线性代数（第二版）第一节线性空间宣讲培训.pptVIP

矩阵 称为由基? 1 , ? 2 , … , ? n 到?1? , ?2? , …, ?n? 的过渡矩 阵. 由于?1? , ?2? , …, ?n? 是线性无关的，所以过渡 矩阵 A 的列向量组线性无关，因此，过渡矩阵 A 是可逆的. 3. 运算规律 设 ?1 , ?2 , … , ?n 和 ?1 , ?2 , … , ?n 是 V 中两个 向量组， A = ( aij ) , B= ( bij ) 是两个 n ? n 矩阵，则 1) ((?1 , ?2 , … , ?n )A)B=(?1 , ?2 , … , ?n )(AB) 2) (?1 , ?2 , … , ?n )A + (?1 , ?2 , … , ?n )B = (?1 , ?2 , … , ?n ) (A + B) ； 3) (?1 , ?2 , … , ?n )A + (?1 , ?2 , … , ?n )A = (?1 + ?1 , ?2 + ?2 , … , ?n + ?n ) A . 定理 3.4 设 Vn 中的元素 ? , 在基 ? 1 , ? 2 , 足关系式 … , ?? n 下的坐标为 (x1? , x2? , … , xn? ). … , ? n 下的坐标为 (x1 , x2 , … , xn) , 在基 ??1, ?? 2 , 若两个基满 五、坐标变换公式 则有坐标变换公式 证明 因为 ＊第三章　　线性空间与线性变换 第二章介绍了数域 F 上的 n 维向量，讨论了向 量的线性运算和向量的线性关系，并由此得到实数 域上 n 维向量空间 Rn 的概念. 它们对于研究线性方 程组解的结构具有十分重要的意义. 在科学技术和 经济研究等许多领域中，有着很多与 Rn 具有相同性 质的集合，将这些集合共同的性质抽象出来，就可 以得到线性空间的概念. 线性空间是线性代数最基 本的概念之一. 　　在线性空间中，元素之间的联系是通过映射来 实现的. 而通常将线性空间到其自身的映射称为变换. 线性变换是其中最基本也是最重要的变换，它是线 性代数的主要研究对象之一. 这一章将介绍线性空间 的概念、性质；讨论线性空间的基与坐标；在引入 映射的概念后，给出线性变换的定义，研究线性变 换的矩阵等有关概念. 在本章的最后，将对欧氏空 间作一个简要的介绍. 线性空间的定义 第一节 　线性空间 维数、基与坐标 线性空间的简单性质 基变换 坐标变换公式 线性子空间 一、线性空间的定义 在 § 2.2 已知：数域 F 上的 n 维向量，对于向 量的加法和数乘向量(这两种运算合称为向量的线性 运算) 满足 当 F = R 时，得到 n 维向 量空间 Rn 的定义. 线性空间就是 n 维向量空间的 推广. 1. 定义 定义 3.1 设 V 是一个非空集合，F 是一个数 域. 在 V 中定义了两种代数运算： 1) 加法　对于 V 中任意两个元素 ? 与 ? ，按某 一法则，在 V 中都有唯一的一个元素 ? 与之对应， 称为 ? 与 ? 的和，记作 ? = ? + ?. 2) 数量乘法　对于 V 中任意元素 ? 和数域 F 中 的任意数 k，按某一法则，在 V 中都有唯一的一个 数量乘法满足下面两条规则： 5) 1 ? = ? ； 6) k( l? ) = ( kl )? ； 数量乘法与加法满足下面两条规则： 7) ( k + l )? = k? + l? ; 8) k(? + ? ) = k? + k? . 其中 ? ， ? ， ? 是 V 中的任意元素； k , l 是数域 F 中的任意数. 2. 线性空间举例 例 1 数域 F 上的所有 n 维向量，对于向量加 法和数量乘法，满足上述 因此构成数 域 F 上的线性空间，一般将这个线性空间记作 F n . 例 2 元素属于数域 F 的 m ? n 矩阵，按矩阵 的加法和矩阵与数的数量乘法，构成数域 F 上的一 个线性空间，用 F m ? n 表示. 例 3 数域 P 上一元多项式环 P[ x ]，按通常 的多项式加法和数与多项式的乘法，构成一个数域 P 上的线性空间. 如果只考虑其中次数小于 n 的多 项式，再添上零多项式也构成数域 P 上的一个线性 空间，用 P[ x ]n 表示. 但是，数域 P 上的多项式 集合 { p(x) | p(x) = a0 + a1x + … + anxn , an ? 0 } 对同样的运算不构成线性空间，因为两个 n 次多 项式的和可能不是 n 次多项式. 例 4 全体实函数，按函数的加法和数与函数 的数量乘法，构成一个实数域上的线性空间. 例 5 数域