线性空间-知识点及其注释

合集下载

1.1 线性空间

1.1 线性空间

工程数学
沈阳航空航天大学
工程数学
沈阳航空航天大学
过渡矩阵 P是可逆的.
[ 1 , 2 , , n ] [ 1 , 2 , , n ]P 1
P-1为由基{ 1, …, n } 到基{ 1 , … , n }的过渡矩阵。
坐标变换
[1 , 2 , , n ] x [ 1 , 2 , , n ] y

线性空间 V 本身也是 V 的一个子空间. 在线性空间中,零子空间和线性空间本身这两 个子空间有时候叫做平凡子空间,而其它的线性 平凡子空间 子空间叫做非平凡子空间.
工程数学
沈阳航空航天大学
例2 设 {1 , 2 , … , r}是线性空间 V 中一组向量,集合
Span (1 , 2 , … , r )={ V|k11 + k22 + … + krr, ki F} 是V 的一个子空间,称作由{1 , … , r}张(生)成的子空间。
1 2 3 4
(1,1,2,0) , ( 2,1,3,1) , ( 3,1,2,4) ( 2,2,1,1) , (1,3,1,2) ,
工程数学
沈阳航空航天大学

要求由基 1 , 2 , 3 , 4 到基1 , 2 , 3 , 4 的过渡矩阵.
工程数学 沈阳航空航天大学
在集合 V和数域 F 之间还定义了一种数乘运算,即 k F ,
V ,存在唯一的 V 与之对应,称为 k 与 的数乘,
记为 = k ,且数乘运算满足以下4条规则,即 k , l F ,
, V
5) 1· = ; 6) k( l ) = ( kl ) . 7) ( k + l ) = k + l ; 8) k( + ) = k + k . 称定义了加法运算和数乘运算且满足以上8条法则的集合 V 为 数域 F 上的线性空间或向量空间,称V中的元为向量。

线性空间LinearSpace

线性空间LinearSpace

第六章线性空间(Linear Space)引言线性空间是线性代数的中心内容,它是几何空间的抽象和推广。

我们知道,在解析几何中讨论的三维向量,它们的加法和数与向量的乘法可以描述一些几何和力学问题的有关属性.为了研究一般线性方程组解的理论,我们把三维向量推广为n维向量,定义了n维向量的加法和数量乘法运算,讨论了向量空间中的向量关于线性运算的线性相关性,完满地阐明了线性方程组的解的理论。

现在把n维向量抽象成集合中的元素,撇开向量及其运算的具体含义,把集合对加法和数量乘法的封闭性及运算满足的规则抽象出来,就形成了抽象的线性空间的概念,这种抽象将使我们进一步研究的线性空间的理论,可以在相当广泛的领域内得到应用.事实上,线性空间的理论与方法己渗透到自然科学与工程技术的许多领域,同时对于我们深刻理解和掌握线性方程组理论和矩阵代数也有非常重要的指导意义。

