代数笔记2

合集下载

高等代数知识点总结笔记

高等代数知识点总结笔记

高等代数知识点总结笔记一、集合论基础1. 集合的定义和表示2. 集合的运算:交集、并集、补集、差集3. 集合的基本性质:幂集、空集、自然数集、整数集等4. 集合的关系:子集、相等集、包含关系5. 集合的基本运算律:结合律、交换律、分配律二、映射和函数1. 映射的定义和表示2. 映射的类型:单射、满射、双射3. 函数的定义和性质4. 函数的运算:复合函数、反函数5. 函数的极限、连续性6. 函数的导数、几何意义三、向量空间1. 向量和向量空间的定义2. 向量的线性运算:加法、数乘、点积、叉积3. 向量空间的性质:线性相关、线性无关、维数、基和坐标4. 线性变换和矩阵运算5. 特征值和特征向量四、矩阵与行列式1. 矩阵的定义和基本性质:零矩阵、单位矩阵、方阵2. 矩阵的运算:加法、数乘、矩阵乘法、转置、逆矩阵3. 行列式的定义和性质:行列式的展开法则、克拉默法则4. 线性方程组的解法:克拉默法则、矩阵消元法、逆矩阵法五、线性方程组1. 线性方程组的定义和分类2. 线性方程组的解法:高斯消元法、矩阵法、逆矩阵法3. 线性方程组的特解和通解:齐次线性方程组、非齐次线性方程组4. 线性方程组的解的性质:解的唯一性、解空间六、特征值和特征向量1. 特征值和特征向量的定义和性质2. 矩阵的对角化和相似矩阵3. 特征值和特征向量的应用:矩阵的对角化、变换矩阵4. 矩阵的谱定理和矩阵的相似对角化5. 实对称矩阵和正定矩阵的性质七、多项式与代数方程1. 多项式的定义和性质:零次多项式、一次多项式、多项式的加减乘除2. 代数方程的解法:一元一次方程、一元二次方程、高次方程3. 代数方程的根与系数的关系:韦达定理、牛顿定理、斯图姆定理4. 代数方程的不可约性和可解性八、群、环、域1. 代数结构的定义和性质2. 群的定义和性质:群的封闭性、结合律、单位元、逆元3. 环的定义和性质:交换环、整环、域4. 域的定义和性质:有限域、无限域、极大理想以上就是高等代数的一些基本知识点总结,希望对大家有所帮助。

(完整版)线性代数笔记

(完整版)线性代数笔记

等行变换,则得到的是 。
对于第二类的可先转化为第一类的 ,即由
两边转置得
按上例的方法求出 进而求出 X
二.初等变换的性质
定理 2.5.1 设线性方程组的增广矩阵 经有限次的初等行变换化为 ,则以 与
为增广矩阵的方程组同解。 定理 2.5.2 任何矩阵都可以经有限次初等行变换化成行最简形式,经有限次初等变换 (包括行及列)化成等价标准形。且其标准形由原矩阵惟一确定,而与所做的初等变换无
3、矩阵的乘法 设 A=(aij)m×n,B=(bjk)n×l,则 A*B=C=(cik)m×l 其中 C=Σaijbjk(j=1,n) 注意;两个矩阵相乘必须第一个矩阵的列数等于第二个矩阵的行数;矩阵乘法不满足交换 律,即 AB 不一定等于 BA;矩阵乘法有零因子,即 A≠0(零矩阵),B≠0(零矩阵),但 有可能 A*B=0(零矩阵) 矩阵的乘法适合以下法则: (1)结合律:(AB)C=A(BC) (2)分配律(A+B)C=AC+BC
hing at a time and All things in their being are good for somethin
此处 0 表示与 A 同型的零矩阵,即 A=(aij)m×n ,0=0m×n (4)矩阵 A=(aij)m×n,规定-A=(-aij)m×n,(称之为 A 的负矩阵),则有 A+(-A)=(A)+A=0
如果 n 个未知数,n 个方程的线性方程组的系数行列式 D≠0,则方程组
定理 1.4.3 如果 n 个未知数 n 个方程的齐次方程组的系数行列式 D≠0,则该方程组只有零 解,没有非零解。 推论 如果齐次方程组有非零解,则必有系数行列式 D=0。
第二章 矩阵
一、矩阵的运算

