线性代数(1)- 向量空间
线性代数(1)- 向量空间(Vector Space)
复数(Complex Number)
向量空间(Vector Space)首先是一个空间,数学形式上就是一个集合(Set)。很自然的,首先需要定义元素(Element)的概念,实数是一类元素,类似地,复数也是一类元素。
引入复数是为了体现向量空间的概念是普遍的,从它的元素可取的值就能看出,事实上,函数也是一类元素,后面将看到,只要定义了合理的加法和数乘运算,什么样的元素都可以组成一个向量空间。
复数可以视为两个实数的对,a+bi,在运算上直接继承于实数的加法(Addtion)和乘法(Multiplication),也由此可以导出复数的性质
- 交换律(Commutativity)
- 结合律(Associativity)
- 分配律(Distributive Property)
- 实数0是加法单位(Additive identity)
- 实数1是乘法单位(Multiplicative identity)
- 加法逆(Additive inverse)唯一,加和得到加法单位
- 乘法逆(Multiplicative Inverse)唯一,乘积得到乘法单位
减法、除法被定义为是加相应的加法逆、乘相应的乘法逆
列表(List)
类比于集合概念,列表是有序的、可重复的,有长度的。
a list of length n 也被称为 n-tuple
常用的向量空间 Rn 和 Cn
F = R ∣ C F = \Reals \mid \Complex F=R∣C
F n = { ( x 1 , … , x n ) ∣ x j ∈ F , j = 1 , … , n } F^n = \lbrace(x_1,\ldots ,x_n) \mid x_j \in F, j=1,\ldots , n \rbrace Fn={(x1,…,xn)∣xj∈F,j=1,…,n}
x j x_j xj 被称为坐标(j-th coordinate)
在这两个空间中,定义元素的加法和数乘运算
进而导出加法单位,并用 0 0 0 来表示
Let 0 0 0 denote the list of length n whose coordinates are all 0
0 = { ( 0 , … , 0 ) } 0 = \lbrace (0, \ldots , 0)\rbrace 0={(0,…,0)}
应注意到 0 0 0 的含义得到了扩充,除了表示实数零外,还表示全零的列表,且不同长度的列表有不同的 0 0 0
加法逆通过加法单位导出
应注意到复数时的运算定义和此时的定义不是一回事,前者是复数的运算,后者是是实数空间或者复数空间的元素(Element 此时是 List)的运算
作用在集合上的加法和数乘
An addition on a set V V V is a function that assigns an element u + v ∈ V u+v\in V u+v∈V to each pair of elements u , v ∈ V u,v\in V u,v∈V
A scalar multiplication on a set V V V is a funciton that assigns an element λ v ∈ V \lambda v \in V λv∈V to each λ ∈ F \lambda \in F λ∈F and each v ∈ V v \in V v∈V
应注意到,数乘定义是需要指定一个数域(Field)的,即 F = R ∣ C F = \Reals \mid \Complex F=R∣C。
同时,加法、乘法的定义已经包含了运算封闭的意味
再次,运算封闭并不代表 a ∉ V , b ∉ V , a + b ∉ V a\notin V,b \notin V,a+b \notin V a∈/V,b∈/V,a+b∈/V
向量空间
- 一个向量空间是一个集合,并定义了集合上的加法和数乘运算
- 其中加法运算应满足交换律、结合律
- 存在一个加法单位 0 ∈ V 0 \in V 0∈V,使得 ∀ v ∈ V , v + 0 = v \forall v \in V,v+0=v ∀v∈V,v+0=v
- 每个元素都至少存在一个对应的加法逆 w , v + w = v w, v+w=v w,v+w=v
- 1是数乘单位
- 加法和数乘满足分配律
向量空间的元素又称为点(Point)、向量(Vector)
应注意到 0 0 0的意义再次被扩充,除实数零、实数空间或复数空间的全零List,还有广义概念下向量空间的加法单位(零向量)
由于数乘运算的需要指定一个数域,表达一个向量空间时,要说明是什么数域下的向量空间,通常就是实数域或复数域,因此可以省略说明。
基于定义,导出以下性质
- 加法单位唯一和加法逆唯一(Unique)
- ∀ v ∈ V , 0 v = 0 \forall v \in V, 0v = 0 ∀v∈V,0v=0(左零是数域的实数零,右零是零向量)
