线性空间及其性质

1 集合与映射

1 集合： 作为整体看的一堆东西； 数集合，解集合，点集合；

2 元素： 组成集合的事物为集合的元素；

3 元素属于集合：$$aϵS$$

如果集合S1的元素全是集合S2的元素，即由$$aϵS1$$可以推出$$aϵS2$$,则S1为S2的子集合；

4 两个特殊的子集合：

空集为任一集合的子集；

每个集合都是它自身的子集合。

5 把集合的两个特殊的子集合统称为其当然子集合或假子集；

其余的子集合统称为非当然子集合或真子集。

6 两集合有相同的元素，则集合相等；

集合的交，集合的并；

集合的和集： {x+y| $$xϵS1,yϵS2$$} 记为： S1 + S2

7 数域： 某些数集（含非零的数），如果其中任意两个数的和，差，积，商（除数不为0），仍在该数集中（即数集关于四则运算封闭），那么称该数集为数域；

实数集关于四则运算封闭，则称为实数域；

复数集也形成一个数域，称为复数域，记为C；

8 映射（映照）：S与S’两个集合，一个法则：$$\sigma :S\to S^{\prime }$$,它使S中每一个元素a都有S’中一个确定的元素a’与之对应记为：$$\sigma (a)=a^{\prime }$$

其中a’称为a在映射$$\sigma$$下的象；

a称为a’在映射下的原象。

9 满射： 设$$\sigma :S\to S^{\prime }$$,如果S’中每个元素都有原象，则称$$\sigma$$为满射。

单射： 设$$\sigma :S\to S^{\prime }$$，如果对a != b,则$$\sigma (a)!=\sigma (b)$$,则称$$\sigma$$为单射，即$$\sigma (a)=\sigma (b)$$,则a = b.

2 线性空间及其性质

1 设V是一个非空集合（线性空间），其元素用x,y,z等表示；

K是一个数域，其元素用k,l,m等表示，如果V满足：

（1）在V中定义一个“加法”运算，即当$$x,y,zϵV$$时，有唯一的“和”$$x+yϵV$$(封闭性)，且加法元算满足：结合律，交换律，零元律（存在零元素0，使x+0=x）,负元律（对于任一元素$$xϵV$$,存在一元素$$yϵV$$,使x+y=0，且称y为x的负元素，记为(-x),即 x+(-x) = 0）

（2）在V中定义一个数乘运算，即当$$xϵV,kϵK$$时，有唯一的积，$$kxϵV$$(封闭性)，且数乘运算满足：数因子分配律，分配律，结合律，恒等律。

则称V为数域K上的线性空间。

2 线性空间不能离开某一数域来定义，对于不同数域，同一集合构成的线性空间会不同。

当数域K为实数域时，V为实线性空间；

3 线性空间V要满足1 中的两种运算和八条性质，还应注意唯一性（零元素和负元素）和封闭性。

4 定理： 线性空间V有唯一的零元素，任一元素也有唯一的负元素。

5 线性空间中相关性概念与线性代数中向量组相关性概念类似。

线性组合：

$$x_1,x_2,...x_mϵV,c_1,c_2,...c_mϵK$$, $$c_1{x}_1+c_2{x}_2+....+c_m{x}_m=\sum _{i=1}^m{c}_i{x}_i$$

称为元素组$$x_1,x_2,...x_m$$的一个线性组合。

线性表示：V中的某个元素x可以表示为其中某个元素组的线性组合，则称x可由该该元素组线性表示。

线性相关性：如果存在一组不全为0 的数$$c_1,c_2,...c_mϵK$$，使得对于元素$$x_1,x_2,...x_mϵV$$有$$\sum _{i=1}^m{c}_i{x}_i=0$$,则称元素组$$x_1,x_2,...x_m$$线性相关，否则称其线性无关。

6 维数： 线性空间V中线性无关向量组所含向量最大个数称为V的维数；

若n是具有这个性质的正整数，则称V的维数是n,记为dimV = n

7 维数是n的线性空间称为数域K上的n维线性空间，记为$$V^n$$,当$$n=+\infty$$时，称为无限线性空间（例如多项式空间$$P_n(1,t,t^1,t^2,...t^n,...)$$都是线性无关的元素）。

8 维数与所选数域有关：

如果V = C,K = R,则dim V. = 2（因为$$a+bi$$,若要找到最大线性无关组，因为$$c_i$$只能取实数范围内的数，所以最大线性无关组有2个(1,i)）；

如果V = C,K = C,则，dim V = 1（因为$$c_i$$是可以取到 i 的，所以其最大线性无关组取1就可）。

9 设V是数域K上的线性空间，$$x_1,x_2,...x_r(r>=1)$$是属于V的r个任意元素，如果满足：

（1）$$x_1,x_2,...x_r$$线性无关；（2）V中的任一向量x均可由$$x_1,x_2,...x_r$$线性表示

则称其为V的一个基，并称$$x_i(i=1,2,3....r)$$为基向量。

10 称线性空间$$V^n$$的一个基$$x_1,x_2,...x_n$$为$$V^n$$的一个坐标系，对于任意的$$xϵV^n$$,它在该基下的线性表示为$$\sum _{i=1}^n{\xi }_i{x}_i,({\xi }_iϵK,x_iϵV,i=1,2,...n)$$,则称$${\xi }_1,{\xi }_2,....{\xi }_n$$为x在该坐标系中的坐标或分量记为：$$({\xi }_1,{\xi }_2,....{\xi }_n{)}^T$$.

