线性代数第12讲

11 2018/10/15
例2 设A是mn矩阵, 则齐次线性方程组AX=0 的解集合 S={X|AX=0} 是Fn的一个子空间, 叫做齐次线性方程组的解 空间(也称矩阵A的零空间, 记作N(A)). 但是非 齐次线性方程组AX=b的解集合不是Fn的子空 间.
12 2018/10/15
定理2 设V是数域F上的线性空间, S是V的一个 非空子集合, 则S中一切向量组的所有线性组 合组成的集合 W={k1a1+...+kmam|aiS, kiF, i=1,...,m} 是V中包含S的最小的子空间.
8 2018/10/15
由线性空间的定义可证下列性质: (i) 线性空间的零元素是唯一的. (ii) 线性空间中任一元素a的负元素是唯一的. (iii) 若a,bV, kF, 则有 k(a-b)=ka-kb (k-l)a=ka-la (iv) kq=q, k(-b)-(kb), 0a=q, (-l)a=(-(la), 特 别, (-1)a-a, 以后, -(la)简记作-la. (v) 设aV, kF, 若ka=q, 则k=0或a=q.
定义6 设A为n阶方阵, 如果ATA=I, 就称A为正 交矩阵. 定理4 A为n阶正交矩阵的充分必要条件是A 的列向量组为Rn的一组标准正交基. 证 设 a1n a11 a12 a21 a22 a2 n A ann an1 an 2
按列分块为[a1,a2,...,an],
17 2018/10/15
定义1 如果线性空间V(F)中存在线性无关的 向量组B=(a1,a2,...,an}, 且任一aV都可由B线 性表示为 a=x1a1+x2a2+...+xnan, (4.17) 则称V是n维线性空间(或说V的维数为n, 记作 dim V = n); B是V的一个基; 有序数组 (x1,x2,...,xn)为a关于基B(或说在基B下)的坐标 (向量), 记作 aB=[x1,x2,...,xn]TFn. (4.18) 如果V(F)中有任意多个线性无关的向量, 则称 V是无限维线性空间.
4 2018/10/15
4.3 线性空间的定义及简单性质
5 2018/10/15
定义 数域F上的线性空间V是一个非空集合, 其上定义有加法a+b和数乘la的运算, 其中 a,bV, lF, V对两种运算封闭且满足性质: a,b,gV, k,lF (1) a+b=b+a (2) (a+b)+g=a+(b+g) (3) qV, a+q=a, q称为V的零元素 (4) -aV, a+(-a)=q, -a称为a的负元素 (5) 1a=a (6) k(la)=(kl)a (7) (k+l)a=ka+la (8) k(a+b)=ka+kb
22 2018/10/15
具有上述对应关系的两个线性空间V(F)与Fn, 我们称它们是同构的. 上述对应关系表明, 研 究任何n维线性空间V(F), 都可以通过基和坐 标, 转化为研究n维向量空间Fn. 这样, 我们对 不同的n维线性空间就有了统一的研究方法, 统一到研究Fn, 因此, 通常把线性空间也称为 向量空间, 线性空间中的元素也称为向量.
6 2018/10/15
F为实(复)数域时, 称为实(复)线性空间, 简称 实(复)空间. 线性空间V中元素也常称为向量, 线性空间中 的加法和数乘运算称为线性运算. 显然, 三维几何向量空间和Rn都是线性空间的 具体模型.
7 2018/10/15
例1 数域F上的全体多项式F[x], 对通常的多项 式加法和数乘多项式的运算构成数域F上的 线性空间. 所有次数小于n的多项式, 也构成数 域F上的线性空间, 记作F[x]n 例3 区间[a,b]上的全体实连续函数, 对通常的 函数加法和数与函数的乘法运算构成实数域 上的线性空间, 记作C[a,b]. 在(a,b)上全体k阶 导数连续的实函数Ck(a,b)对同样的加法和数 乘运算也构成实线性空间.
1 2018/10/15
a1T a T T A A 2 a1 ,a 2 , T a n
于是
a1Ta1 a1Ta 2 a Ta a Ta 2 2 ,a n 2 1 T T a a a n a2 n 1
a an a an
20 2018/10/15
关于n维线性空间V(F)中向量在基B下的坐标 的概念, 是与Fn中向量关于基B的坐标概念是 完全类似的, 那里的主要结论: (i)向量在给定基下的坐标是唯一确定的; (ii)由基B1到基B2的过渡矩阵的概念以及过渡 矩阵是可逆的; (iii)基变换与坐标变换的公式, 即定理2. 在这里都是适用的.
14 2018/10/15
定理3 设W1,W2是数域F上的线性空间V的两个 子空间, 且W1=L(a1,...,as), W2是L(b1,...,bt), 则 W1=W2的充要条件是两个向量组a1,...,as与 b1,...,bt可以互相线性表示.
