3.1:线性空间的定义,例子
\quad 目前为止,我们已经得到了以下结论:
\quad
由
n
n
n 个方程组成的
n
n
n 元线性方程组有唯一解的 充分必要条件
为:方程组系数矩阵的行列式不等于
0
0
0 。即
{ a 11 x 1 + a 12 x 2 + ⋯ + a 1 n x n = b 1 a 21 x 1 + a 22 x 2 + ⋯ + a 2 n x n = b 2 ⋮ a n 1 x 1 + a n 2 x 2 + ⋯ + a n n x n = b n 有唯一解 ⟺ ∣ a 11 ⋯ a 1 n ⋮ ⋱ ⋮ a n 1 ⋯ a n n ∣ ≠ 0 \left\{ \begin{array}{c} a_{11}x_1+a_{12}x_2+\cdots +a_{1n}x_n=b_1\\ a_{21}x_1+a_{22}x_2+\cdots +a_{2n}x_n=b_2\\ \vdots\\ a_{n1}x_1+a_{n2}x_2+\cdots +a_{nn}x_n=b_n\\ \end{array} \right. \text{有唯一解} \Longleftrightarrow \left| \begin{matrix} a_{11}&\cdots&a_{1n}\\ \vdots&\ddots&\vdots\\ a_{n1}&\cdots&a_{nn}\\ \end{matrix} \right|\ne 0 ⎩ ⎨ ⎧a11x1+a12x2+⋯+a1nxn=b1a21x1+a22x2+⋯+a2nxn=b2⋮an1x1+an2x2+⋯+annxn=bn有唯一解⟺∣ ∣a11⋮an1⋯⋱⋯a1n⋮ann∣ ∣=0
\quad 但事实上,对于本章一开始提出的大问题而言,仅有这样的结论是远远不够的。比如:
-
当 ∣ a 11 ⋯ a 1 n ⋮ ⋱ ⋮ a n 1 ⋯ a n n ∣ = 0 \left| \begin{matrix}a_{11}& \cdots& a_{1n}\\ \vdots& \ddots& \vdots\\ a_{n1}& \cdots& a_{nn} \end{matrix} \right|=0 ∣ ∣a11⋮an1⋯⋱⋯a1n⋮ann∣ ∣=0 时,线性方程组的解将对应两种不同的情形:无解? 或者 有无穷解? 但究竟是哪一种情形是无法判定的;
-
上述结论仅仅适用于方程组的方程个数 s s s 与未知量个数 n n n 相同的情形,而当 s ≠ n s \ne n s=n 时,又该如何处理呢?
\quad 回到一开始提出的问题:
如何从 n n n 元线性方程组的系数和常数项出发,判定方程组:
(1)是否有解?(2)若有解,有多少解?
目前,这个大问题尚未完全解决,因此需要继续努力!
“宜将剩勇追穷寇,不可沽名学霸王”
\quad 下面给出两个思路:
-
在 n n n 元线性方程组中,设方程的个数为 s s s,未知数的个数为 n n n。当 s ≠ n s \ne n s=n 时,显然无法使用上述结论,但受其启发,我们可以考虑研究系数矩阵的 k k k 阶子式,以期找到求解方法。后续将见到,该思路是可行的,但效果并不明显。
-
线性空间。这也是本章的重点内容。后续将见到,线性空间不仅可以完美地解决线性方程组的求解问题,而且还有更重大的应用!
\quad 先观察一个 n n n 元线性方程:
a 1 x 1 + a 2 x 2 + ⋯ a n x n = b , a i , b ∈ K ( i = 1 , , 2 ⋯ , n ) a_{1}x_{1} + a_{2}x_{2} +\cdots a_{n}x_{n} = b,\quad a_{i} , b \in K (i=1,,2\cdots,n) a1x1+a2x2+⋯anxn=b,ai,b∈K(i=1,,2⋯,n)
其中, n n n 个未知量 x 1 , x 2 , ⋯ , x n x_{1},x_{2},\cdots,x_{n} x1,x2,⋯,xn 分别对应 n n n 个系数 a 1 , a 2 , ⋯ , a n a_{1},a_{2},\cdots,a_{n} a1,a2,⋯,an,并且这种对应是有序的。据此,可以抽象出 n n n 元有序数组的概念。
n n n 元有序数组: ( a 1 , a 2 , ⋯ , a n ) , a i ∈ K , ∀ 1 ≤ i ≤ n (a_{1},a_{2},\cdots,a_{n}),a_{i} \in K,\forall ~ 1 \le i \le n (a1,a2,⋯,an),ai∈K,∀ 1≤i≤n.
