线性空间与子空间

合集下载

2线性子空间与子空间的分解

2线性子空间与子空间的分解

设欧氏空间 R n 中的基为 1 , 2 , n ,欧氏空间中 有两个向量
xii , y j j
i 1 i 1
n
n
计算 , 的内积
( , ) ( xi i , y j j ) xi ( i , j ) y j
i 1 j 1 i 1 j 1
, V ,都有一个实数 ( , ) 与之对应,且满足
(1) ( , ) ( , ) ; (2) ( , ) ( , ) ( , ) ; (3) (k , ) k ( , ) ; (4) ( , ) 0, 当且仅当 0 时 ( , ) 0 . 则称 ( , ) 为 与 的内积。定义了内积的实线性空间 V 称为 内积空间, 又称欧几里得空间或 Euclid 空间 (简称欧氏空间)
矩阵AT的零空间
N ( A ) { y | A y 0, y R }
T T m
矩阵A的左零空间
例3 矩阵A的四个子空间(续)
n 矩阵A的值域(列空间) R( A) { y | y Ax, x R }
矩阵A的零空间
N ( A) {x | Amn x 0, x Rn }
N(A) ⊥ R(AT)
N(AT) ⊥ R(A)
1 , 2 ,..., m 定理 设W是Vn的一个m维子空间, 是W的一个基,则这m个向量必定可扩充为 Vn的基.
二、子空间的分解 定理 如果V1,V2是数域K上线性空间V的两 个子空间,那么它们的交V1 ∩V2也是V的子 空间;它们的和V1 +V2也是V的子空间。
T T m
矩阵A的行空间 R( AT ) {z | z AT y, y Rm} 矩阵A的左零空间 N ( A ) { y | A y 0, y R } 设矩阵A的秩为r, 即rank(A)=r,则 dim(R(A))=r, dim(N(A))=n-r; dim(R(AT))=r, dim(N(AT))=m-r; dim(N(A)) - dim(N(AT))= n - m.

1.1线性空间及其子空间

1.1线性空间及其子空间

( A B ) C A ( B C ) ;
A ( B C ) ( A B ) ( A C ) ,
A ( B C ) ( A B ) ( A C ) .
2019/2/23 10
1.1.1 集合
定义1.2 x ,) y | x A , y B } .
( 6 ) , Å , x X , 有 ( x ) () x ;
则称 X 是数域 上的线性空间.
2019/2/23
( 5 ) x X ,有 1 x x ;
17
1.1.2 线性空间的定义及例子
上述加法运算和数乘运算统称为线性运算. 当 时, 称X 是为实线性空间; 当 时, 称X 是为复线性空间. 在一个线性空间中, 零元素 0 是惟一的; 任何一个元素 x 的负元素也是惟一的, 记之为x .
集合 A 的基数.
不含任何元素的集合称为空集, 记作 .
规定空集是一切集合的子集 .
2019/2/23
8
1.1.1 集合
集合之间的运算 定义1.1 设 A, B 是两个集合, 则定义它们的
交 A B { x | x A 且 x B } ;
并 A B { x | x A 或 x B } ; 差
是 3 的一个线性子空间, 其中a, b, c 是三个给定实数.
2019/2/23
25
1.1.3 线性空间的子空间
Ax 0 的解的集合
T n { x ( ,,,) | A x 0 } 1 2 n
例1.5 设 A mn, b m, b 0, 则齐次线性方程组

2019/2/23 15
1.1.2 线性空间的定义及例子

1.1线性空间及其子空间

1.1线性空间及其子空间

2013-8-18
23
1.1.3 线性空间的子空间
定义1.6 设 X 是数域 上的线性空间, Y 是 X 的一个
非空子集, 如果 Y 对 X 的线性运算是封闭的, 即
x y Y , x Y ,
x, y பைடு நூலகம்Y , Å ,
则称 Y 是 X 的线性子空间, 简称为 X 的子空间.
注 1. 在线性空间 X 的线性运算下, Y 本身是线性空间. 2. 仅含零元素的集合{0} 以及 X 本身都是 X 的子空间. 3. P[a, b] 和Pn[a, b] 都是线性空间C[a, b] 的子空间.
2013-8-18 24
1.1.3 线性空间的子空间
例1.4 在线性空间 3 中, 过原点(0,0,0)的平面
B [bij ]mn
mn
, , 在 mn 上定义加法和数乘:
a11 b11 a12 b12 a1n b1n a b a22 b22 a2 n b2 n , 21 21 am1 bm1 am 2 bm 2 amn bmn
同样复向量空间 n 中的任何一个向量都可由向量组
2013-8-18 27
1.1.3 线性空间的子空间
例1.6 设 X 是 上的线性空间, M 是 X 的非空子集, 令
n spanM i xi n , xi M , i Å , i 1, 2,, n , i 1
即 spanM 是由M 中任何有限个元素的任意线性组合的
定义1.4 设 A , A .
(1) 若存在 , 满足
(a) x A, 有 x ;
(b) 0, x A, s.t. x , 则称 是 A 的上确界, 记为 sup A .

