矩陣論 - Part II
概念索引
4 向量空間, 最大線性無關組, 線性(子)空間, 線性空間的維數, 基和座標, 同構映射, 同構空間, 基變換, 過度矩陣, 座標變換, 線性變換, 線性變換的矩陣表示, 相似矩陣, 歐式空間, 內積, 範數, Schwartz不等式, 夾角, 規範正交基, Schmidt正交化過程, 正交矩陣
4 矩陣空間
向量空間
向量空間: n維向量的集合V, 如果對加法和數乘運算封閉, 則集合V稱爲向量空間
生成向量空間
子空間
空間維數
0空間
最大線性無關組: 向量組A中有r個向量(設爲向量組A0)線性無關, 任意r+1個向量線性相關, 則稱A0是一個最大線性無關組, r稱爲向量組的秩, 只含有0向量的向量組沒有最大無關組, 規定其秩爲0
矩陣的秩等於其列向量組的秩, 也等於其行向量組的秩
向量組B可以由向量組A線性表示, 則向量組B的秩不大於向量組A的秩
- 等價的向量組秩相等
- 設C=AB, 則 {R(C)≤R(A)R(C)≤R(B)
- 最大線性無關組的等價定義: 設B是A的部分組, 若B是線性無關組, 且A可以由B線性表示, 則B是A的最大無關組
線性空間
非空集合V, 實數域R(可以爲其他數域), 定義加法和數乘運算兩種運算, 滿足如下性質(λ,μ∈R, α,β,γ∈V):
- 性質1: 加法交換律, α+β=β+α
- 性質2: 加法結合律 (α+β)+γ=α+(β+γ)
- 性質3: V中有O元素 α+O=α
- 性質4: V中任何元素有負元素 ∀α∈V,∃β∈V, s.t. α=−β
- 性質5: V中有單位元I I⋅α=α
- 性質6: λ(μα)=(λμ)α
- 性質7: (λ+μ)α=λα+μα
- 性質8: λ(α+β)=λα+λβ
滿足上述性質的加法和數乘運算稱爲線性運算, 定義線性運算的集合V稱爲線性空間
線性空間的性質
零元素唯一
任一元素的負元素唯一
0α=O,(−1)α=−α,λO=O
若λα=0, 則必有α=O, 或λ=0
線性子空間
線性空間的非空子集, 對於原線性空間加法和數乘運算也構成一個線性空間, 則稱該子集爲原線性空間的線性子空間
線性空間V上的一個非空子集L構成線性子空間的充要條件是: L對V中的線性運算封閉.
線性空間的維數, 基和座標
基a1,a2,⋯,an, 維數n
V中的元素用基元素α線性表示爲: α=x1α1+x2α2+⋯+xnαn, (x1,x2,⋯,xn)稱爲元素alpha在這組基下的座標.
同構
設U, V是數域F上的兩個線性空間, f是U到V的一個映射, 如果滿足:
(1) f是雙射
(2) ∀α,β∈U,有f(α+β)=f(α)+f(β)
(3) ∀α∈U, λ∈F, 有f(λα)=λf(α)
則稱f是U到V的同構映射, 如果U到V的同構映射存在, 則稱U和V同構, 記爲U≅V.
數域F上的任意n維線性空間都與Fn同構
同構映射的基本性質
設f是線性空間U到V的同構映射, 則:
(1) f(0)=0
(2) ∀α∈U, 有f(−α)=−f(α)
(3) ∀αi∈U,λi∈F, 有f(λ1α1+⋯+λnαn)=λ1f(α1)+⋯+λnf(αn)
(4) U中的向量α1,α2,⋯,αn線性相關的充要條件是f(α1),f(α2),⋯,f(αn)線性相關
(5) α1,α2,⋯,αn是U的一個基的充要條件是f(α1),f(α2),⋯,f(αn)是V的一個基
(6) U的子空間在f下的象集是V的子空間
(7) V的子空間在f下的原集是U的子空間
(8) f的逆映射是V到U的同構映射
(9) 若g是線性空間V到W的t同構映射, 則gf是U到W的同構映射
同構關係的性質
反身性: V≅V
對稱性: 若U≅V, 則V≅U
傳遞性: 若U≅V, V≅W, 則U≅W
線性空間同構的一個充要條件
數域F上兩個有限維線性空間同構的充要條件是它們有相同的維數.
同構的線性空間是不加區別的(代數角度), 維數是有限維線性空間的唯一本質特徵.
一般無限維空間可以用有限維逼近, 因此有限維空間應用廣泛, 如FFT等
基變換
設α1,⋯,αn和β1,⋯,βn是n維線性空間Vn的兩組基. 則存在變換使得[β1,⋯,βn]=[α1,⋯,αn]P P稱過度矩陣, 上式稱基變換表示式.
