最近從葉組長那得知,這學期他們利用Google協作平台,設置了一個物理科的新網頁,網址是 http://sites.google.com/a/ymsh.tp.edu.tw/physics/
目前網頁已經有了一些內容,同時也開放權限給我,讓我成為協作者之一。我後來試用了一下,發現Google協作平台操作非常簡單,頁面編排的作法和iGoogle很像,新增元件之後,只要把元件拖到想放置的位置即可;頁面內容編輯的方法和介面,也和Google文件相同,很容易上手。我之後建立了一個新的頁面,目前頁面暫時稱為王一哲的教學資源,用來放一些我做的考卷、解答和投影片。當然,這個頁面的名字實在沒什麼創意可言。
申請設置協作平台並不難,每個有Google帳戶的人都能申請,容量上限好像是1GB。目前看到有些人將它當成檔案櫃在用,應該也是個不錯的選擇。組長他們是以學校的名義申請,好像容量的上限又更大,詳細的數據我不清楚,但是要我用文件檔將它塞滿,幾乎是個不可能的任務。
為了使內容更充實,之後再從我的blog裡找些與物理相關的文章貼上去,至少看起來東西比較多一點。但目前看來,至少要等到兩禮拜後,等我再次度過段考出題地獄後再說。
Math to Physics&Chemicals
功能表 |
找不到頁面
|
登入 | 最近的協作平台活動 | 條款 | 檢舉濫用情形 | 由 Google 協作平台提供
公告
- Nov 08 Mon 2010 00:14
陽明高中物理科網頁
月曆
近期文章
最新迴響
- 11/14 喜哥:記得當初我在大學當實驗助教...
- 06/22 ngarto:請問為何很多題目及解答都沒有?
- 12/25 小平:謝謝版主的分享,一起加油吧!!
- 12/21 版主回覆:說實在的,這幾本書我買了之...
- 12/21 小平:哈囉, 版主您好, 小弟目前在...
- 09/29 frankcar26:看了,謝謝。
- 09/28 charlen75:講得真好!!
- 08/08 版主回覆:花蓮的好山好水應該很適合修...
- 08/08 汶宣~:哈哈~很好猜吧! 我從大理的...
- 08/08 版主回覆:原來是林汶宣啊!怎麼找到這...
我的連結
Linux
OpenOffice
APOD
線性代數
課程簡介
- 重要聲明: 這份講義只是我上課內容的摘要, 光讀這份講義絕對不足以應付考試, 更不足以把線性代數學好, 請同學務必按照進度詳讀課本/參考書並仔細作其中習題. (這裡幾乎沒有習題與例子, 更沒有證明 ...)
- 請取得
rlaboctave 矩陣計算機 (有各種 UNIX 版本, Windows 版, 甚至有 DOS 版)。 另外 「gnuplot: 函數與資料繪圖」 與本課程無直接關係, 但有助於學習數學。 -
參考書: 大學生應該學習選擇適合自己閱讀習慣的書.
這裡所列的未必適合每個人, 只是我個人覺得不錯的書而已.
學期當中這個列表會隨時改變.
- R. E. Larson and B. H. Edwards. Elementary Linear Algebra Heath and Company (高立圖書代理)
- Steven J. Leon. Linear Algebra with Applications Macmillan (臺北圖書代理)
- 更多線上講義
已獨立出來的講義
若 A 為一 n*n 方陣, 則以下諸命題等價:
- A 為可逆
- A 與 I 為列等價 (row-equivalent)
- |A| != 0
- rank(A) = n
- N(A) = { 0 }
- A 的列向量是 Rn 的一組基底
- A 的行向量是 Rn 的一組基底
- A x = 0 恰有唯一解
- A x = b 恰有唯一解 x = A-1 b
- A 可表為數個基本矩陣之乘積
-
Elementary Matrices
- 對一個矩陣 A 做 elementary row operations, 相當於在 A 的左邊乘上 elementary matrices. (越後來乘的, 在越左邊)
- 每個 elementary matrix 都是 invertible, 而且它的 inverse 也是一個 elementary matrix. (每一對都長得還很像咧! 而且很容易求.)
- invertible 方陣必可化為 elementary matrices 的乘積; 反之, elementary matrices 的乘積當然是 invertible.
-
Triangular Matrices and LU-factorization
- Upper triangular matrix (上三角矩陣): 對角線 (不含) 以下全部為 0 的矩陣.
- Lower triangular matrix (下三角矩陣): 對角線 (不含) 以上全部為 0 的矩陣.
- Q: 所有 lower triangular matrices 與所有 upper triangular matrices 的交集是什麼樣的矩陣?
- "腳踏實地法" 可以證得: 數個上三角矩陣的乘積依舊為上三角矩陣; 數個下三角矩陣的乘積依舊為下三角矩陣. (畫圖很容易就可以看出來.)
- 觀察: 用 Gauss-Jordan Elimination 在求反矩陣時, 如果都沒有用到列對換 (row-interchange), 則: 前半段所乘的都是 lower triangular matrix; 後半段所乘的都是 upper triangular matrix.
- 結論: upper triangular matrix 的反矩陣 (如果它確實有反矩陣的話) 也是 upper triangular; lower triangular matrix 的反矩陣 (如果它確實有反矩陣的話) 也是 lower triangular.
