高等代数笔记4:线性空间
线性空间
线性空间的定义与实例
从本节开始,我们将解析几何、向量空间、矩阵空间的一些共同性质作一个进一步的抽象,得到线性空间的概念。所谓线性空间,就是在一个集合上,定义了线性运算,从而形成线性空间。所谓线性运算,就是两类:加法和数域KKK上的数乘。回顾解析几何、向量空间、矩阵空间的相关知识,在这些空间上,都定义了加法和数乘,并且加法和数乘都有类似的性质,即以下八条:
A.加法交换律:a+b=b+aa+b=b+aa+b=b+a
B.加法结合律:a+b+c=a+(b+c)a+b+c=a+(b+c)a+b+c=a+(b+c)
C.存在零元:0+a=a0+a=a0+a=a
D.存在相反元:a+(−a)=0a+(-a)=0a+(−a)=0
E.数乘结合律:(kl)a=k(la)(kl)a=k(la)(kl)a=k(la)
F.1.a=a1.a =a1.a=a
G.数乘分配律1:(k+l)a=ka+la(k+l)a=ka+la(k+l)a=ka+la
H.数乘分配律2:k(a+b)=ka+kbk(a+b)=ka+kbk(a+b)=ka+kb
两个运算,加上以上八条运算性质,就形成了抽象的"线性空间":
定义4.1 VVV是一集合,KKK是一数域,如果在VVV上定义了一个二元运算"+++",满足:
A.加法交换律:∀a,b∈V,a+b=b+a\forall a,b\in V,a+b=b+a∀a,b∈V,a+b=b+a
B.加法结合律:∀a,b,c∈V,a+b+c=a+(b+c)\forall a,b,c \in V, a+b+c=a+(b+c)∀a,b,c∈V,a+b+c=a+(b+c)
C.存在零元:∃0∈V,∀a∈V,0+a=a\exists 0 \in V,\forall a\in V,0+a=a∃0∈V,∀a∈V,0+a=a
D.存在相反元:∀a∈V,∃−a∈V,a+(−a)=0\forall a \in V,\exists -a \in V, a+(-a)=0∀a∈V,∃−a∈V,a+(−a)=0
又定义了VVV和KKK的运算...,满足:
E.数乘结合律:∀k,l∈K,∀a∈V,(kl)a=k(la)\forall k,l \in K,\forall a \in V,(kl)a=k(la)∀k,l∈K,∀a∈V,(kl)a=k(la)
F.∀a∈V,1.a=a\forall a \in V,1.a =a∀a∈V,1.a=a
G.数乘分配律1:∀k,l∈K,∀a∈V,(k+l)a=ka+la\forall k,l \in K,\forall a \in V,(k+l)a=ka+la∀k,l∈K,∀a∈V,(k+l)a=ka+la
H.数乘分配律2:∀k∈K,∀a,b∈V,k(a+b)=ka+kb\forall k \in K,\forall a,b \in V,k(a+b)=ka+kb∀k∈K,∀a,b∈V,k(a+b)=ka+kb
则称VVV是数域KKK上的线性空间
解析几何中的平面向量空间、空间向量空间、KKK上的nnn维向量空间,Mm,n(K)M_{m,n}(K)Mm,n(K)都是线性空间的典型代表。不仅如此,即便看起来与代数毫无关系的数学分析,也有大量线性空间的例子。例如:
例4.1 C[a,b]C[a,b]C[a,b]是[a,b][a,b][a,b]上全体连续函数构成的空间,C[a,b]C[a,b]C[a,b]是RRR上的线性空间
可见,线性空间存在于世界各个角落,或者可以这么说:只要在一个集合中定义了加法和数乘运算,并且满足八条运算性质,这个集合就是一个"抽象化"的向量空间,集合中的元素,不过是"抽象化"后的点罢了。线性空间,从几何上去理解,就是"抽象化"的向量空间。以连续函数空间为例,从线性空间的角度上看,闭区间上的连续函数,不过是连续函数空间上一个个向量罢了,连续函数空间,不过是抽象的解析几何空间罢了。线性泛函分析,就是以这里为出发点的。认识到这点,对于理解后面许多定理和命题都很有帮助。
命题4.1 VVV是数域KKK上的线性空间,则
(1)零元是唯一的
(2)∀a∈V\forall a \in V∀a∈V,相反元−a-a−a是唯一的
(3)∀a∈V,0.a=0\forall a \in V,0.a=0∀a∈V,0.a=0
(4)∀a∈V,(−1).a=−a\forall a \in V,(-1).a=-a∀a∈V,(−1).a=−a
证:
(1)假设a,ba,ba,b都满足:对任意的c∈Vc\in Vc∈V,都有
a+c=ca+c=ca+c=cb+c=cb+c=cb+c=c那么
a+b=b=b+a=aa+b=b=b+a=aa+b=b=b+a=a由于零元唯一,我们记零元为000\
(2)∀a∈V\forall a \in V∀a∈V,若b,cb,cb,c都满足:
a+b=0a+b=0a+b=0a+c=0a+c=0a+c=0则
a+b+c=c=b+a+c=b+(a+c)=b+0=ba+b+c=c=b+a+c=b+(a+c)=b+0=ba+b+c=c=b+a+c=b+(a+c)=b+0=b从而相反元唯一,相反元记为−a-a−a\
(3)a+0.a=1.a+0.a=(1+0)a=1.a=aa+0.a=1.a+0.a=(1+0)a=1.a=aa+0.a=1.a+0.a=(1+0)a=1.a=a
(4)(−1).a+a=(−1).a+1.a=(1+−1)a=0.a=0(-1).a+a=(-1).a+1.a=(1+-1)a=0.a=0(−1).a+a=(−1).a+1.a=(1+−1)a=0.a=0
线性空间的结构
接下来,类似于向量空间,我们也可以给出线性组合、线性表示、线性相关、线性无关、极大线性无关组等概念。
