1.线性空间
1.1 线性空间的定义
设非空集合
V,一个数域
K,
x,y,z∈V,
k,l∈K,如果
V满足加法封闭和数乘封闭,则称
V为线性空间。
- 加法封闭: 加法交换律、加法结合律、零向量、负向量。
- 数乘封闭: 数对元素的分配律、元素对数的分配律、数因子结合律、单位向量。
1.2 线性空间的性质
- 零元素唯一
- 任一元素的负元素唯一
- 设 数
k,0,1∈K,向量
x,0,−x∈V,有:
-
0x=0
-
(−1)x=−x
-
k0=0
- 若
kx=0, 则
k=0 或
x=0
1.3 线性空间的维数
线性空间
V中线性无关向量组所含向量最大个数
n,称为
V的维数,记作
dimV=n。
n 维线性空间记作
Vn。
1.4 线性空间的基
n维线性空间中,任意
n个线性无关的向量
x1,x2,...,xn,构成该空间的一组基。这n个线性无关的向量称作基向量。
空间中任意一个向量
x 可由这组基唯一表示,即
x=a1x1+a2x2+...+anxn 。
此时,称
a1,a2,...,an 为
x 在该基下的坐标,记为
[a1,a2,...,an]T。
向量
x在基
x1,x2,...,xn 下的矩阵表示为:
x=[x1x2...xn]⋅⎣⎢⎢⎡a1a2...an⎦⎥⎥⎤
1.5 基变换与坐标变换
1.5.1 基变换:
设
x1,x2,...,xn 是 空间
Vn 的旧基,
y1,y2,...,yn 是新基。新基可以用旧基表示为
[y1y2...yn]=[x1x2...xnliangge]⋅Cn×n
其中,矩阵
Cn×n为 (旧基到新基的) 过渡矩阵。
1.5.2 坐标变换:
向量
x在旧基
x1,x2,...,xn下的矩阵表示:
x=[x1x2...xn]⋅⎣⎢⎢⎡a1a2...an⎦⎥⎥⎤(1)
其中 ,
[a1,a2,...,an]T为
x 在基
x1,x2,...,xn下的坐标。
向量
x在新基
y1,y2,...,yn下的矩阵表示:
x=[y1y2...yn]⋅⎣⎢⎢⎡b1b2...bn⎦⎥⎥⎤(2)
其中 ,
[b1,b2,...,bn]T为
x 在基
y1,y2,...,yn下的坐标。
由式(1)=式(2),得
⎣⎢⎢⎡b1b2...bn⎦⎥⎥⎤=C−1⋅⎣⎢⎢⎡a1a2...an⎦⎥⎥⎤
称作 向量
x在基变换C下的坐标变换公式。
个人理解:
- 对线性空间作变换,也就是对线性空间的基做变换。(这是因为,线性空间中的任一向量都能由该空间的一组基线性表示,即一组基可决定一个空间。但是,一个空间可对应不同的多组基)
- 线性空间中的一个向量本身是不变的,但对基作变换后,基改变,从而基下的坐标改变,称为坐标变换,即,同一向量在不同基下的表示是不同的。
2. 线性子空间
2.1 定义
V1是线性空间
V的非空子集和,
V1中满足数乘封闭和加法封闭,则称
V1是
V的线性子空间或子空间。
个人理解:三维空间中的一个过原点的二维平面,或一条过原点的直线,都是该三维空间中的线性子空间。这两个子空间也满足数乘封闭和加法封闭。
2.2 性质
- 线性子空间也是线性空间。(定义中满足数乘、加法封闭,即线性子空间首先要是线性的)
- 非零线性空间的平凡子空间:线性空间自身以及零空间he。
- 一个线性空间的子空间,其维数小于等于线性空间的维数(显然)。
延伸:n元齐次线性方程组的解空间
W 是
n维向量空间
Vn 的一个子空间。方程组的基础解系就是解空间的基。
2.3 子空间的运算
2.3.1 和空间
V1+V2={x1+x2 ∣ x1∈V1,x2∈V2}
2.3.2 交空间
V1∩V2={a ∣ a∈V1且a∈V2}
3. 矩阵的值域、核空间
3.1 向量张成的空间
x1,x2,...,xn张成的空间,记为
V1=L(x1,x2,...,xn)={k1x1+k2x2+...+knxn}其中
ki为常数。
个人理解:类似以向量组为基所生成的空间。
3.2 矩阵的值域
矩阵
A∈Cm×n的
n 个列向量为
a1,a2,...,an,则矩阵A的值域为
R(A)=L(a1,a2,...,an)={y ∣ y=Ax}
个人理解:矩阵的值域是 矩阵中的所有列向量所张成的空间。
若把
A 看作一种线性变换,那么矩阵的值域
y=Ax 为线性空间中的原向量
x 经线性变换后所得到的象。
3.3 矩阵的核空间
N(A)={x ∣ Ax=0}
核空间也叫零空间,零空间的维数为零度,记作
n(A) 。
个人理解:使
Ax=0 成立的
x。
若把
A 看作一种线性变换, 那么矩阵的核是经过线性变换后变为零向量的向量(原象)。