§1 集合·映射一、集合集合是数学中最基本的概念之一,所谓集合就是指作为整体看的一堆东西.组成集合的东西称为这个集合的元素.用Îa M表示a是集合M的元素,读为:a属于M.用a MÏ表示a不是集合M的元素,读为:a不属于M.所谓给出一个集合就是规定这个集合是由哪些元素组成的.因此给出一个集合的方式不外两种,一种是列举法:列举出它全部的元素,一种是描述法:给出这个集合的元素所具有的特征性质.设M是具有某些性质的全部元素所成的集合,就可写成{}=.M a a|具有的性质不包含任何元素的集合称为空集,记作j .如果两个集合M 与N 含有完全相同的元素,即a M Î当且仅当a N Î,那么它们就称为相等,记为M N =.如果集合M 的元素全是集合N 的元素,即由a M Î可以推出a N Î,那么M 就称为N 的子集合,记为M N Ì或N M É.两个集合M 和N 如果同时满足M N Ì和N M Ì.,则M 和N 相等.设M 和N 是两个集合,既属于M 又属于N 的全体元素所成的集合称为M 与N的交,记为M N I .属于集合M 或者属于集合N 的全体元素所成的集合称为M 与N 的并,记为M N U .二、映射设M 和M ¢是两个集合,所谓集合M 到集合M ¢的一个映射就是指一个法则,它使M 中每一个元素a 都有M ¢中一个确定的元素a ¢与之对应.如果映射s 使元素a M ⅱÎ与元素a M Î对应,那么就记为()a a s ¢=,a ¢就为a 在映射s 下的像,而a 称为a ¢在映射s 下的一个原像.M到M 自身的映射,有时也称为M 到自身的变换.关于M 到M ¢的映射s 应注意: 1)M 与M ¢可以相同,也可以不同;2)对于M 中每个元素a ,需要有M ¢中一个唯一确定的元素a ¢与它对应; 3)一般,M ¢中元素不一定都是M 中元素的像; 4)M 中不相同元素的像可能相同; 5)两个集合之间可以建立多个映射.集合M 到集合M ¢的两个映射s 及t ,若对M 的每个元素a 都有()()a a s t =则称它们相等,记作s t =..例1 M 是全体整数的集合,M ¢是全体偶数的集合,定义()2,n n n Ms =?,这是M 到M ¢的一个映射.例2 M 是数域P 上全体n 级矩阵的集合,定义1()||,A A A M s =?.这是M 到P 的一个映射.例3 M 是数域P 上全体n 级矩阵的集合,定义2(),a aE a P s =?.E是n 级单位矩阵,这是P 到M 的一个映射. 例4 对于()[]f x P x Î,定义(())()f x f x s ¢=这是[]P x 到自身的一个映射.例5 设M ,M ¢是两个非空的集合,0a 是M ¢中一个固定的元素,定义0(),a a a M s =?.这是M 到M ¢的一个映射.例6 设M 是一个集合,定义(),a a a M s =?.即s 把M 的每个元素都映到它自身,称为集合M 的恒等映射或单位映射,记为1M .例7 任意一个定义在全体实数上的函数()y f x =都是实数集合到自身的映射,因此函数可以认为是映射的一个特殊情形.对于映射可以定义乘法,设s 及t 分别是集合M 到M ¢,M ¢到M ⅱ的映射,乘积t s 定义为()()(()),a a a Mt s t s =?,即相继施行s 和t 的结果,t s 是M 到M ⅱ的一个映射.对于集合M 到M ¢的任何一个映射s 显然都有11M M s s s¢==.映射的乘法适合结合律.设,,s t y 分别是集合M 到M ¢,M ¢到M ⅱ,M ⅱ到M ⅱ?的映射,映射乘法的结合律就是()()y t s y t s =.设s 是集合M 到M ¢的一个映射,用()M s代表M 在映射s 下像的全体,称为M 在映射s 下的像集合.显然()M M s ¢Ì.如果()M M s ¢=,映射s 称为映上的或满射.如果在映射s 下,M 中不同元素的像也一定不同,即由12a a ¹一定有12()()a a s s ¹,那么映射s就称为11-的或单射.一个映射如果既是单射又是满射就称11-对应或双射.对于M 到M ¢的双射s 可以自然地定义它的逆映射,记为1s -.因为s 为满射,所以M ¢中每个元素都有原像,又因为s 是单射,所以每个元素只有一个原像,定义当1(),()a a a a s s -ⅱ==.显然,1s -是M ¢到M 的一个双射,并且111,1M M s s s s --¢==.不难证明,如果,s t 分别是M 到M ¢,M ¢到M ⅱ的双射,那么乘积t s 就是M 到M ⅱ的一个双射.§2 线性空间(Linear Space )的定义与简单性质一、线性空间的定义.例 1 在解析几何里,讨论过三维空间中的向量.向量的基本属性是可以按平行四边形规律相加,也可以与实数作数量算法.不少几何和力学对象的性质是可以通过向量的这两种运算来描述的.10 按平行四边形法则所定义的向量的加法是V 3的一个运算; 20 解析几何中规定的实数与向量的乘法是R ×V 3到V 3的一个运算. 30由知道, 空间上向量的上述两种运算满足八条运算规律.例2. 数域P 上m n ´矩阵所成的集合对于矩阵的加法和数与矩阵的乘法满足上述规律.定义1 令V 是一个非空集合,P 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addition ;这就是说给出了一个法则,对于V 中任意两个元素a 与b ,在V 中都有唯一的一个元素g 与它们对应,称为a 与b 的和sum ,记为g a b =+.在数域P 与集合V 的元素之间还定义了一种运算,叫做数量乘法scalar multiplication ;这就是说,对于数域P 中任一个数k 与V 中任一个元素a ,在V 中都有唯一的一个元素d 与它们对应,称为k 与a 的数量乘积scalar multiple ,记为k d a=.如果加法与数量乘法满足下述规则,那么V 称为数域P 上的线性空间.加法满足下面四条规则::1) a b b a +=+;Commutative law2) ()()a b g a b g ++=++;Associative law3) 在V 中有一个元素0,V a "?,都有0a a +=(具有这个性质的元素0称为V的零元素a zero vector ); 4) ,,0V V sta b ab "??=(b称为a 的负元素additive inverse ).数量乘法满足下面两条规则: 5) 1a a =; 6) ()()k l kl a a =;数量乘法与加法满足下面两条规则: 7) ()k l k l a a a +=+; 8) )(;k k k a b a b +=+在以上规则中,,k l 等表示数域P 中任意数;,,a b g 等表示集合V 中任意元素. 注:1. 凡满足以上八条规则的加法及数量乘法也称为线性运算(linear operation).2.线性空间的元素也称为向量(vector ),当然这里的向量比几何中所谓向量的涵义要广泛得多.线性空间也称为向量空间(vector space ).但这里的向量不一定是有序数组.以下用黑体的小写希腊字母,,,a b g L代表线性空间V中的元素,用小写拉丁字母,,,a b c L代表数域P中的数.3.由特殊到一般,由具体到抽象,把具体的代数对象用公理化方法统一在一个数学模型下,是数学研究的一种基本思想方法。

