Professional Documents
Culture Documents
一般化向量空間
大綱
4.1 實數向量空間
4.2 子空間
4.3 線性獨立
4.4 座標與基底
4.5 維度
4.6 基底變換
4.7 列空間、行空間與核空間
4.8 秩、核數與基本的矩陣空間
145
4.1 實數向量空間 (不考)
向量空間公理
定義1
令 V 為某些數學物件所成的任意非空集合,且加法和
純量乘法之運算均有定義。加法是指 V 中的兩物件 u
和 v 的結合成物件 u + v 的運算,稱為 u 和 v 的和。
純量乘法是指 V 中的物件 u 和純量 k 結合成物件 ku
的運算,稱 u 乘以 k 的純量倍數。若 V 中的所有物件
u, v, w 和純量 k, m 都滿足以下公理,則稱 V 為向量空
間,稱 V 中的所有物件為向量。
146
4.1 實數向量空間 (不考)
定 義 1(續)
1. 若 u 和 v 為 V 中的物件,則 u + v 仍是 V 中的
物件。
2. u + v = v + u
3. u + (v + w) = (u + v) + w
4. V 中的物件 0 稱為零向量,對所有 V 中的 u,
使得 0 + u = u + 0 = u。
5. 對所有 V 中的 u,存在物件 –u,稱為負 u,使
得 u + (–u) = (–u) + u = 0。
146
4.1 實數向量空間 (不考)
定 義 1(續)
6. 若 k 為任意純量且 u 是 V 中的物件,則 ku 仍是
V 中的物件。
7. k(u + v) = ku + kv
8. (k + m)u = ku + mu
9. k(mu) = (km)(u)
10. 1u = u
146
4.1 實數向量空間 (不考)
如何證明一具有兩運算的集合為一個向量空間
步驟 1、指定欲成為向量的物件所成之集合V。
步驟 2、指定在 V 中的加法和純量乘法運算。
步驟 3、驗證公理 1 和 6,亦即, V 中的兩向量相加所得
的向量仍在 V 中, V 中的向量乘上一純量倍數所得的向量
仍在 V 中。公理 1 稱為加法封閉性(closure
underaddition),公理 6 稱為純量乘法封閉性(closure
under scalar multiplication)。
步驟 4、確認滿足公理 2, 3, 4, 5, 7, 8, 9 和 10。
146
範例 1 零向量空間 (觀念)
令 V 僅包含一物件零向量 0,且對所有純量 k,定
義
0 + 0 = 0 和 k0 = 0
很容易可確認均滿足向量空間所要求的所有公理;
我們稱之為零向量空間。
147
範例 2 Rn 為向量空間 (觀念)
令 V = Rn,且定義在 V 中的加法和純量乘法運算為
因為前述的 n 元組運算結果顯示會滿足加法封閉性和
純量乘法封閉性。同時也因為有定理 3.1.1 的關係,
所以滿足公理 2, 3, 4, 5, 7, 8, 9 和 10。
下一個例子是 Rn 的一般化情況,其可允許向量含有
無窮多個分量。
147
範例 3 實數無窮序列所構成的向量空間(觀念)
令 V 所構成的物件有以下形式
可自行證明 V 滿足所有向量空間所要求的所有公理,此向
量空間記作 R∞。
147
範例 4 2 × 2 矩陣之向量空間(觀念)
令 V 為具實數元素之 2 × 2 矩陣所成的集合,且將矩陣
加法和純量乘法定義為在 V中向量空間的運算,即
(1)
148
範例 4 2 × 2 矩陣之向量空間(續) (不考)
148
範例 4 2 × 2 矩陣之向量空間(續) (不考)
據此可知
據此可知
148
範例 4 2 × 2 矩陣之向量空間(續) (不考)
148
範例 5 m × n 矩陣之向量空間(不考)
範例 4 為一般化向量空間的一個例子,要將之
推廣、證明到已經定義好矩陣加法和純量乘法
運算的所有 m × n 矩陣應該沒有問題。我們將
此向量空間記作 Mmn;例如,範例 4 的向量空
間記作 M22。
149
範例 6 實數函數之向量空間 (觀念)
令 V 為在 (–∞, ∞) 區間所有實數函數所成的集合。若 f = f(x) 和
則V 為一般化向量空間。
這兩運算可用以下的觀點來看:在 Rn 和 R∞ 空間中,函數 f 和 g
在點 x 位置的分量(components)為 f(x) 和 g(x),則 (2) 式陳述
了兩函數以相對位置分量相加, (3) 式陳述了在函數的每一分
量乘上一純量。
149
