01 线性空间与子空间

01 线性空间与子空间
01 线性空间与子空间

第一讲 线性空间

一、 线性空间的定义及性质 [知识预备]

★集合:笼统的说是指一些事物(或者对象)组成 的整体 集合的表示:枚举、表达式 集合的运算:并(),交()

另外,集合的“和”(+):并不是严格意义上集合的运算,因为它限定了集合中元素须有可加性。

★数域:一种数集,对四则运算封闭(除数不为零)。比如有理数域、实数域(R )和复数域(C )。实数域和复数域是工程上较常用的两个数域。

线性空间是线性代数最基本的概念之一,也是学习现代矩阵论的重要基础。线性空间的概念是某类事物从量的方面的一个抽象。

1.

线性空间的定义:

设V 是一个非空集合,其元素用x,y,z 等表示;K 是一个数域,其元素用k,l,m 等表示。如果V 满足[如下8条性质,分两类] (I )在V 中定义一个“加法”运算,即当x,y V ∈时,有唯一的和

x y V +∈(封闭性),且加法运算满足下列性质

(1)结合律 ()()x y z x y z ++=++; (2)交换律 x y y x +=+;

(3)零元律 存在零元素o ,使x +o x =;

(4)负元律 对于任一元素x V ∈,存在一元素y V ∈,使

x y +=o ,且称y 为x 的负元素,记为(x -)。则有()x x +-= o 。

(II )在V 中定义一个“数乘”运算,即当x V ∈,k K ∈时,有唯一的kx V ∈(封闭性),且数乘运算满足下列性质 (5)数因子分配律 ()k x y kx ky +=+; (6)分配律 ()k l x kx lx +=+; (7)结合律 ()()k lx kl x =; (8)恒等律 1x x =; [数域中一定有1] 则称V 为数域K 上的线性空间。

注意:1)线性空间不能离开某一数域来定义,因为同一个集合,

如果数域不同,该集合构成的线性空间也不同。 (2)两种运算、八条性质

数域K 中的运算是具体的四则运算,而V 中所定义的加法运算和数乘运算则可以十分抽象。

(3)除了两种运算和八条性质外,还应注意唯一性、封闭

性。唯一性一般较显然,封闭性还需要证明,出现不封闭的情况:集合小、运算本身就不满足。

当数域K 为实数域时,V 就称为实线性空间;K 为复数域,V 就称为复线性空间。

例1. 设R +={全体正实数},其“加法”及“数乘”运算定义为

x y=xy , k k x x =o

证明:R +是实数域R 上的线性空间。 [证明] 首先需要证明两种运算的唯一性和封闭性 ①唯一性和封闭性

唯一性显然

若x>0,y>0, k R ∈,则有

x y=xy R +∈ k k x x =o R +∈ 封闭性得证。

②八条性质

(1)x (y z )=x(yz)=(xy)z=(x y)z (2) x y=xy =yx= y x

(3) 1是零元素 x 1=1=x x ? [x o=x ——>xo=x ->o=1]

(4)

1x 是x 的负元素 x 1x

=1

x 1x ?= [x+y=o ]

(5) k o (x y )()k

k k xy x y ===k o x k o y [数因子分配律] (6) ()k l k l k l x x x x ++===o (k o x )(l o x ) [分配律] (7) ()()

()k

l k l k l x x x k l x =

==o o o

[结合律] (8) 1

1x x x ==o [恒等律]

由此可证,R +是实数域R 上的线性空间。 2.

定理:线性空间具有如下性质

(1) 零元素是唯一的,任一元素的负元素也是唯一的。 (2) 如下恒等式成立: 0x =o , ()()1x x -=-。 [证明](1)采用反证法:

①零元素是唯一的。 设存在两个零元素o 1和o 2,则由于o 1

和o 2 均为零元素, 按零元律有

[交换律]

o 1+o 2=o 1 = o 2+o 1=o 2

所以 o 1=o 2

即 o 1和o 2 相同,与假设相矛盾,故只有一个零元素。 ②任一元素的负元素也是唯一的。假设x V ?∈,存在两个负

元素y 和z ,则根据负元律有

x y +=o =x z +

()()y y o y x z y x z o z z =+=++=++=+= [零元律] [结合律] [零元律] 即y 和z 相同,故负元素唯一。

(2) ①:设w=0x ,则 x+w=1x+0x=(1+0)x=x ,故 w=o 。 [恒等律]

②:设w=(-1)x ,则x+w=1x+(-1)x=[1+(-1)]x=0x=o ,

故w=-x 。

3.

线性相关性

线性空间中相关性概念与线性代数中向量组线性相关性概念类似。

?线性组合: 12

m 12m x ,x x V ,c ,c c K

?∈∈L L

m

1122m m i i i 1

c x c x c x c x =+++∑L @

称为元素组12m x ,x x L 的一个线性组合。

?线性表示:V 中某个元素x 可表示为其中某个元素组的线性组合,则称x 可由该元素组线性表示。

?线性相关性:如果存在一组不全为零的数12m c ,c c K ∈L ,使得对于元素12m x ,x x V ∈L 有

m

i i

i 1

c x

0==∑

则称元素组12m x ,x x L 线性相关,否则称其线性无关。线性相关性概念是个非常重要的概念,有了线性相关性才有下面的线性空间的维数、基和坐标。 4.

线性空间的维数

定义:线性空间V 中最大线性无关元素组所含元素个数称为V 的维数,记为dimV 。

本课程只考虑有限维情况,对于无限维情况不涉及 。

例2. 全体m ×n 阶实矩阵的集合构成一个实线性空间(对于矩阵加

法和数对矩阵的数乘运算),求其维数。

[解] 一个直接的方法就是找一个最大线性无关组,其元素尽可能简单。

令E ij 为这样的一个m ×n 阶矩阵,其(i, j )元素为1,其余元素为零。

显然,这样的矩阵共有mn 个,构成一个具有mn 个元素的线性无关元素组{}11121n 21222n m1m2mn E ,E ,E ;E ,E ,E ;;E ,E ,E L L L L 。另一

方面,还需说明元素个数最大。对于任意的()ij m n

A a ?=,都可由以上

元素组线性表示,

ij ij i,j

A a E =∑ ——>

ij ij

i,j

a E

A 0+=∑

即{}ij E |i 1m,j 1n ==::构成了最大线性无关元素组,所以该空间的维数为mn 。

二、 线性空间的基与坐标 1.

