@Definition 4 | > **定义1.1** 设 $V$ 是一个非空集合, $R$ 为实数域, 对任意两个元素 $\boldsymbol{\alpha},\boldsymbol{\beta}\in V$, 在 $V$ 中总有唯一确定的一个元素 $\boldsymbol{\gamma}$ 与之对应,称为 $\boldsymbol{\alpha}$ 与 $\boldsymbol{\beta}$ 的和, 记为 $\boldsymbol{\gamma}=\boldsymbol{\alpha} +\boldsymbol{\beta}$。 5 | > 对于 $R$ 中的任一数 $\lambda$ 与 $V$ 中任一元素 $\boldsymbol{\alpha}$, 在 $V$ 中总有唯一确定的一个元素 $\boldsymbol{\delta}$ 与之对应,称 $\lambda$ 与 $\boldsymbol{\alpha}$ 的数量乘积, 记为 $\boldsymbol{\delta} = \lambda\boldsymbol{\alpha}$。 6 | > 如果这两种运算满足以下八条运算( $\boldsymbol{\alpha}, \boldsymbol{\beta}\in V; \lambda,\mu\in R$): 7 | > 1. 加法交换律: $\boldsymbol{\alpha}+\boldsymbol{\beta} = \boldsymbol{\beta}+\boldsymbol{\alpha}$ 8 | > 2. 加法结合律: $(\boldsymbol{\alpha}+\boldsymbol{\beta})+\boldsymbol{\gamma}=\boldsymbol{\alpha}+(\boldsymbol{\beta}+\boldsymbol{\gamma})$ 9 | > 3. 在 $V$ 中存在零元素 $\boldsymbol{0}$, 对于任何 $\boldsymbol{\alpha} \in V$, 都有 $\boldsymbol{\alpha} +\boldsymbol{0}=\boldsymbol{\alpha}$ 10 | > 4. 对于任何 $\boldsymbol{\alpha}\in V$, 都有 $\boldsymbol{\alpha}$ 的负元素 $\boldsymbol{\beta}\in V$, 使得 $\boldsymbol{\alpha}+\boldsymbol{\beta}=\boldsymbol{0}$ 11 | > 5. $1\boldsymbol{\alpha}=\boldsymbol{\alpha}$ 12 | > 6. $\lambda(\mu\boldsymbol{\alpha}) = (\lambda\mu)\boldsymbol{\alpha}$ 13 | > 7. $(\lambda+\mu)\boldsymbol{\alpha}= \lambda\boldsymbol{\alpha} + \mu \boldsymbol{\alpha}$ 14 | > 8. $\lambda(\boldsymbol{\alpha}+\boldsymbol{\beta}) = \lambda\boldsymbol{\alpha}+\lambda\boldsymbol{\beta}$ 15 | > 那么, $V$ 就称为实数域 $R$ 上的线性空间 16 | 17 | 18 | 上述8条规律通常为线性运算。 19 | 20 | 21 | ## 1.2 线性空间的性质 22 | > @Property 23 | > **性质1.1** 24 | > 25 | > 1. 零元素是唯一的 26 | > 2. 任一元素的负元素是唯一的(将 $\boldsymbol{\alpha}$ 的负元素记为 $-\boldsymbol{\alpha}$) 27 | > 3. $0\boldsymbol{\alpha} = \boldsymbol{0}; (-1)\boldsymbol{\alpha} = -\boldsymbol{\alpha}; \lambda\boldsymbol{0}=\boldsymbol{0}$ 28 | > 4. 如果 $\lambda\boldsymbol{\alpha}=\boldsymbol{0}$, 则 $\lambda=0或\boldsymbol{\alpha}=\boldsymbol{0}$ 29 | 30 | ## 1.3 线性空间的子空间 31 | > @Definition 32 | > **定义1.2** 设 $V$ 是实数域 $R$ 上的线性空间, $W$ 是 $V$ 的一个非空子集, 如果 $W$ 关于 $V$ 的加法和数乘运算也构成线性空间,则称 $W$ 是 $V$ 的一个子空间 33 | 34 | 35 | > @Theorem 36 | > **定理1.1** 实数域 $R$ 上的线性空间 $V$ 的非空子集 $W$ 称为 $V$ 的一个子空间的充分必要条件是 $W$ 关于 $V$ 的加法和数乘是封闭的 37 | 38 | # 2. 维数、基与坐标 39 | ## 2.1 线性空间的基、维数与坐标 40 | > @Definition 41 | > **定义2.1** 在线性空间 $V$ 中,如果存在 $n$ 个元素 $\boldsymbol{\alpha_1},\boldsymbol{\alpha_2}, \cdots, \boldsymbol{\alpha_n}$, 满足 42 | > 1. $\boldsymbol{\alpha_1},\boldsymbol{\alpha_2}, \cdots, \boldsymbol{\alpha_n}$ 线性无关 43 | > 2. $V$ 中的任一元素 $\boldsymbol{\alpha}$ 总可由 $\boldsymbol{\alpha_1},\boldsymbol{\alpha_2}, \cdots, \boldsymbol{\alpha_n}$ 表示 44 | > 