定义4.2 VVV是KKK上的线性空间,x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn是VVV的一个向量组,k1,⋯,knk_1,\cdots,k_nk1,⋯,kn是KKK上的nnn个数,称
k1x1+⋯+knxnk_1x_1+\cdots+k_nx_nk1x1+⋯+knxn是x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn的一个线性组合,y∈Vy\in Vy∈V,存在k1,⋯,kn∈Kk_1,\cdots,k_n\in Kk1,⋯,kn∈K,使得
y=k1x1+⋯+knxny=k_1x_1+\cdots+k_nx_ny=k1x1+⋯+knxn则称yyy能被x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn线性表示
定义4.3 VVV是KKK上的线性空间,x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn是VVV的一个向量组,如果存在不全为000的KKK的一组数k1,⋯,knk_1,\cdots,k_nk1,⋯,kn,使得
k1x1+⋯+knxn=0k_1x_1+\cdots+k_nx_n=0k1x1+⋯+knxn=0则称x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn线性相关,否则称x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn线性无关
可以看到,一般线性空间上的线性相关和线性无关和向量空间是"一致的",只不过这里是抽象化的线性相关和线性无关,而向量空间是具体的线性相关和线性无关,并且向量空间上,我们可以借助线性方程组来理解线性表示、线性相关和线性无关,一般线性空间上的线性表示、线性相关和线性无关,就很难借助具体的工具来表述。然而,一般线性空间上线性相关、线性无关性质上却和向量空间没有本质差别。
定理4.1 VVV是KKK上的线性空间,x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn是VVV的一个向量组,x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn线性相关的充分必要条件是某个向量可被其他向量线性表示
定义4.3 VVV是KKK上的线性空间,x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn和y1,⋯,ymy_1,\cdots,y_my1,⋯,ym是VVV的两个向量组,如果y1,⋯,ymy_1,\cdots,y_my1,⋯,ym的每一个向量都能被x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn线性表示,则称向量组y1,⋯,ymy_1,\cdots,y_my1,⋯,ym能被x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn线性表示,如果两个向量组可以相互线性表示,则称两个向量组等价
引理4.1 VVV是KKK上的线性空间,x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn和y1,⋯,ymy_1,\cdots,y_my1,⋯,ym是VVV的两个向量组,如果x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn线性无关,m>nm>nm>n,则y1,⋯,ymy_1,\cdots,y_my1,⋯,ym一定线性相关
推论4.1 VVV是KKK上的线性空间,VVV上任意两个等价的线性无关的向量组一定有相同数量的向量
类似地可以给出极大线性无关组和向量组的秩
定义4.4 VVV是KKK上的线性空间,x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn是VVV的一个向量组,如果存在线性无关的子向量组xn1,⋯,xnrx_{n_1},\cdots,x_{n_r}xn1,⋯,xnr,x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn能被xn1,⋯,xnrx_{n_1},\cdots,x_{n_r}xn1,⋯,xnr线性表示,则称xn1,⋯,xnrx_{n_1},\cdots,x_{n_r}xn1,⋯,xnr是x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn的极大线性无关组,rrr称为向量组x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn的秩
命题4.2 VVV是KKK上的线性空间,x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn是VVV的一个向量组,x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn线性无关,而x1,⋯,xn,yx_1,\cdots,x_n,yx1,⋯,xn,y线性相关,则yyy能被x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn唯一线性表示
按照这个命题,任一向量组的每一个向量能被其极大线性无关组唯一线性表示。极大线性无关组就起到解析几何中的基的作用。
线性空间上的基、基变换与坐标变换
上一小结,我们引出了极大线性无关组,并且说明了,任一向量组的每一个向量都能被极大线性无关组唯一表示。那么,对于整一个线性空间,能不能也找到这么一组线性无关向量,整个空间能被这组线性无关的向量唯一线性表示呢?
