上次提到,相同的向量,會因為基於不同的基本向量,而有不同的表示法。向量的表示法,不只要存在,還要唯一。以下我們舉兩個例子,你向量表示法可能不存在,也可能不唯一。 例子1 令v=[201] β={[1−12],[3−11],[11−3]} 我們檢查v 在β 之下的表示法式什麼,也就是計算[v]β。 還記得什麼是[v]β 嗎?複習一下![v]β 一組係數[abc],其中滿足 v=a⋅[1−12]+b⋅[3−11]+c⋅[11−3] 也就是說要解以下線性方程組 {a+3b+c=2−a−b+c=12a+b−3c=2 以下是解此方程的過程。 $$\begin{align}\tag{1}\begin{bmatrix}1 & 3 & 1 & \mid & 2 \\-1 & -1 & 1 & \mid & 0 \\2 & 1 & -3 & \mid & 1\end{bmatrix}&\to\begin{bmatrix}1 & 3 & 1 & \mid & 2 \\0 & 2 & 2 & \mid & 2 \\2 & 1 & -3...
發表文章
如何表示向量
- 取得連結
- X
- 以電子郵件傳送
- 其他應用程式

第一次接觸向量是在高中,那時接觸到的是平面向量,也就是R2 向量。那個時候我們被教說:「向量就是有方向有長度的箭頭。我們把箭頭的根部移到原點,看看箭頭的頂點位於哪個座標,就用該座標來代表該向量。」 以至於說,除了用箭頭代表向量,也同時會用數對(x1,y1) 代表。 用數對代表向量是一個好方法。畢竟若是用箭頭來作為代表向量的主要方式,無論是在運算上,溝通上,寫作上,一定都相當不方便。 現在我們長大了,大學了,學到了抽象向量,知道向量不再只是箭頭,向量也可能是多項式、矩陣、函數、數列等等。然而,我們還是希望能夠像在高中時,用數對來表達那些醜陋的向量。所以我們以下我們要開始介紹究竟用數對表達向量的精神是什麼?以及我們該如何延續這個精神! The representation of vector 當我們要幫一個向量取名字,我們需要一點依據。比方說,當我們想幫 取一個名字,很自然的會想要取(3,2),因為這個向量就是從原點指到(3,2) 嘛,就這麼簡單!但事實上,其實我們有隱藏了兩個 基本向量 在這個情境之中。 如圖所示,紅色的與藍色的。而原先的向量是三個紅色向量加兩個藍色向量,所以我們稱黑色向量為(3,2)。 但如果今天心血來潮,你說:「這個基本向量爛透了,我不喜歡!我要換一個!」,可不可以?可以!我們現在換換看。 如上圖,我們令上圖的紅色向量與藍色向量為新的基本向量。如此一來,原本的黑色向量還會是3個紅色向量加2個藍色向量嗎?當然不會。 所以問題來了!原本的那個黑色箭頭,是多少個新紅色箭頭,加多少的新藍色箭頭?我們看下圖。 由於原本那個黑色的向量是2個新紅色向量加3個新藍色向量,所以我們會說:「在這個基本向量的設定之下,黑色向量的表示法為(2,3)」 由前面的討論,我們觀察出一件重要的事情:「**不同基本向量的設定,會讓同樣的向量,有不同的表示方法。**」 例子 我們以R3 向量為例,如果我令v=[2−13],我設定基本向量為 $$\beta=\left\{ \begin{bmatrix}1\\0\\0\end{bmatrix},\begin{bmatrix}0\\1\\0\end{bmatrix},\begin{bma...