那么, $\boldsymbol{\alpha_1},\boldsymbol{\alpha_2}, \cdots, \boldsymbol{\alpha_n}$a 就称为线性空间 $V$ 的一个基, $n$ 称为线性空间 $V$ 的维数,记为 $\dim V = n$ 45 | > 只含有一个零元素的线性空间称为零空间,零空间没有基, 规定它的维数为0 46 | 47 | 48 | > @Definition 49 | > **定义2.2** 设 $\boldsymbol{\alpha_1},\boldsymbol{\alpha_2}, \cdots, \boldsymbol{\alpha_n}$ 是线性空间 $V_n$ 的一个基, 对于任一元素 $\boldsymbol{\alpha}\in V_n$, 总有且仅有一组有序数组 $x_1,x_2,\cdots, x_n$, 使 50 | > $$ 51 | > \alpha = x_1\boldsymbol{\alpha_1}+x_2\boldsymbol{\alpha_2}+\cdots+x_n\boldsymbol{\alpha_n} 52 | > $$ 53 | > $x_1,x_2,\cdots,x_n$ 这组有序数就称为 $\boldsymbol{\alpha}$ 在基 $\boldsymbol{\alpha_1},\boldsymbol{\alpha_2}, \cdots, \boldsymbol{\alpha_n}$ 下的坐标,并记作 54 | > $$ 55 | > \boldsymbol{\alpha} = (x_1,x_2,\cdots, x_n)^T 56 | > $$ 57 | 58 | 59 | 60 | 61 | ## 2.2 基变换与坐标变换 62 | 设 $\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \cdots, \boldsymbol{\alpha}_n$ 与 $\boldsymbol{\beta}_1, \boldsymbol{\beta}_2, \cdots, \boldsymbol{\beta}_n$ 是线性空间 $V_n$ 中的两个基,且 63 | $$ 64 | \begin{cases} 65 | \boldsymbol{\beta}_1 = p_{11}\boldsymbol{\alpha}_1+p_{12}\boldsymbol{\alpha}_2+\cdots+p_{1n}\boldsymbol{\alpha}_n \\ 66 | \boldsymbol{\beta}_2 = p_{21}\boldsymbol{\alpha}_1+p_{22}\boldsymbol{\alpha}_2+\cdots+p_{2n}\boldsymbol{\alpha}_n \\ 67 | \cdots \cdots \\ 68 | \boldsymbol{\beta}_n = p_{n1}\boldsymbol{\alpha}_1+p_{n2}\boldsymbol{\alpha}_2+\cdots+p_{nn}\boldsymbol{\alpha}_n \\ 69 | \end{cases} 70 | $$ 71 | 写成矩阵形式为 72 | $$ 73 | (\boldsymbol{\beta}_1, \boldsymbol{\beta}_2, \cdots, \boldsymbol{\beta}_n) = (\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \cdots, \boldsymbol{\alpha}_n) \boldsymbol{P} 74 | $$ 75 | 上式称为从基 $\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \cdots, \boldsymbol{\alpha}_n$ 到基 $\boldsymbol{\beta}_1, \boldsymbol{\beta}_2, \cdots, \boldsymbol{\beta}_n$ 的基变换公式,矩阵 $\boldsymbol{P}$ 称为过渡矩阵。 76 | 77 | 基坐标变换公式为: 78 | $$ 79 | \begin{bmatrix}x_1\\x_2\\ \vdots \\ x_n \end{bmatrix} = \boldsymbol{P} = \begin{bmatrix} y_1 \\ y_2\\ \vdots \\y_n\end{bmatrix} 或 80 | \begin{bmatrix}y_1\\y_2\\ \vdots \\ y_n \end{bmatrix} = \boldsymbol{P}^{-1} = \begin{bmatrix} x_1 \\ x_2\\ \vdots \\x_n\end{bmatrix} 81 | $$ 82 | 83 | # 3. 线性变换 84 | ## 3.1 线性变换的定义 85 | > @Definition 86 | > **定义3.1** 设 $V_n, U_m$ 分别是 $n$ 维和 $m$ 维线性空间,如果映射 $T:V_n\to U_m$ 满足: 87 | > 1. 任给 $\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2\in V_n$, 有 88 | > $$ 89 | > T(\boldsymbol{\alpha}_1+\boldsymbol{\alpha}_2) = T(\boldsymbol{\alpha}_1)+T(\boldsymbol{\alpha}_2) 90 | > $$ 91 | > 2. 任给 $\boldsymbol{\alpha}\in V_n,\lambda \in R$, 有 92 | > $$ 93 | > T(\lambda\boldsymbol{\alpha}) = \lambda T(\boldsymbol{\alpha}) 94 | > $$ 95 | > 那么 $T$ 就称为从 $V_n$ 到 $U_m$ 的线性映射,或称为线性变换。 