上三角矩阵代数

合集下载

线性代数中的矩阵的特殊类型与性质

线性代数中的矩阵的特殊类型与性质

线性代数中的矩阵的特殊类型与性质矩阵是线性代数中的重要概念,它在各个领域都有广泛的应用。

在线性代数中,矩阵可以分为多种特殊类型,每种类型都有其独特的性质和特点。

本文将介绍几种常见的矩阵特殊类型以及它们的性质。

一、对角矩阵对角矩阵是一种具有特殊形式的矩阵,其除了主对角线上的元素外,其余元素均为零。

对角矩阵的主对角线上的元素可以是任意值,也可以是相同的值。

对角矩阵的性质如下:1. 对角矩阵的乘法:两个对角矩阵相乘仍然得到一个对角矩阵,且新矩阵的主对角线上的元素等于原矩阵对应位置元素的乘积。

2. 对角矩阵的逆矩阵:对角矩阵的逆矩阵存在当且仅当主对角线上的元素均不为零。

逆矩阵的主对角线上的元素等于原矩阵对应位置元素的倒数。

3. 对角矩阵的转置:对角矩阵的转置等于其本身。

二、上三角矩阵和下三角矩阵上三角矩阵是一种特殊的矩阵,其主对角线及其以上的元素均不为零,而主对角线以下的元素均为零。

下三角矩阵与上三角矩阵相反,其主对角线及其以下的元素均不为零,而主对角线以上的元素均为零。

上三角矩阵和下三角矩阵的性质如下:1. 上三角矩阵和下三角矩阵的乘法:两个上三角矩阵或两个下三角矩阵相乘仍然得到一个上三角矩阵或下三角矩阵。

2. 上三角矩阵和下三角矩阵的逆矩阵:上三角矩阵和下三角矩阵的逆矩阵存在当且仅当其主对角线上的元素均不为零。

3. 上三角矩阵和下三角矩阵的转置:一个上三角矩阵的转置是一个下三角矩阵,一个下三角矩阵的转置是一个上三角矩阵。

三、对称矩阵对称矩阵是一种特殊的矩阵,其转置等于其本身。

也就是说,如果矩阵A是一个对称矩阵,那么A的转置矩阵等于A本身。

对称矩阵的性质如下:1. 对称矩阵的特征值:对称矩阵的特征值均为实数。

2. 对称矩阵的特征向量:对称矩阵的特征向量相互正交。

3. 对称矩阵的对角化:对称矩阵可以通过正交相似变换对角化,即可以找到一个正交矩阵P,使得P的逆矩阵乘以对称矩阵A再乘以P等于一个对角矩阵。

四、单位矩阵单位矩阵是一种特殊的矩阵,其主对角线上的元素均为1,其余元素均为零。

线性代数中的特殊矩阵分类

线性代数中的特殊矩阵分类

线性代数中的特殊矩阵分类线性代数是数学中一门重要的学科,其中矩阵是其中的一个核心概念。

矩阵作为一种数学工具在实际应用中有着非常广泛的应用。

由于矩阵具有一些重要的性质,因此矩阵可以根据这些性质进行分类,其中特殊矩阵是线性代数中常见的一个概念。

1. 对称矩阵对称矩阵是一种特殊的矩阵,它的转置矩阵与它本身相等,即A = A^T。

对称矩阵具有很多重要的性质,可以应用于广泛的领域。

例如,在椭圆偏微分方程中,对称矩阵的证明可以被用来证明谱定理;在统计学中,协方差矩阵是对称矩阵,用于描述变量之间的关系。

2. 上三角矩阵和下三角矩阵上三角矩阵和下三角矩阵也是特殊的矩阵类型。

上三角矩阵的所有下方元素都为0,下三角矩阵的所有上方元素都为0。

上下三角矩阵继承了其自身的性质。

上三角矩阵通常在求解线性方程组时用到,因为它可以轻松找出未知数。

上三角形式可以通过高斯消元算法来实现,这样,矩阵可以在O(n ^ 3)时间内求解。

3. 稀疏矩阵稀疏矩阵是一种非常特殊的矩阵。

如果矩阵中有大量元素值为0,则称该矩阵稀疏。

稀疏矩阵经常出现在一些实际应用和大型数据集中。

例如,社交媒体网站会生成巨量的关系矩阵,并且相互之间共享数据是非常常见的。

