第1章线性空间与线性变换讲义教材
第1章 线性空间与线性变换
n
n
例 1. 3 在实数域上，次数小于 n 的多项式的全体
R[ x ]n an 1 x n1 a1 x a0 an 1 , , a1 , a0 R
对于通常的多项式加法， 数与多项式的乘法构成线性空间．
注意 在同一集合上，可以定义不同的线性运算，从而
m n
得到不同的线性空间．
的一个线性组合．
,m 及 1, 2 , , s 是数域 P 上的线性空间 V 中 两个向量组，如果 1 , 2 , , m 中的每个向量都能由向量组 1, 2 , , s 线 性 表 示 ， 则 称 向 量 组 1 , 2 , ,m 可 由 向 量 组 1, 2 , , s 线 性 表 示 ； 如 果 向 量 组 1 , 2 , ,m 与 向 量 组 1, 2 , , s 可 以 相 互 线 性 表 示 ， 则 称 向 量 组 1 , 2 , ,m 与 1, 2 , , s 是等价的
因此有 0 2 01 0 2 ， 01 0 2 01 ． 从而根据定义 1-1 的（1） ，得 01 01 0 2 0 2 01 0 2 ． 故线性空间 V 中零元素是唯一的．
性质 1.2 线性空间中任一元素的负元素是唯一的． 证明 设 V 为线性空间， V ， 与 都是 的负元素，则 0， 0． 于是 0 ( ) ( ) ， 唯一性证毕．
由数域的概念我们知道，Q, R, C都是数域，分别称为有 理数域、实数域及复数域． 请同学们回去证明： 集合 集合
Q( 2) a b 2 a , b Q Z( 2
2) a b
a, b Z
是一个数域， 不是一个数域.
矩阵分析引论--第一章 线性空间与线性变换-线性空间的概念、 基变换与坐标变换
复数集的一个非空子集，含非零数，对和、差、 积、商(除数不为零)运算封闭.
• 性质：
必包含0与1； 有理数域是最小的数域.
目录 上页 下页 返回 结束
第一章第一二节 线性空间的概念、基变换与坐标变换
2、线性空间
定义1-1（线性空间） 设V是一非空集合，P是一数域，若
（1）在V上定义了一个二元运算(称为加法, a与b 的和记为a＋b）, 且 a , b V,有 a b V ;
（2）在P与V的元素之间还定义了一种运算(称为
数乘, k与a的数乘记为ka),
且 a V ,k P, 有 ka V ；
目录 上页 下页 返回 结束
第一章第一二节 线性空间的概念、基变换与坐标变换
（3）加法与数乘满足以下八条规则：
(ⅰ) a b b a； (ⅱ) (a b ) a (b )；
第一章第一二节 线性空间的概念、基变换与坐标变换
第一节 线性空间的概念
一、线性代数回顾
★ n维向量：有序数组 ★ 线性运算：加法、数乘 ★ 运算律（八条） ★ 向量关系：线性相关、线性无关 ★ 向量空间 ★ 子空间 ★基
目录 上页 下页 返回 结束
第一章第一二节 线性空间的概念、基变换与坐标变换
(ⅲ) a 0 a；
(ⅳ) a (a ) 0；
(ⅴ) 1a a；
(ⅵ) k(la ) (kl)a；
(ⅶ) (k l)a ka la ;(ⅷ) k(a b ) ka kb .
则称集合V为数域P上的线性空间或向量空间.
目录 上页 下页 返回 结束
第一章第一二节 线性空间的概念、基变换与坐标变换
又若向量 b k1a1 k2a2 knan , 则b 也称为向量 a1,a2,,an 的线性组合，或称 b 可以由向量 a1,a2,,an 线性表示.
第1章 线性空间与线性变换
请双面打印/复印(节约纸张)工程矩阵理论主讲: 张小向第一章 线性空间与线性变换第一节 线性空间的基本概念 第二节 基, 维数与坐标变换 第三节 子空间的和与交 第四节 线性映射 第五节 线性映射的矩阵 第六节 线性映射的值域与核 第七节 几何空间线性变换的例子 第八节 线性空间的同构第一章 线性空间与线性变换§1.1 线性空间的基本概念第一章 线性空间与线性变换§1.1 线性空间的基本概念§1.1 线性空间的基本概念 一. 几个具体的例子 1.n= {(a1, …, an)T | a1, …, an ∈ }.2, 3).1. n. 2. [x]. 3. Mm×n( ). 4. { f(x) | f: → }. 5. = {x∈ | x > 0}. a⊕b = ab, ∀a, b∈ +; k⊗a = ak, ∀a∈ 6. V = {α}.+, +非空集合(特例: 2. [x] ={a0+a1x+…+anxn a11 a21 … am1| a1, …, an ∈ }. .3. Mm×n( ) =a12 … a1n a22 … a2n 诸aij ∈ … …… am2 … amn共 同 点系数域 两种运算 八条规则∀k∈ .α +α = α, kα = α, ∀k∈ .第一章 线性空间与线性变换§1.1 线性空间的基本概念第一章 线性空间与线性变换§1.1 线性空间的基本概念二. 线性空间的定义与性质 定义1.1.1 线性空间V(F). V——非空集合 F——数域 加法交换律 结合律 有零元素 每个元素都有负元素 1α = α k(lα) = (kl)α (k+l)α = kα + lα k(α+β) = kα + kβ定理1.1.1. (1) 零向量唯一; (2) 任一向量的负向量唯一; (3) 0α = θ; (4) kθ = θ; (5) (−1)α = −α, (−k)α = −(kα); (6) kα = θ ⇒ k = 0或α = θ.数乘272365083@1请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.1 线性空间的基本概念第一章 线性空间与线性变换§1.1 线性空间的基本概念三. 线性组合, 线性表示 1. 设α1, …, αk ∈V(F), x1, …, xk ∈F, 则称 x1α1 + … + xkαk 为α1, …, αk的一个线性组合. 2. 设α1, …, αk, β ∈ V(F). 若∃ x1, …, xk ∈ F s.t. β = x1α1 +…+ xkαk 则称β能由向量组α1, …, αk线性表示. 3. 若β1, …, βl都能由α1, …, αk线性表示,则称向量组β1, …, βl能由α1, …, αk线性表 示.四. 形式矩阵 设α1, …, αk , β1, …, βk ∈V(F). 1. 若α1 = β1, …, αk = βk , 则记(α1, …, αk) = (β1, …, βk). 2. 规定 (α1, …, αk) + (β1, …, βk) = (α1+β1, …, αk+βk). 3. 若a ∈F, 则规定 a(α1, …, αk) = (aα1, …, aαk).第一章 线性空间与线性变换§1.1 线性空间的基本概念第一章 线性空间与线性变换§1.1 线性空间的基本概念4. 若x1, …, xk ∈F, 则记 x1α1 +…+ xkαk = (α1, …, αk) x1 . xk 5. 若A = (A1, …, As) ∈ Mk×s(F), 则规定 (α1, …, αk)A = ((α1, …, αk)A1, …, (α1, …, αk)As). …注: 设α1, …, αk , β1, …, βk ∈V(F). a, b ∈ F, A, B ∈ Mk×s(F), C ∈ Ms×t(F). 记α = (α1, …, αk), β = (β1, …, βk), 则可以验证下列等式成立: ① a(α + β) = aα + aβ, ② (a+b)α = aα + bα, ③ a(bα) = (ab)α. ④ (α + β)A = αA + βA, ⑤ α(A+B) = αA + αB, ⑥ (αA)C = α(AC), ⑦ (aα)A = a(αA) = α(aA).第一章 线性空间与线性变换§1.1 线性空间的基本概念第一章 线性空间与线性变换§1.1 线性空间的基本概念五. 线性空间的子空间 定义1.1.2 子空间, W ≤ V(F) 定理1.1.2. 设∅ ≠ W ⊆ V(F), 则 W ≤ V(F) ⇔ W关于的加法和数乘封闭. 注: V(F)的两个平凡的子空间. {θ}, V(F)六. 由子集合{α1, α2, …, αk}生成的子空间 {α1, α2, …, αk}——生成系, 生成元集i=1 k∑ xiαi —— α1, α2, …, αk的一个线性组合 组合系数 W = { ∑ xiαi | ∀xi∈ F}.k记为L[α1, α2, …, αk]或span{α1, α2, …, αk}.i=1272365083@2请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.2 基, 维数与坐标变换第一章 线性空间与线性变换§1.2 基, 维数与坐标变换§1.2 基, 维数与坐标变换 一. 向量组的线性相关性 定义1.2.1 线性相关, 线性无关. 定理1.2.1 设(I) α1, α2, …, αs线性无关, 且能由 (II) β1, β2, …, βt线性表示, 则s ≤ t. 推论1 设(I)与(II)都线性无关, 且等价, 则s = t. 推论2 设(I)能由(II)线性表示, 且s > t, 则(I)必线性相关.二. 基、维数 定义1.2.2 基, 维数. 例子. 1. n. 2. [x], [x]n = {a0+a1x+…+an−1xn−1 | …}. 3. Mm×n( ). 4. { f(x) | f: → }. 5. = {x∈ | x > 0}. a⊕b = ab, ∀a, b∈ +; k⊗a = ak, ∀a∈ +, ∀k∈ . 6. V = {θ}.+第一章 线性空间与线性变换§1.2 基, 维数与坐标变换第一章 线性空间与线性变换§1.2 基, 维数与坐标变换定理1.2.2 若dimV = n, 则V中任意 n 个线性无 关的向量都构成V的一组基. 定理1.2.3 若W ≤ V, dimV = n, α1, …, αr 为W 的一组基, 则∃αr+1, …, αn∈ V 使得 α1, …, αr, αr+1, …, αn构成V的一组 基.三. 坐标 定义1.2.3 设α1, …, αn为V的一组基, ξ ∈ V. 若ξ = x1α1 + … + xnαn, 则称有序数组(x1, …, xn)为ξ在基 α1, …, αn下的坐标, (x1, …, xn)T称为ξ的坐标向量.第一章 线性空间与线性变换§1.2 基, 维数与坐标变换第一章 线性空间与线性变换§1.2 基, 维数与坐标变换定理1.2.4 设α1, …, αn为V的一组基, (β1, …, βr) = (α1, …, αn)x11 … x1r x11 … x1r xn1 … xnr … …四. 坐标变换 V的两组基 , P, 可逆X=xn1 … xnr,p11 … p1n (β1, …, βn) = (α1, …, αn) … … … , pn1 … pnn 称P为从基α1, …, αn到β1, …, βn的过渡矩 阵.