\quad 考虑由数域 K K K 上的所有 n n n 元有序数组组成的集合:
K n : = { ( a 1 , a 2 , ⋯ , a n ) ∣ a i ∈ K , ∀ 1 ≤ i ≤ n } . K^{n}:=\{(a_{1},a_{2},\cdots,a_{n}) \mid a_{i} \in K,\forall ~ 1 \le i \le n\}. Kn:={(a1,a2,⋯,an)∣ai∈K,∀ 1≤i≤n}.
基于集合的互异性,我们有必要对 K n K^{n} Kn 规定“元素相等”。
相等:
( a 1 , a 2 , ⋯ , a n ) = ( b 1 , b 2 , ⋯ , a n ) : ⟺ d e f a i = b i , i = 1 , 2 , ⋯ , n . (a_{1},a_{2},\cdots,a_{n}) = (b_{1},b_{2},\cdots,a_{n}):\overset{def}{\Longleftrightarrow} a_{i} = b_{i},i=1,2,\cdots,n. (a1,a2,⋯,an)=(b1,b2,⋯,an):⟺defai=bi,i=1,2,⋯,n.
例 1:平面直角坐标系中,每个向量的坐标都是一个二元有序数组。
\quad 可以借用几何的语言,称 K n K^{n} Kn 中的一个 n n n 元有序数组为一个 n 维向量。
例 2:在平面直角坐标系中,每个向量的坐标都是一个二元有序数组,且每个有序数组(坐标)都唯一的对应着一个向量。平面中的向量有两个运算:向量加法与向量数乘。
例 3:求解线性方程组时,增广矩阵的初等行变换:
-
互换两行的位置;
-
以一个非零数乘以某一行;
-
将某一行的倍数加至另一行上。
\quad 以上两个例子中可以说都涉及到了“加法” 和 “数量乘法” 两种运算。
\quad 很自然地,我们会想:能够在 K n K^{n} Kn 上定义两种运算?
\quad 下面,尝试将这一想法付诸实践,一般地,设 ( a 1 , a 2 , ⋯ , a n ) , ( b 1 , b 2 , ⋯ , b n ) ∈ K n (a_{1},a_{2},\cdots,a_{n}),(b_{1},b_{2},\cdots,b_{n}) \in K^{n} (a1,a2,⋯,an),(b1,b2,⋯,bn)∈Kn, k ∈ K k\in K k∈K.
在 K n K^{n} Kn 上定义加法运算:
( a 1 , a 2 , ⋯ , a n ) + ( b 1 , b 2 , ⋯ , b n ) : = = = def ( a 1 + b 1 , a 2 + b 2 , ⋯ , a n + b n ) . (a_{1},a_{2},\cdots,a_{n}) + (b_{1},b_{2},\cdots,b_{n}) :\overset{\text{def}}{=\!=\!=} (a_{1} + b_{1},a_{2} + b_{2},\cdots,a_{n} + b_{n}). (a1,a2,⋯,an)+(b1,b2,⋯,bn):===def(a1+b1,a2+b2,⋯,an+bn).
在 K n K^{n} Kn 上定义数量乘法运算:
k ⋅ ( a 1 , a 2 , ⋯ , a n ) : = = = def ( k ⋅ a 1 , k ⋅ a 2 , ⋯ , k ⋅ a n ) . k \cdot (a_{1},a_{2},\cdots,a_{n}) :\overset{\text{def}}{=\!=\!=} (k\cdot a_{1},k \cdot a_{2},\cdots,k \cdot a_{n}). k⋅(a1,a2,⋯,an):===def(k⋅a1,k⋅a2,⋯,k⋅an).
