保研线性代数复习3

一.基底(Basis)

1.什么是生成集(Generating Set)?什么是张成空间(Span)?

存在向量空间V=(V,+,*),和向量集(xi是所说的列向量),如果每一个属于V的向量都能被A中向量线性组合来表示,那么说明 A 是向量空间 V 的生成集A的所有线性组合(所有线性组合不同)称为A的张成空间。

如果A张成了线性空间V,写成V=span[A]=span[x1,...,xk]。

2.什么是基底(Basis)?

基底是相对于向量空间来说的每一个向量空间都拥有一个基底。例如向量空间V,向量空间V的基底B 是向量空间V最小的 (除了B之外没有B的子集可以张成向量空间V)线性无关的生成集。对于基底B,增加任何其他向量到B中都会让这个向量集合线性相关,所以基底B也称作向量空间V中最大线性无关的集合。

举例:的标准基是(当然不止下面这几个)

3.如何定义向量空间的维数(dimension)?

对于一个确定的向量空间V,向量空间V的基底中基向量(列向量)的个数是相同的。并且基底中基向量的个数等于向量空间的维数。

4.给定一个矩阵A(n个列向量),A是向量空间V的子集,如何找到A张成的向量空间的基底?

根据行阶梯法找到A中线性无关的向量组合。

5.什么是标准正交基(ONB)?

对于一组基底,如果

,那么称基底B为标准正交基。

标准正交基构成的矩阵Q有的特点:

,如果只是正交矩阵的话,那么

二.秩(Rank)

1.什么是矩阵A的秩rk(A)?

矩阵矩阵A线性无关的行向量的个数=矩阵A线性无关的列向量的个数=rk(A)

2.矩阵的秩的性质如下:

矩阵A的秩=矩阵A的转置的秩

矩阵的列向量张成一个子空间,dim(U)=rk(A)

如果矩阵是正则的/可逆的,那么rk(A)=n

线性方程组有解的条件是rk(A)=rk(A|b)

对于的解的维数是n-rk(A)

如果满秩,那么rk(A)=min(m,n)

3.矩阵满秩意味着什么?

矩阵满秩=n阶方阵的n阶子式不等于0=n阶方阵的行列式值为0

=如果不是方阵写成行向量或者列向量时线性无关

三.线性映射(Linear Mapping)

1.什么是线性映射?

对于向量空间V和W,存在一种映射称为线性映射并且要满足下面的条件:

2.什么是单射双射满射?

单射满射双射都是基于线性映射,满足不同的情况的时候线性映射称为单射满射双射。

单射(injective): 原域中的样本对应目标域中的不同元素。

满射(surjective): 原域中至少存在一个目标域对应元素,原域中的样本就应该把目标域中的样本对应满。

双射(bijective):单射和满射

3.什么是同构(Isomorpshism)?什么是自同态(Endomorphism)?什么是自同构(Automorphism)?

同构:线性映射and双射,两个有限维度的向量空间同构说明他们的维度相同。如果是同构的,那么也是同构的。

自同态:,线性

自同构:,线性and双射

4.什么是坐标(coordinate)?

对于一个线性空间V,和向量空间V的有序基底B=(b1,...bn),对于任何一个,我们都能得到一个唯一的线性组合,这些α1...αn称为是向量x相对于基底B的坐标。如果基底B不同,那么表示一个向量x的坐标不同。

5.什么是转换矩阵(Transformation Matrix)?

对于向量空间V和W ,考虑向量空间V的基底 向量空间W的基底 ,并且考虑由V到W的线性映射φ,有:

我们称作转换矩阵A,

6.什么是恒等变换(Identity mapping)?

,称为恒等映射或者恒等自同态。

7.什么是基变换(Basis Change)?

**基变换是指在一个向量空间内,由一组基向量变换为另一组基向量,因为在同一个向量空间中,一个点x在不同基底下的坐标不同。**若两组基向量不在同一个向量空间中则不能直接进行基变换。一个向量乘以一个方阵说明这个向量在相同空间变换,如果乘以一个矩阵那么说明这个向量在不同空间变换。

8.什么是核(Kernel)和象(Image)?

9.什么是秩零化度定理(rank-nullity theorem)?

对于向量空间V和W,存在线性映射 ,那么dim(ker(φ))+dim(Im(φ))=dim(V)

10.什么是仿射变换(Affine mapping)?

仿射变换=线性变换+平移

对于两个向量空间V和W,存在线性映射,那么称作为从向量空间V到向量空间W的仿射映射。

相关推荐
一条数据库几秒前
南京方言数据集|300小时高质量自然对话音频|专业录音棚采集|方言语音识别模型训练|情感计算研究|方言保护文化遗产数字化|语音情感识别|方言对话系统开发
人工智能·音视频·语音识别
Yingjun Mo5 分钟前
1. 统计推断-基于神经网络与Langevin扩散的自适应潜变量建模与优化
人工智能·神经网络·算法·机器学习·概率论
DogDaoDao16 分钟前
Docker全解析:从核心概念到2025年AI集成新特性
人工智能·docker·eureka·程序员
深耕AI22 分钟前
【PyTorch训练】准确率计算(代码片段拆解)
人工智能·pytorch·python
zskj_zhyl23 分钟前
七彩喜智慧养老:用科技温暖晚年,让关爱永不掉线
人工智能·科技·机器人
益莱储中国23 分钟前
是德科技 | 关于AI 数据中心时代的光通信的精选问答
人工智能·科技
AI小白的Python之路36 分钟前
机器学习-集成学习
人工智能·机器学习·集成学习
小和尚同志39 分钟前
10k star!各大 AI 应用系统提示词集合
人工智能·开源·aigc
刘媚-海外41 分钟前
Go语言开发AI应用
开发语言·人工智能·golang·go
easy202044 分钟前
机器学习的本质:从跑模型到真正解决问题
笔记·学习·机器学习