线性空间
线性空间的定义与实例
从本节开始,我们将解析几何、向量空间、矩阵空间的一些共同性质作一个进一步的抽象,得到线性空间的概念。所谓线性空间,就是在一个集合上,定义了线性运算,从而形成线性空间。所谓线性运算,就是两类:加法和数域K上的数乘。回顾解析几何、向量空间、矩阵空间的相关知识,在这些空间上,都定义了加法和数乘,并且加法和数乘都有类似的性质,即以下八条:
A.加法交换律:a+b=b+a
B.加法结合律:a+b+c=a+(b+c)
C.存在零元:0+a=a
D.存在相反元:a+(−a)=0
E.数乘结合律:(kl)a=k(la)
F.1.a=a
G.数乘分配律1:(k+l)a=ka+la
H.数乘分配律2:k(a+b)=ka+kb
两个运算,加上以上八条运算性质,就形成了抽象的"线性空间":
定义4.1 V是一集合,K是一数域,如果在V上定义了一个二元运算"+",满足:
A.加法交换律:∀a,b∈V,a+b=b+a
B.加法结合律:∀a,b,c∈V,a+b+c=a+(b+c)
C.存在零元:∃0∈V,∀a∈V,0+a=a
D.存在相反元:∀a∈V,∃−a∈V,a+(−a)=0
又定义了V和K的运算.,满足:
E.数乘结合律:∀k,l∈K,∀a∈V,(kl)a=k(la)
F.∀a∈V,1.a=a
G.数乘分配律1:∀k,l∈K,∀a∈V,(k+l)a=ka+la
H.数乘分配律2:∀k∈K,∀a,b∈V,k(a+b)=ka+kb
则称V是数域K上的线性空间
解析几何中的平面向量空间、空间向量空间、K上的n维向量空间,Mm,n(K)都是线性空间的典型代表。不仅如此,即便看起来与代数毫无关系的数学分析,也有大量线性空间的例子。例如:
例4.1 C[a,b]是[a,b]上全体连续函数构成的空间,C[a,b]是R上的线性空间
可见,线性空间存在于世界各个角落,或者可以这么说:只要在一个集合中定义了加法和数乘运算,并且满足八条运算性质,这个集合就是一个"抽象化"的向量空间,集合中的元素,不过是"抽象化"后的点罢了。线性空间,从几何上去理解,就是"抽象化"的向量空间。以连续函数空间为例,从线性空间的角度上看,闭区间上的连续函数,不过是连续函数空间上一个个向量罢了,连续函数空间,不过是抽象的解析几何空间罢了。线性泛函分析,就是以这里为出发点的。认识到这点,对于理解后面许多定理和命题都很有帮助。
命题4.1 V是数域K上的线性空间,则
(1)零元是唯一的
(2)∀a∈V,相反元−a是唯一的
(3)∀a∈V,0.a=0
(4)∀a∈V,(−1).a=−a
证:
(1)假设a,b都满足:对任意的c∈V,都有
a+c=cb+c=c那么
a+b=b=b+a=a由于零元唯一,我们记零元为0\
(2)∀a∈V,若b,c都满足:
a+b=0a+c=0则
a+b+c=c=b+a+c=b+(a+c)=b+0=b从而相反元唯一,相反元记为−a\
(3)a+0.a=1.a+0.a=(1+0)a=1.a=a
(4)(−1).a+a=(−1).a+1.a=(1+−1)a=0.a=0
线性空间的结构
接下来,类似于向量空间,我们也可以给出线性组合、线性表示、线性相关、线性无关、极大线性无关组等概念。
定义4.2 V是K上的线性空间,x1,⋯,xn是V的一个向量组,k1,⋯,kn是K上的n个数,称
k1x1+⋯+knxn是x1,⋯,xn的一个线性组合,y∈V,存在k1,⋯,kn∈K,使得
y=k1x1+⋯+knxn则称y能被x1,⋯,xn线性表示
