高等代数下期末复习072123.docx
- 文档编号:3527349
- 上传时间:2022-11-23
- 格式:DOCX
- 页数:11
- 大小:53.76KB
高等代数下期末复习072123.docx
《高等代数下期末复习072123.docx》由会员分享,可在线阅读,更多相关《高等代数下期末复习072123.docx(11页珍藏版)》请在冰豆网上搜索。
高等代数下期末复习072123
第六章
线性空间
一线性空间的判定
线性空间中两种运算的8条运算规律缺一不可,要
证明一个集合是线性空间必须逐条验证.
若要证明某个集合对于所定义的两种运算不构成线性空间,只需说明在两个封闭性和8条运算规律中有一条不满足即可。
例:
检验以下集合对于所指的线性运算是否构成实数域上的线性空间:
1)次数等于n(n1)的实系数多项式的全体,对于多项式的加法和数量乘法;
2)全体n阶反对称矩阵,对于矩阵的加法和数量乘法;解:
1)否。
因两个n次多项式相加不一定是n次多项式,例如
(xn5)(xn2)3。
2)n阶矩阵的加法和和数量乘法满足线性空间定义的1~8条性质,即全体n阶矩阵对矩阵的加法和和数量乘法是构成线性空间的。
“全体n阶反对称矩阵”是“n阶矩阵”的子集,故只需验证反对称矩阵对加法与数量乘法是否封闭即可。
当A,B为反对称矩阵,k为任意一实数时,有
(A+B)=A+B=-A-B=-(A+B),即A+B仍是反对称矩
(kA)kAk(A)(kA),所以kA是反对称矩阵
故反对称矩阵的全体构成线性空间。
例:
齐次线性方程组Ax=0的全体解向量的集合,对于向量的加法和数乘向量构成一个线性空间,通常称为解空间。
而非齐次线性方程组Ax=b的全体解向量的集合,在上述运算下则不是线性空间,因为它们的两个解向量的和已经不是它的解向量。
二、基维数坐标
定义:
在线性空间V中,如果存在n个线性无关的向量
1,2丄,n使得:
V中任一向量都可由1,2丄,n线性表示,那么,1,2丄,n就称为线性空间V的一个基,n称为线性空间V的维数。
记作dimV=n。
维数为n的线性空间称为n维线性空间。
定义(向量的坐标):
设1,2丄,n是线性空间Vn的一
个基。
对于任一元素Vn,总有且仅有一组有序数
Xi,X2,,Xn,使
则Xi,X2,,Xn这组有序数就称为元素a在基底
1,2,L,n下的坐标,并记作XX1,X2,L,XnT
例:
在线性空间R22中,
就是R22的一个基。
R22的维数为4.
任一2阶矩阵
因此A在a,a2,a3,a4这个基下的坐标为a,b,c,dT。
若另取一个基
10
1
0
11
11
B1
c"2
c,B3
“c,B4
0
00
1
0
10
11
则
ac
A
bd
(a
b)B1
(bc)B2
(cd)B3dB4
因此A在B「B2,B3,B4这个基下的坐标为
ab,bc,cd,dT。
例:
考虑全体n阶对称矩阵构成的线性空间的基底
和维数
3)解:
n阶矩阵的加法和和数量乘法满足线性空间定义的1〜8条性质,即全体n阶矩阵对矩阵的加法和和数量乘法是构成线性空间的。
“全体n阶对称矩阵”是“n阶矩阵”的子集,故只需验证对称矩阵对加法与数量乘法是否封闭即可。
从而全体n阶对称矩阵构成的线性空间。
设有线性关系a1b2c3d4,
abcd1
abcd2
则abed1,
abcd1
可得在基1,2,3,4下的坐标为
4°
1-,c
4
例:
在P4中,由齐次方程组确定的解空间的基与维数。
解:
对系数矩阵作行初等变换,有所以解空间的维数是2,它的一组基为
例:
设V1与V2分别是齐次方程组
X1X2...Xn0,X1X2...Xn1X.的解空间,证明:
P0V1V2.
证:
由于治X2...Xn0的解空间是n—1维的,其
基为1(1,1,0,...,0),2(1,0,1,...,0),...,n1(1,0,0,...,1)
而由XiX2...Xn1Xn知其解空间是1维的,令X.1,则
其基为(1,1,…,1).且1,2,…,n1,即为Pn的一组基,从而PnV1V2.
