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。