座標變換
設線性空間V中的元素α在兩組基α1,⋯,αn和β1,⋯,βn下的座標分別是[x1,⋯,xn]T和[x1′,⋯,xn′]T, P爲過度矩陣(同上定義), 則兩組基下的座標表示滿足如下座標變換[x1,⋯,xn]T=P[x1′,⋯,xn′]T或[x1′,⋯,xn′]T=P−1[x1,⋯,xn]T
線性變換
設Vn,Um分別是n維和m維線性空間, 如果變換T:Vn→Um滿足:
(1) 可加性: T(α1+α2)=T(α1)+T(α2)
(2) 可數乘性: T(kα)=kT(α)
則稱該變換爲線性變換
若果Um=Vn, 即T是Vn到自身的線性變換, 稱線性空間Vn中的線性變換
線性變換的性質
T(0)=0,T(−α)=−T(α)
β=λ1α1+⋯+λnαn則T(β)=T(λ1α1+⋯+λnαn)=λ1T(α1)+⋯+λnT(αn)
α1,α2,⋯,αn線性相關, 則T(α1),T(α2),⋯,T(αn)線性相關
線性變換T的象T(Vn)是一個線性空間(Um的子空間), 稱爲線性空間T的象空間
集合ST={α∣α∈Vn,T(α)=0}的是Vn的子空間, 集合ST稱爲線性變換T的核
用矩陣表示線性變換
y=T(x)=Ax
Rn中任何線性變換T都可以用矩陣表示 T(x)=Ax,x∈Rn A=[T(e1),T(e2),⋯,T(en)]其中e1,…,en是一組基, 稱A是線性變換T在這組基下的線性表示
上述情況可以推廣到一般的線性空間Vn中, 設α1,…,αn是一組基, 此時對於Vn中的任意元α=∑i=1nxiαi, 其線性變換T(α)=T(i=1∑nxiαi)=[T(α1),…,T(αn][x1,…,xn]T=[α1,…,αn]A[x1,…,xn]T
自行思考此時A的形式
不同基的變換矩陣
在Vn線性空間中, 取定兩組基: α1,…,αn和β1,…,βn, 由基alpha1,…,αn到基β1,…,βn的過度矩陣爲P, Vn的線性變換T在這兩組基條件下的矩陣分別爲A和B, 則有 B=P−1AP
相似矩陣
n階方陣A和B稱爲相似矩陣, 如果存在可逆矩陣P, 使得B=P−1AP成立, P稱爲相似變換矩陣
歐式空間
歐式空間在一般線性空間的基礎上, 引入長度(範數)的定義, 如三維空間中向量(x,y,z)的長度平方爲r2=x2+y2+z2後來在長度定義的基礎上進一步定義了內積, 形成內積空間. 內積空間不僅僅有長度, 還有夾角, 正交等.
歐式空間定義
有內積定義的實線性空間稱爲歐式空間
向量內積
[x,y]=[y,x]
[kx,y]=k[x,y]
[x+y,z]=[x,z]+[y,z]
滿足上述3條性質的運算爲內積運算
無限維空間及內積定義
函數線性空間
[f,g]=[g,f]=∫abgfdx
[kf,g]=k[f,g]=k∫abfgdx
[f1+f2,g]=∫ab(f1+f2)gdx=∫abf1gdx+∫abf2gdx=[f1,g]+[f2,g]
上述函數空間也是內積空間
向量範數
非負性
齊次性 ∥kx∥=∣k∣∥x∥
三角不等式 ∥x+y∥≤∥x∥+∥y∥
Schwartz不等式
[x,y]2≤[x,x][y,y] ∣[x,y]∣≤∥x∥∥y∥當且僅當x,y線性相關時等號成立
向量的夾角
∥x∥,∥y∥=0, 則x,y之間的夾角定義爲θ=arccos∥x∥∥y∥[x,y]
正交
[x,y]=0, 則x,y正交, 0向量和所有向量正交
函數空間中也有夾角和正交的概念θ=arccos∣∣f∣∣∣∣g∣∣[f,g] ∫abfg=0
兩兩正交向量組線性無關
如果向量組α1,…,αn是兩兩正交的非零向量, 則α1,…,αn線性無關,
正交基
n維空間中n個兩兩正交的基, 構成該空間的一組正交基
規範正交基
都是單位向量的正交基稱規範正交基
規範正交基下的座標表示
e1,…,en是規範正交基, 元素α在這組基下的座標滿足 xi=[α,ei],i=1,2,…,n
Schmidt正交化過程
⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧b1=a1b2=a2−[b1,b1][b1,a2]b1b3=a3−[b1,b1][b1,a3]b1−[b2,b2][b2,a3]b2⋮br=ar−[b1,b1][b1,ar]b1−[b2,b2][b2,ar]b2−⋯−[br−1,br−1][br−1,ar]br−1
歸一化過程 e1=∣∣b1∣∣b1,e2=∣∣b2∣∣b2,⋯,en=∣∣b1∣∣bn
正交矩陣
n×n的方陣, 滿足ATA=E或AT=A−1
正交矩陣是內積不變的線性變換, 所以也稱正交變換矩陣
座標旋轉矩陣是正交矩陣, 但正交矩陣不一定是座標旋轉矩陣
方陣A是正交矩陣的充要條件是A的行向量(列向量)是Rn中的規範正交基