3-1. 向量空間

Define Vector Space

V≠∅ V \ne \emptyset , F F : field field , 定義二運算

  • 向量加法(vector addition): +
  • 純量積(vector multiplication): ⋅ \cdot

V V : 向量的集合; F F : 純量的集合,非 R R 即 C C

滿足以下十個公設:

  • (1) ∀u⃗ \forall \vec{u} , v⃗∈V \vec{v} \in V , u⃗ \vec{u} + v⃗∈V \vec{v} \in V
  • (2) ∀c∈F \forall c \in F , ∀v⃗∈V \forall \vec{v} \in V , cv⃗∈V c\vec{v} \in V

    (1) 向量加法的封閉性
    (2) 純量積的封閉性

  • (3) ∀u⃗ \forall \vec{u} , v⃗∈V \vec{v} \in V , u⃗ \vec{u} + v⃗ \vec{v} = v⃗ \vec{v} + u⃗ \vec{u}
  • (4) ∀u⃗ \forall \vec{u} , v⃗ \vec{v} , w⃗∈V \vec{w} \in V , (u⃗ \vec{u} + v⃗ \vec{v} ) + w⃗ \vec{w} = v⃗ \vec{v} + (u⃗ \vec{u} + w⃗ \vec{w} )
  • (5) ∃0⃗∈V \exists \vec{0} \in V s.t. ∀v⃗∈V \forall \vec{v} \in V , v⃗ \vec{v} + 0⃗ \vec{0} = v⃗ \vec{v}
  • (6) ∀v⃗∈V \forall \vec{v} \in V , ∃ \exists (-v⃗ \vec{v} ) ∈V \in V s.t. v⃗ \vec{v} + (-v⃗ \vec{v} ) = 0⃗ \vec{0}

    向量加法的:
    (3) 交換性
    (4) 結合性
    (5) 單位元素
    (6) 反元素

  • (7) ∀c∈F \forall c \in F , ∀u⃗ \forall \vec{u} , v⃗∈V \vec{v} \in V , c c (u⃗+v⃗ \vec{u} + \vec{v} ) = cu⃗ c\vec{u} + cv⃗ c\vec{v}
  • (8) ∀c \forall c , d∈F d \in F , ∀v⃗∈V \forall \vec{v} \in V , (c c + d d )v⃗ \vec{v} = cv⃗ c\vec{v} + dv⃗ d\vec{v}
  • (9) ∀c \forall c , d∈F d \in F , ∀v⃗∈V \forall \vec{v} \in V , c c (dv⃗ d\vec{v}) = (cd cd )v⃗ \vec{v}
  • (10) ∀v⃗∈V \forall \vec{v} \in V , 1⋅v⃗ 1 \cdot \vec{v} = v⃗ \vec{v}

    純量積的:
    (7) 向量加法分配性
    (8) 純量加法分配性("+": 第一個為純量加, 第二個為向量加)
    (9) 乘法結合性
    ,與
    (10) 單位純量積的不變性

則稱 V V 為佈於 F F 的向量空間(vector space over F F ),有時會將 V V 記作 (V V , +, ⋅ \cdot ) 以強調其運算符號

常見的向量空間

歐氏空間 (Euclidean space)

  • Define: V V = Fn F^n = { (x1 x_1 , x2 x_2 , ..., xn x_n ) | x1 x_1 , x2 x_2 , ..., xn∈F x_n \in F }

    (x1 x_1 , x2 x_2 , ..., xn x_n ): n-tuple

  • V V 上定義 + 及 ⋅ \cdot : x x = (x1 x_1 , x2 x_2 , ..., xn x_n ), y y = (y1 y_1 , y2 y_2 , ..., yn y_n ), α∈F \alpha \in F
    • x x + y y = (x1 x_1 + y1 y_1 , x2 x_2 + y2 y_2 , ..., xn x_n + yn y_n )
    • α⋅x \alpha \cdot x = (αx1 \alpha x_1 , αx2 \alpha x_2 , ..., αxn \alpha x_n )
  • 當 F F = R R 或 C C 時, 稱 V V = Rn R^n 或 Cn C^n 為實或複歐式空間

矩陣空間 (matrix space)

  • Define: V V = Fm×n F^{m \times n} = { A A | A A 為 m×n m \times n matrix }
  • V V 上定義 + 及 ⋅ \cdot : 矩陣的加法與純量積
  • Fn F^n 有兩種觀點:
    • 行向量: Fn×1 F^{n \times 1}
    • 列向量: F1×n F^{1 \times n}
  • 當 F F = R R 或 C C 時, 稱 V V = Rm×n R^{m \times n} 或 Cm×n C^{m \times n} 為實或複矩陣空間

多項式空間 (polynomial space)

  • Define: V V = P P = { P P | P P 為佈於 F F 之 polynomial }, 有時記作 P P (F F ) 或 F F [x x ]

    P P : 函數即向量,但不要試著根據其定義畫出空間的座標圖!

  • V V 上定義 + 及 ⋅ \cdot : 多項式的加法與純量積, ∀f \forall f , g∈V g \in V , α∈F \alpha \in F

    • (f f + g g )(x x ) = f f (x x ) + g g (x x )
    • (αf \alpha f )(x x ) = αf \alpha f (x x )

    ex.p ^{ex.} p (x x ) = 2 2 + 3x 3x + 4x2 4x^2 ; q q (x x ) = 5 5 - 6x 6x + 3x2 3x^2 + 4x3 4x^3
    ⇒p \Rightarrow p (x x ) + q q (x x ) = 7 7 - 3x 3x + 7x2 7x^2 + 4x3 4x^3
    ⇒5 \Rightarrow 5 (p p (x x )) = 10 10 + 15x 15x + 20x2 20x^2

n 次多項式空間 (n-th polynomial space)

  • Define: V V = Pn P_n = { f∈P f \in P | deg \deg (f f ) ≤n \le n }, 有時記作 Pn P_n (F F ) 或 Fn F_n [x x ]

    不能是 "deg \deg (f f ) = n n ": ex.p ^{ex.} p (x x ) = 3 3 + x2 x^2 ; q q (x x ) = 5x 5x - x2 x^2
    ⇒p \Rightarrow p (x x ) + q q (x x ) = 3 3 + 5x 5x , deg \deg = 1≠2 1 \ne 2

  • V V 上定義 + 及 ⋅ \cdot : 多項式的加法與純量積
  • n 次多項式空間為多項式空間之子空間

函數空間 (function space)

  • Define: V V = F \mathcal{F} (D D , F F ) = { f f | f f : D→F D \rightarrow F function }

    亦不要試著根據其定義畫出空間的座標圖!

  • V V 上定義 + 及 ⋅ \cdot : 函數的加法與純量積

    ex.p ^{ex.} p (x x ) = 2x 2x + sin \sin (x x ); q q (x x ) = 5x 5x + x \sqrt{x}
    ⇒p \Rightarrow p (x x ) + q q (x x ) = 7x 7x + sin \sin (x x ) + x \sqrt{x}

連續函數空間 (space of continuous function)

  • Define: V V = C \mathcal{C} [a a , b b ] = { f f | f f : [a a , b b ] →F \rightarrow F continuous function }

    [a a , b b ]: a a 至 b b 之區間

  • V V 上定義 + 及 ⋅ \cdot : 函數的加法與純量積
Copyright© saberLiou all rights reserved.            last updated at 2019-09-02 11:38:40

results matching ""

    No results matching ""