线代数LinearAlgebra刘鹏.ppt

《线代数LinearAlgebra刘鹏.ppt》由会员分享，可在线阅读，更多相关《线代数LinearAlgebra刘鹏.ppt（61页珍藏版）》请在三一办公上搜索。

1、线 性 代 数Linear Algebra刘鹏,复旦大学通信科学与工程系光华楼东主楼1109 Tel:65100226,第四章 线性空间与欧氏空间,一、线性空间的定义,设 V 是一个非空集合，如果它的任意元素：(1)对加法与数量乘法两种运算封闭；(2)满足以下 8 种 运算规律(公理),(1)+,(2)(+)+(+),(3)+0,(4)+()0,(5)k(+)k+k,(6)(k+l)=k+l,(7)(k l)=k(l),(8)1=,2 判别线性空间的方法：一个集合，它如果,1 凡满足以上八条运算规律的加法及数乘运算，称为线性运算,对于加法及数乘运算不封闭(不满足闭包性)；,或者，不满足八条运算

2、性质的任一条；,则不能构成线性空间,人们经常把线性空间称为向量空间,把线性空间中的元素称为向量.,二、子空间的概念(线性空间局部与整体的关系),定义 4.2:设 W 是数域 P 上线性空间 V 的 一个子集，若满足条件：,(1)W 是非空的；,(2)如果，W，则+W；,(3)如果 W，P 则 W；,那么 W 是 V 的一个子空间.,生成元(子空间自成体系),设1,2,.,n 是数域 P 上线性空间 V 中的一组向量，考虑这组向量所有可能的线性组合所组成的集合,是V的一个子空间，称它为由1,2,.,n 生成/张成的子空间(generated/spanned by)，记为：,向量组1,2,.,n

3、称为此子空间的生成元(generator).,4.2 基、维数和坐标,定义 4.3:线性空间 V 中向量组 1,2,.,n，如果它满足条件：,(1)1,2,.,n线性无关；,(2)线性空间 V 中任一向量都可经1,2,.,n线性表示.,则称此向量组是线性空间 V 的一个基(basis).,定义 4.4:如果线性空间 V 的一个基所含向量个数为 n,则称 V 为 n 维空间，记为 dim V=n.,定理 4.2:设1,2,.,l 是 n 维线性空间 V 中l 个向量，在 V 中取定一个基1,2,.,n，如果 j 在此基下的坐标为,则向量组 1，2，.,l 线性相关的充分必要条件是矩阵,的秩 rA

4、 l.,线性无关的充要条件是 rA=l.稍后用到,由向量组坐标矩阵的秩 判定其线性相关性.,二、向量的坐标,定义 4.5:设向量组 1,2,.,n 是 n 维线性空间 V 的一个基，是 V 中任意一个向量，则有,称数组 x1,x2,xn 为向量 在基1,2,.,n下的坐标(coordinates)，记为 x1,x2,xn T,任意一个向量 在一个确定的基下的坐标 是唯一的.,行空间和列空间的概念(补充),矩阵Amn 可以看作由行向量/列向量构成.,定义:由A 的行向量张成的子空间为A 的行空间(row space)；由A 的列向量张成的子空间为A 的列空间(column space).,例 设

5、,A 的行空间为如下形式,A 的列空间为,A 的行/列空间的维数为矩阵的秩.,A 的行空间维数=列空间维数.,用行/列空间的概念研究线性方程组,方程组 A X=b 可以写作,定理:(线性方程组相容)A X=b 相容的充要条件是 b 在 A 的列空间中，或A的列空间包含 b.,R(Amn)=Ax|x Rn Rm,系数矩阵 A 的 列空间,A 的列向量组线性无关，它们是列空间的 一个基.,任意一个向量 b 在一个确定的基下的坐标 是唯一的.,第三章的结论，方程组 A X=b 只有唯一解.,如果把 b 换成零向量，必然在列空间 中(平凡解).,N(Amn)=x|Ax=Rn,Ax=的解空间，零空间,定

6、义:矩阵Amn的零空间，又称核空间(null space)，是一组由下列公式定义的 n 维向量,零空间就是 A X=0 的全部解向量的集合.,当然，零空间是 Rn 的子空间.,A 的列向量组线性无关，r(A)=n,此时 A 的 零空间只有一个 0 向量.,A 的列向量组线性相关，r(A)n,A X=0 的 基础解系就是它的一组基.,基础解系所含向量个数是 n-r(A)，所以A的 零空间维数 是 n-r(A).,零空间也还可以看作与A“垂直(正交)”的 所有向量的集合，是行空间的正交补.,注意区别于只含有零向量的零子空间.,列空间的正交补是 AT X=0 的零空间.,三、过渡矩阵与坐标变换公式,