首先,如果存在一组线性无关的向量x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn,对任意的x∈Vx\in Vx∈V,都存在k1,⋯,kn∈Kk_1,\cdots,k_n\in Kk1,⋯,kn∈K,使得
x=k1x1+⋯+knxnx=k_1x_1+\cdots+k_nx_nx=k1x1+⋯+knxn我们就称x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn是线性空间VVV的一组基,显然,任意两组基是等价的,因而,基中向量个数是相等的,这个向量的个数称为VVV的维数。
是不是每一个线性空间都存在一个向量组是VVV的基呢?答案是否定的。至少,连续函数空间C[a,b]C[a,b]C[a,b]就不存在有限个向量可以线性表示所有的连续函数,不然,连续函数空间不就过分简单,以至于没有研究的价值了吗?如果存在nnn个线性无关的向量可以线性表示空间中所有的向量,那么,就称VVV是nnn维线性空间,nnn是VVV的维数,记为dim(V)=n\dim(V)=ndim(V)=n,VVV是有限维线性空间,否则,称VVV是无穷维线性空间,记为dim(V)=∞\dim(V)=\inftydim(V)=∞。这里我们研究的对象是有限维线性空间,无穷维线性空间主要是一些函数空间,对无穷维线性空间的研究将在泛函分析中进行,这里不作讨论。
定义4.5 VVV是KKK上的线性空间,如果存在线性无关的向量组x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn,对任意的x∈Vx\in Vx∈V,xxx能被x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn线性表示,则称x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn是VVV的一组基,nnn是VVV的维数,记为dim(V)=n\dim(V)=ndim(V)=n,VVV是nnn维线性空间,否则,称VVV是无穷维线性空间,dim(V)=∞\dim(V)=\inftydim(V)=∞
命题4.3 VVV是KKK上的线性空间,dim(V)=n<∞\dim(V)=n<\inftydim(V)=n<∞,x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn是线性无关的向量组,则x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn是VVV的一组基
证:
首先,设e1,⋯,ene_1,\cdots,e_ne1,⋯,en是VVV的一组基,我们首先证明任意n+1n+1n+1个向量都是线性相关的。
按照基的定义,对任意n+1n+1n+1个向量y1,⋯,yn+1y_1,\cdots,y_{n+1}y1,⋯,yn+1,存在n(n+1)n(n+1)n(n+1)个KKK中的数kij,1≤i≤n+1,1≤j≤nk_{ij},1\le i\le n+1,1\le j \le nkij,1≤i≤n+1,1≤j≤n,使得
yi=ki1e1+⋯+kinen,i=1,⋯,n+1y_i=k_{i1}e_1+\cdots+k_{in}e_{n},i=1,\cdots,n+1yi=ki1e1+⋯+kinen,i=1,⋯,n+1令
z1y1+z2y2+⋯+zn+1yn+1=0z_1y_1+z_2y_2+\cdots+z_{n+1}y_{n+1}=0z1y1+z2y2+⋯+zn+1yn+1=0由e1,⋯,ene_1,\cdots,e_ne1,⋯,en线性无关,得到齐次方程组
{k11z1+⋯+k(n+1)1zn+1=0k12z1+⋯+k(n+1)2zn+1=0⋯k1nz1+⋯+k(n+1)nzn+1=0\begin{cases} k_{11}z_1+\cdots+k_{(n+1)1}z_{n+1}=0\\ k_{12}z_1+\cdots+k_{(n+1)2}z_{n+1}=0\\ \cdots\\ k_{1n}z_1+\cdots+k_{(n+1)n}z_{n+1}=0 \end{cases} ⎩⎪⎪⎪⎨⎪⎪⎪⎧k11z1+⋯+k(n+1)1zn+1=0k12z1+⋯+k(n+1)2zn+1=0⋯k1nz1+⋯+k(n+1)nzn+1=0由于变量个数大于方程个数,齐次方程必有非零解,从而y1,⋯,yn+1y_1,\cdots,y_{n+1}y1,⋯,yn+1线性相关