4.1 實數向量空間 (不考)
150
範例 6 實數函數之向量空間(續) (不考)
圖 4.1.1 的 (a) 和 (b) 解說了此觀點。定義有這些運算的集合 V 記作
F(–∞, ∞),可如下證明其為一向量空間:
149
範例 6 實數函數之向量空間(續) (不考)
公理 5:此公理要求在 F(–∞, ∞) 空間中的每一函數 f 存在有一函
數 –f 與之相加後得到零函數。可定義函數 –f(x) = –f(x) 即可有此
特性。 –f 函數的圖形可以將函數 f 對稱 x 軸作鏡射來獲得(圖
4.1.1c)。
公理 2, 3, 7, 8, 9, 10:這些公理的有效性都來自實數的特性。例如,
若 f 和 g 為 F(–∞, ∞)空間中的函數,則公理 2 所需的要求 f + g = g
+ f,可根據以下運算
(f + g) (x) = f(x) + g(x) = g(x) + f(x) = (g + f ) (x)
其中,第一個和最後一個等號的成立是根據 (2) 式,中間的等號
則是根據實數的特性。
149
4.1 實數向量空間(不考)
150
範例 7 非向量空間的集合(觀念)
令 V = R2 且定義加法和純量乘法如下:若 u = (u1, u2) 及
v = (υ1, υ2),則定義
u + v = (u1 + υ1, u2 + υ2)
且,若 k 為任意實數,則定義
ku = (ku1, 0)
例如,若 u = (2, 4)、 v = (–3, 5) 及 k = 7,
則以上述運算定義的集合 V 並非一向量空間。
150
範例 7 非向量空間的集合(續) (不考)
加法的運算源自 R2 的標準運算,但純量乘法則另外如
上所述做定義。對於公理 1 到 9,讀者可以自行證明,
都可成立。然而,公理 10 對某些特定向量來說,並不
成立。例如,若 u = (u1, u2) 且 u2 ≠ 0,則
因此,以上述運算定義的集合 V 並非一向量空間。
150
範例 7 非向量空間的集合(續) (不考)
加法的運算源自 R2 的標準運算,但純量乘法則另外如
上所述做定義。對於公理 1 到 9,讀者可以自行證明,
都可成立。然而,公理 10 對某些特定向量來說,並不
成立。例如,若 u = (u1, u2) 且 u2 ≠ 0,則
因此,以上述運算定義的集合 V 並非一向量空間。
150
範例 8 非尋常的向量空間 (不考)
令 V 為正實數所成的集合,且定義 V 中的運算為
u + υ = uυ [ 向量加法定義為數值的乘法運算]
ku = uk [ 純量乘法定義為數值的指數運算]
151
範例 8 非尋常的向量空間(續) (不考)
公理 4—此空間的零向量應為 1(即 0 = 1),因為
公理 5— –u 的負向量為倒數(即 –u = 1/u),因為
公理 7—
151
4.1 實數向量空間 (觀念)
向量特性
定理 4.1.1
令 V 為一向量空間, u 為 V 中的向量, k 為純
量,則
(a) 0u = 0
(b) k0 = 0
(c) (–1)u = –u
(d) 若 ku = 0,則 k = 0 或 u = 0。
151
4.2 子空間 (觀念)
定義1
若 W 為向量空間 V 的一子集(subset),若在 V
的加法和純量乘法定義下, W 可自成一向量空
間,則 W 稱為 V 的一子空間(subspace)。
153
4.2 子空間
定理 4.2.1
令 W 為向量空間 V 中含一個或一個以上向量的集
合,則 W 為 V 的一子空間,若且唯若其滿足下列
條件
(a) 若 u 和 v 為 W 中的向量,則 u + v 仍在 W 中。
(b) 若 k 為一純量,且 u 為 W 中的向量,則 ku 仍
在 W 中。
153
範例 1 零子空間(Zero Subspace)(觀念)
0 + 0 = 0 和 k0 = 0
我們稱 W 為 V 的零子空間。
[ 譯者註:任何向量空間都至少有 2 個子空間,一個是
向量空間本身,另一個是零子空間(zero subspace)。]
154
範例 2 通過原點的直線為 R2 和 R3
的子空間 (觀念)
若 W 為 R2 或 R3 中通過原點的直線,則線上的兩個向量相
加或一向量乘上純量倍數所產生的另一向量仍在此直線上。
所以 W 在加法和純量乘法上都具有封閉性(見以 R3 為例的
圖 4.2.2)。
154
範例 3 通過原點的平面為 R3 的子空間(觀念)
若 u 和 v 為 R3 中通過原點的平面之向量,則在幾何上
