线性空间和度量空间
线性空间和度量空间
摘要:线性空间和度量空间是很重要的内容,本文对空间的线性结构和度量结构做了简单总结,体现了空间的度量结构和线性结构之间具有某种协调性,特别重要和有用的一类度量空间是赋范线性空间. 而向量的长度与夹角等度量性质都可以通过向量的内积来表示. 关键词:空间;线性;度量
线性空间是线性代数最基本的概念之一. 在解析几何中,讨论过三维空间中的向量. 向量的基本属性是可以按平行四边形规律来描述的.
P 是一个数域. 在集合X 的元素之间定义了一种代定义1 设X 是一个集合,
数运算,叫做加法;这就是说,给出了一个法则,对于X 中任意两个元素α与β,在X 中都有唯一的一个元素γ与它们对应,称为α与β的和,记为γ=α+β. 在数域P 与集合X 的元素之间还定义了一运算,叫做数量乘法;这就是说,对于
数域P 中任一数k 与X 中任一元素α,在X 中都有唯一的一个元素δ与它们对应,称为k 与α的数量乘积,记为δ=k α. 如果加法与数量乘法满足下述规则,那么X 称为数域P 上的线性空间.
加法满足下面四条规则:
1)α+β=β+α;
2)(α+β) +γ=α+(β+γ) ;
3)在X 中有一个元素0,对于X 中任一元素α都有
0+α=α; 4)对于X 中每一个元素α,都有X 中的元素β,使得
α+β=0.
数量乘法满足下面两条规则: 5)1α=α; 6)k (l α) =(kl ) α.
数量乘法与加法满足下面两条规则: 7)(k +l ) α=k α+l α; 8)k (α+β) =k α+k β.
在以上规则中,k ,l 等表示数域P 中任意数;α,β,γ等表示集合X 中任意元素.
由定义,几何空间中全部向量组成的集合是一个实数域上的线性空间. 分量属于数域P 的全体n 元数组构成数域P 上的一个线性空间,这个线性空间我们用
P n 来表示.
下面我们直接从定义来证明线性空间的一些简单性质. 1. 零元素是唯一的.
假设01,02是线性空间V 中的两个零元素. 我们来证01=02. 考虑和
01+02.
由于01是零元素,所以01+02=02. 又由于02也是零元素,所以 01+02=02+01=01. 于是
01=01+02=02
这就证明了零元素的唯一性.
2. 负元素是唯一的.
这就是说,适合条件α+β=0的元素β是被元素α唯一确定的. 假设α有两个负元素β与γ,
α+β=0,α+γ=0.
那么
β=β+0=β+(α+γ) =(β+α) +γ=0+γ=γ. 向量α的负元素记为-α.
利用负元素,我们可以定义减法如下:
α-β=α+(-β) .
3. o α=0; k 0=0; (-1) α=-α. 我们先来证o α=0. 因为
α+o α=1α+o α=(1+o ) α=1α=α.
两边加上-α即得
o α=0.
再证第三个等式. 我们有
α+(-1) α=1α+(-1) α=(1-1) α=o α=0
两边加上-α即得
(-1) α=-α
易证
k 0=k (0-0) =k 0-k 0=0
4. 如果k α=0,那么k =o 或者α=0 . 假设k ≠o ,于是一方面
k -1(k α) =k -10=0 .
而另一方面
k -1(k α) =(k -1k ) α=1α=αk -1(k α) =k -10=0.
由此即得α=0
对于线性变换,定义加法与数量乘法,线性空间X 上全体线性变换对于加法与数量乘法,也构成数域P 上一个线性空间.
定义2 设V 是数域P 上的一个线性空间,f 是V 到P 的一个映射,如果f 满足
1)f (α+β) =f (α) +f (β) ; 2)f (k α) =kf (α) ,
式中α,β是V 中任意元素,k 是P 中任意数,则称f 为V 上的一个线性函数.
设V 是数域P 上一个n 维线性空间. V 上全体线性函数组成的集合记作
L (V , P ) . 可以用自然的方法在L (V , P ) 上定义加法和数量乘法.
