矩阵分析 p13~p20
- 为什么我们需要子空间?
子空间本身按\(\mathbb{V}\)中原有的加法数乘运算,也构成一个线性空间;
从映射的角度讲,在子空间上的运算仍然映射到了子空间上;
- 有没有不识子空间的子集合?
在直角坐标系上,用基的角度思考,就是\(\vec{i},\vec{j}\) 构成的\(\mathbb{V}\)的平面。若把\(y=x\)直线上的向量看作子空间\(\mathbb{W}\),他对加法、数乘运算封闭。然而在直线 \(y=-x+1\)上的向量,不能构成一个子空间。
- 向量组生成的子空间 及 子空间的生成组
\(\alpha_1,\alpha_2,...,\alpha_p\)是向量组,定义:Span{\(\alpha_1,\alpha_2,...,\alpha_p\)}=\(\{\alpha_1c_1,\alpha_2c_2,...,\alpha_pc_p|c_i\in\mathbb{F},i=1,2,...,p\}=\mathbb{W}\),即 \(\alpha_1,\alpha_2,...,\alpha_p\) 的线性组合的全体,则\(\mathbb{W}\)是\(\mathbb{V}\)的一个子空间。
虽然无法列举出每一个元素,但是可以指出空间的生成元。生成组提供了子空间的一种表现方式。
- 矩阵\(A\in\mathbb{F}^{m\times n}\)的核与像
是\(\mathbb{F}^n\)的子空间(齐次线性方程组的解空间-Kernel A的核);
是\(\mathbb{F}^n\)的子空间 (image A的像)。
im A 即为 A 的列向量组所张成的子空间。
- 子空间的交与和
设\(\mathbb{U},\mathbb{W}\)是 \(\mathbb{V}\)的子空间:
- \(U\cap W\) 也是子空间,称为\(\mathbb{U},\mathbb{W}\)的交(子空间);
- \(\mathbb{U}+\mathbb{W}=Span\{\mathbb{U}、\mathbb{W}\}=Span\{\mathbb{U}+\mathbb{W}|\begin{array}{c}u=\mathbb{U}\\w=\mathbb{W}\end{array}\}\)也是子空间,称为\(\mathbb{U},\mathbb{W}\)的和(子空间);
值得注意的是,并空间不一定是子空间。
线性映射
- 线性映射与线性变换
设\(\mathbb{V_1}、\mathbb{V_2}\) 是\(\mathbb{F}\)上的线性空间,\(\sigma:\mathbb{V_1}\to\mathbb{V_2}\)是映射,如果:
- \(\sigma(e_1+e_2):\sigma(e_1)+\sigma(e_2)\);
- \(\sigma(e_1\cdot k):\sigma(e_1)\cdot k\).
则称 \(\sigma\) 是\(\mathbb{V_1}到\mathbb{V_2}\)的线性映射。若实现了对自身的映射,则称为一个变换。
若线性映射是可逆映射,则称其为线性同构。
- 矩阵与标准线性空间之间的线性映射两事物的等同性
给定\(A\in\mathbb{F}^{m\times n}\)通过右乘列向量,可决定线性映射\(\mathcal{A}\):
那么给出一个线性映射,是否能由一个矩阵表达出来呢?
记 \(\mathbb{F}^n\) 的标准基 : \(\epsilon_1,\cdots,\epsilon_n\) ;
因为\(\mathcal{A}\)是一个线性映射,那么\(\mathcal{A}(\epsilon_i)\in\mathbb{F}^m\);
将映射得来的若干列向量拼为矩阵 \(A\in\mathbb{F}^{m\times n}\);
- 如何表示?
给定线性映射 \(\mathcal{A}:\mathcal{V}\to\mathcal{W}\),dim(V)= n,dim(W)=m;
选取 \(\mathcal{V}\) 的基\(\epsilon_1,\cdots,\epsilon_n\) ; \(\mathcal{W}\) 的基\(\eta,\cdots,\eta_m\) ;
第 j 个入口基的向量 \(\epsilon_j\) 的像 \(\mathcal{A}(\epsilon_j)\) 在出口基中表示
即
则将他们拼成矩阵表示:
则称 A 为 \(\mathcal{A}\) 在入口基 和 出口基 下的矩阵表示。
\(\mathcal{A}[\epsilon_1,\cdots,\epsilon_n]=[\eta,\cdots,\eta_m]A\) ;
\[[线性映射] \left[\begin{array}{c} 入\\口\\基\\矩\\阵 \end{array}\right] = \left[\begin{array}{c} 出\\口\\基\\矩\\阵 \end{array}\right] [矩阵表示] \]
- 线性映射用坐标计算
给定线性映射 \(\mathcal{A}:\mathcal{V}\to\mathcal{W}\),选取 \(\mathcal{V}\) 的基\(\epsilon_1,\cdots,\epsilon_n\) ; \(\mathcal{W}\) 的基\(\eta,\cdots,\eta_m\) ;
给定\(\mathcal{v}\in\mathcal{V}\) 基坐标为 \(x\),则\(\mathcal{\mathcal{v}}\in\mathcal{W}\) 的坐标为 \(Ax\) ;