! : 说明:本系列笔记是基于史荣昌、魏丰老师的《矩阵分析》一书,以及魏丰老师的PPT个人归纳整理而成的。
如有错误或者其他问题,请联系我进行修改
非空集合 V 是 数域 F 上的 线性空间:
则集合V中的两种代数运算——加法/数乘,满足八条运算律:
运算 | 内容 | 举例 |
---|---|---|
加 | 交换律 | a+b=b+a |
结合律 | (a+b)+c=a+(b+c) | |
零 | 存在一个元素**“0”**,对V中任意元素a,有 a+0=a | |
负元素 | 对V中任意元素a,都存在元素b:a+b=0 | |
乘 | 1 | 1·a=a |
结合律 | k(la) = (kl) a | |
分配 | (k+l)a = ka+la | |
数乘 | k(a+b) = ka+kb |
只要符合以上定义,则可以由特定特点的集合构成对应的线性空间。
例如:
验证:
1. a ⊕ b = a b , b ⊕ a = a b a⊕b=ab,b⊕a=ab a⊕b=ab,b⊕a=ab 2,6,7,8条同理,都容易进行验证
对于3,4,5条:
a ⊕ " 0 " = a = a " 0 " a⊕"0"=a=a"0" a⊕"0"=a=a"0",可知此空间下的“0元素”为1
a ⊕ b = a b = " 0 " = 1 a⊕b=ab="0"=1 a⊕b=ab="0"=1,则对于元素a,其负元素为 1 / a 1/a 1/a
1 ⊙ a = a 1 = a 1⊙a=a^{1}=a 1⊙a=a1=a,成立
有的集合定义了加法与数乘,但不一定能构成线性空间。
例如:
关键:在于通过八条运算律,来验证此空间的封闭性。
其中结合、分配、数乘等运算比较容易验证,可以考虑首先验证 1,0 和 负元素 这三条。
①A为m*n的矩阵,齐次线性方程组 A X = 0 AX=0 AX=0的所有解的集合构成实数域R(或者复数域C)上的线性空间。这个空间称为 A X = 0 AX=0 AX=0的解空间,或矩阵A的核(零)空间,常用 N ( A ) N(A) N(A)表示
②设A为m*n的矩阵,x为n维列向量,则m维列向量集合
V = y ∈ R m ( C m ) ∣ y = A x , x ∈ R n ( C n ) , A ∈ R m n ( C m n ) V={y \in R^{m}(C ^{m}) | y=Ax,x \in R^{n}(C ^{n}),A \in R^{mn}(C ^{mn}) } V=y∈Rm(Cm)∣y=Ax,x∈Rn(Cn),A∈Rmn(Cmn)
构成线性空间,称为A的列空间或者A的值域。常用 R ( A ) R(A) R(A)表示。
个人喜欢把线性相关无关的问题,类比成整体颜色与三原色之间的关系:
在RGB体系中,除了红黄蓝外,其余的颜色都可以用红黄蓝的线性叠加来进行表示。
整体颜色的秩就是3,红黄蓝就是一个最大线性无关组。
红黄蓝无关,则取其中一部分量也无关;即整体无关可以推到部分无关
红黄橙相关,那么再任意加一个颜色,橙依然可以用红黄线性表示,即部分相关可以推到整体相关
其他性质也可用颜色进行类比(个人觉得这个例子比较好Hhhh)
向量组的不同程度/无关程度,可以用 秩 作为衡量标准,秩是唯一的,但极大线性无关的表示是不唯一的。
V V V为数域 F F F上的一个线性空间。若 V V V中存在 n n n个线性无关向量 α 1 , . . α n α_1,..α_n α1,..αn,使得任意一个向量 α α α都可以由 α 1 , . . α n α_1,..α_n α1,..αn线性表出
α = k 1 α 1 + . . . + k n α n α=k_1α_1+...+k_nα_n α=k1α1+...+knαn
则 α 1 , . . α n α_1,..α_n α1,..αn为 V V V的一个基底, ( k 1 , . . k n ) T (k_1,..k_n)^{T} (k1,..kn)T为向量 α α α在基底下的坐标。
此时 V V V为一个 n n n维线性空间,记为 d i m V = n . dimV=n. dimV=n.