定义4.3 V是K上的线性空间,x1,⋯,xn是V的一个向量组,如果存在不全为0的K的一组数k1,⋯,kn,使得
k1x1+⋯+knxn=0则称x1,⋯,xn线性相关,否则称x1,⋯,xn线性无关
可以看到,一般线性空间上的线性相关和线性无关和向量空间是"一致的",只不过这里是抽象化的线性相关和线性无关,而向量空间是具体的线性相关和线性无关,并且向量空间上,我们可以借助线性方程组来理解线性表示、线性相关和线性无关,一般线性空间上的线性表示、线性相关和线性无关,就很难借助具体的工具来表述。然而,一般线性空间上线性相关、线性无关性质上却和向量空间没有本质差别。
定理4.1 V是K上的线性空间,x1,⋯,xn是V的一个向量组,x1,⋯,xn线性相关的充分必要条件是某个向量可被其他向量线性表示
定义4.3 V是K上的线性空间,x1,⋯,xn和y1,⋯,ym是V的两个向量组,如果y1,⋯,ym的每一个向量都能被x1,⋯,xn线性表示,则称向量组y1,⋯,ym能被x1,⋯,xn线性表示,如果两个向量组可以相互线性表示,则称两个向量组等价
引理4.1 V是K上的线性空间,x1,⋯,xn和y1,⋯,ym是V的两个向量组,如果x1,⋯,xn线性无关,m>n,则y1,⋯,ym一定线性相关
推论4.1 V是K上的线性空间,V上任意两个等价的线性无关的向量组一定有相同数量的向量
类似地可以给出极大线性无关组和向量组的秩
定义4.4 V是K上的线性空间,x1,⋯,xn是V的一个向量组,如果存在线性无关的子向量组xn1,⋯,xnr,x1,⋯,xn能被xn1,⋯,xnr线性表示,则称xn1,⋯,xnr是x1,⋯,xn的极大线性无关组,r称为向量组x1,⋯,xn的秩
命题4.2 V是K上的线性空间,x1,⋯,xn是V的一个向量组,x1,⋯,xn线性无关,而x1,⋯,xn,y线性相关,则y能被x1,⋯,xn唯一线性表示
按照这个命题,任一向量组的每一个向量能被其极大线性无关组唯一线性表示。极大线性无关组就起到解析几何中的基的作用。
线性空间上的基、基变换与坐标变换
上一小结,我们引出了极大线性无关组,并且说明了,任一向量组的每一个向量都能被极大线性无关组唯一表示。那么,对于整一个线性空间,能不能也找到这么一组线性无关向量,整个空间能被这组线性无关的向量唯一线性表示呢?
首先,如果存在一组线性无关的向量x1,⋯,xn,对任意的x∈V,都存在k1,⋯,kn∈K,使得
x=k1x1+⋯+knxn我们就称x1,⋯,xn是线性空间V的一组基,显然,任意两组基是等价的,因而,基中向量个数是相等的,这个向量的个数称为V的维数。
是不是每一个线性空间都存在一个向量组是V的基呢?答案是否定的。至少,连续函数空间C[a,b]就不存在有限个向量可以线性表示所有的连续函数,不然,连续函数空间不就过分简单,以至于没有研究的价值了吗?如果存在n个线性无关的向量可以线性表示空间中所有的向量,那么,就称V是n维线性空间,n是V的维数,记为dim(V)=n,V是有限维线性空间,否则,称V是无穷维线性空间,记为dim(V)=∞。这里我们研究的对象是有限维线性空间,无穷维线性空间主要是一些函数空间,对无穷维线性空间的研究将在泛函分析中进行,这里不作讨论。
定义4.5 V是K上的线性空间,如果存在线性无关的向量组x1,⋯,xn,对任意的x∈V,x能被x1,⋯,xn线性表示,则称x1,⋯,xn是V的一组基,n是V的维数,记为dim(V)=n,V是n维线性空间,否则,称V是无穷维线性空间,dim(V)=∞