- ∀ a ∈ F , a 0 = 0 \forall a \in F, a0=0 ∀a∈F,a0=0 ( F F F是向量空间对应的数域)
- ∀ v ∈ V , ( − 1 ) v = − v \forall v \in V,(-1)v=-v ∀v∈V,(−1)v=−v,其中,记 v v v的加法逆为 − v -v −v
其它推论
- 在向量空间的定义中,加法逆存在,可以被等效替换为性质二
函数集合
F S F^{S} FS 是一个集合,由从集合S映射到集合F的所有函数组成
定义函数集合上的加法和乘法(Product)运算
For f , g ∈ F S f,g \in F^S f,g∈FS, the sum f + g ∈ F S f+g \in F^S f+g∈FS is the function defined by
∀ x ∈ S , ( f + g ) ( x ) = f ( x ) + g ( x ) \forall x \in S, (f+g)(x) = f(x)+g(x) ∀x∈S,(f+g)(x)=f(x)+g(x)
For f , g ∈ F S f,g \in F^S f,g∈FS, the product λ f ∈ F S \lambda f \in F^S λf∈FS is the function defined by
∀ x ∈ S , ( λ f ) ( x ) = λ f ( x ) \forall x \in S, (\lambda f)(x) = \lambda f(x) ∀x∈S,(λf)(x)=λf(x)
可以推出, F S F^{S} FS是向量空间,因此一些关于向量空间的理论亦可以作用到函数集合中,比如未来要提及的线性映射,直接的实际例子是常微分方程的求解
值得注意的是, F S F^{S} FS向量空间的零向量0,也就是加法单位,是一个函数,这个函数无论自变量取值多少,其应变量都是0
∀ x ∈ S , 0 ( x ) = 0 \forall x \in S, 0(x) = 0 ∀x∈S,0(x)=0
子空间
向量空间 V V V的某个子集 U U U,如果 U U U也是一个向量空间(使用与 V V V相同的集合上的加法运算和数乘运算),则称为子空间(Subspace)
子集 U U U是 V V V的子空间的充要条件如下
- V V V的加法单位 0 ∈ U 0 \in U 0∈U
- 加法、数乘运算在 U U U上封闭(Closed)
一些其他推论
- 子空间的交集还是子空间,并集通常不是子空间
子集的运算(和、直和)
V的子集之间的运算,除常见的求交(Intersection)、求并(Union)、求差(Difference),还有和(Sum)、直和(Direct Sum)
U 1 + ⋯ + U m = { u 1 + ⋯ + u m ∣ u 1 ∈ U 1 , … , u m ∈ U m } U_1+\dots+U_m = \lbrace u_1+\dots+u_m \mid u_1 \in U_1, \dots,u_m \in U_m \rbrace U1+⋯+Um={u1+⋯+um∣u1∈U1,…,um∈Um}
子空间的和有这些推论
- Suppose U 1 , … , U m U_1,\dots,U_m U1,…,Um are subspaces of V V V. Then U 1 + ⋯ + U m U_1+\dots+U_m U1+⋯+Um is the smallest subspace of V containing U 1 , … , U m U_1,\dots,U_m U1,…,Um.
- 子空间的和满足交换律和结合律
- 子空间的和存在加法单位
- 只有 { 0 } \lbrace 0 \rbrace {0}这个子空间有加法逆
如果子空间的和的运算过程中,每一个向量都只有唯一表达则被称为直和,记为 U 1 ⊕ ⋯ ⊕ U m U_1 \oplus \dots \oplus U_m U1⊕⋯⊕Um
直和有以下推论
子空间的和是直和的充要条件是 零向量有唯一表达
两个子空间 U , W U, W U,W的和是直和的充要条件是 U ⋂ W = { 0 } U \bigcap W = \lbrace0\rbrace U⋂W={0}
三个以上将不适用,即使两两交集都满足
向量空间的几个点(可忽略)
- 周期函数集合不是向量空间(不满足加法封闭)
- U e U_e Ue 表示 R \reals R上的偶函数(Even)
U o U_o Uo 表示 R \reals R上的奇函数(Odd)
R R = U e ⊕ U o {\reals}^{\reals} = U_e \oplus U_o RR=Ue⊕Uo
线性代数(1)- 向量空间相关推荐
- 线性代数之 向量空间几何学(1)仿射
线性代数之 向量空间几何学(1)仿射 前言 仿射组合 仿射组合与向量空间 仿射无关性 总结 前言 本章是线性代数最后一节内容,向量空间与几何学. 仿射组合 定义仿射组合:对于RnR^nRn中的向量v⃗ ...