大学数学高等代数笔记

大学数学高等代数笔记

大学数学高等代数笔记高等代数是大学数学中的一门重要课程,它为我们打开了数学世界中更为抽象和深奥的大门。

在学习这门课程的过程中,做好笔记是至关重要的。

它不仅能够帮助我们在课后复习时快速回忆起课堂上的重点内容,还能让我们在整理思路的过程中加深对知识的理解。

接下来,我将与大家分享我在学习高等代数过程中所做的笔记。

一、行列式行列式是高等代数中的一个基本概念,它具有多种计算方法和重要性质。

1、二阶和三阶行列式的计算对于二阶行列式,其计算公式为:`|a b|``|c d|`= ad bc 。

三阶行列式的计算则相对复杂一些,通过按行(列)展开的方法可以将其转化为二阶行列式的计算。

2、行列式的性质行列式具有很多重要的性质,例如:行列式转置后其值不变;某行(列)元素乘以一个数加到另一行(列)对应元素上,行列式的值不变;交换两行(列),行列式的值变号等。

3、行列式的应用行列式可以用于求解线性方程组的解的情况。

当系数行列式不为零时,方程组有唯一解。

二、矩阵矩阵是高等代数中的核心概念之一。

1、矩阵的定义和运算矩阵是由数按照一定的规则排列成的矩形数表。

矩阵的运算包括加法、减法、数乘和乘法。

需要注意的是,矩阵乘法不满足交换律。

2、逆矩阵若矩阵 A 可逆,则存在矩阵 B ,使得 AB = BA = E (单位矩阵),B 称为 A 的逆矩阵。

3、矩阵的秩矩阵的秩是矩阵的一个重要属性,它反映了矩阵的线性相关性。

三、线性方程组线性方程组是高等代数中的常见问题。

1、高斯消元法通过一系列的初等行变换将增广矩阵化为行阶梯形或行最简形,从而求解线性方程组。

2、齐次线性方程组当常数项都为零时的线性方程组称为齐次线性方程组。

其解的情况与系数矩阵的秩有关。

四、向量空间向量空间是一个抽象的概念,但在实际应用中具有重要意义。

1、向量的线性相关性判断一组向量是否线性相关是向量空间中的重要问题。

2、基和维数向量空间中的一组基是一组线性无关的向量,能够表示空间中的任意向量。

高等代数二知识点总结串联

高等代数二知识点总结串联

高等代数二知识点总结串联高等代数二是大学数学课程中的一门重要课程,它是一门深入研究代数学理论和应用的课程。

高等代数二主要包括群论、环论、域论、线性代数等内容。

在这篇文章中,我们将对高等代数二的知识点进行总结,帮助大家更好地理解和掌握这门课程。

一、群论1. 群和子群群是一种代数结构,它包括一个集合和一个运算,满足封闭性、结合律、单位元和逆元。

子群是原群的一个子集,它也是一个群,并且包含原群的单位元和逆元。

2. 同态和同构同态是群之间的一个映射,它保持群的结构。

同态定理是群理论的一个重要定理,它告诉我们同态映射的性质。

同构是两个群之间的一个双射同态,它保持群的结构,并且两个群是同构的当且仅当它们的结构完全相同。

3. 群的作用群的作用是群和集合之间的一个映射,它描述了群对集合的运算规律。

作用定理是群理论的一个重要定理,它告诉我们群的作用有很多有趣的性质。

4. 群的分类群的分类定理告诉我们任意有限交换群都可以分解为循环群的直积。

这个定理在群的研究中有着重要的意义。

二、环论1. 环和子环环是一个包含加法和乘法的集合,满足一些性质,如封闭性、结合律、分配律等。

子环是原环的一个子集,它也是一个环,并且包含原环的加法单位元和乘法单位元。

2. 理想和商环理想是环的一个子集,满足一些性质,如对加法封闭、对乘法吸收等。

商环是环相对理想的一个商集,它也是一个环,并且包含了原环对理想的余集。

3. 同态和同构环的同态和同构与群类似,它们描述了环之间的映射和结构保持性质。

4. 域和域的扩张域是一个包含加法和乘法的集合,满足一些性质,如分配律、单位元、有逆元等。

域的扩张是一个域包含在另一个域中的过程,它也包含了域的同态和同构。

三、域论1. 有限域和无限域有限域是包含有限元素的域,它具有一些特殊的性质,如平方域和素域等。

无限域是包含无限元素的域,它也有一些特殊的性质,如分式域和代数闭域等。

2. 代数扩张和超越扩张代数扩张是一个域包含在另一个代数闭域中的过程,它包含一些代数方程。

高等代数笔记与做题思路总结

高等代数笔记与做题思路总结

高等代数笔记与做题思路总结一、行列式相关(5题)1. 计算三阶行列式begin{vmatrix}1 2 3 4 5 6 7 8 9end{vmatrix}解析:- 按第一行展开,begin{vmatrix}1 2 3 4 5 6 7 8 9end{vmatrix}=1×begin{vmatrix}5 6 8 9end{vmatrix}-2×begin{vmatrix}4 6 7 9end{vmatrix}+3×begin{vmatrix}4 5 78end{vmatrix}- 计算二阶行列式begin{vmatrix}ab cdend{vmatrix}=ad - bc- begin{vmatrix}5 6 8 9end{vmatrix}=5×9-6×8 = 45 - 48=- 3- begin{vmatrix}4 6 7 9end{vmatrix}=4×9 - 6×7=36 - 42=-6- begin{vmatrix}4 5 7 8end{vmatrix}=4×8 - 5×7=32 - 35=-3- 所以原行列式=1×(-3)-2×(- 6)+3×(-3)=-3 + 12-9 = 02. 已知n阶行列式D = λ^n+a_1λ^n - 1+·s+a_n-1λ + a_n,求D的第一行元素的代数余子式之和。

解析:- 根据行列式按行展开定理D=a_i1A_i1+a_i2A_i2+·s+a_inA_in(i为行标)- 令λ = 1,构造一个新的行列式D_1,它的第一行元素全为1,其余元素与D 相同。

- 那么D_1按第一行展开D_1=A_11+A_12+·s+A_1n- 又因为D_1也是n阶行列式,且D_1 = 1^n+a_1×1^n - 1+·s+a_n-1×1+a_n- 所以第一行元素的代数余子式之和为1 + a_1+·s+a_n3. 证明:若一个n阶行列式D中零元素的个数多于n^2-n个,则D = 0。

代数公式的知识点总结

代数公式的知识点总结

代数公式的知识点总结一、整式的加减。

1. 单项式。

- 定义:由数与字母的积组成的代数式叫做单项式,单独的一个数或一个字母也叫做单项式。

例如:3x,-2y,5,a等都是单项式。

- 系数:单项式中的数字因数叫做这个单项式的系数。

例如在单项式3x中,系数是3;在单项式-(2)/(3)y中,系数是-(2)/(3)。

- 次数:一个单项式中,所有字母的指数的和叫做这个单项式的次数。

例如单项式x^2y的次数是2 + 1=3。

2. 多项式。

- 定义:几个单项式的和叫做多项式。

例如2x+3y,x^2-2x + 1等都是多项式。

- 项:在多项式中,每个单项式叫做多项式的项,其中不含字母的项叫做常数项。

例如在多项式x^2-2x+3中,x^2、-2x、3都是它的项,3是常数项。

- 次数:多项式里次数最高项的次数,叫做这个多项式的次数。

例如多项式x^3-x^2+2的次数是3。

3. 整式。

- 单项式和多项式统称为整式。

4. 同类项。

- 定义:所含字母相同,并且相同字母的指数也相同的项叫做同类项。

几个常数项也是同类项。

例如3x^2y与-5x^2y是同类项,2与-7是同类项。

- 合并同类项:把多项式中的同类项合并成一项,叫做合并同类项。

合并同类项后,所得项的系数是合并前各同类项的系数的和,且字母连同它的指数不变。

例如3x^2y - 5x^2y=(3 - 5)x^2y=-2x^2y。

二、一元一次方程。

1. 方程。

- 定义:含有未知数的等式叫做方程。

例如2x+3 = 7,x - y=5等都是方程。

2. 一元一次方程。

- 定义:只含有一个未知数(元),未知数的次数都是1,等号两边都是整式的方程叫做一元一次方程。

一般形式是ax + b = 0(a≠0),例如3x+5 = 0就是一元一次方程。

- 解方程的步骤:- 去分母(若方程中有分母时):根据等式的性质2,在方程两边同时乘以各分母的最小公倍数,将分母去掉。

例如对于方程(x+1)/(2)+(x - 1)/(3)=1,先找出2和3的最小公倍数6,然后方程两边同时乘以6得到3(x + 1)+2(x - 1)=6。

线隆代数学习笔记第二部分

线隆代数学习笔记第二部分

五、转置-置换和向量空间R1、置换矩阵是用来完成行互换的矩阵。

123100100100A LU λλλ--⎡⎤⎡⎤⎢⎥⎢⎥==--⎢⎥⎢⎥⎢⎥⎢⎥--⎣⎦⎣⎦对于需要互换行的矩阵,应对矩阵进行置换处理:PA LU =而置换矩阵就是行重新排列了的单位矩阵。