设f ,g 是V 的两个线性函数. 定义函数f +g 如下:
(f +g )(α) =f (α) +g (α), α∈V .
f +g 也是线性函数:
(f +g )(α+β) =f (α+β) +g (α+β) =f (α) +f (β) +g (α) +g (β) =(f +g )(α) +(f +g )(β) ,
(f +g )(k α) =f (k α) +g (k α)
=kf (α) +kg (α) =k (f +g )(α) ,
f +g 称为f 与g 的和.
还可以定义数量乘法. 设f 是V 上线性函数,对P 中任意数k ,定义函数kf 如下:
(kf )(α) =k (f (α)), α∈V ,
kf 称为k 与f 的数量乘积,易证kf 也是线性函数.
容易检验在这样定义的加法和数量乘法下,L (V , P ) 称为数域P 上的线性空间.
取定V 的一组基ε1, ε2,..., εn ,作V 上n 个线性函数f 1, f 2,..., f n , 使得
⎧1, j =i ; f i (εj )=⎨ (1)
0, j ≠i , ⎩
i , j =1,2,..., n .
因为f i 在基ε1, ε2,..., εn , 上的值已确定,这样的线性函数是存在且唯一的.
对V 中向量
α=∑x i εi , 有f i (α)=x i , (2)
i =1
n
即f i (α)是α的第i 个坐标的值.
引理 对V 中任意向量α,有
α=∑f i (α)εi , (3)
i =1
n
而对L (V , P ) 中任意向量f ,有
f =∑f (εi )f i . (4)
i =1n
证明: (3)是(2)的直接结论,而由(1)及(3)就得出(4).
定理1 L (V , P ) 的维数等于V 的维数,而且f 1, f 2,..., f n 是L (V , P ) 的一组基. 证明 首先证明f 1, f 2,..., f n 是线性无关的,设 c 1f 1+c 2f 2+... +c n f n =0 (c 1, c 2,..., c n ∈P ).
依次用ε1, ε2,..., εn 代入,即得c 1=c 2=... =c n =0. 因此f 1, f 2,..., f n 是线性无关的. 又由(4)知L (V , P ) 中任一向量都可以由f 1, f 2,..., f n 线性表出,所以f 1, f 2,..., f n 是
L (V , P ) 的一组基,dim L (V , P )=n =dim V .
定义3 L (V , P ) 称为V 的对偶空间. 由(1)决定的L (V , P ) 的基,称为
ε1, ε2,..., εn 的对偶基.
以后我们简单地把V 的对偶空间记作V *.
例1 考虑实数域R 上的n 维线性空间V =P [x ]n ,对任意取定的n 个不同实数a 1, a 2,..., a n , 根据拉格朗日插值公式,得到n 个多项式 p i (x )=
(x -a 1)... (x -a i -1)(x -a i +1)... (x -a n ), a i -a 1... a i -a i -1a i -a i +1... a i -a n i =1,2,..., n . 它们满足
⎧1, j =i ;
p i (a j )=⎨
⎩0, j ≠i , i , j =1,2,..., n .
p 1(x ), p 2(x ),..., p n (x )是线性无关的,因为由 c 1p 1(x )+c 2p 2(x )+... +c n p n (x )=0, 用a i 代入,即得
∑c k p k (a i )=c i p i (a i )=c i =0,
k =1n
i =1,2,..., n .
又因V 是n 维的,所以p 1(x ), p 2(x ),..., p n (x )是V 的一组基. 设L i ∈V *(i =1,2,..., n )是在a i 点的取值函数: L i (p (x ))=p (a i ), p (x )∈V , i =1,2,..., n .
则线性函数L i 满足
⎧1, j =i ;
L i (p j (x ))=p j (a i )=⎨
⎩0, j ≠i , i , j =1,2,..., n .
因此,L 1, L 2,..., L n 是p 1(x ), p 2(x ),..., p n (x )的对偶基.
在线性空间中,向量之间的基本运算只有加法与数量乘法,统称为线性运算. 如果以几何空间中的向量作为线性空间理论的具体模型,那么就会发现向量的度量性质,如长度,夹角等,在线性空间的理论中没有得到反映. 但是向量的度量性质在许多问题中有着特殊的地位.