淺談線性轉換
- 取得連結
- X
- 以電子郵件傳送
- 其他應用程式
粗略的說, 線性變換(linear transform) ,是指一個從一個向量空間到另一個向量空間(或同一向量空間)的映射,該映射保持向量的加法和數量乘法運算。 具體而言,令 V 和 W 是兩個向量空間,則一個 線性變換 T:V→W ,是一個從V 到W 的函數,並且滿足以下兩個條件: 對於所有的 u,v∈V,有 T(u+v)=T(u)+T(v) 對於所有的 v∈V 和純量 α∈R, T(αv)=αT(v)。 What does a linear transformation look like? 高中的時候我們怎麼描述一個函數嗎?高中時,我們最常面對的是 實數函數 ,更仔細地說,是 從實數映射到實數 的函數。在那個時候,我們通常這麼說:「我們定義函數f,為f(x)=2x+4」。我們仔細去體會這句話,f 是函數的名字,而「f(x)=2x+4」 是定義函數的方法。有了這個定義,我們就能夠任意地將數子填入x的欄位,來表達。我們會用f(2) 來 表達 「對這個函數輸入2時的輸出」,我們會用「2×2+4」 來 計算 「輸入2 時的函數值」。這一切,同樣會繼承到我們在今天面對線性轉換的時刻。 回顧那些常見的向量空間,有column vector space、polynomial space、matrix space等等,線性轉換可以在不同的向量空間之中做轉換,例如說,從R2 到R2的轉換、從R3 到P3 的轉換,或是說從M2×3(R) 到R4 的轉換。以下一一舉例。 從R2 到R2的轉換 我們定義線性轉換T1:R2→R2 $$T_1\left(\begin{bmatrix}a_{1}\\a_{2}\end{bmatrix}\right)=\begin{bmatrix}a_{1}+a_{2}\\a_{2}\end{bmatrix}$...
RREF與線性獨立之間的關係
- 取得連結
- X
- 以電子郵件傳送
- 其他應用程式
RREF與線性獨立之間的關係 如果我們現在有五個向量 v1=[1−22],v2=[2−44],v3=[0−20],v4=[307],v5=[225] 我想要知道這五個向量是否為 線性獨立 ,若不是,那是否意味著當中 某一些向量,可以寫成其他向量的線性組合 。 當我們問到「 哪一些向量,可以 寫 成其他向量的線性組合? 」關於這個問題,似乎會想到要分成五個問題來討論 是否存在係數x1,x2,x3,x4 使得v5=v1x1+v2x2+v3x3+v4x4, 是否存在係數y1,y2,y3,y5 使得v4=v1y1+v2y2+v3y3+v5y5,等等.. 而每一個問題,好像都要做一次高斯消去法,才能夠得到解答。有沒有辦法簡化這個過程呢? 事實上,有的,我們不再考慮「 向量v1,…,v5 當中,是否有向量可以寫成另外四個向量的線性組合 」的問題,而是試著解決「 向量v1,…,v5 當中是否有向量,可以寫成前面的向量的線性組合 」,也就是 是否存在係數x1,x2,x3,x4 使得v1x1+v2x2+v3x3+v4x4=v5, 是否存在係數x1,x2,x3 使得 v1x1+v2x2+v3x3=v4 是否存在係數x1,x2 使得 v1x1+v2x2=v3 是否存在係數x1 使得 v1x1=v2 以下我們針對這4個問題詳細討論。 問題一 其中第一個問題,「 是否存在係數$x_{1},x_{2...
線性代數Exercise 1.3.23
- 取得連結
- X
- 以電子郵件傳送
- 其他應用程式
Definition of Sum If S1 and S2 are nonempty subset of a vector space V, then the **sum** of S1 and S2, denoted S1+S2, is the set {x+y:x∈S1 and y∈S2}. 23 Let W1 and W2 be subspaces of a vector space V. Show that W1+W2 is a subspace of V that contains both W1 and W2 根據課本17頁的說明,我們只需證明以下三點 1. W1+W2 包含著V 的零向量 2. W1+W2 在V 的向量加法之下有封閉性 3. W1+W2 在V 的純量積運算之下有封閉性 以下我們逐一證明: 包含零向量 由於W1 以及W2 都是V 的子空間,所以零向量分別存在於W1 以及W2,也就是說 0∈W1, and 0∈W2 又因為零向量可以寫成零向量的和,也就是0=0+0,所以 0∈W1+W2 向量加法封閉性 令v,u∈W1+W2,也是說存在W1中的向量x1,x2∈W1,以及 W2 中的向量y1,y2∈W2 ,使得 v=x1+y1, and u=x2+y2 如此一來, v+u=(x1+y1)+(x2+y2) 由於x1,x2,y1,y2 這四個向量都是V 中的向量,所以我們可以使用*結合律*以及*分配律* 來接著推導 v+u=(x1+x2)+(y1+y2) 注意,由於W1 是子空間,而且$x_{1},x_{2}\in...