同时,所有的置换矩阵都有一个很好的性质,即可逆。

1T T p p p p I -=→=置换矩阵的逆等于其转置。

这也是一类性质优良的矩阵。

转置的公式:()T ij ji A A =对称矩阵:具有转置不变性的矩阵。

转置等于其逆的矩阵数量比较少,但对称矩阵却较多。

得到对称矩阵的方法:TRR很多实际应用中会用到这种方法得到对称矩阵。

向量空间、子空间:向量可以相加,向量可以数乘,这些数称为标量。

这是向量必须的两种运算。

如果讨论向量空间,必须用到加法和数乘这两种运算,还要满足一些具体规则。

“空间”的意思是指表示有很多向量,但并不是任意向量的组合都能称为空间,空间必须满足一定的规则,即必须能进行加法和数乘运算,必须能够进行线性组合。

什么地方会碰到线性组合?2R 中会碰到,所以2R 是线性空间。

2R 说明我们讨论的是实数,向量用实数来表示,所以这里均为二维向量,实向量。

2 2dim real vectors -R all x y plan =-=“ ?,如:30,,,20e π⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦向时空间中,零向量非常重要,因为向量的线性组合会出现零向量,没有零向量会有缺失。

没有零向量不行。

3R 中会碰到,所以3R 是线性空间。

3R 说明我们讨论的是实数,向量用实数来表示,所以这里均为三维向量,实向量。

33dim real vectorsR all x y z plan =-=--“ ?,如:30,,,1000e ππ⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦n R 也是向量空间n R all column vectors with n components =R 指实数,后面会碰到虚数的情况。

数与代数的整理笔记

数与代数的整理笔记

数与代数的整理笔记数与代数(人教版)一、数的认识。

1. 整数。

- 正整数:像1、2、3……这样的数是正整数,是自然数的一部分,用来表示物体个数。

- 零:0表示一个物体也没有,它是最小的自然数。

- 负整数:像 - 1、-2、-3……这样的数是负整数。

整数包括正整数、0和负整数。

- 整数的读法和写法:读数时,从高位到低位,一级一级地读,每一级末尾的0都不读出来,其他数位连续几个0都只读一个零;写数时,从高位到低位,一级一级地写,哪一个数位上一个单位也没有,就在那个数位上写0。

- 整数的大小比较:先看位数,位数多的数大;如果位数相同,从最高位比起,相同数位上的数大的那个数就大。

2. 小数。

- 意义:把整数“1”平均分成10份、100份、1000份……这样的一份或几份是十分之几、百分之几、千分之几……可以用小数表示。

- 小数的性质:小数的末尾添上“0”或去掉“0”,小数的大小不变。

- 小数点位置移动引起小数大小变化规律:小数点向右移动一位、两位、三位……小数就扩大到原数的10倍、100倍、1000倍……;小数点向左移动一位、两位、三位……小数就缩小到原数的(1)/(10)、(1)/(100)、(1)/(1000)……- 小数的读法和写法:读小数时,整数部分按照整数的读法来读,小数点读作“点”,小数部分顺次读出每一位上的数字;写小数时,先写整数部分,再写小数点,最后写小数部分。

- 小数的大小比较:先比较整数部分,整数部分大的数大;如果整数部分相同,再比较小数部分,从十分位开始依次比较。

3. 分数。

- 意义:把单位“1”平均分成若干份,表示这样的一份或几份的数叫分数。

- 分数单位:把单位“1”平均分成若干份,表示其中一份的数叫分数单位。

- 真分数和假分数:分子比分母小的分数叫真分数,真分数小于1;分子比分母大或分子和分母相等的分数叫假分数,假分数大于或等于1。

- 分数的基本性质:分数的分子和分母同时乘或除以相同的数(0除外),分数的大小不变。

  1. 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. 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. 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)。

i
k i vi ) =

i
ki φ(vi ) = 0
则可以得到结论 k1 = k2 = · · · = kn = 0,所以 v = 0 ,即单射成立。下面证 φ 是满射: ∀ v ∈ V 都有 u = 即满射也成立。最终证得 φ 是双射。证毕。

