北京大学:《高等代数》课程(第三版)教学资源(讲义)第六章 线性空间(6.3)维数·基与坐标

§3维数·基与坐标 、向量的线性相关与线性无关 定义2设V是数域P上的一个线性空间,a1,a2…a,(r≥1是V一组向 量,k1,k2,…k是数域P中的数,那么向量 a=ka1+k2a2+…+k,a 称为向量组a1,a2,…a的一个线性组合,有时也说向量a可以用向量组 a,a2…,a,线性表出 定义3设 x1,C2,…Cr B1,B2…B 是V中两个向量组,如果(1)中每个向量都可以用向量组(2)线性表出,那么 称向量(1)可以用向量组(2)线性表出.如果(1)与(2)可以互相线性表出, 那么向量组(1)与(2)称为等价的. 定义4线性空间V中向量∝1,α2,…a,(r≥1)称为线性相关,如果在数域P 中有r个不全为零的数k,k2…k,使 k1a1+k2a2+…+k,an=0 如果向量a1,a2,…a,不线性相关,就称为线性无关换句话说,向量组 a2,a2…a称为线性无关,如果等式(3)只有在k1=k2=…k=0时才成立 几个常用的结论 1.单个向量a线性相关的充要条件是a=0.两个以上的向量a1,a2…an 线性相关的充要条件是其中有一个向量是其余向量的线性组合 2.如果向量组a1,a2…线性无关,而且可以被B,B2,…B,线性表出, 那么r≤s 由此推出,两个等价的线性无关的向量组,必含有相同个数的向量
§3 维数·基与坐标 一、向量的线性相关与线性无关 定义 2 设 V 是数域 P 上的一个线性空间, r ,. , , 1 2 (r 1) 是 V 一组向 量, r k ,k , ,k 1 2 是数域 P 中的数,那么向量 r r = k11 + k2 .2 ++ k 称为向量组 r ,. , , 1 2 的一个线性组合,有时也说向量 可以用向量组 r ,. , , 1 2 线性表出. 定义 3 设 r ,. , , 1 2 ; (1) s , , . 1 2 (2) 是 V 中两个向量组,如果(1)中每个向量都可以用向量组(2)线性表出,那么 称向量(1)可以用向量组(2)线性表出.如果(1)与(2)可以互相线性表出, 那么向量组(1)与(2)称为等价的. 定义 4 线性空间 V 中向量 r ,. , , 1 2 (r 1) 称为线性相关,如果在数域 P 中有 r 个不全为零的数 r k ,k , ,k 1 2 ,使 k11 + k2 .2 ++ krr = 0 . (3) 如果向量 r ,. , , 1 2 不线性相关 ,就称为线性无关. 换句话说,向量组 r ,. , , 1 2 称为线性无关,如果等式(3)只有在 k1 = k2 =kr = 0 时才成立. 几个常用的结论: 1. 单个向量 线性相关的充要条件是 = 0 .两个以上的向量 r ,. , , 1 2 线性相关的充要条件是其中有一个向量是其余向量的线性组合. 2. 如果向量组 r ,. , , 1 2 线性无关,而且可以被 s , , . 1 2 线性表出, 那么 r s . 由此推出,两个等价的线性无关的向量组,必含有相同个数的向量

3.如果向量组a,a2…,a线性无关,但a1,a2,…,a,B线性相关,那么B 可以由被a1,a2…,a,线性表出,而且表示法是唯一的 在一个线性空间中究竟最多能有几个线性无关的向量,显然是线性空间的 个重要属性 定义5如果在线性空间V中有n个线性无关的向量,但是没有更多数目的线性无 关的向量,那么V就称为n维的:如果在V中可以找到任意多个线性无关的向量, 那么V就称为无限维的 定义6在n维线性空间V中,n个线性无关的向量c1E2…,En称为V的一组 基.设a是V中任一向量,于是E1,E2…En,a线性相关,因此a可以被基 E1,E1,…,En线性表出: a=a11+a2E2+……+anE 其中系数a1,a2…an是被向量α和基s1,E2…,En唯一确定的,这组数就称为a在 基E1,E2…,En下的坐标,记为(a1a2…an) 由以上定义看来,在给出空间V的一组基之前,必须先确定V的维数 定理1如果在线性空间V中有n个线性无关的向量a1a2,…an,且V中任 向量都可以用它们线性表出,那么V是n维的,而a1,a2…an就是V的一组 基 例1在线性空间Pxn中, Lx 是n个线性无关的向量,而且每一个次数小于n的数域P上的多项式都可以被它 们线性表出,所以Px]n是n维的,而1,x,x2,…,x2就是它的一组基 例2在n维的空间P中,显然
3. 如果向量组 r ,. , , 1 2 线性无关,但 1 ,.2 , , r , 线性相关,那么 可以由被 r ,. , , 1 2 线性表出,而且表示法是唯一的. 在一个线性空间中究竟最多能有几个线性无关的向量,显然是线性空间的一 个重要属性. 定义 5 如果在线性空间 V 中有 n 个线性无关的向量,但是没有更多数目的线性无 关的向量,那么 V 就称为 n 维的;如果在 V 中可以找到任意多个线性无关的向量, 那么 V 就称为无限维的. 定义 6 在 n 维线性空间 V 中, n 个线性无关的向量 n , , , 1 2 称为 V 的一组 基.设 是 V 中任一向量,于是 1 , 2 , , n , 线性相关,因此 可以被基 n , , , 1 2 线性表出: a a an n = + ++ 1 1 2 2 . 其中系数 a a an , , , 1 2 是被向量 和基 n , , , 1 2 唯一确定的,这组数就称为 在 基 n , , , 1 2 下的坐标,记为 ( , , , ) a1 a2 an . 由以上定义看来,在给出空间 V 的一组基之前,必须先确定 V 的维数. 定理 1 如果在线性空间 V 中有 n 个线性无关的向量 n ,. , , 1 2 ,且 V 中任 一向量都可以用它们线性表出,那么 V 是 n 维的,而 n ,. , , 1 2 就是 V 的一组 基. 例 1 在线性空间 n P[x] 中, 2 1 1, , , , n− x x x 是 n 个线性无关的向量,而且每一个次数小于 n 的数域 P 上的多项式都可以被它 们线性表出,所以 n P[x] 是 n 维的,而 2 1 1, , , , n− x x x 就是它的一组基. 例 2 在 n 维的空间 n P 中,显然

