线性代数|证明:线性空间的基本性质

这篇具有很好参考价值的文章主要介绍了线性代数|证明:线性空间的基本性质。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

性质 1 零向量是唯一的。

证明 设 0 1 , 0 2 \boldsymbol{0}_1, \boldsymbol{0}_2 01,02 是线性空间 V V V 中的两个零向量,即对任何 α ∈ V \boldsymbol{\alpha} \in V αV,有
α + 0 1 = α α + 0 2 = α \begin{align*} \boldsymbol{\alpha} + \boldsymbol{0}_1 = \boldsymbol{\alpha} \tag{1} \\ \boldsymbol{\alpha} + \boldsymbol{0}_2 = \boldsymbol{\alpha} \tag{2} \\ \end{align*} α+01=αα+02=α(1)(2)
( 1 ) (1) (1) 代入 ( 2 ) (2) (2) ( α + 0 1 ) + 0 2 = ( α + 0 1 ) (\boldsymbol{\alpha} + \boldsymbol{0}_1) + \boldsymbol{0}_2 = (\boldsymbol{\alpha} + \boldsymbol{0}_1) (α+01)+02=(α+01),将 ( 2 ) (2) (2) 代入 ( 1 ) (1) (1) ( α + 0 2 ) + 0 1 = ( α + 0 2 ) (\boldsymbol{\alpha} + \boldsymbol{0}_2) + \boldsymbol{0}_1 = (\boldsymbol{\alpha} + \boldsymbol{0}_2) (α+02)+01=(α+02),进而有
0 1 + 0 2 = 0 1 , 0 2 + 0 1 = 0 2 \boldsymbol{0}_1 + \boldsymbol{0}_2 = \boldsymbol{0}_1, \hspace{1em} \boldsymbol{0}_2 + \boldsymbol{0}_1 = \boldsymbol{0}_2 01+02=01,02+01=02
所以
0 1 = 0 1 + 0 2 = 0 2 + 0 1 = 0 2 \boldsymbol{0}_1 = \boldsymbol{0}_1 + \boldsymbol{0}_2 = \boldsymbol{0}_2 + \boldsymbol{0}_1 = \boldsymbol{0}_2 01=01+02=02+01=02
得证。

性质 2 任一向量的负向量是唯一的, α \boldsymbol{\alpha} α 的负向量记作 − α - \boldsymbol{\alpha} α

证明 设 β , γ \boldsymbol{\beta}, \boldsymbol{\gamma} β,γ α \boldsymbol{\alpha} α 的负向量,即 α + β = 0 \boldsymbol{\alpha} + \boldsymbol{\beta} = \boldsymbol{0} α+β=0 α + γ = 0 \boldsymbol{\alpha} + \boldsymbol{\gamma} = \boldsymbol{0} α+γ=0。于是
β = β + 0 = β + ( α + γ ) = γ + ( α + β ) = γ + 0 = γ \boldsymbol{\beta} = \boldsymbol{\beta} + \boldsymbol{0} = \boldsymbol{\beta} + (\boldsymbol{\alpha} + \boldsymbol{\gamma}) = \boldsymbol{\gamma} + (\boldsymbol{\alpha} + \boldsymbol{\beta}) = \boldsymbol{\gamma} + \boldsymbol{0} = \boldsymbol{\gamma} β=β+0=β+(α+γ)=γ+(α+β)=γ+0=γ
得证。

性质 3  0 α = 0 0 \boldsymbol{\alpha} = \boldsymbol{0} 0α=0

证明 因为 $\boldsymbol{\alpha} + 0 \boldsymbol{\alpha} = 1\boldsymbol{\alpha} + 0 \boldsymbol{\alpha} = (1 + 0) \boldsymbol{\alpha} = 1\boldsymbol{\alpha} = \boldsymbol{\alpha} $,所以 0 α = 0 0 \boldsymbol{\alpha} = \boldsymbol{0} 0α=0。得证。

性质 4  ( − 1 ) α = − α (-1)\boldsymbol{\alpha} = - \boldsymbol{\alpha} (1)α=α

证明 因为 α + ( − 1 ) α = 1 α + ( − 1 ) α = [ 1 + ( − 1 ) ] α = 0 α = 0 \boldsymbol{\alpha} + (-1)\boldsymbol{\alpha} = 1 \boldsymbol{\alpha} + (-1)\boldsymbol{\alpha} = [1 + (-1)] \boldsymbol{\alpha} = 0 \boldsymbol{\alpha} = \boldsymbol{0} α+(1)α=1α+(1)α=[1+(1)]α=0α=0,所以 ( − 1 ) α = − α (-1)\boldsymbol{\alpha} = - \boldsymbol{\alpha} (1)α=α。得证。

性质 5  λ 0 = 0 \lambda \boldsymbol{0} = \boldsymbol{0} λ0=0

证明 根据性质 4,有 λ 0 = λ [ α + ( − 1 ) α ] = 0 α = 0 \lambda \boldsymbol{0} = \lambda [\boldsymbol{\alpha} + (-1)\boldsymbol{\alpha}] = 0 \boldsymbol{\alpha} = \boldsymbol{0} λ0=λ[α+(1)α]=0α=0。得证。

性质 6 如果 λ α = 0 \lambda \boldsymbol{\alpha} = \boldsymbol{0} λα=0,则 λ = 0 \lambda = 0 λ=0 α = 0 \boldsymbol{\alpha} = \boldsymbol{0} α=0

证明 若 λ ≠ 0 \lambda \ne 0 λ=0,在 λ α = 0 \lambda \boldsymbol{\alpha} = \boldsymbol{0} λα=0 两边乘 1 λ \frac{1}{\lambda} λ1,得
1 λ ( λ α ) = 1 λ 0 = 0 \frac{1}{\lambda} (\lambda \boldsymbol{\alpha}) = \frac{1}{\lambda} \boldsymbol{0} = \boldsymbol{0} λ1(λα)=λ10=0

1 λ ( λ α ) = ( 1 λ λ ) α = 1 α = α \frac{1}{\lambda} (\lambda \boldsymbol{\alpha}) = (\frac{1}{\lambda} \lambda) \boldsymbol{\alpha} = 1 \boldsymbol{\alpha} = \boldsymbol{\alpha} λ1(λα)=(λ1λ)α=1α=α
所以有 α = 0 \boldsymbol{\alpha} = \boldsymbol{0} α=0。得证。文章来源地址https://www.toymoban.com/news/detail-724047.html

到了这里,关于线性代数|证明:线性空间的基本性质的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 线性代数|证明:矩阵不同特征值对应的特征向量线性无关

    定理 1 设 λ 1 , λ 2 , ⋯   , λ m lambda_1,lambda_2,cdots,lambda_m λ 1 ​ , λ 2 ​ , ⋯ , λ m ​ 是方阵 A boldsymbol{A} A 的 m m m 个特征值, p 1 , p 2 , ⋯   , p m boldsymbol{p}_1,boldsymbol{p}_2,cdots,boldsymbol{p}_m p 1 ​ , p 2 ​ , ⋯ , p m ​ 依次是与之对应的特征向量,如果 λ 1 , λ 2 , ⋯   , λ

    2024年02月07日
    浏览(46)
  • 线性代数|证明:矩阵特征值之和等于主对角线元素之和

    性质 1 设 n n n 阶矩阵 A = ( a i j ) boldsymbol{A} = (a_{ij}) A = ( a ij ​ ) 的特征值为 λ 1 , λ 2 , ⋯   , λ n lambda_1,lambda_2,cdots,lambda_n λ 1 ​ , λ 2 ​ , ⋯ , λ n ​ ,则 λ 1 + λ 2 + ⋯ + λ n = a 11 + a 22 + ⋯ + a n n lambda_1 + lambda_2 + cdots + lambda_n = a_{11} + a_{22} + cdots + a_{nn} λ 1 ​ + λ 2 ​

    2024年02月08日
    浏览(32)
  • 线性代数(五) 线性空间

    《线性代数(三) 线性方程组向量空间》我通过解线性方程组的方式去理解线性空间。此章从另一个角度去理解 大家较熟悉的:平面直角坐标系是最常见的二维空间 空间由无穷多个坐标点组成 每个坐标点就是一个向量 反过来,也可说:2维空间,是由无穷多个2维向量构成 同样

    2024年02月11日
    浏览(36)
  • 线性代数|证明:矩阵特征值之积等于矩阵行列式的值

    性质 1 设 n n n 阶矩阵 A = ( a i j ) boldsymbol{A} = (a_{ij}) A = ( a ij ​ ) 的特征值为 λ 1 , λ 2 , ⋯   , λ n lambda_1,lambda_2,cdots,lambda_n λ 1 ​ , λ 2 ​ , ⋯ , λ n ​ ,则 λ 1 λ 2 ⋯ λ n = ∣ A ∣ lambda_1 lambda_2 cdots lambda_n = |boldsymbol{A}| λ 1 ​ λ 2 ​ ⋯ λ n ​ = ∣ A ∣ 。 证明 不妨设

    2024年02月08日
    浏览(36)
  • 线性代数|线性空间的定义与性质

    定义 1 设 V V V 是一个非空集合, R R R 为实数域。如果在 V V V 中定义了一个 加法 ,即对于任意两个元素 α , β ∈ V boldsymbol{alpha}, boldsymbol{beta} in V α , β ∈ V ,总有唯一的一个元素 γ ∈ V boldsymbol{gamma} in V γ ∈ V 与之对应,称为 α boldsymbol{alpha} α 与 β boldsymbol{beta

    2024年02月07日
    浏览(37)
  • 线性代数|证明:矩阵特征值的倒数是其逆矩阵的特征值

    性质 1 若 λ lambda λ 是 A boldsymbol{A} A 的特征值,当 A boldsymbol{A} A 可逆时, 1 λ frac{1}{lambda} λ 1 ​ 是 A − 1 boldsymbol{A}^{-1} A − 1 的特征值。 证明 因为 λ lambda λ 是 A boldsymbol{A} A 的特征值,所以有 p ≠ 0 boldsymbol{p} ne 0 p  = 0 使 A p = λ p boldsymbol{A} boldsymbol{p} = lambda

    2024年02月08日
    浏览(36)
  • 陶哲轩也在用的人工智能数学证明验证工具lean [线性代数篇1]从零开始证明矩阵的逆

    我还做了一个视频专门讲解哦,有空支持一下点个赞: 陶哲轩也在用的人工智能数学证明验证工具lean [线性代数篇1]从零开始证明矩阵的逆_哔哩哔哩_bilibili import Paperproof import Mathlib.LinearAlgebra.Matrix.Adjugate import Mathlib.Data.Real.Sqrt -- set_option trace.Meta.synthInstance true -- 要解释每一个

    2024年02月03日
    浏览(50)
  • 线性代数(三) 线性方程组&向量空间

    如何利用行列式,矩阵求解线性方程组。 用矩阵方程表示 齐次线性方程组:Ax=0; 非齐次线性方程组:Ax=b. 可以理解 齐次线性方程组 是特殊的 非齐次线性方程组 如何判断线性方程组的解 其中R(A)表示矩阵A的秩 B表示A的增广矩阵 n表示末知数个数 增广矩阵 矩阵的秩 秩r= 未知

    2024年02月13日
    浏览(31)
  • 数论与线性代数——整除分块【数论分块】的【运用】&【思考】&【讲解】&【证明(作者自己证的QWQ)】

    整除分块 是为了解决一个 整数求和 问题 题目的问题为: ∑ i = 1 n ⌊ n i ⌋ sum_{i=1}^{n} left lfloor frac{n}{i} right rfloor i = 1 ∑ n ​ ⌊ i n ​ ⌋ 求出 上述式子 的值为多少? 上述问题 等同于 c o d e code co d e ↓ 注意事项: ⌊ x ⌋ left lfloor x right rfloor ⌊ x ⌋ 代表不大于 x

    2024年04月11日
    浏览(28)
  • 线性代数(魏福义)——第一章:向量与线性空间

    坐标系中可使用向量处理几何与运动学的问题,一般使用到二维或者三维有序数组,如(x,y)、(x,y,z),这样的数组称作 向量, 实际问题会用到更多维的向量。 1.1.1向量 以有序数组表示向量。n个数排成的有序数组就是n维向量。 α=(a1,a2,a3...,an)称为 行向量 ;将其

    2024年03月21日
    浏览(37)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包