1.4 子空间
子空間
二維平面經常研究直線,三維空間經常研究平面,它們都是整個空間的部分空間。整個空間是向量集合,那部分空間應該是其子集,所以部分空間稱為子空間。無關組是基的子集,基的線性組合可以表示整個空間,那無關組的線性組合是否可以表示子空間呢?
無關組張成子空間
二維空間中任意向量可分解為任意不共線的兩個向量和,三維空間中任意向量可也分解為兩個向量和:一個向量位于任意平面內,另一個向量位于平面外。那整個空間也可以分解為兩個子空間的和嗎?
解開空間分解的鑰匙在于基!令 mmm 維空間基為 V=(v1,?,vm)V = (\mathbf{v_1},\cdots,\mathbf{v_m})V=(v1?,?,vm?) ,其線性組合表示的向量集合為
S(V)={α1v1+?+αmvm}S(V)=\{\alpha_1\mathbf{v_1}+\cdots+\alpha_m\mathbf{v_m}\} S(V)={α1?v1?+?+αm?vm?}
以前都是把基作為一個整體看,現在換個角度看,世界就變了!
假設基任意分為兩個互補的無關組,例如 V1=(v1,?,vk)V_1 = (\mathbf{v_1},\cdots,\mathbf{v_k})V1?=(v1?,?,vk?) 和 V2=(vk+1,?,vm)V_2 = (\mathbf{v_{k+1}},\cdots,\mathbf{v_m})V2?=(vk+1?,?,vm?) , k≥1且k<mk \ge 1 \quad 且 \quad k < mk≥1且k<m ,上式變為,
S(V)={α1v1+?+αmvm}={(α1v1+?+αkvk)+(αk+1vk+1+?+αmvm)}={S1(V1)+S2(V2)}S(V) = \{\alpha_1\mathbf{v_1}+\cdots+\alpha_m\mathbf{v_m}\}\\ = \{(\alpha_1\mathbf{v_1} + \cdots + \alpha_k\mathbf{v_k}) + (\alpha_{k+1}\mathbf{v_{k+1}} + \cdots + \alpha_m\mathbf{v_m})\} \\ = \{S_1(V_1) + S_2(V_2)\} S(V)={α1?v1?+?+αm?vm?}={(α1?v1?+?+αk?vk?)+(αk+1?vk+1?+?+αm?vm?)}={S1?(V1?)+S2?(V2?)}
這兩個向量組都是基的子集,所以它們是無關組。 S1(V1)S_1(V_1)S1?(V1?) 是無關組 V1V_1V1? 的線性組合表示的向量集合, S2(V2)S_2(V_2)S2?(V2?) 是無關組 V2V_2V2? 的線性組合表示的向量集合。既然基的線性組合表示的向量集合是整個空間,那基的子集線性組合表示的向量集合,也是個空間,稱為子空間。
定義 子空間 基的子集線性組合表示向量的集合,也稱子集張成的空間。
那子空間幾何圖像是什么呢?舉例如下,二維空間中,假設基為: V=(v1=(1,0),v2=(0,1))V = (\mathbf{v_1}=(1,0),\mathbf{v_2}=(0,1))V=(v1?=(1,0),v2?=(0,1)) 。子集只有一個向量,如 v1\mathbf{v_1}v1? ,其線性組合是 αv1\alpha\mathbf{v_1}αv1? ,表示一條直線!直線是二維平面的子空間,直線具體為 (α,0)(\alpha,0)(α,0) 即 xxx 軸。子集 v2\mathbf{v_2}v2? 張成的子空間是 yyy 軸。
三維空間中,假設基為: V=(v1=(1,0,0),v2=(0,1,0),v3=(0,0,1))V = (\mathbf{v_1}=(1,0,0),\mathbf{v_2}=(0,1,0),\mathbf{v_3}=(0,0,1))V=(v1?=(1,0,0),v2?=(0,1,0),v3?=(0,0,1)) 。子集是 v1\mathbf{v_1}v1? 時,其線性組合是 αv1\alpha\mathbf{v_1}αv1? ,表示一條直線!直線是三維空間的子空間,直線具體為 (α,0,0)(\alpha,0,0)(α,0,0) 即 xxx 軸。子集 v2\mathbf{v_2}v2? 張成的子空間是 yyy 軸,子集 v3\mathbf{v_3}v3? 張成的子空間是 zzz 軸。
子集是 {v1,v2}\{\mathbf{v_1},\mathbf{v_2}\}{v1?,v2?} 時,其線性組合是 αv1+βv2\alpha\mathbf{v_1}+\beta\mathbf{v_2}αv1?+βv2? ,表示一個平面!平面是三維空間的子空間,平面由這兩個向量確定,具體為 (α,β,0)(\alpha,\beta,0)(α,β,0) 即 xyxyxy 平面。