- 結論: 用 Gaussian Elimination 在求 A 的 row-echelon form 時, 如果都沒有用到列對換 (row-interchange), 則: A 可寫成下三角矩陣與上三角矩陣的乘積: A = L * U. (注意這裡的條件: A 未必需要是 invertible.)
- 把 A 寫成 L*U 有什麼好處? Triangular matrices 比較容易處理, 例如若 A 為 non-singular, 則要解 A x = b 可改為解 L U x = b. 令 U x = y 則可分兩步: 先用 forward substitution 把 y 解出來, 再用 backward substitution 把 x 解出來.
R^n 向量空間
- 向量: 固定長度, 固定方向, 但位置可移動的箭頭. 用 "每個方向的位移量" 來表示. 例如 u = (u1, u2, u3).
-
向量運算: (重要! 應像 9-9 乘法表一樣熟記!)
內積的英文為 inner product 或 dot product. 注意到: 兩向量內積為 0 若且唯若兩者互相 垂直 (orthogonal).運算 運算式 意義 加法 u + v = (u1+v1, u2+v2, u3+v3) 將兩向量首尾相接, 另兩端點所成的新向量. 減法 u - v = (u1-v1, u2-v2, u3-v3) 將兩向量首首相接, 另兩端點所成的新向量. 乘以常數倍 c*u = (c*u1, c*u2, c*u3) 把向量沿原來的方向延伸那麼多倍. 長度 |u| = sqrt(u1*u1+u2*u2+u3*u3) 向量的長度 內積 u ? v = u1*v1+u2*v2+u3*v3 |u| |v| cos(t) -
為什麼按照內積計算出來的值會是兩向量長度與其夾角 cos 的乘積?
- 先畫圖導出餘弦公式: c*c = a*a + b*b - 2*a*b*cos(t)
- 把向量長度的運算式代進去
- 請注意: 以上運算式不論在幾度空間 R^n 都是正確的. (嚴格地說, 當 n>3 時, 其實是我們故意把 "夾角" 定義成讓內積公式保留它的幾何意義.)
- (這個定義只在 R^3 有效) 兩向量的 外積 (cross product) 為另外一個向量 a ? b = (a2*b3-a3*b2, a3*b1-a1*b3, a1*b2-a2*b1).
-
在 R^3 中, 兩向量 a 與 b
的外積具有以下特性 (值得背一下):
- 它與 a 垂直.
- 它與 b 垂直.
- 它的長度等於 a 與 b 所張出來的平行四邊形面積.
- 平面上 a 與 b
兩向量所張出來的平行四邊形的面積為:
|a| * |b| * sin(t) = ... = |a1*b2 - a2*b1| - 空間中 a, b,
c 三向量所張出來的平行六面體的體積為:
|a ? b| * |c| * sin(u) = ... = | a1*b2*c3 - a1*b3*c2 + a2*b3*c1 - a2*b1*c3 + a3*b1*c2 - a3*b2*c1 |
Determinants
- Determinant (行列式) 的定義 (1): 從 n*n 方陣中任意取出 n 個元素, 每列要恰有一個代表; 每行也要恰有一個代表. 把這 n 個元素相乘, 即得到 determinant 的一項. 總共有 n! 種取法, 把這 n! 項相加減, 即得到 determinant. 其中奇排列用減的; 偶排列用加的.
-
幾個最小的例子:
- det(A1) = a11
- det(A2) = a11*a22-a12*a21
- det(A3) = a11*a22*a33 - a11*a23*a32 + a12*a23*a31 - a12*a21*a33 + a13*a21*a32 - a13*a22*31
- 一個 n*n 方陣 A 的 minor: 把 A 的第 i 列與第 j 行去掉, 剩下來的那個 (n-1)*(n-1) 方陣 的行列式值 叫做 A 的一個 minor, 記為 Mi,j
- Determinant 的定義 (2) (正式的定義): |A| = a11 M11 - a12 M12 + a13 M13 - a14 M14 ...
- Q: 數數看這樣定義下來的行列式值公式, 展開後共有多少項? (與線性代數不太相關; 複習一下你的離散數學/排列組合)
- 事實上想求行列式值, 不一定要對第一列展開, 可以對任何一列或任何一行展開.
- 根據定義, 一個 upper triangular 或 lower triangular matrix 的行列式值很好求.
-
Elementary row operation 如何影響行列式值?
- 對調兩列: 行列式值變號
- 整列乘以常數倍: 行列式值也乘以同樣倍數
- 整列加上另外列的常數倍: 行列式值不變
- 可以想像有所謂的 elementary column operation; 從求行列式的角度來看, 可以想像對一個矩陣做 elementary column operation 的效果, 和對它做 elementary row operation 的效果類似.
-
定理: (可以記一下)
- |A B| = |A| |B|
這個非常重要. 這是由上面有關 elementary row operation 的性質證得的; 但是偷偷告訴你記這個就可以不要記上面的性質. (數學家會罵我亂教 ...) - |c A| = c^n |A|
-
設 A 為一個 n*n 方陣, 則以下敘述等價: 重要!
