变量求和_MP122：从线性代数看分析学(1)：差分与求和

函数

对变量均匀等分离散化后，构成时间序列，取其中的一段由

个点构成向量，用列向量记为

。现在用线性代数来讨论离散形式的微积分。

差分算子

将线性空间

上的线性自同态集合记为

易于证明如下定义的差分算子(difference operator)是其中的一个自态射：

上式可以展开为矩阵乘法：

即作为有限维的线性映射，差分算子具有如下的矩阵表示：

二阶差分

线性自同态

的复合仍然是线性自同态，直接计算二阶差分算子有：

相当于对差分再做一次差分：

类似的可以得到高阶差分的矩阵表示。

等价划分

不仅可以在线性空间

上定义差分算子，还可以将其拓展到仿射空间上，若

是仿射空间

的平移空间，则可以类似以上定义差分算子

。显然，仿射空间

上叠加一个常数

不会影响差分的结果，即

，这一关系是一种等价关系，记为

这里用上划线

表示以

为代表的等价类。

差分构造了集合的划分，这一等价的关系是分析学的一个基础概念。注意到差分算子

不是

单同态(monomorphism)，其矩阵表示(3)是不可逆的。对于并非是单同态的映射，通常可以用等价划分的方式来研究。在

中以相同的差分作为等价关系：

这样构成了对

的一个

划分(partition)。

，令

易于验证

。即向量的每个元素之间若相差一个固定的常数，则两个向量具有相同的差分，在微积分中，这一现象就是体现为不定积分中原函数的常数符号。

通过差分算子

诱导出的等价划分(4)，得到一个

满射(surjective map)

称为正则投影(canonical projection)。

求和算子

下式给出了差分算子的逆运算

这就是求和算子，即积分算子的有限维原形。去掉常数项后，求和算子具有矩阵表示，它也是线性算子，记

。

对比(5)中的正则投影可见，求和算子相当于正则投影的逆运算。在连续函数的微积分中，这一关系即是求导和求不定积分的关系。

讨论

以上讨论了

个点离散化后构成的有限时间序列，将其纳入

维线性空间

中，用纯线性代数的方式讨论了差分算子

和求和算子

，且

。不严格地说，当

且将物体延拓到整个

之后，我们实现了对函数

的某种逼近，问题必须置于一个无穷维的线性空间

中讨论。此时差分算子和求和算子，在无穷维护的线性空间中构成了求导算子和积分算子，它们都是

中的线性算子，对它们的研究构成了泛函分析的一个主题。