的每个成员组成的所有可能的有序对)保留了(模块的)“direct product”(无论运算的约定如何),为其子集保留了“direct sum”,只有有限多个非零条目,并将其与遵循Whitney 1938年的一般定义的的“张量积”分开,请参阅张量积的现代定义的起源。所有这一切都发生在通用属性(universal property)、乘积(product)和对偶积(coproduct)的分类概念(categorical notions)在 20 世纪 50 年代流行之前。但是,Bourbaki的整理工作很可能是受到无限求和(infinite sum)和对无限积的启发。

线性空间直和分解:3步判定法与2类常见错误分析(附Python验证) 本文详细介绍了线性空间直和分解的3步判定法与2类常见错误分析,并通过Python代码验证理论结果。重点讲解了基向量判定法、交集非零和维数不足的错误案例,以及正交直和分解等进阶应用技巧,帮助读者在实际问题中快速判断和修正直和分解。 阅读详情

相关推荐

Simulink代数环难题:原理剖析与五大实用破解方案

在控制系统与动态系统仿真中,反馈回路是构建闭环控制、实现系统稳定的核心机制。其原理在于将输出信号回馈至输入端,与期望值进行比较以生成误差信号,从而驱动系统向目标状态收敛。然而,在基于模块图的仿真环境(如Simulink/Simscape)中,若反馈回路内所有模块均具备“直通”特性,即输出瞬时依赖于当前输入而无任何状态或延迟,则会形成“代数环”。代数环会导致仿真求解器陷入“先有鸡还是先有蛋”的逻辑死锁,严重拖慢仿真速度甚至致使仿真失败,直接影响控制算法验证、硬件在环测试等工程实践的效率与可靠性。本文聚焦于这一

weixin_30576827的博客 702

线性子空间的交、并、和、维数与直和等各种关系总结

线性子空间(linear subspace) 线性子空间(又称向量子空间,简称子空间)是线性空间中部分向量组成的线性空间。设W是域P上的线性空间V的一个非空子集合,若对于V中的加法及域P与V的纯量乘法构成域P上的一个线性空间,则称W为V的线性子空间. 定义 设W是域P上的线性空间V的一个非空子集合,若对于V中的加法及域P与V的纯量乘法构成域P上的一个线性空间,则...

行走的CysHero 6万+

Simulink代数环定位与调试实战:从原理到排查策略

代数环是动态系统仿真中常见的数学模型问题,本质上是信号依赖的闭环死循环,导致系统在单个时间步内无法确定计算顺序。其原理源于模块间的即时依赖关系打破了仿真器的顺序求解逻辑,在工程实践中会引发仿真失败或结果异常。理解代数环的技术价值在于确保模型数值稳定性和仿真效率,尤其在控制、信号处理和物理建模等涉及反馈回路的场景中至关重要。本文聚焦Simulink环境下代数环的实战排查,针对模型编译报错但位置不明的典型难题,系统介绍从工具使用、依赖分析到手动二分法的全流程解决方案,帮助工程师高效定位并解决此类隐蔽问题。

weixin_30616969的博客 407

子空间的直和

直和的定义: 设是线性空间V的子空间,如果和中每个向量的分解式是唯一的,这个和就称为直和,记为 推广: 设都是线性空间V的子空间,如果和中每个向量的分解式是唯一的,这个和就称为直和,记为 定理: 1. 和是直和的充分必要条件是等式只有在全为零向量时才成立. 推论:和为直和的充分必要条件是 2. 设是线性空间V的子空间,令,则的充分必要条件为维维维 ...

qq_45011547的博客 1万+

AI数学家:LLM如何成为数学研究的思维协作者

数学推理正经历从‘人主导证明链’到‘人机协同构建证明生态’的范式迁移。其核心在于将人类直觉、形式化验证、知识检索与证明检查解耦,借助大语言模型(LLMs)实现高精度、低延迟、可嵌入工作流的智能辅助。关键技术挑战包括形式化精度的零容错要求、数学知识的稀疏高密度特性,以及实时交互所需的亚秒级响应。通过微调中等规模模型(如Phi-3、Llama-3)、构建自然语言-Lean对齐语料、注入证明策略知识图谱,并深度集成至Lean等证明助手,LLMs已切实提升定理形式化效率41%、调试时间缩短76%。本文聚焦AI Ma

weixin_34248487的博客 393

30线性空间04——子空间的直和、n个子空间的直和、直和分解、直和补

💖💖感谢各位观看这篇文章,💖💖点赞💖💖、收藏💖💖、你的支持是我前进的动力!💖💖 💖💖感谢你的阅读💖,专栏文章💖持续更新!💖关注不迷路!!💖 矩阵线性代数笔记整理汇总,超全面 文章目录 子空间的直和 n个子空间的直和 直和分解、直和补 参考

炫云云 2735

矩阵理论——直和与投影

线性空间分解 V=W+W⊥V=W + W^\botV=W+W⊥ 上述分解需满足(1)两个空间正交(2)和空间任意向量唯一分解为WWW和W⊥W^\botW⊥的一个向量 下图左边的和空间分解尽管也是唯一的,但不是我们这里讨论的 ...

weixin_44823313的博客 2787

子空间的交与(直)和

文章目录子空间的交也是子空间子空间的和子空间的和也是子空间子空间的交与和的结论维数公式证明推论 子空间的交也是子空间 V1,V2V_1,V_2V1​,V2​是子空间VVV的子空间 那么,V1∩V2V_1\cap V_2V1​∩V2​也是VVV的子空间 子空间的和 V1,V2V_1,V_2V1​,V2​是线性空间VVV的子空间 V1+V2V_1+V_2V1​+V2​是指:所有能表示成α1+α2...

universe_1207的博客 6685

数学分析和高等代数自学教材推荐

……

u013669912的博客 1165

Scipy优化踩坑实录:trust-constr和SLSQP约束定义到底差在哪?