- A is invertible (non-singular)
- 不論 b 為多少, A x = b 必然恰有一解.
- A is row equivalent to In.
- A 可以寫成 elementary matrices 的乘積.
- |A| != 0.
- |inv(A)| = 1 / |A|
- |A'| = |A|
- |A B| = |A| |B|
-
行列式的幾何應用:
- R^2: 測試三點是否共線.
- R^2: 給定兩點座標, 求過這兩點的直線方程式.
- R^3: 測試四點是否共面.
- R^3: 給定三點座標, 求過這三點的平面方程式.
(一般的, 抽象的, 不一定具有幾何意義的) 向量空間
-
向量空間
-
請比較下列幾個問題:
- 試把 5x^2-3x+1 寫成 -x^2+x+1, x^2-x+1, x^2+x-1 這三個多項式的常數倍的和.
- 試把 [5, -3; 0, 1] 寫成 [-1, 1; 0, 1], [1, -1; 0, 1], [1, 1; 0, -1] 這三個方陣的常數倍的和.
- 試把 5 cos(x) - 3 sin(x) + log(x) 寫成 -cos(x)+sin(x)+log(x), cos(x)-sin(x)+log(x), cos(x)+sin(x)-log(x) 這三個函數的常數倍的和.
-
解讀向量空間的定義:
- 所有 "向量" 所成的集合 V: 這裡面每個元素都可以是非常 "厚重", "複雜", "沒有學過", "只有外星人才看得懂", ...
-
但是元素與元素之間的關係卻很簡單:
- 兩個元素相加的結果, 居然又是這個集合 V 當中的另一個元素.
- 一個元素乘以常數倍的結果, 居然又是這個集合 V 當中的另一個元素.
- 所有元素當中有一個特別的元素, 它是所有力量的平衡, 是宇宙的中心, 任何元素與它相加都沒有變化; 但是 V 這個集合裡面如果少了它就不完整. 我們姑且把它記做粗體字的 0, 稱之為零向量.
- 線性代數研究的就是 V 當中 元素與元素之間的關係 (乘以常數倍, 相加, 還有這兩者的組合與變化). 線性代數不研究 V 中元素的內在特性. (可以鬆一口氣了吧?) 因為將來我們所看的定理, 都是根據向量空間的定義導出來的, 幾乎從來不會用到 V 中元素內在的特性 (不要忘記, 這些元素的內在特性可能是非常複雜的, 連數學家都無法理解 ...) 所以這些定理適用的範圍很廣. 更明確地說, 只要是滿足向量空間所有公設 (axioms) 的 V, 我們的定理便可以適用. (有點像是在 C 當中, 你要使用 qsort 時, 必須傳進去一個具有特定行為模式的副程式 cmp, 只要它滿足某些條件, qsort 就會把你的資料排序完成.)
- 唯一需要把 V 的元素拆開來看的時候, 是在證明 V 是一個向量空間的時候, 也就是在證明 V 滿足下列公設的時候.
-
向量空間的公設:
公式 英文名稱 u + v is in V. closure under addition u + v = v + u commutativity of addition u + (v + w) = (u + v) + w associativity of addition u + 0 = u existence of additive identity u + (-u) = 0 existence of additive inverse c u is in V. closure under scalar multiplication c (u + v) = cu + cv distributivity (c + d)u = cu + du distributivity c (d u) = (cd) u associtivity 1 u = u scalar identity -
其他可證得的簡單性質:
- 0 u = 0
- c 0 = 0
- 若 c u = 0 則 c = 0 或 v = 0
- (-1) u = -u
-
請比較下列幾個問題:
-
subspace (子空間):
- 定義: 一個向量空間 V 的 (非空) 子集合 W, 如果本身又是一個向量空間, 則稱之為 V 的subspace 子空間. (要使用原來的乘法與加法才算數.)
- 定理: 一個向量空間 V 的 (非空) 子集合 W, 如果滿足加法與乘法的封閉性, 則必為 V 的子空間.
- 定理: 子空間的交集必為子空間.
- Q: R^2 有那些子空間? R^3 有那些子空間? 猜猜看 R^n 有那些子空間?
- Q: C[-1,1] 在函數的加法, 及函數與純量的乘法這兩個運算下構成一個向量空間. 試問以下集合是否為 C[-1,1] 的子空間: V1 = { f(x) in C[-1,1] : f(-1)=-1 }, V2 = { f(x) in C[-1,1] : |f(x)| = f(x) for all x in [-1,1] }, V3 = { f(x) in C[-1,1] : f(-1) = f(1) = 0 }.
-
linear combination (線性組合):
- 定義: 一堆 (有限個) 向量的常數倍的和即稱為這些向量的一個 linear combination (線性組合)
- 把一個向量化為數個向量線性組合的問題, 其實就是解線性方程組的問題.
- 定義: 把一堆 (有限個) 向量 A 的 所有 線性組合搜集起來所成的集合, 稱為 A 的 span; 記為 span(A).
- 定理: span(A) 是一個子空間. 不僅如此, 它是所有包含 A 的子空間當中最小的一個.
- 定義: span(A) 稱為 A 所張的子空間; A 稱為 span(A) 的一個 spanning set. (注意: 一個子空間可以有很多組不同的 spanning sets.)
