|
|
|
|
@ -88,6 +88,12 @@ $$称矩阵 $\boldsymbol{K}$ 为基 $T_1$ 到基 $T_2$ 的**过渡矩阵**.由
|
|
|
|
|
上面第三个例子不要求大家掌握,但前两个还是得清楚的,这是书上明确给了的例子。
|
|
|
|
|
|
|
|
|
|
>[!example] 例题3
|
|
|
|
|
>证明多项式空间是线性空间。
|
|
|
|
|
|
|
|
|
|
>[!note] 证明:
|
|
|
|
|
>任取多项式 $f=a_nx^n+\cdots+a_1x+a_0\in V$. 加法和数乘封闭性,加法交换律、结合律,数乘结合律和分配律显然成立. 考虑 $o=0$ ,有 $f+o=o+f=f$,故 $o$ 为零元;取 $g=(-a_n)x^n+\cdots+(-a_1)x+(-a_0)\in V$, 有 $f+g=o$, 故存在负元;显然 $1\in\mathbb{R}$ 为数乘单位元。故多项式空间是线性空间。
|
|
|
|
|
|
|
|
|
|
>[!example] 例题3.5
|
|
|
|
|
>设$V$是定义于区间$[a,b]$上取正值的所有函数的集合,我们定义$$f\oplus g=f\times g,\lambda \odot f=f^\lambda\qquad(f,g\in V,\lambda\in\mathbb{R}).$$证明:在上述运算下,$V$是实数域$\mathbb{R}$上的线性空间.
|
|
|
|
|
|
|
|
|
|
>[!note] **证明:**
|
|
|
|
|
@ -111,7 +117,7 @@ $$
|
|
|
|
|
则称 $T$ 为 $U$ 到 $V$ 的**线性映射**。
|
|
|
|
|
特别地,若 $T$ 是线性空间 $V$ 到 $V$ 的一个线性映射,则称 $T$ 是 $V$ 上的一个**线性变换**。
|
|
|
|
|
|
|
|
|
|
> **注**:可加性和齐次性可以合并为 $T(k\boldsymbol{\alpha}+l\boldsymbol{\beta})=kT(\boldsymbol{\alpha})+lT(\boldsymbol{\beta})$,其中 $k,l \in \mathbb{R}$。
|
|
|
|
|
> **注**:可加性和齐次性可以合并为 $T(k\boldsymbol{\alpha}+l\boldsymbol{\beta})=kT(\boldsymbol{\alpha})+lT(\boldsymbol{\beta})$,其中 $k,l \in \mathbb{R}$. 证明 $T$ 是线性变换就等价于证明 $T(k\boldsymbol{\alpha}+l\boldsymbol{\beta})=kT(\boldsymbol{\alpha})+lT(\boldsymbol{\beta})$.
|
|
|
|
|
|
|
|
|
|
>[!info] **定理**
|
|
|
|
|
>设 $V$ 是线性空间,$T$ 是 $V$ 上的线性变换,则有:
|
|
|
|
|
@ -192,6 +198,7 @@ $$
|
|
|
|
|
由 $\left[\boldsymbol{\beta}_1\;\boldsymbol{\beta}_2\;\dots\;\boldsymbol{\beta}_n\right]=\left[\boldsymbol{\alpha}_1\;\boldsymbol{\alpha}_2\;\dots\;\boldsymbol{\alpha}_n\right]C$,且 $$
|
|
|
|
|
\left[T(\boldsymbol{\alpha}_1)\;T(\boldsymbol{\alpha}_2)\;\dots\;T(\boldsymbol{\alpha}_n)\right]=\left[\boldsymbol{\alpha}_1\;\boldsymbol{\alpha}_2\;\dots\;\boldsymbol{\alpha}_n\right]A,$$ $$
|
|
|
|
|
\left[T(\boldsymbol{\beta}_1)\;T(\boldsymbol{\beta}_2)\;\dots\;T(\boldsymbol{\beta}_n)\right]=\left[\boldsymbol{\beta}_1\;\boldsymbol{\beta}_2\;\dots\;\boldsymbol{\beta}_n\right]B.$$
|
|
|
|
|
由 $\boldsymbol \beta_i=$
|
|
|
|
|
计算得:$$
|
|
|
|
|
\begin{aligned}
|
|
|
|
|
\left[T(\boldsymbol{\beta}_1)\;T(\boldsymbol{\beta}_2)\;\dots\;T(\boldsymbol{\beta}_n)\right]&=\left[T(\boldsymbol{\alpha}_1)\;T(\boldsymbol{\alpha}_2)\;\dots\;T(\boldsymbol{\alpha}_n)\right]C \\
|
|
|
|
|
|