向量空间，相关定义、公理、定理

向量空间

  整理了《线性代数及其应用》David C.Lay一书中第四章向量空间的有关定义、公理，以及从定义和公理出发推导得到的定理。当做一个小字典吧。

1 向量空间与子空间

  向量空间定义：一个向量空间是由一些被称为向量的对象构成的非空集合$V$，在这个集合上定义了两个运算，称为加法和标量乘法（标量取实数），服从以下公理（或法则），这些公理必须对$V$中所有向量$u,v,w$及所有标量（或称数）$c$和$d$均成立。

1. $u,v$之和（表示为$u+v$）属于$V$
2. $u+v=v+u$
3. $(u+v)+w=u+(v+w)$
4. $V$中存在一个零向量$0$，使得$u+0=0$
5. 对$V$中每个向量$u$，存在$V$中一个向量$-u$，使得$u+(-u)=0$
6. $u$与标量$c$的乘法标量（记为$cu$）属于$V$
7. $c(u+v)=cu+cv$
8. $(c+d)u=cu+du$
9. $c(du)=(cd)u$
10. $1u=u$

  子空间定义：向量空间$V$的一个子空间是$V$的一个满足以下三个性质的子集$H$：

1. $V$中的零向量在$H$中
2. $H$对向量加法封闭，即对$H$中任意向量$u,v$，和$u+v$仍在$H$中
3. $H$对标量乘法封闭，即对$H$中任意向量$u$和任意标量$c$，向量$cu$仍在$H$中

  定理1：若$v_1,\cdots ,v_p$在向量空间$V$中，则 s p a n { v 1 , ⋯   , v p } span\{v_1,\cdots,v_p\} span{v1​,⋯,vp​}是$V$的一个子空间。

2 零空间、列空间、线性变换

  矩阵的零空间定义：矩阵$A$的零空间写成$NulA$，是齐次线性方程$Ax=0$的全体解的集合。用集合符号表示，即：
N u l   A = { x : x ∈ R n , A x = 0 } Nul\ A=\{x:x\in \Bbb R^n, Ax=0\} Nul A={x:x∈Rn,Ax=0}
  定理2：$m\ast n$矩阵$A$的零空间是$R^n$的一个子空间。等价地，$m$个方程、$n$个未知数的其次线性方程组$Ax=0$的全体解的集合是$R^n$的一个子空间。

  矩阵的列空间定义：$m\ast n$矩阵$A$的列空间（记为$ColA$）是由$A$的列的所有线性组合组成的集合。若$A=[a_1,\cdots ,a_n]$，则 C o l   A = S p a n { a 1 , ⋯   , a n } Col\ A=Span\{a_1,\cdots,a_n\} Col A=Span{a1​,⋯,an​}

  定理3：$m\ast n$矩阵$A$的列空间是$R^m$的一个子空间。

  线性变换定义：由向量空间$V$映射到向量空间$W$内的线性变换$T$是一个规则，它将$V$中每个向量$x$映射成$W$中唯一向量$T(x)$，且满足：

1. $T(u+v)=T(u)+T(v)$，对$V$中所有$u,v$都成立
2. $T(cu)=cT(u)$，对$V$中所有$u$及所有数$c$均成立

线性变换$T$的核（或零空间）是$V$中所有满足$T(u)=0$的向量$u$的集合（$0$为$W$中的零向量），$T$的值域是$W$中所有具有形式$T(x)$（任意$x\in V$）的向量的集合。如果$T$是由一个矩阵变换得到的，比如对某矩阵$A$，$T(x)=Ax$，则$T$的核与值域恰好是$A$的零空间和列空间。

3 线性无关集和基

  定理4：两个或多个向量组成的有编号的向量集合 { v 1 , ⋯   , v p } \{v_1,\cdots,v_p\} {v1​,⋯,vp​}（如果$v_1\ne 0$）是线性相关的，当且仅当某$v_j(j>1)$是其前面向量$v_1,\cdots ,v_{j-1}$的线性组合。

  基定义：令$H$是向量空间$V$的一个子空间，$V$中向量的指标集 B = { b 1 , ⋯   , b p } B=\{b_1,\cdots,b_p\} B={b1​,⋯,bp​}称为$H$的一个基，如果：

1. $B$是一个线性无关集。
2. 由$B$生成的子空间与$H$相同，即 H = S p a n { b 1 , ⋯   , b p } H=Span\{b_1,\cdots,b_p\} H=Span{b1​,⋯,bp​}

  定理5（生成集定理）：令 S = { v 1 , ⋯   , v p } S=\{v_1,\cdots,v_p\} S={v1​,⋯,vp​}是$V$中的向量集， H = S p a n { v 1 , ⋯   , v p } H=Span\{v_1,\cdots,v_p\} H=Span{v1​,⋯,vp​}：

1. 若$S$中某一个向量（比如说$v_k$）是$S$中其余向量的线性组合，则$S$中去掉$v_k$后形成的集合仍然可以生成$H$
2. 若 H ≠ { 0 } H\ne \{0\} H​={0}，则$S$的某一子集是$H$的一个基