定义4 设X 是一个集合,若对于X 中任意两个元素x ,y 都有唯一确定的实数d (x , y ) 与之对应而且这一对应关系满足下列条件:
1)d (x , y ) ≥0, d (x , y ) =0的充要条件为x =y ;
2)d (x , y ) ≤d (x , z ) +d (y , z ) ,对任意z 都成立,则称d (x , y ) 是x ,y 之间的距离,称(X , d ) 为度量空间.
例2 可测函数空间M (X ) .
设M (X ) 为X 上实值(或复值)的Lebesgue 可测函数全体,m 为Lebesgue 测度,若m (X )
f (t ) -g (t ) 1+f (t ) -g (t )
所以这是X 上可积函数,令
d (f , g ) =⎰
f (t ) -g (t ) 1+f (t ) -g (t )
X
dt .
如果把M (X ) 中两个几乎处处相等的函数视为M (X ) 中同一个元,那么利用不等式
a +b 1+a +b
≤
a 1+a
+
b 1+b
及积分性质容易验证d (f , g ) 是距离. 因此M (X ) 按上述距离d (f , g ) 称为度量空间.
例3 l 2.
∞
⎧⎫2
记l =⎨x ={x k }:∑x k
k =1⎩⎭2
定义
⎡2⎤
d (x , y )=⎢∑(y k -x k )⎥,
⎣k =1⎦
. 距离条件的1 是容易得出的. 现检验条件2. 则d 是l 2上的距离(可以证明d
∞
1
2
对任意正整数n ,x (n )=(x 1, x 2,..., x n )和y (n )=(y 1, y 2,..., y n )都是R n 中元素,由
Cauchy 不等式
n n
⎛n ⎫2
∑x k y k ⎪≤∑x k ⋅∑y k 2,
k =1k =1⎝k =1⎭
2
不等式右端令n →∞,得
∞∞
⎛n ⎫22
∑x k y k ⎪≤∑x k ⋅∑y k .
k =1⎝k =1⎭k =1
2
再令左端的n 趋于∞,即得
∞∞
⎛∞⎫22
∑x k y k ⎪≤∑x k ⋅∑y k
k =1⎝k =1⎭k =1
2
由此可得
2
∑(x k +y k )=∑x +2∑x k ⋅y k +∑y k
2
k
k =1
k =1
k =1
k =1
∞
2
∞
∞
∞
∞
⎛22⎫2
≤∑x +2 ∑x k ⋅∑y k ⎪+∑y k
k =1k =1⎝k =1⎭k =1
2
k
∞∞∞
12
11
⎡∞⎤∞22⎛⎫⎛⎫22⎥. =⎢ ∑x k + ∑y k
⎪⎪⎢⎝k =1⎭⎝k =1⎭⎥
⎣⎦
2
今取ξ={ξk }, η={η{ζ}. 以x k =ζk -ξk , y k =ηk -ζk 代入上式,即可得k }, ζ=k
ξ, η, ζ的三点不等式
d (ξ, η)≤d (ξ, ζ)+d (ζ, η).
由上述例子可见,度量空间除了有限维的欧几里得空间R n 之外,还包括其
他的空间.
定义5 设X =(X , d ) 是度量空间,{x n }是X 中点列,如果对任何事先给定的正数ε>0,存在正整数N =N (ε) ,使当n , m >N 时必有
d (x n , x m )
则称{x n }是X 中的柯西点列. 如果度量空间(X , d ) 中每个柯西点列都在(X , d ) 中收敛,那么称(X , d ) 是完备的度量空间.