- 定義: 一堆 (有限個) 向量, 如果只有唯一一種方式可以讓它們的線性組合為 0, 則稱它們彼此 linearly independent (線性獨立); 如果不只一種方式, 則稱它們彼此 linearly dependent (線性相依).
- 註: 上面所說的唯一一種方式就是取所有的係數為 0
- 定理: 線性相依的一堆向量, 其中必有向量可化為其他向量的線性組合. 反之亦然.
- 線性獨立/線性相依的直覺解釋: 在 R^n 當中, k 個向量 (k <= n) 必定落在同一個 k-flat 上. 如果它們竟然落在同一個 (k-1)-flat 上 (它們所張開的平行 xxx 的 x 積等於零), 就叫做線性相依; 否則就叫做線性獨立.
- Q: 在多項式的加法, 及多項式與常數的乘法下, 所有的多項式構成一個向量空間. 請問 {x^2-5x+6, x^-4x+4} 這兩個向量線性相依或線性獨立? 若取 x=2 就可以任取不全為 0 的係數讓兩者的線性組合為 0, 這樣對嗎?
- 小考必考題: 給你幾個向量, 問它們之間究竟是線性獨立亦或是線性相依; 若是線性相依, 請將其中一個表示為其他的線性組合.
- Q: 請描述空間中兩個向量何時線性相依, 何時線性獨立. 三個向量呢?
- Q: 若 u 與 v 線性獨立, 試問 u, v, u+v, u-v 當中, 有那幾對也是彼此線性獨立?
-
(要變成你的反射動作!) 重要圖象: A * x
可以解釋成
- A 的行向量的線性組合 (以 x1, x2, ... xn 為係數)
- A 的列向量分別與 x 做內積的結果
-
基底
- 何謂向量空間 V 的一組 basis 基底? 多到足以張出整個 V; 少到彼此線性獨立.
- 定理: (uniqueness of basis representation) 給定一組基底, 每個向量可以用唯一的一組數字 (即線性組合當中的係數) 來表示. (而不會出現 "兩組數字都代表同一個向量" 的窘境.) 換句話說, 一組基底之於它所張的向量空間, 就像一個長度的單位之於長度這個觀念一樣, 可以把一個觀念化簡為數字表示出來. (給定一個長度單位, 每個長度可以用唯一的一個數字來表示, 而不會出現 "兩個數字都代表同一個長度" 的窘境.)
- 定理: 一個向量空間 V 它的每一組基底的元素個數都一樣. 把這個固定的元素個數稱為 V 的 dimension
- 對基底的直覺解釋: (以 R^3 為例) 在原點上隨便豎起三根不共面的筷子 (長度不必一樣), 成為一組基底. 想像把這樣一組筷子複製無限多份, 平移到空間中各處, 形成一個筷子方格網 (每個方格都是一模一樣的平行六面體), 如此一來空間中每個方格頂點 (筷子交叉處) 都可用一組 (三個) 整數座標表示. 空間中其他點也可用一組實數座標表示.
- 定理: 從 n 維向量空間 V 當中隨便挑 n 個向量, 如果它們彼此線性獨立, 則它們可構成 V 的一組基底.
- 定理: 從 n 維向量空間 V 當中隨便挑 n 個向量, 如果它們可以張出整個 V, 則它們可構成 V 的一組基底.
-
說明: 一種好的表示法 (例如用公分描述長度, 用身份證字號描述人,
...) 應該滿足以下三個條件:
- 每個物件都可以表示得出來.
- 每個物件都只有唯一的一種表達方式.
- 不同的物件有不同的表達方式.
- 一個 (有點牽強的) 例子: 如何表達顏色? RGB, CMY, HSB (其實顏色的空間並非向量空間, 且 HSB 並不滿足 (2) ).
-
矩陣的秩 (rank)
- 一個矩陣 A 的 row space: A 的列向量所張出來的空間
- 一個矩陣 A 的 column space: A 的行向量所張出來的空間
- 定理: 對一個矩陣做基本列運算, 所得到的新矩陣具有相同的 row space. 所以可以用基本列運算化簡矩陣至 row-echelon form, 進而得到 row space 的一組基底.
- Q: 為什麼不直接拿原來的列向量當做基底就好了?
- 定理: 一個方陣的 row space 與 column space 具有相同的 dimension.
- 定義: 一個方陣 A 的 row space (或 column space) 的 dimension 就稱為 A 的 rank 秩.
- 定理: 若 A 為一個 m * n 矩陣, 則 A x = 0 的解集合構成 R^n 的一個子空間. 這個子空間稱為 A 的 nullspace, 它的 dimension 稱為 A 的 nullity.
- 幾何解釋: 與 A 的所有列向量垂直的向量有那些?
- 定理: 若 A 為一個 m * n 矩陣, 則 rank(A) + nullity(A) = n.
- 直覺提示: n 為變數個數 ...
- 定理: (如何求 A x = b 的所有解) 若 x0 為 A x = b 的一組解, 則完整的解集合即是 { x0 + xh : xh 屬於 A 的 nullspace }.
- 幾何解釋: A x = b, A x = c, A x = d, ... 等等各題的解集合為空間中平行的 k-flat 其中 k 為 A 的 nullity.
- 定理: A x = b 為 consistent 若且唯若 b 屬於 A 的 column space.
- 定理: 與 "A 為 invertible" 這句話 (及其他許多句話) 等價的還有: "A 的行向量線性獨立", "A 的列向量線性獨立".
-
座標及座標轉換
- 定義: 在向量空間 V 當中, 把一個向量 x 用一組基底 B 的線性組合來表示時, 所取的係數稱為 x 相對於 B 的 座標 (coordinates), 記做 [x]B.
-
直覺解釋: 向量是我們真正有興趣的東西; 基底是度量用的單位;
而座標則只是一組數字, 脫離基底單獨存在並沒有任何意義. 例如
"臺灣島的海岸線長度為 1139 公里" 這句話當中,
"臺灣島的海岸線長度" 是我們真正有興趣的東西,
就算這個世界上沒有人在這裡測量, 它還是存在;
公里是一個度量用的單位; 而 1139 只是一組數字, 脫離 "公里"
單獨存在並沒有任何意義. 請仔細對照比較:
向量 = 基底 * 座標 真實的量 = 度量單位 * 讀數(注意: 如果我們把基底與疪標都用行向量表示, 則基底一定要寫在左邊.) - 平常我們寫 (2, -3, 5)^T 的意思其實是把 x = 2e1 - 3 e2 + 5 e3 這個向量用 "它相對於標準基底 S = { e1, e2, e3 } 的 座標" 來表示. 所以嚴格說來, 我們不應該寫 x = (2, -3, 5)^T, 而應該寫 [x]S = (2, -3, 5)^T.
- transition matrix: 把 (可以是很抽象的) 向量空間 V
當中的一組基底 C = { c1, c2,
... cn } 的每個向量用 V
當中的標準基底寫出它的座標: [c1]S,
[c2]S, ...
[cn]S 得到 n 個 R^n 當中的行向量.
把這 n 個 R^n 當中的行向量並排在一起, 形成一個 n*n 方陣,
我們姑且把它記為 [C]S. 請仔細思考下式的意義:
[C]S [x]C = [x]S
"若已知向量 x 相對於 C 的座標, 則在它左邊乘上 「C 相對於標準基底的座標」, 可以求得向量 x 相對於標準基底的座標". 所以稱 [C]S 為 transition matrix from C to S. - 請比較:
1.609 * 707.9 = 1139
"英哩" 這個單位用 "公里" 來表示, 它的值是 1.609; "臺灣海岸線長度" 用英哩來表示, 它的值是 707.9; "臺灣海岸線長度" 用公里來表示, 它的值是 1139. - 不過我們平常比較常問的問題是: "已知向量 x
相對於標準基底的座標, 求它相對於新基底 C 的座標",
那麼就把上式倒過來用:
[x]C = ([C]S)(-1) [x]S
(所謂倒過來用當然不是隨便把等式亂改, 而是把輸入與輸出互換, 看應該如何調整原等式.) -
座標轉換 (change of coordinate system; change of basis)
當然不僅止於標準基底與非標準基底,
也可以在兩套非標準基底之間發生.
可以從下列兩個式子當中隨便選一個來理解:
- [C]B [x]C =
[x]B
- [C]S [x]C = [B]S [x]B
- [C]B [x]C =
[x]B
-
請比較:
- 1.151 * 615.0 = 707.9
- 1.852 * 615.0 = 1.609 * 707.9
臺灣海岸線長度 = 1139 公里 = 707.9 英哩 = 615 海浬. - 如果連續做好幾次座標轉換呢? 每次都把最新的 transition matrix 乘在最左邊.
(一般的, 抽象的, 不一定具有幾何意義的) 內積空間
-
內積空間的定義: 一個向量空間加上一個 "傳入兩個向量, 傳出一個純量"
的內積函數 inner product, 即稱為一個內積空間 inner
product space. 兩個向量 u 及
v 的內積記作 < u,
v >, 且這個函數必須滿足下列公設 (axioms):
- < u, v > = < v, u >
- < u, v + w > = < u, v > + < u, w >
- c < u, v > = < c u, v >
- < v, v > 必然大於或等於零, 而且等號只有在 v = 0 時才成立.
-
內積的性質:
- < 0, v > = < v, 0 > = 0;
- < u + v, w > = < u, w > + < v, w >
- c < u, v > = < u, c v >
-
由內積衍生出來的定義:
- 定義向量 u 的 norm (length, 長度) 為 | u | = sqrt(< u, u >)
- 定義向量 u 與 v 之間的 distance (距離) 為 d(u,v) = | u - v |.
- 定義向量 u 與 v 之間的 夾角 為 < u, v > / ( |u| * | v | ) 的 cos^(-1)
- 若 < u, v > = 0 則稱 u 與 v orthogonal (正交).
- 內積的直覺解釋: 為了要能夠表達兩個向量之間的夾角, 及一個向量之間的距離, 而定義出來的觀念. 一個向量空間 (例如 P_n) 上可以定義很多種不同的內積 (例如對應項係數乘積的和, 或定積分); 究竟那一個定義比較符合直覺或符合應用問題的需要, 就多少需要主觀的判斷了.