其次证明x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn是VVV的一组基,对任意x∈Vx\in Vx∈V,不妨设x≠xi,i=1,⋯,nx\neq x_i,i=1,\cdots,nx=xi,i=1,⋯,n,则x1,⋯,xn,xx_1,\cdots,x_n,xx1,⋯,xn,x线性相关,而x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn线性无关,从而xxx能被x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn唯一线性表示,对于xix_ixi,自然有
xi=0.x1+⋯+0.xi−1+1.xi+0.xi+1+⋯+0.xnx_i=0.x_1+\cdots+0.x_{i-1}+1.x_{i}+0.x_{i+1}+\cdots+0.x_nxi=0.x1+⋯+0.xi−1+1.xi+0.xi+1+⋯+0.xn因此,x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn是VVV的一组基
这也就意味着,只要你选择nnn个线性无关的向量,就能找到VVV的一组基。反过来,不存在一组基,也就是说,只要不是平凡的线性空间(只有零元),那么一定能找到一个非零的向量,如果dim(V)≠1\dim(V)\neq 1dim(V)=1,那么说明,有一个向量不能被这个向量线性表示,加入到向量组中,就是两个线性无关的向量,以此类推,如果无论找多少个线性无关的向量(有限个),都无法表示全空间,那么说明这个线性空间有"无穷个"基,这就不难理解为何称为无穷维线性空间了。
类似地,容易证明如下命题:
命题4.4 VVV是KKK上的线性空间,dim(V)=n<∞\dim(V)=n<\inftydim(V)=n<∞,e1,⋯,ene_1,\cdots,e_ne1,⋯,en是VVV的一组基,则VVV中任意向量可表为e1,⋯,ene_1,\cdots,e_ne1,⋯,en的一个唯一的线性组合
与定义不同的是,这个命题强调线性组合系数的唯一性,这个唯一线性组合的系数称为xxx的坐标。当然,同一个向量在不同的基下,有不同的坐标,那么,同一个向量在不同基下的坐标,究竟有何联系呢?这就是基变换和坐标变换讨论的话题。
假设e1,⋯,ene_1,\cdots,e_ne1,⋯,en和ε1,⋯,εn\varepsilon_1,\cdots,\varepsilon_nε1,⋯,εn是nnn维线性空间VVV的两组基,那么按照基的定义:
{ε1=k11e1+k12e2+⋯+k1nenε2=k21e1+k22e2+⋯+k2nen⋯εn=kn1e1+kn2e2+⋯+knnen\begin{cases} \varepsilon_1=k_{11}e_1+k_{12}e_2+\cdots+k_{1n}e_n\\ \varepsilon_2=k_{21}e_1+k_{22}e_2+\cdots+k_{2n}e_n\\ \cdots\\ \varepsilon_n=k_{n1}e_1+k_{n2}e_2+\cdots+k_{nn}e_n \end{cases} ⎩⎪⎪⎪⎨⎪⎪⎪⎧ε1=k11e1+k12e2+⋯+k1nenε2=k21e1+k22e2+⋯+k2nen⋯εn=kn1e1+kn2e2+⋯+knnen这在形式上,就类似于向量空间上的线性变换,实际上,在下一章中,我们会讲到这是一种"特殊"的线性变换,是从一组基变换到另一组基的线性变换,只不过,这里的线性变换,比向量空间上线性变换更加"广义"。回到我们正在讨论的话题当中,假设x∈Vx\in Vx∈V在ε1,⋯,εn\varepsilon_1,\cdots,\varepsilon_nε1,⋯,εn下的坐标为x1,⋯,xnx_1,\cdots,x_nx1,⋯,xn,则
