关于工程数学基础(第一讲-第五讲)的笔记
关于工程数学基础的笔记
- Author : Dargon
- Note date: 2020/10/14
- 学习视频来源
国防科技大学 MOOC
第二讲,线性空间的基与维数
- 记录自己应该记到的一些知识笔记要点
1,对于复数域的情况:
- 当数域F 为实数域,线性空间 C 是二维的
- 当数域F 为复数域,线性空间 C 是一维的
进行简单证明:
- 线性空间 C 的基为: [ 1 , i = − 1 ] [1, i =\sqrt{-1}] [1,i=−1] 对任意的实数x1,x2都有 若是 x 1 × 1 + x 2 × i = 0 x1 \times 1 + x2 \times i =0 x1×1+x2×i=0 也只有x1 =x2 =0 时才成立
可以推导出,基 中两列元素为线性无关,线性空间里面的任意(for all)都能用 [ 1 , i = − 1 ] [1, i =\sqrt{-1}] [1,i=−1] 来表示,则此时线性空间所对应的基为 [ 1 , i = − 1 ] [1, i =\sqrt{-1}] [1,i=−1],也即是C
为二维空间 - 当数域F 为复数域,则设基为[1],对于任意的 [ a + b i ] × 1 = 0 [a + bi] \times 1= 0 [a+bi]×1=0,则[1] 线性无关为 线性空间C 的一个基,C是一维空间的。
2,transition matrix
- 同一向量在不同基下的坐标是不同的
[ β 1 β 2 ⋯ β n ] = α 1 α 2 ⋯ α n × ∣ P 1 1 P 1 2 ⋯ P 1 n P 2 1 P 2 2 ⋯ P 2 n ⋮ ⋮ ⋱ ⋮ P n 1 P n 2 ⋯ P n n ∣ \begin{bmatrix} \beta_1 \beta_2 \cdots \beta_n \end{bmatrix}= { \alpha_1 \alpha_2 \cdots \alpha_n } \times \begin{vmatrix} P_11 & P_12 & \cdots & P_1n \\ P_21 & P_22 & \cdots & P_2n \\ \vdots & \vdots & \ddots & \vdots \\ P_n1 & P_n2 & \cdots & P_nn \end{vmatrix} [β1β2⋯βn]=α1α2⋯αn×∣∣∣∣∣∣∣∣∣P11P21⋮Pn1P12P22⋮Pn2⋯⋯⋱⋯P1nP2n⋮Pnn∣∣∣∣∣∣∣∣∣
其中对于矩阵 P 的每一列都对应于 β 1 \beta_1 β1 在基 α \alpha α 下的坐标,作为参数就可以直接理解为坐标(其中每一列都是一一对应的和 β \beta β
对于矩阵 P的要求:
(1) P是满秩的;
(2) p是 α \alpha α 到 β \beta β的转置矩阵 transition matrix
则P(inverse)是 β \beta β 到 α \alpha α 的转置矩阵 α = β × P − 1 \alpha = \beta \times P ^ \mathrm{ -1 } α=β×P−1 β \beta β 到 α \alpha α 分别是对应的两组线性空间里面的基
(3) 若 α = β α × x \alpha =\beta_\alpha \times x α=βα×x can deduce α = β B P − 1 × x \alpha =\beta_B P^-1 \times x α=βBP−1×x they point that is correspond respectively.
第三讲,子空间
1,零空间和列空间
- A是给定的m行n列的实矩阵 记
N ( A ) = { x ∈ R n ∣ A x = 0 } N(A) =\{x\in\R^n|Ax =0\} N(A)={ x∈Rn∣Ax=0}
R ( A ) = { A x ∣ x ∈ R n } R(A) =\{Ax | x\in\R^n\} R(A)={ Ax∣x∈Rn}
可以看出N(A)是R(A)的一个特殊群体,当Ax =0的时候
对于N(A)为 R n R^n Rn的一个子空间,称为A的零空间
对于R(A)为 R m R^m Rm的一个子空间,称为A的列空间
列空间的解释,A是一个(m 行 n列 )乘以 x (n 行 1列)=结果 (m 行 1列)所对应的是 R m R^m Rm空间的
d i m [ N ( A ) ] = n − r ( A ) dim[N(A)] =n -r(A) d