-
重要定理:
- Cauchy-Schwarz Inequality (哥西/舒瓦茲不等式): | < u, v > | <= |u| * |v|
- Triangle Inequality (三角不等式): | u + v | <= |u| + |v|
- Pythagorean Theorem (畢氏定理): u 與 v 正交 若且唯若 |u+v|^2 = |u|^2 + |v|^2
- 定義: orthogonal projection of u onto v (u 在 v 上面的投影?): (< u, v > / < v, v >) v
- 投影的特性: u 在 v 上面的投影, 是 v 的延伸線上所有向量當中, 離 u 最近的一個.
- 定義: 一組基底 B, 若其中所有向量兩兩正交, (則 B 內所有向量必然線性獨立) 則稱 B 為一組 orthogonal basis (正交基底); 一組正交基底 B, 若其中所有向量均為單位向量, 則稱 B 為一組 orthonormal basis (正么基底).
- 例: 在 C[0, 2pi] 中, 若以一般的定積分做為內積的定義, 則 S = { 1, sin x, cos x, sin 2x, cos 2x, ... sin nx, cos nx } 為 span(S) 的一組正交基底.
- 為何我們喜歡使用正么基底? 因為座標轉換容易: 若 B = { v_i | i = 1,2, ... n } 為一組正么基底, w 為同一個空間中任何一個向量, 則 w = <w, v_1 > v_1 + <w, v_2 > v_2 + ... + <w, v_n > v_n (提示: 以 R^n 為例, 若把一組正么基底寫成一個 n*n 方陣 A, 則 A^T * A = I, 也就是說 A^(-1) = A^T, 所以兩個方向的座標轉換都不必解聯立方程組, 只要做矩陣乘法)
-
Gram-Schmidt Orthonormalization Process: 如何從一組基底 V = {
v_i | i = 1, 2, ... n } 產生出另外一組正么基底 U
= { u_i | i = 1, 2, ... n } 且 span(U) =
span(V)?
u_1 = v_1 / |v_1| u_2 = w_2 / |w_2| 其中 w_2 = v_2 - <v_2,u_1>u_1 u_3 = w_3 / |w_3| 其中 w_3 = v_3 - <v_3,u_1>u_1 - <v_3,u_2>u_2 ...如何求 w_(i+1)? 把前 i 個向量所張開來的子空間找出來, 把 v_(i+1) 在這個子空間上的投影去掉, 就是 w_(i+1). 再找出這個方向的單位向量, 就是 u_(i+1). - QR factorization: 若把 R^m 當中 n 個線性獨立的向量 (當然 m >= n) 寫成一個矩陣 A, 則根據 Gram-Schmidt Orthonormalization Process 的過程, 可以把 A 化為 Q 與 R 的乘積, 其中 Q * Q^T = I (它的行向量就是最後產生出來的那組正么基底), 而 R 為一個上三角矩陣.
- 最小方差問題: 欲解 A x = b, 但無解時 (通常是因為條件個數太多, 變數個數太少), 可以改解 A^T (A x' - b) = 0. 這個方程組稱為原方程組的 normal equations. 所得到的這個解 x' 當然不一定滿足原方程組, 但它是所有 x 當中, "讓誤差最小" 的那個解. (最小方差公式的口訣: "讓誤差向量與 A 的 column space 正交!")
Linear Transformations
-
矩陣乘以向量的兩種解釋:
- alias interpretation: 座標轉換 coordinate transformation
- alibi interpretation: 線性映射 linear transformation
- simliarity: A' = S^(-1) A S 同一個線性映射, 在兩個不同的座標系統下的表達方式.
Eigenvalues and Eigenvectors
- 何謂一個矩陣 A 的 eigenvectors? 那些被 A 作用後, 不改變方向的向量. A x = c x
Hermitian Matrices
線性代數 => 近代物理 => 哲學
- 本頁最新版網址: http://people.ofset.org/~ckhung/b/la/; 您所看到的版本: March 09 2010 16:38:00.
