1_第1章_线性空间与线性变换

合集下载

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

二、线性空间的定义 1、数域
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

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，称 n 为V 的维数，记作 dimV = n 。
【基变换公式】
即 ( b 1 , b 2 , ，b n ) = (a 1 , a 2 , , a n ) P 【基变换公式】
则 P 称为由基 a1 , a 2 ,
p11 p21 P= p n1 p12 p22 pn 2
, a n 到基 b 1 , b 2 ,
p1n p2 n pnn
R
m n
= { A | A = (aij ) mn , aij R }
Amn + Bmn = C mn R m n ,
l Amn = Dmn R mn ,
∴ Rm×n是一个线性空间。
6
例3 次数小于n 的多项式的全体，记作 P[x]n
P[ x ]n = { an -1 x n-1 + + a1 x + a0 an -1 , , a0 R }
定义加法：
a + b = ( x1 + y1 , x 2 + y 2 , , x n + y n )T
定义数乘：
ka = ( kx1 , kx 2 , , kx n )T ,

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。

线性空间与线性变换

线性空间与线性变换线性空间和线性变换是线性代数中的重要概念，在数学和物理等领域有着广泛的应用。

本文将介绍线性空间和线性变换的概念、性质以及它们之间的关系。

一、线性空间的定义和性质线性空间是指具有加法运算和数乘运算的集合，满足以下条件：1. 加法运算闭合性：对于任意两个向量u和v，它们的和u+v仍然属于该集合。

2. 加法交换律：对于任意两个向量u和v，有u+v = v+u。

3. 加法结合律：对于任意三个向量u、v和w，有(u+v)+w =u+(v+w)。

4. 存在零向量：存在一个特殊的向量0，使得对于任意向量v，有v+0 = v。

5. 对于任意向量v，存在其负向量-u，使得v+(-u) = 0。

6. 数乘运算闭合性：对于任意标量c和向量v，它们的乘积cv仍然属于该集合。

7. 数乘结合律：对于任意标量c和d以及向量v，有(c+d)v = cv+dv。

8. 数乘分配律1：对于任意标量c以及向量u和v，有c(u+v) =cu+cv。

9. 数乘分配律2：对于任意标量c和d以及向量v，有(cd)v = c(dv)。

线性空间的例子包括n维向量空间和函数空间等。

它们满足上述定义中的所有条件。

二、线性变换的定义和性质线性变换是指将一个线性空间映射到另一个线性空间的映射，满足以下条件：1. 对于任意向量v和w以及标量c，线性变换T满足T(v+w) =T(v)+T(w)和T(cv) = cT(v)。

2. 线性变换T保持向量的线性组合关系，即对于任意向量v1、v2、...、vn和标量c1、c2、...、cn，有T(c1v1+c2v2+...+cnvn) =c1T(v1)+c2T(v2)+...+cnT(vn)。

