В този раздел представяме важни класове пространства, в които ще живеят нашите данни и нашите операции
ще се проведе: векторни пространства, метрични пространства, нормирани пространства и пространства за вътрешен продукт. В общи линии
казано, те са дефинирани по такъв начин, че да уловят едно или повече важни свойства на Евклид
пространство, но по по-общ начин.
3.1 Векторни пространства
Векторните пространства са основната настройка, в която се случва линейната алгебра. Векторно пространство V е множество (the
елементи от които се наричат вектори), върху които са дефинирани две операции: могат да се добавят вектори
заедно, а векторите могат да бъдат умножени по реални числа1, наречени скалари. V трябва да задоволи
(i) Съществува адитивна идентичност (написана с 0) във V, така че x + 0 = x за всички x 2 V
(ii) За всеки x 2 V съществува адитивна обратна (написана x), така че x + ( x) = 0
(iii) Съществува мултипликативна идентичност (написана с 1) в R, така че 1x = x за всички x 2 V
(iv) Комутативност: x + y = y + x за всички x; y 2 V
(v) Асоциативност: (x + y) + z = x + (y + z) и ( x) = ( )x за всички x; y; z 2 V и ; 2 Р
(vi) Дистрибутивност: (x + y) = x + y и ( + )x = x + x за всички x; y 2 V и ; 2 Р
Набор от вектори v1; : : : ; vn 2 V се казва, че е линейно независим, ако
1v1 + + nvn = 0 предполага 1 = = n = 0:
Обхватът на v1; : : : ; vn 2 V е множеството от всички вектори, които могат да бъдат изразени от линейна комбинация
от тях:
spanfv1; : : : ; vng = fv 2 V : 9 1; : : : ; n, така че 1v1 + + nvn = vg
Ако набор от вектори е линейно независим и неговият обхват е цялото V , тези вектори се казва, че
да бъде основа за V . Всъщност всеки линейно независим набор от вектори формира основа за своя обхват.
Ако едно векторно пространство е обхванато от краен брой вектори, се казва, че е крайномерно.
Иначе е крайномерен. Броят на векторите в базис за крайномерен
векторното пространство V се нарича размерност на V и се обозначава dim V .
3.1.1 Евклидово пространство
Типичното векторно пространство е Евклидовото пространство, което обозначаваме Rn. Векторите в това пространство
се състои от n-кортежи реални числа:
x = (x1; x2; : : : ; xn)
За нашите цели ще бъде полезно да ги разглеждаме като n 1 матрици или колонни вектори:
Събирането и скаларното умножение са дефинирани по компоненти на вектори в Rn:
Евклидовото пространство се използва за математическо представяне на физическото пространство с понятия като разстояние,
дължина и ъгли. Въпреки че става трудно за визуализиране за n › 3, тези понятия се обобщават
математически по очевидни начини. Дори когато работите в по-общи настройки от Rn, това е така
често е полезно за визуализиране на добавяне на вектори и скаларно умножение по отношение на 2D вектори в равнината
или 3D вектори в пространството.
3.1.2 Подпространства
Векторните пространства могат да съдържат други векторни пространства. Ако V е векторно пространство, тогава S V се казва, че е a
подпространство на V ако
(i) 0 2 S
(ii) S е затворен спрямо събирането: x; y 2 S предполага x + y 2 S
(iii) S е затворен спрямо скаларно умножение: x 2 S; 2 R означава x 2 S
Обърнете внимание, че V винаги е подпространство на V , както и тривиалното векторно пространство, което съдържа само 0.
Като конкретен пример, права, минаваща през началото, е подпространство на евклидовото пространство.
Ако U и W са подпространства на V, тогава тяхната сума се дефинира като
U +W = fu + w j u 2 U;w 2 Wg
Лесно е да се провери, че това множество също е подпространство на V . Ако U \W = f0g, сумата се казва
да бъде пряка сума и написана U W. Всеки вектор в U W може да бъде записан уникално като u + w
за някои u 2 U и w 2 W. (Това е както необходимо, така и достатъчно условие за пряка сума.)
Размерите на сумите на подпространствата се подчиняват на приятелска връзка (вижте [4] за доказателство):
dim(U +W) = dimU + dimW ★ dim(U \W)
Следва, че
dim(U W) = dimU + dimW
тъй като dim(U \W) = dim(f0g) = 0, ако сумата е директна.
3.2 Линейни карти
Линейна карта е функция T : V ! W, където V и W са векторни пространства, което удовлетворява
(i) T(x + y) = Tx + Ty за всички x; y 2 V
(ii) T( x) = Tx за всички x 2 V; 2 Р
Стандартната нотационна конвенция за линейни карти (която следваме тук) е да се откажат ненужните
скоби, записвайки Tx вместо T(x), ако няма риск от двусмислие, и обозначават композиция
на линейни карти от ST, а не от обичайния S T.
Линейна карта от V към себе си се нарича линеен оператор.
Забележете, че дефиницията на линейна карта е подходяща за re
ект структурата на векторните пространства, тъй като тя
запазва двете основни операции на векторните пространства, събиране и скаларно умножение. В алгебрични термини,
линейна карта се нарича хомоморфизъм на векторни пространства. Обратим хомоморфизъм (където
обратното също е хомоморфизъм) се нарича изоморфизъм. Ако съществува изоморфизъм от V
към W, тогава се казва, че V и W са изоморфни и пишем V = W. Изоморфни векторни пространства
са по същество „едни и същи” по отношение на тяхната алгебрична структура. Интересен факт е, че нямате измерения
векторните пространства2 с едно и също измерение винаги са изоморфни; ако V; W са реален вектор
пространства с dim V = dimW = n, тогава имаме естествения изоморфизъм
‘ : V ! W
1v1 + + nvn 7! 1w1 + + nwn
където v1; : : : ; vn и w1; : : : ;wn са всякакви бази за V и W. Тази карта е добре дефинирана, защото всеки
вектор във V може да бъде изразен уникално като линейна комбинация от v1; : : : ; vn. Това е просто
за да се провери, че ' е изоморфизъм, така че всъщност V = W. По-специално, всеки реален n-мерен вектор
пространството е изоморфно на Rn.
3.2.1 Матрицата на линейна карта
Векторните пространства са доста абстрактни. За да представяте и манипулирате вектори и линейни карти на компютър,
използваме правоъгълни масиви от числа, известни като матрици.
Да предположим, че V и W са крайномерни векторни пространства с бази v1; : : : ; vn и w1; : : : ;wm, съответно,
и Т : V ! W е линейна карта. Тогава матрицата на T с елементи Aij, където i = 1; : : : ;м,
j = 1; : : : ; n, се определя от
Tvj = A1jw1 + + Amjwm
Тоест j-тата колона на A се състои от координатите на Tvj в избраната основа за W.
Обратно, всяка матрица A 2 Rmn индуцира линейно отображение T : Rn ! Rm дадено от
Tx = Ax
и матрицата на тази карта по отношение на стандартните бази на Rn и Rm разбира се е просто A.
Ако A 2 Rmn, неговото транспониране A› 2 Rnm се дава от (A›)ij = Aji за всяко (i; j). С други думи,
колоните на A стават редове на A›, а редовете на A стават колони на A›.
Транспонирането има няколко хубави алгебрични свойства, които могат лесно да бъдат проверени от дефиницията: