线性代数系列之二 有限维向量空间(一)

在线性代数第二节开始之前,有一些感悟要先分享一下。最近线代专栏第二节之所以拖了这么久,一方面时生活方面有所懈怠,一方面是发现要想真正搞好一门学问,必须要热爱这门学问。最明显的例子就是当我们在学习数学的时候,如果仅仅是为了使用公式,那大可不必来探究数学,只需要查一查公式,然后知道公式的运用场景就好了。但是既然踏入了这个学科,就是不仅要知其然,还要知其所以然。如果没有对于学科的热爱,是很难支撑下去的。比如对于一个简单的定理证明,是需要严谨的数学思维的。但是大多数时候我们都是看一看定理就过了,没去探究定理怎么推出来的,此时我们已经丢掉了学习数学最重要的东西——严谨的数学思想。比如今天我知道了这个定理,那么我能否活用这个定理呢?这个定理会不会有什么变种呢?这种问题如果深入证明研究,就会触类旁通,一方面加强了自己的数学思维,一方面加深了自己对定理的理解与记忆。但是这一切都是建立在对数学的热爱上的,否则你无法坚持下去。

也是这段时间的空档,让我有了反思。之前学习数学太过于快餐式了,捡了芝麻丢了西瓜,虽然不是从事数学这个行业,但是对于数学的热爱是从小就有的,但是不知道何时,把自己热爱的东西慢慢的遗忘了。

回顾我们上一节的几个符号:F代表任意域,R代表实数,C代表复数,V表示F上的向量空间。

OK,开始这章的学习——有限维向量空间

向量组:

  我们把诸如(1,2,3),(4,5,6)多个向量用逗号组合起来的形式称为向量组。

线性组合:

  V中的一组向量v1,v2,v3...vm的线性组合形式如下:

    

,    其中v1,v2,v3...vm∈F。

张成空间:

  V中一组向量v1,...vm的所有线性组合所构成的集合称为v1,...vm的张成空间,记为span(v1,...vm),即:

  

   空向量组的张成空间定义为{0}.我们称v1,...vm张成V.

  张成空间最浅显的例子就是我们的三维空间是被xyz三个轴向量张成的。即三维空间中所有的向量都可以用xyz三个轴向量的线性组合表示。

  V中一组向量的张成空间是包含这组向量的最小子空间。

  看到这个定理,我们就要回顾一下什么是子空间:如果V的子集U也是向量空间,则称U是V的子空间

  那么接着回顾,什么是向量空间呢?向量空间就是带有加法和标量乘法的集合V

  也就是说,V中一组向量的张成空间是一个向量空间,怎样的向量空间呢?包含这些向量所有加法和标量乘法所得到的向量的一个最小集合。从这里我们能看出,张成空间的定义和向量空间的定义似乎非常的相似。之所以相似是因为张成空间也是一个向量空间,所以向量空间满足的条件,张成空间也满足,但是张成空间是一个特殊的向量空间,特殊性就体现在最小二字上。举个浅显的例子,我用xy轴向量可以张成出在一个平面内的所有向量的集合(即向量空间),但是我不能通过xy两个轴向量张成出任意三维的向量空间。所以最小这个词其实是对子空间的限制。

有限维向量空间:

  如果一个向量空间可以由该空间中的某个向量组张成,那么称这个向量空间是有限维向量空间。

  怎么理解这句话呢?即如果一个向量空间是可张成的,那么就是有限维的。那么在这里也可以给出无限维向量空间的定义:一个向量空间如果不是有限维的,则称为无限维的

  目前对于有限维向量空间是这样定义的,为什么可张成的才是有限维的呢?无限维向量不可张成吗?对于这个疑问,有兴趣的童鞋可以更加深入学习一下无限维向量空间,线性代数主要针对的是有限维空间,所以这里不做赘述。

多项式:

  对于函数p:F->F,若存在a0,...am∈F使得对于z∈F均有(如果有忘记的小伙伴提醒一下->这个符号代表映射关系,高中知识)

  

   则称p为系数属于F的多项式(其实就是中学学习的多项式)

  P(F)是系数属于F的所有多项式组成的集合。这里注意一下,这个P(F)就是一个无限维的向量空间,为什么呢?请尝试自己思考。

  多项式的次数:对于多项式p∈P(F),若存在标量a0,a1,...,am∈F,am≠0,使得对任意z∈F有

  

  则说p的次数是m,记作deg p = m.

  恒等于0的多项式次数为-∞

  pm(F)定义为最高次数为m的所有多项式构成的集合。

线性无关:

  若线性组合a1v1+...+amvm=0成立只有当a1=...=am=0时,称v1,...vm这组向量线性无关,这个向量组称线性无关组。(规定空组是线性无关的)

  举个最简单的例子,向量组(0,1),(1,0)的两个向量若想k1*(0,1) + k2*(1,0) = 0 ,只有当k1=k2=0时才成立,则这个向量组就是一个线性无关组的例子。

线性相关:

  如果一组向量不是线性无关的,那么就是线性相关的。即若线性组合a1v1+...+amvm=0成立a1=...=am=0不是唯一情况时,这个向量组时线性相关的,这个向量组称线性相关组。

  还是举例子,向量组(1,0),(2,0)的两个向量如果有k1*(1,0)+k2*(2,0) = 0,则k1和k2有非常多的取值可以满足,那么这个向量组就是一个线性相关组的例子。

  这里提一个问题自己算一下加深印象:F3中的向量组(2,3,1),(1,-1,2),(7,3,c)如果线性相关,c的值是多少?


  设v1...vm是V中的一个线性相关的向量组,有j∈{1,2,...,m},aj≠0,那么就会有以下线性相关引理:

  1.

   2.若从v1,...vm中去掉第j项,则剩余的张成空间等于span(v1,...vm).

  这两个引理如何理解呢?意思就是当一个线性相关的向量组任意去掉一个向量,剩下的向量张成的空间和原向量组张成的空间是一个空间。如何证明?

  首先如果向量组满足线性相关,则必有a1v1+...+amvm=0的am的解不是唯一的0,那么随机取出一个系数不为0的向量ajvj,取系数aj,则有

    vj  = -a1v1/aj-...-amvm/aj,即vj向量可以由剩余向量的线性组合所形成,那么vj也在剩余向量的张成空间内,这就证明了上述引理。

  那么这个证明有一个前提,随机取出系数不为0的向量ajvj,即上述证明的前提是aj≠0,那么如果aj=0会怎样呢?请自行思考,加深印象。

原文地址:https://www.cnblogs.com/shenyibo/p/14181969.html