但是,在这个关系矩阵中,大多数元素的值都为0,因为人们只能与一小部分人进行交互。

稀疏矩阵可以通过一些优化算法来处理。

例如,压缩稀疏行(CSR)格式就是一种处理稀疏矩阵的算法,该算法将稀疏矩阵压缩为一个矩阵。

这个格式可以使得矩阵的计算变得非常高效,并且存储空间也可以大大减少。

总之,矩阵作为线性代数的核心概念,在实际应用中有着广泛的应用。

特殊矩阵是其中非常重要的一个概念,这些特殊矩阵都具有一些独特的性质,在实际应用中有着非常广泛的应用。

对于一个数学学习者来说,对于这些矩阵的掌握是十分必要的。

上三角矩阵的行列式

上三角矩阵的行列式

上三角矩阵的行列式
阐述
上三角矩阵的行列式是用来求解多元函数的基本数学概念,在几何学和线性代数中有重要
的应用。

所谓上三角矩阵,是指二维矩阵中元素下标有以下规律的矩阵:除了主对角线之外,其余元素均为零。

行列式可以定义为由某一矩阵元素组成的数字,用于衡量该矩阵从二维变换到一维(即将该矩阵从实际空间变换到算术空间)时会发生多少程度的变化。

而上三角矩阵的行列式,指的是将上三角矩阵进行变换,求出由它的元素构成的行列式的数值。

由于上三角矩阵的所有元素都在主对角线上,因此求解它的行列式就比较容易了。

首先,
先把矩阵中每行每列的对角线元素分类为一组,把这些系数乘起来,就是上三角矩阵的行
列式的数值。

上三角矩阵的行列式主要用于计算多元函数,可以准确的把多元函数的参数映射到数学空间中,因此,它可以帮助我们理解函数元素之间的关系,为算法设计提供重要思路和依据。

上三角矩阵的行列式的应用在数学解析、几何学和线性代数中也十分广泛,可以完成很多
复杂的计算任务,是一种非常重要的数学工具。

三角矩阵

三角矩阵

三角矩阵在线性代数中,三角矩阵是方形矩阵的一种,因其非零系数的排列呈三角形状而得名。

三角矩阵分上三角矩阵和下三角矩阵两种。

上三角矩阵的对角线左下方的系数全部为零,下三角矩阵的对角线右上方的系数全部为零.三角矩阵可以看做是一般方阵的一种简化情形。

比如,由于带三角矩阵的矩阵方程容易求解,在解多元线性方程组时,总是将其系数矩阵通过初等变换化为三角矩阵来求解;又如三角矩阵的行列式就是其对角线上元素的乘积,很容易计算。

有鉴于此,在数值分析等分支中三角矩阵十分重要。

一个可逆矩阵A可以通过LU分解变成一个下三角矩阵L与一个上三角矩阵U的乘积。

描述一个如下形状的矩阵:被称为下三角矩阵;同样的,一个如下形状的矩阵:被称为上三角矩阵.上(下)三角矩阵乘以系数后也是上(下)三角矩阵;上(下)三角矩阵间的加减法和乘法运算的结果仍是上(下)三角矩阵;上(下)三角矩阵的逆也仍然是上(下)三角矩阵。

这些事实说明:所有上(下)三角矩阵的集合以及相应的运算构成一个方形矩阵集合的一个子代数。

然而要注意的是上三角矩阵与下三角矩阵的乘积一般并不是三角矩阵。

特殊的三角矩阵严格三角矩阵一个上(下)三角矩阵是严格上(下)三角矩阵当且仅当其主对角线上的系数都为零。

所有的是严格上(下)三角矩阵也形成一个子代数.所有的严格三角矩阵都是幂零矩阵。

单位三角矩阵一个上(下)三角矩阵是单位上(下)三角矩阵当且仅当其主对角线上的系数都为1。

单位三角矩阵都是幺幂矩阵.高斯矩阵高斯矩阵是是单位三角矩阵中的一种,除了一列的系数以外,其他系数都是零.这类矩阵是高斯消去法中基本操作的矩阵体现,因此也叫做基元矩阵或高斯变换矩阵.一个下三角的高斯矩阵为:高斯矩阵的逆仍然是高斯矩阵。