u + v 和 ku 很明顯地仍落於W 所在的平面(圖 4.2.3)。
亦即, W 具加法和純量乘法封閉性。
154
4.2 子空間 (觀念)
表 1 列出迄今我們見過 R2 和 R3 的子空間,後續
我們會發現 R2 和 R3 就只有這些子空間。
範例 4 R2 的子集但非 R2 的子空間 (觀念)
令 W 為 R2 中所有點 (x, y) 所成的集合,其中 x ≥ 0 且 y ≥ 0
(如圖 4.2.4 的陰影區)。此集合並非 R2 的子空間,因為其
純量乘法並不具封閉性。例如, v = (1, 1) 為 W 中的向量,
但 (–1)v = (–1, –1) 並非 W 中的向量。
155
範例 5 Mnn 的子空間 (不考)
155
範例 6 Mnn 的子集但非 Mnn 的
子空間 (不考)
W 為 n × n 可逆矩陣所成的集合並非 Mnn 的子空間,
因為加法和純量乘法都不具封閉性。以下只以 M22 為
例來說明,相信讀者可以很快地延伸到 Mnn 。考慮以
下矩陣
矩陣 0U 為 2 × 2 零矩陣,但其為不可逆,矩陣 U +
V 有一行為零,所以也是不可逆。
156
範例 7 子空間 C(–∞, ∞) (不考)
微積分中有一定理陳述了連續函數的和仍為連
續函數,且連續函數乘上一常數後仍為連續函
數。換上向量的陳述語言,在 (–∞, ∞) 區間的
連續函數所成的集合,為函數空間 F(–∞, ∞) 的
子空間,記作 C(–∞, ∞)。
156
範例 8 函數的連續導數 (不考)
一函數若具有連續的導數則稱為連續可微分。微積分中有一
定理陳述了連續可微分函數的和(sum)仍為連續可微分函
數,且連續可微分函數乘上一常數後仍為連續可微分函數。
因此,在 (–∞, ∞) 區間的連續可微分函數形成 F(–∞, ∞) 的子
空間,記作 C1 (–∞,∞),其中,上標的 1 為加強表示一階導
數為連續。採用此方式,則在 (–∞, ∞) 區間中具有 m 階導數
為連續的函數所成的集合為 F(–∞, ∞) 的子空間、在 (–∞, ∞)
區間中具有各階導數均為連續的函數所成的集合為 F(–∞, ∞)
的子空間;這些子空間分別記作 Cm(–∞, ∞)和 C∞ (–∞, ∞)。
156
範例 9 所有多項式的子空間(不考)
回憶一下多項式是一種函數,其可用下面的形式來表示
(1)
156
範例 10 次數 ≤ n 的多項式之子空間(不考)
回憶一下多項式的次數為具有非零係數之變數的最高次方。
即,例如,在 (1) 式中若 an ≠ 0,則該多項式為 n 次多項式。
以下敘述非為真:「具有正數次方 n 的多項式為F(–∞, ∞) 的
子空間,因為集合未具加法封閉性。」例如,有人會說多項
式
156
4.2 子空間 (不考)
函數空間的層次
在微積分中已經證明多項式為連續函數,且在 (–∞,
∞) 區間的各階導數均為連續。因此, P∞ 不僅為
F(–∞, ∞) 的子空間,也是 C∞(–∞, ∞) 的子空間。從
範例 7 到範例 10 的討論,可以令人信服這些向量
空間像「巢」狀般層層套疊,如圖 4.2.5 所示。
157
(不考)
157
4.2 子空間
建構子空間 (觀念)
定理 4.2.2
若 W1, W2, . . . , Wr 為向量空間 V 的子空間,則這些子空
間的交集仍為 V 的子空間。
定 義 2 (不考)
w 為 V 中的向量,若 w 可展開如下式,則稱 w 為 V 中向
量 v1, v2, . . . , vr 的線性組合(linear combination)
(2)
其中, k1, k2, . . . , kr 為純量,且稱為線性組合的係數。
157
4.2 子空間 (觀念)
定理 4.2.3
若 S = {w1, w2, . . . , wr} 為向量空間 V 的一非空集合,
158
4.2 子空間 (觀念)
定義3
若 S = {w1, w2, . . . , wr} 為向量空間 V 的一非空集合,
則 V 的子空間 W 為 S 中向量 w1,w2, . . . , wr 所有可能線
性組合出的向量所成的集合,稱為「S 生成(span)V
的子空間」,也稱「向量 w1, w2, . . . , wr 生成 W (span
W)」。而所生成的子空間記作 W = span{w1, w2, . . . ,
wr} 或 W = span(S)
159
範例 11 標準單位向量生成 Rn (不考)