96 | 97 | 98 | ## 3.2 线性变换的性质 99 | > @Property 100 | > **性质** 101 | > 1. $T(\boldsymbol{0})=\boldsymbol{0}, T(-\boldsymbol{\alpha})=-T(\boldsymbol{\alpha})$ 102 | > 2. $若 \boldsymbol{\beta} = k_1\boldsymbol{\alpha}_1+k_2\boldsymbol{\alpha}_2+\cdots+k_m\boldsymbol{\alpha}_m$, 则 103 | > $$ 104 | > T(\boldsymbol{\beta}) = k_1T(\boldsymbol{\alpha}_1) + k_2T(\boldsymbol{\alpha}_2)+\cdots+k_mT(\boldsymbol{\alpha}_m) 105 | > $$ 106 | > 3. 若 $\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \cdots, \boldsymbol{\alpha}_n$ 线性相关, 则 $T(\boldsymbol{\alpha}_1), T(\boldsymbol{\alpha}_2), \cdots, T(\boldsymbol{\alpha}_n)$ 也线性相关 107 | > 4. 线性变换 $T$ 的像集 $T(V_n)$ 是一个线性空间,称为线性变换 $T$ 的像空间 108 | > 5. 使 $T(\boldsymbol{\alpha})=\boldsymbol{0}$ 的全体 109 | > $$ 110 | > S_T= \{\boldsymbol{\alpha}|\boldsymbol{\alpha}\in V_n, T(\boldsymbol{\alpha})=\boldsymbol{0}\} 111 | > $$ 112 | > 也是 $V_n$ 的一个线性子空间,称 $S_T$ 为线性变换 $T$ 的核 113 | 114 | ## 3.3 线性变换的矩阵表示方式 115 | 116 | > @Theorem 117 | > **定理3.1** 设线性变换 $T$ 在基$\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \cdots, \boldsymbol{\alpha}_n$ 下的矩阵是 $\boldsymbol{A}$, 向量 $\boldsymbol{\alpha}$ 与 $T(\boldsymbol{\alpha})$ 在基$\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \cdots, \boldsymbol{\alpha}_n$ 下的坐标分别 $\begin{bmatrix} x_1\\ x_2\\ \vdots \\ x_n\end{bmatrix}$ 和 $\begin{bmatrix} y_1\\ y_2 \\ \vdots \\ y_n\end{bmatrix}$ 则有 118 | > $$ 119 | > \begin{bmatrix} y_1 \\ y_2 \\ \vdots \\ y_n\end{bmatrix} = \boldsymbol{A} \begin{bmatrix} y_1 \\ y_2 \\ \vdots \\ y_n \end{bmatrix} 120 | > $$ 121 | > 按坐标表示,有 122 | > $$ 123 | > T(\boldsymbol{\alpha}) = \boldsymbol{A} \boldsymbol{\alpha} 124 | > $$ 125 | 126 | > @Theorem 127 | > **定理3.2** 在线性空间 $V_n$ 中取定两个基 $\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \cdots, \boldsymbol{\alpha}_n$ 与 $\boldsymbol{\beta}_1, \boldsymbol{\beta}_2, \cdots, \boldsymbol{\beta}_n$, 由 基 $\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \cdots, \boldsymbol{\alpha}_n$ 到基 $\boldsymbol{\beta}_1, \boldsymbol{\beta}_2, \cdots, \boldsymbol{\beta}_n$ 的过渡矩阵为 $\boldsymbol{P}$, $V_n$ 中的线性变换 $T$ 在这两个基下的矩阵依次为 $\boldsymbol{A}$ 和 $\boldsymbol{B}$ , 那么 $\boldsymbol{B}=\boldsymbol{P}^{-1}\boldsymbol{A}\boldsymbol{P}$ 128 | 129 | 130 | > @Definition 131 | > **定义3.2** 线性变换的像空间 $T(V_n)$ 的维数,称为线性变换 $T$ 的秩。 132 | 133 | -------------------------------------------------------------------------------- /01 - 408/00 - Computer composition pricile/image/ch04_00_00.svg: -------------------------------------------------------------------------------- 1 | 2 | 3 | 4 | --------------------------------------------------------------------------------