3. 线性变换T将零向量映射为目标线性空间的零向量。

线性变换的例子包括平移、旋转和缩放等。

它们保持向量空间的线性结构和线性关系。

三、线性空间与线性变换的关系线性空间和线性变换之间存在着密切的联系。

给定一个线性空间V，定义一个线性变换T：V→W，其中W是另一个线性空间。

矩阵论第一章线性空间和线性变换

而开方运算则不是，因为显然有
∃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）

工程硕士矩阵论第一章

n 例 n维向量空间 R（及其子空间）按照向量的加法以及向量与实数的加法及数乘两种运算下构成一个实线性空间，记为 R mn .
例区间[a,b]上的全体连续实函数，按照函数的加法及数与函数的乘法构成一个实线性空间，记为 C[a,b].
定理1.2 设W是线性空间V的非空子集，则W是V的子空间的充要条件是： W对V 中的线性运算封闭.
例函数集合 f x C a, b f a 0是线性空间C[a,b] 的子空间.
例函数集合 f x C a, b f a 1 不是线性空间 C[a,b]的子空间.
例
22 R 求
中
1 1 2 2 1 1 2 0 A1 0 1 , A2 0 2 , A3 1 0 , A4 1 1 ,
的秩和极大无关组.
第三节线性子空间
一.子空间的概念定义设V为数域P上的线性空间，W是V 的非空子集，若 W关于 V中的线性运算也构成数域 P 上的线性空间，则称 W 是 V 的线性子空间，简称子空间. 对任何线性空间V ,显然由V中单个零向量构成的子集是V的子空间,称为V的零子空间; V本身也是V的子空间.这两个子空间称为V的平凡子空间.其它子空间称为V的非平凡子空间.
• 若ka=0，则k=0或a=0
第二节基、坐标与维数
一.向量组的线性相关性 1．有关概念定义设V为数域P上的线性空间，对V 中的向 , 1 , 2 ,, m ，如果存在一组数量（元素） k1 , k 2 ,, k m P ，使得
则称或可由向量组 1 , 2 ,, m 线性表示. k1 , k 2 ,, k m 称为组合系数（或表示系数）

第一章线性空间与线性变换

dim( W) ≤ dim( V)
下面讨论子空间的生成问题
设S = {α1,α2,Λ ,αm}是数域 P上 V 中的一个向量组，在 P 中任取m个数 k1,k2,Λ ,km，做S中向量的线性组合
α = k1α1 + k 2α2 + Λ + kmαm (1.2.1)
显然 α ∈ V ，这样 α 全体的集合表示成
子空间 V3 也可以写成：
V3 = L(e1,e2,e3,)
={αα = x1e1 + x2e2 + x3e3}
V1 , V2 也可以写成以上类似形式。
像空间和零空间
设Ａ＝（ aij）∈Ｒm×n，以a（i i＝１,2,Λ , n）表示
Ａ的第 i个列向量，称子空间Ｌ（α1 ,α 2 ,Λ ,α n）为
x
+
y
=
⎜ ⎜ ⎜⎜⎝
x2 xn
+y Μ +y
2 n
⎟⎟, ⎟⎟⎠
kx
=
⎜ ⎜ ⎜⎜⎝
kx2 Μ
kxn
⎟ ⎟ ⎟⎟⎠
对于线性空间 R n中的加法和数乘，有：
v2 v1 v3 = v1 + v2
kv v
定理 1 .1 .1 线性空间Ｖ中，有唯一的零向量，Ｖ中任一向量也有唯一的负向量。
（ x1－y1）α1 +（x2－y２）α 2 + Λ +（xn－y n）α n＝０
由于Ｓ是线性无关的，所以 xi = y i i = 1,2,Λ , n
定义 1. 1. 5 设Ｖ n与Ｖn*同为域Ｐ上的两个线
性空间，若 α ↔ α *，(α ∈ Vn ,α * ∈ Vn* )，且当 α ↔ α *，β ↔ β *，α , β ∈ Vn , α * , β * ∈ Vn*时，有 α + β = α * + β *

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1章_线性空间与线性变换

图1.2.1中直线 l ，平面是 R3 的两个线性子空间，而在图1.2.2中由于直线 m 和平面不含原点所以不能形成 R3 的子空间。
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
W { k11 k22 kmm,i V, ki P 1 i m}
容易验证，W 对 V 中定义的加法和数乘运算是封闭的，所以 W 是 V 的线性子空间.这个子空间称为由 V 中向量 S {1, 2 ,, m} 生成的线性子空间，记为
W L(1,2,,m ) Span{1,2,,m} (1.2.2)
（2） T(k ) kT( ) V , k P
称作V 的一个线性变换或线性算子。特别当 V W 时，称 T :Vn Vn 是 Vn 上的线性变换.
注:定义中两个条件可以用一个表达式来表示，即T 是线性变换的充要条件是：
T (k l ) kT() lT( )
例：两个特殊线性变换 (1) 如果对任意 V ，恒有 T() 0，则
例1.2.4
dim(V1 V2 ) 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
）. •
V1 V2
定理1.2.5 两个子空间的和是直和的充分必要条件是：
V1 V2 L(0)
定义1.1.4 设 S {1, 2 ,, n} 是线性空间 Vn 的一个基（底），是 Vn 中的一个向量，而且

