高等代数 第6章线性空间 6.4 线性空间的子空间
高等代数课件(北大版)第六章-线性空间§6.5
,
n1 (1,0, ,0, 1) 就是W1 的一组基.
而在 W2中任取两个向量 , ，设
( x1, x2 , , xn ), ( y1, y2 , , yn ) 则 ( x1 y1, x2 y2 , , xn yn )
但是 ( x1 y1 ) ( x2 y2 ) ( xn yn )
例6 设V为数域P上的线性空间，1,2 , ,r V
令W {k11 k22 krr ki P,i 1,2, ,r}
则W关于V的运算作成V的一个子空间．
即1,2 , ,r 的一切线性
组合所成集合.
2023/9/3§6.5 线性子空间
二、一类重要的子空间 ——生成子空间
定义：V为数域P上的线性空间，1,2, ,r V，
无关组，则
L(1,2 , ,s ) L(i1 ,i2 , ,ir )
3、设 1,2 , ,n 为P上n维线性空间V的一组基，
A为P上一个 n s 矩阵，若
(1, 2 , , s ) (1,2 , ,n ) A 则 L(1, 2 , , s )的维数＝秩(A).
2023/9/3§6.5 线性子空间
既然 1,2 , ,m 还不是V的一组基，它又是线
性无关的，那么在V中必定有一个向量
不能被
m1
1,2, ,m 线性表出，把它添加进去，则
1,2 , ,m ,m1 必定是线性无关的．
由定理3，子空间 L(1,2 , ,m1 ) 是m＋1维的．
因 n－(m＋1)＝(n－m)－1＝(k＋1)－1＝k，
由归纳假设，L(1,2 , ,m1 )的基1,2 , ,m ,m1
线性相关性. 所以可对矩阵A作初等行变换化阶梯
阵来求向量组 1, 2, , s 的一个极大无关组，从而 求出生成子空间 L(1, 2 , , s ) 的维数与一组基.
第六章 线性空间与线性变换
其中α, β ,γ 是V 中的任意元素， k,l 是数域 F 中任意数．V 中适合（3）的元素 0 称为零元
素；适合（4）的元素 β 称为α 的负元素，记为 − α ．
下面我们列举几个线性空间的例子．
例1 数域 F 上的所有 n 维列向量集 F n 算规则，它是数域 F 上的一个线性空间．特别 地，当 F＝R 时，R n 称为 n 维实向量空间；当 F＝C 时，C n 称为 n 维复向量
设α = x1ε1 + x2ε 2 + L+ xnε n = y1η1 + y2η2 + L+ ynηn ，则
⎜⎛ x1 ⎟⎞ ⎜⎛ y1 ⎟⎞
⎜ ⎜ ⎜⎜⎝
第 4 页 共 19 页
第六章 线性空间与线性变换
二、同构关系
1．映射
设 M,N 是两个集合．如果给定一个法则ϕ ，使 M 中的每个元素 a 都有 N 中的一
个唯一确定的元素 a' 与之对应，则称ϕ 是集合 M 到集合 N 的一个映射． a' ∈ N 称为 a 在
映射ϕ 下的像，而 a 称为 a' 在映射ϕ 下的原像．记作ϕ(a) = a' ． M 中元素在ϕ 下像的全
2) 把（1）式形式地写为
⎜⎛ x1 ⎟⎞
α
=
(ε1,ε
2
,L,
ε
n
)
⎜ ⎜ ⎜⎜⎝
x2 M xn
⎟ ⎟ ⎟⎟⎠
．
(η1,η2 ,L,ηn ) = (ε1,ε 2 ,L,ε n )A．
第 6 页 共 19 页
第六章 线性空间与线性变换
高等代数北大版线性空间
引 入 我们懂得，在数域P上旳n维线性空间V中取定一组基后，
V中每一种向量 有唯一拟定旳坐标 (a1,a2 , ,an ), 向量旳
坐标是P上旳n元数组，所以属于Pn.