实际上,即是说一个高斯矩阵的逆是将其非对角线上元素加上负号后得到的矩阵。

性质一个同时是上三角矩阵和下三角矩阵的矩阵必然是对角矩阵.单位矩阵是唯一同时为单位上三角矩阵和单位下三角矩阵的矩阵。

分别计算乘积A*A与AA*的系数并进行比较后就可以发现:一个同时为三角矩阵和正规矩阵的矩阵也必然是对角矩阵(因为正规矩阵满足A*A='AA*)。

正线上三角矩阵定义

正线上三角矩阵定义

1.引言在线性代数中,矩阵是一种重要的代数结构,广泛应用于许多领域中。

其中,正线上三角矩阵是一类特殊的矩阵,具有一些重要的性质和应用。

本文将深入探讨正线上三角矩阵的定义、性质和应用,以帮助读者更好地理解和应用这一概念。

2.正线上三角矩阵的定义正线上三角矩阵是指所有主对角线以下元素都为0的上三角矩阵。

具体而言,对于一个n阶矩阵A,如果满足以下条件,即可称之为正线上三角矩阵:(1)所有主对角线以下的元素都为0,即A[i][j]=0,其中i>j;(2)所有主对角线上的元素均不为0,即A[i][i]!=0。

这样的矩阵通常被表示为:A = | a11 a12 a13 … a1n | | 0 a22 a23 … a2n | | 0 0 a33 … a3n || … … … … … | | 0 0 0 … ann |其中aij表示矩阵A的第i行第j列的元素。

3.正线上三角矩阵的性质正线上三角矩阵具有以下性质:(1)主对角线上的元素都不为0,即A[i][i]!=0。

这个性质保证了矩阵的非奇异性,也就是说正线上三角矩阵是可逆的;(2)所有主对角线以下的元素都为0,即A[i][j]=0,其中i>j。

这个性质使得矩阵的计算和运算更加高效;(3)正线上三角矩阵的逆矩阵也是正线上三角矩阵。

这个性质使得对正线上三角矩阵求逆更加简单;(4)正线上三角矩阵的行列式等于主对角线上所有元素的乘积。

这个性质对于计算矩阵的行列式非常有用。

4.正线上三角矩阵的应用正线上三角矩阵在实际应用中具有广泛的用途,下面简要介绍几个常见的应用:(1)线性方程组求解:由于正线上三角矩阵的特殊性质,可以通过回代的方式高效地求解线性方程组;(2)矩阵的乘法:正线上三角矩阵与向量或者矩阵相乘的计算可以通过简化运算顺序,提高计算效率;(3)矩阵的逆运算:正线上三角矩阵的逆矩阵可以通过简单的变换得到,从而简化了矩阵逆运算的复杂度;(4)矩阵的特征值和特征向量计算:正线上三角矩阵的特征值就是主对角线上的元素,而特征向量可以通过简单的变换求得。

上三角矩阵的幂运算公式(一)

上三角矩阵的幂运算公式(一)

上三角矩阵的幂运算公式(一)上三角矩阵的幂运算公式在线性代数中,矩阵是一种重要的数学工具,它可以用于表示线性关系以及进行各种运算。

上三角矩阵是其中一种特殊的矩阵形式,它的下三角元素均为0。

在本文中,我们将探讨上三角矩阵的幂运算公式,并且给出相应的例子来说明。

上三角矩阵的形式上三角矩阵是指除了主对角线及其以下的元素均为0的矩阵。

形式上,一个n 维的上三角矩阵可以表示为:A =[a 11a 12⋯a 1n 0a 22⋯a 2n ⋮⋮⋱⋮00⋯a nn]其中,a ij 表示矩阵A 的第i 行第j 列的元素。

幂运算公式上三角矩阵的幂运算可以通过递推的方式进行计算,具体的公式如下:A k =[a 11kb 1⋯c 10a 22k ⋯c 2⋮⋮⋱⋮00⋯a nn k ]其中,b i与c i表示与矩阵A的第i行有关的中间计算结果,可以通过递推方式得到。

例子说明为了更好地理解上述公式,我们来看一个具体的例子。

假设我们有一个2维的上三角矩阵A:A=[2304]现在我们想计算A3的结果。

按照上述公式,我们可以进行如下的递推计算:A2=[22b1042]=[4b1016]其中,b1表示与矩阵A的第1行有关的中间计算结果。

继续进行递推计算:A3=[4b1016]×A=[4b1016]×[2304]=[812+b1064]因此,A3的结果为:A3=[812+b1064]通过以上例子,我们可以看到上三角矩阵的幂运算结果仍然是上三角矩阵,并且递推计算的方式可以帮助我们快速求解。

