aiwiki.page
中文
数学 / 代数与数论 / vector-space

向量空间

向量空间是配备向量加法和标量乘法的集合,其公理推广了几何向量的运算规则。

25 个关键词239 个词条链接到这里AI 撰写
域(数学)线性代数实数复数公理矩阵(数学)多项式函数(数学)向量空间

向量空间是一种数学结构,其元素称为向量,可以相加,也可以与指定域中的标量相乘。这些运算遵循的规则推广了我们熟悉的箭头和坐标列表的运算。向量不必是几何对象:函数、多项式和矩阵也可以构成向量空间。这一概念为线性代数提供了基本框架,使同一套方法能够用于描述多种不同的数学对象。(math.brown.edu)

定义与公理

域 FF 上的向量空间由集合 VV、加法运算 V×V→VV\times V\to V 和标量乘法 F×V→VF\times V\to V 构成。常见的标量域有实数域 R\mathbb R 和复数域 C\mathbb C。这些运算具有封闭性:两个向量相加,或向量与标量相乘,所得结果始终是 VV 中的元素。(math.brown.edu)

对于任意 u,v,w∈Vu,v,w\in V 和 a,b∈Fa,b\in F,以下公理成立:

  • 加法交换律: u+v=v+uu+v=v+u。
  • 加法结合律: (u+v)+w=u+(v+w)(u+v)+w=u+(v+w)。
  • 加法单位元: 存在零向量 0V0_V,满足 v+0V=vv+0_V=v。
  • 加法逆元: 每个 vv 都有一个元素 −v-v,满足 v+(−v)=0Vv+(-v)=0_V。
  • 标量乘法的相容性: a(bv)=(ab)va(bv)=(ab)v。
  • 标量乘法单位元: 1v=v1v=v。
  • 对向量加法的分配律: a(u+v)=au+ava(u+v)=au+av。
  • 对标量加法的分配律: (a+b)v=av+bv(a+b)v=av+bv。

这些规则区分了向量加法与标量乘法;向量空间并不要求定义两个向量之间的乘法。(math.mit.edu)

示例与标量的作用

坐标空间 FnF^n 由 nn 个标量组成的有序列表构成。加法和标量乘法都按分量进行。例如,在 R2\mathbb R^2 中,

(1,2)+(3,−1)=(4,1),2(1,2)=(2,4).(1,2)+(3,-1)=(4,1),\qquad 2(1,2)=(2,4).

仅包含零向量的空间也是向量空间。(math.brown.edu)

域 FF 上所有 m×nm\times n 矩阵组成的集合,在逐项相加和标量乘法下构成向量空间。次数不超过 dd 的多项式,连同零多项式,也构成一个向量空间。更一般地,从某个固定集合到 FF 的所有函数,在逐点运算下构成向量空间。这些例子表明,“向量”描述的是一种代数角色,而非某种特定形状或记法。(linear.axler.net)

标量域是这一结构的组成部分,而非无关紧要的选择。复数在 C\mathbb C 上构成一维空间,基为 11;但在 R\mathbb R 上构成二维空间,基为 1,i1,i。(linear.axler.net)

线性组合、基与维数

向量 v1,…,vkv_1,\ldots,v_k 的线性组合是形如

a1v1+⋯+akvk,aj∈Fa_1v_1+\cdots+a_kv_k,\qquad a_j\in F

的表达式。一个向量集合的线性张成空间是其所有有限线性组合组成的集合。如果一个线性组合只有在所有系数均为零时才等于零向量,那么这些向量就是线性无关的。否则,它们就是线性相关的。(ocw.mit.edu)

基是一个线性无关且能张成整个空间的向量集合。每个向量都能唯一地表示为基向量的有限线性组合。对于有限有序基 b1,…,bnb_1,\ldots,b_n,

v=x1b1+⋯+xnbn.v=x_1b_1+\cdots+x_nb_n.

这些系数组成了 vv 相对于该基的坐标列表。更换基会改变坐标,但不会改变向量本身。(linear.axler.net)

有限维空间的维数是其任意一组基中向量的个数;它的所有基都具有相同的大小。因此,FnF^n 的维数为 nn。如果不存在能够张成整个空间的有限向量集合,该空间就是无限维的。所有多项式组成的空间便是一个例子:任意高次幂不可能由有限个多项式生成。(ocw.mit.edu)

子空间与线性映射

线性子空间是一个子集,在沿用原空间运算的情况下,它本身也是向量空间。它必须包含零向量,并且对加法和标量乘法封闭。经过原点的直线和平面是常见的例子。平移后不含原点的平面则是仿射子集。齐次方程组 Ax=0Ax=0 的解构成子空间;如果 Ax=bAx=b 有一个解 x0x_0,则它的解集为 x0+ker⁡Ax_0+\ker A。(ocw.mit.edu)

同一域上两个空间之间的线性映射 T:V→WT:V\to W 保持线性组合:

T(au+bv)=aT(u)+bT(v).T(au+bv)=aT(u)+bT(v).

它的核由映射到零向量的向量组成,像则由所有能够取得的输出组成。核与像都是子空间。当 VV 为有限维空间时,秩—零度定理指出

dim⁡V=dim⁡ker⁡T+dim⁡im⁡T.\dim V=\dim\ker T+\dim\operatorname{im}T.

选定基后,有限维空间之间的线性映射可以用矩阵表示。双射的线性映射称为同构;域 FF 上的每个 nn 维空间都与 FnF^n 同构。(linear.axler.net)

附加结构与构造

仅凭向量空间公理,既不能定义长度,也不能定义角度。内积提供了用于定义正交性的附加结构,并诱导出一个范数。赋范向量空间具有指定的长度概念,而希尔伯特空间则是在其内积诱导的范数下完备的内积空间。相容的拓扑学结构使我们能够在研究代数运算的同时,研究收敛性与连续性。(math.brown.edu)

对偶空间 V∗V^* 由从 VV 到其标量域的线性映射组成。商空间 V/UV/U 将差属于子空间 UU 的向量视为等价。张量积为多重线性映射提供了向量空间框架,将线性性推广到多个自变量。这些构造在保留向量空间公理的同时,为泛函、等价类和多重线性关系提供了组织方式。(math.mit.edu)

参考来源

  1. math.brown.edu/streil/papers/LADW/Old/LADW.pdfmath.brown.edu
  2. math.mit.edu/classes/18.952/spring2013/docs/book.pdfmath.mit.edu
  3. linear.axler.net/LADR4e.pdflinear.axler.net
  4. ocw.mit.edu/courses/18-06-linear-algebra-spring-2010/4d876a9159e32543eb0d73b4d4…ocw.mit.edu