x=x1ε1+⋯+xnεnx=x_1\varepsilon_1+\cdots+x_n\varepsilon_nx=x1ε1+⋯+xnεn于是,按照坐标的唯一性,设y1,⋯,yny_1,\cdots,y_ny1,⋯,yn是xxx在e1,⋯,ene_1,\cdots,e_ne1,⋯,en下的坐标,就有
{y1=x1k11+x2k21+⋯+xnkn1y2=x1k12+x2k22+⋯+xnkn2⋯yn=x1k1n+x2k2n+⋯+xnknn\begin{cases} y_1=x_1k_{11}+x_2k_{21}+\cdots+x_nk_{n1}\\ y_2=x_1k_{12}+x_2k_{22}+\cdots+x_nk_{n2}\\ \cdots\\ y_n=x_1k_{1n}+x_2k_{2n}+\cdots+x_nk_{nn} \end{cases} ⎩⎪⎪⎪⎨⎪⎪⎪⎧y1=x1k11+x2k21+⋯+xnkn1y2=x1k12+x2k22+⋯+xnkn2⋯yn=x1k1n+x2k2n+⋯+xnknn很显然,同一个向量在两组基下的坐标,竟然是线性变换的关系。这就是在一般有限维线性空间上的基变换和坐标变换,更加具体的内容我们在下一章再作详细的补充。
子空间与商空间
子空间的定义
讨论每一个空间,我们都会给出子空间的概念,所谓子空间,就是空间的一个子集,但是这个子集不是任意的,一定是保有空间的最基本性质,对于线性空间,这个最基本的性质就是加法和数乘。
定义4.6 VVV是KKK上的线性空间,M⊂VM\subset VM⊂V,如果MMM满足:
(1)∀x1,x2∈M,x1+x2∈M\forall x_1,x_2\in M,x_1+x_2\in M∀x1,x2∈M,x1+x2∈M
(2)∀x∈M,∀k∈K,kx∈M\forall x\in M,\forall k\in K,kx\in M∀x∈M,∀k∈K,kx∈M
则称MMM是VVV的子空间
可见子空间就是就是线性空间保有加法和数乘运算的子集。该如何理解子空间呢?实际上,对于平面来说,过原点的直线上每一个点构成的集合就是平面的一个子空间,对空间来说,过原点的平面,过原点的直线的集合就是空间的子空间。可见,子空间的几何含义,就是空间中的平面或直线,平面中的直线,比原空间的维度要低。对有限维线性空间,任意子空间都是有限维线性空间,都有各自的一组基。
子空间的交空间、和空间
子空间是VVV的子集,自然可以考虑集合的运算,但是,两个子空间的并不一定还是子空间,但两个子空间之交还是子空间。
命题4.5 VVV是KKK上的线性空间,M1,M2M_1,M_2M1,M2是VVV的两个子空间,则M1∩M2M_1\cap M_2M1∩M2是VVV的子空间
只要按照子空间的定义直接验证即可,显然,交空间的维度小于两个子空间。更重要地,我们来考虑子空间的另一个运算——和空间。
定义4.7 VVV是KKK上的线性空间,M1,M2M_1,M_2M1,M2是VVV的两个子空间,
M1+M2={x1+x2:x1∈M1,x2∈M2}M_1+M_2=\{x_1+x_2:x_1\in M_1,x_2\in M_2\}M1+M2={x1+x2:x1∈M1,x2∈M2}称为M1,M2M_1,M_2M1,M2的和空间
当然,按照定义可以直接验证M1+M2M_1+M_2M1+M2是子空间。下面我们给出一个维度公式
命题4.6(维度公式) VVV是KKK上的有限维线性空间,V=M1+M2V=M_1+M_2V=M1+M2,则
dim(V)=dim(M1)+dim(M2)−dim(M1∩M2)\dim(V)=\dim(M_1)+\dim(M_2)-\dim(M_1\cap M_2)dim(V)=dim(M1)+dim(M2)−dim(M1∩M2)
线性空间的直和分解
下面我们先给出和空间的几何意义,我们知道,子空间在几何上表现为平面上的直线,空间上平面和直线。对平面上两条过原点不重合的直线,任一平面向量都可以唯一表示成两个子空间各取一个向量的和。
值得注意的是,这里我们加了"唯一"二字,说明,不仅能够分解,还能被唯一分解。下面我们给出直和分解的定义:
定义4.8 VVV是KKK上的线性空间,M1,M2M_1,M_2M1,M2是VVV的两个子空间,如果对于任意的x∈M1+M2x\in M_1+M_2x∈M1+M2,如果xxx的分解是唯一的,即:x=x1+x2=y1+y2,x1,y1∈M1,x2,y2∈M2x=x_1+x_2=y_1+y_2,x_1,y_1\in M_1,x_2,y_2\in M_2x=x1+x2=y1+y2,x1,y1∈M1,x2,y2∈M2,则x1=y1,x2=y2x_1=y_1,x_2=y_2x1=y1,x2=y2,则称M1,M2M_1,M_2M1,M2的和是直和,记为M1⊕M2M_1\oplus M_2M1⊕M2
把一个线性空间分解为两个子空间的直和,有两层含义:
(1)VVV的每一个向量能表为M1,M2M_1,M_2M1,M2向量的和(能分解)
(2)每一个向量分解式都是唯一的(分解的唯一性)
因此验证直和需要验证能分解以及分解的唯一性。
接下来,我们来给出判断是否是直和分解的另一些充要条件。
命题4.7 VVV是KKK上的有限维线性空间,M1,M2M_1,M_2M1,M2是两个子空间,V=M1+M2V=M_1+M_2V=M1+M2,则以下命题等价:
(1)V=M1⊕M2V=M_1\oplus M_2V=M1⊕M2
(2)M1∩M2=0M_1\cap M_2 = {0}M1∩M2=0
(3)0=x1+x2,x1∈M1,x2∈M20=x_1+x_2,x_1\in M_1,x_2\in M_20=x1+x2,x1∈M1,x2∈M2,则x1=x2=0x_1=x_2=0x1=x2=0
(4)dim(V)=dim(M1)+dim(M2)\dim(V)=\dim(M_1)+\dim(M_2)dim(V)=dim(M1)+dim(M2)
证:
(1)→\rightarrow→(2):
∀x∈M1∩M2\forall x \in M_1\cap M_2∀x∈M1∩M2,x=x+0=0+xx=x+0=0+xx=x+0=0+x
由分解的唯一性,就有x=0x=0x=0
(2)→\rightarrow→(3):
由0=x1+x2,x1∈M1,x2∈M20=x_1+x_2,x_1\in M_1,x_2\in M_20=x1+x2,x1∈M1,x2∈M2,就有
x1=−x2∈M2x_1=-x_2\in M_2x1=−x2∈M2因此,x1∈M1∩M2x_1\in M_1\cap M_2x1∈M1∩M2,于是x1=0x_1=0x1=0,从而x2=0x_2=0x2=0
(3)→\rightarrow→(1):
∀x∈V\forall x \in V∀x∈V,设x=x1+x2=y1+y2x=x_1+x_2=y_1+y_2x=x1+x2=y1+y2
其中x1,y1∈M1,x2,y2∈M2x_1,y_1\in M_1,x_2,y_2\in M_2x1,y1∈M1,x2,y2∈M2
于是,0=(x1−x2)+(y1−y2)0=(x_1-x_2)+(y_1-y_2)0=(x1−x2)+(y1−y2),因此
x1=x2,y1=y2x_1=x_2,y_1=y_2x1=x2,y1=y2从而V=M1⊕M2V=M_1\oplus M_2V=M1⊕M2
商空间与线性流形(未完成)
子空间是过原点的直线或平面,那么不过原点的直线或平面在一般的线性空间中应当如何表示呢?实际上,不过原点的直线可以考虑成过原点的直线再平移一个向量,整个平面就被这些密密麻麻的直线划分成若干个部分,以每一条直线作为向量,再赋予加法和数乘运算,又可以产生一个新的线性空间。
高等代数笔记4:线性空间相关推荐
- 矩阵论笔记(一) - 线性空间、线性子空间、矩阵的值域和核空间
文章目录 1.线性空间 1.1 线性空间的定义 1.2 线性空间的性质 1.3 线性空间的维数 1.4 线性空间的基 1.5 基变换与坐标变换 1.5.1 基变换: 1.5.2 坐标变换: 2. 线性 ...
- 高等代数--多项式与线性空间
1.多项式的定义: 形如 f(x)= an*x^n+.......ai*x^i+...a0 ,叫做多项式,其中ai 是系数,x 是未知数,i 叫做 指数. 若an 不为0称f(x)位 n 次多项式,记 ...