E1=(1,0,…,0) E2=(0,…0) En=(0,0,…,1) 是一组基对于每一个向量a=(a1,a2,…,an),都有 = a1E1+a2E2+…+a 所以(a1a2…,an)就是向量a在这组基下的坐标 例3如果把复数域K看作是自身上的线性空间,那么它是一维的,数1就是一 组作是实数域上的线性空间,那么就是二维的,数1与i就是一组基这个例子告 诉我们,维数是和所考虑的数域有关的
= = = (0,0, ,1) (0,1, ,0), (1,0, ,0), 2 1 n 是一组基.对于每一个向量 ( , , , ) = a1 a2 an ,都有 a a an n = + ++ 1 1 2 2 . 所以 ( , , , ) a1 a2 an 就是向量 在这组基下的坐标. 例 3 如果把复数域 K 看作是自身上的线性空间,那么它是一维的,数 1 就是一 组作是实数域上的线性空间,那么就是二维的,数 1 与 i 就是一组基.这个例子告 诉我们,维数是和所考虑的数域有关的
按次数下载不扣除下载券;
注册用户24小时内重复下载只扣除一次;
顺序:VIP每日次数-->可用次数-->下载券;
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第六章 线性空间(6.2)线性空间的定义与简单性质.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第六章 线性空间(6.1)集合·映射.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第五章 二次型(5.4)正定二次型.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第五章 二次型(5.3)唯一性.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第五章 二次型(5.2)标准形.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第五章 二次型(5.1)二次型及其矩阵表示.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第四章 矩阵(4.7)分块乘法的初等变换及应用举例.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第四章 矩阵(4.6)初等矩阵.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第四章 矩阵(4.5)矩阵的分块.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第四章 矩阵(4.4)矩阵的逆.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第四章 矩阵(4.3)矩阵乘积的行列式与秩.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第四章 矩阵(4.2)矩阵的运算.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第四章 矩阵(4.1)矩阵概念的一些背景.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第三章 线性方程组(3.7)二元高次方程组.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第三章 线性方程组(3.6)线性方程组解的结构.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第三章 线性方程组(3.5)线性方程组有解判别定理.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第三章 线性方程组(3.4)矩阵的秩.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第三章 线性方程组(3.3)线性相关性.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第三章 线性方程组(3.2)n维向量空间.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第三章 线性方程组(3.1)消元法.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第六章 线性空间(6.4)基变换与坐标变换.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第六章 线性空间(6.5)线性子空间.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第六章 线性空间(6.6)子空间的交与和.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第六章 线性空间(6.7)子空间的直和.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第六章 线性空间(6.8)线性空间的同构.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第七章 线性变换(7.1)线性变换的定义.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第七章 线性变换(7.2)线性变换的运算.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第七章 线性变换(7.3)线性变换和矩阵.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第七章 线性变换(7.4)特征值与特征向量.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第七章 线性变换(7.5)对角矩阵.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第七章 线性变换(7.6)线性变换的值域与核.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第七章 线性变换(7.7)不变子空间.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第七章 线性变换(7.8)若尔当(Jordan)标准形介绍.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第七章 线性变换(7.9)最小多项式.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第八章 λ-矩阵(8.1)λ-矩阵.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第八章 λ-矩阵(8.2)λ-矩阵在初等变换下的标准形.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第八章 λ-矩阵(8.3)不变因子.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第八章 λ-矩阵(8.4)矩阵相似的条件.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第八章 λ-矩阵(8.5)初等因子.doc
- 北京大学:《高等代数》课程(第三版)教学资源(讲义)第八章 λ-矩阵(8.6)若尔当(Jordan)标准形的理论推导.doc