2.2 线性变换与线性空间

第二章 线性代数

全文均为手敲，如果发现有误，请于评论区交流讨论留言，作者会及时修改

2.2 线性变换与线性空间

1. 线性组合

   设$\mathbf{\beta },{\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_m$都是$n$维向量，若存在一组实数${\lambda }_1,\cdots ,{\lambda }_m$使得

   $$\mathbf{\beta }={\lambda }_1{\mathbf{\alpha }}_1+\cdots +{\lambda }_m{\mathbf{\alpha }}_m$$

   则称向量$\mathbf{\beta }$可由${\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_m$线性表示，或称向量$\mathbf{\beta }$是向量组${\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_m$的线性组合。

2. 线性相关

   设有$n$维向量组${\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_m$，若存在一组不全为零的实数${\lambda }_1,\cdots ,{\lambda }_m$使得

   $${\lambda }_1{\mathbf{\alpha }}_1+\cdots +{\lambda }_m{\mathbf{\alpha }}_m=0$$

   则称向量组${\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_m$线性相关；否则称它们线性无关

   线性相关的推论

   $n$个$n$维向量${\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_n$线性相关的充要条件是行列式$|{\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_n|=0$。

   向量组部分线性相关则整体线性相关；向量组整体线性无关则部分线性相关。

   向量组${\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_m$线性相关的充要条件是存在一个向量可由其余$m-1$个向量线性表示。

   若有$m$个$n$维向量${\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_n$且$m>n$，则该向量组线性相关。

   若向量组${\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_m$线性无关，且添加$\mathbf{\beta }$后线性相关，则$\mathbf{\beta }$可由向量组${\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_m$线性表示，且表示法唯一。

3. 等价向量组

   设有两个$n$维向量组

   $$A:{\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_{r}B:{\mathbf{\beta }}_1\cdots ,{\mathbf{\beta }}_s$$

   如果$A$中的每个向量组都能由向量组$B$线性表示，则称向量组$A$能由向量组$B$线性表示。如果向量组$A,B$能够相互线性表示，则称向量组$A$与$B$等价。

   大数定理：若$A$可由$B$线性表示，且向量组$A$线性无关，则$r\le s$。

4. 极大线性无关组

   若一个向量组$A$中的部分组${\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_r$满足下列两个条件：${\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_r$线性无关；向量组$A$中的任一向量都可由${\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_r$线性表示，则称${\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_r$为向量组$A$的一个极大线性无关组。

   向量组与它的任一极大线性无关组等价。

5. 向量组的秩

   向量组$A$的极大线性无关组所含向量的个数，称为该向量组的秩，记作$R(A)$。

   若向量组$A$可由向量组$B$线性表示，则$R(A)\le R(B)$，等价向量组有相同的秩。

   矩阵的秩可看作是矩阵各行组成行向量组的秩，也可以看作是矩阵各列组成列向量组的秩。

6. 齐次线性方程组的基础解系

   设向量${\mathbf{\xi }}_1,\cdots ,{\mathbf{\xi }}_t$是齐次线性方程组$\mathbf{A}\mathbf{X}=0$的一组解，如果该向量组线性无关，且可以线性表示方程组的任意一个解，则称向量组${\mathbf{\xi }}_1,\cdots ,{\mathbf{\xi }}_t$是齐次线性方程组$\mathbf{A}\mathbf{X}=0$的一个基础解系。

   若${\mathbf{\xi }}_1,\cdots ,{\mathbf{\xi }}_t$是$\mathbf{A}\mathbf{X}=0$的解，则$k_1{\mathbf{\xi }}_1+\cdots +k_t{\mathbf{\xi }}_t$也是$\mathbf{A}\mathbf{X}=0$的解。

7. 非齐次方程组的解

   若$\mathbf{\xi }$是$\mathbf{A}\mathbf{X}=0$的解，$\mathbf{\eta }$是$\mathbf{A}\mathbf{X}=\mathbf{b}$的解，则$\mathbf{\xi }+\mathbf{\eta }$是$\mathbf{A}\mathbf{X}=\mathbf{b}$的解。