回想一下 Rn 中的標準單位向量為
159
範例 12 生成 R2 和 R3 的幾何觀察 (不考)
(a) 若 v 為以原點為起始點之 R2 或 R3 中的非零向量,則
span{v}(即只有 v 的純量倍數之向量)為 v 所決定之通過
原點的直線。我們可以從圖 4.2.6a 想像、觀察到向量 kv 的
尖端形成直線上的點,為選擇不同的 k 值來適當地將 v 伸長
或縮短或反向。
(b) 若 v1 和 v2 為以原點為起始點之 R3 中的非零向量,則
span{v1, v2} 為 v1 和 v2 線性組合的所有可能所構成,其為由
此二向量所構成的通過原點的平面。我們可以從圖 4.2.6b想
像、觀察到向量 k1v1 + k2v2 的尖端形成平面上所有點,其為
選擇不同的純量 k1 和 k2 來適當地將 k1v1 和 k2v2 進行適當地
伸長或縮短或反向。
159
(不考)
160
範例 13 Pn 的生成集 (觀念)
其為 1, x, x2, . . . , xn 的線性組合,可記作
160
範例 14 線性組合
考慮 R3 中的向量 u = (1, 2, –1) 和 v = (6, 4, 2),
試證 w = (9, 2, 7) 為 u 和 v 的線性組合,而 w' =
(4, –1, 8) 不是 u 和 v 的線性組合。
160
範例 14 線性組合
考慮 R3 中的向量 u = (1, 2, –1) 和 v = (6, 4, 2),
試證 w = (9, 2, 7) 為 u 和 v 的線性組合,而 w' =
(4, –1, 8) 不是 u 和 v 的線性組合。
160
範例 15 生成之測試
判斷向量 v1 = (1, 1, 2), v2 = (1, 0, 1) 和 v3 = (2, 1, 3)
是否能生成 R3。
161
4.2 子空間 (觀念)
齊次系統的解空間
定理 4.2.4
m 個方程式 n 個未知數的齊次線性系統 Ax = 0 解集
合,為 Rn 的子空間。
162
範例 16 齊次系統的解空間
解以下各系統。
162
4.2 子空間 (觀念)
最終觀察
定理 4.2.5
若 S = {v1, v2, . . . , vr} 和 S' = {w1, w2, . . . , wk} 為向
量空間 V 中向量所成的非空集合,則
span{v1, v2, . . . , vr} = span{w1, w2, . . . , wk}
若且唯若, S 中的每一向量都為 S' 中向量的線性
組合,且 S' 中的每一向量都為 S 中向量的線性組
合。
163
4.3 線性獨立 (觀念)
前言
例如,向量 (3, 2) 以 i = (1, 0)和 j = (0, 1) 做線性組
合表示的方式,唯一的表示法為
(1)
164
4.3 線性獨立 (觀念)
線性獨立和線性相依
定義1
若 S = {v1, v2, . . . , vr} 為向量空間 V 中向量所成的一非空集合,
則向量方程式
一定會至少有一組解,此解為
稱為顯解(trivial solution)。如果此顯解為方程式的唯一解,則
稱 S 為線性獨立集合(linearly independent set)。如果除了顯解
外,尚有其他解,則稱 S 為線性相依集合(linearly dependent
set)。
165
範例 1 Rn 中的標準單位向量為線性
獨立(Linear Independence)(不考)
Rn 中最基本的線性獨立集合為標準單位向量所成的集
合,如
為了簡單說明,我們僅以 R3 為例
這些向量為線性獨立或線性相依,取決於以下向量方程
式是否有非顯解的存在
165
範例 1 Rn 中的標準單位向量為線性
獨立(Linear Independence) (續) (不考)
(2)
此方程式的分量形式表示法為
165
範例 2 R3 中的線性獨立
試問,以下向量在 R3 中為線性獨立或線性相依?
v1 = (1, –2, 3), v2 = (5, 6, –1), v3 = (3, 2, 1)
166
範例 2 R4 中的線性獨立
試問,以下向量在 R3 中為線性獨立或線性相依?
v1 = (1, –2, 3), v2 = (5, 6, –1), v3 = (3, 2, 1)
166
範例 4 Pn 中重要的線性獨立
集合 (觀念)
證明多項式
在 Pn 中形成一線性獨立集合。
167
範例 5 多項式的線性相依(不考)
試問,以下多項式在 P2 中為線性獨立或線性相依?