…则β1, …, βr线性无关 ⇔ 秩(X) = r.272365083@…3请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.2 基, 维数与坐标变换第一章 线性空间与线性变换§1.3 子空间的和与交四. 坐标变换 V的两组基 P, 可逆§1.3 子空间的和与交 一. 基本概念与结论 定义1.3.1 设V1, V2 ≤ V. V1与V2的和: V1 + V2 = {α1 + α2 | α1∈V1, α2∈V2}. V1与V2的交: V1∩V2 = {α∈V | α∈V1且α∈V2}. 定理1.3.1 V1, V2 ≤ V ⇒ V1 + V2, V1∩V2 ≤ V.p11 … p1n (β1, …, βn) = (α1, …, αn) … … … , pn1 … pnnξ = (α1, …, αn)X = (β1, …, βn)Y,(α1, …, αn)PY ⇒ X = PY, Y = P−1X. ——坐标变换公式 =第一章 线性空间与线性变换§1.3 子空间的和与交第一章 线性空间与线性变换§1.3 子空间的和与交注: ① 子空间V1∩V2与集合V1∩V2是一致的. ② 一般情况下, V1+V2 ≠ V1∪V2. 例如V =3,zOV1 = xOy平面, V2 = yOz平面, V1+V2 = V, V1∩V2 = y轴.定理1.3.2 (维数定理) 设V1, V2是V的两个有限维子空间, 则 dimV1 + dimV2 = dim(V1+V2) + dim(V1∩V2). 证明: (关键步骤) y(1) 取V1∩V2的一组基α1, …, αr ; (2) 把α1, …, αr扩充成V1的一组基 α1, …, αr, βr+1, …, βs ; (3) 把α1, …, αr扩充成V2的一组基 α1, …, αr, γr+1, …, γt ; (4) 验证α1, …, αr, βr+1, …, βs, γr+1, …, γt 线性无关(从而构成V1+V2的一组基).x③ V1+V2 = V1∪V2 的充分必要条件是 V1⊆V2 或 V2⊆V1.第一章 线性空间与线性变换§1.3 子空间的和与交第一章 线性空间与线性变换§1.3 子空间的和与交k1α1+…+krαr+kr+1βr+1+…+ksβs+lr+1γr+1+…+ltγt = 0 ⇒ lr+1γr+1+…+ltγt = −k1α1−…−krαr−kr+1βr+1−…−ksβs ∈ V1∩V2 ⇒ ∃l1, …, lr s.t. lr+1γr+1+…+ltγt = l1α1+…+lrαr i.e. l1α1+…+lrαr −lr+1γr+1−…−ltγt = 0 ⇒ l1 = … = lr = lr+1 = … = lt = 0 ⇒ k1α1+…+krαr+kr+1βr+1+…+ksβs = 0 ⇒ k1 = … = kr = kr+1 = … = ks = 0dimV1 + dimV2 = dim(V1+V2) + dim(V1∩V2) 例1(1) V = 3, V1 = xOy平面, V2 = yOz平面, V1+V2 = V, V1∩V2 = y轴, dimV1 = dimV2 = 2, dim(V1+V2) = 3, dim(V1∩V2) = 1. zOyx272365083@4请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.3 子空间的和与交第一章 线性空间与线性变换§1.3 子空间的和与交例1(2) V = V2 =2×2,V1 =x y z tx = y ≤ V,例1(3) V = V2 =2×2,V1 =x −x y −yx, y ∈ ≤ V,≤ V,x y z tx + y + z = 0 ≤ V,x y z tx y x yx, y ∈0 0V1+V2 = ______. V1∩V2 =x=y且x+y+z=0 ,则 0 0 , 构成V1的一组基, 1 −11 0 0 1 , 构成V2的一组基, 1 0 0 11 −1dimV1 = dimV2 = 3, dim(V1∩V2) = 2, 故dim(V1+V2) = 3 + 3 − 2 = 4 = dimV, 可见V1+V2 = V.故dimV1 = dimV2 = 2.x −x y −y ∈V2 ⇔ x = y. x −x 故V1∩V2 = x −x x ∈.第一章 线性空间与线性变换§1.3 子空间的和与交第一章 线性空间与线性变换§1.3 子空间的和与交可见1 −1 构成V1∩V2的一组基, 1 −1dim(V1∩V2) = 1. 故dim(V1+V2) = dimV1 + dimV2 − dim(V1∩V2) = 2 + 2 − 1 = 3. 事实上,1 0 0 1 1 −1 0 0 , , 1 0 , 0 1 线性相关, 0 0 1 −1二. 子空间的直和 定义1.3.2 设V1, V2 ≤ V. 若对于∀α∈V1+V2, ∃| α1∈V1, α2∈V2, s.t. α = α1 + α2, 则称V1 + V2为V1与V2的直和, 记为V1⊕V2.其中任意3个都线性无关, 因而构成V1+V2的 一组基.α = α1 + α2, α1∈V1, α2∈V2 ⇒ α = β1 + β2, β1∈V1, β2∈V2 α1 = β1, α2 = β2.第一章 线性空间与线性变换§1.3 子空间的和与交第一章 线性空间与线性变换§1.3 子空间的和与交定理1.3.3 设V1, V2 ≤ V, 则下列条件等价: (1) V1 + V2是直和; (2) V1 + V2中0分解式唯一, 即 0 = α1+α2 (αi∈Vi) ⇒ α1 = α2 = 0; (3) V1∩V2 = {0}; 当dimV1, dimV2 < ∞时, 上述条件还等价于 (4) dim(V1+V2) = dimV1 + dimV2.定理1.3.4 设V1 ≤ V, dimV = n, dimV1 = r, 则存在V的n−r维子空间V2使得 V = V1⊕V2. 定义1.3.3 设V1, …, Vs ≤ V, 则V1, …, Vs的和 V1 + … + Vs = {α1 +…+ αs | αi∈Vi}. 若对于∀α ∈ V1 + … + Vs , ∃| αi∈Vi (i = 1, …, s) s.t. α = α1 + … + αs , 则称V1 +…+ Vs为V1, …, Vs的直和, 记为V1⊕…⊕Vs .272365083@5请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.3 子空间的和与交第一章 线性空间与线性变换§1.3 子空间的和与交定理1.3.5 设Vi ≤ V (i = 1, …, s), 则TFAE: (1) V1 + … + Vs是直和; (2) V1 + … + Vs中0分解式唯一; (3) Vk∩Σi≠kVi = {0}, k = 1, …, s; 当dimVi < ∞ (i = 1, …, s)时, 上述条件还等价于 (4) Σ dimVi = dim( Σ Vi).i=1 i=1 s s例2. 设A2 = A ∈ Fn×n, V1 = {X ∈ Fn | AX = 0}, V2 = {X∈Fn | AX = X}. 证明: Fn = V1⊕V2. 证明: (1) 容易验证V1, V2 ≤ Fn. (2) ∀α∈Fn, 有α = (α − Aα) + Aα, A(α − Aα) = Aα − A2α = 0, A(Aα) = A2α = Aα. 可见α ∈ V1+V2. 这就证明了Fn ⊆ V1+V2. 又因为V1+V2 ⊆ Fn, 所以Fn = V1+V2.第一章 线性空间与线性变换§1.3 子空间的和与交第一章 线性空间与线性变换§1.4 线性映射例2. 设A2 = A ∈ Fn×n, V1 = {X ∈ Fn | AX = 0}, V2 = {X∈Fn | AX = X}. 证明: Fn = V1⊕V2. 证明: (1) 容易验证V1, V2 ≤ (2) Fn = V1+V2. (3) 若α∈V1∩V2, 则α = Aα = 0. Fn. 可见V1∩V2 ⊆ {0}. 又因为{0} ⊆ V1∩V2, 所以V1∩V2 = {0}. 综上所述, Fn = V1⊕V2.§1.4 线性映射 一. 映射 定义1.4.1 像 原像 • • • 映射 • • • • • • 满射 • •第一章 线性空间与线性变换§1.4 线性映射第一章 线性空间与线性变换§1.4 线性映射• • 单射 注:• • •• • • 双射• • •f:→; a → |a| ;a→ √a2(∀a∈ ) (∀a∈ )g: →f = g —— ∀a∈ , f(a) = g(a) 一般地, 若映射f, g: A → B满足 f(a) = g(a) (∀a∈A) 则称映射f与g相等, 记为f = g.• • •• • •• •• • •不是映射不是映射272365083@6请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.4 线性映射第一章 线性空间与线性变换§1.4 线性映射• • • f • • •• • •• • • g • • • gf• • •注① 映射的复合运算满足结合律: f: A → B, g: B → C, h: C → D (hg)f = h(gf). A B f b• g C c• h D d•• • •a•[(hg)f](a) = (hg)[f(a)] = (hg)(b) = h[g(b)] = h{g[f(a)]} = h[(gf)(a)] = [h(gf)](a)f: A → B与g: B → C的乘积 gf: A → C定义为 ( gf )(a) = g[ f(a)] (∀a∈A).第一章 线性空间与线性变换§1.4 线性映射第一章 线性空间与线性变换§1.4 线性映射注② 1A: A → A, f: A → B, 1B: B → B f⋅1A = f, A a• 1A A a• f 1B⋅f = f. B b• 1B B b• • • • 双射f • • • • • • • • •f的逆映射( f⋅1A)(a) = f [1A(a)] = f(a) (1B⋅f )(a) = 1B[ f(a)] = f(a)若映射f: A → B, g: B → A满足 gf = 1A, fg = 1B, 则称g为f 的逆映射, 记为g = f −1. 注① g = f −1 ⇒ f = g−1. 注② f: A → B有逆映射⇔ f: A → B为双射.第一章 线性空间与线性变换§1.4 线性映射第一章 线性空间与线性变换§1.4 线性映射注② f: A → B有逆映射⇔ f: A → B为双射.证明: (⇒) 设f: A → B有逆映射g: B → A, 则 (1) ∀x, y ∈ A, 由 f(x) = f(y)可得 x = 1A(x) = gf(x) = gf(y) = 1A(y) = y. 可见 f: A → B为单射. (2) ∀b ∈ B, ∃a = g(b) ∈ A s.t. f(a) = f[g(b)] = fg(b) = 1B(b) = b. 可见 f: A → B为满射. 所以 f: A → B为双射.注② f: A → B有逆映射⇔ f: A → B为双射.证明: (⇐) 设 f: A → B为双射, 则 ∀b ∈ B, ∃| a ∈ A s.t. f(a) = b. 令g(b) = a, 可得 映射g: B → A. 而且 (1) ∀b ∈ B, 有 fg(b) = f[g(b)] = f(a) = b. 这就是说, fg = 1B. (2) ∀a ∈ A, 令b = f(a) ∈ B, 按g的定义, gf(a) = g[ f(a)] = g(b) = a. 这就是说, gf = 1A, 可见 f: A → B有逆映射g: B → A.272365083@7请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.4 线性映射第一章 线性空间与线性变换§1.4 线性映射例1. 设A为数域F上的n阶方阵, Fn = {(a1, …, an)T | a1, …, an∈F}. 映射f: Fn→ Fn定义为 f(x) = Ax. 证明下列条件等价: (1) f: Fn→ Fn为单射; (2) f: Fn→ Fn为满射; (3) A可逆.证明: (1)⇒(3) 假设A不可逆, 则|A| = 0, 故r(A) < n, 因而Ax = 0有非零解, 即存在x ≠ 0使得Ax = 0, 于是f(x) = Ax = 0 = A0 = f(0). 这与“f: F n→ F n为单射”矛盾. 所以A可逆. (3)⇒(1) 对于任意的x, y ∈ F n, 若f(x) = f(y), 即Ax = Ay, 因为A可逆, 所以x = A−1Ax = A−1Ay = y. 可见 f: F n→ F n为单射.第一章 线性空间与线性变换§1.4 线性映射第一章 线性空间与线性变换§1.4 线性映射证明: (2)⇒(3) 因为f: F n→ F n是满射, 所以存在n阶方阵B = (ξ1, …, ξn)使得 AB = (Aξ1, …, Aξn) = ( f(ξ1), ..., f(ξn)) = (e1, …, en) = I. 从而|A|×|B| = |AB| = |I| = 1, 故|A| ≠ 0, 因而A可逆. (3)⇒(2) 对于任意的y ∈ F n, 令x = A−1y, 则x ∈ F n, 而且f(x) = Ax = AA−1y = y. 可见f: F n→ F n为满射.二. 线性映射与线性变换 定义1.4.2 设U, V为数域F上的线性空间. 若映射 f: V → U保持加法和数乘, 即 f(α+β) = f(α) + f(β), f(kα) = kf(α), ∀α, β ∈ V, k ∈ F, 则称 f 为线性映射. 特别地, 当U = V时, 称线性映射 f: V → V为V上的线性变换. 注① f(kα+lβ) = kf(α) + lf(β), ∀α, β ∈ V, k ∈ F.第一章 线性空间与线性变换§1.4 线性映射第一章 线性空间与线性变换§1.4 线性映射注② Hom(V, U) = { f: V → U | f为线性映射}. 注③ 若 f ∈ Hom(V, U), 则 f(0V) = 0U; f(−α) = −f(α); f(x1α1+…+xsαs) = x1 f(α1) +…+ xs f(αs); α1, …, αs线性相关 ⇒ f(α1), …, f(αs)线性相关. 注④ 若 f: V → U 满足 f(α) = 0, ∀α∈V, 则 f ∈ Hom(V, U), 称为零映射, 记为0.注⑤ 若 f: V → V 满足 f(α) = α, ∀α∈V, 则 f ∈ Hom(V, V), 称为V上的恒等变换, 记为 I 或 IdV . 注⑥ 对于 f ∈ Hom(V, U), 可以把 ( f(α1), …, f(αs))记为f(α1, …, αs). 相应地, 可以把 f(x1α1+…+xsαs) = x1 f(α1) +…+ xs f(αs) 改写成 ( α1, ), …, f(α f((α1, …, αs)X) = f(f(α1…, αs)X. s))X272365083@8请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.4 线性映射第一章 线性空间与线性变换§1.4 线性映射三. 线性映射的运算 定义1.4.3 (1) 线性运算 设 f, g ∈ Hom(V, U), k ∈ F. 定义 ( f + g)(α) = f(α) + g(α), (kf )(α) = kf(α), ∀α∈V. (2) 复合运算 设 f∈Hom(V, U), g∈Hom(U, W). 定义 (gf )(α) = g[ f(α)], ∀α∈V.注: 对于V上的线性变换 f 及正整数s, 定义 f 0 = I, f 1 = f, f 2 = ff, …, f s = ff s−1. 定理1.4.1(1) 设 f, g ∈ Hom(V, U), k ∈ F, 则 f + g, kf ∈ Hom(V, U). (2) 设 f∈Hom(V, U), g∈Hom(U, W), 则 gf∈ Hom(V, W). 证明: (2) (gf )(kα+lβ) = g[ f(kα+lβ)] = g[kf(α) + lf(β)] = kg[ f(α)] + lg[ f(β)] = k(gf )(α) + l(gf )(β).第一章 线性空间与线性变换§1.4 线性映射第一章 线性空间与线性变换§1.5 线性映射的矩阵定理1.4.2 设 f ∈ Hom(V, U). 若 f 可逆, 则 f −1 ∈ Hom(U, V). 证明: ∀ξ, η ∈ U, k, l ∈ F, 令α = f −1(ξ ), β = f −1(η)∈ V, 则 f [ f −1(kξ + lη)] = kξ + lη = kf(α) + lf(β) = f(kα + lβ), 故 f −1(kξ + lη) = kα + lβ = kf −1(ξ ) + lf −1(η).§1.5 线性映射的矩阵 一. 线性映射在给定的基偶下的矩阵 设α1, …, αn为V的一组基, β1, …, βs为U的一组基, f ∈ Hom(V, U), 则存在A = (aij)s×n使得 ( f(α1), …, f(αn)) = (β1, …, βs)a11 … a1n as1 … asn,简记为 f(α1, …, αn) = (β1, …, βs)A. 称为 f 在基偶{α1, …, αn}与{β1, …, βs}下 的矩阵表示. A —— f 在基偶…下的矩阵.……第一章 线性空间与线性变换§1.5 线性映射的矩阵第一章 线性空间与线性变换§1.5 线性映射的矩阵特别地, 设α1, …, αn为V的一组基, f ∈ Hom(V, V), 则存在A = (aij)n×n使得 ( f(α1), …, f(αn)) = (α1, …, αn)a11 … a1n an1 … ann注① 零映射在任意基偶下的矩阵都是O; 恒等变换在任一组基下的矩阵都是I. 注② 设α1, …, αn为V的一组基, ,…简记为 f(α1, …, αn) = (α1, …, αn)A. 称为 f 在基{α1, …, αn}下的矩阵表示. A —— f 在基{α1, …, αn}下的矩阵.…β1, …, βs为U的一组基, f(α1, …, αn) = (β1, …, βs)A. 若ξ = x1α1 + … + xnαn = (α1, …, αn)X, 则 f(ξ) = f(x1α1 + … + xnαn) = x1 f(α1) + … + xn f(αn) = ( f(α1), …, f(αn))X = f(α1, …, αn)X = (β1, …, βs)AX.272365083@9请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.5 线性映射的矩阵第一章 线性空间与线性变换§1.5 线性映射的矩阵例2. 在 [x]n中, D[p(x)] = p′(x), D(1, x, x2, …, xn−2, xn−1)0 0 0 . 0 … 0 1 0 … 0 0 0 2 … 0 … 2, …, xn−2, xn−1) 0 0 0 = (1, x, x n−2 0 0 0 … 0 0 0 0 … 0 … … …例3. D: [x]n → D(1, x, x2,[x]n−1, D[p(x)] = p′(x), …, xn−2, xn−1)0 0 0 . …0 1 0 … 0 0 0 2 … 0 = (1, x, x2, …, xn−2) 0 0 0 … … … ……n−1…0 0 0 … 0 n−1n−2例4. 设A ∈F s×n, f: F n → F s, f(X) = AX. f(e1, …, en) = (Ae1, …, Aen) = AIn = A = IsA = (ε1, …, εs)A.第一章 线性空间与线性变换§1.5 线性映射的矩阵第一章 线性空间与线性变换§1.5 线性映射的矩阵二. 线性映射在两对基偶下的矩阵间的联系 定理1.5.1 设 f ∈ Hom(V, U), 其中 V的一组基α1, …, αn到另一组基 β1, …, βn的过渡矩阵为P; U的一组基ξ1, …, ξs到另一组基 η1, …, ηs的过渡矩阵为Q. 若 f(α1, …, αn) = (ξ1, …, ξs)A, f(β1, …, βn) = (η1, …, ηs)B, 则B = Q−1AP.证明: (β1, …, βn) = (α1, …, αn)P (η1, …, ηs) = (ξ1, …, ξs)Q f(α1, …, αn) = (ξ1, …, ξs)A f(β1, …, βn) = (η1, …, ηs)B⇒(ξ1, …, ξs)AP = f(α1, …, αn)P = f((α1, …, αn)P) = f(β1, …, βn) = (η1, …, ηs)B = (ξ1, …, ξs)QB ⇒ AP = QB ⇒ B = Q−1AP.第一章 线性空间与线性变换§1.5 线性映射的矩阵第一章 线性空间与线性变换§1.5 线性映射的矩阵定理1.5.2 设 f ∈ Hom(V, V), 其中 V的一组基α1, …, αn到另一组基 β1, …, βn的过渡矩阵为P. 若 f(α1, …, αn) = (α1, …, αn)A, f(β1, …, βn) = (β1, …, βn)B, 则B = P−1AP.三. 线性变换运算的矩阵 设V的一组基为α1, …, αn , 线性变换 f: V→V在这组基下的矩阵记为 [ f ]. 定理1.5.3 设 f, g ∈ Hom(V, V), k ∈ F, 则 (1) [ f + g] = [ f ] + [g]. (2) [kf ] = k[ f ]. (3) [ fg] = [ f ][g]. (4) f 可逆⇒[ f −1] = [ f ]−1.272365083@10请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.5 线性映射的矩阵第一章 线性空间与线性变换§1.5 线性映射的矩阵证明: (1)( f + g)(α1, …, αn) = (( f + g)(α1), …, ( f + g)(αn)) = ( f(α1)+g(α1), …, f(αn)+g(αn)) = ( f(α1), …, f(αn)) + (g(α1), …, g(αn)) = f(α1, …, αn) + g(α1, …, αn) = (α1, …, αn)[ f ] + (α1, …, αn)[g] = (α1, …, αn){[ f ]+[g]}.证明: (2)(kf )(α1, …, αn) = ((kf )(α1), …, (kf )(αn)) = (kf(α1), …, kf(αn)) = k( f(α1), …, f(αn)) = kf(α1, …, αn) = k{(α1, …, αn)[ f ]} = (α1, …, αn){k[ f ]}.第一章 线性空间与线性变换§1.5 线性映射的矩阵第一章 线性空间与线性变换§1.5 线性映射的矩阵证明: (3)( fg)(α1, …, αn) = (( fg)(α1), …, ( fg)(αn)) = ( f(g(α1)), …, f(g(αn))) = f(g(α1), …, g(αn)) = f(g(α1, …, αn)) = f((α1, …, αn)[g]) = f(α1, …, αn)[g] = ((α1, …, αn)[ f ])[g] = (α1, …, αn)([ f ][g]).证明: (4) 设[ f −1] = B, 即 f −1(α1, …, αn) = (α1, …, αn)B, 则(α1, …, αn) = ( ff −1)(α1, …, αn) = f( f −1(α1, …, αn)) = f((α1, …, αn)B) = f(α1, …, αn)B = ((α1, …, αn)[ f ])B = (α1, …, αn)([ f ]B), 由此可得[ f ]B = I, 因而[ f −1] = B = [ f ]−1.第一章 线性空间与线性变换§1.5 线性映射的矩阵第一章 线性空间与线性变换§1.5 线性映射的矩阵例5. 设dimV = n, f ∈ Hom(V, V), f 2 = I. 证明: [ f ]相似于 Ir O (0 ≤ r ≤ n). O −In−r证明: 令V1 = {α∈V | f(α) = α}, V2 = {α∈V | f(α) = −α}, 则V1, V2 ≤ V 且V1∩V2 = {0}. 1 1 ∀α∈V, 令β = −(α +f(α)), γ = −(α −f(α)), 2 2 则由f 2 = I 可得 f(β) = β, f(γ) = γ, 故β ∈V1, γ ∈V2, α = β + γ ∈V1 + V2. 可见V1 + V2 ⊆ V ⊆ V1 + V2.因而V = V1 + V2 = V1⊕V2 . 设V1的一组基为α1, …, αr , V2的一组基为βr+1, …, βn , f 在V的基α1, …, αr , βr+1, …, βn下的矩阵为 Ir O . O −In−r 由定理1.5.2可知, [ f ]相似于 Ir O . O −In−r272365083@11请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.5 线性映射的矩阵第一章 线性空间与线性变换§1.5 线性映射的矩阵四. 不变子空间 定义1.5.1 设 f ∈ Hom(V, V), W ≤ V. 若∀α∈W, 有 f(α)∈W, 则称W为V的关于 f 的不变子空间, 简称为 f 的不变子空间. 此时, 定义 f |W: W → W; α → f(α), 则 f |W ∈ Hom(W, W), 称为f 在W上 的限制.例如: ① 例5中, f ∈ Hom(V, V), f 2 = I, 则 V1 = {α∈V | f(α) = α}, V2 = {α∈V | f(α) = −α} 都是 f 的不变子空间. ② ∀ f ∈ Hom(V, V), {0}和V都是 f 的不变子空间.第一章 线性空间与线性变换§1.5 线性映射的矩阵第一章 线性空间与线性变换§1.6 线性映射的值域与核注: 设dimV = n, f ∈ Hom(V, V), V = U⊕W, 其中U, W都是 f 的不变子空间, U的一组基为α1, …, αr , W的一组基为βr+1, …, βn , 则 f |U(βi) = 0, i = r+1, …, n, f |W(αi) = 0, i = 1, …, r. 设 f |U在U的基α1, …, αr下的矩阵为A, f |W在W的基βr+1, …, βn下的矩阵为B, 则 f 在V的基α1, …, αr , βr+1, …, βn下的矩 A O 阵为 O B .§1.6 线性映射的值域与核 一. 定义 设 f ∈ Hom(V, U), 则称 f(V) = { f(α) |α∈V}为 f 的值域, 记为R( f ); 称K( f ) = {α∈V | f(α) = 0}为 f 的核. VK( f )U f → f(V) 0U第一章 线性空间与线性变换§1.6 线性映射的值域与核第一章 线性空间与线性变换§1.6 线性映射的值域与核二. 性质 定理1.6.1 设 f ∈ Hom(V, U), 则 (1) R( f ) ≤ U. (2) K( f ) ≤ V. (3) 当U = V时, R( f )和K( f )都是 f 的不变子空间. VK( f )U f → f(V) 0U例1. 设A ∈ Fs×n, f: Fn→ Fs定义为 f(X) = AX. 则R( f ) = {AX | X ∈ Fn} ≤ Fs, 这是A的列空间, 也称为A的值域, 记为R(A); K( f ) = {X ∈ Fn | AX = 0}, 这是AX = 0的解空间, 也称为A的核, 记为K(A).272365083@12请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.6 线性映射的值域与核第一章 线性空间与线性变换§1.6 线性映射的值域与核定理1.6.2 设 f ∈ Hom(V, U), dimV < ∞, 则 dimR( f ) + dimK( f ) = dimV. VK( f )U f → f(V) 0U ...... ...证明: 设α1, …, αk为K( f )的一组基, α1, …, αk, αk+1, …, αn为V的一组基, 则R( f ) = span{ f(αi) | i = 1, …, n} = span{ f(αi) | i = k+1, …, n}. 若ck+1 f(αk+1) + … + cn f(αn) = 0, 则 f(ck+1αk+1 + … + cnαn) = 0, 即ck+1αk+1 + … + cnαn ∈ K( f ), 故存在c1, …, ck使得 ck+1αk+1 + … + cnαn = c1α1 + … + ckαk , 即c1α1 + … + ckαk − ck+1αk+1 − … − cnαn = 0, 由此可得ck+1 = … = cn = 0. 可见 f(αk+1), …, f(αn) 线性无关, 故dimR( f ) + dimK( f ) = dimV.第一章 线性空间与线性变换§1.6 线性映射的值域与核第一章 线性空间与线性变换§1.6 线性映射的值域与核例2. 设A = 1 1 , f(X) = AX, ∀X∈ 2×2. (1) 分别求R( f )及K( f )的一组基, (2) R( f ) + K( f )是否为直和. 解: 取 2×2的一组基E11, E12, E21, E22. 则R( f ) = span{ f(E11), f(E12), f(E21), f(E22)}, 其中 f(E11) = f(E21) = E11 + E21, f(E12) = f(E22) = E12 + E22, 且E11 + E21, E12 + E22线性无关, 因此, E11 + E21, E12 + E22构成R( f )的一组 基.1 1设X = x1 x2 , 则 3 4 AX ⇔ x1 + x3 = x2 + x4 = 0 ⇔ X = x1(E11 − E21) + x2(E12 − E22). 又因为E11 − E21, E12 − E22线性无关, 可见E11 − E21, E12 − E22构成K( f )的一组基. (E11 + E21, E12 + E22, E11 − E21, E12 − E22)1 0 1 0x x= (E11, E12, E21, E22) 0 1 0 1 ,1 0 −1 0 0 1 0 −1第一章 线性空间与线性变换§1.6 线性映射的值域与核第一章 线性空间与线性变换§1.6 线性映射的值域与核(E11 + E21, E12 + E22, E11 − E21, E12 − E22)1 = (E11, E12, E21, E22) 0 1 0 1 0 1 0 0 其中r 0 1 −1 1 = 4. 1 0 0 0 1 0 −1 0 1 0 1 1 0 −1 0 0 1 , 0 −1故E11 + E21, E12 + E22, E11 − E21, E12 − E22线性 无关, 因而R( f ) + K( f )为直和.事实上, 若B ∈ R( f ) ∩ K( f ), 则存在X∈ 2×2 使得B = AX, 而且AB = O. 于是可得 2AX = A2X = A(AX) = AB = O, 故B = AX = O. 可见R( f ) ∩ K( f ) = {O}, 因此R( f ) + K( f )为直和.272365083@13请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.6 线性映射的值域与核第一章 线性空间与线性变换§1.6 线性映射的值域与核例3. 设A = 0 0 , f(X) = AX, ∀X∈ 2×2. (1) 分别求R( f )及K( f )的一组基, (2) R( f ) + K( f )是否为直和. 解: 取 2×2的一组基E11, E12, E21, E22. 则R( f ) = span{ f(E11), f(E12), f(E21), f(E22)}, 其中 f(E11) = f(E12) = O, f(E21) = E11, f(E22) = E12, 且 E11, E12 线性无关, 因此, E11, E12构成R( f )的一组基.0 1设X = x1 x2 , 则 3 4 AX ⇔ x3 = x4 = 0 ⇔ X = x1E11 + x2E12. 又因为E11, E12 线性无关, 可见E11, E12构成K( f )的一组基. 因为R( f ) = span{E11, E12} = K( f ), 因此R( f ) + K( f )不是直和.x x第一章 线性空间与线性变换§1.7 几何空间线性变换的例子第一章 线性空间与线性变换§1.7 几何空间线性变换的例子§1.7 几何空间线性变换的例子 一. 辐射相似变换 f:3二. 平行于某矢量的投影变换 对于任意的OP ∈P e23,e3→3OP → kOP (k > 0).设OP = x1e1 + x2e2 + x3e3, 令 f(OP) = x1e1 + x2e2, 则 f ∈ Hom(3, 3),e3 P O e1 1 0 0 0 0 0 e2O e1f在3的任意一组基下的矩阵都是kI.OP − f(OP) // e3,→ 0<k<1 压缩→ k>1 放大f 在e1, e2, e3下的矩阵为 0 1 0 , R( f ) = span{e1, e2}, K( f ) = span{e3}.第一章 线性空间与线性变换§1.7 几何空间线性变换的例子第一章 线性空间与线性变换§1.7 几何空间线性变换的例子三. 平行于某一方向的压缩(或延伸) 对于任意的OP ∈3,四. 平行于某一方向的推移 对于任意的OP ∈P e23,e3e3P e2设OP = x1e1 + x2e2 + x3e3,f(OP) = x1e1 + x2e2 + ax3e3, O (a > 0).e13, 3),设OP = x1e1 + x2e2 + x3e3,O e1f(OP) = (x1+ax2)e1 + x2e2 + x3e3, (a ≠ 0). 则 f ∈ Hom(3, 3),则 f ∈ Hom(OP − f(OP) // e3,1 0 0 0 0 a→OP − f(OP) // e1, f 在e1, e2, e3下的矩阵为 0 1 0 .0 0 1 1 a 0f 在e1, e2, e3下的矩阵为 0 1 0 .272365083@14请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.7 几何空间线性变换的例子第一章 线性空间与线性变换§1.7 几何空间线性变换的例子五. 旋转变换 见下一章. 六. 镜像变换 见下一章.平面上的例子:0 • 7 • 5 7 0 • 7 • 5 6• 0 5 x 7 0 y5 0 1 0 −0.2 1 0 5 x 7 0 y • 5 −1第一章 线性空间与线性变换§1.7 几何空间线性变换的例子第一章 线性空间与线性变换§1.7 几何空间线性变换的例子平面上的例子:平面上的例子:β αAβ = 0.5β2 0 A = 0 0.5β αcosφ sinφ B = −sinφ cosφ π/6Aα = 2 α第一章 线性空间与线性变换§1.7 几何空间线性变换的例子第一章 线性空间与线性变换§1.8 线性空间的同构平面上的例子: Cβ = β§1.8 线性空间的同构 一. 定义 设V, U都是数域F上的线性空间. 若∃双射σ∈ Hom(V, U), 则称V与U同构, 记为V ≅ U. 并且称σ为V到U的一个同构映射.βCα = − αα0 C = −1 1 0272365083@15请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.8 线性空间的同构第一章 线性空间与线性变换§1.8 线性空间的同构→二. 性质 定理1.8.1 设σ为线性空间V到U的同构映射, 则中向量α1, …, αk线性无关 ⇔ σ(α1), …, σ(αk)线性无关. 证明: (⇒) 设α1, …, αk线性无关, 则 c1σ(α1) + … + ckσ(αk) = 0 ⇒ σ(c1α1 + … + ckαk) = 0 = σ(0) ⇒ c1α1 + … + ckαk = 0 ⇒ c1 = … = ck = 0. 可见σ(α1), …, σ(αk)线性无关.→→第一章 线性空间与线性变换§1.8 线性空间的同构第一章 线性空间与线性变换§1.8 线性空间的同构二. 性质 定理1.8.1 设σ为线性空间V到U的同构映射, 则中向量α1, …, αk线性无关 ⇔ σ(α1), …, σ(αk)线性无关. 证明: (⇐) 设σ(α1), …, σ(αk)线性无关, 则 c1α1 + … + ckαk = 0 ⇒ c1σ(α1) + … + ckσ(αk) = σ(c1α1 + … + ckαk) = σ(0) = 0 ⇒ c1 = … = ck = 0. 可见α1, …, αk线性无关.三. 判定 定理1.8.2 设V与U是数域F上的有限维线性空 间, 则V ≅ U ⇔ dimV = dimU. 证明: (⇒) 设σ为V到U的一个同构映射, 则R(σ) = U, K(σ) = {0}. 故dimV = dimR(σ) + dimK(σ) = dimU.第一章 线性空间与线性变换§1.8 线性空间的同构第一章 线性空间与线性变换§1.8 线性空间的同构(⇐) 设dimV = dimU = n, α1, …, αn为V的一组基, ξ1, …, ξn为U的一组基. 对于任意的α = a1α1 + … + anαn ∈ V, 令σ(α) = a1ξ1 + … + anξn, 则 (1) σ : V → U为单射. 事实上, … (2) σ : V → U为单射. 事实上, … (3) σ ∈ Hom(V, U). 事实上, … 故V ≅ U.(1) σ : V → U为单射. 事实上, 若α = a1α1 +…+ anαn, β = b1α1 +…+ bnαn, 且σ(α) = σ(β), 则 a1ξ1 + … + anξn = b1ξ1 + … + bnξn, 故(a1−b1)ξ1 + … + (an−bn)ξn = 0, 由此可得 a1−b1 = … = an−bn = 0, 即(a1, …, an) = (b1, …, bn), 因而α = a1α1 +…+ anαn = b1α1 +…+ bnαn = β.272365083@16请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.8 线性空间的同构第一章 线性空间与线性变换§1.8 线性空间的同构(2) σ : V → U为满射. 事实上, ∀ξ∈U, 设ξ = a1ξ1 + … + anξn, 于是令α = a1α1 +…+ anαn, 则α ∈ V 且σ(α) = a1ξ1 + … + anξn = ξ.(3) σ ∈ Hom(V, U). 事实上, ∀α = a1α1 +…+ anαn, β = b1α1 +…+ bnαn, k, l ∈ F, 有 σ(kα + lβ) = σ((ka1+ lb1)α1 +…+ (kan+ lbn)αn) = (ka1+ lb1)ξ1 + … + (kan+ lbn)ξn = k(a1ξ1 +…+ anξn) + l(b1ξ1 +…+ bnξn) = kσ(α) + lσ(β).第一章 线性空间与线性变换§1.8 线性空间的同构第一章 线性空间与线性变换§1.8 线性空间的同构四. 例子 1. [x]n = {a0+…+an−1xn−1 | a0, …, an−1x∈ }. dim [x]n = n = dim 事实上, 容易验证n,2. dimM2×3( ) = 6, 故M2×3( ) ≅ 事实上, 容易验证6.故 [x]n ≅n;n.σ : M2×3( ) →a11 a12 a13 a21 a22 a236;σ : [x]n →a0+…+an−1xn−1 → 为同构映射.a0 an−1 …a11 a12 a → a13 21 a22 a23为同构映射.第一章 线性空间与线性变换§1.8 线性空间的同构3.= {x∈ | x > 0}. a⊕b = ab, ∀a, b∈ +; k⊗a = ak, ∀a∈ +, ∀k∈ . dim + = 1, 故 + ≅ . 事实上, 容易验证 → ; x → logax++为同构映射.272365083@17。
矩阵论第一章线性空间和线性变换
∃x∈R, x ∉ R
（采用这种观点来读数学，你不觉得别有情致吗？）每一种作用都有 其特性，因而每种运算都有它所服从的规律——运算律，所以在定义 运算时，需要讨论或说明它的运算律。
既然如此，是否有某种方式来描述我们的物质世界呢？就宏观现 象而论，涉及到各式各样的物质，自然的作用使物质产生互变，而且 我们认为物质世界是“完备”的，这句话意味着人类的向往，例如“点 石成金”等这类愿望。从这些粗糙的认识出发，我们来探讨描述它的
§6.1 K 积……………………………………………………（258） §6.2 拉伸算子Vec ……………………………………………（264）
§6.3 几个常见的矩阵方程…………………………………（271） 参考目录……………………………………………………………（275）
第一章 线性空间和线性变换
§1.1 引言
12121212nnnnnxxyyxxyyxyfxyxyxy?????12????????????????????????????????定义数乘12nnnxxaxaxafxfaxaxax??????????????????????????????容易验证这些运算满足公理系的要求nff是线性空间
目录
第二章 特征值和特征向量………………………………………（86） §2.1 引言………………………………………………………（86） §2.2 特征值、特征多项式和最小多项式……………………（87） §2.3 特征矢量和特征子空间………………………………（103） §2.4 约当标准型……………………………………………（113） §2.5 特征值的分布…………………………………………（128） §2.6 几个例子………………………………………………（138）
矩阵论学习-(线性空间与线性变换)
ka1 ,
kb1 +
k( k 2
1 ) a21
ka2 ,
kb2
+
k(
k2
1)
a22
=
ka1
+
ka2 ,
kb1
+
kb2
+
k( k 2
1) (
a21
+
a22 )
+
k2 (
a1 a2 )
.
