《机器学习线性代数基础:Python语言描述》读书笔记----基底

本文介绍了二维空间中向量的表示方式,强调了基底(ex, ey)对于向量坐标表达的重要性。向量u=[45]在(ex, ey)基底下的坐标为(4,5),且基底的不同会导致向量表示的变化。同时,阐述了n维空间基底的定义以及张成空间的概念,即一组线性向量的所有线性组合构成的空间。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

向量与基底

对于二维向量u=[45]u=\begin{bmatrix} 4 \\ 5 \end{bmatrix}u=[45]来说,一般默认其表示原点到坐标(4,5)的一条有向线段。

这其实基于一个默认的前提:以ex=[10]e_x=\begin{bmatrix} 1 \\ 0 \end{bmatrix}ex=[10],ey=[01]e_y=\begin{bmatrix} 0 \\ 1 \end{bmatrix}ey=[01]作为基准。因此,u的完整的表达为:u=4ex+5ey=4[10]+5[01]u=4e_x+5e_y=4\begin{bmatrix} 1 \\ 0 \end{bmatrix}+5\begin{bmatrix} 0 \\ 1 \end{bmatrix}u=4ex+5ey=4[10]+5[01]。也可以说在基底 (ex,ey)(e_x,e_y)(ex,ey)下,其 坐标为(4,5)。

显然,基底不同,向量(坐标)的表示也随之变化。而向量坐标也在明确了基底的前提下才有实际意义。

n维空间的基底由n个 线性无关的向量组成,这些向量的张成空间正好就是n维空间。

张成空间:对于一组线性向量,由它们所有线性组合构成的空间就成为这一组向量的张成空间 。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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