- 作者: 朝陽科技大學 資訊管理系 洪朝貴
- 寶貝你我的地球, 請 減少列印, 多用背面, 丟棄時做垃圾分類。
- 本文件以 Creative Commons Attribution-ShareAlike License 或以 Free Document License 方式公開授權大眾自由複製/修改/散佈。
99課綱教材物理講義解答
作者:物理科網管 日期:2011-11-14 08:32
99課綱教材物理講義解答
第1章直線運動(99課綱).doc (9.88 MB , 下載:157次)
第2章平面運動(99課綱).doc (867 KB , 下載:86次)
第3章靜力平衡(99課綱).doc (2.62 MB , 下載:203次)
第4章_牛頓定律(99課綱).doc (1.69 MB , 下載:401次)
第5章 牛頓運動定律的應用(99課綱).doc (1.1 MB , 下載:128次)
第6章萬有引力(99課綱).doc (1.79 MB , 下載:124次)
第10章碰撞(99課剛).doc (1.17 MB , 下載:49次)
第11章熱力學(99課綱).doc (501.5 KB , 下載:61次)
第12章氣體動力論(99課綱).doc (703 KB , 下載:41次)
高三95暫綱教材物理講義解答
作者:物理科網管 日期:2011-11-09 13:57
第1章直線運動.doc (1.44 MB , 下載:81次)
第2章平面運.doc (1.47 MB , 下載:68次)
第3章靜力平衡.doc (3.69 MB , 下載:137次)
第4章牛頓定律.doc (4.53 MB , 下載:433次)
第5章萬有引力.doc (2.17 MB , 下載:272次)
第6章功與動能.doc (714.5 KB , 下載:99次)
第7章位能與力學能守恆.doc (2.58 MB , 下載:93次)
第8章動量守恆定律.doc (2.39 MB , 下載:108次)
第9章轉動.doc (656.5 KB , 下載:93次)
第10章流體力學.doc (1.32 MB , 下載:81次)
第11章熱力學.doc (757 KB , 下載:83次)
第12章氣體動力論.doc (1.23 MB , 下載:71次)
第13章波動.doc (1.84 MB , 下載:83次)
第14章聲波.doc (702.5 KB , 下載:81次)
第15章光的反射.doc (724.5 KB , 下載:122次)
第16章光的折射.doc (1.96 MB , 下載:151次)
第17章光的干涉與繞射.doc (1.03 MB , 下載:155次)
第18章靜電.doc (3.93 MB , 下載:302次)
第19章電流.doc (2.06 MB , 下載:203次)
第20章磁場.doc (2.94 MB , 下載:91次)
第21章電磁感應.doc (1.57 MB , 下載:108次)
第22章近代物理的重大發現.doc (1.71 MB , 下載:77次)
第24章原子核.doc (450 KB , 下載:80次)
高一基礎物理ppt檔(ch1、ch2、ch3、ch4、ch5、ch6、ch7)
作者:物理科網管 日期:2009-09-16 23:17
Ch7 能量與生活.ppt (5.34 MB , 下載:1234次)
Ch6 電與磁'.ppt (19.78 MB , 下載:6798次)
CH5 光''.ppt (14.02 MB , 下載:6940次)
Ch4.ppt (5.96 MB , 下載:1211次)
CH3 熱.ppt (12.84 MB , 下載:9168次)
ch1.ppt (1.43 MB , 下載:1186次)
Ch2 力與運動.ppt (5.57 MB , 下載:1495次)有需要的同學請下載吧!!!!
其他之後會陸續上傳~
97年學年度暑修物理B班
作者:物理科網管 日期:2009-09-14 11:28
209,210,217物理暑期作業詳解
作者:物理科網管 日期:2009-08-19 17:27
- 1
最新評論
最新留言
日曆
統計
昨日訪問: 20
總訪問量: 35054
在線人數: 1
日誌數量: 5
![]() |
|
|
|
mtkao7646(at)yahoo.com.tw |
|
Revised Jan 10 , 2007 最近仍會繼續更新及修正... 高中物理[適合高中以上程度]
|
||||||||||||||||||||||||||||||||
|
|
|
著作權(c) 2003 高銘佐。保留所有權利。 |
普光帝珠網
| 普光帝珠網 |
||||
| 普光者,乃取「普遍光明清淨熾盛如意寶印心無能勝大明王大隨求陀羅尼」之簡稱。經軌言:但聞持陀羅尼題名若一字二字乃至十字者得大利益。 帝珠網者,帝釋天以網張空而為莊嚴,網孔有摩尼寶珠。孔多珠亦多,珠珠各攝森羅萬象,而互攝互融。以帝珠網比喻系列網站連結互融互攝重重無盡之意。 http://www.ucchusma.net/samanta/index1.htm
★普光居士出版之著作一覽: (1)七俱胝佛母准提王法要集(西元2006年10月由「中和法明寺」出版)--已無存書 (2)末法明燈:殊勝的準提陀羅尼(2007年4月由「彰化清明寺」出版) (3)觀世音菩薩六字大明咒集要(2008年2月由「彰化清明寺」出版) (5)准提神咒持驗集(2011年6月自費出版) (6)東方淨光——藥師法門集要、藥師佛靈感錄(2011年7月「藥師佛本願推廣中心」出版) (7)觀世音菩薩六字大明咒集要-2011年修訂版(由薩迦法王賜序。2011年8月「彰化清明寺」出版)
★普光居士製作之網站一覽:
|
||||
| 如來部 |