这么一来，取定了V旳一组基 1, 2 , , n , 对于V中每一种 向量 ，令 在这组基下旳坐标 (a1,a2 , ,an ) 与 相应，就 得到V到Pn旳一种单射 : V P n , (a1,a2 , ,an )
2）证明：复数域C看成R上旳线性空间与W同构，
并写出一种同构映射.
2023/12/29§6.8 线性空间旳
及线性有关性，而且同构映射把子空间映成子空间.
2023/12/29§6.8 线性空间旳
3、两个同构映射旳乘积还是同构映射.
证：设 ：V V , :V V 为线性空间旳同构
映射，则乘积 是 V到V 旳1－1相应. 任取 ， V , k P, 有
第六章 线性空间
§1 集合·映射
§5 线性子空间
§2 线性空间旳定义 §6 子空间旳交与和
与简朴性质
§7 子空间旳直和
§3 维数·基与坐标
§8 线性空间旳同构
§4 基变换与坐标变换 小结与习题
2023/12/29
§6.8 线性空间旳同构
一、同构映射旳定义 二、同构旳有关结论
2023/12/29§6.8 线性空间旳
中分别取 k 0与k 1, 即得
0 0,
2）这是同构映射定义中条件ii)与iii)结合旳成果.
3）因为由 k11 k22 krr 0 可得 k1 (1 ) k2 (2 ) kr (r ) 0
反过来，由 k1 (1 ) k2 (2 ) kr (r ) 0 可得 (k11 k22 krr ) 0.
高等代数第六章
数域P上的线性空间．
例5 全体正实数R＋，
1) 加法与数量乘法定义为： a, b R , k R
a b log
b a
k a ak
a , b R , k R 2) 加法与数量乘法定义为：
a b ab
k aa
k
判断 R＋是否构成实数域 R上的线性空间 .
为数域 P上的次数小于 n 的多项式的全体，再添上 零多项式作成的集合，按多项式的加法和数量乘法
构成数域 P上的一个线性空间。
例3 线性空间 P mn
数域 P上 m n矩阵的全体作成的集合,按矩阵的乘法 和数量乘法，构成数域 P上的一个线性空间。
例4 任一数域 P 按照本身的加法与乘法构成一个
3）如果 σ 、τ都是双射，那么 g 也是双射，并且
g 1 ( ) 1 1 1
§2.线性空间的定义和简单性质
线性空间的定义 线性空间的简单性质
引例1 对于数域P上的n维向量空间Pn，定义了两个向 量的加法和数量乘法： (a1 , a2 , , an ) (b1 , b2 , , bn ) (a1 b1 , a2 b2 , , an bn )
定义：集合是一些事物汇集到一起组成的一个整
体；组成集合的这些事物称为集合的元素。
集合用大写字母A、B、C 等表示； 集合的元素用小写字母a、b、c 等表示．
Note “集合”概念没有一个严谨的数学定义，只是有一个 描述性的说明． 集合论的创始人－－19世纪中期德国数学家康托尔 （Cantor）把集合描述为：所谓集合是指我们直觉 中或思维中确定的,彼此有明确区别的那些事物作为 一个整体来考虑的结果. 集合中的元素具有：确定性、互异性、无序性.
高等代数北大版64
,?
n
)
? ? ??
a2 an
? b2 M ? bn
? ? ??
若? 1,? 2,L ,? n 线性无关，则
? a1 ?
? b1 ?
(? 1,? 2 ,L
,?
n
)
? ? ??
aaM2n ????
?
(?
1,?
2 ,L
,?
n
)
? ? ??
bbMn2 ????
?
? a1 ? ? b1 ?
? ? ??
aaMn2 ????
1)? 1,? 2 ,L ,? n ? V ,a1,a2,L , an , b1,b2,L , bn ? P
? a1 ?
? b1 ?
? a1 ? b1 ?
(? 1,? 2 ,L
,?
n
)
? ? ??
aaMn2 ????
?
(?
1
,?
2
,L
,? n )????bbMn2 ???? ? (? 1,? 2,L
§6.4 基变换与坐标变换
一、向量的形式书写法
1、V为数域 P上的 n 维线性空间，? 1,? 2 ,L ,? n 为
V 中的一组向量， ? ? V ，若
? ? x1? 1 ? x2? 2 ? L ? xn? n
则记作
? x1 ?
