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 C C

滿足以下十個公設:

  • (1) u \forall \vec{u} , vV \vec{v} \in V , u \vec{u} + vV \vec{v} \in V
  • (2) cF \forall c \in F , vV \forall \vec{v} \in V , cvV c\vec{v} \in V

    (1) 向量加法封閉性
    (2) 純量積封閉性

  • (3) u \forall \vec{u} , vV \vec{v} \in V , u \vec{u} + v \vec{v} = v \vec{v} + u \vec{u}
  • (4) u \forall \vec{u} , v \vec{v} , wV \vec{w} \in V , (u \vec{u} + v \vec{v} ) + w \vec{w} = v \vec{v} + (u \vec{u} + w \vec{w} )
  • (5) 0V \exists \vec{0} \in V s.t. vV \forall \vec{v} \in V , v \vec{v} + 0 \vec{0} = v \vec{v}
  • (6) vV \forall \vec{v} \in V , \exists (-v \vec{v} ) V \in V s.t. v \vec{v} + (-v \vec{v} ) = 0 \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) cF \forall c \in F , u \forall \vec{u} , vV \vec{v} \in V , c c (u+v \vec{u} + \vec{v} ) = cu c\vec{u} + cv c\vec{v}
  • (8) c \forall c , dF d \in F , vV \forall \vec{v} \in V , (c c + d d )v \vec{v} = cv c\vec{v} + dv d\vec{v}
  • (9) c \forall c , dF d \in F , vV \forall \vec{v} \in V , c c (dv d\vec{v}) = (cd cd )v \vec{v}
  • (10) vV \forall \vec{v} \in V , 1v 1 \cdot \vec{v} = v \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 , ..., xnF 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 ), αF \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 )
    • αx \alpha \cdot x = (αx1 \alpha x_1 , αx2 \alpha x_2 , ..., αxn \alpha x_n )
  • F F = R R C C 時, 稱 V V = Rn R^n Cn C^n 歐式空間

矩陣空間 (matrix space)

  • Define: V V = Fm×n F^{m \times n} = { A A | A A 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}
  • F F = R R C C 時, 稱 V V = Rm×n R^{m \times n} Cm×n C^{m \times n} 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 , gV g \in V , αF \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 = { fP 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 = 12 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 : DF 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 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 ""