167
4.3 線性獨立 (觀念)
線性相依的另一解釋
定理 4.3.1
含兩個以上向量的集合 S 為
168
範例 6 重新檢視範例 1 (不考)
範例 1 證明了 Rn 中的標準單位向量為線性獨立。因此,
根據定理 4.3.1,沒有任何向量可以被表示成其他兩個向
量的線性組合。以 R3 為例,假設
或以分量形式寫成
因為無法找到任何 k1 和 k2 的數值來滿足此方程式,所以
無法將 k 以 i 和 j 的線性組合方式表示。同樣地,無法將
i 以 j 和 k 的線性組合方式表示、無法將 j 以 i 和 k 的線
性組合方式表示。
169
範例 7 重新檢視範例 2 (不考)
在範例 2 中看到了以下向量
為線性相依。因此,根據定理 4.3.1,沒有任何向量
可以被表示成其他兩個向量的線性組合。讀者可以
驗證一下下面的方程式
可得知
169
4.3 線性獨立 (觀念)
僅包含一個或兩個向量的集合
定理 4.3.2
(a) 一有限集合若包含零向量,則為線性相依。
(b) 一集合若只含一個向量,則為線性獨立,若且唯若
所包含的這向量不是零向量。
(c) 一集合若只含兩個向量,則為線性獨立,若且唯若
這兩個向量不是純量倍數關係。
170
範例 8 兩函數的線性相依 (不考)
函數 f1 = x 和 f2 = sin x 在 F(–∞, ∞) 中為線性獨立
因為彼此不是純量倍數關係。另一方面,兩函數
g1= sin 2x 和 g2= sin x cos x 為線性相依,因為 sin
2x = 2 sin x cos x; g1和 g2 彼此為純量倍數關係。
170
線性獨立的幾何意義 (不考)
170
(不考)
171
4.3 線性獨立 (不考)
定理 4.3.3
函數的線性獨立
考慮以下函數
在 F(–∞, ∞) 區間為線性相依,因為
171
4.3 線性獨立 (不考)
定義2
若 f1 = f1(x), f2 = f2(x), . . . , fn = fn(x) 在 (–∞,∞) 區間為
n – 1 次可微分,則行列式
172
4.3 線性獨立 (不考)
(11)
定理 4.3.4
173
4.4 座標與基底 (不考)
線性代數中的座標系統
174
174
(不考)
175
(不考)
175
4.4 座標與基底 (觀念)
向量空間的基底
定義1
若 V 為任意向量空間,且 S = {v1, v2, . . . , vn} 為 V
中向量所成的有限集合,則 S 被稱為 V 的基底
(basis),需以下兩條件成立:
(a) S 為線性獨立
(b) S 生成 V
175
範例 1 Rn 的標準基底 (不考)
回想一下 4.2 節中的範例 11,標準單位向量
為 R3 的標準基底。
176
範例 2 Pn 的標準基底 (不考)
證明 S = {1, x, x2, . . . , xn} 為小於等於 n 次的多項
式所成向量空間 Pn 的基底。
176
範例 3 R3 的其他基底
證明向量 v1 = (1, 2, 1), v2 = (2, 9, 0) 和 v3 = (3, 3, 4)
可為 R3 的基底。
176
範例 4 Mmn 的標準基底 (不考)
證明以下矩陣
177
4.4 座標與基底(觀念)
相對於某基底的座標系
定理 4.4.1 基底表示的唯一性(單一性)
178
4.4 座標與基底 (觀念)
定義2
若 S = {v1, v2, . . . , vn} 為向量空間 V 的基底,且
(6)
180
4.4 座標與基底 (觀念)
觀察 Rn 空間中的向量 (v)s,亦即對向量空間 V,給定
有序基底 S,定理 4.4.1 建立了V 中的向量和 Rn 中的向
量之間的一對一的對應(如圖4.4.6)。
180
範例 7Rn 中相對於標準基底的座標 (觀念)
在 V = Rn 的特殊情況中,若 S 為標準基底,則座標
向量 (v)S 和向量 v 相同,即
v = (v)S
180
範例 8相對於標準基底的座標向量(不考)
(a) 求以下多項式,相對於向量空間 Pn 標準基底的座
標向量。
181
範例 9 R3 中的座標
(a) 範例 3 已經證明向量
181
範例 9 R3 中的座標
(b) 若某向量 v 相對於基底 S 的座標向量為 (v)s =
(–1, 3, 2),試求 R3 中的 v。
181
4.5 維度 (觀念)
定義1
有限維度向量空間 V 的維度(dimension),記
作 dim(V),為 V 的基底向量的個數。再者,零
向量空間的維度定義為零。
183
4.5 維度 (觀念)
基底向量的個數
定理 4.5.1
有限維度的向量空間的任何基底集合,其所包含向量
的個數會相同。
定理 4.5.2
令 V 為一 n 維向量空間,且令 {v1, v2, . . . , vn} 為任意
一組基底。
(a) V 中具有多於 n 個向量的集合,其為線性相依。
(b) V 中具有少於 n 個向量的集合,其無法生成 V。
182
範例 1一些悉知向量空間的維度(不考)
183
範例 2 Span(S) 的維度 (觀念)
若 S = {v1, v2, . . . , vr} 為向量空間 V 中的一組線
性獨立集合,則 S 自動可成為 span(S) 的基底,
且
dim[span(S)] = r
換句話說,線性獨立集合的向量所生成的空間,
其維度等於集合中向量的個數。
183
範例 3 解空間的維度
試求以下齊次系統之解空間的基底和維度。
183
範例 4 解空間的維度
試求以下齊次系統之解空間的基底和維度。
184
4.5 維度 (觀念)
定理 4.5.3 增/減定理
令 S 為向量空間 V 中向量所成的非空集合
(a) 若 S 為線性獨立,且 v 為向量空間 V 中的向量且
不在 span(S) 中,則集合 S ∪ {v}仍為線性獨立。
(b) 若 S 中一向量 v 可表為 S 內其他向量的線性組合,
且 S – {v} 表示將 v 自 S 中移出,則 S 和 S – {v} 所生
成的空間相同,亦即
span(S) = span(S – {v})
185
4.5 維度 (不考)
一些基本定理
185
範例 5 應用增/減定理 (不考)
185
4.5 維度 (觀念)
定理 4.5.4
令 V 為 n 維的向量空間,且令內含 n 個向量的 S
為 V 中的一集合,則 S 為 V 的一基底,若且唯若
S 生成 V,或 S 為線性獨立。
186
範例 6 基底的檢查 (不考)
(a) 請解釋向量 v1 = (–3, 7) 和 v2 = (5, 5) 為何可以
成為 R2 的基底?