\quad 分析可知,上述定义的 n n n 元有序组的运算最终可归结为分量的运算,而每个分量 a i ∈ K ( i = 1 , 2 , ⋯ , n ) a_{i} \in K (i=1,2,\cdots,n) ai∈K(i=1,2,⋯,n),因此又可归结为数域 K K K 上的加法与乘法,容易验证,上述定义是定义良好的(well-defined,或者说,定义是合理的)。
\quad 作完上述定义后,自然而然地要考虑:这样的运算具有怎样的运算性质或运算法则?
\quad 为了方便叙述,我们先对符号作一定的说明和简化。
(1) ∀ ( a 1 , a 2 , ⋯ , a n ) ∈ K n \forall ~ (a_{1},a_{2},\cdots,a_{n}) \in K^{n} ∀ (a1,a2,⋯,an)∈Kn 记作: ∀ α ∈ K n \forall ~ \boldsymbol{\alpha} \in K^{n} ∀ α∈Kn;
(2) ∀ ( b 1 , b 2 , ⋯ , b n ) ∈ K n \forall ~ (b_{1},b_{2},\cdots,b_{n}) \in K^{n} ∀ (b1,b2,⋯,bn)∈Kn 记作: ∀ β ∈ K n \forall ~ \boldsymbol{\beta} \in K^{n} ∀ β∈Kn;
(3) ∀ ( c 1 , c 2 , ⋯ , c n ) ∈ K n \forall ~ (c_{1},c_{2},\cdots,c_{n}) \in K^{n} ∀ (c1,c2,⋯,cn)∈Kn 记作: ∀ γ ∈ K n \forall ~ \boldsymbol{\gamma} \in K^{n} ∀ γ∈Kn;
(4) ∀ k , l ∈ K \forall ~ k,l \in K ∀ k,l∈K.
\quad 不难验证, K n K^{n} Kn 上的运算具有以下性质:
(1)加法交换律: α + β = β + α \boldsymbol{\alpha} + \boldsymbol{\beta} = \boldsymbol{\beta} + \boldsymbol{\alpha} α+β=β+α;
(2)加法结合律: ( α + β ) + γ = α + ( β + γ ) (\boldsymbol{\alpha} + \boldsymbol{\beta}) + \boldsymbol{\gamma} = \boldsymbol{\alpha} + (\boldsymbol{\beta} + \boldsymbol{\gamma}) (α+β)+γ=α+(β+γ);
(3)存在零元: ∃ 0 ∈ K n , s . t . α + 0 = 0 + α = α \exists ~ \boldsymbol{0} \in K^{n},\quad s.t.\quad \boldsymbol{\alpha} + \boldsymbol{0} = \boldsymbol{0} + \boldsymbol{\alpha} = \boldsymbol{\alpha} ∃ 0∈Kn,s.t.α+0=0+α=α;
(4)存在负元: ∀ α ∈ K n , ∃ ( − α ) ∈ K n , s . t . α + ( − α ) = ( − α ) + α = 0 \forall ~ \boldsymbol{\alpha} \in K^{n},\exists ~(-\boldsymbol{\alpha}) \in K^{n},\quad s.t.\quad \boldsymbol{\alpha} + (-\boldsymbol{\alpha}) = (-\boldsymbol{\alpha}) + \boldsymbol{\alpha} = \boldsymbol{0} ∀ α∈Kn,∃ (−α)∈Kn,s.t.α+(−α)=(−α)+α=0;
(5) 1 ⋅ α = α 1\cdot \boldsymbol{\alpha} = \boldsymbol{\alpha} 1⋅α=α;
(6) ( k ⋅ l ) ⋅ α = k ⋅ ( l ⋅ α ) (k \cdot l) \cdot \boldsymbol{\alpha} = k \cdot (l \cdot \boldsymbol{\alpha}) (k⋅l)⋅α=k⋅(l⋅α);
(7) k ⋅ ( α + β ) = k ⋅ α + k ⋅ β k \cdot (\boldsymbol{\alpha} + \boldsymbol{\beta}) = k \cdot \boldsymbol{\alpha} + k \cdot \boldsymbol{\beta} k⋅(α+β)=k⋅α+k⋅β;
(8) ( k + l ) ⋅ α = k ⋅ α + l ⋅ α (k + l) \cdot \boldsymbol{\alpha} = k \cdot \boldsymbol{\alpha} + l \cdot \boldsymbol{\alpha} (k+l)⋅α=k⋅α+l⋅α.