11 设线性空间$$V^n$$的一个基$$x_1,x_2,...x_m$$,抽象的向量$$y,y_1,y_2,....y_m$$在该基下的坐标依次为$$\alpha ,{\alpha }_1,{\alpha }_2,...{\alpha }_m$$则有：（元素线性相关推出向量线性相关；一个元素可由其他元素线性表示，推出一个向量可由其他向量线性表示）

（1）$$y$$可由$$y_1,y_2,...y_m$$线性表示的充要条件是$$\alpha$$可由$${\alpha }_1,{\alpha }_2,...{\alpha }_m$$线性表示；

（2）$$y_1,y_2,...y_m$$线性相关的充要条件是$${\alpha }_1,{\alpha }_2,...{\alpha }_m$$线性相关；

（3）$$y_{i_1},y_{i_2},...y_{i_r}$$是$$y_1,y_2,...y_m$$的最大线性无关组的充要条件是$${\alpha }_{i_1},{\alpha }_{i_2},...{\alpha }_{i_r}$$是$${\alpha }_1,{\alpha }_2,...{\alpha }_m$$的最大线性无关组。

（1）的证明：

$$y=k_1{y}_1+k_2{y}_2+...+k_m{y}_m$$

又因为（设$$x_1,x_2,...x_mϵV$$为基向量）：$$y_i=(x_1,x_2,...x_m)({\alpha }_{i1},{\alpha }_{i2},...{\alpha }_{im})=(x_1,x_2,...x_m){\alpha }_i$$

所以：$$y=k_i{y}_i=k_i(x_1,x_2,...x_m){\alpha }_i=(x_1,x_2,...x_m)(k_1{\alpha }_1+k_2{\alpha }_2+...+k_m{\alpha }_m)$$

12 旧基与新基

两者都是基，可以相互线性表示

设：$$x_1,x_2,...x_n$$是$$V^n$$的旧基，$$y_1,y_2,...y_n$$是$$V^n$$的新基，则：

$$y_j=\sum _{i=1}^n{c}_{ij}{x}_i,(i=1,2,...,n)$$

即： [ y 1 , y 2 , . . . , y n ] = [ x 1 , x 2 , . . . x n ] { C 1 C 2 . . . C n } [y_1,y_2,...,y_n] = [x_1,x_2,...x_n] \left\{ C_{1} C_{2} ...C_{n}\right\} [y1​,y2​,...,yn​]=[x1​,x2​,...xn​]{C1​C2​...Cn​}

其中：$$C_i=[c_{i1},c_{i2},...c_{in}{]}^T$$

因此：$$[y_1,y_2,...,y_n]=[x_1,x_2,...x_n]C$$

C被称为过渡矩阵，且C是可逆的（因为列向量是线性无关的，元素组（$$y_1,y_2,...,y_n$$）线性无关，因此坐标线性（C）无关）

13 基是不唯一的；

不同基，坐标表示是不唯一的。

14 旧基线性表示：

设：$$xϵV^n$$,它在旧基下的线性表示为：$$x=\sum _{i=1}^n{\xi }_1{x}_i=[x_1,x_2,...x_n][{\xi }_1,{\xi }_2,...{\xi }_n{]}^T$$

x 的坐标就为：$$[{\xi }_1,{\xi }_2,...{\xi }_n]$$

15 新基下的线性表示：

$$x=\sum _{i=1}^n\sum _{i=1}^n{\xi }_i^{\prime }{y}_i=[y_1,y_2,...y_n][{\xi }_1^{\prime },{\xi }_2^{\prime },...{\xi }_n^{\prime }{]}^T$$

16 新基与旧基可以相互进行线性表示：

$$[x_1,x_2,...x_n][{\xi }_1,{\xi }_2,...{\xi }_n{]}^T=[y_1,y_2,...y_n][{\xi }_1^{\prime },{\xi }_2^{\prime },...{\xi }_n^{\prime }{]}^T=[x_1,x_2,...x_n]C[{\xi }_1^{\prime },{\xi }_2^{\prime },...{\xi }_n^{\prime }{]}^T$$

17 由于基元素的线性无关性，得到坐标变换关系：

$$C[{\xi }_1^{\prime },{\xi }_2^{\prime },...{\xi }_n^{\prime }{]}^T=[{\xi }_1,{\xi }_2,...{\xi }_n{]}^T$$

因此：$$[{\xi }_1^{\prime },{\xi }_2^{\prime },...{\xi }_n^{\prime }{]}^T=C^{-1}[{\xi }_1,{\xi }_2,...{\xi }_n{]}^T$$

18 例题1：