i
ki φ(vi ) = φ(v )
1.3
三个有价值的例子
2015 年 11 月 24 日
3. φ 是双射 ⇐⇒ φ 把 V 的一组基映为 U 的一组基。
梁子龙 - 学业笔记 复旦大学数学科学学院本科 2015 级
证明:证明充分性:设 v1 , v2 , . . . , vn 是 V 的一组基。则易知 φ(v1 ), φ(v2 ), . . . , φ(vn ) 是 U 的 一个无关向量组。因为 φ 为双射,则有: ∀ u ∈ U, ∃ v = 则有 u = φ(v ) =
除去课本上的三个性质,比较重要的性质还有以下三个
1. φ 是单射 ⇐⇒ φ(u) = 0 当且仅当 u = 0。 证明:根据命题 4.1.2(1),证明是显然的。 2. φ 是单射 ⇐⇒ φ 把无关向量组映为无关向量组。 证明:证明充分性:设 v1 , v2 , . . . , vr 线性无关。则有下列关于 k1 , k2 , . . . , kr 的方程: k1 φ(v1 ) + k2 φ(v2 ) + · · · + kr φ(vr ) = φ(k1 v1 + k2 v2 + · · · + kr vr ) = 0 根据性质 (1),得到 k1 v1 + k2 v2 + · · · + kr vr = 0 又因为 v1 , v2 , . . . , vr 线性无关,所以 k1 = k2 = · · · = kr = 0。 证明必要性:利用性质 (1) 证明。若 v ∗ ̸= 0,则它本身就是一个线性无关向量组,它的像 φ(v ∗ ) 也是一个无关向量组,则 φ(v ∗ ) ̸= 0,则 φ 是单射。证毕。
aij bji ; (BA)jj =

i bji aij ,所以
Tr(AB ) =
n m ∑ ∑ i=1 j =1
aij bji = Tr(BA)
4. 若 AB = Im , BA = In ,则必有 m = n。可以由上面的结论直接证明。 5. 当 m = n 时,不存在 n 阶方阵 A, B , s.t. AB − BA = k In (c ̸= 0)。也可以由上面的结论 直接证明。 1.3.3 例子 3:向量空间的普遍同构性 设 V 是任意一个数域 K 上的 n 维线性空间,e1 , e2 , . . . , en 为一组基;设 n 维列向量空间为 Kn ,则 φ : V → Kn 是一个线性空间的同构。这个结论说明了任何一个线性空间都可以用 n 维向 量空间来研究。 证明:设 v1 =
αk1 + βl1
k1


l1
αkn + βln 即 φ 是一个线性映射。
kn
ln
对 φ(v1 ) = φ(v2 ),显然当且仅当 v1 = v2 时成立。即 φ 是一个单射。 对 ∀ v ∈ V ,有 v = Kn 是同构的。

i
ki ei ,则 φ(v ) = (k1 , k2 , . . . , kn )T ,即 φ 是一个满射。最终证得 V 与
2
射影几何背景知识总结(待完善,待添加图型)
从月初开始学习到现在的射影几何基础,到现在都没有太清楚的头绪。今天仔细读了一遍课 本和丘维生老师的解析几何教材,把前一部分的背景知识总结一下。 之前的解析几何知识,针对的是欧氏空间 E3 ,参考系的变换方面主要是仿射变换,即平移、 旋转、反射、拉伸压缩等,它们的特点是双射,且保持了三点的共线关系。而还有一种变换,根据 的是中心投影的方式,利用一张面,截取中心投影的像点,把一个平面映为一条线,把一条线映为 一个点,就是一种射影变换。 中心投影可以通过射影将维度降低,从而有利于简化几何的研究。但中心投影有缺陷,比如 拿欧氏平面截取射影为例,过原点且平行于截平面的直线和平面在截平面射影时没有像。为了解 决这些缺陷,需要在欧氏平面上添加一些点。丘老师在书中引入了“把”、 “射影”、 “截影”、 “关联”的概 念 (”关联“在傅老师的课本中称为“结合”),在欧氏平面上添加了“无穷远点”和“无穷远直线”的概念。 在我的理解里,就是将一个平面抽象地弯成了一个圆周,两边的无穷远直线在圆周的一边重合为 一条直线。添加了无穷远元素的欧氏平面被称为“扩大了的欧氏平面”。