\quad
另外,由
(
4
)
(4)
(4) 可以定义减法运算:
α
−
β
:
=
=
=
def
α
+
(
−
β
)
.
\boldsymbol{\alpha} - \boldsymbol{\beta}:\overset{\text{def}}{=\!=\!=} \boldsymbol{\alpha} + (-\boldsymbol{\beta}).
α−β:===defα+(−β).
\quad 目前为止,我们对 K n K^{n} Kn 规定了加法与数量乘法,并且验证了两种运算的 8 8 8 条运算法则。
定义 1. n n n 维向量空间:由数域 K K K 上的所有 n n n 元有序组构成的集合 K n K^{n} Kn,连同定义在上面的加法和数量乘法运算以及满足的 8 8 8 条运算法则一起称为数域 K K K 上的一个 n 维向量空间。
\quad 事实上,类似于 K n K^{n} Kn 的例子有很多。例如:
(1)直线上,所有以原点 O O O 为起点的向量构成的集合;
(2)平面上,所有以原点 O O O 为起点的向量构成的集合;
(3)……
\quad 这些集合都有共同的特征:
(1)都可以在其上定义加法和数量乘法两种运算;
(2)所定义的两种运算都满足前面所讨论的 8 8 8 条运算法则。
\quad
之后,我们将抓住这两个主要特征,抽象并建立数学模型:线性空间
。
\quad 我们需要严格地定义两种运算,但在此之前,我们论证一下,什么是运算?
\quad 现代数学中有两个最基本的概念:集合、映射。下面,我们将借助于集合与映射,给出“运算”的概念。
\quad 关于集合,大家都很熟悉了(实际上,只需了解集合的一些基本概念即可),这里不在进行叙述。我们重点关注一下映射。先来回顾一下,什么是映射?
定义 2. 映射:设 A A A、 B B B 为两个集合,若存在某个对应法则 f f f,使得 A A A 中的任一元素 a a a,都有 B B B 中唯一的一个元素 b b b 与之对应,则称 f f f 为 A A A 到 B B B 的一个 映射。
f : A ⟶ B ∀ a ⟼ ! b = f ( a ) . \begin{aligned} f: A &\longrightarrow B \\ \forall a &\longmapsto !b = f(a). \end{aligned} f:A∀a⟶B⟼!b=f(a).
\quad 其中,
1 o 1^o 1o f f f 为 对应法则;
2 o 2^o 2o A A A 称为 定义域(domain);
3 o 3^o 3o B B B 称为 陪域(codmian);
4 o 4^o 4o b b b 称为 a a a 在 f f f 在的 像, a a a 称为 b b b 在 f f f 在的一个 原像;
5 o 5^o 5o 满射:若 f ( A ) = B f(A) = B f(A)=B,则称 f f f 为一个 满射;
6 o 6^o 6o 单射:若 A A A 中不同的元素,在 f f f 下的像也不同,则称 f f f 为一个 单射;
7 o 7^o 7o 双射:若 f f f 既是单射又是满射,则称 f f f 为一个 双射,或 一一映射。
有了映射的概念,就可以在集合上定义运算了。
例 4:整数集合中,
(1) + : 2 + 3 = 5 +:2 + 3 = 5 +:2+3=5, ( 2 , 3 ) ⟼ 5 (2,3) \longmapsto 5 (2,3)⟼5;
(2) × : 2 × 3 = 6 \times : 2\times 3 = 6 ×:2×3=6, ( 2 , 3 ) ⟼ 6 (2,3) \longmapsto 6 (2,3)⟼6.
定义 3. 笛卡尔积:设 S S S 为一个非空集合,由 S S S 中的有序元素对组成的集合
{ ( a , b ) ∣ a , b ∈ S } \{(a,b) \mid a,b \in S \} {(a,b)∣a,b∈S}
称为 S S S 与自身的 笛卡尔积,记作 S × S S \times S S×S.
\quad
一般地,设
S
S
S 和
M
M
M 为两个非空集合,由
S
S
S 与
M
M
M 中的元素组成的有序元素对构成的集合
{
(
a
,
b
)
∣
a
∈
S
,
b
∈
M
}
\{(a,b) \mid a\in S,b \in M\}
{(a,b)∣a∈S,b∈M}
称为
S
S
S 与
M
M
M 的 笛卡尔积,记作
S
×
M
S \times M
S×M.
