矩阵论第2章内积空间剖析.pptVIP

设S1 ,S2 是线性空间V 的两个子空间，如果交空间={0}，则称和空间为直和，记做 三、子空间的直和 定理: 设S1 ,S2是线性空间V的两个子空间，则下列命题等价 自学P11定理1.3.5 命题 设S是n维线性空间V 的一个子空间，则存在子空间T , 使得 并称T是S的补空间。 证明： 设x1 ,x2 , …,x k是S的一组基，则它可扩充为 V的一组基x1 ,x2 , …,x k，x k+1， …,x n, 令 则 从而 练习P23：5, 6 第四节 线性映射 主要内容： 一、线性映射 二、线性映射的矩阵表示 三、线性映射的运算（自学） 四、不变子空间（自学） 一、线性映射（变换）的定义及性质 则称T是从V到W的一个线性映射或线性算子。 设V,W是数域F上的两个线性空间，T是从V到W的一个变换（或映射），如果对于 当 V=W时, T也称为V上的一个线性变换。 例1 恒等变换 例2 0-变换 线性变换举例： 例3 求导运算是多项式空间C n [x]上的线性变换。 例4 定义在闭区间[a,b]上的所有连续函数的集合C[a,b]是一个线性空间，则C[a,b]的积分运算是线性变换。 线性映射（变换） 有以下性质： （3）T将V中的线性相关向量组映射为W中的线性相关向量组，但把线性无关向量组不一定映射为W中的线性无关向量组； 并且 线性变换的值域与核 设T是n维线性空间V的一个线性变换，定义T的值域R(T)与核 N (T)分别为 设A是n阶矩阵，A的值域R(A)与核N (A)分别为 --T的全体像组成的集合 --零向量原像组成的集合 实例 求导运算T在多项式空间pn [x]上的值空间R(T)与核空间N (T)分别为 R(T)=L{1 , x , x2 , … , x n-1 } N(T)={ 1 } （1） T的值域R(T)与核N (T)都是V的子空间； （3）dim(R(T))+dim(N(T))=n. 则 定理：设T是n维线性空间V的一个线性变换， 是n维线性空间V的基， 分别称为象子空间，核子空间； 象子空间的维数dim R(T) 称为T的秩，核子空间的维数称为T的零度（或亏） 设T是n维线性空间V的一个线性变换， 是n维线性空间V的基， 二、线性变换的矩阵表示 （2）给定n维线性空间V的基后， V上的线性变换与n阶矩阵之间存在一一对应关系。 基向量的象可以被基线性表出，即 （4）设n维线性空间V的一个线性变换T在基 下的矩阵为 （3）设T1，T2是n维线性空间V的两个线性变换， T1，T2在该基 则V的线性变换f(T)在该基下的矩阵为： 其中f(A)称为矩阵A的多项式。 例1、试确定在多项式空间Pn [x]上的求导运算T分别在下列两组基下的表示矩阵 说明：同一线性变换在不同基下的表示矩阵一般是不同的，它们之间的关系是相似矩阵.---P18定理1.4.7。 例2、在R3中线性变换T将基 变为基 其中 （1）求T在基 下的表示矩阵； （2）求向量 及 在基 下的坐标 解（1）依题意 则 （2）设 则 练习P23：7, 8 第二章 内积空间 主要内容 一、欧氏空间与酉空间 二、内积空间的度量 三、正交变换 四、正交子空间与正交投影 五、最小二乘问题 第一节 欧氏空间与酉空间 在线性空间中，向量之间仅有加法与数乘两种代数运算， 而无向量长度、向量夹角等度量概念。向量内积正是适应 这种要求而引入的。内积空间是3维向量空间的自然推广， 故称实内积空间为欧氏空间，称复内积空间为酉空间。 定义了内积的实线性空间叫做欧氏空间。 一、欧氏空间 例1 在向量空间Rn，设 称之为Rn中的标准内积。 例2 在向量空间Rn，设 定义 定义 说明（1）同一线性空间可定义不同的内积，从而形成不同的欧氏空间。 （2）不论如何定义内积，不会改变线性空间的维数。 例4在实线性空间中，对于任意两个n阶矩阵A，B，定义 例3 在实线性空间C[a,b]中，对于任意两个连续函数， 定义 内积的性质 设 为n维欧氏空间V的基，令 矩阵A也常常称为度量矩阵（或Gram矩阵），因为许多与向量度量有关的量可以用A来描述。 二、度量矩阵及性质 则 （1）矩阵A为实对称正定矩阵； 矩阵，则 即同一欧氏空间不同基的度量矩阵是相合矩阵。 即抽象的向量的内积可通过他们在基下的坐标及度量矩阵的双线性函数来计算。 （证明详见P26-27） 例5 设欧氏空间 中的内积为 （1）求基1，x,x2的度量矩阵； （2）求 与 的内积。