向量空间
公理化定义
给定域F,F上的向量空间V是一个集合,其上定义了两种二元运算:
向量加法: + : V × V → V,把V中的两个元素 u 和 v 映射到V中另一个元素,记作 u + v;
标量乘法: · : F × V → V,把F中的一个元素 a 和 V 中的一个元素u变为V中的另一个元素,记作 a·u。
V中的元素称为向量,相对地,F中的元素称为标量。而V装备的两个运算满足下面的公理(对F中的任意元素a、b以及V中的任意元素u、v、w都成立):
向量加法结合律:u + (v + w) = (u + v) + w,
向量加法交换律:u + v = v + u,
存在向量加法的单位元:V里存在一个叫做零向量的元素,记作0,使得对任意u ∈ V,都有u +0 = u,
向量加法的逆元素:对任意u ∈ V,都存在v ∈ V,使得u + v = 0。
标量乘法对向量加法满足分配律:a· (v + w) = a·v +a·w.
标量乘法对域加法满足分配律:(a + b) ·v = a·v +b·v.
标量乘法与标量的域乘法相容:a(b·v) = (ab) ·v.
标量乘法有单位元:域F的乘法单位元“1”满足:对任意v,1 ·v = v。
前四个公理说明装备了向量加法的V是交换群,余下的四个公理应用于标量乘法。需要注意的是向量之间的加法“+”和标量之间的加法“+”是不一样的,标量与向量之间的标量乘法·和两个标量之间的乘法(域F中自带的乘法)也是不一样的。
简而言之,向量空间是一个F−模。
基本性质
以下是一些可以从向量空间的公理直接推出的性质:
零向量0是唯一的;
对任意a ∈ F,a·0 = 0;
对任意u ∈ V,0 ·u = 0(0是F的加法单位元)。
如果a·u = 0,则要么a = 0,要么u = 0。
向量加法的逆向量v是唯一的,记作− v。u + (− v)也可以写成u − v,两者都是标准的。
对任意u ∈ V,−1 ·u = − u.
对任意a ∈ F以及u ∈ V, (−a) ·u= −(a·u) = a· (− u).
例子
对一般域F,V记为F-向量空间。若F是实数域ℝ,则V称为实数向量空间;若F是复数域ℂ,则V称为复数向量空间;若F是有限域,则V称为有限域向量空间。
最简单的F-向量空间是F自身。只要定义向量加法为域中元素的加法,标量乘法为域中元素的乘法就可以了。例如当F是实数域ℝ时,可以验证对任意实数a、b以及任意实数u、v、w,都有:
u + (v + w) = (u + v) + w,
v + w = w + v,
零元存在:实数0满足:对任何的实数v,v + 0 = v,
逆元素存在:对任何的实数v,它的相反数w = −v就满足v + w = 0。
标量乘法对向量加法满足分配律:a(v + w) = av+a w.
向量乘法对标量加法满足分配律:(a + b)v = av+bv.
标量乘法与标量的域乘法相容:a(bv) =(ab)v。
标量乘法有单位元:ℝ中的乘法单位元,也就是实数“1”满足:对任意实数v,1v = v。
更为常见的例子是给定了直角坐标系的平面:平面上的每一点P{\displaystyle P}都有一个坐标P(x,y){\displaystyle P(x,y)},并对应着一个向量(x,y){\displaystyle (x,y)}。所有普通意义上的平面向量组成了一个空间,记作ℝ²,因为每个向量都可以表示为两个实数构成的有序数组(x,y){\displaystyle (x,y)}。可以验证,对于普通意义上的向量加法和标量乘法,ℝ²满足向量空间的所有公理。实际上,向量空间是ℝ²的推广。
同样地,高维的欧几里得空间ℝ也是向量空间的例子。其中的向量表示为v=(a1,a2,⋯ ⋯ -->,an){\displaystyle v=(a_{1},a_{2},\cdots ,a_{n})},其中的a1,a2,⋯ ⋯ -->,an{\displaystyle a_{1},a_{2},\cdots ,a_{n}}都是实数。定义向量的加法和标量乘法是:
可以验证这也是一个向量空间。
再考虑所有系数为实数的多项式的集合R[X]{\displaystyle \mathbb {R} [X]}。对于通常意义上的多项式加法和标量乘法,R[X]{\displaystyle \mathbb {R} [X]}也构成一个向量空间。更广泛地,所有从实数域射到实数域的连续函数的集合C(R,R){\displaystyle {\mathcal {C}}(\mathbb {R} ,\mathbb {R} )}也是向量空间,因为两个连续函数的和或差以及连续函数的若干倍都还是连续函数。
方程组与向量空间
向量空间的另一种例子是齐次线性方程组(常数项都是0的线性方程组)的解的集合。例如下面的方程组:
如果(x1,y1,z1){\displaystyle (x_{1},y_{1},z_{1})}和(x2,y2,z2){\displaystyle (x_{2},y_{2},z_{2})}都是解,那么可以验证它们的“和”(x1+x2,y1+y2,z1+z2){\displaystyle (x_{1}+x_{2},y_{1}+y_{2},z_{1}+z_{2})}也是一组解,因为:
同样,将一组解乘以一个常数后,仍然会是一组解。可以验证这样定义的“向量加法”和“标量乘法”满足向量空间的公理,因此这个方程组的所有解组成了一个向量空间。
一般来说,当齐次线性方程组中未知数个数大于方程的个数时,方程组有无限多组解,并且这些解组成一个向量空间。
对于齐次线性微分方程,解的集合也构成向量空间。比如说下面的方程:
出于和上面类似的理由,方程的两个解f1{\displaystyle f_{1}}和f2{\displaystyle f_{2}}的和函数f1+f2{\displaystyle f_{1}+f_{2}}也满足方程。可以验证,这个方程的所有解构成一个向量空间。
子空间基底
如果一个向量空间V的一个非空子集合W对于V的加法及标量乘法都封闭(也就是说任意W中的元素相加或者和标量相乘之后仍然在W之中),那么将W称为V的线性子空间(简称子空间)。V的子空间中,最平凡的就是空间V自己,以及只包含0的子空间0{\displaystyle {0}}。
给出一个向量集合B,那么包含它的最小子空间就称为它的生成子空间,也称线性包络,记作span(B)。
给出一个向量集合B,若它的生成子空间就是向量空间V,则称B为V的一个生成集。如果一个向量空间V拥有一个元素个数有限的生成集,那么就称V是一个有限维空间。
可以生成一个向量空间V的线性无关子集,称为这个空间的基。若V={0},约定唯一的基是空集。对非零向量空间V,基是V“最小”的生成集。向量空间的基是对向量空间的一种刻画。确定了向量空间的一组基B之后,空间内的每个向量都有唯一的方法表达成基中元素的线性组合。如果能够把基中元素按下标排列:B={e1,e2,⋯ ⋯ -->,en,⋯ ⋯ -->}{\displaystyle \mathbf {B} =\left\{e_{1},e_{2},\cdots ,e_{n},\cdots \right\}},那么空间中的每一个向量v便可以通过坐标系统来呈现:
这种表示方式必然存在,而且是唯一的。也就是说,向量空间的基提供了一个坐标系。
可以证明,一个向量空间的所有基都拥有相同基数,称为该空间的维度。当V是一个有限维空间时,任何一组基中的元素个数都是定值,等于空间的维度。例如,各种实数向量空间:ℝ⁰, ℝ¹, ℝ², ℝ³,…, ℝ,…中, ℝ的维度就是n。在一个有限维的向量空间(维度是n)中,确定一组基B={e1,e2,⋯ ⋯ -->,en}{\displaystyle \mathbf {B} =\left\{e_{1},e_{2},\cdots ,e_{n}\right\}},那么所有的向量都可以用n个标量来表示。比如说,如果某个向量v表示为:
那么v可以用数组v=(λ λ -->1,λ λ -->2,⋯ ⋯ -->,λ λ -->n){\displaystyle v=(\lambda _{1},\lambda _{2},\cdots ,\lambda _{n})}来表示。这种表示方式称为向量的坐标表示。按照这种表示方法,基中元素表示为:
可以证明,存在从任意一个n维的F{\displaystyle \mathbf {F} }-向量空间到空间Fn{\displaystyle \mathbf {F} ^{n}}的双射。这种关系称为同构。
线性映射
给定两个系数域都是F的向量空间V和W,定义由V到W的线性变换(或称线性映射)为所有从V射到W并且它保持向量加法和标量乘法的运算的函数f:
所有线性变换的集合记为L(V,W){\displaystyle {\mathcal {L}}(V,W)},这也是一个系数域为F的向量空间。在确定了V和W上各自的一组基之后,L(V,W){\displaystyle {\mathcal {L}}(V,W)}中的线性变换可以通过矩阵来表示。
如果两个向量空间V和W之间的一个线性映射是一一映射,那么这个线性映射称为(线性)同构,表示两个空间构造相同的意思。如果在V和W之间存在同构,那么称这两个空间为同构的。如果向量空间V和W之间存在同构f:V→ → -->W{\displaystyle f:\,V\rightarrow W},那么其逆映射g:W→ → -->V{\displaystyle g:\,W\rightarrow V}也存在,并且对所有的x∈ ∈ -->V,y∈ ∈ -->W{\displaystyle x\in V,\,y\in W},都有:
概念化及额外结构
研究向量空间很自然涉及一些额外结构。额外结构如下:
一个实数或复数向量空间加上长度概念(就是范数)则成为赋范向量空间。
一个实数或复数向量空间加上长度和角度的概念则成为内积空间。
一个向量空间加上拓扑结构并满足连续性要求(加法及标量乘法是连续映射)则成为拓扑向量空间。
一个向量空间加上双线性算子(定义为向量乘法)则成为域代数。
参考文献
《中国大百科全书》
Howard Anton and Chris Rorres. Elementary Linear Algebra, Wiley, 9th edition, ISBN 0-471-66959-8.
Kenneth Hoffmann and Ray Kunze. Linear Algebra, Prentice Hall, ISBN 0-13-536797-2.
Seymour Lipschutz and Marc Lipson. Schaum"s Outline of Linear Algebra, McGraw-Hill, 3rd edition, ISBN 0-07-136200-2.
Gregory H. Moore. The axiomatization of linear algebra: 1875-1940, Historia Mathematica22 (1995), no. 3, 262-303.
Gilbert Strang. "Introduction to Linear Algebra, Third Edition", Wellesley-Cambridge Press, ISBN 0-9614088-9-8
免责声明:以上内容版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。感谢每一位辛勤著写的作者,感谢每一位的分享。
- 有价值
- 一般般
- 没价值