线性空间子空间

线性空间子空间

线性空间子空间概念在线性代数中,线性空间是指具有加法和标量乘法运算的集合,它满足以下四个条件:1.加法封闭性:对于任意的两个向量u和v,它们的和u+v也属于线性空间中。

2.标量乘法封闭性:对于任意的标量k和向量u,它们的乘积ku也属于线性空间中。

3.加法结合律:对于任意的三个向量u、v和w,满足(u+v)+w = u+(v+w)。

4.零向量存在性:存在一个零向量0,满足对于任意的向量u,都有u+0 = u。

线性空间中的子空间是指线性空间的一个子集,且在该子集上定义的加法和标量乘法运算仍然满足线性空间的四个条件。

换句话说,如果一个集合是某个线性空间的子空间,那么它也是一个线性空间。

性质线性空间子空间具有以下性质:1.子空间包含零向量:任意线性空间的子空间都必然包含零向量0。

2.子空间封闭性:对于任意子空间中的两个向量,它们的和仍然属于该子空间。

3.子空间封闭于标量乘法:对于任意子空间中的一个向量和一个标量,它们的乘积仍然属于该子空间。

例子考虑一个实数域上的线性空间R^3,其中的向量可以表示为(x, y, z)的形式。

假设我们要研究关于平面x = 0的子空间。

这个子空间可以表示为{(0, y, z) | y, z∈R}。

验证这个集合是线性空间的子空间需满足以下条件:1.加法封闭性:对于任意两个向量(0, y₁, z₁)和(0, y₂,z₂),它们的和(0, y₁+y₂, z₁+z₂)仍然属于这个集合。

2.标量乘法封闭性:对于任意向量(0, y, z)和标量k,它们的乘积(k⋅0, k⋅y, k⋅z)仍然属于这个集合。

3.加法结合律:满足(u+v)+w = u+(v+w)对于这个集合中任意的向量u、v和w。

4.零向量存在性:这个集合中存在一个零向量(0, 0, 0),满足任意向量(0, y, z)加上零向量仍然得到(0, y, z)。

由于满足这四个条件,我们可以得出结论,这个集合是我们所考虑的线性空间R^3的子空间。

高等代数 第6章线性空间 6.6 子空间的直和与线性空间的同构

高等代数 第6章线性空间 6.6 子空间的直和与线性空间的同构

多个子空间的直和
设W1,W2,…,Wr都是线性空间V的子空间。如果 则称 W1+ W2+…+ Wr 为子空间 W1 , W2 , … , Wr 的直和,记为 W1+ W2+…+ Wr。
说明:一定要注意这里的条件是 ,不是Wi Wj ={0},初学者
很容易出错。 多个子空间的和构成直和的条件 设 W1,W2 ,…,Wr是线性空间V的子空间,则 W1+ W2+…+ Wr 构成直和的充要条件是下列之一成立:
n维线性空间
Vn
R
n
x1 1 x2 2 xn n
x ( x1 , x2 , , xn )
T
( 2)设
( x1 , x2 ,, xn )T ( y1 , y2 ,, yn )T
( x1 , x2 ,, xn ) ( y1 , y2 ,, yn )
T T
则有
( x1 , x2 ,, xn )
T
结论 1.数域 P上任意两个n 维线性空间都同 构. 2.同构的线性空间之间具有反身性、对称性 与传递性. 3.同维数的线性空间必同构.
同构的意义
在线性空间的抽象讨论中,无论构成线性空间 的元素是什么,其中的运算是如何定义的,我们所 关心的只是这些运算的代数性质.从这个意义上可 以说,同构的线性空间是可以不加区别的,而有限 维线性空间唯一本质的特征就是它的维数.
定义 设U、V是两个线性空间,如果它们的元素 之间有一一对应关系 ,且这个对应关系保持线性 组合的对应,那末就称线性空间 U2 xn n x1 , x2 ,, xn R
与 n 维数组向量空间 R n 同构. 因为 T (1) Vn中的元素与R n中的元素( x1 , x2 ,, xn ) 形成一一对应关系;

