- 此练习推荐所有读者。
- 此练习推荐所有读者。
- 此练习推荐所有读者。
- 问题 4
对于从
到
的同态,它发送

到哪里去了?
- 答案
这里有两种方法可以得到答案。
首先,显然
,因此我们可以应用组合保持的一般性质得到
。
另一种方法使用本小节中提出的计算方案。因为我们知道空间中这些元素的映射位置,所以我们考虑这个基底
作为定义域的基底。任意地,我们可以取
作为陪域的基底。有了这些选择,我们得到

以及,如

矩阵-向量乘法计算得出以下结果。

因此,
,如上所示。
- 此练习推荐所有读者。
- 问题 5
假设
由以下操作确定。

使用标准基底,求
- 表示该映射的矩阵;
的一般公式。
- 答案
再次回顾本小节,关于
,列向量表示自身。
- 为了表示
相对于
,我们取定义域中基向量对应的像,并将它们用陪域的基表示。
将它们并排排列成矩阵。
- 对于定义域
中的任何
,
因此
是所需表示。
- 此练习推荐所有读者。
- 问题 6
令
为导数变换。
- 用
表示
,其中
。 - 用
表示
,其中
。
- 答案
- 我们必须首先找到域基向量对应的图像,然后用陪域基向量表示该图像。

然后将这些表示连接起来形成表示该映射的矩阵。
- 按照上一项中的方法,我们将域基向量映射的结果表示出来

然后将它们并在一起形成矩阵。
- 此练习推荐所有读者。
- 问题 7
分别用每一对基来表示每个线性映射。
-
关于
,其中
,由
-
关于
,其中
,由下式给出
-
关于
,其中
和
,由下式给出
-
关于
,其中
和
,由下式给出
-
关于
,其中
,定义如下:
- 答案
对于每个映射,我们必须找到每个域基向量在映射下的像,并使用陪域的基向量表示每个像,最后将这些表示连接起来得到矩阵。
- 域基向量在映射下的像是

这些像可以用陪域的基向量表示如下:
矩阵
有
行和列。 - 一旦确定了域基向量在这个映射下的像

然后它们可以根据陪域的基表示
并组合在一起形成矩阵。
- 域基向量的图像为

并且它们相对于陪域的基表示为
所以矩阵是
(这是一个
矩阵)。 - 这里,域的基向量图像为

它们在陪域中表示为
因此矩阵为
- 域中基向量的图像为

它们表示为
所得矩阵为
是帕斯卡三角形(回想一下
是从大小为
的集合中选择
件物品的方法数量,无序且无重复)。
- 问题 9
相对于自然基,表示
空间上的转置变换,该空间由
矩阵组成。
- 答案
将此作为自然基

转置映射以这种方式作用

因此,将映射在陪域的基底上表示,并将这些列向量并在一起,得到以下结果。

- 问题 10
假设
是向量空间的基底。用
表示由以下每个映射确定的变换。
-
,
,
, 
-
,
,
, 
-
,
,
, 
- 答案
- 关于余域基底,域基底成员的像被表示为

因此,表示该变换的矩阵如下。
-
-
- 此练习推荐所有读者。
- 问题 12
考虑
的线性变换,由以下两个确定。

- 用标准基表示该变换。
- 该变换将该向量映射到哪里?

- 用这些基表示该变换。

- 使用上一项中的
,用
表示该变换。
- 答案
将映射称为
。
- 为了用标准基表示该映射,我们必须找到并表示来自域基的向量
和
的图像。给出了
的图像。找到
的图像的一种方法是通过观察——我们可以看到这一点。
找到
的图像的更系统的方法是使用给定的信息来表示变换,然后使用该表示来确定图像。为基采用这个变换,

给定的信息表明了这一点。
作为
我们有
因此,我们知道
(因为,相对于标准基,这个向量由它自己表示)。因此,这是
相对于
的表示。
- 为了使用上一项中开发的矩阵,请注意

因此,这是给定向量图像的表示,相对于陪域的基。
由于陪域的基是标准基,因此陪域中的向量用它们自身表示,所以我们有这个。
- 我们首先找到
中每个成员的图像,然后相对于
来表示这些图像。对于第一步,我们可以使用之前开发的矩阵。
实际上,对于
的第二个成员,不需要应用矩阵,因为问题陈述给出了它的图像。
现在用
来表示这些图像是例行公事。
因此,矩阵是这个。
- 我们知道前一项中域基元图像。

我们可以计算这些图像相对于陪域基元的表示。
因此,这个是矩阵。
- 问题 13
假设
是非奇异的,因此根据 定理 II.2.21,对于任何基
,图像
是
的一个基。
- 用
表示映射
。 - 对于定义域中的一个向量
,其在
中的坐标为
,...,
,用
表示
。
- 答案
- 定义域基向量的像为

这些像可以用以下方式在陪域的基中表示。
因此,矩阵为单位矩阵。
- 使用上一个项目中的矩阵,表示如下。

- 问题 14
给出矩阵和
(除了第
位为 1,其他全为 0 的列向量)的乘积公式。
- 答案
乘积

给出了矩阵的第
列。
- 此练习推荐所有读者。
- 问题 15
对于每个一元实变量函数向量空间,相对于
表示导数变换。
-
, 
-
, 
-
, 
- 答案
- 域基向量在陪域中的映射分别是
和
。以陪域的基(同样是
)表示并将其连接起来会得到这个矩阵。
- 域基向量在陪域中的映射分别是
和
。以陪域的基表示并将其连接起来会得到这个矩阵。
- 域基底成员的图像为
,
,
,以及
。相对于
表示这些图像并合并,得到这个矩阵。
- 问题 16
找到每个矩阵所表示的
线性变换的范围。
-
-
- 形式为
的矩阵
- 答案
- 它是以这种方式相对于陪域基底表示的陪域向量集。

由于陪域的基是
,每个向量都由自身表示,因此此变换的范围是
轴。 - 它是陪域中以这种方式表示的向量的集合。

关于
,向量代表自身,因此此范围是
轴。 - 关于
表示的向量集合为
是直线
,只要
或
不为零,如果两者都为零,则是仅包含原点的集合。
- 此练习推荐所有读者。
- 问题 17
一个矩阵可以代表两种不同的线性映射吗?也就是说,
可能吗?
- 答案
可以,有两个原因。
首先,这两个映射
和
不必具有相同的定义域和陪域。例如,

表示一个映射
,相对于标准基,将

同时,它也表示一个映射
,相对于
和
,它以这种方式作用。

第二个原因是,即使
和
的定义域和值域一致,不同的基也会产生不同的映射。一个例子是
单位矩阵

表示在
上的恒等映射,相对于
。然而,相对于定义域的
,但对于陪域则是基
,同一个矩阵
表示交换第一个和第二个分量的映射

(即关于直线
的反射)。
- 问题 18
证明定理 1.4。
- 答案
我们模仿例 1.1,只是用字母替换数字。
写
作为
和
作为
。根据映射在基下的表示的定义,假设

表示
。根据向量对基底的表示定义,假设

表示
。代入得到

因此
按要求表示。
- 此练习推荐所有读者。
- 问题 20(舒尔三角化引理)
- 令
是
的一个子空间,并固定基
。关于
的
中向量的表示和关于
的该向量(视为
的一个成员)的表示之间是什么关系? - 映射呢?
- 固定
的一个基
,并观察到跨度![{\displaystyle [\{{\vec {0}}\}]=\{{\vec {0}}\}\subset [\{{\vec {\beta }}_{1}\}]\subset [\{{\vec {\beta }}_{1},{\vec {\beta }}_{2}\}]\subset \quad \cdots \quad \subset [B]=V}](https://wikimedia.org/api/rest_v1/media/math/render/svg/3414ca6462a266e81a770fece4e99534b9ae335d)
构成一个严格递增的子空间链。证明对于任何线性映射
,存在一个子空间链
,使得![{\displaystyle h([\{{\vec {\beta }}_{1},\dots ,{\vec {\beta }}_{i}\}])\subset W_{i}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/8a96d738e2b917d08ef2413bf0cccf59449c4022)
对于每个
。 - 可以得出结论,对于每个线性映射
,都存在基
,使得表示
的矩阵相对于
是上三角矩阵(即,每个条目
其中
为零)。 - 上三角表示是唯一的吗?
- 答案
- 将
写成
,然后将
写成
。如果
那么,
因为
。 - 首先,我们需要确定问题的含义。比较
及其对子空间
的限制。限制的范围空间是
的子空间,因此,为该范围空间固定一个基底
,并将其扩展为
的基底
。我们希望了解这两个基底之间的关系。
答案直接从前一项得出:如果
则扩展将以这种方式表示。
- 将
定义为
的生成空间。 - 将第二项的答案应用到第三项。
- 否。例如,
,即对
轴的投影,可以用这两个上三角矩阵来表示
其中,
.