国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

線性代數(shù)|證明:線性空間的基本性質(zhì)

這篇具有很好參考價值的文章主要介紹了線性代數(shù)|證明:線性空間的基本性質(zhì)。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方,請大家不吝賜教,您也可以點擊"舉報違法"按鈕提交疑問。

性質(zhì) 1 零向量是唯一的。

證明 設(shè) 0 1 , 0 2 \boldsymbol{0}_1, \boldsymbol{0}_2 01?,02? 是線性空間 V V V 中的兩個零向量,即對任何 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?),將 ( 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?),進而有
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?
得證。

性質(zhì) 2 任一向量的負(fù)向量是唯一的, α \boldsymbol{\alpha} α 的負(fù)向量記作 ? α - \boldsymbol{\alpha} ?α。

證明 設(shè) β , γ \boldsymbol{\beta}, \boldsymbol{\gamma} β,γ α \boldsymbol{\alpha} α 的負(fù)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
得證。

性質(zhì) 3  0 α = 0 0 \boldsymbol{\alpha} = \boldsymbol{0} 0α=0。

證明 因為 $\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。得證。

性質(zhì) 4  ( ? 1 ) α = ? α (-1)\boldsymbol{\alpha} = - \boldsymbol{\alpha} (?1)α=?α。

證明 因為 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。得證。

性質(zhì) 5  λ 0 = 0 \lambda \boldsymbol{0} = \boldsymbol{0} λ0=0。

證明 根據(jù)性質(zhì) 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。得證。

性質(zhì) 6 如果 λ α = 0 \lambda \boldsymbol{\alpha} = \boldsymbol{0} λα=0,則 λ = 0 \lambda = 0 λ=0 α = 0 \boldsymbol{\alpha} = \boldsymbol{0} α=0。

證明 若 λ ≠ 0 \lambda \ne 0 λ=0,在 λ α = 0 \lambda \boldsymbol{\alpha} = \boldsymbol{0} λα=0 兩邊乘 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)=λ1?0=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)=(λ1?λ)α=1α=α
所以有 α = 0 \boldsymbol{\alpha} = \boldsymbol{0} α=0。得證。文章來源地址http://www.zghlxwxcb.cn/news/detail-724047.html

到了這里,關(guān)于線性代數(shù)|證明:線性空間的基本性質(zhì)的文章就介紹完了。如果您還想了解更多內(nèi)容,請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來自互聯(lián)網(wǎng)用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務(wù),不擁有所有權(quán),不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載,請注明出處: 如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實不符,請點擊違法舉報進行投訴反饋,一經(jīng)查實,立即刪除!

領(lǐng)支付寶紅包贊助服務(wù)器費用

相關(guān)文章

  • 線性代數(shù)|證明:矩陣不同特征值對應(yīng)的特征向量線性無關(guān)

    定理 1 設(shè) λ 1 , λ 2 , ? ? , λ m lambda_1,lambda_2,cdots,lambda_m λ 1 ? , λ 2 ? , ? , λ m ? 是方陣 A boldsymbol{A} A 的 m m m 個特征值, p 1 , p 2 , ? ? , p m boldsymbol{p}_1,boldsymbol{p}_2,cdots,boldsymbol{p}_m p 1 ? , p 2 ? , ? , p m ? 依次是與之對應(yīng)的特征向量,如果 λ 1 , λ 2 , ? ? , λ

    2024年02月07日
    瀏覽(26)
  • 線性代數(shù)|證明:矩陣特征值之和等于主對角線元素之和

    性質(zhì) 1 設(shè) n n n 階矩陣 A = ( a i j ) boldsymbol{A} = (a_{ij}) A = ( a ij ? ) 的特征值為 λ 1 , λ 2 , ? ? , λ n lambda_1,lambda_2,cdots,lambda_n λ 1 ? , λ 2 ? , ? , λ n ? ,則 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
    瀏覽(22)
  • 線性代數(shù)(五) 線性空間

    線性代數(shù)(五) 線性空間

    《線性代數(shù)(三) 線性方程組向量空間》我通過解線性方程組的方式去理解線性空間。此章從另一個角度去理解 大家較熟悉的:平面直角坐標(biāo)系是最常見的二維空間 空間由無窮多個坐標(biāo)點組成 每個坐標(biāo)點就是一個向量 反過來,也可說:2維空間,是由無窮多個2維向量構(gòu)成 同樣