7、问题：在 n 维线性空间 V 中，任意 n个线性无关的向量都可以作为 V 的一组基,R n 的标准基是(e1,e2,.,en),我们也接触过几个标准基：,R 22 的标准基是,Pxn的标准基是(1,x2,.,xn),那么，同一向量在不同基下的坐标有什么关系呢？,不同的基可视作不同的参考坐标系，,所以，这实际上是不同参考坐标系下的坐标转化问题.,对不同的基，同一个向量的坐标是不同的,换句话说，随着基的改变，向量的坐标如何改变呢？,尽管标准基形式简单，但是很多实际问题中 标准基并不是最适用的,可以类比直角坐标系、圆柱坐标系、球坐标系、切平面法向量坐标系、特征值问题等等,例如：在 R2 中，我们希望

8、用新的基取代标准基(e1,e2),(1)给定一个向量 x=(x1,x2)T，求它在基 u1,u2 下的坐标;,(2)给定一个向量 c 在u1,u2 下的坐标 c=c1u1+c2u2，求它在标准基(e1,e2)下的坐标。,(2)较为简单：,由此得到,c在标准基下的坐标(x1,x2)T为,例如：给定向量 x=(7,4)T，求它在基 u1,u2 下的坐标,所以，x=3u1-2u2.,显然，对于(1)给定 x=(x1,x2)T，求它在基 u1,u2 下的坐标是(2)的逆过程：,则称矩阵 M 为由基1,2,.,n 到 基1,2,.,n 的过渡矩阵(transition matrix).,定义 4.6:设

9、 1,2,.,n 和 1,2,.,n 是 n 维线性空间 V 中的两个基，且有：,借助矩阵表示为,基变换公式,过渡矩阵是基与基之间的一个可逆线性变换.,定理 4.3:设 1,2,.,n 和1,2,.,n 是 n 维线性空间 V 中的两个基，且有：,则,(1)过渡矩阵 M 是可逆的；,(2)若 V，且在基 1,2,.,n 和 1,2,.,n 下的坐标分别为 x1,x2,.,xn T 和 x1,x2,.,xn T，则有,证明：（1）由定理 4.2 推论知过渡矩阵 M 是可逆的：因 M 是一个基在另一个基下的坐标矩阵,（2）由于向量在基 1,2,.,n 下的坐标为 x1,x2,.,xn T，即有,同

10、理,又已知,代入左式得,由于向量在基 1,2,.,n 下的坐标是唯一的故有(2.5)式成立,例：在线性空间 R3 中，取定两个基：,(1)求由基 1,2,3 到基1,2,3 的过渡矩阵;,(2)设向量在基1,2,3 下的坐标为0,-1,1T，求在基1,2,3 下的坐标。,解：由定义4.6，若过渡矩阵为M，则,记 A=1,2,3，B=1,2,3，A、B皆为已知矩阵，且 A 可逆，问题归结为解矩阵方程,所以,由基 1,2,3 到基1,2,3 的过渡矩阵为,可通过矩阵的初等行变换求解：,由坐标变换公式(2.5),(2)设向量在基1,2,3 下的坐标为0,-1,1T，求在基1,2,3 下的坐标。,例：

11、设 Px3 的两个基分别为,(1)1=1,2=x,3=x2,4=x3;,(2)f1=1+x+x3,f2=x+x2,f3=1+x-2x2,f4=2+x+x2+x3.,解：按过渡矩阵定义有,由已知条件即得,求由基（1）到基（2）的过渡矩阵;,所以,过渡矩阵为,四、线性子空间的维数与基,基/维数/坐标等概念也可以应用到线性子空间,线性子空间的基 极大无关组,线性子空间的维数 向量组的秩,线性子空间的基不唯一,线性子空间的任意两组基等价,例：线性空间 Rn 的子空间 N(A)=X Rn|AX=0 的基，由齐次线性方程组解的理论，易知其为 AX=0 的基础解系，dim N(A)=n-rA,定理 4.4:

12、设1,2,.,l 与 1,2,.,s 是线性空间 V 中的两个向量组。,(1)L(1,2,.,l)=L(1,2,.,s)的充分必要条件是 1,2,.,l 与 1,2,.,s 等价;,(2)L(1,2,.,l)的维数等于向量组 1,2,.,l 的秩.,证明：（1）必要性：因为,因而每一个i 都可以用向量组1,2,.,s 线性表示;,P146：生成子空间,同样,因而每一个 j 都可以用向量组1,2,.,l 线性表示;,因此向量组 1,2,.,l 与1,2,.,s 等价;,充分性：由于向量组 1,2,.,l 与 1,2,.,s 等价，,所以,凡是可用向量组 1,2,.,l 表示的向量，也一定可以用向

13、量组1,2,.,s 线性表示。,因为 L(1,2,.,l)中的向量都是 1,2,.,l 的线性组合，所以它们必定能用1,2,.,s 线性表示，因此必有：,同理亦有：,综合起来即得：,设向量组 1,2,.,l 的一个极大线性无关组是 i 1,i 2,.,i r,那么 i 1,i 2,.,i r 与原向量组 1,2,.,l 是等价的，由(1)的结论,(2)L(1,2,.,l)的维数等于向量组 1,2,.,l 的秩.,由(2.6)知i 1,i 2,.,i r 也是L(1,2,.,l)的一个基，且 dim L(1,2,.,l)=r,因而 L(1,2,.,r)的维数等于向量组 1,2,.,l 的秩.证毕

14、.,显然 i 1,i 2,.,i r 是生成子空间 L(i 1,i 2,.,i r)的一个基,且 dim(i 1,i 2,.,i r)=r,我们已定义了向量的加法与数乘运算，讨论了向量空间的基本性质；但是，与几何空间相比，似乎缺少了某些东西.,4.3 欧几里德(Euclid)空间,例如：向量的长度、向量间的夹角、内积.,能否把这些重要概念推广到线性空间？,欧几里德(Euclid)空间,长度、夹角、内积等概念是几何空间的 特征，是以欧氏几何为基础的，故称该空间为欧氏空间.,大家开始从低维几何学走向高维几何学.,欧几里德（约公元前330年前275年），古希腊数学家，“几何之父”，著几何原本.,欧氏

15、空间是2维、3维几何空间的一般化，把长度、夹角、内积等概念扩展到任意维数.,一、欧几里德空间的定义及基本性质,在几何空间中，设非零向量=(a1,a2,a3),=(b1,b2,b3),如果两向量之间的夹角为,则它们的内积,=|cos=a1b1+a2b2+a3b3.,=/2,=0,cos=0,内积是关键！,cos=/(|),不妨将内积的概念推广到线性空间.,定义 4.7:设 V 是实数域 R 上的一个线性空间，如果对于 V 中任意两个向量 与，都有唯一的确定的实数(不妨用(,)表示)与它对应，且它具有下列性质：,(1)(,)=(,)；,(2)(k,)=k(,)；,(3)(+,)=(,)+(,)；,

16、(4)(,)0，当且仅当=0 时(,)=0.,这里,V，kR,则称(,)为与的内积，称引入内积后的线性空间 V 是欧几里德空间，简称欧氏空间.,对称性,(2、3)线性性,恒正性,注：,欧氏空间是特殊的线性空间具备线性空间的所有性质.,简单地说，引入内积(inner/dot/scalar product)后的有限维实线性空间就是欧氏空间.,但是欧氏空间除了线性运算外还有内积运算.,欧氏空间是实数域上的；线性空间可在任何数域定义.,复数域上有复内积空间的定义酉空间.,所以欧氏空间内积空间.,例：在 几何空间中，规定内积为,其中,为几何空间向量，|，|表示向量的长度，为向量间的夹角,这样规定的内积满

17、足定义4.7 中的四个条件，因此它是一个欧氏空间.,在线性空间 R n 中，对于向量,常定义内积(inner/dot/scalar product)如下,向量的内积,这样规定的内积满足定义4.7 中的四个条件，因此R n构成一个欧氏空间.,实数,n3以上维内积是三维向量内积的推广，但是，没有直观的几何意义.,例：在线性空间Ca,b中，对于任意两个实连续函数 f(x)，g(x)Ca,b，定义内积,显然，(f,g)是实数，且满足4条性质：,所以，f,g 对于给定的内积定义构成欧氏空间.,则Ca,b构成一个欧氏空间.,(1)(f,g)=(g,f)；,(2)(kf,g)=k(f,g)；,(3)(f+g

