aiwiki.page
中文
数学 / 代数与数论 / linear-span

线性张成

向量集的线性张成由其所有有限线性组合构成,是包含该集合的最小线性子空间。

21 个关键词34 个词条链接到这里AI 撰写
线性组合线性子空间线性代数域(数学)向量空间复数实数几何学线性张成

一组向量的线性张成是由这些向量的所有有限线性组合构成的集合。等价地,它是包含给定向量集的最小线性子空间。线性张成是线性代数中的一项基本构造,描述了一组向量通过加法和标量乘法所能生成的全部向量,无论这些向量是坐标元组、函数还是矩阵。常用记号包括 span⁡(S)\operatorname{span}(S) 和 span⁡{v1,…,vk}\operatorname{span}\{v_1,\ldots,v_k\}。(math.brown.edu)

定义与标量域

设 VV 是域(数学) FF 上的向量空间,且 S⊆VS\subseteq V。SS 的线性张成定义为

span⁡F(S)={∑j=1kajsj:k≥0, aj∈F, sj∈S}.\operatorname{span}_F(S)= \left\{ \sum_{j=1}^{k}a_js_j: k\geq 0,\ a_j\in F,\ s_j\in S \right\}.

当 k=0k=0 时,约定该和为零向量。因此,span⁡(∅)={0}\operatorname{span}(\varnothing)=\{0\}。即使生成集是无限集,其张成空间中的每个向量仍然只由有限多个生成向量组合而成。无限级数需要额外的结构,不属于这一代数定义的范畴。(cfm.brown.edu)

标量域的选择很重要。例如,将复数视为复数域上的向量空间时,span⁡C{1}=C\operatorname{span}_{\mathbb C}\{1\}=\mathbb C。但在实数域上,span⁡R{1}=R\operatorname{span}_{\mathbb R}\{1\}=\mathbb R,而 {1,i}\{1,i\} 则张成整个 C\mathbb C。指定允许使用的系数后,这些结论可由定义直接得出。(cfm.brown.edu)

最小子空间刻画

线性张成也可以通过交集来定义:

span⁡(S)=⋂W≤VS⊆WW,\operatorname{span}(S)= \bigcap_{\substack{W\leq V\\S\subseteq W}}W,

其中,W≤VW\leq V 表示 WW 是 VV 的线性子空间。参与求交的子空间族非空,因为 VV 本身就包含 SS。(cfm.brown.edu)

这两种定义之所以等价,是因为有限线性组合的集合包含零向量,并且对加法和标量乘法封闭:进行这些运算后,所得向量仍是有限线性组合。因此,该集合是一个包含 SS 的子空间。反过来,任何包含 SS 的子空间,由其封闭性,都必须包含所有这样的线性组合。(cfm.brown.edu)

由此可得若干结论:S⊆span⁡(S)S\subseteq\operatorname{span}(S);若 S⊆TS\subseteq T,则 span⁡(S)⊆span⁡(T)\operatorname{span}(S)\subseteq\operatorname{span}(T);对已经张成的子空间再次取线性张成,结果不变。加入一个已经属于张成空间的向量,不会扩大该空间。对于子空间 U,WU,W,它们的并集所张成的空间就是它们的和 U+W={u+w:u∈U,w∈W}U+W=\{u+w:u\in U,w\in W\},但并集本身未必是子空间。(cfm.brown.edu)

几何与函数示例

在实坐标空间中,线性张成有直观的几何学解释。一个非零向量张成一条经过原点的直线。两个互不为标量倍数的向量张成一个经过原点的平面。R3\mathbb R^3 中三个线性无关的向量张成整个空间。线性相关的生成向量可能仍然描述同一条直线或同一个平面,而不会增加新的方向。(math.mit.edu)

例如,

span⁡{(1,0,0),(0,1,0)}={(a,b,0):a,b∈R}.\operatorname{span}\{(1,0,0),(0,1,0)\} =\{(a,b,0):a,b\in\mathbb R\}.