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

第1,2章线性空间与线性变换

1. 求从基（I）到基（II）的过渡矩阵C。
2. 求向量 7 3 在基（II）的坐标Y。 1 2
§1.2 子空间
概述：线性空间V中，向量集合V可以有集合的运算和关系：
Wi V， W1W2， W1W2，问题：这些关系或运算的结果是否仍然为线性空间？
1、子空间的概念
定义：设非空集合WV，W ，如果W 中的元素关于V中的线性运算为线性空间，则称W是V的子空间。判别方法：Important Theorem W是子空间 W对V的线性运算封闭。
§1.3 线性空间V与Fn的同构
坐标关系
V
Fn
V的基{1，2，。。。 n}
由此建立一个一一对应关系
V，X Fn，（）=X
（1+2）=（1）+（2）（k）=k（）
在关系下，线性空间V和Fn同构。
同构的性质
定理1.3.1:数域F上两个有限维线性空间同构的充分必要条件是他们的维数相同。同构保持线性关系不变。应用：借助于空间Fn中已经有的结论和方法研究一般线性空间的线性关系。
（iv）若T －1是可逆变换，T－1 T－1( )= 当且仅当T()=。
定义
二、线性变换的矩阵
1 线性变换的矩阵与变换的坐标式 Purpose:将抽象的线性变换与矩阵对应起来
设T是线性空间V上的线性变换，1,2 ,...,n是V的一组基。 T1 a111 a212 ... an1n T2 a121 a222 ... an2n
向量0
二、向量组的探讨（Review)
向量的线性相关与线性无关：
向量可由1，2，…，s线性表示;（其工作可由多人合力完成）
向量组1，2，…，s线性无关
任何一个向量不能由其余向量线性表示要使k11+k22+…+kss =0, 只有系数都为0