?
? (? 1 ,? 2 ,L
,?
n
)
? ? ??
xxMn2 ????
§6.4 基变换与坐标变换
二、基变换
1、定义 设V为数域P上n维线性空间，?1 ,?2 ,L ,?n ；
?1?,?2?,L ,?n? 为V中的两组基，若
高等代数考研复习[线性空间]
![高等代数考研复习[线性空间]](https://img.taocdn.com/s3/m/988c69e4e009581b6bd9ebdc.png)
1.2 常用线性空间
n P (1)n维向量空间： {(a1, a2,
, an ) | ai , P}
Pn 空间的基 1, 2 , , n 其中 i (0
n dim P n. 空间维数 P
1
i
0)
n
nm P (2)矩阵空间： Anm | A (aij ), aij P.
3 1 1 3 3 0 1 1 F1 , F2 , F3 , F4 . 1 1 1 1 2 1 0 2
(1)求由 F1, F2 , F3 , F4到 E11, E12 , E21, E22 的过渡矩阵.
1 线性空间概念、基维数与坐标
1.1
线性空间的定义： 设V是一个非空集合，P是一个数域.在V的元 素之间定义了两种运算：加法与数乘，并且 两种运算满足8条性质.则称集合V是数域P上 的线性空间. 简单地说：带有线性运算的集合，同时运算 满足8条性质的集合称为线性空间. 线性空间中的元素称为向量，线性空间也称 为向量空间.
y1 y 2 A . yn
(1 , 2 ,
y1 y , n ) 2 , yn
那么，
x1 x 2 xn
题型分析：1)确定空间的基与维数
nn V { A | A A , A P }, 求V的基与维数. 例1 设
过渡矩阵都是可逆的！并且由 1, 2 , , n 到
1 坐标变换：设 1, 2 , , n 与 1, 2 , , n 都是
n维空间V的基，对V中任一向量，有
x1 x , n ) 2 ( 1 , 2 , xn
高等代数知识点总结大一
高等代数知识点总结大一高等代数知识点总结在大一学习高等代数时，我们会接触到一系列的知识点，它们是我们理解和掌握高等代数的基础。
本文将对这些知识点进行总结，并给出一些例子来帮助读者更好地理解。
1. 向量和矩阵高等代数的基础是向量和矩阵。
向量是具有大小和方向的量，用于表示物理量或数学对象。
它可以进行加法、标量乘法和内积等运算。
矩阵是由一组排列成矩阵形式的数所构成的矩形阵列，可以进行加法、标量乘法和矩阵乘法等运算。
2. 行列式行列式是一个方块矩阵的标量值，用于确定矩阵的某些性质。
行列式可以用来解线性方程组、计算矩阵的逆、判断矩阵是否可逆等。
3. 线性方程组线性方程组是一组线性方程的集合，其未知数以线性的方式出现。
解线性方程组意味着找到满足所有方程的解。
可以使用矩阵和行列式的方法来解线性方程组。
4. 矩阵的特征值和特征向量矩阵的特征值和特征向量是矩阵在线性代数中非常重要的概念。
特征值表示矩阵的重要特性，特征向量是对应于特征值的向量。
5. 基变换和相似矩阵基变换是指改变向量的基准从而表示同一个向量的不同坐标。
相似矩阵是指两个矩阵之间可以通过一个基变换相互转化。
6. 线性空间和子空间线性空间是指满足线性运算法则的向量空间。
子空间是指线性空间中的一个子集，它同样满足线性运算法则。
7. 线性变换线性变换是指保持向量空间运算法则不变的变换。
线性变换是高等代数中的核心概念之一，它可以用矩阵表示。
8. 内积空间和正交性内积空间是指在向量空间中定义了一种内积运算的空间。
正交性是指两个向量的内积为零，表示它们之间的垂直关系。
9. 特征向量空间和对角化特征向量空间是指由一个矩阵的所有特征向量生成的向量空间。
对角化是指将一个矩阵相似化成一个对角矩阵的过程，可以简化计算。