基的定义:设V 是数域K 上的线性空间,()

12r x ,x x r 1≥L 是属于V 的r 个任意元素,如果它满足 (1)12r x ,x x L 线性无关;

(2)V 中任一向量x 均可由12r x ,x x L 线性表示。

则称12r x ,x x L 为V 的一个基,并称12r x ,x x L 为该基的基元素。 ?基正是V 中最大线性无关元素组;V 的维数正是基中所含元素的个数。

?基是不唯一的,但不同的基所含元素个数相等。

例3 考虑全体复数所形成的集合C 。如果K =C (复数域),则该集

合对复数加法和复数复数的乘法构成线性空间,其基可取为1,空间维数为1;如果取K =R (实数域),则该集合对复数加法及实数对复数的数乘构成线性空间,其基可取为{1,i},空间维数为2。

2.

坐标的定义:称线性空间n V 的一个基12n x ,x x L 为n V 的一

个坐标系,n x V ?∈,它在该基下的线性表示为:

n

i i

i 1

x

=ξ∑ ()i i K,x V,i 1,2,n ξ∈∈=L

则称12n ,ξξξL 为x 在该坐标系中的坐标或分量,记为

()T

12n ,ξξξL

讨论:(1)一般来说,线性空间及其元素是抽象的对象,不同空间的

元素完全可以具有千差万别的类别及性质。但坐标表示却把它们统一了起来,坐标表示把这种差别留给了基和基元素,由坐标所组成的新向量仅由数域中的数表示出来。

(2)更进一步,原本抽象的“加法”及 “数乘”经过坐标表示就演化为向量加法及数对向量的数乘。

1

1122n n 11

22x y (x x x )(x x x )

+=ξ+ξ++ξ+η+η++ηL L 111222n n n ()x ()x ()x =ξ+η+ξ+η++ξ+ηL 正对应

()12n 1122n n 12n x (,,,)x y ,,,y (,,,)

=ξξξ?→+=ξ+ηξ+ηξ+η?

=ηηη?L L L

2 ()()()()1122n n 1122n n kx k x x x k x k x k x =ξ+ξ++ξ=ξ+ξ++ξL L

()12n k ,k ,,k →ξξξL

正对应 12n x (,,,)=ξξξL ()12n

k x k ,k ,

,k →=ξξξL (3)显然,同一元素在不同坐标系中的坐标是不同的。后面我们还要研究这一变换关系。

三、 基变换与坐标变换

基是不唯一的,因此,需要研究基改变时坐标变换的规律。 设12n x ,x x L 是n V 的旧基,12n y ,y y L 是n V 的新基,由于两者都是基,所以可以相互线性表示

n

j ij i i 1y c x ==∑ (i 1,2,n =L )

[][][]1112

1n 21222n 12n 12n 12n n1n2

nn c c c c c c y ,y y x ,x x x ,x x C c c c ????

??==???

???

L L L L L M M O M L

其中C 称为过渡矩阵,上式就给出了基变换关系,可以证明,C 是可逆的。

设n x V ∈,它在旧基下的线性表示为 []1n

2i i 12n i 1

n x x x ,x ,x =ξ????ξ??=ξ=????ξ??

∑L M

它在新基下的线性表示为

[]12i n ''n

'

i 12n i 1

'x y y ,y ,y =??ξ??

ξ??=ξ=??????ξ??∑L M

则 [][]12n '1'212n 12n 'n y ,y ,y x ,x ,x ??ξξ??????ξξ??

??=????

????ξ??ξ????L L M M

由于基元素的线性无关性,得到坐标变换关系

12n '1'2'n C ??ξξ??

????ξξ????

=????????ξ??ξ????M M → 12n '1'21'n C -??ξξ??????ξξ????=????????

ξ??ξ????

M M 补充:证明对于线性空间的零元素o ,k K ?∈,均有k o =o 。

线性子空间

一、线性子空间的定义及其性质

1. 定义:设V 1是数域K 上的线性空间V 的一个非空子集合,且对

V 已有的线性运算满足以下条件 (1) 如果x 、y ∈V 1,则x +y ∈V 1; (2) 如果x ∈V 1,k ∈K ,则kx ∈V 1, 则称V 1是V 的一个线性子空间或子空间。

2. 性质:(1)线性子空间V 1与线性空间V 享有共同的零元素; (2)V 1中元素的负元素仍在V 1中。 [证明](1)0x =0

1x V V ∈?Q

∴ V 中的零元素也在V 1中,V 1与V 享有共同的零元素。

(2)1x V ?∈

(-1)x=(-x)1V ∈ 封闭性

∴ V 1中元素的负元素仍在V 1中

3. 分类:子空间可分为平凡子空间和非平凡子空间

平凡子空间:{0}和V 本身 非平凡子空间:除以上两类子空间

4. 生成子空间:设x 1、x 2、···、x m 为V 中的元素,它们的所有线性组合的集合

m i i i i 1k x |k K,i 1,2m =??

∈=????

∑L 也是V 的线性子空间,称为由x 1、x 2、···、x m 生(张)

成的子空间,记为L(x 1、x 2、···、x m )或者Span(x 1、x 2、···、x m )。

若x 1、x 2、···、x m 线性无关,则

dim{L(x 1、x 2、···、x m )}=m

5. 基扩定理:设V 1是数域K 上的线性空间V n 的一个m 维子空间,

x 1、x 2、···、x m 是V 1的一个基,则这m 个基向量必可扩充为V n 的一个基;换言之,在V n 中必可找到n-m 个元素x m+1、x m+2、···、x n ,使得x 1、x 2、···、x n 成为V n 的一个基。这n-m 个元素必不在V 1中。

