《矩阵理论》大萌课程笔记 - 线性空间与子空间

《矩阵理论》大萌课程笔记 - 线性空间与子空间

---

总目录

章节名称与链接
线性空间与线性变换	线性空间与子空间
	有限维线性空间、基、维数
	线性变换
内积空间
特征值与特征向量
特殊矩阵
矩阵分解
矩阵函数

---

声明

  本专栏博客用于记录上海交通大学研究生课程《矩阵理论》笔记，课程任教老师为邓大萌老师。所有内容均为博主个人的课堂笔记，包括课堂例题与证明。如有不妥、错误之处欢迎大家指正。

---

---

1 线性空间

1.1 引入：n维实数向量($R^n$)

1.1.1 运算法则

线性空间满足下列封闭运算性质

• 加法法则：$R_1^n+R_2^n\in R^n$
• 数乘法则：$\forall k\in R,k{R}^n\in R^n$

1.1.2 运算律

$\forall \alpha ,\beta ,\gamma \in F^n,\forall k,k_1,k_2\in F,\exists :$

• 加法交换律：$\alpha +\beta =\beta +\alpha$
• 加法结合律：$(\alpha +\beta )+\gamma =\alpha +(\beta +\gamma )$
• 乘法交换律：$k\cdot \alpha =\alpha \cdot k$
• 乘法结合律：$(k_1\cdot k_2)\cdot \alpha =k_1\cdot (k_2\cdot \alpha )$
• 乘法分配律1：$(k_1+k_2)\cdot \alpha =k_1\cdot \alpha +k_2\cdot \alpha$
• 乘法分配律2：$(\alpha +\beta )\cdot k=\alpha \cdot k+\beta \cdot k$
• 存在零向量$0$：$0+\alpha =\alpha$
• 存在逆向量$-\alpha$：$\alpha +(-\alpha )=0$

1.1.3 推广至线性空间

$N\to R\to C\to F\to anything$

$F^1\to F^2\to F^3\to F^n\to linearspacing$

例：实系数多项式（记作$P_n(R)$）满足封闭运算条件并且符合八条运算律，属于线性空间;

1.2 线性空间定义与性质

1.2.1 定义

  数域$F$的一个集合$V$集合定义两种运算’$+$‘与’$\cdot$’，使得满足封闭条件【条件1】$V+V\to V$以及$F\cdot V\to V$，并且符合八条运算律【条件2】，则该集合为线性空间

1.2.2 性质

• 线性空间的$0$有且仅有一个

证明：如果线性空间$V$中存在两个0，记作$O_1$与$O_2$

则：$O_1=O_1+O_2=O_2+O_1=O_2$

证毕。

• 线性空间中的任意元素$\alpha$有且只有一个逆元素$-\alpha$

• $k\cdot \alpha ⟺k=0或\alpha =0$

2 子空间

2.1 定义

  设集合$V$为数域$F$上的线性空间，若存在集合$U\subseteq V$且$U$同样为数域$F$上的线性空间，线性空间$U$为线性空间$V$的子空间

两个特殊的子空间：0空间与自身。

2.2 判别方法

集合U满足以下两个条件即为子空间：

• 非空空间/集合
• 运算封闭（加法、数乘均落入自身定义的范围内）

总结：非空封闭

设大空间为$F^n$或$C^n$

例1： U = { ( x , y , z ) ∈ F 3 , x + 2 y + 3 z = 0 } U=\{(x,y,z)\in F^3, x+2y+3z=0\} U={(x,y,z)∈F3,x+2y+3z=0}是线性空间$F^3$的子空间

例2： U = { ( x , y , z ) ∈ F 3 , x + 2 y + 3 z = b } U=\{(x,y,z)\in F^3, x+2y+3z=b\} U={(x,y,z)∈F3,x+2y+3z=b}不是线性空间，因为0不在该集合中，不满足八定律之一

例3： U = { ( x , y , z ) ∈ F 3 , x y z = 0 } U=\{(x,y,z)\in F^3, xyz=0\} U={(x,y,z)∈F3,xyz=0}不是线性空间，更不是子空间。因为加和的封闭性不满足

例4： U = { ( x , y , z ) ∈ F 3 , x 3 = y 3 } U=\{(x,y,z)\in F^3, x^3=y^3\} U={(x,y,z)∈F3,x3=y3}是线性空间

例5： U = { ( x , y , z ) ∈ C 3 , x 3 = y 3 } U=\{(x,y,z)\in C^3, x^3=y^3\} U={(x,y,z)∈C3,x3=y3}不是线性空间，更不是子空间

2.3 子空间的运算

• 交运算：若存在两个线性空间U与W的交集不为空，则相交所得集合为空间U与空间W的子空间。

• 和运算： U + W = { γ = α + β , α ∈ U , β ∈ W } U+W=\{\gamma=\alpha+\beta, \alpha\in U, \beta\in W\} U+W={γ=α+β,α∈U,β∈W}, 和空间是包含W与U的最小子空间。

  注意：不存在并空间，两空间相并不一定是线性空间，加和的封闭状态难以满足，当且仅当U为W的子空间或W为U的子空间时，两空间的并集才是线性空间。

例1： U 1 = { ( x , y , 0 ) ∈ F 3 , x , y ∈ F } U_1=\{(x,y,0)\in F^3, x,y\in F\} U1​={(x,y,0)∈F3,x,y∈F}

​ U 2 = { ( x , x , x ) ∈ F 3 , x ∈ F } U_2=\{(x,x,x)\in F^3, x\in F\} U2​={(x,x,x)∈F3,x∈F}

​ 交空间为：0

​ 和空间为：$F^3$

例2： U 1 = { A = A T , A ∈ R n × n } U_1=\{A=A^T,A\in R^{n\times n}\} U1​={A=AT,A∈Rn×n}

​ U 2 = { A 为 上 三 角 矩 阵 , A ∈ R n × n } U_2=\{A为上三角矩阵,A\in R^{n\times n}\} U2​={A为上三角矩阵,A∈Rn×n}

​ 交空间为：$A为对角矩阵,A\in R^{n\times n}$

​ 和空间为：$R^{n\times n}$

2.4 直和定义与判别方法

2.4.1 直和定义

  $\forall \gamma \in U_1+U_2+...+U_k$有且仅有$\gamma ={\alpha }_1+{\alpha }_2+...+{\alpha }_3$唯一表示，记作$U_1\oplus U_2\oplus ...\oplus U_k$

2.4.2 直和判别

• 一般情况判别：$0=0+0+...+0$
• 只有两个空间时：$U_1\cap U_2=0\iff U_1\oplus U_2$

证明：
反证法，假设$U_1\cap U_2=0\nRightarrow U_1\oplus U_2$，则一定存在$\alpha \in U_1,\beta \in U_2,U_1,U_2\ne 0$使得$\alpha +\beta =0$

​ $\Rightarrow \alpha =-\beta \in U_2\Rightarrow \alpha \in U_1\cap U_2$

​ 又因为$U_1\cap U_2=0,但是\alpha \ne 0$，矛盾！

​ 因此$U_1\cap U_2=0\Rightarrow U_1\oplus U_2$