又dim(Pn)dim(VJdim(V2),(也可由交为零向量知)
三、基变换与坐标变换
基变换:
设1,2,
n及
1,2,
n是线性空间
Vn中的两个基,若
或简记为
a11
a12
a1n
=(1,2,,
n)
a21
a22
a2n
an1
an2
ann
=(1,2,,
n)
A
(☆)
则矩阵A称为由基1,
2
JJ
n到基
1,2,,n的过
渡矩阵。
(☆)式称为基变换公式.
坐标变换:
设Vn中的元素,在基1,2,,n下的
坐标为X1,X2,,XnT,在基1,2,,n下的坐标为
y1,y2,,yn
标变换公式
若两个基满足关系式(6-2),则有坐
y2
xnynynxn
第七章线性变换
一、线性变换的定义
线性空间V到自身的映射称为V的一个变换.定义:
线性空间V的一个变换A称为线性变换,如果对于V中任意的元素,和数域P中任意数k,都有
A()=A()+A();
A(k)=Ak().
一般用花体拉丁字母A,B,…表示V的线性变换,A()
或A代表元素在变换A下的像.
例判别下面所定义的变换那些是线性的,那些不是:
1)在线性空间V中,A,其中V是一固
定的向量;
2)在线性空间V中,A其中V是一固定的
向量;
2)当0时,是;当0时,不是。
3)不是.
例如当(1,0,0),k2时,kA()(2,0,0),
A(k)(4,0,0),
A(k)kA()。
4)是.因取(x1,x2,x3),(y1,y2,y3),有
A()=A(x1y1,x2y2,x3y3)
=(2x12y1x2y2,x2y2x3y3,x1y1)
=(2x1x2,x2x3,x1)(2y1y2,y2y3,y1)
=A+A,
A(k)A(kx1,kx2,kx3)
=kA(),
3
故A是P3上的线性变换。
二、线性变换关于基的矩阵
定义:
设1,2,,n是数域P上n维线性空间v
的一组基,A是V中的一个线性变换.基向量的像可以被基线性表出:
用矩阵表示就是
A(1,2,)n)=(A(i),A
(2),…,A(n))
=(1,2,,n)A
其中
矩阵A称为线性变换A在基1,2,,n下的矩阵.
定理:
设线性变换A在基
1,2,,n下的矩阵是A,向量在基
1,2,,n下的坐标是(Xi,X2,,X门),则A在基
1,2,,n下的坐标(%』2,,Yn)可以按公式
计算.
例:
在空间P[x]n中,线性变换
Df(X)f(X)
x2xn1
在基1,x,"2P,—1)!
下的矩阵是
三、同一个线性变换在不同基下的矩阵的关系.
线性变换的矩阵是与空间中一组基联系在一起的.一
般说来,随着基的改变,同一个线性变换就有不同的矩阵.为了利用矩阵来研究线性变换,有必要弄清楚线性变换的矩阵是如何随着基的改变而改变的.
定理:
设线性空间V中线性变换A在两组
1,2,,n(6)
1,2,,n(7)
下的矩阵分别为A和B,从基(6)到(7)的过渡矩阵是X,于是BX1AX.
定理告诉我们,同一个线性变换A在不同基下的矩阵
之间的关系为相似.
定义:
设A,B为数域P上两个n级方阵,如果可以找到数域P上的n级可逆方阵X,使得
1
BXAX,就说A相似于B,记作A~B.
相似是矩阵之间的一种关系,这种关系具有下面三个性质:
1.反身性:
A~A
2.对称性:
如果A~B,那么B~A.
3.传递性:
如果A~B,B~C,那么A~C.
线性变换在不同基下所对应的矩阵是相似的;反过来,如果两个矩阵相似,那么它们可以看作同一个线性变换在两组基下所对应的矩阵.
矩阵的相似对于运算有下面的性质.
1
如果B1XA1X,
B2XA2X,那么
B1B2X1(A1A2)X,
由此可知,如果BX1AX,且f(x)是数域P上一多项式,那么
利用矩阵相似的这个性质可以简化矩阵的计算.例:
R3上的线性变换T在基
1
0
0
1
21
10
1
1
10下的矩阵为
A
0
12
0
0
1
1
11
则基在
1,2
2,
3下的矩阵为
(
A
)
1
4
1
1
4
1
(A)
0
1
1(B)
0
4
4
1
2
1
1
2
1
1
2
1
2
4
2
(C)
0
1
2
1(D)
0
2
4
1
1
1
2
2
2
3
例:
已知P中线性变换A在基
1=(-1,1,1),2=(1,0,-1),3=(0,1,1)下的矩阵是
101
110,求a在基
121
1=(1,0,0),2=(0,1,0),3=(0,0,1)下的矩阵。
110
解:
因为(1,2,3)=(1,2,3)101,所以
111
110
BX1AX=101
111121101
112
220。
302
四、线性变换的特征值和特征向量定义:
设A是数域P上线性空间V的一个线性变换,如果对于数域P中一数,存在一个非零向量,使得
A=
(1)
那么称为A的一个特征值,而叫做A的属于特征值的一个特征向量.