4
矩 阵 论 学 习 辅 导 与 典型 题 解 析
故有 k⊙ ( α β) = ( k⊙α) ( k⊙β) , 即八条运算法则皆成立 , V 在实域 R 上构
第一章 线性空间与线性变换
线性空间是某一类事物从量方面的一个数学抽象, 线性变换则是反映线性空 间元素之间最基本的线性函数关系 , 它们是研究线性代数的理论基础 .理解本章的 主要概念 , 掌握基本定理、结论和方法 , 对学好矩阵论起着关键的作用 .
§1 .1 线性空间 , 基、维数及坐标
一、线性空间与子空间
mn
mn
mn
∑ ∑ ( aij + bij ) = ∑∑ aij + ∑ ∑ bij = 0
i = 1j = 1
i = 1j = 1
i = 1j = 1
即有 A + B∈ W4 , 同样由于 kA = ( kaij ) m × n ,
mn
mn
∑∑ kaij = k∑∑ aij = k0 = 0
i = 1j = 1
i = 1j = 1
即有 kA∈ W4 .加法运算和数乘运算封闭 , 故 W4 是一个子空间 .
⑥ ( kl ) ⊙α=
第一章线性空间与线性变换-矩阵理论课件
(2)x W , P x W . 平凡子空间
例5
① V x (x1, x2, , xn )T Ax , A Rnn,det(A) 0
是 R中n 的一个子空间。 ② R3是3 R的m一n个子空间。
③ P3[是t] Pn[的t]一个子空间。
定义2 （线性生成子空间）
设 x1, x2 , , xn V L(P ) ， 线性组合
C
C11C2
0 0
1 0
1 1
1 1
0
1
1 1
1 1
1
0
0 0 0 1 1 1 0 1
1 1 0 0 1 0 1 1 1 1 0 0
0
0
1 0
1 1
0
0
1 1
1 1
1 1
1
0
1
0
0 0
0
1
1 1
0
0
0
1
1
1
0
1
1
1 0 1
§3、子空间与维数定理 定义1 （子空间）
下的坐标依次可记为
E11, E12 , E21, E22
1 0 0 1 1
1
1
0
,2
1 1
,
3
0
1
,
1
0
2
,
2
1 0
0
0
1
3
1
容易判定该向量组的一个最大无关组为 1,2 ,3 , 2
A1, A2 , A3, B2 是 V1 V2 的一个基。dim(V1 V2 ) 4
③求V1 的V基2 与维数。
分析： 设V的两个子空间为
求 x1, x2, , xm , y1, y2, , yn
01_矩阵论_第一章线性空间与线性变换
则有
1 0 0 1 0 0 0 0 A a11 0 0 a12 0 0 a21 1 0 a22 0 1
因此 R22 中任何一个向量都可写成向量组
1 0 0 1 0 0 0 0 E11 0 0 , E12 0 0 , E21 1 0 , E22 0 1
Pn [ x] { ai xi | ai R}
i 0 n 1
在通常多项式加法和数乘多项式运算下构成线性 空间 Pn[x]。 值得指出的是次数等于 n 1 的多项式集合
V { ai x | ai R, an1 0}
i i [a, b] = {f (x) | f (x) 是区间 [a, b] 上 实连续函数 } ，对于函数的加法与数乘运算构成 实数域上的线性空间。
定义 1.3 设 1, 2, …, n 是线性空间 Vn(F) 的一组基，若 V,
xi i (1 2
i 1 n
x1 x2 n ) x n
(1.1)
则称数 x1, x2, …, xn 是 在基 {1, 2, …, n} 下 的坐标，(1.1) 式中向量 (x1, x2, …, xn)T 为 的坐 标向量，也简称为坐标。
从上述线性空间例子中可以看到，许多常见 的研究对象都可以在线性空间中作为向量来研究。 另外应理解加法和数乘分别是 V 中的一个二元运 算和数域 F 和 V 中元素间的运算，要求运算满足 定义 1.1 中的八条性质，它们已不再局限在数的 加法、乘法的概念中。
一个数学例子 取集合为正实数集合 R+，F 为实数域 R，加 法“”和数乘“”如下定义 ：a, bR+，ab = ab， ：kR(i.e. F )，aR+，k a = ak。 在此运算下，R+ 是 R 上的一个线性空间，其中 加法零元素是 R+ 中的数 1，R+ 中元素 a 的负元素 是 a1。
矩阵理论课件 第一章 线性空间与线性变换
a1n
a2n
ann
前述关系可以表示为 AT 或 T T A
则称矩阵 A 为基 到基 的过渡矩阵（唯一且可逆）
定义2 （坐标变换）
设x V L(P) ，向量 x 在 基 和基 下的
坐标之间的关系，称之为坐标变换。
坐标变换与过渡矩阵的关系：
设 x k1x1 k2 x2 kn xn 和 x t1 y1 t2 y2 tn yn
和 W W1 W2 为直和，记为 W W1 W2 。
例6 设 R4的3个子空间：
① V1 (a, b, 0, 0)T a, b R ② V2 (0,0,c, 0)T c R ③ V3 (0,d,e, 0)T d,e R
容易验证V1 是V2直和， V1 V3不,V是2 直 V和3。
事实上 不妨设简单基为 (III )e1, e2 , , en ( x1, x2 , , xn ) (e1, e2 , , en )C1 ( y1, y2 , , yn ) (e1, e2 , , en )C2
( x1, x2 , , xn )C11C2
C C11C2
例4 设线性空间P3[t] 的两个基为： (I ) f1(t) 1, f2(t) 1 t, f3(t) 1 t t 2,
表示，不妨记
y1 a11x1 a21x2
y2
a12 x1
a22 x2
yn a1n x1 a2n x2
称上述关系为两组基的基变换。
an1xn an2 xn
ann xn
x1
y1
a11 a12
若记
x2
,
y2
A
a21
a22
xn
yn
an1 an2
矩阵论第一章
k1 , k2 ,L, kr ∈ P ，使得
k1α1 + k2α 2 + L + krα r = 0
线性相关的 则称向量组 α1 ,α 2 ,L,α r 为线性相关的；
不是线性相关的 （4）如果向量组 α1 ,α 2 ,L,α r 不是线性相关的，即 ）
k1α1 + k2α 2 + L + krα r = 0
上零多项式作成的集合， 上零多项式作成的集合，按多项式的加法和数量乘 上的一个线性空间， 表示． 法构成数域 P上的一个线性空间，常用 P[x]n表示． 上的一个线性空间
P [ x ]n = { f ( x ) = a n − 1 x n − 1 + L + a 1 x + a 0 a n − 1 ,L , a 1 , a 0 ∈ P }
+ ∀a ∈ R + , ∀k ∈ R, k o a = a k ∈ R,且 ak 唯一确定． 唯一确定．
其次， 其次，加法和数量乘法满足下列算律 ① a ⊕ b = ab = ba = b ⊕ a ② (a ⊕ b) ⊕ c = (ab) ⊕ c = (ab)c = a(bc) = a ⊕(bc) = a ⊕(b ⊕ c)
二、线性空间的简单性质
1、零元素是唯一的. 、零元素是唯一的
证明：假设线性空间 有两个零元素 有两个零元素0 证明：假设线性空间V有两个零元素 1、02，则有 01＝01＋02＝02．
2、 α ∈V ，的负元素是唯一的，记为- α ． 、 的负元素是唯一的，记为∀
证明： 证明：假设α 有两个负元素 β、γ ，则有
k ,α 的数量乘积 并记做 kα , 如果加法和数量乘法 的数量乘积,并记做
矩阵理论第一章线性空间与线性变换精品PPT课件
(A1) 加法交换律： ， (A2) 加法结合律：( ) ( )，
(A3) 具有加法单位元（零向量） V ，使得
(A4) 具有加法逆元（负向量） V
( )
，使得
(M1) 数乘的结合律：k(l ) (kl)
例3 闭区间 [a,b]上的所有实值连续函数按通常函
数的加法和数与函数的乘法，构成线性空间 C[a, b]
例4 次数不超过 n 的所有实系数多项式按通常多项
式加法和数与多项式的乘法，构成线性空间 P[ x]n
例5 所有收敛的实数数列按数列极限的加法和数乘，
构成线性空间
。l
例6 齐次线性方程组 Ax 的所有解的集合构成数 域 R 上的线性空间 N ( A) ，称为 Ax 的解空间，
或矩阵 的A核空间或零空间，即
N ( A) { x Rn | Ax , A Rmn}
Ker( A)
例7 所有矩阵向量积 Ax 的集合构成数域 R 上的
线性空间 R( A) ， 称为矩阵 A 的列空间或值域， 也称为矩阵 A 的像 ， 即
R( A) { y Rm | y Ax, x Rn, A Rmn}
(M2) 数乘的单位元：1 (D1) 分配律1: k( ) k k (D2) 分配律2:(k l) k l
注意：这里我们不再关心元素的特定属性，而 且我们也不用关心这些线性运算（加法和数乘） 的具体形式。
例2 所有 m n 阶的实（复）矩阵按矩阵的加法和
数乘，构成线性空间 Rmn (C mn ) 。
中，直觉和抽象是交互为用的。”（汤川秀树，1949 年诺贝尔物理奖获得者）。
几何方法与代数方法的融和是数学自身的需要和数 学统一性的体现，也是处理工程问题的有力手段。