- 线性代数之 向量空间与基,子空间,列空间,零空间,秩
线性代数之 向量空间,基,子空间,列空间,零空间,秩 前言 向量空间 基 子空间 生成子空间 列空间 零空间 向量空间的维数 矩阵的秩 前言 本篇介绍向量空间的有关内容.向量空间实际上是一个群. 向量 ...
- 漫步线性代数八——向量空间和子空间
消元简化了线性方程组Ax=bAx=b,幸运的是它也简化了理论.存在性和唯一性的基本问题(一个解或没有解或无穷多个解)在消去之后很容易回答,我们现在就针对m×nm\times n系统讨论这些问题. 但消 ...
- 【线性代数】向量空间
对称矩阵 如果有一矩阵A.当中Aij=Aji,则称这个矩阵为对称矩阵. 对称矩阵有例如以下性质: 也就是说:1.一个对称矩阵的转置和其逆是相等的.2.一个对称矩阵能够由一个矩阵和其转置矩阵相乘得到. ...
- 线性代数(13)——向量空间、维度和四大子空间(下)
向量空间.维度和四大子空间 零空间的基和秩-零化度定理 零空间及零空间的基 秩-零化度定理 列空间与零空间对比 零空间与矩阵的逆 深入理解零空间 左零空间 回顾已有的三个子空间 第四个子空间 研究子空 ...
- 线性代数(12)——向量空间、维度和四大子空间(上)
向量空间.维度和四大子空间 空间的概念 欧几里得空间 向量空间 广义向量空间 子空间 欧几里得空间的子空间 维度 概念 子空间和维度 行空间和矩阵的秩 行空间 行秩 列空间与列秩 行空间和列空间对比 ...
- 线性代数之——向量空间
1. 向量空间和子空间 向量空间 Rn\boldsymbol R^nRn 由所有的 nnn 维向量 vvv 组成,向量中的每个元素都是实数. 向量空间 R2\boldsymbol R^2R2 可以用 ...
- 计算机中的数学【线性代数】向量空间的概念
image.png image.png image.png image.png image.png image.png image.png
- 多彩的世界,离不开线性代数
线性代数之向量空间 1.向量表示 物理 数学 2.向量的加减与数乘 加减 数乘 3.向量的线性组合与线性相关 线性组合 线性相关 结束 1.向量表示 向量是线性代数的基石,基本上所有的知识都是在向量的 ...
- 03 - 大学生如何使用GPT
大学生如何使用GPT提高学习效率 一.引言 在当今的高速发展的信息时代,大学生面临着越来越多的学习挑战.作为一种先进的人工智能技术,GPT为大学生提供了一种强大的学习工具.本文将介绍大学生在不同场景中 ...
最新文章
- 关于学习Python的一点学习总结(12->字典相关操作)
- JZOJ 5396. 【NOIP2017提高A组模拟10.6】Blocks
- shell中获取本机ip地址
- python使用线性回归实现房价预测
- 1/100. Jewels and Stones
- NSubstitute完全手册索引
- 荣耀变鸿蒙系统,鸿蒙系统首批升级机型曝光!荣耀手机遗憾缺席,原因很简单...
- 人工智能行业有哪些岗位_电力人有哪些岗位将被人工智能取代?
- Postman系列之Collections集合管理
- 微软发布关于 Surface Pro 3 TPM 绕过漏洞的安全公告
- java static 对象加锁_java安全编码指南之:lock和同步的正确使用
- linux 命令整理(自己常用)
- SQL 2014 AlwaysOn 搭建
- 51单片机8路抢答器c语言,51单片机8路抢答器
- 新书即将上市:《善用佳软:高效能人士的软件应用之道》
- 由于您的系统没有安装html help,win10遇到“您未安装FLASH控件”的提示怎么办
- NVMe1.4 Admin Command学习(1)-- format identify
- clamped b_spline
- 公安部:办案中总结出来的60种电信诈骗形式
- (笔记)yolov5自适应anchors