第1章线性空间与线性映射1.pptVIP

1.2.4 过渡矩阵的性质 由此可见，我们所熟悉的矩阵乘法的定义正反映了这种线性代入过程． 过渡矩阵反映了线性空间的不同的基之间的关系，这是一个很重要的概念，下面进一步讨论过渡矩阵的一些性质 . 前面我们讨论了线性空间的定义及其基、维数、坐标．本节将对线性空间的子空间做一些介绍． 1.3.1 线性子空间的概念 定义1.3.1　设W是线性空间V的一个非空子集合，如果W对于V中所定义的加法和数乘两种运算也构成一个线性空间，则称W是V的线性子空间 . 根据上述定义，要验证线性空间V的非空子集合W是V的子空间，需验证W对于V中运算封闭且满足运算规律（3）、(4)即可．因为运算规律（1）、（2）、（5）、（6）、（7）、（8）显然是成立的，而由线性空间的性质可知，只要W对于V中运算封闭，运算规律（3）、(4)也就自然满足，故有下面定理 . 1.3　线性子空间 定理1.3.1　线性空间V的非空子集W构成V的子空间的充分必要条件是： W对于V中的线性运算封闭． 根据上述定理，设V是线性空间，0为V的零元素，那么W={0}就是V的一个子空间． 当然V也是V的子空间． P10 例1.3.4 1.3.2 子空间的交与和 前面给出了子空间的定义，并讨论了子空间的交与和，为了对子空间有进一步的了解，我们将深入讨论子空间的基和维数 . 1.3.3 子空间的基和维数 第1章 线性空间与线性映射 本章将介绍两个内容，线性空间与线性映射，它们是矩阵分析中两个基本概念，同时也是重要的概念．线性空间是线性代数中向量空间概念的推广，而线性映射是研究线性空间之间关系的主要工具. 线性映射又与矩阵相对应，因此研究线性映射的问题又可转化为研究矩阵的相关关系. 1.1 线性空间 在线性代数中，我们把n元有序数组称为n维向量， 并对n维向量引入了加法及数乘两种运算，且在这两种运算下满足八条基本的运算规律，称为n维向量空间．事实上，我们不难发现，还有许多集合，比如n阶方阵的全体，关于矩阵的加法及数乘两种运算，仍满足类似的八条运算规律．这里虽然研究的对象不同，定义的运算不同，但它们有一个共同点，就是在非空集合与数域P上定义了两种运算，且这两种运算满足八条性质．将此抽象可给出线性空间的概念． 1.1.1 线性空间的概念 下面看一些例子． 注意　在同一集合上，可以定义不同的线性运算，从而得到不同的线性空间． 练习 P2 例1.1.10 对于线性空间中零元素与负元素有如下性质． 1.1.2 线性空间的性质 设V为数域P上的线性空间， ，进一步可证明如下性质． 1.1.3 线性空间中向量的线性相关性 一般地说，一向量组线性相关时，则其中至少有一个向量可由这组向量中其他向量线性表示，反之，如果这组向量具有这一性质，则这组向量必线性相关．不难推知，线性无关的向量组，其中任一向量都不能由这组向量中其他向量线性表示. P4 例题1.1.11 例题1.1.12 n维向量空间Rn及其子空间的基与维数的概念，可以推广到一般的线性空间中． 1.2.1 基与维数的概念 若线性空间V中能求得任意个数的线性无关的向量，则称V为无限维的线性空间．本书主要讨论有限维线性空间． 1.2 线性空间的基与维数 例1.2.3 零空间的维数是零． P5 例1.2.1 例1.2.3 （1）向量在给定基下的坐标 1.2.2 坐标的概念 从上例可看出，一个向量的坐标依赖于基的选取，一个向量在不同基下的坐标一般是不相同的． （2）向量线性运算的坐标表示 前面讲到， 一个向量的坐标依赖于基的选取，对于线性空间的两个基来说，同一个向量的坐标一般是不相同的． 那么它们之间有怎样的关系呢? 下面讨论这个问题 （1）基变换、过渡矩阵的概念 以下我们来讨论，一个向量关于不同的基的坐标的关系． 1.2.3 基变换与坐标变换 （2）坐标变换公式