例4 l ∞是完备度量空间.
m m
证明 设{x m }是l ∞中的柯西点列,其中x m =ξ1(), ξ2(),... ,对于任意ε>0,
()
存在正整数N ,当时n , m >N 时,
d (x m , x n )=sup ξ(j m )-ξ(j n )
j
因此,对每一个固定的j ,当n , m >N 时,成立
m n
ξ(j )-ξ(j )
.. 柯西数列,因此,存在数ξj ,使得这就是说,数列ξ(j k ), k =1, 2, 是
ξ(j k )→ξj (n →∞),令x =(ξ1, ξ2,... ). 下面证明x ∈l ∞,且x m →x (m →∞). 在
式中,令n →∞,我们得到,对一切m >N ,成立
m
ξ(j )-ξj ≤ε, (7) m m m
又因x m =ξ1(), ξ2(),..., ξ(j ),... ∈l ∞,因此存在实数K m ,使得对所有j ,成立
()
ξ(j m )≤K m . 因此,
m m
ξj ≤ξj -ξ(j )+ξ(j )≤ε+K m .
这就证明了x ∈l ∞. 由(7)式,可知对一切m >N ,成立
d (x m , x )=sup ξ(j )-ξj ≤ε.
m
j
所以x m →x (m →∞). 因此l ∞是完备度量空间. 证毕.
令C 表示所有收敛的实(或复)数列全体,对C 中任意两点
x =(ξ1, ξ2,... ), y =(η1, η2,... ),令
d (x , y )=sup ξj -ηj .
j
易证C 是一度量空间,实际上它是l ∞的一个子空间.
特别重要和有用的一类度量空间是赋范线性空间. 在赋范线性空间中的元素可以相加或者数乘,元素之间不仅有距离,而且每个元素有类似于普通向量长度的叫做范数的量.
定义6 设X 实(或复)的线性空间,如果对每个向量x ∈X ,有一个确定的实数,记为x 与之对应,并且满足:
1) x ≥0, 且x =0等价于x =0; 2) x =x 其中α为任意实(复)数; 3)x +y ≤x +y ,,y ∈X ,
则称x 为向量x 的范数,称X 按范数x 称为赋范线性空间.
设{x n }是X 中点列,如果存在x ∈X ,使x n -x →0(n →∞) ,则称{x n }依范数收敛于x . 记为x n →x (n →∞) ,或lim x n =x .
x →∞
如果令
d (x , y ) =x -y (x , y ) ∈X ,
容易验证d (x , y ) 是X 上的距离,且{x n }依范数收敛于x 等价于{x n }按距离d (x , y ) 收敛于x . 称d (x , y ) 为由范数x 导出的距离. 所以赋范线性空间实际上是一种特殊的度量空间. 如果d (x , y ) 是由x 导出的距离,x 那么这种距离和线性运算之间有某种关系,即对任何数α和向量x , y ∈X ,有
(a )d (x -y , 0) =d (x , y ) , (b )d (αx , 0) =d (x , 0) .
反之,如果X 是线性空间,d 是X 上的距离,并且满足条件(a )和(b ),那么一定可以在X 上定义范数x ,使d 是由x 所导出的距离. 事实上,令x =d (x , 0) ,由条件(a ),(b ),不难证明这样定义的x 是范数,且d (x , y ) =x -y . 条件(a ),
(b )反映了空间的度量结构和线性结构之间具有某种协调性.
完备的赋范线性空间称为Banach 空间
例5 空间l ∞,对每个x =(ξ1, ξ2, ) ∈l ∞,定义
x =sup ξj . (8)
j
不难验证l ∞按(8)中范数成为Banach 空间.
在解析几何中看到,向量的长度与夹角等度量性质都可以通过向量的内积来表示,而且向量的内积有明显的代数性质. 所以在抽象的讨论中,取内积作为基本的概念.
定义7 设X 是实数域R 上一线性空间,在X 上定义了一个二元函数,称为内积,记作〈α, β〉,它具有以下性质:
1)〈α, β〉=〈β, α〉; 2)〈k α, β〉=k 〈α, β〉; 3)〈α+β, γ〉=〈α, γ〉+〈β, γ〉;
4)〈α, α〉≥0,当且仅当α=0时〈α, α〉=0;
这里α,β,γ是X 中任意的向量,k 是任意实数,这样的线性空间X 称为欧几里得空间.
例6 在闭区间[a , b ]上的所有连续函数所成的空间C [a , b ]中,对于函数f (x ) ,
g (x ) 定义内积
〈f , g 〉=⎰f (x ) g (x ) dx . (9)
a
b
由定积分的性质不难证明,对于内积(9)构成一欧几里得空间.