例 5:整数集 Z \mathbb{Z} Z 上的加法运算是 Z × Z \mathbb{Z} \times \mathbb{Z} Z×Z 到 Z \mathbb{Z} Z 的一个映射。
+ : Z × Z ⟶ Z +:\mathbb{Z}\times \mathbb{Z} \longrightarrow \mathbb{Z} +:Z×Z⟶Z
定义 4. 运算:设 S S S 是一个非空集合, S × S S \times S S×S 到 S S S 的一个映射称为 S S S 上的一个 二元代数运算,简称 S S S 上的一个 运算。
有了“运算”的概念,下面来构建数学模型——线性空间。
定义 5. 线性空间:设 V V V 是一个非空集合, K K K 是一个数域,若 V V V 上有一个运算( V × V V\times V V×V 到 V V V 的一个映射)称为加法,即 ( α , β ) ↦ α + β (\boldsymbol{\alpha},\boldsymbol{\beta}) \mapsto \boldsymbol{\alpha} + \boldsymbol{\beta} (α,β)↦α+β; K K K 与 V V V 有一个运算( K × V K \times V K×V 到 V V V 的一个映射)称为数量乘法,即 ( k , α ) ↦ k ⋅ α (k,\boldsymbol{\alpha}) \mapsto k \cdot \boldsymbol{\alpha} (k,α)↦k⋅α,并且满足下述 8 8 8 条运算法则:
1 o 1^o 1o 加法交换律: α + β = β + α \boldsymbol{\alpha} +\boldsymbol{\beta} = \boldsymbol{\beta} + \boldsymbol{\alpha} α+β=β+α, α , β ∈ V \boldsymbol{\alpha},\boldsymbol{\beta} \in V α,β∈V;
2 o 2^o 2o 加法结合律: ( α + β ) + γ = α + ( β + γ ) (\boldsymbol{\alpha} + \boldsymbol{\beta})+ \boldsymbol{\gamma} = \boldsymbol{\alpha} + (\boldsymbol{\beta} + \boldsymbol{\gamma}) (α+β)+γ=α+(β+γ), α , β , γ ∈ V \boldsymbol{\alpha},\boldsymbol{\beta},\boldsymbol{\gamma} \in V α,β,γ∈V;
3 o 3^o 3o 存在零元 0 \boldsymbol{0} 0: α + 0 = 0 + α \boldsymbol{\alpha} + \boldsymbol{0} = \boldsymbol{0} + \boldsymbol{\alpha} α+0=0+α, α ∈ V \boldsymbol{\alpha} \in V α∈V;
4 o 4^o 4o ∀ α ∈ K n \forall \boldsymbol{\alpha} \in K^{n} ∀α∈Kn 存在负元: − α - \boldsymbol{\alpha} −α: α + ( − α ) = ( − α ) + α \boldsymbol{\alpha} + (-\boldsymbol{\alpha}) = (-\boldsymbol{\alpha} )+ \boldsymbol{\alpha} α+(−α)=(−α)+α, α ∈ V \boldsymbol{\alpha} \in V α∈V;
5 o 5^o 5o 存在单位元 1 \boldsymbol{1} 1: 1 ⋅ α = α \boldsymbol{1}\cdot \boldsymbol{\alpha} = \boldsymbol{\alpha} 1⋅α=α, α ∈ V \boldsymbol{\alpha} \in V α∈V;
6 o 6^o 6o ( k ⋅ l ) ⋅ α = k ⋅ ( l ⋅ α ) = l ⋅ ( k ⋅ α ) (k \cdot l) \cdot \boldsymbol{\alpha} = k \cdot (l \cdot \boldsymbol{\alpha}) = l \cdot (k \cdot \boldsymbol{\alpha}) (k⋅l)⋅α=k⋅(l⋅α)=l⋅(k⋅α), k , l ∈ K , α ∈ V k,l \in K,\boldsymbol{\alpha} \in V k,l∈K,α∈V;