第一章线性空间与线性变换
第⼀章线性空间与线性变换第⼀章线性空间和线性变换§1.1线性空间集合v 集合:作为整体看的⼀堆东西元素?⼦集Sa ?21S S ì?集合相等运算交并和122121S S S S S S ìì?=且21S S I 21S S U },|{2121S y S x y x S S ??+=+数域v数域: 如果⼀个数集中任意两个数的和、差、积、商(除数不为0)仍在该数集中v常⽤数域有：有理数域、实数域、复数域v奇数集和偶数集不能形成数域映射v映射：集合S到集合S’的⼀个映射是指⼀个法则(规则)f: S →S’，对S中任何元素a，都有S’中的元素a’与之对应，记为：f(a)=a’或a→a’。
⼀般称a’为a的象，a为a’的原象。
v若S =S’，则称映射为变换。
v映射的相等：设有两个映射f: S →S’和g: S →S’，若对任何元素a∈S都有f(a)=g(a)则称f与g相等。
映射的例⼦v例⼦1：设集合S是数域F上所有⽅阵的集合，则f(A)=det(A)为S到F的映射。
v例2：设S为次数不超过n的多项式构成的集合，则求导运算：δ(f(t))=f’(t)为S到S的变换。
映射的乘积v映射的乘积(复合)：若f : S1→S2 和g: S 2→S3，则映射的乘积g○f定义为：g○f(a)=g(f(a))。
v在不⾄混淆的情况下，简记g ○f为gfv映射的乘积满⾜结合律,即(fg)h=f(gh)v映射的乘积不满⾜交换律,⼀般⽽⾔fg≠gf线性空间的定义v定义：设V是⼀个⾮空的集合，K是⼀个数域，在集合V 中定义两种封闭的代数运算, ⼀种是加法运算，⽤+ 来表⽰，另⼀种是数乘运算, ⽤?来表⽰, 并且这两种运算满⾜下列⼋条运算律：（1）加法交换律：α+β= β+α（2）加法结合律：(α+β)+γ= α+(β+γ)（3）零元素：在V中存在⼀个元素0，使得对于任意的α∈V 都有α+0 =α（4）负元素:对于V中的任意元素α都存在⼀个元素β使得：α+β= 0线性空间的定义（续）（5）数1：对α∈V，有：1?α=α（6）结合律:对k,l∈K, α∈V有：(kl) ?α= k?(l?α)（7）分配律:对k,l∈K, α∈V有：(k+l) ?α= k?α+l?α（8）数因⼦分配律:对k∈K, α, β∈V有：k?(α+β)= k?α+k?β称这样的集合V为数域K上的线性空间。
矩阵分析引论--第一章 线性空间与线性变换-子空间与维数定理、线性空间的同构
目录 上页 下页 返回 结束
第一章第三四节 子空间与维 数定理、线性空间的同构
子空间举例
零子空间{0}与线性空间V 本身称为平凡子空间.
例1 线性空间V 的子集：(1,2 ,,m V )
m
L(1,2 ,,m ) { | kii , ki P} i 1
是V的子空间，称为由
称为子空间 V1 与 V2 的交；
（2）集合 V1 V2 { | V1, V2 }
称为子空间 V1 与 V2 的和；
目录 上页 下页 返回 结束
第一章第三四节 子空间与维 数定理、线性空间的同构
定理1-3：线性空间V 的两个子空间V1与V2的 交W=V1∩V2也是V 的子空间.
证 (1) W 是非空集合， 0 W ；
生成的子空间.
例2 在n维线性空间V=Pn 中，子集
W { | A 0, Pn}
是V 的一个n-r 维子空间，r是的ຫໍສະໝຸດ .目录 上页 下页 返回 结束
第一章第三四节 子空间与维 数定理、线性空间的同构
二、子空间的运算
定义：设V1, V2是线性空间V 的两个子空间，则
（1）集合 V1 V2 { | V1且 V2 }
目录 上页 下页 返回 结束
第一章第三四节 子空间与维 数定理、线性空间的同构
推论：若n维线性空间V 的两个子空间的维数之和
大于n，则其交V1∩V2必含非零向量. dim(V1 V2 ) dimV1 dimV2 dim(V1 V2 )
定义1-5：设V1, V2是线性空间V 的两个子空间， 若和 W V1 V2 具有性质：
（4） dimV1 dimV2 dim(V1 V2 ) .
目录 上页 下页 返回 结束
第一章 线性空间与线性变换
xi ∈ P
(1.1.4)
称 x = (x1 , x2 ,L, xn ) T 是向量 α 在基 S 下的坐标， 且 x ∈ P.n
定理1 定理1.1.2 在 n 维线性空间 Vn 中，任一向量 在一个基下的坐标唯一.
V 这说明，当线性空间 Vn 的基 S 取定后， n 中任一
个向量的坐标是确定的,即假设 S = {α 1 ,α 2 ,L,α n }
定义1 定义1.2.2 如果 V1 + V2 中任一向量只能唯 一的表示成子空间 V1 的一个向量和子空间 V2 中的一个向量的和，则称 V1 + V2 是 V1 ,V2 • 的直和，记为 V1 ⊕ V2（或 V 1 + V 2 ）.
S 是线性无关向量组；
V
中任一向量都是 S 中向量的线性组合.
V
α 称 S 是 V 的一个基（底）， 1 ,α 2 ,L ,α n 称为V 的基
向量， S 中向量的个数 n ，称为线性空间 数,记为 dim(V ) = n。
的维
维数是 n 的线性空间 V 称为 n 维线性空间， 记为Vn . 假如 V 中存在任意多个线性无关的向量 时，称 V 为无限维线性空间. 如果 注： 定义1.1.3描述的基在线性空间中不唯一.
图1.2.1
图1.2.2
由于零子空间不含线性无关的向量，因此 没有基，它的维数规定为零。而对于 V 的其它 的子空间，由于它的线性无关的向量个数不可 能比整个线性空间线性无关的向量个数多，所 以子空间的维数比原空间的维数小，即
dim(W ) ≤ dim(V )
下面讨论子空间的生成问题。
设 S = {α 1 ,α 2 ,L,α m } 是数域 P上的线性空间 V 中的一 个向量组，在 P 中任取 m 个数 k1 , k 2 , L, k m ， 做 S 中向 量的线性组合
第1章线性空间与线性变换讲义.ppt
12
a b A= c d = aE11 + bE12 + cE 21 + dE 22
例2 设
1 0 0 a1 = 2 , a 2 = 1 , a 3 = 0 3 2 1
例2. 设A为m×n 矩阵，向量的集合
N ( A) = { x | Ax = 0, x R n }
则N ( A) 是 R n 的子空间, 并称为A的零空间( 或核空间 ) 。
22
, a , , a V , 例3. 设V 是数域F上的线性空间，a 1 2 m
W = { x1a1 + x 2a 2 + + x ma m | x1 , x 2 , , x m F }
( 2 ) a W , k F ,则 k a W
则称W 是V 的子空间。
21
( 1 ) a , b W ,则 a + b W
例1. 实数域上 n 维向量的集合
W = { ( 0, x 2 , , x n ) T | x 2 , , x n R }
则W是 R n 的子空间。
1 m1 n
a , , a , b , , b V
若 向量组 { ,2 , ,m } 与 { ,2 , ,n } 等价 1 1
则W 1= W 2
a aa b bb
定义: 设W1, W2 是线性空间V 的子空间，称集合
{ a + b | a W , b W } 1 2
为W1与 W2 的和，记作 W1+ W2 称集合
是 R 3 中的两组基，求由基 a 1 , a 2 , a 3 到基 b 1 , b 2 , b 3 的转移矩阵P ；
线性空间和线性变换概况PPT课件
3 5
A
4
2
在基F11,F12,F21,F22下的坐标。
第21页/共85页
1.3 线性子空间
(a) 线性子空间 设V1是数域F上的线性空间V上一个非空子集合， 且对已有的线性运算满足以下条件：
1. 如果x,y∈V1，则x+y∈V1； 2. 如果x∈V1，k∈F，则kx∈V1； 则称V1是V的线性子空间(linear subspace)或子空间。
则称x1,…,xm是线性相关(linearly dependent)的。否 则称x1,…,xm是线性无关(linearly independent)的。
第12页/共85页
例5 在Rn中，分别讨论下面两个向量组的线性相关 性：
例6 讨论下面2阶矩阵的线性相关性：
a 1
1 a
1 1
1 1
A1 1
1 , A2 1
• 范数、序列、级数：定义了范数，我们就可以定义矩阵序列、矩阵级数及其极限， 并讨论其收敛和发散性。
第4页/共85页
• 矩阵函数：以矩阵为变量的函数称为矩阵函数。Jordan标准形在此起了很重要的 作用。
• 函数矩阵与矩阵微分方程：将矩阵的概念推广，元素为任意函数的矩阵称为函数 矩阵。这样我们可以求矩阵的导数、微分、积分，并求解相应的微分方程。
一、线性空间概念 (a) 数域
数域(field)：关于四则运算封闭的数的集合。 ✓任何数域都含有元素0和元素1；
✓典型数域：复数域C，实数域R，有理数域Q； ✓任意数域F都包括有理数域Q。
第8页/共85页
阿贝尔群V和数域F上的线性运算具有良好性质，则<V，F>构
(b) 线性空间 成一个线性空间。
给定非空集合V ，数域F，如果满足：
矩阵分析引论--第一章 线性空间与线性变换-线性变换的概念、线性变换的矩阵、不变子空间
(2) T(k ) kT( ).