10. 线性相关性和线性无关性线性相关性是指向量之间存在线性关系的情况。
线性无关性是指向量之间不存在非平凡的线性关系。
以上是大一学习高等代数中的一些重要知识点的总结。
第六章线性空间与线性变换
高等代数第六章 线性空间与线性变换第六章 线性空间与线性变换§6.1 线性空间与简单性质一、线性空间的概念定义 设V 是一个非空集合，F 是一个数域．在V 上定义了一种加法运算“+”，即对V 中任意的两个元素α与β，总存在V 中唯一的元素γ与之对应，记为βαγ+=；在数域F 和V 的元素之间定义了一种运算，称为数乘，即对F 中的任意数k 与V 中任意一个元素α，在V 中存在唯一的一个元素δ与它们对应，记为αδk ＝．如果上述加法和数乘满足下列运算规则，则称V 是数域F 上的一个线性空间．（1） 加法交换律：αββα＋＝+；（2） 加法结合律：()()γβαγβα＋＝+++；（3） 在V 中存在一个元素0，对于V 中的任一元素α，都有αα＝＋0； （4） 对于V 中的任一元素α，存在元素β，使0＝＋βα； （5） α⋅1=α；（6） βαβαk k k ＋＝＋)(，∈k F ； （7） ()∈+l k l k l k ,,ααα＋＝F ； （8） ()()ααkl l k ＝，其中γβα,,是V 中的任意元素，l k ,是数域F 中任意数．V 中适合（3）的元素0称为零元素；适合（4）的元素β称为α的负元素，记为α−．下面我们列举几个线性空间的例子． 例1数域F 上的所有n 维列向量集nF 算规则，它是数域F 上的一个线性空间．特别地，当R F ＝时，n R 称为n 维实向量空间；当C F ＝时，n C 称为n 维复向量空间．例2 数域F 上的全体n m ×矩阵构成一个F 上的线性空间，记为)(F n m M ×． 例3数域F 上的一元多项式全体，记为][x F ，构成数域F 上的一个线性空间．如果只考虑其中次数小于n 的多项式，再添上零多项式也构成数域F 上的一个线性空间，记为n x F ][．高等代数讲义例4实系数的n 元齐次线性方程组0=Ax 的所有解向量构成R 上的一个线性空间．称之为方程组0=Ax 的解空间．例5闭区间],[b a 上的所有连续实函数，构成一个实线性空间，记为],[b a C ．例6 零空间．注：线性空间中的元素仍称为向量．然而其涵义比n 维有序数组向量要广泛的多．二、性质性质1 零向量是唯一的． 性质2 负向量是唯一的．注：利用负向量，我们定义减法为：)(βαβα−+=−．性质3 对V 中任意向量γβα,,，有（1） 加法消去律：从γαβα+=+可推出γβ=；（2） 0=⋅α0，这里左边的0表示数零，右边的0表示零向量； （3） 00=⋅k ； （4） αα−=−)1(；（5） 如果0=αk ，则有0=k 或0=α．注：线性空间上的加法和数乘运算与nF 的一样，都满足八条运算规律，所以第四章 中关于向量组的一些概念以及结论，均可以平行地推广到一般的n 维线性空间中来．在这里不再列举这些概念和结论，以后我们就直接引用，不另加说明．§6.2 基与维数本节讨论线性空间的结构一、定义与例子定义1 设V 是数域F 上的一个线性空间，如果V 中的n 个向量n εεε,,,21L 满足 （1）n εεε,,,21L 线性无关；（2）V 中的任意向量都可由n εεε,,,21L 线性表示，则称n εεε,,,21L 为线性空间V 的一组基，n 称为V 的维数，记为n V =dim ，并称V 为数域F 上的n 维线性空间．注1：零空间没有基，其维数规定为0．注2：如果在线性空间V 中存在无穷多个线性无关的向量，则称V 为无限维线性空间，第六章 线性空间与线性变换例：连续函数空间],[b a C 就是一个无限维空间．