7 o 7^o 7o ( k + l ) ⋅ α = k ⋅ α + l ⋅ α (k+l) \cdot \boldsymbol{\alpha} = k \cdot \boldsymbol{\alpha} + l \cdot \boldsymbol{\alpha} (k+l)⋅α=k⋅α+l⋅α, k , l ∈ K , α ∈ V k,l \in K,\boldsymbol{\alpha} \in V k,l∈K,α∈V;
8 o 8^o 8o k ⋅ ( α + β ) = k ⋅ α + k ⋅ β k \cdot (\boldsymbol{\alpha} + \boldsymbol{\beta}) = k \cdot \boldsymbol{\alpha} + k \cdot \boldsymbol{\beta} k⋅(α+β)=k⋅α+k⋅β, k ∈ V , α , β ∈ V k \in V,\boldsymbol{\alpha},\boldsymbol{\beta} \in V k∈V,α,β∈V,
则称 V V V 为数域 K K K 上的一个线性空间,简称 线性空间。
此外,借用几何的语言,可将线性空间 V V V 中的元素视为向量,因此线性空间又可称为 向量空间。
例 6:数域
K
K
K 上的
n
n
n 维向量空间
K
n
K^{n}
Kn 是数域
K
K
K 上的一个线性空间。
K
n
:
=
{
(
a
1
,
a
2
,
⋯
,
a
n
)
∣
a
i
∈
K
,
∀
1
≤
i
≤
n
}
.
K^{n}:=\{(a_{1},a_{2},\cdots,a_{n}) \mid a_{i} \in K,\forall ~ 1 \le i \le n\}.
Kn:={(a1,a2,⋯,an)∣ai∈K,∀ 1≤i≤n}.
例 7:几何空间是实数域
R
\mathbb{R}
R 上的一个线性空间。
R
3
:
=
{
(
x
,
y
,
z
)
∣
x
,
y
,
z
∈
R
}
.
\mathbb{R}^{3}:=\{(x,y,z) \mid x,y,z\in \mathbb{R}\}.
R3:={(x,y,z)∣x,y,z∈R}.
例 8:非空集合
X
X
X 到实数集
R
\mathbb{R}
R 上的一个映射称为 函数。
\quad
这里实际上是对微积分中的函数的一种推广,
X
X
X 不限于实数集
R
\mathbb{R}
R,例如,若
X
=
R
×
R
X = \mathbb{R} \times \mathbb{R}
X=R×R,则为二元函数。
R
X
:
=
{
非空集合
X
上的映射
}
\mathbb{R}^{X}: = \{非空集合 X 上的映射\}
RX:={非空集合X上的映射}
\quad
可在
R
X
\mathbb{R}^{X}
RX 上定义加法:
(
f
+
g
)
(
x
)
:
=
=
=
def
f
(
x
)
+
g
(
x
)
,
∀
f
,
g
∈
R
X
,
∀
x
∈
X
.
(f + g)(x) :\overset{\text{def}}{=\!=\!=} f(x) + g(x),\quad \forall f,g \in \mathbb{R}^{X},\forall x \in X.
(f+g)(x):===deff(x)+g(x),∀f,g∈RX,∀x∈X.
\quad
可在
R
X
\mathbb{R}^{X}
RX 上定义数量乘法:
(
k
⋅
f
)
(
x
)
:
=
=
=
def
k
⋅
f
(
x
)
,
∀
f
∈
R
X
,
∀
k
∈
R
,
∀
x
∈
X
.
(k \cdot f)(x) :\overset{\text{def}}{=\!=\!=} k \cdot f(x) ,\quad \forall f \in \mathbb{R}^{X},\forall k \in \mathbb{R},\forall x \in X.
(k⋅f)(x):===defk⋅f(x),∀f∈RX,∀k∈R,∀x∈X.
\quad
另外,定义
R
X
\mathbb{R}^{X}
RX 中的零元为 零函数:
0
(
x
)
=
0
,
0
∈
R
X
,
∀
x
∈
X
.
0(x) = 0,\quad 0 \in \mathbb{R}^{X},\forall x \in X.
0(x)=0,0∈RX,∀x∈X.
