向量空间和线性变换是线性代数中的两个基本概念。向量空间是研究线性代数的“舞台”,而线性变换则是这个舞台上的一种“动作”。
向量空间#
向量空间(也称为线性空间)是一个集合,其中的元素称为向量。这些向量可以进行加法和数乘两种运算,并且满足以下公理:
- 加法封闭性:对于向量空间中的任意两个向量 u 和 v,它们的和 u+v 也在向量空间中。
- 数乘封闭性:对于向量空间中的任意一个向量 u 和任意一个标量 c,它们的数乘 cu 也在向量空间中。
- 加法结合律:对于向量空间中的任意三个向量 u,v,w,有 (u+v)+w=u+(v+w)。
- 加法交换律:对于向量空间中的任意两个向量 u 和 v,有 u+v=v+u。
- 存在零向量:向量空间中存在一个特殊的向量 0,使得对于任意一个向量 u,有 u+0=u。
- 存在负向量:对于向量空间中的任意一个向量 u,存在一个向量 −u,使得 u+(−u)=0。
- 数乘结合律:对于任意一个标量 a 和 b,以及向量空间中的任意一个向量 u,有 a(bu)=(ab)u。
- 数乘对加法的分配律:对于任意一个标量 a,以及向量空间中的任意两个向量 u 和 v,有 a(u+v)=au+av。
- 标量对数乘的分配律:对于任意两个标量 a 和 b,以及向量空间中的任意一个向量 u,有 (a+b)u=au+bu。
- 数乘单位元:对于向量空间中的任意一个向量 u,有 1u=u。
线性变换#
线性变换(也称为线性映射)是从一个向量空间到另一个向量空间的函数,它保持向量的加法和数乘运算。具体来说,如果 T 是从向量空间 V 到向量空间 W 的线性变换,那么对于 V 中的任意两个向量 u 和 v,以及任意一个标量 c,有:
- T(u+v)=T(u)+T(v)
- T(cu)=cT(u)
线性变换可以用矩阵来表示。如果 T 是从 Rn 到 Rm 的线性变换,那么存在一个 m×n 的矩阵 A,使得对于 Rn 中的任意一个向量 x,有 T(x)=Ax。
-
向量空间的例子:
- Rn:所有 n 维实向量的集合。
- Cn:所有 n 维复向量的集合。
- Pn:所有次数不超过 n 的实系数多项式的集合。
-
线性变换的例子:
- 旋转:在 R2 中,将每个向量逆时针旋转一个固定的角度。
- 反射:在 R2 中,将每个向量关于 x 轴或 y 轴反射。
- 缩放:在 Rn 中,将每个向量乘以一个固定的标量。
向量空间和线性变换是线性代数中的两个基本概念。向量空间是研究线性代数的“舞台”,而线性变换则是这个舞台上的一种“动作”。线性变换可以用矩阵来表示,这使得我们可以使用矩阵的性质来研究线性变换。
\boxed{向量空间和线性变换是线性代数中的两个基本概念。}