    2024年02月11日
    瀏覽(19)
  • 線性代數(shù)|證明:矩陣特征值之積等于矩陣行列式的值

    性質(zhì) 1 設(shè) n n n 階矩陣 A = ( a i j ) boldsymbol{A} = (a_{ij}) A = ( a ij ? ) 的特征值為 λ 1 , λ 2 , ? ? , λ n lambda_1,lambda_2,cdots,lambda_n λ 1 ? , λ 2 ? , ? , λ n ? ,則 λ 1 λ 2 ? λ n = ∣ A ∣ lambda_1 lambda_2 cdots lambda_n = |boldsymbol{A}| λ 1 ? λ 2 ? ? λ n ? = ∣ A ∣ 。 證明 不妨設(shè)

    2024年02月08日
    瀏覽(20)
  • 線性代數(shù)|線性空間的定義與性質(zhì)

    定義 1 設(shè) V V V 是一個非空集合, R R R 為實數(shù)域。如果在 V V V 中定義了一個 加法 ,即對于任意兩個元素 α , β ∈ V boldsymbol{alpha}, boldsymbol{beta} in V α , β ∈ V ,總有唯一的一個元素 γ ∈ V boldsymbol{gamma} in V γ ∈ V 與之對應(yīng),稱為 α boldsymbol{alpha} α 與 β boldsymbol{beta

    2024年02月07日
    瀏覽(22)
  • 線性代數(shù)|證明:矩陣特征值的倒數(shù)是其逆矩陣的特征值

    性質(zhì) 1 若 λ lambda λ 是 A boldsymbol{A} A 的特征值,當(dāng) A boldsymbol{A} A 可逆時, 1 λ frac{1}{lambda} λ 1 ? 是 A ? 1 boldsymbol{A}^{-1} A ? 1 的特征值。 證明 因為 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
    瀏覽(19)
  • 陶哲軒也在用的人工智能數(shù)學(xué)證明驗證工具lean [線性代數(shù)篇1]從零開始證明矩陣的逆

    我還做了一個視頻專門講解哦,有空支持一下點個贊: 陶哲軒也在用的人工智能數(shù)學(xué)證明驗證工具lean [線性代數(shù)篇1]從零開始證明矩陣的逆_嗶哩嗶哩_bilibili import Paperproof import Mathlib.LinearAlgebra.Matrix.Adjugate import Mathlib.Data.Real.Sqrt -- set_option trace.Meta.synthInstance true -- 要解釋每一個

    2024年02月03日
    瀏覽(31)
  • 線性代數(shù)(三) 線性方程組&向量空間

    線性代數(shù)(三) 線性方程組&向量空間

    如何利用行列式,矩陣求解線性方程組。 用矩陣方程表示 齊次線性方程組:Ax=0; 非齊次線性方程組:Ax=b. 可以理解 齊次線性方程組 是特殊的 非齊次線性方程組 如何判斷線性方程組的解 其中R(A)表示矩陣A的秩 B表示A的增廣矩陣 n表示末知數(shù)個數(shù) 增廣矩陣 矩陣的秩 秩r= 未知

    2024年02月13日
    瀏覽(50)
  • 數(shù)論與線性代數(shù)——整除分塊【數(shù)論分塊】的【運用】&【思考】&【講解】&【證明(作者自己證的QWQ)】

    數(shù)論與線性代數(shù)——整除分塊【數(shù)論分塊】的【運用】&【思考】&【講解】&【證明(作者自己證的QWQ)】

    整除分塊 是為了解決一個 整數(shù)求和 問題 題目的問題為: ∑ 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 的值為多少? 上述問題 等同于 c o d e code co d e ↓ 注意事項: ? x ? left lfloor x right rfloor ? x ? 代表不大于 x

    2024年04月11日
    瀏覽(22)
  • 線性代數(shù)(魏福義)——第一章:向量與線性空間

    線性代數(shù)(魏福義)——第一章:向量與線性空間

    坐標(biāo)系中可使用向量處理幾何與運動學(xué)的問題,一般使用到二維或者三維有序數(shù)組,如(x,y)、(x,y,z),這樣的數(shù)組稱作 向量, 實際問題會用到更多維的向量。 1.1.1向量 以有序數(shù)組表示向量。n個數(shù)排成的有序數(shù)組就是n維向量。 α=(a1,a2,a3...,an)稱為 行向量 ;將其

    2024年03月21日
    瀏覽(33)

覺得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請作者喝杯咖啡吧~博客贊助

支付寶掃一掃領(lǐng)取紅包,優(yōu)惠每天領(lǐng)

二維碼1

領(lǐng)取紅包

二維碼2

領(lǐng)紅包