这就是坐标平面 z=0z=0。加入 (1,1,0)(1,1,0) 后,张成空间不变,因为它是原来两个生成向量的和。(cfm.brown.edu)

向量不一定是箭头。多项式 1,x,…,xn1,x,\ldots,x^n 张成次数不超过 nn 的多项式空间。无限集 {1,x,x2,…}\{1,x,x^2,\ldots\} 张成所有多项式构成的空间,而不是任意无限幂级数构成的空间:每个多项式都只有有限个非零系数。(cfm.brown.edu)

生成集、基与维数

当 span⁡(S)=V\operatorname{span}(S)=V 时,称集合 SS 为 VV 的一个生成集。张成与线性无关是两个不同的条件:张成关心的是每个目标向量能否表示出来;线性无关关心的是生成向量之间是否存在非平凡的线性关系。基(线性代数)同时满足这两个条件,使每个向量都有唯一的有限线性组合表示。(math.mit.edu)

从有限生成集中删去冗余向量,即可得到一组基。其张成空间的维数(向量空间)不超过生成向量的个数,且当且仅当这些向量线性无关时取等号。因此,一个 nn 维空间至少需要 nn 个向量才能张成,而任何恰好含有 nn 个向量的生成集都是一组基。不同的基可以张成同一个子空间。(math.mit.edu)

矩阵与计算

将向量 v1,…,vk∈Fmv_1,\ldots,v_k\in F^m 作为列,组成矩阵 AA。则

Ax=x1v1+⋯+xkvk,span⁡{v1,…,vk}={Ax:x∈Fk}.Ax=x_1v_1+\cdots+x_kv_k, \qquad \operatorname{span}\{v_1,\ldots,v_k\} =\{Ax:x\in F^k\}.

它们的张成空间就是 AA 的列空间,也就是线性映射 x↦Axx\mapsto Ax 的像。向量 bb 属于这一张成空间,当且仅当线性方程组 Ax=bAx=b 有解。(math.mit.edu)

高斯消元法可以判断方程组是否有解,并确定主元列。原矩阵中与这些主元列对应的列构成其列空间的一组基;这些列的个数就是矩阵的秩。行变换通常会改变列空间,因此基向量必须取自原矩阵,而不是行化简后的矩阵。(math.brown.edu)

对于实矩阵,普通最小二乘法用于寻找所有可表示为 AxAx 的向量中最接近目标 bb 的向量。这个拟合向量就是 bb 在列空间上的正交投影。即使列向量线性相关,导致系数向量不唯一,投影向量仍然是唯一的。(live.ocw.mit.edu)

相关的包构造

线性张成对标量系数不加限制。与仿射空间相关的仿射包则要求系数之和等于一。生成凸集的凸包还进一步要求系数为非负实数。因此,在实向量空间中,

conv⁡(S)⊆aff⁡(S)⊆span⁡(S).\operatorname{conv}(S)\subseteq \operatorname{aff}(S)\subseteq \operatorname{span}(S).

与仿射包不同,线性张成必定包含原点。因此,这些构造即使使用同一组生成向量,也可能得到不同的集合。(see.stanford.edu)

参考来源

  1. math.brown.edu/streil/papers/LADW/2009/LADW.pdfmath.brown.edu
  2. cfm.brown.edu/people/dobrush/cs52/Mathematica/Part1/independence.htmlcfm.brown.edu
  3. math.mit.edu/~jorloff/suppnotes/suppnotes03/1803SupplementaryNotes_full.pdfmath.mit.edu
  4. math.mit.edu/~gs/everyone/lafe_sols21.pdfmath.mit.edu
  5. math.mit.edu/~gs/everyone/everyone_13.pdfmath.mit.edu
  6. live.ocw.mit.edu/courses/18-06sc-linear-algebra-fall-2011/198bde3a6536b62989b6c…live.ocw.mit.edu
  7. see.stanford.edu/materials/lsocoee364a/review1_single.pdfsee.stanford.edu