定義 子空間維度 無關組張成的子空間的維度等于無關組中向量的數量。
這個定義和 mmm 維空間的維度相融,因為 mmm 維空間中無關組中向量的數量是 mmm 。
比如三維空間中任意過原點的平面是子空間,維度是2維;二維平面中任意過原點的直線是子空間,維度是1維。
特別強調下,原點 0\mathbf{0}0 向量構成一個0維子空間。
定義 子空間基 子空間的基就是張成該子空間的無關組。
比如三維空間中任意過原點的平面是子空間,子空間基就是該平面內任意兩個不共線的向量;二維平面中任意過原點的直線是子空間,子空間基就是該直線內任意向量。
子空間的基,如果空間的基一樣,有無窮多種,也是正交基最簡。
比如三維空間中,假設無關組為: V1=(v1=(1,0,0),v2=(0,1,0))V_1 = (\mathbf{v_1}=(1,0,0),\mathbf{v_2}=(0,1,0))V1?=(v1?=(1,0,0),v2?=(0,1,0)) 。其線性組合是 αv1+βv2\alpha\mathbf{v_1}+\beta\mathbf{v_2}αv1?+βv2? ,表示 xyxyxy 平面,即 (α,β,0)(\alpha,\beta,0)(α,β,0) ,基是標準正交基。另一無關組為: V2=(v1=(1,1,0),v2=(2,1,0))V_2 = (\mathbf{v_1}=(1,1,0),\mathbf{v_2}=(2,1,0))V2?=(v1?=(1,1,0),v2?=(2,1,0)) 。其線性組合是 αv1+βv2\alpha\mathbf{v_1}+\beta\mathbf{v_2}αv1?+βv2? ,同樣表示 xyxyxy 平面,即 (α+2β,α+β,0)(\alpha+2\beta,\alpha+\beta,0)(α+2β,α+β,0) ,基是普通基。這兩個無關組都是 xyxyxy 平面的基。
定義 無關組等價 無關組張成同一子空間。
等價無關組中向量數量等于子空間維度。這個概念是從幾何上判斷無關組等價,無關組向量可互相表示是從代數上判斷等價。做到數形結合,才能真正理解概念。
線性空間
無關組張成的空間是線性空間,那什么是線性空間呢?是不是平面內任意直線都是線性空間,三維空間中任意直線和平面都是線性空間?不是的,必須是過原點的直線和平面才是線性空間!為什么要這么定義呢?線性空間是向量的集合,必須滿足對向量進行數乘和兩個向量相加后,結果向量位于原空間內,這樣要求后,數學上特別容易處理。
定義 線性空間 線性空間 SSS 是向量集合,集合內向量必須滿足下述兩個性質:
上面兩個性質稱為線性空間的數乘和相加封閉性,即向量數乘和相加后還必須位于空間,即封閉性。
重要性質 根據線性空間的性質1,當實數為0時,線性空間必須包括 0\mathbf{0}0 向量。
如果兩個向量 v∈S\mathbf{v} \in Sv∈S 和 w∈S\mathbf{w} \in Sw∈S ,根據性質1,得 αv∈S\alpha\mathbf{v} \in Sαv∈S 和 βw∈S\beta\mathbf{w} \in Sβw∈S ;再根據性質2得,αv+βw∈S\alpha\mathbf{v} + \beta\mathbf{w} \in Sαv+βw∈S 。
向量的線性組合屬于集合,由于線性組合是線性運算,所以稱為線性空間。
重要性質 對任意數量向量
ifvi∈S(i=1,?,n)thenα1v1+?+αnvn∈Sif \quad \mathbf{v_i} \in S \quad (i=1,\cdots, n) \quad then \quad \alpha_1 \mathbf{v_1} + \cdots + \alpha_n \mathbf{v_n} \in S ifvi?∈S(i=1,?,n)thenα1?v1?+?+αn?vn?∈S
取任意向量組 V=(v1,?,vn)V=(\mathbf{v_1},\cdots,\mathbf{v_n})V=(v1?,?,vn?) ,這樣向量組 VVV 線性組合所表示的所有向量構成了線性空間,記為 S(V)S(V)S(V) ,空間 SSS 稱為由向量組 VVV 張成,向量組 VVV 稱為空間 SSS 的生成向量組。
根據這個定義,當向量組取無關組或基時,就是前面定義的空間,所以前面介紹的空間都是線性空間。后面空間不特別說明,均指線性空間。
線性空間不需要定義向量內積,只需定義向量數乘和加法。定義了內積的線性空間,稱為內積空間,即歐幾里德空間,這是我們最熟悉的空間。
總結