第1,2章线性空间与线性变换

第1,2章线性空间与线性变换
运算:向量加法和数乘向量
Fmn = {A=[aij]mn:a ijF}; 运算:矩阵的加法和数乘矩阵
Rmn ;Cmn 。
F[t]n ={f(x)=a0 + a1x+ a2x2+...+an-1xn-1 :aiR}
运算:多项式的加法和数乘
•C[a,b]={f(x):f(x)在[a,b]上连续}
0=0,k0=0,k =0 =0 或k=0 数(0 4) = (1)
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
1.1 线性空间(Linear Spaces)
一、线性空间的概念 线性空间=集合+两种运算(所成完美集合)
Example
R 3={x=(x1,x2,x3)T:xi R}
={空间中所有向量}
定义向量的加法,数与向量的乘积。 运算封闭 八条运算律成立
1.1 线性空间(Linear Spaces)
一、线性空间的概念
??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
第1章:线性空间与线性变换
内容: 线性空间的一般概念 重点:空间结构和其中的数量关系 线性变换 重点:其中的矩阵处理方法
特点: 研究代数结构——具有线性运算的集合。 看重的不是研究对象本身,而是对象之间的结构关系。 研究的关注点:对象之间数量关系的矩阵处理。 学习特点:具有抽象性和一般性。

线性空间与线性变换 高等代数概念拓展

线性空间与线性变换 高等代数概念拓展

线性空间与线性变换高等代数概念拓展高等代数是数学学科中的一个重要分支,其中线性空间和线性变换是其中的核心内容之一。

线性空间是指一种具有线性结构的集合,线性变换则是指在线性空间内进行的一种特殊的函数映射。

本文将深入探讨线性空间和线性变换的概念,并对其进行拓展解读。

一、线性空间的定义与性质线性空间是高等代数中的基础概念之一,它被定义为一个非空集合V,其中满足以下条件:1. 封闭性:对于任意向量u和v属于V,它们的线性组合都属于V。

即,如果u、v属于V,那么αu + βv也属于V,其中α和β为任意实数或复数。

2. 加法封闭性:对于任意向量u和v属于V,它们的和u + v也属于V。

3. 数乘封闭性:对于任意向量u属于V和任意实数或复数α,它们的数乘积αu也属于V。

4. 零向量存在性:存在一个零向量0,它对于线性空间V的所有向量都满足零向量与任意向量的相加等于该向量本身。

5. 逆元存在性:对于任意向量u属于V,存在一个相反向量-v属于V,使得u + (-v) = 0。

线性空间具有很多性质,比如对于任意向量u、v和w属于V以及任意实数或复数α和β,以下性质成立:1. 结合律:(αu + βv) + w = α(u + v) + βw2. 加法交换律:u + v = v + u3. 加法单位元:对于任意向量u属于V,存在一个加法单位元0,使得u + 0 = u4. 数乘结合律:α(βu) = (αβ)u5. 数乘单位元:对于任意向量u属于V,1u = u二、线性变换的定义与性质线性变换是指定义在线性空间之间的一种特殊的函数映射。

设V和W为两个线性空间,一个从V到W的线性变换被定义为一个函数T: V -> W,满足以下条件:1. 加法保持性:对于任意向量u和v属于V,有T(u + v) = T(u) +T(v)2. 数乘保持性:对于任意向量u属于V和任意实数或复数α,有T(αu) = αT(u)3. 零向量映射性:零向量 0v属于V时,有T(0v) = 0w,其中0w是W中的零向量。

线性空间知识小结(2012)

线性空间知识小结(2012)

线性空间知识小结一. 向量组与线性空间,m α〉) (基所含向量个数,r S α∈中任意向量可由其线性表示添加任意一个向量后线性相关,n V ξ∈线性无关中任意向量可由其线性表示添加任意一个向量后线性相关,,r S α∈,r S α∈是极大线性无关组2,,r αα线性无关.1,ri S a αα=∈=∑,S 1,,,r αααα线性n =,12,,n V ξξξ∈,,n ξ是V 的一个基 2,,,n ξξ线性无关.1,ni V αα=∈=∑,V ∈1,,,n αξξξ线性可由S 2线性表示S 2所含向量个个向量必线性相关;个线性无关向量都是V 中任意线性无关向量组必可扩二. 向量组的等价三. 坐标与过渡矩阵1. 坐标: 12,,,n ξξξ是V 的一个基, 对任意V α∈,112212(,,,)n n n a a a X αξξξξξξ=+++=, 其中12(,,...,).T n X a a a =.2. 过渡矩阵A : 12,,,n ηηη是V 的另一个基, 1212(,,,)(,,,)n n A ηηηξξξ=, A 的第i个列向量是i η在基12,,,n ξξξ下的坐标.3. 同一向量在不同基下的坐标: 1212(,,,)(,,,)n n X Y αξξξηηη==, 则1Y A X -=.4. 度量矩阵的性质:(1) 12,,,n ξξξ和12,,,n ηηη分别是V 的两个基, 1212(,,,)(,,,)n n A ηηηξξξ=,则A 可逆, 且11212(,,,)(,,,)n n A ξξξηηη-=;(2) 设12,,,n ςςς是V 的一个基, 且1212(,,,)(,,,)n n B ςςςηηη=, 则1212(,,,)(,,,)n n AB ςςςξξξ=;(3) 设1212(,,,)(,,,)n n A ηηηξξξ=, 则若12,,,n ξξξ是V 的一个基, A 可逆, 则12,,,n ηηη是V 的另一个基..四. 子空间1. 定义: 称W 是V 的子空间,若(1) W 是V 的非空子集; (2) W 对于V 的加法, 数乘封闭. 从本质上说子空间就是一个线性空间. 2. 运算:12121122{|,};V V V V αααα+=+∈∈ 1212{|}.V V V V ααα=∈∈且3. 由S 张成的子空间S 〈〉: S 中向量所有可能的线性组合构成的子空间.(1) S 〈〉是包含S 的V 的最小子空间; (2) dim ();S r S 〈〉=(3) S 的极大无关组是S 〈〉的基; (4) 1212V V V V ≠+, 例12{(,0)|},{(0,)|}.V a a F V a a F =∈∈但1212V V V V 〈〉=+.3. 直和:12m V V V ⊕⊕⊕1mi i V =⇔∑中任意向量的表示法唯一1mi i V =⇔∑中零向量的表示法唯一0,1,2,,ijj i V V i m ≠⇔==∑11,1,2,,1i ij j V V i m -=⇔=-∑11dim dim mmi i i i V V ==⇔=∑∑i V ⇔的基可拼凑成1mi i V =∑的基, 1,2,.i m =注意: 120,1ij m V V i j m V V V =≤≠≤⇒⊕⊕⊕12V V V =⊕1212=0V V V V V ⇔=+且 121212dim dim =dim()V V V V V V V ⇔=+++且 1212=0dim dim =dim()V V V V V ⇔+且5. 维数公式: 121212dim dim dim()dim()V V V V V V +=++.注意:111dim dim()dim()m mmi i i ii i V V V ===≠+∑∑.。

高等代数-线性空间

高等代数-线性空间

α1, α2,, αn 和 β1, β2,, βn 是 V的两组基 ( β1, β2,, βn ) ( α1, α2,, αn ) A
x1
y1
ξ

1
α
2
α
n
)
x2
(
β
1
β
2
β
n
)
y2
xn
yn
α1, α2,, αn 和 β1, β2,, βn 是 V的两组基 ( β1, β2,, βn ) ( α1, α2,, αn ) A
( x 3 + x + 1 ) m x 2 + x + 1 mod f ( x )
例: 用不可约多项式构造有限域
F16 = F2[ x ] / ( x 4 + x + 1 ) 的乘法 :
0
0000 x 5 x 2 + x
0110
x
0010 x 6 x 3 + x 2 1100
x2
0100 x7 x 3+ x + 1 1011
个数少
个数多
β1, β 2,, β t 线性相关
要表出线性无关的向量组,
向量个数一个也不能少!
线性表出
α1, α2, , αs
β1, β2 , , β t
s≥t
线性无关
例: 证明在实线性空间 C∞( R ) 中, 向量集 ex , e2x, … , enx, …
线性无关. 证: 只需证明对任意正整数 n , 向量组
1) 线性无关 2) 能线性表出 V 3) 向量个数 = dim V
坐标变换
当基底改变时, 向量的坐标怎样变化 ? 先看一下基底的变换 …

线性空间与线性变换解析

线性空间与线性变换解析

线性空间与线性变换解析线性空间和线性变换是线性代数中重要的概念。

线性空间是指具备了特定性质的向量集合,而线性变换是将一个向量空间映射到另一个向量空间的映射关系。

通过分析线性空间与线性变换的特点和性质,可以深入理解线性代数的基本概念与应用。

一、线性空间的定义与性质1.1 线性空间的定义线性空间,也称为向量空间,是指一个非空集合V及其上的两种运算:加法和标量乘法,满足以下八个条件:(1)加法交换律:对于任意的u和v,u+v=v+u;(2)加法结合律:对于任意的u、v和w,(u+v)+w = u+(v+w);(3)零向量存在:存在一个向量0,使得对于任意的u,u+0=u;(4)负向量存在:对于任意的u,存在一个向量-v,使得u+(-v)=0;(5)标量乘法结合律:对于任意的标量a和b,以及向量u,(ab)u=a(bu);(6)分配律1:对于任意的标量a和向量u、v,a(u+v)=au+av;(7)分配律2:对于任意的标量a和b,以及向量u,(a+b)u=au+bu;(8)单位元存在:对于任意的向量u,1u=u。

1.2 线性空间的基本性质(1)线性空间中的向量可以进行加法和标量乘法运算;(2)线性空间中的向量满足向量加法的封闭性和标量乘法的封闭性;(3)线性空间中的向量满足加法交换律、加法结合律和分配律;(4)线性空间中存在唯一的零向量和负向量;(5)线性空间中存在多个基向量,它们可以线性组合得到任意向量;(6)线性空间中的向量存在唯一的零向量和唯一的负向量。

二、线性变换的定义与性质2.1 线性变换的定义线性变换,也称为线性映射,是指将一个向量空间V映射为另一个向量空间W的一种映射关系。

若对于任意的向量u和v,以及任意的标量a和b,满足以下两个条件,则称该映射关系为线性变换:(1)保持加法运算:T(u+v) = T(u) + T(v);(2)保持标量乘法:T(au) = aT(u)。

2.2 线性变换的基本性质(1)线性变换保持零向量:T(0) = 0;(2)线性变换保持向量的加法和标量乘法运算;(3)线性变换保持向量的线性组合关系;(4)线性变换将线性无关向量映射为线性无关向量;(5)线性变换的核和像是向量空间。

线性空间及其基本概念的引入

线性空间及其基本概念的引入

线性空间及其基本概念的引入线性空间,又称向量空间,是数学中一种基本的概念。

它是由若干个元素所组成的集合,并且这些元素之间具有线性运算的性质。

线性空间的研究是线性代数的基础,也是各种数学领域中的重要工具之一。

一、线性运算线性运算是指加法和数乘运算,即对于线性空间V中的任意两个元素u和v,以及任意标量k,都有:1. u + v ∈ V,称为它们的和;2. k u ∈ V,称为它们的积。

这些运算满足以下基本性质:1. 加法满足交换律和结合律;2. 存在唯一的零元素,即u + 0 = u;3. 对于任意元素u,存在唯一的相反元素-v,满足u + v = 0;4. 数乘运算满足结合律和分配律;5. 对于任意两个标量,有k (lu) = (kl) u;6. 存在单位元素1,使得1u = u。

二、线性子空间线性子空间是指线性空间V的一个非空子集,满足下列条件:1. 零元素属于该子集;2. 该子集对于加法和数乘运算都是封闭的,即任意两个元素的和和任意一个标量与任意一个元素的积都在该子集内。

例如,平面上所有过原点的直线组成一个线性子空间,它包括原点和通过原点的所有向量。

三、线性独立性和生成子空间线性独立性是指V中任意有限元素所组成的一个集合是线性独立的,即不存在使它们线性相关的标量。

生成子空间是指V中一个非空子集S的所有线性组合构成的子空间,称为S所生成的子空间。

即对于任意一个向量v∈V,都可以表示为标量与S中元素的线性组合。

当且仅当S中元素线性无关时,S才能成为V的一个基。

四、基和维数基是指一个线性空间V中的一组线性无关的元素,使得V中的任意一个元素都能唯一地表示为这个基的线性组合。

维数是指一个线性空间V中基中元素的个数。

任意n维线性空间都可以找到某个基,使得它的元素都写成从标准基(0,0,...,0,1)的形式,也就是说,我们可以将n维线性空间的每个基向量表示为标准基向量的线性组合。

五、范数和内积范数是指线性空间V中的每个元素与实数的映射f,它满足以下条件:1. f(u) = 0仅当u = 0;2. f(αu) = |α| f(u);3. f(u + v) ≤ f(u) + f(v);常见的范数有欧几里得范数、最大范数和p范数等。

  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)。

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naaa,,,21

组成

的n元有序数组,常记为12(,,,)Tnaaa或),,,(21naaa,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nF。 #线性组合#表达式1122sskkk称为向量组s,,,21

的系数分别

为12,,,()skkkF的线性组合,skkk,,,21

称为线性组合系数。

#线性表示#向量可由向量组s,,,21

线性表示(出)是指存在数域

F

中的数skkk,,,21,使1122sskkk。 向量组s,,,21可由向量组12,,,t线性表示是指每个i

(1,2,...,is)都可由向量组12,,,t线性表示。显然,向量组的线性表示具有传递性。 在nF中,向量可由向量组s,,,21

线性表示线性方程组

1122ssxxx有解 1212(,,,,)(,,,)ssrankrank。 #向量组等价#向量组s,,,21与向量组12,,,t等价是指向量组

s,,,21与向量组12,,,t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。 若矩阵A经过有限次行初等变换成为B,则A与B的行向量组等价。 #线性相关#向量组s,,,21

线性相关是指存在数域F中不全为零的数

skkk,,,21,使02211sskkk;否则称为线性无关。 对一个向量,线性相关即为零向量,线性无关即为非零向量;

12,,,(2)ss线性相关当且仅当其中一个可以有其余s-1个线性表示。若向量组s,,,21线性无关,而12,,,,s线性相关,则可由向量组

s,,,21唯一地线性表示。 若向量组s,,,21线性相关,则12,,,,s线性相关;若向量组

12,,,,s线性无关,则s,,,21

线性无关。

在nF中,向量组s,,,21

线性相关齐次线性方程组

11220ssxxx有非零解12(,,,)sranks;向量组s,,,21

线性无关齐次线性方程组11220ssxxx只有零解12(,,,)sranks;当sn时,s,,,

21

一定线性相关。

设12(,,...,)TniiiinaaaF,121(,,...,)iiiininaaaa,,1,2,...,is;那么,

s,,,21线性无关

12,,,s线性无关;12,,,s

线性相关

s,,,21

线性相关。

若矩阵A经过有限次行初等变换成为B,则A的列向量组s,,,21

与B的列向量组12,,,s具有完全相同的线性关系,即

1122112200sssskkkkkk,其中12,,,()skkkF;从而

s,,,21线性相(无)关

12,,,s

线性相(无)关;12,,,riii是

s,,,21的极大无关组

12,,,riii

是12,,,s的极大无关组。

若向量组s,,,21可由向量组12,,,t线性表示,且s>t,则 s,,,21线性相关;若向量组s,,,21可由向量组12,,,t线性表示,

且s,,,21线性无关,则st;向量组s,,,21与向量组12,,,t等价,且都线性无关,则s=t。 #极大线性无关向量组#简称极大无关组,是指向量组(A)的一个部分向量组12,,...,r,其本身线性无关,但从(A)中任意添加一个向量(如果还有的话)