二、子空间的交与和

1.定义:设V 1、V 2是线性空间V 的两个子空间,则 {}1212V V x |x V ,x V ?=∈∈

{}1212V V x y |x V ,y V +=+∈∈

分别称为V 1和V 2的交与和。

2.定理:若V 1和V 2是线性空间V 的两个子空间,则12V V ?,V 1+

V 2均为V 的子空间

[证明](1)12x,y V V ?∈I

1x y V +∈ 2x y V +∈ 12x y V

V ∴+∈I 12x V V ?∈I k K ∈

1kx V ∈ 2k x V ∈ 12kx V V ∴∈I

12V V ∴I 是V 的一个线性子空间。 (2)121x ,x V ?∈ 122y ,y V

?∈ 11(x y )+12V V ∈+ 22(x y )+12V V ∈+ 12(x x )+1V ∈ 12(y y )+2V ∈

1122121212(x y )(x y )(x x )(y y )V V +++=+++∈+

k K ?∈ 11kx V ∈ 12ky V ∈

111112k(x y )kx ky V V +=+∈+

12V V ∴+是V 的子空间。

4. 维数公式:若V 1、V 2是线性空间V 的子空间,则有

dim(V 1+V 2)+ dim(12V V ?)= dimV 1+ dimV 2

[证明] 设dimV 1=n 1, dimV 2=n 2, dim(12V V ?)=m

需要证明dim(V 1+V 2)=n 1+n 2-m

设x 1、x 2、···、x m 是12V V ?的一个基,根据基扩定理 存在1)y 1、y 2、···、y n1-m ∈V 1,使x 1、x 2、···、x m 、y 1、y 2、···、

y n1-m 成为V 1的一个基;

2)z 1、z 2、···、z n2-m ∈V 2,使x 1、x 2、···、x m 、z 1、z 2、···、z n2-m

成为V 2的一个基;

考察x 1、x 2、···、x m 、y 1、y 2、···、y n1-m 、z 1、z 2、···、z n2-m , 若能证明它为V 1+V 2的一个基,则有dim(V 1+V 2)=n 1+n 2-m 。 成为基的两个条件:

1) 它可以线性表示V 1+V 2中的任意元素 2)

线性无关

显然条件1)是满足的,现在证明条件2),采用反证法。 假定上述元素组线性相关,则存在一组不全为0的数k 1、k 2、···、k m 、p 1、p 2、···、p n1-m 、q 1、q 2、···、q n2-m 使

i i

i i

i i

k x p y q z

0++=∑∑∑

令i i 2z q z V =∈∑,则 i i

i

i

2k x p y

z V +=-∈∑∑但12V V ?I

根据基扩定理

i i

k x

∑12V V ∈? i y 12V V ?I , x 1、x 2、

···、x m 、y 1、y 2、···、y n1-m 成为V 1的一个基

i p 0∴=

同理:i q 0= i k 0=

这与假设矛盾,所以上述元素线性无关,可作为V 1+V 2的一个基。

∴ dim(V 1+V 2)=n 1+n 2-m

三、子空间的直和

1. 定义:设V 1、V 2是线性空间V 的子空间,若其和空间V 1+V 2中的

任一元素只能唯一的表示为V 1的一个元素与V 2的一个元素之和,即12x V V ?∈+,存在唯一的1y V ∈、2z V ∈,使

x y z =+,则称12V V +为V 1与V 2的直和,记为12V V ⊕

子空间的直和并不是一种特殊的和,仍然是

{}1212V V x y |x V ,y V +=+∈∈,

反映的是两个子空间的关系特殊。 2. 定理:如下四种表述等价

(1)12V V +成为直和12V V ⊕ (2){}12V V 0?=

(3)dim(V 1+V 2)=dimV 1+ dimV 2

(4)x 1、x 2、···、x s 为V 1的基,y 1、y 2、···、y t 为V 2的基,

则x 1、x 2、···、x s 、y 1、y 2、···、y t 为12V V +的基

[证明](2)和(3)的等价性显然

采用循环证法:(1)→(2)→(4)→(1) (1)→(2):已知12V V +=12V V ⊕ 假定x 0≠且12x V V ∈?,则

000x (x)=+=+-

120V V ∈+,10V ∈,20V ∈,1x V ∈,2x V -∈

说明对0元素存在两种分解,这与直和的定义矛盾,所以假定不成立,在12V V ?中只能存在0元素,即{}12V V 0?=

(2)→(4):已知{}V V 012?=

成为基的两个条件: 1)

可以线性表示V 1+V 2中的任意元素

2)线性无关

1x V ?∈、2y V ∈,存在如下坐标表示式

s

i i i 1

x x ==ξ∑ t

i i i 1

y y ==η∑

x y + 可表示V 1+V 2中的任一元素,

∴x 1、x 2、

···、x s 、y 1、y 2、···、y t 可表示V 1+V 2中的任意元素。 假设x 1、x 2、···、x s 、y 1、y 2、···、y t 线性相关,即存在不全为0的12s 12t ,,,,,,,ξξξηηηL L 使

s i i

i 1

x =ξ∑t

i

i

i 1

y

=+η∑=0

而 s i i i 1x x ==ξ∑1V ∈ t

i i i 1

y y ==η∑2V ∈

s

i i

i 1x

=ξ∑=-y 2V ∈

s

i i

i 1x

=ξ∑12V V ∈I

s

i i

i 1

x

=ξ∑=0

∴12s 0ξ=ξ==ξ=L

同理12t 0η=η==η=L

这与其线性相关性矛盾,x 1、x 2、···、x s 、y 1、y 2、···、y t 线性无关

∴ x 1、x 2、

···、x s 、y 1、y 2、···、y t 可作为12V V +的基 (4)→(1):已知(4)成立

在x 1、x 2、···、x s 、y 1、y 2、···、y t 这组基下

12x V V ?∈+存在唯一的坐标12s 12t ,,,,,,,ξξξηηηL L 使 x =s

i i i 1

x =ξ∑1t

i i i y η=+∑

s

i i

i 1

x

=ξ∑1V ∈

t

i i

2i 1

y

V =η∈∑

∴ 12V V +成为直和 作业:P25-26 7,9,12

线性空间-知识点及其注释

第五章 线性空间-知识点及其注释 知识点:n 维数组向量,向量空间,线性空间,线性组合,线性表示,向量组等价,线性相关,线性无关,极大无关组,秩,生成子空间,子空间,基,维数,坐标,基变换,坐标变换,同构,交子空间,和子空间,直和,线性方程组的解空间,基础解系,特解,通解。 #n 维数组向量#简称为n 维向量,是指由数域F 中n 个数n a a a ,,,21 组成的n 元有序数组,常记为12(,,,)T n a a a 或),,,(21n a a a ,又称为n 元(数组)向量。由数域F 上所有n 维数组向量所构成的线性空间称为n 维(元)(数组)向量空间,记为n F 。 #线性组合#表达式1122s s k k k ααα+++称为向量组s ααα,,,21 的系数分别为12,,,()s k k k F ∈的线性组合,s k k k ,,,21 称为线性组合系数。 #线性表示#向量α可由向量组s ααα,,,21 线性表示(出)是指存在数域F 中的数s k k k ,,,21 ,使1122s s k k k αααα=+++。 向量组s ααα,,,21 可由向量组12,,,t βββ线性表示是指每个i α(1,2,...,i s =)都可由向量组12,,,t βββ线性表示。显然,向量组的线性表示具有传递性。 在n F 中,向量α可由向量组s ααα,,,21 线性表示?线性方程组 1122 s s x x x αααα+++=有解? 1212(,, ,,)(,, ,)s s rank rank ααααααα=。 #向量组等价#向量组s ααα,,,21 与向量组12,,,t βββ等价是指向量组 s ααα,,,21 与向量组12,,,t βββ可以相互线性表示。显然,向量组等价是 等价关系,即具有自反性、对称性和传递性。

