数学基础】Mathematics for Machine Learning系列之线性代数(23):维数、基与坐标
6.2 维数、基与坐标
定义2
在线性空间VVV中,如果存在nnn个元素α1,α2,...,αn\alpha_1,\alpha_2,...,\alpha_nα1,α2,...,αn,满足:
α1,α2,...,αn\alpha_1,\alpha_2,...,\alpha_nα1,α2,...,αn线性无关
VVV中任一元素α\alphaα总可由α1,α2,...,αn\alpha_1,\alpha_2,...,\alpha_nα1,α2,...,αn线性表示
那么α1,α2,...,αn\alpha_1,\alpha_2,...,\alpha_nα1,α2,...,αn就称为线性空间VVV的一个基,nnn称为线性空间VVV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nnn的线性空间称为nnn维线性空间,记作VVV
对于nnn维线空间VnV_nVn,若知α1,α2,...,αn\alpha_1,\alpha_2,...,\alpha_nα1,α2,...,αn为VnV_nVn的一个基,则VnV_nVn可表示为
Vn={α=x1α1+x2α2+...+xnαn|x1,x2,...,xn∈R}V_n=\{\alpha=x_1\alpha_1+x_2\alpha_2+...+x_n\alpha_n|x_1,x_2,...,x_n \in \mathbb{R} \}Vn={α=x1α1+x2α2+...+xnαn|x1,x2,...,xn∈R}
即VnV_nVn是基α1,α2,...,αn\alpha_1,\alpha_2,...,\alpha_nα1,α2,...,αn所生成的线性空间
若α1,α2,...,αn\alpha_1,\alpha_2,...,\alpha_nα1,α2,...,αn是VnV_nVn的一个基,则对任何α∈Vn\alpha \in V_nα∈Vn,都有惟一的一组有序数x1,x2,...,xnx_1,x_2,...,x_nx1,x2,...,xn,使
α=x1α1+x2α2+...+xnαn\alpha=x_1\alpha_1+x_2\alpha_2+...+x_n\alpha_nα=x1α1+x2α2+...+xnαn
反之,任给一组有序数x1,x2,...,xnx_1,x_2,...,x_nx1,x2,...,xn,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_nα=x1α1+x2α2+...+xnαn=(α1,α2,...,αn)⎣⎢⎢⎢⎢⎢⎢⎢⎡x1x2...xn⎦⎥⎥⎥⎥⎥⎥⎥⎤∈Vn
以上说明VnV_nVn中的元素α\alphaα与有序数组(x1,x2,...,xn)T(x_1,x_2,...,x_n)^T(x1,x2,...,xn)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_nVn中坐标是惟一的,即向量与坐标是一一对应的
定义3
设α1,α2,...,αn\alpha_1,\alpha_2,...,\alpha_nα1,α2,...,αn是线性空间VnV_nVn的一个基
对任一元素α∈Vn\alpha \in V_nα∈Vn,总有且仅有一组有序数x1,x2,...,xnx_1,x_2,...,x_nx1,x2,...,xn,使
α=x1α1+x2α2+...+xnαn\alpha=x_1\alpha_1+x_2\alpha_2+...+x_n\alpha_nα=x1α1+x2α2+...+xnαn
有序数x1,x2,...,xnx_1,x_2,...,x_nx1,x2,...,xn称为元素α\alphaα在α1,α2,...,αn\alpha_1,\alpha_2,...,\alpha_nα1,α2,...,αn这个基下的坐标,记作
α=(x1,x2,...,xn)T\alpha=(x_1,x_2,...,x_n)^Tα=(x1,x2,...,xn)T
作者:海轰Pro
链接:https://juejin.cn/post/7025818484592345095