《矩阵分析》(第3版)史荣昌,魏丰.第一章课后习题答案

第1章线性空间和线性变换（详解）1-1 证：用iiE 表示n 阶矩阵中除第i 行，第i 列的元素为1外，其余元素全为0的矩阵.用ij E (,1,2,,1)i j i n <=-表示n 阶矩阵中除第i 行，第j 列元素与第j 行第i 列元素为1外，其余元素全为0的矩阵.显然，iiE ，ijE 都是对称矩阵，iiE 有(1)2n n -个.不难证明iiE ，ijE 是线性无关的，且任何一个对称矩阵都可用这n+(1)2n n -=(1)2n n +个矩阵线性表示，此即对称矩阵组成(1)2n n +维线性空间.同样可证所有n 阶反对称矩阵组成的线性空间的维数为(1)2n n -.评注:欲证一个集合在加法与数乘两种运算下是一个(1)2n n +维线性空间，只需找出(1)2n n +个向量线性无关，并且集合中任何一个向量都可以用这(1)2n n +个向量线性表示即可. 1-2解: 11223344x x x x ααααα=+++令解出1234,,,x x x x 即可.1-3 解：方法一设11223344x x x x =+++A EE E E即故于是解之得即A 在1234,,,E E E E 下的坐标为(3,3,2,1)T--.方法二应用同构的概念，22R ⨯是一个四维空间，并且可将矩阵A 看做(1,2,0,3)T，1234,,,E E E E 可看做(1,1,1,1),(1,1,1,0),(1,1,0,0),(1,0,0,0)T T T T .于是有1111110003111020100311000001021000300011⎡⎤⎡⎤⎢⎥⎢⎥-⎢⎥⎢⎥→⎢⎥⎢⎥⎢⎥⎢⎥-⎣⎦⎣⎦因此A 在1234,,,E E E E 下的坐标为(3,3,2,1)T--.1-4 解：证：设112233440k k k k αααα+++=即1234123412313412411111110110110110k k k k k k k k k k k k k k k k k ⎡⎤⎡⎤⎡⎤⎡⎤+++⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦+++++⎡⎤==⎢⎥++++⎣⎦于是12341230,0k k k k k k k +++=++= 1341240,0k k k k k k ++=++=解之得12340k k k k ====故1234,,,αααα线性无关. 设123412341231341241111111011011011a b x x x x c d x x x x x x x x x x x x x ⎡⎤⎡⎤⎡⎤⎡⎤⎡⎤=+++⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦⎣⎦+++++⎡⎤=⎢⎥++++⎣⎦于是12341230,0x x x x x x x +++=++=1341240,0x x x x x x ++=++=解之得122,x b c d a x a c =++-=-34,x a d x a b =-=-1234,,,x x x x 即为所求坐标.1-5 解：方法一（用线性空间理论计算）32312233410()121,,,021,1,(1),(1)p x x x x x y y x x x y y ⎡⎤⎢⎥⎢⎥⎡⎤=+=⎣⎦⎢⎥⎢⎥⎣⎦⎡⎤⎢⎥⎢⎥⎡⎤=---⎣⎦⎢⎥⎢⎥⎣⎦又由于23231,1,(1),(1)111101231,,,00130001x x x x x x ⎡⎤---⎣⎦⎡⎤⎢⎥-⎢⎥⎡⎤=⎣⎦⎢⎥-⎢⎥⎣⎦于是()p x 在基231,1,(1),(1)x x x ---下的坐标为11234111113012306001306000122y y y y -⎡⎤⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦方法二将3()12p x x =+根据幂级数公式按1x -展开可得32323()12(1)(1)(1)(1)(1)(1)(1)2!3!36(1)6(1)2(1)p x x p p p p x x x x x x =+''''''=+-+-+-=+-+-+- 因此()p x 在基231,1,(1),(1)x x x ---下的坐标为[]3,6,6,2T.评注：按照向量坐标定义计算，第二种方法比第一种方法更简单一些.1-6 解：①设[][]12341234,,,,,,=ββββααααP将1234,,,αααα与1234,,,ββββ代入上式得20561001133611001121011010130011⎡⎤⎡⎤⎢⎥⎢⎥-⎢⎥⎢⎥=⎢⎥⎢⎥--⎢⎥⎢⎥-⎣⎦⎣⎦P 故过渡矩阵1100120561100133601101121001110131122223514221915223112822-⎡⎤⎡⎤⎢⎥⎢⎥-⎢⎥⎢⎥=⎢⎥⎢⎥--⎢⎥⎢⎥-⎣⎦⎣⎦⎡⎤---⎢⎥⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦P②设1212343410(,,,)10y y y y ⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦ξββββ将1234,,,ββββ坐标代入上式后整理得11234792056181336027112111310130227y y y y -⎡⎤-⎢⎥⎢⎥⎡⎤⎡⎤⎡⎤⎢⎥-⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎢⎥⎢⎥⎣⎦评注：只需将,i i αβ代入过渡矩阵的定义[][]12341234,,,,,,=ββββααααP 计算出P .1-7 解：因为12121212{,}{,}{,,,}span span span +=ααββααββ由于秩1212{,,,}3span =ααββ，且121,,ααβ是向量1212,,,ααββ的一个极大线性无关组，所以和空间的维数是3，基为121,,ααβ. 