线性空间与子空间的性质

线性空间与子空间的性质

线性空间与子空间的性质线性空间是数学中的一个重要概念,广泛应用于线性代数、函数分析和其他相关领域。

线性空间由两个基本要素组成:一个域和一个向量集合。

在线性空间中,向量之间可以进行加法和数乘操作,并满足相应的性质。

子空间是线性空间的一个重要概念,它由线性空间中的一部分向量组成,同时满足线性空间的定义和运算规则。

本文将介绍线性空间和子空间的性质。

一、线性空间的性质1. 加法封闭性线性空间中的任意两个向量相加仍然属于该空间。

即对于任意的向量u和v,u+v仍然属于线性空间。

2. 数乘封闭性线性空间中的任意向量与一个标量相乘仍然属于该空间。

即对于任意的向量u和标量c,cu仍然属于线性空间。

3. 加法交换律线性空间中的向量加法满足交换律。

即对于任意的向量u和v,u+v=v+u。

4. 加法结合律线性空间中的向量加法满足结合律。

即对于任意的向量u、v和w,(u+v)+w=u+(v+w)。

5. 零向量的存在线性空间中存在一个特殊的向量,称为零向量,它与任意向量相加得到该向量本身。

即对于线性空间中的任意向量u,存在一个零向量0,使得u+0=u。

6. 加法逆元的存在线性空间中的任意向量都存在一个相反向量,使得它们相加等于零向量。

即对于线性空间中的任意向量u,存在一个向量-v,使得u+(-v)=0。

二、子空间的性质1. 非空性子空间中至少包含一个向量。

2. 加法封闭性子空间中的任意两个向量相加仍然属于该子空间。

即对于任意的子空间中的向量u和v,u+v仍然属于该子空间。

3. 数乘封闭性子空间中的任意向量与一个标量相乘仍然属于该子空间。

即对于任意的子空间中的向量u和标量c,cu仍然属于该子空间。

4. 包含零向量子空间中必须包含零向量。

5. 子空间的维数子空间的维数是指子空间中所含向量的最大线性无关组的向量个数。

6. 子空间的性质继承子空间继承了线性空间的所有性质。

总结:线性空间是由向量组成的数学结构,具有加法和数乘操作,并满足一系列性质,如加法封闭性和数乘封闭性。

线性空间与子空间

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]∈时,有唯一的和(I)在V中定义一个“加法”运算,即当x,y V+∈(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∈,使∈,存在一元素y V+=o,且称y为x的负元素,记为(x-)。

则有()x y+-= o。

x x(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。

矩阵论学习-(线性空间与线性变换)

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=
  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。

[证明] 首先需要证明两种运算的唯一性与封闭性 ①唯一性与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就是零元素 x 1=1=x x ⋅ [x o=x ——>xo=x ->o=1](4)1x 就是x 的负元素 x 1x=1x 1x ⋅= [x+y=o ](5) k o (x y)()kk 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) ()()()kl kl k l x xx kl x ===o o o [结合律](8) 11x x x ==o [恒等律] 由此可证,R +就是实数域R 上的线性空间。

2.定理:线性空间具有如下性质(1) 零元素就是唯一的,任一元素的负元素也就是唯一的。

(2) 如下恒等式成立: 0x =o, ()()1x x -=-。

[证明](1)采用反证法:①零元素就是唯一的。

设存在两个零元素o 1与o 2,则由于o 1与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与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就是唯一的。

假设x V ∀∈,存在两个负元素y 与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 与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: 12m 12m x ,x x V,c ,c c K ∀∈∈L Lm1122m m i i i 1c 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mi ii 1c x0==∑则称元素组12m x ,x x L 线性相关,否则称其线性无关。

线性相关性概念就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、基与坐标。

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(对于矩阵加法与数对矩阵的数乘运算),求其维数。

[解] 一个直接的方法就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,jA a E =∑ ——>ij iji,ja EA 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 就是数域K 上的线性空间,()12r x ,x x r 1≥L 就是属于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。

•基正就是V 中最大线性无关元素组;V 的维数正就是基中所含元素的个数。

•基就是不唯一的,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与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:ni ii 1x=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()T12n ,ξξξL讨论:(1)一般来说,线性空间及其元素就是抽象的对象,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与基元素,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。

1o 1122n n 1122n n x y (x x x )(x x x )+=ξ+ξ++ξ+η+η++ηL L111222n 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 L2o ()()()()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 kx k ,k ,,k →=ξξξL(3)显然,同一元素在不同坐标系中的坐标就是不同的。

后面我们还要研究这一变换关系。

三、 基变换与坐标变换基就是不唯一的,因此,需要研究基改变时坐标变换的规律。

设12n x ,x x L 就是n V 的旧基,12n y ,y y L 就是n V 的新基,由于两者都就是基,所以可以相互线性表示nj ij i i 1y c x ==∑ (i 1,2,n =L )即[][][]11121n 21222n 12n 12n 12n n1n2nn 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 就是可逆的。

设n x V ∈,它在旧基下的线性表示为 []1n2i i 12n i 1n 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就是数域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就是V 的一个线性子空间或子空间。

相关文档
最新文档