线性代数复习六——向量空间

来源:互联网 发布:人工智能程序原理 编辑:程序博客网 时间:2024/05/20 14:42

概念:
向量空间
一个向量空间,简单的说,就是必须包含零向量,且对加法和标量乘法封闭的一个非空集合

我们这里讨论的向量空间,不仅仅局限于坐标系构成的向量空间了,而是广义的向量空间,例如我们可以把次数最高为n的多项式集合Pn,形如p(t),我们也可以把Pn看作是一个向量空间

子空间
向量空间V的一个子空间H,就是说V的零向量在H中,且H对加法和标量乘法封闭的一个V的子集


H是向量空间V的一个子空间,V中的向量的指标集这里写图片描述称为H的一个基,如果:
(i)B是一线性无关集
(ii)由B生产的子空间与H相同,即这里写图片描述
注意:一组基是一个尽量小的生成集,因为它线性无关,它又是一个尽量大的生成集,因为它要生成H缺一不可

向量空间的维数
这个大家意会就好,都懂的~

同构
从一个向量空间V映射到另一个向量空间W的一一线性变换称为从V和W上的一个同构,例如R3
中过原点的平面和R2同构,向量空间P3R3是同构的

坐标系
这里写图片描述是向量空间V的一个基,则对V中的每个向量x,存在唯一的一组数,使得这里写图片描述,称这里写图片描述x相对B的坐标向量

行空间
矩阵A的行向量的线性组合,记为 Row A

一些定理或者结论:
Nul A的维数是方程Ax=0中自由变量的个数,Col A的维数是A中主元列的个数
矩阵A的主元列构成Col A的一个基
A的秩即为A的列空间的维数
rank A+dim Nul A=n,n为A的列数

矩阵的初等行变换不影响矩阵的列的线性相关关系,即两个行等价的矩阵生成的列空间不一定相同,但是它们的对应列有相同的线性相关关系
若两个矩阵A和B行等价,则它们的行空间相同。若B是阶梯形矩阵,则B的非零行构成A的行空间的一个基的同时也是B的行空间的一个基,但是行变换对矩阵的行不保持线性相关关系,即若B的前三行线性无关,A的前三行不一定线性无关

对于坐标变换矩阵,就拿将xB坐标变换成x的标准坐标来说,这里写图片描述其中Pb为从BRn中标准基的坐标变换矩阵,它的每一列,其实就是B基中的每一个向量用Rn的基来表示时,每一个向量前面的系数,同样的,如果我们想要变换Rn中的基,如从用基这里写图片描述表示变换到用基这里写图片描述表示的话,那么我们只需要求一个CB的变换矩阵就行,即用C的基中的向量来表示B的基中的每一个向量,这些系数合起来就是变换矩阵,我们可以用求A-1类似的方法(左边通过行变换变为单位阵)来求P

这里写图片描述容易验证,NulA是x2轴,RowA是x1x2平面,ColA是方程为这里写图片描述

的平面,这里写图片描述是所有(1,-1,0)的倍数构成的集合,我们可以知道
这里写图片描述
这里写图片描述

此外,我们可以在之前的矩阵可逆判定定理中再加上几条
m. A的列构成这里写图片描述的一个基
n. Col A=Rn
o. dim Col A=n
p. rank A=n
q. Nul A={0}
r. dim Nul A=0

这一讲就到这里,我们下次继续~
这里写图片描述

0 0