子空间的和与直和

5.5 子空间的和与直和 授课题目: 子空间的和与直和. 教学目标: 1.理解并掌握子空间的概念. 2.掌握子空间的判别方法,熟悉几种常见的子空间. 3.掌握子空间的交与和的概念. 授课时数:3学时 教学重点:子空间的判别. 教学难点:子空间的交与和. 教学过程: 一 子空间的的和 回忆: 令W 是数域F 上向量空间V 的一个非空子集.如果W 对于V 的加法以及标量与向量的乘法来说是封闭的,那么就称W 是V 的一个子空间. 一个向量空间V 本身和零空间叫做V 的平凡子空间。V 的非平凡子空间叫做V 的真子空间。 1. 定义:设12,W W V ?,则称V 的子集{}121122/,W W αααα+∈∈ 为1212w w W W +与的和,记为 即12W W +={}121122/,W W αααα+∈∈ 定理5.5.1:若12,W W 均为V 的两个子空间,则12W W +仍然是子空间. 证明:12,W W θθθθθ∈∈∴=+∈ 12W W +故12W W +≠φ 对121212,,,,a b F W W αβαααβββ?∈?+=+=+有, 111222,,,W W αβαβ∈∈ 12W W +均为v 子空间. ∴ 111222,a b W a b W αβαβ+∈+∈ 于是 ()()()()1212112212a b a b a b a b W W αβααββαβαβ+=+++=+++∈+ ∴ 12W W +是V 的子空间。 推广:12,,,n W W W V n 为的个子空间,则 {}12121122/,,,n n n n W W W W W W αααααα+++=+++∈∈∈ 仍然是V 的子空间. 补充:若1W =L ()r ααα,,,21 ,()212,,,t W L βββ= 则12W W +=L ()t r βββααα,,,,,,,2121

子空间的基本内容

线性子空间的研究 数学与应用数学专业学生:罗柏平 指导老师:周绍杰 摘要:线性子空间理论是线性代数的核心内容之一,在数学及其它领域中有着广泛的应用.本文讨论了线性子空间及其交、和、直和的定义,并阐述了线性子空间、子空间直和的几个等价性定义,并做了一定的的推广;在此基础上,给出了求两个子空间交的基的一般方法.且对其作了进一步讨论,得到了一些有用的结果. 关键词:线性空间,线性子空间,子空间的交,维数 Abstract: Linear space and subspaces are one of linear algebra,and they have been applied to mathematics or other fields extensively.This paper discussed the linear subspace and pay, and and, and subspace straight.And we discussed the linear subspace, subspace straight and few equivalence definition,and did some promotion; Based upon these, draw subspace of mixed operation is for and included relation and its two subspaces, and further discussion was gived and several important conclusions were given. Keyword: linear space; linear subspace ; intersection of subspaces; dimensions 0引言 线性子空间理论是高等代数中的重要内容,线性子空间是线性空间的子集,线性子空间中的元素满足对原线性空间的加法与数量乘法封闭.要懂得利用定义及其线性子空间的相关定理来判定线性子空间. 线性子空间包括线性子空间的定义,子空间的交与和,直和等等. 它把具体、直观的平面与集合空间推广到抽象的线性空间.线性子空间是线性空间的子集,线性子空间中的元素满足对原线性空间的加法与数量乘法封闭.线性子空间的应用领域越来越广,在数学、物理、通信、化学、甚至医学等各方面有广泛应用.线性空间的概念是n维向量空间概念的抽象和提高,子空间的理论不仅是高等代数的核心,而且广泛渗透到各自然科学、工程技术、经济管理科学中.因而线性子空间在一定意义上值得广泛推广.为了对线性子空问作进一步的研究,先讨论有关线性子空间的一些基本问题,对线性空间有关的概念和部分结论作一回顾,然后再在应用中对线性子空间做更多的探讨.

线性空间与子空间

第一讲线性空间 一、线性空间的定义及性质 [知识预备] ★集合:笼统的说就是指一些事物(或者对象)组成的整体 集合的表示:枚举、表达式 集合的运算:并(U),交(I) 另外,集合的“与”(+):并不就是严格意义上集合的运算,因为它限定了集合中元素须有可加性。 ★数域:一种数集,对四则运算封闭(除数不为零)。比如有理数域、实数域(R)与复数域(C)。实数域与复数域就是工程上较常用的两个数域。 线性空间就是线性代数最基本的概念之一,也就是学习现代矩阵论的重要基础。线性空间的概念就是某类事物从量的方面的一个抽象。 1.线性空间的定义: 设V就是一个非空集合,其元素用x,y,z等表示;K就是一个数域,其元素用k,l,m等表示。如果V满足[如下8条性质,分两类] (I)在V中定义一个“加法”运算,即当x,y V ∈时,有唯一的与+∈(封闭性),且加法运算满足下列性质 x y V (1)结合律()() ++=++; x y z x y z (2)交换律x y y x +=+; (3)零元律存在零元素o,使x+o x =;

(4)负元律 对于任一元素x V ∈,存在一元素y V ∈,使x y +=o,且称y 为x 的负元素,记为(x -)。则有()x x +-= o 。 (II)在V 中定义一个“数乘”运算,即当x V ∈,k K ∈时,有唯一的kx V ∈(封闭性),且数乘运算满足下列性质 (5)数因子分配律 ()k x y kx ky +=+; (6)分配律 ()k l x kx lx +=+; (7)结合律 ()()k lx kl x =; (8)恒等律 1x x =; [数域中一定有1] 则称V 为数域K 上的线性空间。 注意:1)线性空间不能离开某一数域来定义,因为同一个集合,如果 数域不同,该集合构成的线性空间也不同。 (2)两种运算、八条性质 数域K 中的运算就是具体的四则运算,而V 中所定义的加法 运算与数乘运算则可以十分抽象。 (3)除了两种运算与八条性质外,还应注意唯一性、封闭性。 唯一性一般较显然,封闭性还需要证明,出现不封闭的情况:集合小、运算本身就不满足。 当数域K 为实数域时,V 就称为实线性空间;K 为复数域,V 就称为复线性空间。 例1. 设R +={全体正实数},其“加法”及“数乘”运算定义为 x y=xy , k k x x =o 证明:R +就是实数域R 上的线性空间。