i
ki vi ∈ V, s.t. φ(v ) = u

i
ki φ(vi )
即任意 U 中的向量都可以用 φ(v1 ), φ(v2 ), . . . , φ(vn ) 来表示,则它是 U 的一组基。 证明必要性:设 φ 将 V 的一组基 v1 , v2 , . . . , vn 映为 U 的一组基 φ(v1 ), φ(v2 ), . . . , φ(vn )。先 证明 φ 是单射:设 φ(v ) = 0, v ∈ V 则有: φ(v ) = φ(
n ∑ n ∑ i=1
aii
(αaii + βbii ) aii + β
n ∑ i=1

i=1 n ∑ i=1
bii
= α Tr(A) + β Tr(B )
2015 年 11 月 24 日
3. Tr(An×m Bm×n ) = Tr(BA) 证明:(AB )ii =

j
梁子龙 - 学业笔记 复旦大学数学科学学院本科 2015 级
2015 年 11 月 24 日
今日主题
梁子龙 - 学业笔记 复旦大学数学科学学院本科 2015 级
上午有解析几何和高等代数课程。解析几何继续讲射影几何的内容,懂得没有很清楚,
所以今天要大致总结一下射影几何。高等代数开始第四章“线性映射”的讲解,将课堂笔记记录。
1 线性映射的概念和性质
1.1
子: 1. 求序列极限。设 V 是有极限的实数列全体,则有线性映射:
b
:h→H
4. 求导数。设 F 是 (a, b) 上可导实函数全体,f 是 (a, b) 上实函数全体,则有线性映射: d :F →f dx 5. 矩阵与向量的乘积。见课本例 4.1.3 。 6. 解析几何中的等距变换、仿射变换、射影变换等,本质和上一例相同。
1.2
对课本上命题 4.1.2 线性映射的性质的补充
n→∞
线性性质的表示和一些例子
映射具有线性性质的通常描述:φ(αa + βb) = αφ(a) + βφ(b)。几个具有线性性质的映射的例
lim : V → R
2. 求函数极限。设 F 是在 x = x0 处有极限的连续函数全体,则有线性映射:
x→x0
lim : F → R

a
3. 求积分。设 h 是 (a, b) 上可积实函数全体,H 是 (a, b) 上实函数全体,则有线性映射:
1.3.1 例子 1 从数域 K 上的线性空间 V 映射到 K 上一维线性空间 V ′ 的非零线性映射 φ ,必为满射。 证明:因为 φ 是非零映射,所以 ∃ v ∈ V, s.t. φ(v ) ̸= 0。又因为 V ′ 为一维线性空间,所以 φ(v ) 为它的一个基。所以 ∀ v ′ ∈ V ′ 都可以表示为 v ′ = kφ(v ) = φ(kv ),所以 φ 必为满射。证毕。 1.3.2 例子 2:关于矩阵的迹 矩阵的迹是一个复杂的概念,这个例子介绍了迹是一个线性映射,只需用到迹的最基本概念, 朱老师对迹的补充基础知识如下: 1. 矩阵的迹 (Trace) 是对方阵的一个函数,定义为: Tr(An×n ) = 2. 显然,迹是一个线性映射: Tr(αA + β B ) =
2015 年 11 月 24 日
梁子龙 - 学业笔记 复旦大学数学科学学院本科 2015 级
这样,通过中心投影,就可以把整个 E3 映射到一张面上,这个面可以是一个扩大的欧氏平面, 也可以是一个球面,都可以是这个中心投影的截面。最重要的点,就是要找到映射,对 E3 进行降 维,并且与 E3 上的一个“把”是同构的。这些映射实际上都是互相等价的。 丘老师书上给出了射影平面的抽象定义,将射影平面的概念不限于几何范畴,而更加抽象,可 以用来研究其它领域的问题:由两列分别称为“点”和“直线”的元素所构成的集合 S ,如果在其中的 “点”和“直线”之间规定了某种称为“关联”的关系,并且 S 中所有的“点”和所有的“直线”可以分别与 欧氏空间中一个“把 O”的所有直线和所有平面建立同构映射,使得对应关系保持关联性,则称 S 为射影平面。 为了理解射影平面,可以举些例子,有丘老师书上第七章例 1.1,1.2,1.3,还有习题 7.1-5。 在射影平面上,任意两条线必与一个点关联,任意两个点必与一条线关联。平行的概念在射影 平面上不成立。

i
ki ei , v2 =

k lk ek
并且有常数 α, β ∈ K。则:


αk2 + ) = = α . + β . = αφ(v1 ) + βφ(v2 ) . . . . . . .
相关文档
最新文档