1r,则121,,...,,rr都线性相关。一个向量组与其任一极大无关组等价;一个向量组的任意两个极大无关组等价,从而所含向量的个数相等。 #秩#向量组(A)的秩是指其任一极大无关组所含向量的个数;记为rank(A)。矩阵的行(向量组的)秩,等于其列(向量组的)秩,也等于其秩(最高阶非零子式的阶)。 #线性空间#又称向量空间,是指数域F上一非空集合V,连同其中定义的两个满足以下八条法则的运算(分别称为加法和数乘, 记为+和,统称为线性运算),记为()VF,其中的元素称为向量:; ()(); V中存在零元素,即对V中任一元素,有;V中每个元素都有负元,即();1

()()klkl;()klkl;()kkk,其中,,,,VklF。 #子空间#是指线性空间V的一非空子集W,其对V的加法和数乘封闭,即满足对,,WkF,有,kW;其本身也是线性空间。 #生成子空间#由向量组s,,,21

生成的子空间是指由向量组

s,,,21的所有线性组合所构成的子空间; s,,,21称为其生成元。生成的子空间必是子空间;反之,子空间必是其任一极大无关组(基) 生成的生成子空间。 #基#是指线性空间V中的任一组极大无关组,如12,,...,n;即其本身线性无关,但从V中任意加一个向量1n,则121,,...,,nn都线性相关。 线性代数只讨论基为有限个向量的线性空间,即有限维线性空间。 有限维线性空间V中的任一线性无关向量组都可以扩充为V的一组基。 #维数#是指线性空间V的任一组基所含向量的个数;记为dimV。

12,,,neee是nF的一组基,从而ndimFn。 #坐标#在线性空间V中,用一组基12,,,n(线性)表示一个向量:

1122nnaaa的(有序)系数组12(,,,)Tnaaa或12(,,,)naaa称为在基12,,,n下的坐标;其中ia称为的第i个坐标或分量。 #基变换#是指用线性空间V的一组基(旧基)12,,,n(线性)表示

其另一组基(新基)'''12,,,n的变换(公式)'11112121'21212222'1122nn

nn

nnnnnn

aaaaaaaaa



即1112121222'''121212(,,,)(,,,)nnnnnnnnaaaaaaaaa

或简记为'''1212(,,,)(,,,)nnT。其中111212122212nnnnnnaaaaaaTaaa 称为从(旧)基12,,,n到(新)基'''12,,,n的过渡矩阵;它可逆,于是又有'''11212(,,,)(,,,)nnT,它是从(新)基'''

12,,,n

到(旧)基12,,,n的变换(公式)。 #坐标变换#是指在线性空间V中,用一个向量在V的一组基(旧基) 12,,,n下的坐标(旧坐标)X表示其在另一组基(新基)'''

12,,,n

下的坐标(新坐标)Y的变换(公式)1YTX,其中T为从(旧)基12,,,n到(新)基'''12,,,n的过渡矩阵, 即'''1212(,,,)(,,,)nnT。此时又有XTY,它是从的(新)

坐标Y到其(旧)坐标X的变换(公式)。 #交子空间#是指线性空间V的两个线性子空间12,VV的交集合

121{|VVV且2}V所构成的线性子空间。 #和子空间#是指线性空间V的两个线性子空间12,VV的和集合12121122|,VVVV所构成的线性子空间。

维数公式:121212()()dimVdimVdimVVdimVV。 #直和#子空间的直和是指线性空间V的两个交子空间为零子空间的子空间12,VV的和子空间,记为12VV;此时称1V为2V的补子空间,2V为

1V的补子空间。 #同构#是指两个线性空间之间的保持线性运算的双射。 两个有限维线性空间同构它们等维(维数相等);V是数域F上的n维线性空间V同构于nF。 #解空间#齐次线性方程组AX=O的解空间是指其所有解构成的子空间。n元齐次线性方程组AX=O的解空间为nF的n-r维子空间,其中r=rank(A)。 #基础解系#齐次线性方程组AX=O的基础解系是指其解空间的任一组基。 若rank(A)=r,且PAQ=diag{Ir , O},其中P, Q为可逆方阵,则Q的后n-r列nr,,1即为AX=O的一组基础解系。 #特解#非齐次线性方程组AX=b的任一特定的解称为其特解。

相关文档
最新文档