- 高等代数笔记2:向量空间与矩阵论
向量空间 向量空间的定义 向量空间就是解析几何中的平面向量和空间向量的进一步抽象.回顾解析几何的知识,平面中两个线性无关的向量可以线性表示整个平面上所有的向量,也就是说,对于任意的平面向量 v v v ...
- 蓝以中老师《高等代数》第04章:线性空间与线性变换 笔记
线性空间,是代数学中最简单的一个代数系统.但是,这个代数系统,却浓缩了代数学中的核心方法和核心思想. 本章的知识,必须要掌握,多看几遍,从厚到薄,从薄到厚,理解其中的排篇布局.教材中的每一句话,放在那 ...
- (邱维声)高等代数课程笔记:矩阵的加法、数量乘法与乘法
(邱维声)高等代数课程笔记:矩阵的加法,数量乘法与乘法 \quad 前面已经看到,矩阵的初等行变换.矩阵的秩 在线性方程组理论中起着非常重要的作用,因此,系统地研究一下矩阵是非常有必要的. \quad ...
- 线性代数笔记-线性空间和矩阵复习
复习思路 这次复习线性代数是为了给机器学习.数值分析.最优化理论三门课程打基础(这三门课程里面的矩阵使用实在太多.太深).具体来说是要对行列式.矩阵运算.矩阵分解.线性变换里面的基础概念记忆.纸质的笔 ...
- (邱维声)高等代数课程笔记:目录
(邱维声)高等代数课程笔记:目录 高等代数课程 - 邱维声 引言 高等代数的研究对象 高等代数的主线 线性空间的结构及其线性映射 一元多项式环的结构及其通用性质 第1章 线性方程组的解法 1.1 解线 ...
- Unity Shader 学习笔记(33) 全局光照(GI)、反射探针、线性空间和伽马空间、高动态范围(HDR)
Unity Shader 学习笔记(33) 全局光照(GI).反射探针.线性空间和伽马空间.高动态范围(HDR) 参考书籍:<Unity Shader 入门精要> [<Real-Ti ...
- (邱维声)高等代数课程笔记:基,维数与坐标
3.5 基,维数与坐标 \quad 本节,继续研究线性空间的结构.一般地,设 V V V 是数域 K K K 上的一个线性空间. \quad 首先,我们先将"线性相关"与" ...
- (邱维声)高等代数课程笔记:数域
(邱维声)高等代数课程笔记:数域 \quad 回顾一下上一节的 主定理: 定理 1:在有理数集(或实数集.复数集)内, n n n 元线性方程组的解有且仅有以下 3 3 3 种情况:无解,有唯一解,有 ...
最新文章
- 优秀的Java程序员应具备哪些编程技术?
- centos 编译安装mysql
- three.js贴图
- java监视器_监视和管理备份系统
- 十二、深入JavaScript中的Date
- 数据库02_字段类型
- 用代理技术实现简单的AOP框架
- python画图比赛_Python选修课第二届Turtle绘图大赛
- python创建空元组_Python——元组的基本语法(创建、访问、修改、删除)
- 【JEECG Docker安装】CentOS6下docker的安装和使用
- 用英语描述计算机操作,操作系统的英文介绍
- gitlab部署、配置更改、备份及恢复
- Atom安装或更新插件失败的解决方案
- 解决php截取文字乱码问题
- GB35114—⑤、附 录C
- Java的笔记开源软件_安装 MapGuide Open Source 2.0(Java版本)笔记
- pandas学习task05变形
- 2021 字节前端面试题汇总
- 虚数的意义,虚数到底是什么
- EMC Select计划首现国内厂商 迪思杰拔头筹
热门文章
- [SUCCESS]前后端分离开发-入门案例 +VSCode安装
- 【计算机游戏开发】游戏交互界面设计
- 酪氨酸激酶的抑制剂——白血病的靶向研究
- Linux【网络库】| 【02 <netdb.h>】以及网络常用结构体
- Predicting Human Mobility via Graph Convolutional Dual-attentive Networks
- 2022年最该收藏的8个数据分析模型
- Docker 与 K8S学习笔记(二十)—— 使用Downward API向容器注入Pod信息
- 服务器异常的处理方式
- 游戏介绍——《逆转裁判》
- android root后手机文件管理器,手机root后用什么文件管理器