则称T 是线性空间V 的一个线性变换.
目录 上页 下页 返回 结束
第一章第五六七节 线性变换的概念及其矩阵、不变子空间
若′T ( ) , 则T ( )或′称为向量 ∈V 在线 性变换T 下的象,而 称为T ()或′的原象.
第一章 线性空间与线性变换
第五节 线性变换的概念 第六节 线性变换的矩阵 第七节 不变子空间
第一章第五六七节 线性变换的概念及其矩阵、不变子空间
第五节 线性变换的概念
一、线性变换的定义
设V 是数域P上的线性空间,从V 到V 的映 射称为V 的变换. 定义1-7：设V 是数域P上的线性空间，若V 上
R[a,b]:实连续函数空间
t
T ( f (t)) a f (u)du (a t b).
5. V , T ( ) 0.
零变换 0
6. V , T ( ) .
单位变换 I
目录 上页 下页 返回 结束
第一章第五六七节 线性变换的概念及其矩阵、不变子空间
二、线性变换的性质
1、若T是线性变换，则 T(0) 0, T( ) T( ).
2、线性变换T保持向量的线性组合与线性关系式,
即
m
m
kii T ( ) kiT (i );
i 1
i 1
m
m
kii 0
kiT (i ) 0 .
i 1
i 1
3、线性变换T 把线性相关的向量组变换成线性
相关的向量组.
注：线性变换不能保持线性无关的关系.
目录 上页 下页 返回 结束
第一章第五六七节 线性变换的概念及其矩阵、不变子空间
第1,2章线性空间与线性变换
（公司的任何人的工作可由精英组合完成）
• 向量组的秩(rank)：最大无关组中向量的个数
第18页，本讲稿共60页
三、线性空间的基和维数
• 抽象的线性空间的元素称之为向量(vector) • 所有的线性空间中的向量的线性相关性定义
和Rn一样：
定义形式和向量空间Rn中的定义一样。 有关性质与定理和Rn中的结果一样。
第1,2章线性空间与
线性变换
第1页，本讲稿共60页
About textbook
• 教材： 矩阵分析简明教程，曾祥金，张亮，科 学出版社，2010
• 参考文献： 矩阵分析，Horn R A著，杨奇 译，机械 工业出版社 高等工程数学，于寅，华中理工大学， 1995
第2页，本讲稿共60页
A short history
矩阵AR m×n，
•齐次线性方程组AX=0的解集：是子空间
S=｛X ： AX=0｝Rn， •非齐次线性方程的解集： 不是子空间
M=｛X ： AX=b｝
第31页，本讲稿共60页
重要的子空间：生成子空间 ➢ 性设组向合量生组成｛的子1，空间2，：···， m｝V，由它们的一切线
Span{1，2，···，m }=L(1，2，···，m) = ｛k11+k22+···+kmm| ki}
R 3={x=（x1，x2，x3）T：xi R}
={空间中所有向量}
定义向量的加法，数与向量的乘积。 运算封闭 八条运算律成立
第12页，本讲稿共60页
1.1 线性空间(Linear Spaces)
一、线性空间的概念 • 线性空间=集合+两种运算（所成完美集合） • Definition:(线性空间或向量空间)
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
l Amn = Dmn R mn ,
∴ Rm×n是一个线性空间。
5
例3 次数小于n 的多项式的全体，记作 P[x]n P[ x]n = { an1xn1 + + a1x + a0 an1, , a0 R }
(8) 1a = a
则称V 为数域 F 上的线性空间，称V 的元素为向量， 称满足(1)-(4)的和为加法，满足(5)-(8)的积为数乘。
3
例1. 实数域上全体 n 维向量的集合
R n = { ( x1, x2 , , xn )T | x1, x2 , , xn R } a = ( x1, x2 ,, xn )T , b = ( x1, x2 ,, xn )T Rn , k R
定义加法：
a + b = ( x1 + y1 , x2 + y2 , , xn + yn )T
定义数乘：
ka = (kx1, kx2 ,, kxn )T ,
Rn 是数域 R 上的线性空间。 Cn 是数域C 上的线性空间。
4
例2 实数域 R上的全体 m×n 矩阵，对矩阵的加法 和数乘运算构成 R上的线性空间，记作 Rm×n
例2 设
1 0 0
a1 = 2, a2 = 1, a3 = 0
3
2
1
为 R3 的一组基， 求a = (1,0,-1)T 在基
a1 , a2 , a3 下的坐标。
13
例3
求
R22 中的元素
A
=
1 1
2 1
，在基
1 1
0 1
1 1
1 0
A1
=
1
1
,
A2
=
1
0
,
A3
称 n 为V 的维数，记作 dimV = n 。
11
例1 设
R 2 2
=
a c
b
d
a
,
b,
c,
d
R
则 R22 是实数域 R 上的线性空间。
自然基
E11
=
1 0
0 0
,
E12
=
0 0
10 ,
E21
=
0 1
00 ,
E22
=
0 0
10
a b
12
A = c d = aE11 + bE12 + cE21 + dE22
转移矩阵（或过渡矩阵），其中
p11
P
=
p21
pn1
p12 p22
pn2
p1n p2n pnn
例3 设
1
0
0
1
=
0
0Hale Waihona Puke , A4=
0
0
下的坐标。
14
基的扩张定理
定理: 设a1, a2…, ar (1≤r≤n)是 n 维线性空间V 中的r个 线性无关的向量，则存在V 中n-r个向量ar+1, … an 使得 a1, … ,ar , ar+1, … an 成为V 的基.
基变换与坐标变换
定义: 设V 是一个线性空间，a1, a2, … an∈V b1, b2, … bn∈V 为V 的两组基，若
kf ( x) C[a, b]
∴ C[a, b]是一个线性空间。
8
例6 正实数的全体 R+ ，在其中定义加法及乘数 运算为
a b = ab, l a = al , l R, a, b R+
验证 R+对上述加法与乘数运算构成线性空间．
9
线性空间的性质
（1） V中的零元素是惟一的。 （2） V中任何元素的负元素是惟一的。 （3）数零和零元素的性质：
称 b 为零元素，并记 b 为 0 ; (4) 存在负元素a V , b V，a + b = 0;
称 b 为a 的负元素，并记 b 为 a ;
2
对于任意的 l F 及任意的a V ，总有唯一的元素 d V 与之对应，称d 为l与a 的积，记作 d = la，且
(5) l (a ) = (l )a (6) (l + )a = l a + a (7) l (a + b ) = l a + l b
定义：设 V 是一个非空集合，F 为数域，a, b, g V, 对于任意的a, b V, 总有唯一的元素 g V 与之对应，称 g 为a 与b 的和，记作 g =a +b，且
(1) a + b = b + a ;
(2) (a + b ) + g = a + (b + g ); (3) 存在零元素：b V , a V , a + b = a，
第1章 线性空间与线性变换
1.1 线性空间的基本概念
定义：设 F 是复数的一个非空集合，若满足
1）F中包含0和1；
2）F对数的四则运算封闭
则称集合F是一个数域（field）
例子：
Q : 有理数域 R :实数域
Z :整数集不是数域
C :复数域
1 本教程所见数域都是实数域R或者是复数域C
线性空间的定义
对于多项式的加法、数乘多项式构成线性空间。
6
例4 n -1次多项式的全体 Q[ x]n = {an-1 xn-1+ + a1 x + a0 a n-1 0 }
对于多项式的加法和乘数运算不构成线性空间
0 p = 0 xn1 + + 0 x + 0 Q[ x]n
\Q[ x ]n 对运算不封. 闭
ka = 0 k = 0 or a = 0 a = (1)a
维数，基与坐标
定义: 设V 是一个线性空间，a1, a2, … an∈V 若 (1) a1, a2, … an 线性无关， (2) a∈V , a 可由a1, a2, … an 线性表示， a = x1a1+ x2a2+ … +xnan 则称a1, a2, … an 为V 的一组基， 称 x1, x2 , …, xn为a 在基a1, a2, … an 下的坐标，
b1 = p11a1 + p21a2 +
b
2
=
p12a1
+
p22a 2
+
bn = p1na1 + p2na2 +
+ pn1an + pn2an
+ pnnan
【基变换公式】
即 (b1 , b 2 , ，b n ) = (a1 , a 2 , ,a n )P 【基变换公式】
则 P 称为由基 a1 , a2 , ,an 到基 b1, b2 , , bn 的
7
例5 在区间[a, b]上全体实连续函数，对函数的 加法与数和函数的数量乘法，构成实数域R上的 线性空间，记作C[a, b]。
C[a, b] = { f ( x) | f ( x)在[a, b]上连续} f ( x), g( x) C[a, b] \ f ( x) + g( x) C[a,b]