   若${\mathbf{\eta }}_1,{\mathbf{\eta }}_2$是$\mathbf{A}\mathbf{X}=\mathbf{b}$的解，则${\mathbf{\eta }}_1-{\mathbf{\eta }}_2$是$\mathbf{A}\mathbf{X}=0$的解。

   若${\mathbf{\eta }}_1,\cdots ,{\mathbf{\eta }}_t$是$\mathbf{A}\mathbf{X}=\mathbf{b}$的解，则$\frac{1}{t}({\mathbf{\eta }}_1+\cdots +{\mathbf{\eta }}_t)$是$\mathbf{A}\mathbf{X}=\mathbf{b}$的解。

8. 线性方程组相关定理

   线性方程组$\mathbf{A}\mathbf{X}=\mathbf{b}$有解的充要条件是$R(\mathbf{A})=R(\mathbf{A},\mathbf{b})$。

   若$R(\mathbf{A},\mathbf{b})=R(\mathbf{A})=r$，$\mathbf{A}$的列数为$n$，则方程组$\mathbf{A}\mathbf{X}=\mathbf{b}$在$r=n$时有唯一解，$r<n$时有无穷多解。

   设${\mathbf{A}}_{m\times n}$秩为$r$，若$r<n$，则$\mathbf{A}\mathbf{X}=0$有基础解系，且基础解系所含向量个数为$n-r$。

   设${\mathbf{\xi }}_1,\cdots ,{\mathbf{\xi }}_{n-r}$是$\mathbf{A}\mathbf{X}=0$的一个基础解系，则$\mathbf{A}\mathbf{X}=0$的通解为

   $$\mathbf{X}=k_1{\mathbf{\xi }}_1+\cdots +k_{n-r}{\mathbf{\xi }}_{n-r}$$

   设${\mathbf{\xi }}_1,\cdots ,{\mathbf{\xi }}_{n-r}$是$\mathbf{A}\mathbf{X}=0$的一个基础解系，$\mathbf{\eta }$是$\mathbf{A}\mathbf{X}=\mathbf{b}$的一个特解，则$\mathbf{A}\mathbf{X}=\mathbf{b}$的通解为

   $$\mathbf{X}=\mathbf{\eta }+k_1{\mathbf{\xi }}_1+\cdots +k_{n-r}{\mathbf{\xi }}_{n-r}$$

   $Cramer$法则：若$|{\mathbf{A}}_{n\times n}|\ne 0$，则方程组$\mathbf{A}\mathbf{X}=\mathbf{b}$有唯一解$x_j=\frac{|{\mathbf{A}}_j|}{|\mathbf{A}|}(j=1,\cdots ,n)$。

   方程组${\mathbf{A}}_{m\times n}\mathbf{X}=0$有非零解$\iff R(\mathbf{A})<n$。

9. 线性空间

   若对于非空集合$V$和数域$F$，对任意$\mathbf{a},\mathbf{b},\mathbf{c}\in V,\lambda ,\mu \in F$满足以下八条性质，则称$V$是一个线性空间

   $$\begin{array}{rl}& (1)\mathbf{a}+0=\mathbf{a}\\ & (2)\mathbf{a}+(-\mathbf{a})=0\\ & (3)1\cdot \mathbf{a}=\mathbf{a}\\ & (4)\mathbf{a}+\mathbf{b}=\mathbf{b}+\mathbf{a}\\ & (5)\mathbf{a}+(\mathbf{b}+\mathbf{c})=(\mathbf{a}+\mathbf{b})+\mathbf{c}\\ & (6)(\lambda \mu )\mathbf{a}=\lambda (\mu \mathbf{a})\\ & (7)(\lambda +\mu )\mathbf{a}=\lambda \mathbf{a}+\mu \mathbf{a}\\ & (8)\lambda (\mathbf{a}+\mathbf{b})=\lambda \mathbf{a}+\lambda \mathbf{b}\end{array}$$

