我猜你不懂矩阵分析？？？机器人控制、SLAM先导知识 ——（1.1）线性空间

---

1.1、线性空间

给定非空集合$V$和域$\mathbb{F}$，若存在映射$\sigma$：$V\times V\to V$、$(V_1,V_2)\mapsto \sigma （V_1,V_2)$则称$\sigma$为$V$上的加法。

---

1.1.1 域

域： 有+，-，×，÷的一个运算系统。

那么什么不是域呢？
Z + = { 0 , 1 , 2 , 3 , 4 , . . . } Z_+ = \{0, 1, 2, 3, 4, ...\} Z+​={ 0,1,2,3,4,...}这就不是个域，因为不存在除法、减法的运算，0-1不再$Z_{+}$的集合内了。
Z = { 0 , ± 1 , ± 2 , . . . } Z=\{0, ±1, ±2, ...\} Z={ 0,±1,±2,...}这也不是个域，因为不存在除法的运算。
关于一个运算是否封闭是一个很重要的问题。

那有理数（rational number，两个整数的比）集呢？ 当然是！所以成为有理数域。故可以写做$\mathbb{Q}$ —— 这种叫黑板体，表示一个域的时候这样写。当然还有实数（Real Number）域$\mathbb{R}$和复数（Complex Number）域$\mathbb{C}$。

---

1.1.2 卡氏积

×：集合的卡氏积（Cartesian Product）

S 1 × S 2 = { [ s 1 s 2 ] ∣ s 1 ∈ S 1 , s 2 ∈ S 2 } S_1×S_2=\{ \begin{bmatrix} s_1 \\ s_2 \\ \end{bmatrix}|s_1\in{S_1},s_2\in{S_2}\} S1​×S2​={ [s1​s2​​]∣s1​∈S1​,s2​∈S2​}
就是形成的元素对。可以通过 把平面和坐标轴的轴线的关系联系起来 通过卡氏积来理解。

加法理解为映射（二元函数）$\sigma ：V\times V\to V$，任意抽取两个值进行加法运算，应当理解为从$V$的卡氏积里抽取一个“对”，是有顺序的。$${\mathbb{R}}^2\to \mathbb{R}$$

---

1.1.3 $\mapsto$

$\mapsto$： 需要注意$\to$和$\mapsto$的区别，第二个坐标多了一道；用法上：
$$A\to B$$$$a\mapsto b$$
这就能看出区别，两者都代表映射关系，$\to$两边都是集合，$\mapsto$两边都是集合里的元素。

举例：函数$sinx$是一个映射，我们这里使用定义域$(-\infty ,\infty )$到值域$[-1,1]$的映射。那么π到0的映射就能写成 π $\mapsto$ 0。

我们需要把固有的概念改变一下，把加法看做二元映射，

---

1.1.4 线性空间

上面都是先导知识，那么设$V$是一个非空集合，$\mathbb{P}$是一个数域，在$V$上定义了一种代数运算，记为“$+$”；定义了$\mathbb{P}$与$V$到$V$的一种代数运算，成为数量乘法（简称数乘），记为“$\cdot$”，如果满足“通常的运算规则”，则称集合$V$为数域$\mathbb{P}$上的线性空间。

通常的运算规则：
熟知的加法交换律，结合律，分配率，有零元，有负元等等。

解释一下有零元，就是“存在$e\in V$，满足$e+v=v$”。其实就是零和任意元素相加都是该元素本身。这里是抽象的概念。
那么有负元，就是“对任意$v\in V$存在$a\in V$使$v+a=e$，$e$是零元，称作$a=-v$”。

对于数乘：

1. $(v_1+v_2)\cdot k=v_1\cdot k+v_2\cdot k$，这里的加法都是向量的加法；
2. $v\cdot (k_1+k_2)=v\cdot k_1+v\cdot k_2$，这里前者加法是两个数字相加，后者是向量的加法；
3. $v\cdot (k\cdot l)=(v\cdot k)\cdot l$，这里有四个乘，第一个、第三个、第四个是数乘；第二个是数字的乘法。

---

为什么做数乘时把数放在向量右边？？

若向量为列向量，数乘法的数写在右侧，若向量为行向量，数乘法的数写在左侧。
原因：$$\left[\begin{array}{c}\frac{1}{2}\\ 1\\ 3\end{array}\right]\cdot 2=\left[\begin{array}{c}1\\ 2\\ 6\end{array}\right]$$可以看做一个$[3,1]$和$[1,1]$的矩阵相乘。

---

$F(I,{\mathbb{R}}^n)$函数空间，$I$是一个区间，${\mathbb{R}}^n$是n个分量的域。例如：$F([0,1],{\mathbb{R}}^2)$，元素为$f=\left[\begin{array}{c}{f}_1(x)\\ f_2(x)\end{array}\right]$，这里的$f_1(x)$和$f_2(x)$均是定义域为$[0.1]$的两个分量，函数空间囊括了如$f$一样的含有多个分量的在$I$区间下的函数元素。
$$f=\lfloor$$