设 α α α为旧基底, β β β为新基底,则从旧基底到新基底有过度矩阵P
[ β 1 , β 2 , . . β n ] = [ α 1 , α 2 , . . . α n ] P [β_1,β_2,..β_n] = [α_1,α_2,...α_n]P [β1,β2,..βn]=[α1,α2,...αn]P
对线性空间 V V V,有 W W W是 V V V的一个非空子集合,对任意 α , β ∈ W , 和 k , l ∈ F α,β \in W,和 k,l \in F α,β∈W,和k,l∈F都有 k α + l β ∈ W kα+lβ \in W kα+lβ∈W
则称 W W W是 V V V的一个子空间。
或:
如果 W W W是数域F上的n维线性空间 V V V的子集合,且 W W W中的元素,对于加法、数乘运算都具有封闭性,那么则称是 W W W是线性空间 V V V的一个线性子空间,简称子空间。
对任意有限维空间,必有两个平凡的子空间,即 0 与 V {0}与V 0与V本身。
有限生成子空间:
span{α_1,α_2,…α_n} = { k 1 α 1 + . . . + k s α s ∣ ∀ k i ∈ F k_1α_1+...+k_sα_s | \forall k_i \in F k1α1+...+ksαs∣∀ki∈F}
α 1 , . . α s α_1,..α_s α1,..αs:生成元
span{α_1,α_2,…α_n}的基底: 生成元向量组的极大无关组
span{α_1,α_2,…α_n}的维数:生成元向量组的秩
矩阵的特征子空间
矩阵A的一个特征值λ的全部特征向量构成的集合,也是一个R©的子空间
(矩阵不同特征值对应的特征向量自然正交,而相同特征值对应的特征向量线性相关)
比较典型的线性子空间:
s p a n span span{ α 1 , . . , α s \alpha_1,..,\alpha_s α1,..,αs}={ k 1 α 1 , . . , k s α s k_1\alpha_1,..,k_s\alpha_s k1α1,..,ksαs}
V 1 , V 2 V_1,V_2 V1,V2是 V V V的两个子空间:
V 1 ∩ V 2 = V_1∩V_2= V1∩V2={ α ∣ α ∈ V 1 , 且 α ∈ V 2 \alpha|\alpha \in V_1,且\alpha \in V_2 α∣α∈V1,且α∈V2}
交空间,即两个方程组的所有公共解所构成的空间。
设 α ∈ V 1 ∩ V 2 \alpha \in V_1∩V_2 α∈V1∩V2,即 α ∈ V 1 且 α ∈ V 2 \alpha \in V_1且\alpha \in V_2 α∈V1且α∈V2,则有:
α = k 1 α 1 + k 2 α 2 = k 3 β 1 + k 4 β 1 \alpha=k_1\alpha_1+k_2\alpha_2=k_3\beta_1+k_4\beta_1 α=k1α1+k2α2=k3β1+k4β1
V 1 + V 2 = V_1+V_2= V1+V2={ α = α 1 + α 2 ∣ α 1 ∈ V 1 , 且 α 2 ∈ V 2 \alpha=\alpha_1+\alpha_2|\alpha_1 \in V_1,且\alpha_2 \in V_2 α=α1+α2∣α1∈V1,且α2∈V2}
V 1 + V 2 = s p a n V_1+V_2=span V1+V2=span{ α 1 , α 2 , β 1 , β 2 \alpha_1,\alpha_2,\beta_1,\beta_2 α1,α2,β1,β2}
例如:积分、微分也是线性映射
微分:
设映射 L : R [ x ] n + 1 → R [ x ] n \mathcal{L}:R[x]_{n+1}→R[x]_n L:R[x]n+1→R[x]n由下式确定:
L ( f ( x ) ) = d d x f ( x ) , f ( x ) ∈ R [ x ] n + 1 \mathcal{L}(f(x))=\frac{d}{dx}f(x),f(x) \in R[x]_{n+1} L(f(x))=dxdf(x),f(x)∈R[x]n+1
积分:
设映射 S : R [ x ] n → R [ x ] n + 1 \mathcal{S}:R[x]_{n}→R[x]_{n+1} S:R[x]n→R[x]n+1由下式确定: S ( f ( x ) ) = ∫ x 0 f ( t ) d t , f ( x ) ∈ R [ x ] n \mathcal{S}(f(x))=\int^{0}_{x}f(t)dt,f(x)\in R[x]_{n} S(f(x))=∫x0f(t)dt,f(x)∈R[x]n
A ( α 1 , . . , α n ) = ( β 1 , . . . , β m ) A \mathcal{A}(\alpha_1,..,\alpha_n)=(\beta_1,...,\beta_m)A A(α1,..,αn)=(β1,...,βm)A
矩阵 A A A称为线性映射, A \mathcal{A} A在基 ( α 1 , . . , α n ) (\alpha_1,..,\alpha_n) (α1,..,αn)与基 ( β 1 , . . . , β m ) (\beta_1,...,\beta_m) (β1,...,βm)下的矩阵表示。
B = Q − 1 A P B=Q^{-1}AP B=Q−1AP
后续更新