矩阵分析——第一章 线形空间和线性变换

第一节 什么叫线性空间

参考：《矩阵分析》史荣昌 老师的PPT 历年真题

• 本节第一个定义：

设 V 是一个非空集合，在集合里的元素之间定义了加法，在元素 与 实数或复数之间定义了数乘；加法和数乘的结果仍然在集合内（并且满足加法和数乘的八条常规性质，结合律 分配律 交换律之类的）           

我们就称这样的集合V是线性空间。

• 矩阵的核空间或叫零空间是什么？

就是 AX = 0  的解的空间

• 向量（矩阵）的线性相关与线性无关?

线性相关就是 某一个向量（矩阵）可以被其他向量线性表示

线性无关就是 所有向量的线性组合=0 只有每个系数都为零才成立

P5 例1.1.11  例1.1.12

第二节 基与坐标变换

• 什么是基？

一个集合V的最大线性无关组；

P7 例1.2.2

• 怎么求一个向量在某个指定的基下的坐标？

设系数为ki；列出此向量=基的线性组合的表示

P7 例1.2.3 例1.2.4

• 基变换是什么？

基不是唯一的，但是组成基的向量（矩阵）个数是一定的；基1 和 基2 之间可以相互转换

A = BP (P叫做过渡矩阵)

• 什么叫坐标变换

比如某个向量在基1的坐标是（x1,x2,x3）;

告诉你基1到基2的过渡矩阵是P

问你这个向量在基2的坐标是？

(y1,y2,y3) = P的逆 （x1,x2,x3）

第三节 线性子空间

• 子空间

子集合属于V；但空间维数小于等于V的空间，叫做子空间

注意：一般说空间的维数是指 集合里元素之间的最大无关组；说元素的维数才是 向量（矩阵）的元素个数。

• 平凡子空间

零或者V本身 这两个都叫做平凡子空间

• 生成子空间

就是从V中选几个向量（矩阵）；表示为：span{a1,a2,a3,a4}

当然，最好的表示应该是 span{ a1,a2,a3,a4的最大无关组即可 }

P13  例1.3.2

• 子空间的交，和

V1 n V2 的意思就是，一个向量即属于V1也属于V2.

和空间，其实定义都和集合的交并差不多；关键做这几个题目：

P14 例1.3.3 例1.3.4 例 1.3.5 例子1.3.6 例1.3.7

• 子空间之间的维数关系

dim V1 + dim V2 = dim(V1+V2) + dim(V1 n V2)

• 子空间的 直和， 补子空间

直和就是两个子空间构成了整个空间，（相当于集合中对立关系）

代数补空间是不唯一的；就是所V可以分成 V1 +V2也可以分为 V2 +V3.

 

第四节 线性映射

• 线性映射就是 V1 经过 一个线性性质的映射到 V2这个空间去了。
• 线性映射的矩阵表示：v1的一组基的映射，就是 v2 的基乘于一个A矩阵，这个A矩阵就是 线性映射的矩阵表示。
• 线性映射的坐标关系：一个在v1空间的向量，它在它的基下的坐标是x,x,x,x;    做线性映射后,它的坐标在 V2的一个基的坐标是：y = A*x

p 23 例1.4.7 例1.4.8

• 在v1 和 v2的基都发生变化的时候， 线性映射的矩阵 A 也发生变化了，但是这个变化后的映射矩阵 B = Q的逆 AP

p是V1的过渡矩阵，Q是v2的过渡矩阵。

第五节 线性映射的值域 核

• 值域

现在研究 V1 到 V2 的线性映射；（请翻开教材的26页看最顶端）；那个符号就是值域符号；记住值域就是V1的基经过映射后的结果的张量；

• 核

就相当于 映射矩阵的解空间

• 所以有 dim(N(A)) + dim(A) = n   ; n是v1的维度。

p 28 例 1.5.2

本章练习题汇总：

p52

1   3  5  6  7  8  10  14 15  16  21 23

把第一章的历年真题做完。