01_矩阵论_第一章线性空间与线性变换介绍.ppt

谢谢 容易验证，Vn(F) 上的线性变换 T 具有如下简单性质： (1) T(0) = 0；T(??) = ?T(?)； (2) (3) 若 {?1, ?2, …, ?s} 是线性相关的向量组，则 {T(?1), T(?2), …, T(?s)} 也是线性相关的向量组。即线性变换将相关组仍变成相关组。 但对无关组则无此结论。例如零变换。 定理 1.12 设 T 是线性空间 Vn(F) 上的线性变换，则有： (1) R(T) = {? | ???Vn(F)，使 ? = T(?)} 是 Vn(F) 的子空间，称为 T 的像空间或值域； (2) N(T) = {? | T(?) = 0} 是 Vn(F) 的子空间，称为 T 的零空间或核(也记为 Ker(T))。 证明：(1) ?k1, k2?F，?1, ?2?R(T)，有 k1?1 + k2?2 = k1T(?1) + k2T(?2) = T(k1?1 + k2?2) 所以，k1?1 + k2?2?R(T)；又 R(T)??V 且非空，所以 R(T) 是线性空间 Vn(F) 的子空间。 同理可证，N(T) 也是 Vn(F) 的非空子集，对线性运算也封闭，从而为子空间。 我们称子空间 R(T) 的维数 dimR(T) 为线性变换 T 的秩，dimN(T) 为 T 的零度。 (3) 生成子空间 V2 = L(?1, ?2) = L(?1, ?2)， (4) 求 ?3 在 L(?1, ?2) 上的投影向量 ?3， ?3 = ?3 ? ?3 标准正交基是内积空间中十分方便的基。 ??, ??Vn(F)，? = (?1, ?2, …, ?n)X， ? = (?1, ?2, …, ?n)Y，则由前面的讨论可知： Vn(F) 为欧氏空间 Vn(R) 时，(?, ? ) = XTY； Vn(F) 为酉空间 Vn(C) 时，(?, ? ) = XHY。 而且坐标 X = (x1, x2, …, xn)T 时， xi = (?, ?i)，i = 1, 2, …, n 例 22 [Rn; (?, ?) = ?T?] 中，基 e1 = (1, 0, 0, …, 0)T， e2 = (0, 1, 0, …, 0)T，…， en = (0, 0, 0, …, 1)T 是标准正交基。 {e1, e2, …, en} 也是 [Cn; (?, ?) = ?H?] 的标准正交基。 {{Eij}, i, j = 1, 2, …, n} 是内积空间 [Rn?n; (A, B) = tr(BTA)] 和 [Cn?n; (A, B) = tr(BHA)] 的标准正交基。 2. 正交补子空间 例 23 设 U 为内积空间 [Vn(F); (?, ?)] 的一个子空间，定义 Vn(F) 的一个子集 UT = {? | ??Vn(F), ???U，(?, ?) = 0} (1.21) 则 (1) UT 是Vn(F) 的子空间； (2) Vn(F) = U?UT。 证明 (1) 显然，0?UT，故 UT ? ?。 又 ??1, ?2?UT，对 k1?1 + k2?2 和 ???U， (k1?1 + k2?2, ?) = k1(?1, ?) + k2(?2, ?) = 0 因此，k1?1 + k2?2?UT，即 UT 是 Vn(F) 的一个子空间。 (2) 设 {?1, ?2, …, ?r} 是 U 的标准正交基，把它扩充成 Vn(F) 的标准正交基 {?1, ?2, …, ?r, ?r+1, …, ?n}，则 Vn = L{?1, ?2, …, ?r, ?r+1, …, ?n} U = L{?1, ?2, …, ?r} UT = L{?r+1, …, ?n} 所以 Vn = U + UT。 又 ???U?UT，有 ??U，并且 ??UT，从而 (?, ?) = 0，即 ? = 0。于是 Vn(F) = U?UT。 一般地，我们称由 (1.21) 式所定义的子空间 UT 为 U 的正交补子空间。 线性空间的应用举例 文本信息检索的向量空间模型 文本信息检索，包括信息的存储、组织、表现、查询、存取等各个方面，其核心为文本信息的索引和检索。传统的文本信息检索是围绕相关度这个概念展开的