186
4.5 維度 (觀念)
定理 4.5.5
令 S 為有限維度向量空間中的一有限集合
186
4.5 維度 (觀念)
定理 4.5.6
若 W 為有限維度向量空間 V 中的一子空間,則
(a) W 為有限維度
187
4.6 基底變換 (不考)
座標映射
若 S = {v1, v2, . . . , vn} 為有限維度向量空間 V 的一
組基底,且若
(1)
187
4.6 基底變換 (不考)
建立了一般化向量空間 V 和尤拉向量空間 Rn 的一
種一對一連結(一對一的對應關係)。我們稱 (1)
式為從 V 到 Rn 相對於 S 的座標映射(coordinate
map)。
(2)
187
(不考)
188
4.6 基底變換 (不考)
基底變換
基底變換問題
若 v 為有限維度向量空間 V 的一向量,且若欲將
基底 B 改為基底 B‘ ,則座標向量 [v]B 和 [v]B’ 之
間有何關係?
令
188
4.6 基底變換 (不考)
先將新的基底向量以舊基底表示,可得座標向量為
(3)
新舊基底向量間的關係如下
(4)
令 v 為 V 中的任意向量,且令
(5)
188
4.6 基底變換(不考)
為新的座標向量,所以
(6)
或
因此, v 的舊座標向量為
188
4.6 基底變換 (不考)
189
4.6 基底變換 (不考)
轉移矩陣
矩陣 P 稱為從 B' 到 B 的轉移矩陣(transition matrix),
為了強調通常記作 PB’ → B。
(9)
同樣地,從 B 到 B' 的轉移矩陣可表示為
(10)
記憶的方法為:若舊座標向量要更新為新座標向量,
需由舊基底向量先以新基底向量表示開始更新,此種
基底向量優先更新表示法即可得舊座標向量到新座標
向量的「轉移矩陣」。
互為 inverse
189
範例 1 求轉移矩陣
B = {u1, u2} 和 B' = {u'1, u'2} 為 R2 的基底,其中
190
範例 1 求轉移矩陣
B = {u1, u2} 和 B' = {u'1, u'2} 為 R2 的基底,其中
190
4.6 基底變換 (不考)
所以對於 V 中的每一向量 v,滿足
(11)
(12)
191
範例 2 計算座標向量
191
4.6 基底變換 (不考)
轉移矩陣的可逆性
若 B 和 B' 為有限向量空間 V 的基底,則
(13)
範例 1 中獲得的轉移矩陣關係如下
191
4.6 基底變換 (不考)
定理 4.6.1
計算 Rn 轉移矩陣之有效率方法
(14)
192
4.6 基底變換 (不考)
Rn 中標準基底的轉換
定理 4.6.2
令 B' = {u1, u2, . . . , un} 為向量空間 Rn 的任一組基底,
且令 S = {e1, e2, . . . , en} 為 Rn 的標準基底。若以行向量
形式寫出的轉移矩陣為
(15)
(譯者註:「左新右舊」建構出矩陣後,會發現不用進
行任何列運算,右側即出現轉移矩陣,亦即是舊基底向
量就是轉移矩陣。)
193
4.6 基底變換 (補充) (列式即可)
=S=
1 1
兩基底向量為 1 1 1
4 =P=
4 1
如基底下座標(3,1), 基底下座標為?
1 1
X=S[X]=P[X][X] =S-1P[X] = 4 1
如基底下座標(3,1), 基底下座標為?