15 2018/10/15
4.5 线性空间的基 维数 向量的 坐标
18 2018/10/15
容易证明, 在F[X]中, 1, x, x2, ..., xn(n为任意正 整数)是线性无关的, 因此, F[X]是无限维线性 空间. C[a,b]也是无限维线性空间.
在n维线性空间V中, 任意n+1个元素 b1,b2,...,bn+1都可由V的一个基a1,a2,...,an线性 表出, 因此, 根据3.1节定理4可知, n维线性空 间中任意n+1个元素都是线性相关的. 所以, n 维线性空间V中, 任何n个线性无关的向量都 是V的一个基.
25 2018/10/15
大家熟知的一元函数中的线性函数: y=f(x)=ax (4.21) 是RR的映射, 它显然是双射. 这个映射具有 以下的性质: (i) f(x1+x2)=f(x1)+f(x2); (4.22) (ii) f(lx)=lf(x), l是常数,
26 2018/10/15
现在把一元线性函数推广到n维向量空间, 设 A为n阶矩阵, 如果对每一个列向量XRn, 映射 XAX 即 s(X)=AX 是RnRn的一个映射, 满足以下性质: s(X1+X2)=A(X1+X2)=AX1+AX2=s(X1)+s(X2) s(lX)=A(lX)=lAX=ls(X), lR. 把这个映射s称为RnRn的线性映射(也称线 性变换). 更一般, 如A是mn矩阵, XRn, 映射 s : XAX Rm 是Rn到Rm的线性映射. 本节主要讨论RnRn的 线性映射
27 2018/10/15
定义1 设V(F)是一个向量空间, 如果V(F)的一 个变换s, 满足条件: a,bV和lF, (i) s(a+b)=s(a)+s(b), (4.23) (ii) s(la)=ls(a). 就称s是V(F)的一个线性变换, 并称s(a)为a的 象, a为s(a)的原象. (4.23)式也可等价地写作, a,bV和l,mF s(la+mb)=ls(a)+ms(b). (4.23)'Βιβλιοθήκη 16 2018/10/15
由于线性空间关于两种运算和Fn关于其线性 运算一样满足相同的8条规则和简单的性质, 因此, Fn中的向量的线性相关性的定义及有关 的基本结论也都适用于一般的线性空间V. 对 此, 不再重复叙述, 但要注意, 那里的向量 a,b,g, ..., 在这里是V中的元素, 那里的零向量 是这里的V的零元素.
23 2018/10/15
4.6 向量空间的线性变换
24 2018/10/15
定义1 设X,Y是两个非空集合, 如果有一个法 则s, 它使X中每个元素a都有Y中唯一确定的 一个元素b与之对应, 就称s是X到Y的一个映 射, 记作 s : XY, 并称b为a在s下的象, a为b在s下的一个原象, 记作 s : ab 或 s(a)=b. 注意, s的象是唯一的, 但b的原象不一定是唯 一的. 由X到自身的映射s, 常称为变换. 如果a1,a2X, a1a2, 都有s(a1)s(a2), 就称 s为单射. 如果bY, 都有aX, 使s(a)=b, 就 称s为满射, 如s即是单射又是满射, 就称s为 双射(或称一一对应).
19 2018/10/15
在线性空间V中, 由向量组a1,a2,...,as生成的子 空间L(a1,a2,...,as)的维数等于向量组 a1,a2,...,as的秩, 向量组a1,a2,...,as的极大线性 无关组是L(a1,a2,...,as)的基. 齐次线性方程组AX=0的基础解系是其解空间 N(A)的基, 如果A是mn矩阵, 秩A=r, 则解空间 N(A)的维数为n-r.
13 2018/10/15
定理2中的W称为由V的非空子集S生成的V的 子空间, 或者说S生成W, 当S为有限子集 {a1,a2,...,am}时, 记W=L(a1,a2,...,am), 并称W是 由向量组a1,a2,...,am生成的子空间 例如, 齐次线性方程组AX=0的解空间是由它 的基础解系生成的子空间; R3中任一个过原点 的平面上的全体向量所构成的子空间, 由由该 平面上任意两个线性无关的向量生成的子空 间.
21 2018/10/15
给定了n维线性空间V(F)的基B={b1,b2,...,bn}, V(F)中的向量与其坐标(Fn中的向量)不仅是一 一对应的, 而且这种对应保持线性运算关系不 变, 即 : V(F)中a+z对应于Fn中的aB+zB; V(F)中la对应于Fn中的laB. 事实上, 如a=x1b1+...+xnbn, z=y1b1+...+ynbn, lF, 便有 a+z=(x1+y1)b1+...+(xn+yn)bn, la=(lx1)b1+...+(lxn)bn 故 (a+z)B=aB+zB, (la)B=laB.