线性代数常用名词详解1 | 您所在的位置:网站首页 › rm的名词解释 › 线性代数常用名词详解1 |
线性代数常用名词详解
vector
向量 对于x,y,z是向量,c,d为常数 x+y=y+x x+(y+z)=(x+y)+z x+0=x c(x+y)=(cx)+(cy) c(dy)=(cd)y xy=yx (cx)y=c(xy) x*(y+z)=xy+xz matrix矩阵 对于矩阵A,B,C,c为常数 A(BC)=(AB)C A(B+C)=AB+AC (A+B)C=AC+BC r(AB)=(rA)B=A(rB) transpose矩阵转置 EF(Echelon Form) EF(Echelon Form)阶梯矩阵 1.全为0的行在矩阵的最底层 2.每个leading entry(每行第一个不是0的元素),与上一行相比都在右面,(leading entry也被称为pivot) 3.在每个leading entry下的都是0 REF(Reduced Echelon Form)最简阶梯矩阵 1.所有的leading entry都是1 2.leading entry所在行除自己是1,其他都是0 举例: row reduction(Gaussian elimination)行化简又称高斯消元法 将矩阵化为阶梯矩阵的 举例: kernel(null-space)对于一个m*n矩阵A,一个向量x,Ax=0的解被称为A的kernel(记为ker(A)),或是A的null_space(记为Null(A)) 举例: row equivalent线性相关 对于两个m*n矩阵A,B,如果A能通过行变换变成B,则A和B线性相关 如果A和B线性相关,Ax=0和Bx=0有相同的解,即ker(A)=ker(B) range对于一个m*n矩阵A,Range(A)={Ax:x is in R} 举例: Linear function线性函数 一个函数L,Rn->Rm(n维空间->m维空间)被称为线性,如果对任意的x,y属于Rn有 L(cx+dy)=cL(x)+dL(y) subspace子空间 一个n维向量子集V如果满足,对于任意x,y属于V都有cx+dy属于V,则V被称为子空间 1.一个mn矩阵的kernal是n维空间的子空间 2.一个mn矩阵的range是m维空间的子空间 举例: Orthognal complement正交补空间 对于一个子空间V,如果有一个子空间V满足其中所有向量与V中向量相乘都为0,则V被称为V的正交补空间 举例: span对于k个向量v1,v2,v3,……vk,它们的线性组合(linear combination)a1v1+a2v2+a3v3+……+akvk的所有可能被称为这k个向量的span 举例: linear independent对于k个向量v1,v2,v3,……vk,a1v1+a2v2+a3v3+……+akvk=0, a1,a2,a3……,ak没有非零解,则这k个向量称为线性无关,否则称为线性相关(linear dependent) 以下陈述等价: basis基 如果对于V中的任意向量,都可以用a1v1+a2v2+……+akvk唯一表示,则称v1,v2,v3,……vk为V的基(basis) 举例: size of basis基中的向量的个数 一个子空间的不同basis的向量个数是相同的 dimension of a subspace子空间的维度 对于一个子空间V,定义维度(dimension)为基中向量的个数(size of basis),写作dim(V) 举例: rank秩 最简行阶梯矩阵中非零行的个数 对于一个m*n矩阵, rank(A)+dim(ker(A))=n rank(A) |
CopyRight 2018-2019 实验室设备网 版权所有 |