Matrix11线性空间与线性变换.pptVIP

矩阵论  Matrix Theory 华中科技大学数学与统计学院 目录： 第1章 线性空间与线性变换 第2章 Jordan标准形介绍 第3章 矩阵的分解 第4章 矩阵的广义逆 第5章 矩阵分析 第1章：线性空间与线性变换 内容概述： 线性空间的一般概念 重点：空间的代数与几何结构, 与向量空间R n 的关系 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。 研究几何结构——空间的维数和基 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。 1.1 线性空间 一、线性空间的概念 n 维向量空间Rn Rn到线性空间的推广思想： 抽象出线性运算的本质, 在任意研究对象的集合上定义具有线性运算的代数结构。 线性空间的定义(定义6.1 -1 (P .207)) 要点： 集合V 与数域F 向量的加法和数乘向量运算 运算性质的公理定义 常见的线性空间 F n={X=(x1, x2, …, xn)T：x ?F} 运算：向量加法和数乘向量 F m?n = {A=[aij]m?n：a ij?F}； 运算：矩阵的加法和数乘矩阵 R m?n ；C m?n Pn [x]={ ：ai?R} 线性空间的抽象： 线性空间的一般形式： V(F), 元素被统称为向量：?, ?, ?, ? 线性空间的简单性质(共性)： 定理1 .1：V(F)具有性质： (1) V(F)中的零元素是惟一的。 (2) V(F)中任何元素的负元素是惟一的。 (3)数零和零元素的性质： 0?=0, k0=0, k? =0 ? ?=0 或 k=0 (4) ? ?= (?1)? 二、线性空间的基和维数 向量的线性相关与线性无关： 定义形式和向量空间Rn中的定义一样。 有关性质与定理和Rn中的结果一样。 例题1 证明C[0, 1]空间中的向量组 {ex, e2x, e3x …, enx}, x?[0, 1] 线性无关。 二、线性空间的基和维数 基与维数的概念：P 210, 定义6.1-3, 6.1-4 常见线性空间的基与维数： Fn, 自然基{e1, e2, …, en}, dim Fn =n Rm?n , 自然基{Eij}, dim Rm?n =m?n。 Pn [x] , 自然基{1, x, x2, x3…, x n-1}, dimPn [x] =n C[a, b], {1, x, x2, x3…x n-1 …}?C[a, b], dim C[a, b]= ? 约定： Vn(F)表示数域F上的 n 维线性空间。 只研究有限维线性空间。 三、坐标 1. 定义1.3 (P .212)设{?1, ?2, …, ? n } 是空间 的一组基, ?? ? , ? ?= , 则x1 , x2, …, xn 是?在基{?i}下的坐标。 例2 设空间P4[x]的两组基为： {1, x, x2, x3}和 {1, (x-1)1, (x-1)2, (x-1)3} 求f(x)=2+3x+4x2+x 3在这两组基下的坐标。 2. 线性空间V n(F)与Fn的同构 坐标关系 Vn(F) Fn 基{?1, ?2, 。。。? n} 由此建立一个一一对应关系? ? ? ? Vn(F), ?X ?Fn, ?(?)=X ?(?1+?2)=?(?1)+?(?2) ?(k?)=k?(?) 在关系?下, 线性空间Vn(F)和Fn同构。 3. 同构的性质 定理1.3:Vn(F)中向量{?1, ?2, …?n}线性相关?它们的坐标{X1 , X2, … , Xn}在Fn中线性相关。 同构保持线性关系不变。 应用： 借助于空间Fn中已经有的结论和方法研究一般线性空间的线性关系。 例题2 设R2?2中向量组{Ai} 四、基变换和坐标变换 讨论： 不同的基之间的关系 同一个向量在不同基下坐标之间的关系 1. 基变换公式 设空间中有两组基： 2. 坐标变换公式 已知 空间中两组基： 满足: : ; 讨论X和Y的关系 例题4、 已知空