方法一设1212{,}{,}span span ∈ξααββ，于是由交空间定义可知123411212111011030117k k k k -⎡⎤⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥--⎢⎥⎢⎥⎢⎥⎢⎥+++=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦解之得1222122,4,3(k l k l l l l =-==-为任意数)于是11222[5,2,3,4]T k k l =+=-ξαα(很显然1122l l ββ=+ξ)所以交空间的维数为1，基为[5,2,3,4]T-. 方法二不难知12121212{,}{,},{,}{,}span span span span ''==ααααββββ其中2213[2,2,0,1],[,2,1,0]3TT ''=--=-αβ.又12{,}span 'αα也是线性方程组 13423422x x x x x x =-⎧⎨=-⎩ 的解空间.12{,}span 'ββ是线性方程组13423413232x x x x x x ⎧=-+⎪⎨⎪=-⎩ 的解空间，所以所求的交空间就是线性方程组1342341342342213232x x x x x x x x x x x x =-⎧⎪=-⎪⎪⎨=-+⎪⎪=-⎪⎩ 的解空间，容易求出其基础解系为[5,2,3,4]T-，所以交空间的维数为1，基为[5,2,3,4]T -.评注：本题有几个知识点是很重要的.12(1){,,,}n span ααα的基底就是12,,,nααα的极大线性无关组.维数等于秩12{,,,}n ααα.1212(2){,}{,}span span +ααββ1212{,,,}span =ααββ.(3)方法一的思路，求交1212{,}{,}span span ααββ就是求向量ξ，既可由12,αα线性表示，又可由12,ββ线性表示的那部分向量.(4)方法二是借用“两个齐次线性方程组解空间的交空间就是联立方程组的解空间”，将本题已知条件改造为齐次线性方程组来求解.1-8解:(1):解出方程组1234123420510640x x x x x x x x ---=⎧⎨---=⎩（Ⅰ）的基础解系,即是1V 的基, 解出方程组123420x x x x -++=（Ⅱ）的基础解系,即是2V 的基; (2): 解出方程组1234123412342051064020x x x x x x x x x x x x ---=⎧⎪---=⎨⎪-++=⎩的基础解系,即为12V V ⋂的基;(3):设{}{}1121,,,,,k l V span V span ααββ==,则11,,,,,k l ααββ的极大无关组即是12V V +的基. 1-9解:仿上题解.1-10解: 仿上题解.1-11 证：设210121()()()0k k l l l l --++++=ξξξξA AA①用1k -A从左侧成①式两端，由()0k=ξA可得10()0k l -=ξA因为1()0k -≠ξA，所以00l =，代入①可得21121()()()0k k l l l --+++=ξξξA AA②用2k -A从左侧乘②式两端，由()0k=ξA可得00l =，继续下去，可得210k l l -===，于是21,(),(),,()k -ξξξξA AA线性无关.1-12 解：由1-11可知，n 个向量210,(),(),,()n -≠ξξξξAAA线性无关，它是V 的一个基.又由21212121[,(),(),,()][(),(),,()][(),(),,(),0]000010000100[,(),(),,()]0000010n n n n n n----⨯==⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦ξξξξξξξξξξξξξξA A A AA A A A AAA AA 所以A 在21,(),(),,()n -ξξξξA AA下矩阵表示为n 阶矩阵000100001000000010⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦评注：n 维线性空间V 中任何一组n 个线性无关的向量组都可以构成V 的一个基，因此21,(),(),,()n -ξξξξA AA是V 的一个基.1-13证: 设()()()111,,,,,,,,,,,r s m r s A A ξξξββααα==设11,,,,,,r r s ξξξξξ是的极大无关组，则可以证明11,,,,,,r r s ααααα是的极大无关组.1-14 解：(1)由题意知123123[,,][,,]=ααααααA A123123111[,,][,,]011001⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦βββααα设A在基123,,βββ下的矩阵表示是B ，则11111123111011103011001215001244346238--⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥==-⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎡⎤⎢⎥=---⎢⎥⎢⎥⎣⎦B P AP (2)由于0A ≠，故0=AX 只有零解，所以A的核是零空间.由维数定理可知A的值域是线性空间3R .1-15解:已知()()2323,,,,A αααααα=11A(1) 求得式()()2323,,,,P εεεααα=11中的过渡矩阵P ,则1B P AP -=即为所求; (2)仿教材例1.5.1.(见<矩阵分析>史荣昌编著.北京理工大学出版社.)1-16解:设()23,,A ααα=1,则{}23(),,;()R A span N A ααα=1就是齐次方程组0Ax = 的解空间. 1-17证:由矩阵的乘法定义知AB BA 与的主对角线上元素相等,故知AB BA 与的迹相等;再由1-18 题可证. 1-18证:对k 用数学归纳法证。

