《线性代数子空间》课件.pptVIP

线性代数子空间

本课程概述

1

定义和概念

介绍线性代数中的基本概念，包括向量、矩阵、线性变换和子空间等。

2

子空间理论

深入探讨向量空间的子空间，包括定义、性质、生成、基和维数等。

3

矩阵分解与特征值

介绍矩阵分解技术，包括特征值分解、奇异值分解和QR分解等。

4

应用和案例

探讨线性代数在工程、物理、计算机科学和经济学等领域的应用案例。

子空间的定义

向量空间的子集

子空间是向量空间的一个非空子集，它满足加法和标量乘法封闭性。

线性组合

子空间中的任意向量的线性组合仍然属于该子空间。

零向量

子空间必须包含零向量，因为零向量的任何标量倍数仍然是零向量。

子空间的性质

子空间是向量空间的子集，并且自身也满足向量空间的定义。

子空间中任意两个向量的线性组合仍然在该子空间中。

子空间包含零向量。

子空间的生成

线性组合

通过向量空间中有限个向量的线性组合得到的集合，称为这些向量的生成子空间。

零向量

任何向量空间的生成子空间都包含零向量，因为零向量是任何向量线性组合的一个特殊情况。

封闭性

生成子空间满足封闭性，即子空间中任意两个向量的线性组合仍然属于该子空间。

子空间的基与维数

线性无关向量集

子空间的基是由线性无关向量组成的，它们能够线性组合出子空间中的所有向量。

维数

子空间的维数是其基中向量的个数，它反映了子空间的“大小”。

子空间的交和和

1

交集

两个子空间的交集也是一个子空间。

2

和

两个子空间的和不一定是一个子空间。

3

直和

如果两个子空间的和是它们的直和，则它们的交集是零空间。

子空间的直和分解

1

定义

如果向量空间V可以表示为两个子空间的直和，则称V被分解为这两个子空间的直和。

2

条件

只有当两个子空间的交集为零向量时，才能分解成直和。

3

性质

直和分解使我们能够将向量空间分解成更小的、更易于管理的子空间。

基变换与坐标变换

基变换

线性空间中的坐标与所选择的基密切相关。不同的基会带来不同的坐标表示。

坐标变换

当改变基底时，向量对应的坐标也会发生变化，这种变化称为坐标变换。

矩阵表示

坐标变换可以使用矩阵来表示，变换矩阵将旧坐标映射到新坐标。

子空间的映射

线性变换

线性变换将一个向量空间映射到另一个向量空间，并保持线性运算的性质。

子空间不变性

如果线性变换将一个子空间映射到自身，则称该子空间在该线性变换下是不变的。

核与像

线性变换的核是所有映射到零向量的向量构成的子空间。线性变换的像是所有被映射到的向量构成的子空间。

商空间的定义

向量空间

商空间是由向量空间中的子空间所确定的一个新的向量空间。

等价类

商空间的元素是向量空间中子空间的陪集，每个陪集代表一个等价类。

商空间的性质

1

向量空间

商空间本身也是一个向量空间，具有加法和标量乘法运算。

2

维数

商空间的维数等于原向量空间的维数减去子空间的维数。

3

同构

商空间可以与原向量空间中的一个子空间同构。

秩-零空间定理

定理内容

对任意矩阵A，其列空间的维数加上其零空间的维数等于A的列数。

公式表达

dim(Col(A))+dim(Null(A))=n

意义

定理揭示了矩阵的列空间和零空间之间的紧密联系，为线性代数问题的分析提供了重要工具。

内部直和分解

1

直和分解

将向量空间分解为多个子空间的直和

2

内部直和

子空间的交集为零向量

3

唯一性

每个向量在直和分解中都有唯一的表示

标准正交基

正交性

向量相互垂直

单位长度

模长为1

正交补子空间

定义

向量空间V的子空间W的正交补子空间，记为W⊥，是所有与W中所有向量正交的向量组成的子空间。

性质

正交补子空间是唯一的。

向量空间V可以分解为W和W⊥的直和。

W⊥⊥=W

正交投影

定义

将一个向量投影到一个子空间上，使得投影向量与原向量之间的距离最小。

公式

投影向量=(向量·子空间基向量)/(子空间基向量·子空间基向量)*子空间基向量

应用

在机器学习和数据分析中，正交投影被用于降维、特征提取和数据压缩。

最小二乘问题

寻找最佳拟合直线或曲线

最小化误差平方和

应用于数据分析和预测

正交化

1

线性无关向量组

将线性无关向量组转化为正交向量组的过程

2

正交基

正交向量组构成空间的基，称为正交基

3

优势

简化线性代数运算，方便求解线性方程组

Gram-Schmidt正交化

1

选择第一个向量

从线性无关向量组中选择第一个向量作为正交基的第一个向量。

2

计算投影

将第二个向量投影到第一个向量上，并减去投影向量。

3

正交化

所得的向量与第一个向量正交，并将其归一化，得到第二个正交基向量。

4

循环操作

重复上述步骤，将剩余的向量投影到已有的正交基向量上，并正交化，直到得到完整的正交基。

矩阵的正交化

正交矩阵