自然常數為何是無理數
- 取得連結
- X
- 以電子郵件傳送
- 其他應用程式
關於自然常數e 有很多等價的定義,如以下: lim \sum_{k=0}^\infty\frac{1}{k!} 而對於其所延伸出來的自然指數函數f(x)=e^x 我們有以下定義: e^x=\sum_{n=0}^\infty\frac{x^n}{n!}=1+\frac{x}{1}+\frac{x^2}{2!}\cdots 在數學的世界,自然常數有許多特殊的性質使得它無處不見。其中一個就是自然常數是無理數,也就是無法表示為兩個整數相除,用數學的語言表達就是: \frac{p}{q}\neq \lim_{N\to\infty}\left(\sum_{n=0}^N\frac{1}{n!}\right),\;\forall p,q\in\mathbb{Z} 以下開始證明 證明: 這個證明是參考Apostol 的Mathmatical Analysis 當中的Theorem 1.11,有興趣的可以自行參考。 首先我們有 e^{-1}=\sum_{k=0}^\infty\left(\frac{-1}{k!}\right)^{k} 接著我們計算e^{-1} 與級數部分和的差: \begin{align}e^{-1}-\sum_{k=0}^{2N-1}\left(\frac{-1}{k!}\right)^{k}&=\sum_{k=2N}^\infty\left(\frac{-1}{k!}\right)^{k}\\&=\frac{1}{(2N)!}-\frac{1}{(2N+1)!}+\frac{1}{(2N+2)!}-\frac{1}{(2N+3)!}+\frac{1}{(2N+4)!}\cdots\\&\leq\frac{1}{(2N)!}\end{align} 推得 \begin{equation}0\leq (2N-1)!\left(e^{-1}-\sum_{k=0}^{2N-1}\left(\frac{-1}{k!}\right)^{k}\right)\leq\frac{1}{2N}\leq\frac{1}{2}\end{equation} 其中$(2N-1)!\sum_{k=0}^{2N-1}\left(\frac{-1}{k!}\...
分數除法
- 取得連結
- X
- 以電子郵件傳送
- 其他應用程式
除數為整數 我們人生當中第一次學到除法,是將除法理解為「平分」。「9\div 3=3 的意思就是將9 個東西平分成 3份,每一份有3」,諸如此類。但這種對除法的具象化理解,到了除數變成分數的時候,就無法使用了。(5\div\frac{2}{3},把5 個東西分給\frac{2}{3} 個人?) 除數為分數 於是我們必須對除法有新的理解,而這個裡解就是,當我們在求a\div b 的時候,我們其實在問「a 是由b個『什麼』構成的?」,或是換另一種說法,「a\div b=c 的意思就是a 是由b 個c 構成的(也可以表達成a=b\times c)」。 那首先我們要先確認一下,上面這兩種解釋在除數為整數時是相同的。也就是要確認,當m,n 是整數的時候,「m 平分成n 份,每一份有x」和「m 是由n 個 x 構成的」是同一回事。 其實很直觀,將m 平分成n 份,每一份有x,也就是說,把這n 份x 合再一起,就能得到m ,因此m 是由n 個 x 構成的。在此我們確認完成! 先來看一題目:5\div\frac{2}{3}=x。 依據我們對除法的新理解,上面這個方程式描述的是「5 是由x 個\frac{2}{3} 構成的」。 由於3 個\frac{2}{3} 是2,\frac{1}{2} 個2 是1,而5 個1 是5,因此3\times\frac{1}{2}\times 5=\frac{15}{2} 個\frac{2}{3} 是5 ,因此x=15。 結語 如果是能夠裡解除跟乘法互為反運算,那就能有以下這個等價關係 a\div b=c\iff c\times b=a 那在計算 m\div\frac{r}{q}=x\iff x\times \frac{r}{q}=m 那由於 \big(m\times\frac{q}{r}\big)\times\frac{r}{q}=m\implies x=m\times \frac{q}{r} 我們才有結論m\div\frac{r}{q}=m\times\frac{q}{r}。 或是如果能夠理解除法其實和乘法反元素相乘,那也可以變成去找...