欧式空间是专对实数域上的线性空间而讨论的. 酉空间实际就是复数域上的欧式空间.
定义8 设X 是复数域上的线性空间,在X 上定义了一个二元函数,称为内积,记作〈α, β〉,它具有以下性质:
1)〈α, β〉=〈, 〉,这里〈, 〉是〈β, α〉的共轭复数; 2)〈k α, β〉=k 〈α, β〉; 3)〈α+β, γ〉=〈α, γ〉+〈β, γ〉;
4) 〈α, α〉是非负实数,且〈α, α〉=0当且仅当〈α, α〉=0.
这里α,β,γ是X 中任意向量,k 为任意复数,这样的线性空间称为酉空间. 如果照搬欧氏空间内的〈α, β〉=〈β, α〉,对于α≠0,有
〈i α, i α〉=i 2〈α, α〉=〈α, α〉
与〈i α, i α〉>0是矛盾的. 所以将对称性修改成〈α, β〉=〈, 〉这一性质称为埃而米特性. 所以
〈i α, i α〉=i 〈α, i α〉=i 〈i , 〉=i i 〈α, α〉=〈α, α〉>0.
这样就不矛盾了.
来看一个例子:在复数域C 上的n 维线性空间C n 中,对向量α=(a 1, a 2, , a n ) ,β=(b 1, b 2, , b n ) 定义二元复函数 〈α, β〉=a 1b 1+a 2b 2+ +a n b n .
根据酉空间的4个条件可以判断C n 构成一个酉空间.
由内积的定义可知:
1 若〈α, k β〉=〈k , 〉=k 〈, 〉=k 〈α, β〉,
特别
〈α, 0〉=0. 2 〈α, β+γ〉=〈+, 〉=〈, 〉+〈, 〉=〈α, β〉+〈α, γ〉,
由1,2可知,酉空间的内积对第二个变量是半线性的. 换句话说就是:〈α, k 1β1+k 2β2〉=k 1〈α, β1〉+k 2〈α, β2〉.
3 因为〈α, α〉≥0,由此我们同样可以定义向量α的长度,=α, α〉. 特别的,若=1,称α为单位向量.
由向量α的长度可以得到以下一些性质:
(1)k α=k
(k α, k α) =k k (α, α) 也就是说k α2=k 2 2
∴k α=k
(2)若α≠0,则1
α为单位向量.
(3)柯西—布涅柯夫斯基不等式仍然成立,也就是:∀α, β∈X 有(α, β) ≤β,其中(α, β) 表示复数(α, β)的模,当且仅当α, β线性相关时,等号成立.
对于以上的不等式,对于非零向量α, β可以定义它们的夹角
〈α, β〉=其中0≤〈α, β〉≤π
若〈α, β〉=0
参考文献: (α, β) β, ,那么=π2,这时称α, β是正交的,记作α⊥β.
[1] 邱森编. 高等代数. 武汉:武汉大学出版社.
[2] 丘维声. 高等代数. 北京:高等教育出版社,2003. 8.
[3] 张禾瑞. 郝鈵新. 高等代数. 北京:高等教育出版社,2007. 6.
[4] 王萼芳. 石生明. 高等代数. 北京:高等教育出版社,2003. 7.
[5] 程其襄. 张奠宙. 魏国强. 胡善文. 王潄石. 实变函数与泛函分析基础. 北京:高等教育出版社,2003. 7.
[6] 陈传璋. 金福林. 朱学炎. 欧阳光中. 数学分析. 北京:高等教育出版社,1983. 7.
Linear spaces and metric spaces
Wang Weidong (200611009)
Institute of Mathematical Sciences, Mathematics and Applied Mathematics 06 (1) Class
Instructor Su Yala Tu
Abstract: The linear space and metric space is a very important part of this paper the linear structure of space and structure to do a simple summary measure reflects the metric structure of space and linear structure of a coordination between, the vector Measure the length and nature of the angle between the vector can be adopted
to represent the inner product. Key words: space; linear; measure