\quad 容易验证 R X \mathbb{R}^{X} RX 是实数域 R \mathbb{R} R 上的一个线性空间。
我们已经有了线性空间的概念,下面从它满足的 8 8 8 条运算法则出发,研究其性质。
线性空间的实例是有很多的,但研究线性空间的性质,不能只研究某一个线性空间的实例,而是应当从定义出发,按照数学的思维方式,以认证式、公理化的方法,从定义、公理和已经证明的定理出发,一步一步地进行逻辑推理。
\quad 一般地,设 V V V 是数域 K K K 上的一个线性空间,则:
性质 1: V V V 中的零元 0 \boldsymbol{0} 0 是唯一的。
证明:
\quad 设 0 1 , 0 2 \boldsymbol{0}_{1},\boldsymbol{0}_{2} 01,02 都是 V V V 的零元,则:
0 1 = 0 2 是零元 0 1 + 0 2 = 加法交换律 0 2 + 0 1 = 0 1 是零元 0 2 . \boldsymbol{0}_{1} \xlongequal{\boldsymbol{0}_{2}是零元} \boldsymbol{0}_{1} + \boldsymbol{0}_{2} \xlongequal{加法交换律} \boldsymbol{0}_{2} + \boldsymbol{0}_{1} \xlongequal{\boldsymbol{0}_{1}是零元} \boldsymbol{0}_{2}. 0102是零元01+02加法交换律02+0101是零元02.
#
性质 2: V V V 中任意元素 α \boldsymbol{\alpha} α 是唯一的。
证明:
\quad 任取 α ∈ V \boldsymbol{\alpha} \in V α∈V,设 β 1 \boldsymbol{\beta}_{1} β1 与 β 2 \boldsymbol{\beta}_{2} β2 都是 α \boldsymbol{\alpha} α 的负元,则
β 1 = 0 为零元 β 1 + 0 = β 2 是负元 β 1 + ( α + β 2 ) = 加法结合律 ( β 1 + α ) + β 2 = β 1 是负元 0 + β 2 = 0 是零元 β 2 . \boldsymbol{\beta}_{1} \xlongequal{\boldsymbol{0}为零元} \boldsymbol{\beta}_1+\boldsymbol{0} \xlongequal{\boldsymbol{\beta}_{2}是负元} \boldsymbol{\beta}_{1} + (\boldsymbol{\alpha}+\boldsymbol{\beta}_{2}) \xlongequal{加法结合律} (\boldsymbol{\beta}_{1}+\boldsymbol{\alpha}) + \boldsymbol{\beta}_{2} \xlongequal{\boldsymbol{\beta}_{1}是负元} \boldsymbol{0} + \boldsymbol{\beta}_{2} \xlongequal{\boldsymbol{0} 是零元} \boldsymbol{\beta}_{2}. β10为零元β1+0β2是负元β1+(α+β2)加法结合律(β1+α)+β2β1是负元0+β20是零元β2.
#
性质 3: 0 ⋅ α = 0 , ∀ α ∈ V 0 \cdot \boldsymbol{\alpha} = \boldsymbol{0},\forall \boldsymbol{\alpha} \in V 0⋅α=0,∀α∈V.
证明:
0 ⋅ α = ( 0 + 0 ) ⋅ α = 0 ⋅ α + 0 ⋅ α . 0 \cdot \boldsymbol{\alpha} = (0 + 0) \cdot \boldsymbol{\alpha} = 0 \cdot \boldsymbol{\alpha} + 0 \cdot \boldsymbol{\alpha}. 0⋅α=(0+0)⋅α=0⋅α+0⋅α.
显然 0 ⋅ α ∈ V 0 \cdot \alpha \in V 0⋅α∈V 存在负元 ( − 0 ⋅ α ) (-0\cdot \boldsymbol{\alpha}) (−0⋅α),等式两边同加 ( − 0 ⋅ α ) (-0\cdot \boldsymbol{\alpha}) (−0⋅α),即有
0 ⋅ α = 0 . 0 \cdot \boldsymbol{\alpha} = \boldsymbol{0}. 0⋅α=0.
#
性质 4: k ⋅ 0 = 0 , ∀ k ∈ K , ∀ α ∈ V k \cdot \boldsymbol{0} = \boldsymbol{0},\forall k \in K,\forall \boldsymbol{\alpha} \in V k⋅0=0,∀k∈K,∀α∈V.
