集合的线性生成(linear span)
定义一: 设 V 是 k维向量空间,M是V的子集且非空,则M的linear span的显示表达式为
s
p
a
n
M
=
{
∑
i
=
1
r
α
i
v
1
∣
r
∈
N
,
α
i
∈
k
,
v
i
∈
M
,
i
=
1
,
…
,
r
}
span\, M= \{\sum_{i=1}^{r} \alpha_i v_1 \vert r \in N, \alpha_i \in k, v_i \in M, i=1,\dots,r \}
spanM={i=1∑rαiv1∣r∈N,αi∈k,vi∈M,i=1,…,r}
定义二: 设 V 是 k维向量空间,M是V的子集且非空,则M的linear span的定义为
s
p
a
n
M
=
∩
M
⊆
U
U
i
s
a
s
u
b
s
p
a
c
e
o
f
V
U
span\, M=\cap_{M \subseteq U \atop U\, is\, a\, subspace\, of\, V} U
spanM=∩UisasubspaceofVM⊆UU
根据定义二可以推出span算子是hull算子,V的所有子空间构成的集合是它的包系统。
集合的闭包(包含集合M的最小闭集)
定义一:在向量空间V中,
c
l
:
2
V
→
2
V
cl: \, 2^V \to 2^V
cl:2V→2V定义为
c
l
M
=
∩
M
⊆
N
N
⊂
V
且
为
闭
集
N
cl\, M= \cap_{M \subseteq N \atop N \subset V且为闭集} N
clM=∩N⊂V且为闭集M⊆NN
根据定义一可以推断出闭包算子是包算子。
定义二: 在向量空间V中,
c
l
:
2
V
→
2
V
cl: \, 2^V \to 2^V
cl:2V→2V定义为
c
l
M
=
{
x
∣
∀
ε
>
0
,
B
ε
(
x
)
∩
M
≠
∅
}
cl\, M=\{ x \vert \forall \varepsilon>0, B_{\varepsilon}(x) \cap M \neq \empty \}
clM={x∣∀ε>0,Bε(x)∩M=∅}
定义三: 在向量空间V中,
c
l
M
cl\, M
clM等价于集合
M
M
M的极限点的集合。
c
l
M
=
{
x
∣
∃
{
x
k
}
⊆
M
,
s
.
t
.
lim
k
→
∞
x
k
=
x
}
cl \, M=\{ x \vert \exists \{ x_k \} \subseteq M, s.t.\, \lim_{k \to \infty} x^k=x \}
clM={x∣∃{xk}⊆M,s.t.k→∞limxk=x}
定义四: 在向量空间V中,
c
l
M
cl\, M
clM等于
c
l
M
=
∩
ε
>
0
(
M
+
ε
B
)
cl M=\cap_{\varepsilon >0} (M+\varepsilon B)
clM=∩ε>0(M+εB)
集合(或向量)的仿射包(包含此集合或向量最小的仿射集)
定义一:对于集合
M
⊂
R
n
M \subset R^n
M⊂Rn,它的仿射包被定义为
a
f
f
M
=
∩
M
⊂
S
S
a
f
f
i
n
e
S
aff \;M=\cap_{M \subset S \atop S\, affine} S
affM=∩SaffineM⊂SS
也就是说 aff M是包含M的最小仿射集。
可以证明仿射包是包算子。
定义二:对于非空集合
M
⊂
E
M \subset E
M⊂E的所有包组合集合记为
A
(
M
)
A(M)
A(M)
A
(
M
)
=
{
∑
i
=
1
r
α
i
v
i
∣
r
∈
N
,
v
i
∈
M
,
α
i
∈
R
,
i
=
1
…
,
r
,
∑
i
=
1
r
α
i
=
1
}
A(M)=\{ \sum_{i=1}^{r} \alpha_i v_i \vert r \in N, v_i \in M, \alpha_i \in R, i=1\dots,r, \sum_{i=1}^{r} \alpha_i=1 \}
A(M)={i=1∑rαivi∣r∈N,vi∈M,αi∈R,i=1…,r,i=1∑rαi=1}
aff M是M中点的所有包组合,即
a
f
f
M
=
A
(
M
)
aff\; M=A(M)
affM=A(M)
定义三:对于
x
0
,
x
1
,
…
,
x
k
∈
E
x_0,x_1,\dots, x_k\in E
x0,x1,…,xk∈E,则
a
f
f
{
x
0
,
x
1
,
…
,
x
k
}
=
x
0
+
s
p
a
n
{
x
1
−
x
0
,
…
,
x
k
−