[X]=P-1S [X]=
116
4.7列空間、行空間與核空間(不考)
列空間、行空間和核空間
定義1
對於 m × n 矩陣
A 的列所形成的向量
194
4.7列空間、行空間與核空間(不考)
稱為 A 的行向量(column vectors)。
194
範例 1 2 × 3 矩陣的列向量行向量(不考)
A 的列向量為
A 的行向量為
以下定義會定義出矩陣的三種重要的向量空間。
195
4.7 列空間、行空間與核空間(觀念)
定義2
若 A 為 m × n 矩陣,則 A 之列向量所生成的空間為
Rn 的子空間,稱作 A 的列空間(row space of A),
記作 RS(A)。而 A 之行向量所生成的空間為 Rm 的
子空間,稱作A 的行空間(column space of A),
記作 CS(A)。齊次系統 Ax = 0 的解空間為 Rn 的子
空間,稱作 A 的核空間(null space of A),記作
NS(A)。
195
4.7列空間、行空間與核空間(觀念)
列空間、行空間和核空間的基底
定理 4.7.3
基本列運算不會改變矩陣的核空間。
定理 4.7.4
基本列運算不會改變矩陣的列空間。
198
範例 4 求矩陣核空間的基底
求以下矩陣核空間的基底
198
197
4.7 列空間、行空間與核空間(觀念)
問題 1、線性系統 Ax = b 解和係數矩陣 A 的列空間、
行空間、核空間之間存在何種關係?
問題 2、一矩陣的列空間、行空間、核空間之間存
在何種關係?
(1)
(2)
195
4.7 列空間、行空間與核空間(觀念)
定理 4.7.1
一線性系統 Ax = b 具一致性,若且唯若 b 落於
A 的行空間中。
196
範例 2 向量 b 落於 A 的行空間(觀念)
令 Ax = b 為一線性系統
試以 b 可表為 A 行向量的線性組合方式來證明 b
落於 A 的行空間。
196
4.7 列空間、行空間與核空間(觀念)
定理 4.7.2
若 x0 為具一致性的線性系統 Ax = b 的任一解,且
S = {v1, v2, . . . , vk} 為 A 的核空間,則 Ax = b 的通
解可表為以下形式
(3)
196
4.7 列空間、行空間與核空間(不考)
具有一致性的線性系統之通解為此系統的特解與對
應齊次系統的通解(齊次解)之和。
197
(不考)
Ax = b 之解集合不為向量空間
197
範例 3 線性系統 Ax = b 的通解(不考)
比較以下兩線性系統
的解,可以發現非齊次系統的通解 x 和對應齊次系
統的通解 xh 之關係為
197
4.7列空間、行空間與核空間(觀念)
定理 4.7.5
若矩陣 R 已經是列梯形形式,則帶有前導壹的列向
量(非零列)可成為 R 的列空間基底,且帶有前導
壹的行向量可成為 R 的行空間基底。
199
範例 5 列梯形矩陣的列空間與 (觀念)
行空間之基底
求以下矩陣列空間和行空間之基底
199
範例 5 列梯形矩陣的列空間與
行空間之基底(續) (觀念)
可為矩陣 R 的列空間基底,且向量
可為矩陣 R 的行空間基底。
199
範例 6 以列簡化方式求列空間之基底
求以下矩陣列空間的基底
200
4.7列空間、行空間與核空間(不考)
(4)
定理 4.7.6
若 A 和 B 為列等效矩陣,則:
(a) 在 A 中所選定的行向量之集合為線性獨立,若且唯
若 B 中對應的行向量所成集合為線性獨立。
200
範例 7 使用列簡化求行空間基底
求以下矩陣列空間基底
201
範例 8 使用列運算求向量空間的
基底
試求以下向量所生成之 R5 子空間的基底
202
範例 9 矩陣列空間的基底
試求從矩陣 A 找出哪些列向量可直接做為列空間基底。
203
範例 10 基底和線性組合
(a) 試求以下向量的一子集合
使其可為這些向量生成的空間之基底。
204
Ans: v1, v2, v4
範例 10 基底和線性組合 (不考)
(a) 試求以下向量的一子集合
使其可為這些向量生成的空間之基底。
(b) 將其他非基底的向量以選定的基底向量做線性
組合表示。
204
4.8秩、核數與基本的矩陣空間(不考)
列空間和行空間維度相同
定理 4.8.1
矩陣的列空間和行空間有相同維度。
秩與核數
定義1
矩陣 A 的列空間和行空間有相同的維度稱為 A 的秩(rank
of A),記作 rank(A)。 A的核空間維度稱為 A 的核數
(nullity of A)或「核化數」,記作 nullity(A)。
205
範例 1 4 × 6 矩陣的秩與核數
求下面矩陣的秩與核數
206
4.8 秩、核數與基本的矩陣空間
(2)
通解為
207
4.8 秩、核數與基本的矩陣空間
向量形式
(3)
所以 nullity(A) = 4。
207
範例 2 秩的最大值 (觀念)
一 m × n 矩陣 A(非方陣)的秩,其最大可能值
為何?