命题4.3 V是K上的线性空间,dim(V)=n<∞,x1,⋯,xn是线性无关的向量组,则x1,⋯,xn是V的一组基
证:
首先,设e1,⋯,en是V的一组基,我们首先证明任意n+1个向量都是线性相关的。
按照基的定义,对任意n+1个向量y1,⋯,yn+1,存在n(n+1)个K中的数kij,1≤i≤n+1,1≤j≤n,使得
yi=ki1e1+⋯+kinen,i=1,⋯,n+1令
z1y1+z2y2+⋯+zn+1yn+1=0由e1,⋯,en线性无关,得到齐次方程组
⎩⎪⎪⎪⎨⎪⎪⎪⎧k11z1+⋯+k(n+1)1zn+1=0k12z1+⋯+k(n+1)2zn+1=0⋯k1nz1+⋯+k(n+1)nzn+1=0由于变量个数大于方程个数,齐次方程必有非零解,从而y1,⋯,yn+1线性相关
其次证明x1,⋯,xn是V的一组基,对任意x∈V,不妨设x=xi,i=1,⋯,n,则x1,⋯,xn,x线性相关,而x1,⋯,xn线性无关,从而x能被x1,⋯,xn唯一线性表示,对于xi,自然有
xi=0.x1+⋯+0.xi−1+1.xi+0.xi+1+⋯+0.xn因此,x1,⋯,xn是V的一组基
这也就意味着,只要你选择n个线性无关的向量,就能找到V的一组基。反过来,不存在一组基,也就是说,只要不是平凡的线性空间(只有零元),那么一定能找到一个非零的向量,如果dim(V)=1,那么说明,有一个向量不能被这个向量线性表示,加入到向量组中,就是两个线性无关的向量,以此类推,如果无论找多少个线性无关的向量(有限个),都无法表示全空间,那么说明这个线性空间有"无穷个"基,这就不难理解为何称为无穷维线性空间了。
类似地,容易证明如下命题:
命题4.4 V是K上的线性空间,dim(V)=n<∞,e1,⋯,en是V的一组基,则V中任意向量可表为e1,⋯,en的一个唯一的线性组合
与定义不同的是,这个命题强调线性组合系数的唯一性,这个唯一线性组合的系数称为x的坐标。当然,同一个向量在不同的基下,有不同的坐标,那么,同一个向量在不同基下的坐标,究竟有何联系呢?这就是基变换和坐标变换讨论的话题。
假设e1,⋯,en和ε1,⋯,εn是n维线性空间V的两组基,那么按照基的定义:
⎩⎪⎪⎪⎨⎪⎪⎪⎧ε1=k11e1+k12e2+⋯+k1nenε2=k21e1+k22e2+⋯+k2nen⋯εn=kn1e1+kn2e2+⋯+knnen这在形式上,就类似于向量空间上的线性变换,实际上,在下一章中,我们会讲到这是一种"特殊"的线性变换,是从一组基变换到另一组基的线性变换,只不过,这里的线性变换,比向量空间上线性变换更加"广义"。回到我们正在讨论的话题当中,假设x∈V在ε1,⋯,εn下的坐标为x1,⋯,xn,则
x=x1ε1+⋯+xnεn于是,按照坐标的唯一性,设y1,⋯,yn是x在e1,⋯,en下的坐标,就有
⎩⎪⎪⎪⎨⎪⎪⎪⎧y1=x1k11+x2k21+⋯+xnkn1y2=x1k12+x2k22+⋯+xnkn2⋯yn=x1k1n+x2k2n+⋯+xnknn很显然,同一个向量在两组基下的坐标,竟然是线性变换的关系。这就是在一般有限维线性空间上的基变换和坐标变换,更加具体的内容我们在下一章再作详细的补充。
子空间与商空间
子空间的定义
讨论每一个空间,我们都会给出子空间的概念,所谓子空间,就是空间的一个子集,但是这个子集不是任意的,一定是保有空间的最基本性质,对于线性空间,这个最基本的性质就是加法和数乘。
