1.1、線性空間
給定非空集合V和域F,若存在映射σ:V×V→V、(V1,V2)↦σ(V1,V2)則稱σ爲V上的加法。
1.1.1 域
域: 有+,-,×,÷的一個運算系統。
那麼什麼不是域呢?
Z+={0,1,2,3,4,...}這就不是個域,因爲不存在除法、減法的運算,0-1不再Z+的集合內了。
Z={0,±1,±2,...}這也不是個域,因爲不存在除法的運算。
關於一個運算是否封閉是一個很重要的問題。
那有理數(rational number,兩個整數的比)集呢? 當然是!所以成爲有理數域。故可以寫做Q —— 這種叫黑板體,表示一個域的時候這樣寫。當然還有實數(Real Number)域R和複數(Complex Number)域C。
1.1.2 卡氏積
×:集合的卡氏積(Cartesian Product)
S1×S2={[s1s2]∣s1∈S1,s2∈S2}
就是形成的元素對。可以通過 把平面和座標軸的軸線的關係聯繫起來 通過卡氏積來理解。
加法理解爲映射(二元函數)σ:V×V→V,任意抽取兩個值進行加法運算,應當理解爲從V的卡氏積裏抽取一個“對”,是有順序的。R2→R
1.1.3 ↦
↦: 需要注意→和↦的區別,第二個座標多了一道;用法上:
A→Ba↦b
這就能看出區別,兩者都代表映射關係,→兩邊都是集合,↦兩邊都是集合裏的元素。
舉例:函數sinx是一個映射,我們這裏使用定義域(−∞,∞)到值域[−1,1]的映射。那麼π到0的映射就能寫成 π ↦ 0。
我們需要把固有的概念改變一下,把加法看做二元映射,
1.1.4 線性空間
上面都是先導知識,那麼設V是一個非空集合,P是一個數域,在V上定義了一種代數運算,記爲“+”;定義了P與V到V的一種代數運算,成爲數量乘法(簡稱數乘),記爲“⋅”,如果滿足“通常的運算規則”,則稱集合V爲數域P上的線性空間。
通常的運算規則:
熟知的加法交換律,結合律,分配率,有零元,有負元等等。
解釋一下有零元,就是“存在e∈V,滿足e+v=v”。其實就是零和任意元素相加都是該元素本身。這裏是抽象的概念。
那麼有負元,就是“對任意v∈V存在a∈V使v+a=e,e是零元,稱作a=−v”。
對於數乘:
- (v1+v2)⋅k=v1⋅k+v2⋅k,這裏的加法都是向量的加法;
- v⋅(k1+k2)=v⋅k1+v⋅k2,這裏前者加法是兩個數字相加,後者是向量的加法;
- v⋅(k⋅l)=(v⋅k)⋅l,這裏有四個乘,第一個、第三個、第四個是數乘;第二個是數字的乘法。
爲什麼做數乘時把數放在向量右邊??
若向量爲列向量,數乘法的數寫在右側,若向量爲行向量,數乘法的數寫在左側。
原因:⎣⎡2113⎦⎤⋅2=⎣⎡126⎦⎤可以看做一個[3,1]和[1,1]的矩陣相乘。
F(I,Rn)函數空間,I是一個區間,Rn是n個分量的域。例如:F([0,1],R2),元素爲f=[f1(x)f2(x)],這裏的f1(x)和f2(x)均是定義域爲[0.1]的兩個分量,函數空間囊括瞭如f一樣的含有多個分量的在I區間下的函數元素。
f=⎣⎢⎢⎡f1(x)f2(x)...fn(x)⎦⎥⎥⎤這就是F(I,Rn)函數空間中的函數元素,是在I區間下的。
定義(向量組及向量組拼成的抽象矩陣)
設V是F上的線性空間,V中的有限序列α1,α2,...,αn稱爲V中的一個向量組,向量組按順序排成的行稱爲向量組拼成的抽象矩陣。
[α1α2...αn]
線性空間的目的是:將空間(笛卡爾座標系)解析幾何的方法抽象到一般線性空間裏。
1.1.5 線性空間的相關性
- 向量組α1,α2,...,αn稱爲線性相關,如果存在不全爲零的p個數 ki∈F,i=1,...,p,使得α1k1+α2k2+...+αpkp=0
- 向量組 α1,...,αp稱爲線性無關,如果它不是線性相關的
線性相關:
∃⎣⎢⎢⎡k1k2...kp⎦⎥⎥⎤=0,⎣⎢⎢⎡k1k2...kp⎦⎥⎥⎤∈Fp,α1k1+α2k2+...+αpkp=0
注:(∃a)P(a) 的否定爲 ∀aP(a) 就是對任意的a都不具有P(a)的性質。
線性無關:
∀⎣⎢⎢⎡k1k2...kp⎦⎥⎥⎤=0,⎣⎢⎢⎡k1k2...kp⎦⎥⎥⎤∈Fp,α1k1+α2k2+...+αpkp=0這裏的0是線性空間中的0向量不是數域的0。
(逆否命題) 若α1k1+α2k2+...+αpkp=0,則ki=0。
(線性相關性的矩陣描述)
[α1α2...αp]⎣⎢⎢⎡x1x2...xp⎦⎥⎥⎤=0這是一個齊次方程組。
若線性相關則這個方程組有非零解;若線性無關則這個方程組只有零解。