207
4.8秩、核數與基本的矩陣空間(觀念)
定理 4.8.2 矩陣的維度定理
若 A 為具 n 個行的矩陣,則
208
範例 3 秩與核數的和
矩陣
有 6 個行,所以
如範例 1 所示,此系統具一致性,通解的自由變數
有 4 個,前導變數的個數有 2 個,即
208
4.8秩、核數與基本的矩陣空間(觀念)
定理 4.8.3
若 A 為 m × n 矩陣,則
208
範例 4 秩、核數與線性系統(觀念)
208
4.8 秩、核數與基本的矩陣空間(觀念)
等價定理
定理 4.8.4 等價敘述
若 A 為 n × n 矩陣,則下列敘述為等價敘述。
(a) A 為可逆矩陣。
(b) Ax = 0 有唯一解,為顯解。
(d) A 可表為一連串基本矩陣的乘積。
(g) det(A) ≠ 0。
209
4.8秩、核數與基本的矩陣空間(觀念)
定理 4.8.4 等價敘述(續)
(h) A 的行向量為線性獨立。
(i) A 的列向量為線性獨立。
(j) A 的行向量生成 Rn。
(k) A 的列向量生成 Rn。
(l) A 的行向量為 Rn 的基底。
(m) A 的列向量為 Rn 的基底。
(n) A 的秩為 n。
(o) A 的核數為 0。
209
4.8秩、核數與基本的矩陣空間(不考)
過定與欠定系統
定理 4.8.5
若 Ax = b 為具有一致性的線性系統,其具有 m 個方程式、
n 個未知數,且若 A 的秩為 r,則此系統的通解會包含 n – r
個參數。
定理 4.8.6
令 A 為 m × n 矩陣,
(a) ( 過定情況):若 m > n,則至少有一個在 Rn 中的向量 b,
會使線性系統 Ax = b 不具一致性(無解)。
(b) ( 欠定情況):若 m < n,則對每一個在 Rm 中的向量 b,
線性系統 Ax = b 不是不具一致性(無解)就是有無窮多解。
210
4.8秩、核數與基本的矩陣空間(觀念)
矩陣的基本空間
211
4.8秩、核數與基本的矩陣空間(觀念)
(6)
(7)
定 義 2(不考)
若 W 為 Rn 的子空間, Rn 中所有會正交於 W 中每
一向量的這種向量所成的集合,此集合稱為 W 的
正交補集(orthogonal complement),記作 W⊥。
212
4.8秩、核數與基本的矩陣空間(觀念)
定理 4.8.8
若 W 為 Rn 的子空間,則
(a) W⊥ 為 Rn 的子空間。
(b) 0 為 W 和 W⊥ 的共同向量。
(c) W⊥ 的正交補集為 W。
212
範例 7 正交補集 (觀念)
在 R2 中,通過原點的一直線 W 之正交補集為通過原
點且與 W 垂直的直線(如圖4.8.1a)。在 R3 中,通
過原點的一平面 W 之正交補集為通過原點且與此平
面垂直的直線(如圖 4.8.1b)。
212
4.8秩、核數與基本的矩陣空間(不考)
基本空間之間的幾何關連
213
4.8秩、核數與基本的矩陣空間 (觀念)
定理 4.8.9
若 A 為 m × n 矩陣,則
213
4.8秩、核數與基本的矩陣空間(觀念)
更多的等價定理
定理 4.8.10 等價敘述
若 A 為 n × n 矩陣,則下列敘述為等價敘述。
(a) A 為可逆矩陣。
(b) Ax = 0 有唯一解,為顯解。
(c) A 的簡化列梯形為 In。
(d) A 可表為一連串基本矩陣的乘積。
(e) 對每一 n × 1 矩陣 b, Ax = b 具有一致性。
(f) 對每一 n × 1 矩陣 b, Ax = b 有唯一解。
(g) det(A) ≠ 0。
214
4.8秩、核數與基本的矩陣空間(觀念)
定理 4.8.10 等價敘述(續)
(h) A 的行向量為線性獨立。
(i) A 的列向量為線性獨立。
(j) A 的行向量生成 Rn。
(k) A 的列向量生成 Rn。
(l) A 的行向量為 Rn的基底。
(m) A 的列向量為 Rn 的基底。
(n) A 的秩為 n。
(o) A 的核數為 0。
(p) A 的核空間之正交補集為 Rn。
(q) A 的列空間之正交補集為 {0}。
214