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

(2) W W .
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 ；

第一章线性空间与线性变换

an 2 收敛
n 1
线性空间的基本概念及其性质
基本概念：线性组合；线性表示；线性相关；线性无关；向量组的极大线性无关组；向量组的秩。
❖ 基本性质：
(1) 含有零向量的向量组一定线性相关； (2) 整体无关则部分无关；部分相关则整体相关； (3) 如果含有向量多的向量组可以由含有向量少的向量组线
于是同可一得向量在13不24同的基x1下10坐标11不同x2,
1 0 那1 它1们
有什么关系x呢3 ?10
1 1
x4
1 1
1 0
解得
x1
7, 3
x2
4 3
,
x3
1, 3
x4
2 3
同样可解出在第二组基下的坐标为
y1 1, y2 1, y3 1, y4 4
基变换与坐标变换
设
1,
2
,
,
（旧的）与
例4 在4维线性空间 R22 中，向量组
0 1 1 0 1 1 1 1 1 1, 1 1, 0 1, 1 0
与向量组
1 0 1 1 1 1 1 1 0 0, 0 0 , 1 0 , 1 1
是其两组基，求向量坐标。
A
1 3
2 4
在这两组基下的
解：设向量A在第一组基下的坐标为 ( x1, x2, x3, x4 )T
子空间的交与和
❖ 两个子空间的交: V1 V2 : V1 & V2 ❖ 两个子空间的和: V1 V2 z x y : xV1, y V2
❖ 子空间交与和的性质
若V1和V2都是V的子空间，则V1∩V2和V1+V2也是V的子空间.
V1∩V2 = V2∩V1，V1+V2=V2+V1 (V1∩V2)∩V3=V1∩(V2∩V3)，(V1+V2)+V3=V1+(V2+V3) dimV1+dimV2=dim(V1+V2)+ dim(V1∩V2)

矩阵分析复习

' ' ' 设 T 在 V 的两个基 x 1 , x 2 , , x n 及 x 1 的矩 , x2 , , x n
n

即 A 和 B 为相似矩阵。定理： n 阶方阵 A 和 B 相似的充要条件是 A 和 B 为同一线性变换在不同基下的矩阵。５线性变换及矩阵的值域和核：设 T 是线性空间 V 的线性变换，称
则坐标变换公式
1' 1 1' 1 ' ' 2 2 2 2 1 C C ' ' n n n n
1
：x V ，若存在线性变换 S 使得 ( ST ) x x ，则称 S 为 T 的
1
逆变换 S T
T ，并规定 T 0 Te （8）线性变换的多项式： T n TT
n个
f (T ) anT
n n 0
N
f (T ) x anT n x
n 0
N
3.线性变换的矩阵表示
设 T 是线性空间 V n 的一个线性变换，且 x 1 , x 2 , , x n 是 V n 的一个基，
a i 1 ai2 Tx i x 1 , x 2 , , x n ， a in
a11 a21 an1 a a a n2 12 22 记A a1n a2 n ann
则称 A 为 T 在线性空间 V n 的基 x 1 , x 2 , , x n 下的矩阵
T x1 , x2 ,, xn Tx1 , Tx2 ,, Txn = x1 , x2 ,, xn A

1_第1章_线性空间与线性变换

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

第1章 线性空间与线性变换

第1章 线性空间与线性变换

线性空间与线性变换

矩阵论第一章线性空间和线性变换

工程硕士矩阵论第一章

第一章线性空间与线性变换

矩阵论学习-(线性空间与线性变换)

第1章_线性空间与线性变换

01_矩阵论_第一章线性空间与线性变换

矩阵理论课件 第一章 线性空间与线性变换

矩阵论第一章

第1,2章 线性空间与线性变换

《矩阵分析》(第3版)史荣昌,魏丰.第一章课后习题答案

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

第1章线性空间与线性变换讲义.ppt

第一章 线性空间与线性变换

矩阵分析复习

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

第1章线性空间与线性变换

第1章线性空间与线性变换

矩阵理论课件第一章线性空间与线性变换

第1,2章线性空间与线性变换

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

第一章线性空间与线性变换