兩個向量組之間的線性表示:
α1,...,αp;β1,...,βq;β
-
稱 β 可由 α1,...,αp 線性表示。
如果在 k1,...,kp∈F,使得 β=α1k1+....+αpkp。
-
稱 β1,...,βq 可由α1,...,αp線性表示。
如果每個βi都能由α1,...,αp線性表示。
(矩陣表達)
[α1α2...αp]⎣⎢⎢⎡x1x2...xp⎦⎥⎥⎤=β
β可由{αi}線性表示,這是一個非齊次線性方程組。
[α1α2...αp]⎣⎢⎢⎢⎡x11x21⋮xp1x12x22⋮xp2......⋱...x1qx2q⋮xpq⎦⎥⎥⎥⎤=[β1β2...βq]
AX=B(矩陣方程有解)
線性表示是具有傳遞性的。
1.1.6 向量組的極大線性子組
向量組的極大線性子組:
從母序列中挑出一個子序列構成向量組,這個子序列構成的向量組爲原來母序列的子組。
子組 β1,...,βs 稱爲 α1,...,αp 的極大線性子組,若:
- {βj} 線性無關;
- 若 {γk}=γ1,...,γt 也是 α1,...,αp 的子組,s<t ,則 {γk} 線性相關。就意味着在線性無關的範圍內,{βj} 已經是最大的向量空間了。
極大性: ∀αi∈{α1,...,αp},αi都可由{βj} 線性表示。(生成性)
母組可由極大線性子組線性表示。
向量組的極大線性無關組中向量的個數稱爲向量組的秩。
1.1.7 基與座標
定義(有限維線性空間、基、座標)
V是數域F上的線性空間,如果有正整數n,即V中的向量組 α1,...,αn 使得:
- (無關性) {αi} 線性無關;
- (生成性)∀α∈V ,均可由{αi}線性表示
α=α1k1+α2k2+...+αnkn=[α1α2...αn]⎣⎢⎢⎢⎡k1k2⋮kn⎦⎥⎥⎥⎤則稱V是 n-維線性空間。
1.1.8 基實現抽象線性空間到標準線性空間之間的一一對應
σ:S1→S2∀s2∈S2,∃s1∈S1 σ(s1)=s2對任意 (Arbitrary) 的s2屬於S2,存在s1屬於S1,使得s1的項就是s2。這稱作 滿射(surjection)。
若σ(s1)=σ(s1′)則s1=s1′,這稱作 單射(injection)。
Fn的標準基與一般基
e1=⎣⎢⎢⎢⎡10⋮0⎦⎥⎥⎥⎤,e2=⎣⎢⎢⎢⎡01⋮0⎦⎥⎥⎥⎤,…,en=⎣⎢⎢⎢⎡00⋮1⎦⎥⎥⎥⎤是Fn的標準基。標準基向量拼成的基矩陣是單位矩陣。單位矩陣的列向量組是標準基向量組。
Fn是標準線性空間。
如果一個向量組滿足秩和組內向量個數相等,則其向量組線性無關。(無關性)
如果Ax=b該方程組有解,則Rank(A)=Rank(A∣b),矩陣的秩和增廣矩陣的秩相等,也就是方程組和未知數個數相等。
秩:行秩 = 列秩 = 秩。
無限維空間的例
F[x]={f∣f∈F(F,F), 且f可寫成多項式} 簡單講就是向量都是多項式,且定義域和值域都在F這個數域上。
Fn[x]={次數<n, 以F中數爲係數的多項式}
令F=R,那麼:
- Rn[x]是n-維的;
- R[x]不是有限維的。(無限維的)
1.1.9 子空間
定義: 設V是F上的線性空間,W≤V是非空子集。若:
- 對加法封閉α、β∈W⟹α+β∈W。即在W中任意取兩個元素,經過加法運算還在W內;數乘相似
- 對數乘封閉k∈F,α∈W⟹α⋅k∈W
則稱W是V的一個子空間。
①向量組生成的子空間及子空間的生成組
(向量組生成的子空間及子空間的生成組)
α1,α2,…,αp 是向量組,定義一個 W=span{α1,α2,…,αp}={α1c1+α2c2+⋯+αpcp} 是V的一個子空間。這就是向量組生成的子空間。
已知W,若有向量組 α1,α2,…,αp ,使得 W=span{α1,α2,…,αp} ,我們稱αi爲子空間的生成組,生成組提供了子空間的一種表現方式。
②矩陣的核與像
(A∈Fm×n的核與像)
矩陣的核與像。{x∣x∈Fn,Ax=0}(x∈Fn的原因是A=[aij]m×n那麼矩陣相乘就需要一個n行的x) 是 Fn 的子空間,這個子空間稱作 A矩陣的核。
也就是以A爲係數的齊次方程組的解空間。
{y∣y∈Fm,存在x∈Fn,使得y=Ax}={Ax∣x∈Fn}是 Fm 的子空間,稱作 A矩陣的像。
這裏的Ax實則是A的列向量組以x爲係數的線性組合。A的像就是A的列向量組張成的子空間。
③子空間的交與和
設U、W是V的子空間
- U∩W也是子空間,稱爲U、W的交(子空間);
- U+W=Span{U、W}={U+W∣u=U,w=W}也是子空間,稱爲U、W的和(子空間)。