上三角矩阵代数上的广义Jordan导子

上三角矩阵代数上的广义Jordan导子
摘 要 : T ( 是 一个 含单 位元 的可交 换 环 尺 上 的上 三 角矩 阵 代 数 , 设 n 尺) 引进 了广 义 J ra odn
导子 的概念 , 并证 明了上三 角矩 阵代数 上任 意一个 广 义 J r a od n导子 △可分 解成 一个广 义
导 子 和 反 导 子 之 和 , △ 即 一 + 。 关 键词 : 义 Jra 广 od n导 子 ; 义 导 子 ;反 导 子 广 中 图 分 类 号 :O1 7 1 7 . MR( 0 0 主 题 分 类 号 : 7 2 ; 6 0 20) 4 L 0 4 H1 文献标 识 码 : A
1 9
△( n 6 = △( + a + b ( + ))= n : b a+ b ) A( + A( b h ) A( 一 a ) a + a + b)
( )△( b b 一 △( b a ( ) △( ) + b ( ) 1 a + a) 口) + t b + 6a r a ( )△( b ) △( b + a ( ) + a r a 2 aa 一 口) a tba b()
证 明 () 因 为 △是 广 义 导 子 , 以有 1 所
△( 口 6 0 一 A( + 6 ( + 6 + ( + 6 r a 6 ( + )) a )口 ) 口 )(+ ) 一 △( ) + a ( ) △( ) 口 b r6 + 6 a+ b ( ) △( ) + a ( ) △( ) + b ( ) r口 + 口 a ra + 6b r 6 一 A( ) a ( ) △( ) + b ( ) △( + A( a + tb+ 6a r口 + a) a )
Vo1 1 .2 NO. 2
J n 2 0 08 u .
文 章 编 号 :0 6—1 3 (0 8 0 10 0 7 2 0 ) 2一o 1 o8~0 4

上三角形矩阵代数上的自同构

上三角形矩阵代数上的自同构

子代 数上 在 一 点 可导 的映 射 是导 子 . 文 献 『1 【 , 卅 3 中作
者 证 明 了2 2 三角 形 矩 阵代 数上 的线性 映射 在E x上 或 处 可导 等 价其 是 导 子 . 者在 文 献『1 作 5 中证 明 了
( ) 在, 3 处可 乘 甘
1+ 1 l 一+ 1 2 一, 2+ ! 2 —+ 2 , 一
f ( 1 : 11+a2 1+a 2; £ 1 1 1 l 2 ) E 2 2 2 E E { ( 2 =611+b2 l+b2 1) l 1 l 2 2 E 2 E E2; 【 £ 2 = l1+C2 l+C2 2 ( 2) l 1 1 2E 2 E 2 E
则 下 列 结 论 成 立
( ) 在E 1 可 乘 甘 1 1 处
q = 1, 2 a a = l2 qa , l 6 = , 1 a = 2,q qq + 2 2 = 2 0 1 2 2 2 2
q1 =022 = 2 1 2 , q +q22 =0 q1 2 2 2 = b =o q1 2 C a C2 ,
引 理 11 设 : . M M 是 线 性 映 射 , 记
如 果 VS, T∈AHS = 都 有 ( T Z, =
(1 7 )
(, 则称பைடு நூலகம்在
Z 可 乘. 如果 存 在可 逆元A∈A. 得对 V T 使 ∈A都有 ~ 则 称 是A上 的 自同构 . 子 代 数 上 线 , 算 性 映射 的研究 是算 子理 论和 算子 代数 研究 非常 活跃 的领 域 . 近几 年来 的研究 结果 . 其是 线性 保持 问题 尤 的研 究表 明 . 某些 条件 下 , 在 算子代 数 上 映射 的线性 蕴涵 其可 乘 性. 文 献『1 ] 1中作 者 证 明 了B( 到 自身 H) 保 单位 的线 性 映 射 是 自同构 当且 仅 当 是 保 零 积 的. 因为 ( ) 0 所 以 保 零 积 当且仅 当 在O 可乘 . 0= , 点
  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)。

