线性代数基础2.pptVIP

矩阵论 主讲 孟纯军 向量、矩阵及其运算法则是描述、分析、处理线性系统的有力工具 .其“有力”具体表现在这种工具的普适性和简便性上。 学习基础知识 ，在专业课程中进一步认知 ， 在科学研究中应用。 线性空间 数域：一种数集，对四则运算封闭（除数不为零）。比如有理数域(Q)、实数域（R）和复数域（C）。实数域和复数域是工程上较常用的两个数域。 线性空间是线性代数最基本的概念之一，也是学习矩阵理论的重要基础。线性空间的概念是对各种具体线性系统的一种统一的抽象。 线性空间的定义 注意几点 线性空间不能离开某一数域来定义。实际上，对于不同数域，同一个集合构成的线性空间会不同，甚至一种能成为线性空间而另一种不能成为线性空间。 两种运算、八条性质 数域中的运算是具体的四则运算，而线性空间中定义的加法运算和数乘运算则可以十分抽象。 当数域为实数域时，就称为实线性空间；为复数域，就称为复线性空间。 线性空间中零元素是唯一的， 任一元素的负元素也是唯一的。 0*x=0(第一个0是数0，第二个0是线性空间中的零元素) (-1)*x=-x 线性空间的维数、基、坐标 线性相关性 线性空间中相关性概念与线性代数中向量组线性相关性概念类似。 线性空间的维数 定义：线性空间V中最大线性无关元素组所含元素个数称为的维数，记为dim(V)。 本课程只考虑有限维情况，对于无限维情况不涉及 。 线性空间的基与坐标 基正是V中最大线性无关元素组；V的维数正是基中所含元素的个数。 基是不唯一的，但不同的基所含元素个数相等。 基变换与坐标变换 我们研究当基变换时，同一个向量在不同基下的坐标会有什么关系。 线性子空间 一、线性子空间的定义及其性质 定义：设V1是数域K上的线性空间V的一个非空子集合，且对V已有的线性运算满足以下条件 如果x、y属于V1 ，则x＋y属于V1 ；（加法封闭） 如果x属于V1 ，k属于K，则kx属于V1 ，（数乘封闭） 则称V1是V的一个线性子空间或子空间。 子空间的交与和 定义：设V1、V2是线性空间V的两个子空间，称 线性变换及其矩阵 线性变换的性质 线性变换把零元素仍变为零元素T(0)=0 负元素的象为原来元素的象的负元素, 即 T(-x)=-T(x) 线性变换把线性相关的元素组仍变为线性相关的元素组 应该注意，线性无关的元素组经过线性变换不一定再是线性无关的， 若线性变换将所有的线性无关的元素组仍变换为线性无关的元素组，则称之为可逆的线性变换，其变换矩阵为可逆矩阵。 线性变换的运算 线性变换的矩阵表示 线性变换用矩阵表示，将抽象的线性变换转化为具体的矩阵形式。 特征值与特征向量 矩阵的迹与行列式 线性变换及矩阵的值域和核 定义：设T是线性空间Vn的线性变换， 设A为 阶矩阵，称 内积空间 在平面或立体空间里，向量还有夹角、垂直、长度等概念。 我们在线性空间中引入内积的概念，这样，就能讨论向量之间的夹角，向量相互垂直、向量长度等概念。 正交补与投影定理 我们知道，平面外的一点到平面的距离，垂线最短。 子空间外的一点，到子空间的距离，也有类似的性质 矩阵的迹为矩阵所有对角元素之和 R(T)和N(T)均为V的子空间 dim(R(T))、dim(N(T))称为线性变换T的秩和零度； dim(R(A))、dim(N(A))称为矩阵A的秩和零度； dim(R(T)) + dim(N(T)) = dim(V) ? V=R(T)+N(T) ? 分类：子空间可分为平凡子空间和非平凡子空间 平凡子空间：{0}和V本身 非平凡子空间：除以上两类子空间 性质：（1）线性子空间V1与线性空间V享有共同的零元素； （2）V1中元素的负元素仍在V1中。 基扩定理： 设V1是数域K上的线性空间Vn的一个m维子空间，x1、x2、···、xm是V1的一个基，则这m个基向量必可扩充为Vn的一个基； 换言之，在Vn中必可找到n-m个元素xm+1、xm+2、···、xn，使得x1、x2、···、xn成为Vn的一个基。这n-m个元素必不在V1中。 分别称为V1和V2的交与和。 [例1] 二维实向量空间 ， 将其绕原点旋转角的操作就是一个线性变换。 [证明] 所以，T是线性变换。 [证明] 显然D对 而言是变换， 要证明满足线性变换的条件. [例2] 次数不超过n的全体实多项式 构成实数域上的一个n+1维的线性空间，，微分算子