x
0
}
aff\{ x_0,x_1,\dots,x_k \}=x_0 + span\{ x_1-x_0,\dots,x_k-x_0 \}
aff{x0,x1,…,xk}=x0+span{x1−x0,…,xk−x0}
如果
{
x
0
,
…
,
x
k
}
\{x_0, \dots, x_k\}
{x0,…,xk}包含0,则
a
f
f
{
x
0
,
x
1
,
…
,
x
k
}
=
s
p
a
n
{
x
0
,
x
1
,
…
,
x
k
}
aff\{ x_0,x_1,\dots,x_k \}=span\{ x_0,x_1,\dots,x_k \}
aff{x0,x1,…,xk}=span{x0,x1,…,xk}
仿射独立
定义一:向量
x
0
,
…
,
x
k
∈
E
x_0,\dots, x_k \in E
x0,…,xk∈E是仿射独立的,当且仅当
x
1
−
x
0
,
…
,
x
k
−
x
0
x_1-x_0,\dots,x_k-x_0
x1−x0,…,xk−x0是线性独立的。
定义二:向量
x
0
,
…
,
x
k
∈
E
x_0,\dots, x_k \in E
x0,…,xk∈E是仿射独立的,当且仅当
(
x
0
,
1
)
,
…
,
(
x
p
,
1
)
∈
E
⊗
R
(x_0,1),\dots, (x_p,1)\in E \otimes R
(x0,1),…,(xp,1)∈E⊗R是线性独立的。(扩展向量线性独立)
定义三:向量
x
0
,
…
,
x
k
∈
E
x_0,\dots, x_k \in E
x0,…,xk∈E是仿射独立的,当且仅当等式
0
=
∑
i
=
0
p
α
i
x
i
,
0
=
∑
i
=
0
p
α
i
0=\sum_{i=0}^{p} \alpha_i x_i, 0=\sum_{i=0}^{p} \alpha_i
0=i=0∑pαixi,0=i=0∑pαi
有唯一解
α
0
=
⋯
=
α
p
=
0
\alpha_0=\dots=\alpha_p=0
α0=⋯=αp=0
(仿射)超平面
定义一:
H
=
{
x
∈
R
n
:
α
T
x
=
r
}
H=\{ x\in R^n:\alpha ^T x=r \}
H={x∈Rn:αTx=r}
满足上式的所有x组成的集合称为
R
n
R^n
Rn中的仿射超平面。 其中
α
\alpha
α被称为法向量,因为在仿射场面的任意一个向量都垂直于
α
\alpha
α,
α
T
(
x
1
−
x
2
)
=
0
\alpha^T(x_1-x_2)=0
αT(x1−x2)=0,
x
1
,
x
2
∈
H
x_1,x_2 \in H
x1,x2∈H。
定义二:R 的维数为
1
−
n
1-n
1−n 的仿射集H 称为
R
n
R^n
Rn中的超平面。
两个定义的等价性证明见组合数学第四章讲义。
凸包
定义一:令
M
∈
E
M\in E
M∈E是非空集合。定义
M
M
M的凸包为
c
o
n
v
M
=
∩
M
⊆
C
C
c
o
n
v
e
x
C
conv\; M= \cap_{M \subseteq C\atop C convex} C
convM=∩CconvexM⊆CC
定义二:集合M的凸包等于集合元素的凸组合
c
o
n
v
M
=
{
∑
i
=
1
r
λ
i
x
i
∣
r
∈
N
,
λ
i
∈
Δ
r
,
x
i
∈
M
,
i
=
1
,
…
,
r
}
conv\; M=\{ \sum_{i=1}^{r} \lambda_i x_i \vert r \in N, \lambda_i \in \Delta_r, x_i \in M, i=1,\dots,r \}
convM={i=1∑rλixi∣r∈N,λi∈Δr,xi∈M,i=1,…,r}
定义三:(Caratheodory’s theorem)令
M
⊆
E
M \subseteq E
M⊆E非空,
N
=
∣
E
∣
N=\vert E \vert
N=∣E∣。则每个M的凸包的元素可以写为M中至多N+1个元素的凸组合。
c
o
n
v
M
=
{
∑
i
=
1
N
+
1
λ
i
x
i
∣
λ
i
∈
Δ
N
+
1
,
x
i
∈
M
,
i
=
1
,
…
,
N
+
1
}
conv\; M=\{ \sum_{i=1}^{N+1} \lambda_i x_i \vert \lambda_i \in \Delta_{N+1}, x_i \in M, i=1,\dots,N+1 \}
convM={i=1∑N+1λixi∣λi∈ΔN+1,xi∈M,i=1,…,N+1}
注:E代表任意的欧式空间
Δ
r
\Delta_r
Δr 代表r阶单纯形