线性空间和欧式空间

第六章 线性空间和欧式空间 §1 线性空间及其同构 一 线性空间的定义 设V 是一个非空集合,K 是一个数域,在集合V 的元素之间定义了一种代数运算, 叫做加法;这就是说,给出了一个法则,对于V 中任意两个元素α和β,在V 中都有唯一的一个元素γ与他们对应,成为α与β的和,记为βαγ+=。在数域K 与集合V 的元素之间还定义了一种运算,叫做数量乘法,即对于数域K 中任一数k 与V 中任一元素α,在V 中都有唯一的一个元素δ与他们对应,称为k 与α的数量乘积,记为αδk =,如果加法与数量乘法满足下述规则,那么V 称为数域K 上的线性空间。 加法满足下面四条规则: 1)αββα+=+;交换律 2))()(γβαγβα++=++;结合律 3)在V 中有一个元素0,对于V 中任一元素α都有αα=+0(具有这个性质的元 素0称为V 的零元素); 存在零元 4)对于V 中每一个元素α,都有V 中的元素,使得0=+βα(β称为α的负元素). 存在负元 数量乘法满足下面两条规则: 5)αα=1; 存在1元 6)αα)()(kl l k =. 数的结合律 数量乘法与加法满足下面两条规则: 7)αααl k l k +=+)(; 数的分配律 8)βαβαk k k +=+)(. 元的分配律 在以上规则中,l k ,表示数域中的任意数;γβα,,等表示集合V 中任意元素。 例1. 元素属于数域K 的n m ?矩阵,按矩阵的加法和矩阵的与数的数量乘法,构成 数域K 上的一个线性空间,记为,()m n M K 。 例2. 全体实函数(连续实函数),按函数的加法和数与函数的数量乘法,构成一个实 数域上的线性空间。 例3. n 维向量空间n K 是线性空间。

向量空间的基与维数

向量空间的基与维数 结论1 设,当下述三个条件有两条满足时,{}就是V的一个基. (i)零向量可由唯一地线性表示; (ii)V中每个向量都可由唯一地线性表示; (iii). 结论 2 设,都是F上向量空间V的子空间. 若,,则 ,且. 例 1 设和都是数域,且,则是上的向量空间. 域F是F上向量空间,基是{1},. C是R向量空间,{ 1 , i} 是基,. R是有理数域上的无限维向量空间,这是因为对任意的正整数t,是线性无关的,这里. 令,则F是一个数域,F是Q上的向量空间. 1)1,线性无关: 设,. 则(否则,,矛盾),因此. 2) 1,,线性无关: 设,,i=1,2,3 . ( 1 ) , 两端平方得 , 由于1,线性无关,故

假如,则,且,即. 矛盾. 因而故假如,则得,这与是无理数相矛盾. 因而 将代入(1),便得这说明1,,线性无关. 3) 1,,,线性无关: 设,,i=1,2,3,4 . 则有 . ( 2 ) 假如不全为零,则 得到“1,,线性相关”的结论,矛盾. 所以与应全为零,将代入(2)得 又由1,线性无关得. 这样,我们证得了1,,,线性无关. 故{1,,,}是F的一个基.. 例2 C[a,b]={f(x)|f(x)是定义在[a,b]上的连续实函数}. C[a,b]是R上的向量空间. 对任意的正整数n,可证得线性无关: 设,使( 3 ) 取n+1个实数,使 a b. 由(3)知 . 即 其中

而 . 用左乘(4)两端,得 这说明线性无关. 故C[a,b]是R上无限维向量空间. 引理设V是F上向量空间,是V的子空间,V,i=1,2,…,s. 试证明 证对s作数学归纳. 当s=1 时,结论显然成立. 设,且对个V的不等于V的子空间结论成立. 下考虑V的子空间,,. 由归纳假设知故存在 1) 当时,,故; 2) 当时,由于,因此显然,,…,.且存在, 使(否则,如果,,…,,, , ,使,,所以,即有,这与矛盾).这样 ,故 例3 设.存在集合, 使S含无穷多个向量,且S中任意n个不同的向量都是V 的一个基. 证取V的一个基,令. 对任意从中删 去后剩下的个向量生成的V的子空间记为,则 由引理知, 故存在 令, 中任n个不同的向量线性无关,是V的基. 设,有,且中任意n个不同的向量构成V的一个基. 对任意,有 .

线性空间与子空间

第一讲 线性空间 一、 线性空间的定义及性质 [知识预备] ★集合:笼统的说是指一些事物(或者对象)组成 的整体 集合的表示:枚举、表达式 集合的运算:并(),交() 另外,集合的“和”(+):并不是严格意义上集合的运算,因为它限定了集合中元素须有可加性。 ★数域:一种数集,对四则运算封闭(除数不为零)。比如有理数域、实数域(R )和复数域(C )。实数域和复数域是工程上较常用的两个数域。 线性空间是线性代数最基本的概念之一,也是学习现代矩阵论的重要基础。线性空间的概念是某类事物从量的方面的一个抽象。 1. 线性空间的定义: 设V 是一个非空集合,其元素用x,y,z 等表示;K 是一个数域,其元素用k,l,m 等表示。如果V 满足[如下8条性质,分两类] (I )在V 中定义一个“加法”运算,即当x,y V ∈时,有唯一的和 x y V +∈(封闭性),且加法运算满足下列性质 (1)结合律 ()()x y z x y z ++=++; (2)交换律 x y y x +=+;