如果是线性变换A的属于特征值的特征向量,那么的任何一个非零倍数k也是A的属于特征值的特征向量.这说明特征向量不是被特征值所唯一决定的.相反,特征值却是被特征向量所唯一决定的,因为,一个特征向量只能属于一个特征值.
特征值与特征向量的求法:
确定一个线性变换A的一个特征值与特征向量的方法可以分成以下几步:
1.在线性空间V中取一组基
2.求出A的特征多项式EA在数域P中全部的
根,它们也就是线性变换A的全部特征值;
3.把所求得的特征值逐个地代入方程组
Xi
X2
(☆),对于每一个特征值,
Xn
解方程组(☆),求出一组基础解系,它们就是属于这个
特征值的几个线性无关的特征向量在基1,2,,门下
的坐标,这样,也就求出了属于每个特征征的全部线性无关的特征向量•
A的特征值,
A的属于这个
矩阵A的特征多项式的根有时也称为而相应的线性方程组(☆)的解也就称为特征值的特征向量.
例设线性变换A在基1,2,3下的矩阵是
求A的特征值与特征向量
例设矩阵A为
1
4
2
A0
3
4
0
4
1
3
(1)问A能否相似于对角阵?
(2)
若能,求一个可逆矩阵
1
P,使得PAP为对角阵.
例在空间P[x]n中,线性变换
Df(x)f(x)
x2xn1在基1,xr2!
,,(T1)!
下的矩阵是
D的特征多项式是
因此,D的特征值只有0.通过解相应的齐次线性方程组知道,属于特征值0的线性无关的特征向量组只能是任一非零常数.这表明微商为零的多项式只能是零或非零的常数•
五、线性变换的值域与核
定义:
设A是线性空间V的一个线性变换,A的全体
像组成的集合称为A的值域,用AV表示.所有被A变成零向量的向量组成的集合称为A的核,用A1(0)表示.
若用集合的记号则
AV=A|V
A1(0)=|A0,V
线性变换的值域与核都是V的子空间.
1
AV的维数称为A的秩,A(0)的维数称为A的零度.
第九章欧氏空间
、欧氏空间举例例1在线性空间Rn中,对于向量
(a1,a2,,an),
(bi,b2,,bn),
(,)a1b1a2b2
anbn.
(1)
定义内积
则内积
(1)适合定义中的条件,这样Rn就成为一个欧几里得空间.仍用来表示这个欧几里得空间.
例2在Rn里,对于向量
(a1,a2,,an),(b1,b2,,bn)定
义内积
(,)a1b12a2b2nanbn.
则内积
(1)适合定义中的条件,这样Rn就也成为一个欧几里得空间.
对同一个线性空间可以引入不同的内积,使得它作成不同的欧几里得空间.
例3在闭区间【a,b】上的所有实连续函数所成的空间
C(a,b)中,对于函数f(x),g(x)定义内积
b
(f(x),g(x))af(x)g(x)dx.
■
C(a,b)构成一个欧几里得空间.
柯西-布涅柯夫斯基不等式:
即对于任意的向量,有
当且仅当,线性相关时,等式才成立.
对于例1的空间Rn,(5)式就是
对于例2的空间C(a,b),(5)式就是
要求:
正交矩阵的定义、判断、性质
定理:
对于任意一个n级实对称矩阵,A都存在正交矩阵T,使T1ATTAT成对角形。
定理:
任意一个实二次型
都可以经过正交的线性替换变成平方和
222
1y12y2nyn,
其中平方项的系数1,2,,n就是矩阵A的特征多项式全部的根
列举
注意:
正定矩阵的判断与性质正定二次型的判断判断条件)
二.例题选讲例.求齐次线性方程组的解空间的一组标准正交基。
解:
首先可求得基础解系为的交化得
单位化得
1,2,3即为所求的标准正交基
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 高等 代数 下期 复习 072123