证明 1:
k ⋅ 0 = k ⋅ ( 0 + 0 ) = k ⋅ 0 + k ⋅ 0 . k \cdot \boldsymbol{0} = k \cdot (\boldsymbol{0} + \boldsymbol{0}) = k \cdot \boldsymbol{0} + k \cdot \boldsymbol{0}. k⋅0=k⋅(0+0)=k⋅0+k⋅0.
显然, k ⋅ 0 ∈ V k \cdot \boldsymbol{0} \in V k⋅0∈V 存在负元 − k ⋅ 0 - k \cdot \boldsymbol{0} −k⋅0,等式两边同加 − k ⋅ 0 - k \cdot \boldsymbol{0} −k⋅0,即有
k ⋅ 0 = 0 . k \cdot \boldsymbol{0} = \boldsymbol{0}. k⋅0=0.
#
性质 5:若 k ⋅ α = 0 k \cdot \boldsymbol{\alpha} = \boldsymbol{0} k⋅α=0,则或者 k = 0 k=0 k=0,或者 α = 0 \boldsymbol{\alpha} = \boldsymbol{0} α=0.
证明:
\quad
若
k
=
0
k=0
k=0,则由 性质 3
得证。
\quad 若 $k \ne 0 $,则
α = 1 ⋅ α = ( k − 1 ⋅ k ) ⋅ α = k − 1 ⋅ ( k ⋅ α ) = k − 1 ⋅ 0 = 0 . \boldsymbol{\alpha} = 1 \cdot \boldsymbol{\alpha} = (k^{-1} \cdot k) \cdot \boldsymbol{\alpha} = k^{-1} \cdot (k \cdot \boldsymbol{\alpha}) = k^{-1} \cdot \boldsymbol{0} = \boldsymbol{0}. α=1⋅α=(k−1⋅k)⋅α=k−1⋅(k⋅α)=k−1⋅0=0.
#
性质 6: ( − 1 ) ⋅ α = − α (-1)\cdot \boldsymbol{\alpha} = -\boldsymbol{\alpha} (−1)⋅α=−α.
证明:
( − 1 ) ⋅ α = ( − 1 ) ⋅ α + 0 = ( − 1 ) ⋅ α + ( α + ( − α ) ) = ( − 1 ) ⋅ α + ( 1 ⋅ α + ( − α ) ) = ( ( − 1 ) ⋅ α + 1 ⋅ α ) + ( − α ) = ( ( − 1 ) + 1 ) ⋅ α + ( − α ) = 0 ⋅ α + ( − α ) = − α . \begin{aligned} (-1) \cdot \boldsymbol{\alpha} &= (-1) \cdot \boldsymbol{\alpha} + \boldsymbol{0} \\ &= (-1) \cdot \boldsymbol{\alpha} + (\boldsymbol{\alpha} + (-\boldsymbol{\alpha})) \\ &= (-1) \cdot \boldsymbol{\alpha} + (1 \cdot \boldsymbol{\alpha} + (-\boldsymbol{\alpha})) \\ &= ((-1) \cdot \boldsymbol{\alpha} + 1 \cdot \boldsymbol{\alpha}) + (-\boldsymbol{\alpha}) \\ &= ((-1)+1) \cdot \boldsymbol{\alpha} + (-\boldsymbol{\alpha}) \\ &= 0 \cdot \boldsymbol{\alpha} + (-\boldsymbol{\alpha}) \\ &= -\boldsymbol{\alpha}. \end{aligned} (−1)⋅α=(−1)⋅α+0=(−1)⋅α+(α+(−α))=(−1)⋅α+(1⋅α+(−α))=((−1)⋅α+1⋅α)+(−α)=((−1)+1)⋅α+(−α)=0⋅α+(−α)=−α.
#
至此,我们直接从线性空间的定义涵盖的 8 8 8 条运算法则入手,分析出了 6 6 6 条性质。
参考:
- 邱维声. 高等代数课程. 哔哩哔哩.
- 邱维声. 高等代数——大学高等代数课程创新教材(上册),北京:清华大学出版社,2010.06.
- 邱维声. 高等代数——大学高等代数课程创新教材(下册),北京:清华大学出版社,2010.10.