(3)零元律 存在零元素o ,使x +o x =; (4)负元律 对于任一元素x V ∈,存在一元素y V ∈,使x y +=o ,且称y 为x 的负元素,记为(x -) 。则有()x x +-= o 。 (II )在V 中定义一个“数乘”运算,即当x V ∈,k K ∈时,有唯一的kx V ∈(封闭性),且数乘运算满足下列性质 (5)数因子分配律 ()k x y kx ky +=+; (6)分配律 ()k l x kx lx +=+; (7)结合律 ()()k lx kl x =; (8)恒等律 1x x =; [数域中一定有1] 则称V 为数域K 上的线性空间。 注意:1)线性空间不能离开某一数域来定义,因为同一个集合, 如果数域不同,该集合构成的线性空间也不同。 (2)两种运算、八条性质 数域K 中的运算是具体的四则运算,而V 中所定义的加法运算和数乘运算则可以十分抽象。 (3)除了两种运算和八条性质外,还应注意唯一性、封闭 性。唯一性一般较显然,封闭性还需要证明,出现不封闭的情况:集合小、运算本身就不满足。 当数域K 为实数域时,V 就称为实线性空间;K 为复数域,V 就称为复线性空间。 例1. 设R +={全体正实数},其“加法”及“数乘”运算定义为

01 线性空间与子空间

第一讲 线性空间 一、 线性空间的定义及性质 [知识预备] ★集合:笼统的说是指一些事物(或者对象)组成 的整体 集合的表示:枚举、表达式 集合的运算:并(U ),交(I ) 另外,集合的“和”(+):并不是严格意义上集合的运算,因为它限定了集合中元素须有可加性。 ★数域:一种数集,对四则运算封闭(除数不为零)。比如有理数域、实数域(R )和复数域(C )。实数域和复数域是工程上较常用的两个数域。 线性空间是线性代数最基本的概念之一,也是学习现代矩阵论的重要基础。线性空间的概念是某类事物从量的方面的一个抽象。 1. 线性空间的定义: 设V 是一个非空集合,其元素用x,y,z 等表示;K 是一个数域,其元素用k,l,m 等表示。如果V 满足[如下8条性质,分两类] (I )在V 中定义一个“加法”运算,即当x,y V ∈时,有唯一的和x y V +∈(封闭性),且加法运算满足下列性质 (1)结合律 ()()x y z x y z ++=++; (2)交换律 x y y x +=+; (3)零元律 存在零元素o ,使x +o x =; (4)负元律 对于任一元素x V ∈,存在一元素y V ∈,使

x y +=o ,且称y 为x 的负元素,记为(x -) 。则有()x x +-= o 。 (II )在V 中定义一个“数乘”运算,即当x V ∈,k K ∈时,有唯一的kx V ∈(封闭性),且数乘运算满足下列性质 (5)数因子分配律 ()k x y kx ky +=+; (6)分配律 ()k l x kx lx +=+; (7)结合律 ()()k lx kl x =; (8)恒等律 1x x =; [数域中一定有1] 则称V 为数域K 上的线性空间。 注意:1)线性空间不能离开某一数域来定义,因为同一个集合, 如果数域不同,该集合构成的线性空间也不同。 (2)两种运算、八条性质 数域K 中的运算是具体的四则运算,而V 中所定义的加法运 算和数乘运算则可以十分抽象。 (3)除了两种运算和八条性质外,还应注意唯一性、封闭 性。唯一性一般较显然,封闭性还需要证明,出现不封闭的情况:集合小、运算本身就不满足。 当数域K 为实数域时,V 就称为实线性空间;K 为复数域,V 就称为复线性空间。 例1. 设R +={全体正实数},其“加法”及“数乘”运算定义为 x y=xy , k k x x =o 证明:R +是实数域R 上的线性空间。 [证明] 首先需要证明两种运算的唯一性和封闭性

线性空间--子空间

线性空间子空间 子空间就是线性空间的非空集合对于其中的运算也构成一个空间,而span{ v1,v2...,vn }表示由v1,v2...,vn 张成的子空间,即v1,v2...,vn 所有可能的线性组合构成的子空间。子空间是空间,从而子空间存在着基底,子空间的任何一个基底张成的空间就是这个子空间本身。综上:子空间可以看成一些向量张成的空间,而由一些向量v1,v2...,vn 张成的空间span{ v1,v2...,vn }一定是一个子空间。 2、R3中的一条通过原点的直线是R3的子空间。按照子空间的判断方法,只需要验证对其加法和数乘运算封闭即可。这里的加法是向量加法,数乘是数和向量的数乘。 易知,对于过原点的直线来说,其上任意两点对应的两个向量(原点为起点,直线上的点为终点对应的向量)必共线,从而可知相加之后,起点仍选为原点,终点必落在原来的直线上,因此,对加法封闭。其次,对于数乘,很容易验证也封闭。 故,R3中的一条通过原点的直线是R3的子空间。 对于不过原点的直线,构不成子空间。 3、请用Rn空间为例子解释下子空间的定义或者是说概念。 这里关键是理解子空间的概念以及其判定方法: 只需要所给线性空间的非空子集合对于线性空间本身的两个运算:加法和数乘封闭即可! 比如:向量(0,0,。。。,0)本身构成Rn的一个零维子空间, 因为这个集合只有一个元素0,0+0=0,k0=0,所以对加法和数乘封闭。 向量(1,0,。。。,0)的倍数的全体就构成Rn的一个一维子空间, 因为这个集合的元素都是(1,0,。。。,0),易知 (1,0,。。。,0)的倍数相加仍是它的倍数,且任何一个数k乘以它的倍数仍是它的倍数, 即k*d(1,0,...,0)=kd*(1,0, 0 所以对加法数乘封闭。 向量(1,0,...,0)和(0,1,0,...,0)的所有线性组合构成Rn的一个2维子空间等。 同样道理,可知对加法数乘都封闭。

第三章线性方程组与线性子空间

第三章 线性方程组 §1 §2消元法和线性方程组解的情况 1 线性方程组的初等变换 现在讨论一般线性方程组 11112211211222221122,,n n n n m m mn n m a x a x a x b a x a x a x b a x a x a x b +++=??+++=????++ += ? 其中n x x x ,,,21 代表n 个未知量,m 是方程的个数,(1,2,,;1,2,,)ij a i m j n ==称为 线性方程组的系数,(1,2, ,)j b j m =称为常数项.方程组中未知量的个数n 与方程的个数 m 不一定相等.系数ij a 的第一个指标i 表示它在第i 个方程,第二个指标j 表示它是j x 的系 数. 所谓方程组的一个解就是指由n 个数n k k k ,,,21 组成的有序数组),,,(21n k k k ,当 n x x x ,,,21 分别用n k k k ,,,21 代入后,方程组中每个等式都变成恒等式. 方程组解的全 体称为解集合. 解方程组实际上就是找出它全部的解,即:求出它的解集合. 如果两个方程组有相同的解集合,它们就称为同解的. 如果知道了一个线性方程组的全部系数和常数项,那么这个线性方程组就基本上确定了.确切地说,线性方程组(1)可以用下面的矩阵 11121121222212 n n m m mn m a a a b a a a b a a a b ?? ? ? ? ??? 来表示. 例如,解方程组 ??? ??=++=++=+-. 522,4524,132321 321321x x x x x x x x x 第二个方程组减去第一个方程的2倍,第三个方程减去第一个方程,就变成

