由前面的讨论可知，并不是对于每一个线性变换都有一组基，使它在这组基 下的矩阵成为对角形.下面先介绍一下，在适当选择的基下，一般的一个线性变 换能化简成什么形状

在 n 维线性空间中，任意 n 个线性无关的向量都可以取作空间的基.对于不 同的基，同一个向量的坐标一般是不同的.随着基的改变，向量的坐标是怎样变 化的

一、线性空间的定义. 例 1 在解析几何里,讨论过三维空间中的向量.向量的基本属性是可以按平行四边形规律相加，也可以与实数作数量算法.不少几何和力学对象的性质是可以通过向量的这两种运算来描述的

冷矩阵的秩( Rank of a matrix) 定义1在mxn矩阵A中,任取k行k列(k≤m,k ≤n),位于这些行列交叉处的k2个元素,不 改变它们在A中所处的位置次序而得的k阶行列 式,称为矩阵A的k阶子式。 定义2如果矩阵A有一个不等于零的阶子式D, 并且所有的r+1阶子式(如果有的话)全为零 则称D为矩阵A的最高阶非零子式,称r为矩阵 A的秩,记为R(A)=r,并规定零矩阵的秩等 于零

一、 不变子空间的概念 二、 线性变换在不变子空间上的限制 三、 不变子空间与线性变换的矩阵化简 四、 线性空间的直和分解

若干个同维数的列向量（或同维数的行向量） 所组成的集合叫做向量组．

设V是数域P上一个n维线性空间.V上全体线性函数组成的集合记作 L(V,P).可以用自然的方法在L(V,P)上定义加法和数量乘法 设f,g是V的两个线性函数定义函数f+g如下:

根据哈密尔顿一凯莱定理,任给数域P上一个级矩阵A,总可以找到数域 P上一个多项式f(x),使f(A)=0.如果多项式f(x)使f(A)=0,就称f(x)以A 为根当然,以为A根的多项式是很多的,其中次数最低的首项系数为1的以A为 根的多项式称为A的最小多项式这一节讨论应用最小多项式来判断一个矩阵能 否对角化的问题

定义 2 所谓数域 P 上一个 n 维向量就是由数域 P 中 n 个数组成的有序数组

上一节我们定义了向量组的秩,如果把矩阵的每一行看成 一个向量,那么矩阵就是由这些行向量组成的。同样,如果把 矩阵的每一列看成一个向量,则矩阵也可以看作是由这些列向 量组成的。 定义3.4.1所谓矩阵的行秩是指矩阵的行向量所组成的 向量组的秩,矩阵的列秩是由矩阵列向量所称向量组的秩