推论1 n 维线性空间中的任意1+n 个向量必线性相关．注3： 将线性空间V 看成一个向量组，那么它的任意一个极大线性无关组就是V 的一组基，其秩就是维数．推论2 n 维线性空间V 中的任意n 个线性无关的向量组成V 的一组基．定义2 设n εεε,,,21L 是n 维线性空间V 的一组基，则对V 中的任意向量α，存在唯一数组n x x x ,,,21L ，使得n n x x x εεεα+++=L 2211，我们称n x x x ,,,21L 为向量α在基n εεε,,,21L 下的坐标，记作()Tn x x x ,,,21L ．例1 在n 维向量空间nF 中，显然⎟⎟⎟⎟⎟⎠⎞⎜⎜⎜⎜⎜⎝⎛=⎟⎟⎟⎟⎟⎠⎞⎜⎜⎜⎜⎜⎝⎛=⎟⎟⎟⎟⎟⎠⎞⎜⎜⎜⎜⎜⎝⎛=100,,010,00121ML M M n εεε,是nF 的一组基．对任一向量Tn a a a ),,,(21L =α都可表示成n n a a a εεεα+++=L 2211，所以Tn a a a ),,,(21L 就是向量α在这组基下的坐标．选取另一组基：⎟⎟⎟⎟⎟⎠⎞⎜⎜⎜⎜⎜⎝⎛=⎟⎟⎟⎟⎟⎠⎞⎜⎜⎜⎜⎜⎝⎛=⎟⎟⎟⎟⎟⎠⎞⎜⎜⎜⎜⎜⎝⎛=111,,011,00121ML M M n ηηη，对于向量Tn a a a ),,,(21L =α，有()()()n n n n n a a a a a a a ηηηηα+−++−+−=−−11232121L ，所以α在这组基下的坐标为()Tn n n a a a a a a a ,,,,13221−−−−L ．例2 在线性空间n x F ][中，容易验证121,,,1−===n n x x αααL高等代数讲义是n x F ][的一组基．在这组基下，多项式1110)(−−+++=n n x a x a a x f L 的坐标就是它的系数()Tn a a a 110,,,−L ．考虑n x F ][中的另一组基()121,,,1−−=−==n n a x a x βββL ．由泰勒(Taylor)公式，多项式)(x f 可表示为()1)1()(!1)())((')()(−−−−++−+=n n a x n a fa x a f a f x f L ，因此，)(x f 在基n βββ,,,21L 下的坐标为()Tn n a f a f a f ⎟⎟⎠⎞⎜⎜⎝⎛−−!1)(,),('),()1(L ． 例3 在所有二阶实矩阵构成的线性空间)(22R ×M 中，考虑向量组⎟⎟⎠⎞⎜⎜⎝⎛=⎟⎟⎠⎞⎜⎜⎝⎛=⎟⎟⎠⎞⎜⎜⎝⎛=⎟⎟⎠⎞⎜⎜⎝⎛=1000,0100,0010,000122211211E E E E ． 首先这是一组线性无关组．事实上，若有实数4321,,,k k k k ，使=+++224213122111E k E k E k E k O k k k k =⎟⎟⎠⎞⎜⎜⎝⎛4321， 则有04321====k k k k ，这就说明了22211211,,,E E E E 线性无关．其次，对于任意二阶实矩阵⎟⎟⎠⎞⎜⎜⎝⎛=22211211a aa a A , 可表示为2222212112121111E a E a E a E a A +++=，因此22211211,,,E E E E 是22×M 的一组基，22×M 是4维实线性空间，并且A 在这组基下的 坐标为()Ta a a a 22211211,,,．第六章 线性空间与线性变换二、同构关系1．映射设M,N 是两个集合．如果给定一个法则ϕ，使M 中的每个元素a 都有N 中的一个唯一确定的元素'a 与之对应，则称ϕ是集合M 到集合N 的一个映射．'a ∈N 称为a 在映射ϕ下的像，而a 称为'a 在映射ϕ下的原像．记作')(a a =ϕ．M 中元素在ϕ下像的全体构成N 的一个子集，记之为ϕIm 或)(M ϕ。