对线性空间的理解

首先说说空间(space),这个概念是现代数学的命根子之一,从拓扑空间开始,一步步往上加定义,可以形成很多空间。线形空间其实还是比较初级的,如果在里面定义了范数,就成了赋范线性空间。赋范线性空间满足完备性,就成了巴那赫空间;赋范线性空间中定义角度,就有了内积空间,内积空间再满足完备性,就得到希尔伯特空间。 总之,空间有很多种。你要是去看某种空间的数学定义,大致都是“存在一个集合,在这个集合上定义某某概念,然后满足某些性质”,就可以被称为空间。这未免有点奇怪,为什么要用“空间”来称呼一些这样的集合呢?大家将会看到,其实这是很有道理的。 我们一般人最熟悉的空间,毫无疑问就是我们生活在其中的(按照牛顿的绝对时空观)的三维空间,从数学上说,这是一个三维的欧几里德空间,我们先不管那么多,先看看我们熟悉的这样一个空间有些什么最基本的特点。仔细想想我们就会知道,这个三维的空间:1. 由很多(实际上是无穷多个)位置点组成;2. 这些点之间存在相对的关系;3. 可以在空间中定义长度、角度;4. 这个空间可以容纳运动,这里我们所说的运动是从一个点到另一个点的移动(变换),而不是微积分意义上的“连续”性的运动, 上面的这些性质中,最最关键的是第4条。第1、2条只能说是空间的基础,不算是空间特有的性质,凡是讨论数学问题,都得有一个集合,大多数还得在这个集合上定义一些结构(关系),并不是说有了这些就算是空间。而第3条太特殊,其他的空间不需要具备,更不是关键的性质。只有第4条是空间的本质,也就是说,容纳运动是空间的本质特征。 认识到了这些,我们就可以把我们关于三维空间的认识扩展到其他的空间。事实上,不管是什么空间,都必须容纳和支持在其中发生的符合规则的运动(变换)。你会发现,在某种空间中往往会存在一种相对应的变换,比如拓扑空间中有拓扑变换,线性空间中有线性变换,仿射空间中有仿射变换,其实这些变换都只不过是对应空间中允许的运动形式而已。 因此只要知道,“空间”是容纳运动的一个对象集合,而变换则规定了对应空间的运动。 下面我们来看看线性空间。线性空间的定义任何一本书上都有,但是既然我们承认线性空间是个空间,那么有两个最基本的问题必须首先得到解决,那就是:1. 空间是一个对象集合,线性空间也是空间,所以也是一个对象集合。那么线性空间是什么样的对象的集合?或者说,线性空间中的对象有什么共同点吗?2. 线性空间中的运动如何表述的?也就是,线性变换是如何表示的? 我们先来回答第一个问题,回答这个问题的时候其实是不用拐弯抹角的,可以直截了当的给出答案。线性空间中的任何一个对象,通过选取基和坐标的办法,都可以表达为向量的形式。通常的向量空间我就不说了,举两个不那么平凡的例子:L1. 最高次项不大于n次的多项式的全体构成一个线性空间,也就是说,这个线性空间中的每一个对象是一个多项式。如果我们以x0, x1, ..., x n为基,那么任何一个这样的多项式都可以表达为一组n+1维向量,其中的每一个分量a i其实就是多项式中x(i-1)项的系数。值得说明的是,基的选取有多种办法,只要所选取的那一组基线性无关就可以。这要用到后面提到的概念了,所以这里先不说,提一下而已。 L2. 闭区间[a, b]上的n阶连续可微函数的全体,构成一个线性空间。也就是说,这个线性空间的每一个对象是一个连续函数。对于其中任何一个连续函数,根据

线性空间和欧式空间

第六章 线性空间与欧式空间 §1 线性空间及其同构 一 线性空间的定义 设V 就是一个非空集合,K 就是一个数域,在集合V 的元素之间定义了一种代数运算,叫做加法;这就就是说,给出了一个法则,对于V 中任意两个元素α与β,在V 中都有唯一的一个元素γ与她们对应,成为α与β的与,记为βαγ+=。在数域K 与集合V 的元素之间还定义了一种运算,叫做数量乘法,即对于数域K 中任一数k 与V 中任一元素α,在V 中都有唯一的一个元素δ与她们对应,称为k 与α的数量乘积,记为αδk =,如果加法与数量乘法满足下述规则,那么V 称为数域K 上的线性空间。 加法满足下面四条规则: 1)αββα+=+;交换律 2))()(γβαγβα++=++;结合律 3)在V 中有一个元素0,对于V 中任一元素α都有αα=+0(具有这个性质的元素0称为V 的零元素); 存在零元 4)对于V 中每一个元素α,都有V 中的元素,使得0=+βα(β称为α的负元素)、存 在负元 数量乘法满足下面两条规则: 5)αα=1; 存在1元 6)αα)()(kl l k =、 数的结合律 数量乘法与加法满足下面两条规则: 7)αααl k l k +=+)(; 数的分配律 8)βαβαk k k +=+)(、 元的分配律