  定理6：矩阵$A$的主元列构成$ColA$的一个基

4 坐标系

  定理7（唯一表示定理）：令 B = { b 1 , ⋯   , b p } B=\{b_1,\cdots,b_p\} B={b1​,⋯,bp​}是向量空间$V$的一个基，则对$V$中每个向量$x$，存在唯一的一组数$c_1,\cdots ,c_n$使得：
$$x=c_1{b}_1+\cdots +c_n{b}_n$$

  定义，假设 B = { b 1 , ⋯   , b n } B=\{b_1,\cdots,b_n\} B={b1​,⋯,bn​}是$V$的一个基，$x$在$V$中，$x$相对于基$B$的坐标（或$x$的$B$-坐标）是使得$x=c_1{b}_1+\cdots +c_n{b}_n$的权$c_1,\cdots ,c_n$。
  若$c_1,\cdots ,c_n$是$x$的$B$-坐标，则${\mathbb{R}}^n$中的向量：
$$[x{]}_B=\left[\begin{array}{c}{c}_1\\ \cdots \\ c_n\end{array}\right]$$
是$x$（相对于$B$）的坐标向量或$x$的$B$-坐标向量，映射$x\mapsto [x{]}_B$称为（由$B$确定的）坐标映射。

  定理8：令 B = { b 1 , ⋯   , b n } B=\{b_1,\cdots,b_n\} B={b1​,⋯,bn​}是向量空间$V$的一个基，则坐标映射$x\mapsto [x{]}_B$是一个由$V$映射上到${\mathbb{R}}^n$的一对一的线性变换。

5 向量空间的维数

  定理9：若向量空间$V$具有一组基 B = { b 1 , ⋯   , b n } B=\{b_1,\cdots,b_n\} B={b1​,⋯,bn​}，则$V$中任意包含多于$n$个向量的集合一定线性相关。

  定理10：若向量空间$V$有一组基含有$n$个向量，则$V$的每一组基一定恰好含有$n$个向量。

  定义：若$V$由一个有限集生成，则$V$称为有限维的，$V$的维数写成$dimV$，是$V$的基中向量的个数，零向量空间 { 0 } \{0\} {0}的维数定义为零，如果$V$不是由一有限集生成，则$V$称为无穷维的。

  定理11：令$H$是有限向量空间$V$的子空间，若有必要的话，$H$中任一一个线性无关集均可以扩充成为$H$的一个基。$H$也是有限维的并且：
$$dimH\le dimV$$

  定理12（基定理）：令$V$是一个$p$维向量空间，$p\ge 1$，$V$中任意含有$p$个元素的线性无关集必然是$V$的一个基。任意含有$p$个元素且生成$V$的集合自然是$V$的一个基。

  $NulA$的维数是方程$Ax=0$中自由变量的个数，$ColA$的维数是$A$中主元列的个数。

6 秩

  矩阵行空间定义：若$A$是一个$m\ast n$矩阵，$A$的每一行具有$n$个元素，即可以视为${\mathbb{R}}^n$中一个向量，其行向量的所有线性组合的集合称为$A$的行空间，记为$RowA$，也可以用$Col{A}^T$代替。

  定理13：若两个矩阵$A$和$B$行等价，则它们的行空间相同。若$B$是阶梯形矩阵，则$B$的非零行构成$A$的行空间的一个基同时也是$B$的行空间的一个基。

  秩定义：$A$的秩即$A$的列空间的维数。

  定理14（秩定理）：$m\ast n$矩阵$A$的列空间和行空间的维数相等，这个公共的维数（即$A$的秩）还等于$A$的主元位置的个数且满足方程：
$$rankA+dimNulA=n$$

  秩和可逆矩阵定理：令$A$是一个$n\ast n$矩阵，则下列命题中的每一个均等价于$A$是可逆矩阵：

• $A$的列构成${\mathbb{R}}^n$的一个基
• $ColA={\mathbb{R}}^n$
• $dimColA=n$
• $rankA=n$
• N u l   A = { 0 } Nul\ A=\{0\} Nul A={0}
• $dimNulA=0$

7 基的变换

  定理15：设 B = { b 1 , ⋯   , b n } B=\{b_1,\cdots,b_n\} B={b1​,⋯,bn​}和 C = { c 1 , ⋯   , c n } C=\{c_1,\cdots,c_n\} C={c1​,⋯,cn​}是向量空间$V$的基，则存在一个$n\ast n$矩阵$\underset{C\leftarrow B}{P}$，使得：
$$[x{]}_C=\underset{C\leftarrow B}{P}[x{]}_B$$
$\underset{C\leftarrow B}{P}$的列是基$B$中向量的$C$-坐标向量，即：
$$\underset{C\leftarrow B}{P}=\left[\begin{array}{cccc}[b_1{]}_C& [b_2{]}_C& \cdots & [b_n{]}_C\end{array}\right]$$
$\underset{C\leftarrow B}{P}$称为由$B$到$C$的坐标变换矩阵。