10. 线性空间的基与坐标

    若向量组${\mathbf{\epsilon }}_1,\cdots ,{\mathbf{\epsilon }}_n$线性无关，且能线性表示线性空间$V$中的所有向量，则称为线性空间$V$的一组基。

    若$V$中的向量$\mathbf{\alpha }=a_1{\mathbf{\epsilon }}_1+\cdots +a_n{\mathbf{\epsilon }}_n=\left[\begin{array}{c}{\mathbf{\epsilon }}_1,\cdots ,{\mathbf{\epsilon }}_n\end{array}\right]\left[\begin{array}{c}{a}_1\\ ⋮\\ a_n\end{array}\right]$，则称$\left[\begin{array}{c}{a}_1\\ ⋮\\ a_n\end{array}\right]$为$\mathbf{\alpha }$在基${\mathbf{\epsilon }}_1,\cdots ,{\mathbf{\epsilon }}_n$下的坐标。

11. 过渡矩阵与坐标变换公式

    若两组基$\mathbf{S}=\left[\begin{array}{c}{\mathbf{\epsilon }}_1,\cdots ,{\mathbf{\epsilon }}_n\end{array}\right],\mathbf{T}=\left[\begin{array}{c}{\mathbf{\eta }}_1,\cdots ,{\mathbf{\eta }}_n\end{array}\right]$满足基变换公式$\mathbf{T}=\mathbf{S}\mathbf{P}$，则称$\mathbf{P}$是从$\mathbf{S}$到$\mathbf{T}$的过渡矩阵。

    设向量$\mathbf{\alpha }$在$\mathbf{S},\mathbf{T}$下的坐标分别为$\mathbf{X},\mathbf{Y}$，则满足坐标变换公式$\mathbf{X}=\mathbf{P}\mathbf{Y}$。

12. 线性变换矩阵

    对于一组基${\mathbf{\xi }}_1,\cdots ,{\mathbf{\xi }}_n$，若存在矩阵$A$使得线性变换$\sigma$满足$\sigma ({\mathbf{\xi }}_1,\cdots ,{\mathbf{\xi }}_n)=({\mathbf{\xi }}_1,\cdots ,{\mathbf{\xi }}_n)\mathbf{A}$，则称矩阵$\mathbf{A}$为线性变换$\sigma$在基${\mathbf{\xi }}_1,\cdots ,{\mathbf{\xi }}_n$下所对应的矩阵。

    若线性空间$V$的线性变换$\sigma$在两组基${\mathbf{\xi }}_1,\cdots ,{\mathbf{\xi }}_n$以及${\mathbf{\eta }}_1,\cdots ,{\mathbf{\eta }}_n$下对应的矩阵分别为$\mathbf{A},\mathbf{B}$，${\mathbf{\xi }}_1,\cdots ,{\mathbf{\xi }}_n$到${\mathbf{\eta }}_1,\cdots ,{\mathbf{\eta }}_n$的过渡矩阵为$\mathbf{P}$，则有$\mathbf{B}={\mathbf{P}}^{-1}\mathbf{A}\mathbf{P}$。

13. 解空间

    $\mathbf{A}\mathbf{X}=0$的解空间记为$V_A$，其维数$\dim V_A=n-R(\mathbf{A})$

14. 维数公式

    $$\dim (W_1+W_2)=\dim W_1+\dim W_2-\dim (W_1\cap W_2)$$

    其中 W 1 + W 2 = { w 1 + w 2 : w 1 ∈ W 1 , w 2 ∈ W 2 } W_1+W_2=\{w_1+w_2:w_1\in W_1,w_2\in W_2\} W1​+W2​={w1​+w2​:w1​∈W1​,w2​∈W2​}