上三角矩阵代数摘 要本文主要研究上三角代数的性质及其与路代数的关系,建立了上三角代数与有向图的路代数的同构映射.定义了可上三角化代数()n P K 和上三角化矩阵P ,()n P K 是所有形如1P TP -的矩阵的集合所形成的代数(它的结合法是矩阵的加法和乘法),其中T ∈()n T K ,P ∈()n M K ,且P 可逆,称P 为()n P K 的上三角化矩阵.初步探讨了()n M K 的子代数是否是可上三角化代数,若是可上三角化代数,其上三角化矩阵是否唯一.具体讨论了n=2的情况,最终由()n M K 的可上三角化子代数的个数有限得出()n M K 至少有一个可上三角化代数的上三角化矩阵不唯一地结论.关键词:上三角矩阵代数,有向图,路代数,可上三角化代数,上三角化矩阵HIGHER TRIANGULAR MATRIX ALGEBRASABSTRACTIn this paper, we study upper triangular matrix algebras, and its connection with path algebras. The isomorphism between upper triangular matrix algebra and the corresponding path algebra is given. As a generalization, upper triangulable matrix algebras ()n P K and upper triangulable matrix P are defined and studied. ()n P K consisting of all matrices like 1P TP -(its combination is the addition and multiplication of matrices), Among them T ∈()n T K ,P ∈()n M K and P is reversible. we call P is the upper triangulable matrix of ()n P K . We also discuss whether the subalgebra of ()n M K is a upper triangular matrix algebra and the upper triangulable matrix of a upper triangular matrix algebra is unique. We also give a concrete example of n=2 to illustrate our theory. Finally we draw a conclusion that there is at least one upper triangular matrix algebra of ()n M K which its upper triangulable matrix is not unique .KEY WORDS : upper triangle matrix algebras ,quivers ,path algebras ,upper triangular matrix algebras ,upper triangulable matrix目录前言....................................................................... 错误!未定义书签。

第一章预备知识 ................................................ 错误!未定义书签。

§1.1 群.. (5)§1.2 环 (6)§1.3 体................................................................ 错误!未定义书签。

§1.4 模.. (8)§1.5 代数 (9)§1.6 同构映射 (10)§1.7 有向图与路代数 (11)第二章上三角矩阵代数 .................................... 错误!未定义书签。

§2.1 上三角矩阵 . (13)§2.2 上三角矩阵代数 (13)§2.3 上三角矩阵代数与路代数的同构 (15)第三章可上三角化代数 (18)§3.1 可上三角化矩阵 (18)§3.2 可上三角化代数结论 (22)参考文献 (23)致谢 (24)前言代数是研究数、数量、关系与结构的数学分支。

代数的研究对象不仅是数字,而是各种抽象化的结构。

常见的代数结构类型有群、环、域、模、线性空间等。

代数学一直是数学的主要支柱之一,是数学方法和思想的重要源泉.代数方法和结果具有广泛适用性。

表示理论是代数学中具有根本性的问题,是当前国际上数学研究的前沿重点课题,在数学的其它分支,量子物理与粒子物理学以及化学等其它学科中有深刻而广泛的应用。

代数表示理论是兴起于上世纪70年代的一个重要的代数分支。

它的基本内容是研究一个Artin代数上的模范畴。

在近二十五年的时间里,这一理论有了很大的发展并逐步趋于完善。

代数表示理论主要研究非半单有限维(亦包括若干无限维)代数的结构、不可分解表示和模范畴的整体构造.它所关心的根本问题是一个系统(代数系统)在对外部空间(向量空间)作用下的表示行为。

研究中遇到的最大问题是:一个相对简单的代数系统却有着相当复杂,深刻但很优美的表示范畴。

目前,有限维代数表示论被分成三大块:有限表示型,Tame表示型和野(wild)表示型.30年来,由于Quiver表示,几乎可分裂序列和倾斜函子等独特技巧和方法的创立,也由于它和群表示论,Lie代数,代数群,代数几何等的紧密联系,特别是近年与量子群等新兴学科的本质联系,代数表示论一直处于蓬勃发展中。

用箭图刻画代数及其表示有多种方法。

一种方法是Gabriel箭图。

这是最常用的一种。

我们要具体画出各种类型的有限表示型代数的Gabriel箭图。

它可以直观清晰地刻画代数的模范畴结构。

对于有限表示型代数,由于Gabriel等人完善了覆盖理论(源于代数拓扑),最主要的问题已经解决.根据有限表示型代数的乘法基定理,可推出任意给定维数的有限表示型的代数仅有有限多个同类。