在以上规则中,l k ,表示数域中的任意数;γβα,,等表示集合V 中任意元素。 例1. 元素属于数域K 的n m ?矩阵,按矩阵的加法与矩阵的与数的数量乘法,构成数 域K 上的一个线性空间,记为,()m n M K 。 例2. 全体实函数(连续实函数),按函数的加法与数与函数的数量乘法,构成一个实数 域上的线性空间。 例3. n 维向量空间n K 就是线性空间。 例4. 向量空间的线性映射的集合(,)m n K Hom K K 就是线性空间。 二.简单性质 1.零元素就是唯一的。 2.负元素唯一。 3.00=α,00=k ,αα-=-)1(。 4.若0=αk ,则0=k 或者0=α。 三、同构映射 定义:设,V V '就是数域K 上的线性空间、 (,)K A Hom V V '∈就是一个线性映射、如果A 就 是一一映射,则称A 就是线性空间的同构映射,简称同构。线性空间V 与'V 称为同构的线性空间。 定理 数域P 上两个有限维线性空间同构的充分必要条件就是她们有相同的维数。 同构映射的逆映射以及两个同构映射的乘积还就是同构映射。 ?同构 §2 线性子空间的与与直与 子空间的与:设12,W W 就是线性空间V 的子空间,则集合121122{}W W W αααα=+∈∈|或 也就是一个线性子空间,称为12,W W 的与,记为12W W +、 线性空间分类?维数

子空间直和的判定与证明

子空间直和的判定与证明 一、直和的定义: 设V1,V2是线性空间V的子空间,如果和V1+V2中每个向量α的分解式 α=α1+α2,α1?V1,α2?V2, 是惟一的,这个和就称为直和,记为V1⊕V2. 二、判定定理: 1.定理:和V1+V2是直和的充分必要条件是等式 α1+α2=0,αi?Vi (i=1,2) 只有在αi全为零向量时才成立. 证明:要证明零向量的分解式是唯一的即可。 必要性:显然成立; 充分性:设α?V1+V2,它有两个分解式 α=α1+α2=β1+β2,αi,βi?Vi (i=1,2) 于是(α1-β1)+(α2-β2)=0. 其中αi-βi?Vi (i=1,2).由定理的条件,应有 α1-β1=0,αi=βi (i=1,2). 这就是说,向量α的分解式是唯一的。 2.定理:和V1+V2为直和的充分必要条件是 V1∩V2={0}. 证明:充分性:假设α1+α2=0,αi?Vi (i=1,2) 那么α1=-α2? V1∩V2. 由假设α1=α2=0. 这就是证明了V1+V2是直和。 必要性:任取向量α?V1∩V2,于是零向量可以表成 0=α+(-α),α?V1,—α?V2. 因为是直和,所以α=-α=0, 这就证明了V1∩V2={0}. 3.定理:设V1,V2是线性空间V的子空间,令W= V1+V2,则W= V1⊕V2的充分必 要条件是维(W)=维(V1)+维(V2). 证明:充分性:维(W)=维(V1)+维(V2),由维数公式知, 维(V1∩V2)=0,则 V1∩V2={0}, 由定理2得,V1+V2是直和。 必要性:因为维(W)+维(V1∩V2)=维(V1)+维(V2), 由定理2得,V1+V2是直和的充分必要条件是 V1∩V2={0},这与维(V1∩V2)=0等价, 则维(W)=维(V1)+维(V2). 4.定理:设U是线性空间V的一个子空间,那么一定存在一个子空间W,使V=U⊕W. 证明:取U得一组基α1,……,αm,把它扩充为V的一组基α1,……,αm,αm+1,……,αn,令W=L(αm+1,……,αn).W即满足条件。 三、(1)直和的定义1: 设V1,V2, ……Vs都是线性空间V的子空间,如果和V1+V2+……+Vs中每个向量α的分解式α=α1+α2+……+αs,αi?Vi (i=1,2, ……,s)是唯一的,这个和就是直和,记为V1⊕V2⊕……⊕Vs.

线性空间直和分解一个定理的证明的教学建议_梁庆光

线性空间直和分解一个定理的 证明的教学建议 梁庆光 (赣南师范学院数学与计算机系,赣州,341000) 文献[1]给出了线性空间按线性变换的特征值分解成不变子空间的直和的一个定理,叙述于下: 定理 设数域P 上线性空间V 的线性变换A 的特征多项式为f (λ),它可分解因式为: f (λ)=(λ-λ1)r 1(λ-λ2)r 2…(λ-λs )r s ,其中λ1,λ2,…,λS 互不相等,r 1,r 2,…,r s 都是 正整数,则V 可分解成A 的不变子空间的直和:V =V 1 V 2 … V s ,其中V i ={ξ (A - λi E ) r i ξ=0,ξ∈V },i =1,2,…,S ,E 是单位变换。他们给出了证明,笔者认为可分为三段,简述如下: ①令f i (λ)=f (λ)(λ-λi ) r i =(λ-λ1)r 1…(λ-λi -1)r i -1(λ-λi +1)r i +1…(λ-λS ) r s ,i =1,2,…,S 用符号V i 表示线性变换f i (A )的值域(下面称为f i (A )的象),即 V i =f i (A )V ,i =1,2,…,S 由等式A ·f i (A )=f i (A )·A ,知V i 是A 的不变子空间(i =1,2…,S ),再由等式: (A -λi E )r i V i =f (A )V =0,知V i =f i (A )V {ξ|(A -λi E )r i ξ =0,ξ∈V },i =1,2,…,S (1) 即线性变换f i (A )的象空间包含于线性变换(A -λi E )r i 的核空间(i =1,2,…,S )②分两点证明:V =V 1 V 2 … V S ,其中V i (i =1,2,…,S )是f i (A )的象。 证明 V =V 1+V 2+…+V S ,其中V i 是f i (A )的象,(i =1,2,…,S ) 再证明 V =V 1+V 2+…+V S =V 1 V 2 … V S ,其中V i 是f i (A )的象(i =1,2,…,S ) 证明和V 中零向量关于(A -λi E )r i 的核( i =1,2,…,S )中向量的分解式唯一,即设有 β1+β2+…+βS =0,其中βi ∈(A -λi E )r i 的核,( i =1,2,…,S )推出 βi =0,i =1,2,…,S 利用(1)式和第一步的结论来证明和V 中零向量关于f i (A )的象(i =1,2…,S )中向量的分解式唯一,即设 α1+α2+…+αS =0,其中αi ∈f i (A )的象(i =1,2,…,S ),由(1)式,得αi ∈f i (A )的象 (A -λi E )r i 的核,i =1,2,…,S 。即得αi = 0,i =1,2,…,S ,由此证得V =V 1+V 2+…+V S =V 1 V 2 … V S ,其中V i =f i (A )的象(i =1,2,…,S ) ③证明f i (A )的象与(A -λi E ) r i 的核相等(i =1,2,…,S ),即证明55 第6期 梁庆光 线性空间直和分解一个定理的证明的教学建议 收稿日期 1998-07-10

相关文档
最新文档