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
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
∃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）
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
- 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)。
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.
其中Z整数集合.
数域的一个简单性质：有理数域是所有数域的子集合， 每个数域都包含整数0和1.
它们共有的性质是，这些集合中任意两数的和、差、积、商
(除数不为零)仍是该集合中的数. 它们的包含关系是
Q RC
因此说“一个复数”，自然包括实数和有理数的特殊情况．
数域的概念： 若P是C的一个非空集合，且P含有非零的数，其中任意 两数的和、差、积、商(除数不为零)仍属于该集合，则称数 集P为一个数域．
1 边乘 ，可得 k
1 1 1 ( k ) (k ) 0 0 ． k k k
证明 如果 k 0 ，则结论成立． 如果 k 0 ，则在 k 0 两
线性空间中向量的线性相关性
在线性代数中，对于 n 维向量空间 R 中的向量组，介 绍了一系列重要概念，如线性组合、线性相关与线性无关 等．这些概念以及有关的性质只涉及线性运算，因此不难将 这些概念和性质完全平行地搬到线性空间上来．
例 1.4 在实数域上， m n 矩阵全体 R
按照通常矩阵
的加法，数与矩阵的乘法构成一个线性空间.
例 1. 5 在实数域上，次数等于 n 的多项式全体，在多项式 加法，数与多项式的乘法运算下，由于运算不封闭，从而不构 成线性空间.
例 1. 6 设 R 表示全体正实数，定义运算 与 为
S x Ax , x C n 是否构成线性空间？
解 对于任意的 x1 , x2 S ，有 Ax1 ， Ax2 ． 但是
例 1. 9 问当 0 时，相容的线性方程组 Ax 的解的全体
A( x1 x2 ) Ax1 Ax2 2 ，
在线性代数中，我们把n元有序数组称为n维向量， 并
对n维向量引入了加法及数乘两种运算，且在这两种运算下
满足八条基本的运算规律，称为n维向量空间．事实上，我 们不难发现，还有许多集合，比如n阶方阵的全体，关于矩 阵的加法及数乘两种运算，仍满足类似的八条运算规律．这 里虽然研究的对象不同，定义的运算不同，但它们有一个共
（5） 1 ； （6） a(b ) (ab) ； （7） (a b) a b ； （8） a( ) a a ，
则称 V 为数域 P 上的线性空间（或向量空间） ，有时也简称 V 为线性空间（或向量空间） ． 线性空间 V 中元素也称为 向量． 当 P 为实数域 R ，或复数域 C 时，分别称 V 为实线 性空间，或复线性空间．
太原理工大学 硕士研究生数学课程
矩阵论
2014级
主讲教师：杨晋
太原理工大学 数学学院
学习《矩阵论》课程必须掌握的基础知识： 1.高等数学 2.线性代数
本课程教材： 《矩阵分析引论》.罗家洪 方卫东 编著 华南理工大学出版社.参考价20元.
参考书： 《矩阵论导学.导教.导考》.张凯院,徐仲编.西北 工业大学出版社.参考价12元. 《矩阵理论》. 苏育才,姜翠波,张跃辉编.科学出 版社.参考价25元.
定义 2 设 1 , 2 ,
容易证明向量组之间的等价关系具有如下性质． （1）反身性 每一个向量组都与它自身等价； （2）对称性 如果向量组 1 , 2 , , m 与 1 , 2 , 向量组 1 , 2 ,
, s 等价，则
,m 等价； （3）传递性 如果向量组 1 , 2 , , m 与 1 , 2 , , s 等价，且 向量组 1 , 2 , , s 与 1 , 2 , , t 等价，则向量组 1 , 2 , , m 与 1 , 2 , , t 等价
目录
第1章：线性空间与线性变换 第2章：内积空间 第3章：矩阵的标准形 第4章：矩阵函数及其应用
第5章：特征值的估计与广义逆矩阵
第6章：非负矩阵
第1章
线性空间与线性变换
1.1 线性空间的概念
1.2 基变换与坐标变换
1.3 子空间与维数定理
1.4 线性空间的同构
1.5ห้องสมุดไป่ตู้线性变换的概念
1.6 线性变换的矩阵
1.7* 不变子空间
本章将介绍两个内容，线性空间与积线 性变换，它们是矩阵分析中两个基本概念， 同时也是重要的概念．线性空间是线性代数 中向量空间概念的推广．
1.1 线性空间的概念
人们讨论问题，往往都是就一定“范围”来说的，离开
了这个“范围” ，就难以讲清楚了，甚至只能在某个“范围”
内才能提出或研究某种问题．明白了这一点，就较容易理解 我们引入数域及线性空间的目的了． 记 Q：有理数集合; R：实数集合; C：复数集合，
所以 x1 x2 S ，即 S 关于加法运算不封闭，故 S 不是线性空间．
线性空间的性质
对于线性空间中零元素与负元素有如下性质．
性质 1. 1 线性空间中零元素是唯一的． 证明 设 01 ， 0 2 是线性空间 V 中的两个零元素，即对于任何
V ，有
01 , 02 ．
3. 如果加法与数乘两种运算满足下面八条运算规律 （设 , , V , a, b P ） ： （1） ；
（2） ( ) ( ) ； （ 3 ） 在 V 中 存 在 元 素 0 ， 使 对 任 何 V ， 都 有 0 ，称 0 为零元素； （4）对任何 V ，都有元素 V ，使 0 ， 称 为 的负元素，记为- ；
a b ab ， k a a k ，其中 a, b R ， k R ．
则在此运算下 R 构成实数域上的线性空间．
证明 因为该运算满足线性运算的全部性质： i） a1 a2 a1a2 a2a1 a2 a1 ； ii）
； (a1 a2 ) a3 （a1a2 ） a3 （a1a2 ）a3 a（ ） a1 （a2 a3 ） 1 a2a3
例 1. 8 设 a n , bn 是两个收敛于 0 的实数无穷序列，则
lim(a n bn ) lim a n lim bn 0 ；
n n n
且 a R, 有
lim aa n a lim a n 0 ；
n n
并且易证八条性质也成立． 所以，一切收敛于 0 的实序列对于如上定 义的加法和数与序列的乘法构成 R 上的一个线性空间．
iii） a1 1 a1 1 a1 ；
1 1 iv） a1 a1 1 ； a1 a1
v） 1 a1 (a1 )1 a1 ；
l l k lk vi） k (l a1 ) k (a1 ) (a1 ) a1 (lk ) a1 ； k l k l kl vii） (k a1 ) (l a1 ) (a1 ) (a1 ) a1 a1 a1 (k l ) a1 ； k k viii） k (a1 a2 ) k (a1a2 ） （a1a2 )k a1 a2 (k a1 ) (k a2 ) 。
设V为数域P上的线性空间， V , k P ，进一步可证明
如下性质．
性质 1. 3 0 0 ， (1) ， k 0 0 ． 证明 因为 0 1 0 (1 0) 1 , 根据零元 素的唯一性知 0 0; 又因为
(1) 1 (1) [1 (1)] 0 0, 根据负元素的唯一性知 (1) ； k 0 k[ (1) ] k (k ) [k (k )] 0 0 ． 性质 1. 4 如果 k 0 ，则 k 0 或 0 ．
定义 1 设 1 , 2 , 量， k1 , k 2 , 为
n
,m 是数域 P 上的线性空间 V 中的一组向 , km 是数域 P 中的一组数，如果 V 中向量 可以表示
k11 k2 2 kmm ， 则称 可由 1 , 2 , , m 线性表示，也称向量 是 1 , 2 , , m
所以，全体正实数 R 在此运算下构成实数域 R 上的线性空间．