本项目运用已给结论,刻画各类有限表示型代数。

具体绘制其Auslander-Reiten箭图。

第一章给出文章所要用到的基本概念,包括群,环,体,模,代数,有向图,路代数以及同构等概念。

第二章给出了上三角代数的定义,并作出了上三角代数与路代数的同构映射。

第三章给出可上三角化代数以及上三角化矩阵的概念,并讨论了上三角化代数的一些性质第一章预备知识§1.1 群定义1.1.1设G是一个非零集合,并且满足下列四个性质(1)封闭性:若“”是G上的一个代数运算,G中任意两个元素a,b的结合a b c=仍然是G中的元素。

例如最常出现的就是乘法,这时c又叫做a,b的积,我们可以简单地用ab=c表示。

值得注意的是积ab是由a,b唯一确定的,但一般与a,b 的先后顺序有关,即ab并不一定等于ba。

(2)结合律:即对G中任意的三个元素a,b,c有如下关系=a b c a b c()()(3)存在单位元:对于G中的任意元素a,在G中可以找到一个元素e,使e·a=a,则该e叫做G的单位元。

群G的单位元是唯一的(4)存在逆元:对于G中的每个元素a,存在元素b,使a b e=,则b叫做a 的逆元。

每个元素的逆元都是唯一的,G中元素a的逆元通常写为1a-。

则称G关于运算“”构成一个群,记作(G,·),在不致引起混乱的情况下,也称G为群注:1,从以上可以看出,群是一个二元组(G,·),其中G是一个集合,“”是二元运算,通常为乘法。

2,一个非空集,如果它满足上面条件1,2,我们叫它为半群。

一个群如果满足交换律,即对任意的a,b∈G有a b b a=该群叫做交换群或者阿贝尔群。

3,群G中元素的个数称为群G的阶,记为|G|,,如果G是有限数,则称G为有限群,若G为无限数,则称G为无限群。

我们知道半群和群都是一个二元运算的代数系统,因此它们概括了很多的二元系统。

为了对群这个概念有更深层次的理解,下面给出一些常用群的例子。

例如,整数集Z对加法成群,叫做整数加群,记为(Z,+),单位元为零。

逆元是它的相反数。

同理还有(Q,+),(R,+),(C,+),分别叫做有理数加群,实数加群和复述加群。

所有正有理数对乘法成群,记为(Q+,),单位元是1,逆元是它的倒数。

有理数集对加法成群,单位元是零,但对乘法只是成半群,因为零没有逆元。

以上都是一些常用的简单的群,我们也可以自己定义一些群。

譬如,所有形如(a,b)的元素集合M,其中a,b都是实数,并且a不等于零,定义以下运算=+(,)(,)(,a b c d a c b d--那么M关于以上运算成群,(1,0)是单位元,(a,b的逆元是1(,)a b(R)表示实数域上所有n阶矩阵的集合,则设n是大于1的正整数,Mn(R),·)是半群,这里·表示矩阵乘法,但不是群,因为不是每个n阶矩(Mn阵都有逆矩阵。

但由实数组成的所有n阶满秩矩阵对乘法成为群,叫做实数域R 上的n阶线性群,简称线性群,其单位元是单位矩阵(主对角线上元素都为1其余元素全为0的矩阵),逆元是其逆矩阵。

在研究一个群时,如果群中的部分元素就可以代表整个群中元素的性质,那么就会减少研究对象的数量,给我们的工作带来很大的方便,大大地提高了工作效率。

因此子群是一个很重要的概念,群的全部内容大多都与子群有关。

定义1.1.2设G是群,H是G的非空子集,假如对于G中的运算仍然构成群,则称H为G的子群,记作H≤G,若H是G的子群,并且H⊂G,则称H是G 的真子群(即异于自身的子群),记作H<G.。

例如nZ(n是自然数)是整数加群的(Z,+)的子群,当n≠1时,nZ是Z 的真子集。

任何群都存在子群,群可以看成是自身的子群,任一个群有只由单位元组成的单位元群也是它的子群,群本身和它的单位元群称为G的平凡子群,其余的子群称为非平凡子群。

一个群中任意两个子群的交集仍然是一个子群,但任意两个子群的并集不一定是子群,§1.2 环环是具有两个二元运算的代数系统,定义如下;定义1.2.1:一个非空集合R,假如它有两种二元运算,一种叫做加法(用符号+表示),一种叫做乘法(用符号g表示),如果满足以下条件,则称(R,+,·)是一个环。

相关文档
最新文档