定义4.6 V是K上的线性空间,M⊂V,如果M满足:
(1)∀x1,x2∈M,x1+x2∈M
(2)∀x∈M,∀k∈K,kx∈M
则称M是V的子空间
可见子空间就是就是线性空间保有加法和数乘运算的子集。该如何理解子空间呢?实际上,对于平面来说,过原点的直线上每一个点构成的集合就是平面的一个子空间,对空间来说,过原点的平面,过原点的直线的集合就是空间的子空间。可见,子空间的几何含义,就是空间中的平面或直线,平面中的直线,比原空间的维度要低。对有限维线性空间,任意子空间都是有限维线性空间,都有各自的一组基。
子空间的交空间、和空间
子空间是V的子集,自然可以考虑集合的运算,但是,两个子空间的并不一定还是子空间,但两个子空间之交还是子空间。
命题4.5 V是K上的线性空间,M1,M2是V的两个子空间,则M1∩M2是V的子空间
只要按照子空间的定义直接验证即可,显然,交空间的维度小于两个子空间。更重要地,我们来考虑子空间的另一个运算——和空间。
定义4.7 V是K上的线性空间,M1,M2是V的两个子空间,
M1+M2={x1+x2:x1∈M1,x2∈M2}称为M1,M2的和空间
当然,按照定义可以直接验证M1+M2是子空间。下面我们给出一个维度公式
命题4.6(维度公式) V是K上的有限维线性空间,V=M1+M2,则
dim(V)=dim(M1)+dim(M2)−dim(M1∩M2)
线性空间的直和分解
下面我们先给出和空间的几何意义,我们知道,子空间在几何上表现为平面上的直线,空间上平面和直线。对平面上两条过原点不重合的直线,任一平面向量都可以唯一表示成两个子空间各取一个向量的和。
值得注意的是,这里我们加了"唯一"二字,说明,不仅能够分解,还能被唯一分解。下面我们给出直和分解的定义:
定义4.8 V是K上的线性空间,M1,M2是V的两个子空间,如果对于任意的x∈M1+M2,如果x的分解是唯一的,即:x=x1+x2=y1+y2,x1,y1∈M1,x2,y2∈M2,则x1=y1,x2=y2,则称M1,M2的和是直和,记为M1⊕M2
把一个线性空间分解为两个子空间的直和,有两层含义:
(1)V的每一个向量能表为M1,M2向量的和(能分解)
(2)每一个向量分解式都是唯一的(分解的唯一性)
因此验证直和需要验证能分解以及分解的唯一性。
接下来,我们来给出判断是否是直和分解的另一些充要条件。
命题4.7 V是K上的有限维线性空间,M1,M2是两个子空间,V=M1+M2,则以下命题等价:
(1)V=M1⊕M2
(2)M1∩M2=0
(3)0=x1+x2,x1∈M1,x2∈M2,则x1=x2=0
(4)dim(V)=dim(M1)+dim(M2)
证:
(1)→(2):
∀x∈M1∩M2,x=x+0=0+x
由分解的唯一性,就有x=0
(2)→(3):
由0=x1+x2,x1∈M1,x2∈M2,就有
x1=−x2∈M2因此,x1∈M1∩M2,于是x1=0,从而x2=0
(3)→(1):
∀x∈V,设x=x1+x2=y1+y2
其中x1,y1∈M1,x2,y2∈M2
于是,0=(x1−x2)+(y1−y2),因此
x1=x2,y1=y2从而V=M1⊕M2
商空间与线性流形(未完成)
子空间是过原点的直线或平面,那么不过原点的直线或平面在一般的线性空间中应当如何表示呢?实际上,不过原点的直线可以考虑成过原点的直线再平移一个向量,整个平面就被这些密密麻麻的直线划分成若干个部分,以每一条直线作为向量,再赋予加法和数乘运算,又可以产生一个新的线性空间。