本文深入解析了Scipy优化模块中trust-constr和SLSQP两种方法在约束定义上的差异。通过对比面向对象的trust-constr和字典式定义的SLSQP,揭示了它们各自的优势与适用场景,帮助开发者在有约束优化问题中选择合适的算法,提升计算效率与准确性。

weixin_42573113的博客 271

OpenCV中SGBM中BT代价计算

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar

qq_27606639的博客 5978

Direct product

1

qq_66485519的博客 95

解决DevExpress汉化后不生效的5个常见问题及修复方法

本文详细解析了DevExpress汉化后不生效的5个常见问题及修复方法,包括汉化包部署位置验证、运行时缓存清除、权限与执行上下文排查、版本兼容性检测以及开发环境配置检查。通过实战案例和具体操作步骤,帮助开发者快速解决汉化失效问题,提升开发效率。

weixin_29232121的博客 263

The direct sum of functions

In this post,I will talk about the direct sum of two functions.I will divide this post into five parts.This is the first part.And below,the second and the third part will show you the definition.The...

weixin_33943836的博客 88

STM32实现薄膜压力传感器数据采集(标准库和HAL库实现)

薄膜压力传感器采集压力数据

XiaoCaiDaYong的博客 3万+

手把手教你用FPGA实现SGMII接口:从IP核配置到板级调试全流程

本文详细介绍了如何在Xilinx 7系列FPGA上实现SGMII(Serial Gigabit Media Independent Interface)接口的全流程,包括IP核配置、约束编写和硬件调试。通过具体的硬件选型建议、软件工具链配置和PCB设计规范,帮助开发者快速构建稳定可靠的千兆通信链路,并提供了常见故障排查和性能优化技巧。

weixin_29194693的博客 298

Direct Preference Optimization数学知识详解

首先我们将简要介绍论文的背景,我们之前往往通过人类反馈强化学习(RLHF: reinforcement learning from human feedback)对无监督的大模型进行微调以对齐人类偏好,该方法通常分为三个阶段,有监督微调(SFT: supervised fine-tuning),利用人类偏好生成数据集与奖励模型的建模,以及强化学习优化。而本文提出了直接偏好优化(DPO。

m0_67146053的博客 1668

AI Agent Harness与SCADA系统集成

简单来说,AI Agent Harness是Industrial AI Agent的“中央调度室+装备库+知识库+安全网”把不同技术栈、不同部署环境(云/边/端)、不同功能(感知、推理、决策、执行、验证)的“零散Agent”组装成具备特定工业场景能力的Agent Team(如聚合反应根因诊断Agent Team);管理Agent Team的生命周期(创建、初始化、调度、监控、销毁);提供统一的工业多工具调用接口(对接SCADA、MES、PLC、DCS、巡检机器人、数字孪生平台等);内置。

欢迎来到我的优快云空间!这里聚焦AI大模型应用实战,分享前沿技术、实战案例与开发经验。 356

向量空间

2019独角兽企业重金招聘Python工程师标准>>> ...

weixin_34032779的博客 204

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

DPO(Direct Preference Optimization)详解-1

简化了 RLHF 流程:无需训练奖励模型,也不需要复杂的策略更新。稳定性强:避免了强化学习中常见的崩溃和震荡问题。高效易实现:可以用标准的分类目标进行优化,适合大规模部署。

guoguozgw的博客 1475

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

dabnn BGEMM与Binary Direct Convolution算法对比分析:移动端二值神经网络推理的终极优化指南

在移动设备上部署二值神经网络(BNNs)时,dabnn框架提供了两种核心算法实现:BGEMM(二值通用矩阵乘法)和Binary Direct Convolution(二值直接卷积)。这两种算法代表了移动端二值神经网络推理优化的不同思路,本文将深入分析它们的实现原理、性能差异和应用场景,帮助开发者选择最适合的优化策略。dabnn作为首个针对移动平台高度优化的二值神经网络推理框架,通过这两种算法实现了

gitblog_00759的博客 701

AI 陪读顶会论文(十五):DPO (Direct Preference Optimization) 算法数学推导:彻底抛弃强化学习 Reward Model 的直接偏好对齐

DPO 的诞生是现代人工智能算法设计中最具纯粹数学美感的经典杰作。它用严密的代数重参数化,推倒了传统 RLHF 中耸立的奖励模型与 PPO 强化学习高墙,将原本高门槛、动辄崩溃的对齐流程,优雅化解为一个极其稳定的对数概率差分损失。深刻理解 DPO 的推导全过程,你便把握住了大模型从 Instruct 预训练走向人类意图精准对齐的核心基石。

cannonjinx的博客 2034
上一篇: 代数——第3章——向量空间(Michael Artin)
下一篇: 数学术语之源——“齐次(homogeneity)”的含义
ComputerInBook
博客等级 码龄19年 1168粉丝 465原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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