18、,h)=(f,h)+(g,h)；,(4)(f,f)0，当且仅当f=0 时(f,f)=0.,欧氏空间的基本性质：,(1)(,0)=0；,(2)(,k)=(k，)=(k,)=k(,)；,(+,)=(,)+(,)；,(3)(,)0，当且仅当=0 时(,)=0.,二、向量的长度与夹角,对于任一向量，总有(,)0，因此(,)是有意义的，由此引入欧氏空间中 长度的概念.,有了内积的定义，我们就可以进一步给出 欧氏空间内 向量的长度 与 向量间夹角的定义.,定义 4.8:设是欧氏空间 V 的一个向量，称非负实数,为向量的长度(length)或模或范数(norm，2范数)，记为:,长度的基本性质：,(3)三角

19、不等式:|+|+|.,(1)正定性:|0;且|=0=;,(2)齐次性:|k|=|k|(kR);,单位向量(unit vector),长度为 1 的向量称为单位向量.,对于非零向量,我们可以将其单位化/标准化(normalize).,的长度(模)|=,则|=1.,把单位化,例：在线性空间 R2 中，向量：,(1)求两向量之间的距离；(2)将它们单位化。,解：向量距离的定义为数值,两向量之间的距离为,将两向量其单位化,定理 4.5:柯西施瓦茨不等式(Cauchy-Schwartz Inequality):,对于欧氏空间 V 中任意两个向量，恒有,当且仅当 与 线性相关时等号成立.,柯西:法国数学家

20、（1789-1857年），主要贡献在微积分，复变函数和微分方程方面，许多定理和公式以他的名字命名.,施瓦茨:德国数学家，魏尔斯特拉斯的学生，成就主要涉及分析学、微分方程、几何学等领域；他和柯西各自独立发现如上结论，故称为柯西施瓦茨不等式.,证明：（1）=0 或=0 时显然成立；考虑 0，0，,由内积的性质，对任意实数 t,下面证明 与 线性相关时等号成立：,假设 与 线性相关，则=k，可得,下面证明等号成立时 与 线性相关：,此时向量 与 夹角为零或.,假设等号成立，已知 0，可得,内积的结果是实数 与 线性相关；,柯西施瓦茨不等式的应用,应用于R n：,应用于Ca,b中，对于任意两个实函数

21、f(x)，g(x)Ca,b,柯西不等式,常用于不等式、三角形、求函数最值、解方程等问题,施瓦茨不等式,函数论的重要工具.,推论:对于欧氏空间 V 中任意两个向量，,（3.3）称为三角不等式.,证明：利用柯西施瓦茨不等式,两边开方即得(3.3).,在几何空间中，即两边之和大于第三边.,定义,的夹角(the angle between and)为,定义 4.9:设,是欧氏空间中的两个 非零向量,定义的合理性分析：由柯西施瓦茨不等式,在 0 与 之间必有唯一的 角度 使得定义成立.,例：在线性空间 R2 中，向量：,求两向量之间的夹角。,解：前例我们已将其单位化,解,定义 4.10:若(,)=0,即

22、=/2,则称与 正交或垂直(orthogonal)，记为.,由定义知,零向量与欧氏空间中任何向量正交.,零向量与自身正交，而且只有零向量 与自己正交.,欧氏空间中当向量 与 正交时,勾股定理,证明：,即勾股定理在欧氏空间中依然成立；,并且，可以推广到更一般的情形：,设欧氏空间中向量 1，2，.，n 两两正交，则,例：在线性空间 R3 中，向量：,正交,例：考虑线性空间C-1,1中，两个实连续函数分别为 f(x)=1，g(x)=x，参照前面内积的定义,显然 f,g 是正交的，它们的长度为,它们是正交的，所以满足勾股定理：,练习：考虑线性空间C-,中，两个实连续函数分别为 f(x)=sin x，g(x)=cos x，定义内积的为,证明：f,g 是正交的，且长度为1,傅立叶分析中非常关键.,例：设,Rn,且与 线性无关,求常数k,使+k 与 正交.,解(1)：几何方法,与 同方向，所以,解(2)：代数方法,向量+k 与 正交，所以,这个结果后面会用到.,布置习题 P 183:1.（1）、(3)2.3.4.5.7.（1）8.10.11.12.（1）（3）13.16.17.（1）（2）18.（1）（3）,