矩阵论-线性空间的基与坐标,基变换坐标变换

线性空间与线性变换

  • 综述
  • 1.1 线性空间
    • 1.1.3 线性空间的基与坐标
    • 1.1.4 基变换与坐标变换

综述

本系列博文主要总结学习矩阵论的心得笔记,参考数目《矩阵论》–张凯院;整个文章的整理体系参照行书过程。

1.1 线性空间

1.1.3 线性空间的基与坐标

向量的坐标有利于借助数量运算实现向量运算,所以引进向量的坐标是十分必要的。

  1. 基: 设集合V是数域K上的线性空间, x 1 , x 2 , . . . , x r ( r > = 1 ) x_1,x_2,...,x_r(r>=1) x1,x2,...,xrr>=1是属于V的任意r个向量,这r个向量线性无关;且V中任意一个向量x都可以由 x 1 , x 2 , . . . , x r x_1,x_2,...,x_r x1,x2,...,xr线性表示。则 x 1 , x 2 , . . . , x r x_1,x_2,...,x_r x1,x2,...,xr是V的一组基。线性空间的基是不唯一的

  2. 坐标: 集合V中的任意一个向量x在一组基下的线性表示系数,为这个向量在该组基下的坐标。且每一个向量在同一组基下的坐标表示是唯一的。(唯一性的证明:设两组坐标表示,相等移项,有基线性无关,推导系数为零,导出坐标表示唯一)

在线性空间中引入向量坐标的概念后,抽象的向量和向量组的有关问题可以转化为坐标运算的问题。

1.1.4 基变换与坐标变换

因为线性空间的基是不唯一的,所以同一向量在不同基下的坐标表示一般是不同的。当基变换时,同一向量的坐标该如何变化?

  1. 基变换公式:
    旧基: x 1 , x 2 , . . . , x n x_1,x_2,...,x_n x1,x2,...,xn
    新基: y 1 , y 2 , . . . , y n y_1,y_2,...,y_n y1,y2,...,yn
    新基向量用旧基线性表示:
    { y 1 = c 11 x 1 + c 21 x 2 + . . . + c n 1 x n y 2 = c 12 x 1 + c 22 x 2 + . . . + c n 2 x n . . . . . . y n = c 1 n x 1 + c 2 n x 2 + . . . + c n n x n \left\{ \begin{aligned} y_1=c_{11}x_1+c_{21}x_2+...+c_{n1}x_n \\ y_2=c_{12}x_1+c_{22}x_2+...+c_{n2}x_n \\ ... ...\\ y_n=c_{1n}x_1+c_{2n}x_2+...+c_{nn}x_n \end{aligned} \right. y1=c11x1+c21x2+...+cn1xny2=c12x1+c22x2+...+cn2xn......yn=c1nx1+c2nx2+...+cnnxn
    =>
    ( y 1 , y 2 , . . . , y n ) = ( x 1 , x 2 , . . . , x n ) C (y_1,y_2,...,y_n)=(x_1,x_2,...,x_n)C (y1,y2,...,yn)=(x1,x2,...,xn)C
    C = [ c 11 c 12 . . . c 1 n c 21 c 22 . . . c 2 n . . . . . . . . . . . . c n 1 c n 2 . . . c n n ] C=\begin{gathered} \begin{bmatrix} c_{11} & c_{12}&...&c_{1n} \\ c_{21} & c_{22}&...&c_{2n} \\ ... & ...&...&... \\c_{n1} & c_{n2}&...&c_{nn} \\\end{bmatrix} \end{gathered} C=c11c21...cn1c12c22...cn2............c1nc2n...cnn
    C为旧基改变为新基的过度矩阵。
  2. 坐标变换:
    向量x在新旧两组基下的坐标表示:
    旧基坐标表示: α = ( ξ 1 , ξ 2 , . . . , ξ n ) T \alpha =(\xi_1,\xi_2,...,\xi_n)^T α=(ξ1,ξ2,...,ξn)T
    新基坐标表示: β = ( η 1 , η 2 , . . . , η n ) T \beta =(\eta_1,\eta_2,...,\eta_n)^T β=(η1,η2,...,ηn)T
    x = ( x 1 , x 2 , . . . , x n ) α = ( y 1 , y 2 , . . . , y n ) β = ( x 1 , x 2 , . . . , x n ) C β x=(x_1,x_2,...,x_n)\alpha=(y_1,y_2,...,y_n)\beta=(x_1,x_2,...,x_n)C\beta x=(x1,x2,...,xn)α=(y1,y2,...,yn)β=(x1,x2,...,xn)Cβ
    =>
    α = C β ∣ ∣ β = C − 1 α \alpha=C\beta ||\beta=C^{-1}\alpha α=Cββ=C1α

你可能感兴趣的:(学点数学)