||||
| |
||||
| 佛母部 |
||||
| 菩薩部 |
||||
站名:普賢行願威神力 成立時間:2004/09 |
||||
站名:虛空藏菩薩 成立時間:2006/04/12 |
||||
| 金剛部 |
||||
![]() |
||||
| |
||||
| 祖師部 |
||||
| 經典部 |
||||
| |
||||
| 法要部 |
||||
| 道場部 |
||||
| 普願 |
||||
|
四生九有 同登華藏玄門 八難三途 共入毘盧性海 南無華嚴海會佛菩薩 普回向偈 願以此功德 消除宿現業 所有刀兵劫 及與饑饉等 出資贊助者 誦持流通者 所求皆果遂 隨願生淨土 願所有弘法功德,回向贊助、流通、見聞、隨喜者,及皆悉回向盡法界、虛空界一切眾生,依佛菩薩威德力、弘法功德力,普願消除一切罪障,福慧具足,常得安樂,無諸病苦。欲行惡法,皆悉不成。所修善業,皆速成就。關閉一切諸惡趣門,開示人天涅槃正路。家門清吉,身心安康,先亡祖妣,歷劫怨親,俱蒙佛慈,獲本妙心。兵戈永息,禮讓興行,人民安樂,天下太平。四恩總報,三有齊資,今生來世脫離一切外道天魔之纏縛,生生世世永離惡道,離一切苦得究竟樂,得遇佛菩薩、正法、清淨善知識,臨終無一切障礙而往生有緣之佛淨土,同證究竟圓滿之佛果。 |
||||
|
涅槃經曰:若有善男子善女人。 一聞大乘經。億百千劫不墮三塗八難。 於一恒河沙諸佛前種善根。得暫聞大乘經。 於二恒河沙諸佛前種善根。得聞大乘經。不生誹謗。 於三恒河沙諸佛前種善根。能歡喜禮拜。 於四恒河沙諸佛前種善根。能書寫流通。 於五恒河沙諸佛前種善根。能受持讀誦。 明知大乘經甚難得。
http://www.ucchusma.net/samanta/index1.htm
|
||||
| 本網站空間由穢跡金剛的家發心贊助提供 |
||||
台灣公益慈善地圖
台灣公益慈善地圖,提供各種公益團體,慈善公益團體的登錄與收集,同時也分享轉載公益活動、公益廣告的資訊,是一個公益資訊網,讓社會大眾容易知道公益團體有哪些,以及分佈在全台的慈善機構,慈善團體,慈善基金會,慈善公益團體等等。信義育幼院
韓公老董事長諱恩榮,字雨霖,號白水老人。河北省寧河縣人,民國前十一年三月二十二日誕生。
一月 20
- Written by maya
- Posted in 其它公益慈善網站, 社團/協會/基金會
- 0 Comments
榮光育幼院
民國五十四年創設于臺北縣永和鎮,民五十七年本院正式奉准立案,承蒙當初政府與熱心地方人士贊助與支持,幾經刻苦經營,隨著國家經濟發展,民生逐漸富足,由於人民生活安和樂利,因此育幼院工作不但基本的提供安定生活、基本溫飽、接受國民與高等教育之外,進而要提升生活品質、更要求幼童身體心理健康成長、也要提昇品格教育,所以本院除了讓孩童有基本的健全發展,更注重到培育一個對社會有貢獻的青少年。
一月 20
- Written by maya
- Posted in 其它公益慈善網站, 社團/協會/基金會
- 0 Comments
私立惠明盲童育幼院
民國45年,一位美國基督徒在他的遺囑中託付美國基督教兒童基金會,運用他儲存在銀行的一筆款項,在台灣成立盲童育幼院,造福視障兒童。
一月 20
- Written by maya
- Posted in 其它公益慈善網站, 社團/協會/基金會
- 0 Comments
© 2011 台灣公益慈善地圖. 與您一起關懷台灣!
2009年3月17日星期二
我猜-麻雀變公主-2號玉婷-凱渥Model-kiwi0108-170
| 暱稱: | 簡尼龜 |
| 血型: | O |
| 體重: | 目標45 |
| 職業: | 【學生人】 |
| 喜歡的: | Green’s♡♡ 香水 |
| 討厭的: | 騙我的人、【遺憾】的感覺 |
| 關於我: | 請不要大驚小怪! 我只是個普通人! http://tw.club.yahoo.com/clubs/Angel_Chien/ |
相簿: http://www.wretch.cc/album/kiwi0108
2008年9月22日星期一
凱渥名模-林葦茹-ruru1732004-175
第一名模:林葦茹
生日:1981/11/28血型:O型
身高 : 175 cm
三圍 : 33.24.35
興趣 : 畫畫、煮菜
最滿意自己的地方 :
模特兒資歷 :
目前所屬公司 : 凱渥
相簿: http://www.wretch.cc/album/ruru1732004
2008年8月29日星期五
2008年7月25日星期五
凱渥第二屆的夢幻之星選拔賽-小V-blingcat-172
小V
- 年齡:22 學歷:大學/大專
- 身高:172 體重:51
- 三圍:32-23-34 留言回應:507則
- 自我介紹:
- HELLO~大家好我是小V!經過一段時間的省思及幾番嘗試,最終確定MODEL就是我今生最熱愛且錯過了將會懊悔一輩子的職業,雖然錯過了去年的比賽,我期待自己在今年能夠有亮眼的成績!希望大家多多給我支持與鼓勵,若有尚須改進之處也請不吝指教! :)
http://tw.catwalk.fashion.yahoo.com/profile/id/dmFsZW50aW5lX2Zpc2gjYWg-
相簿:
教學 (4)
![[rss feed 圖案]](/~ckhung//i/rss.png)
![[拒絕冏性升級 docx]](/~ckhung//i/n7/no-docx.png)
![[用創意換取注意力: 認識 CC 授權]](/~ckhung//i/cc.png)
![[(力求維持) 符合 xhtml 1.0]](/~ckhung//i/vxhtml10.png)




































