到目前为止, 我们所学习的只是一元函数的分析性质。但在现实 生活中，除了非常简单的情况之外，可以仅用一个自变量和一个因变 量的变化关系来刻画的问题可以说是非常少的。比如像物理学中研究 质点运动这么一个相对较为容易的问题，也需要用到确定空间位置的 三个坐标变量 x、y、z 和一个时间变量 t 以及多个函数值（如位置、 速度、加速度、动量等），更不用说在各种不同的学科研究中会遇到 更为复杂的问题

由前一节的讨论,已经得到下面的两点性质: 1.辛空间(V,f)中一定能找到一组基E,E2,n-2n满足 f(n)=1,1≤i≤n, f()=0,-n≤i,jn,i+j≠0

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:

定义10设v1,V2是欧氏空间V中两个子空间如果对于任意的a∈V1,BEV2 恒有 (a,B)=0 则称V,2为正交的,记为V1⊥V2一个向量,如果对于任意的B∈V,恒有 (a,B)=0

对于给定的n维线性空间V,A∈L(V),如何才能选到V的一个基使关于 这个基的矩阵具有尽可能简单的形式由于一个线性变换关于不同基的矩阵是相 似的因而问题也可以这样提出在一切彼此相似的n阶矩阵中如何选出一个形 式尽可能简单的矩阵这一节介绍不变子空间的概念,来说明线性变换的矩阵的 化简与线性变换的内在联系

定理7设A是n维线性空间V的一个线性变换A的矩阵可以在某一基下为 对角矩阵的充要条件是A有n个线性无关的特征向量. 定理8属于不同特征值的特征向量是线性无关的 推论1如果在n维线性空间V中,线性变换的特征多项式在数域P中有n 个不同的根,即A有n个不同的特征值,那么A某组基下的矩阵是对角形的 推论2在复数上的线性空间中,如果线性变换A的特征多项式没有重根

本章主要内容简介 1.主要介绍n维向量(vector)、向量组(vector set)的线性组合、向量的线性表示、向量组的线性相关与线性无关、向量组的极大线性无关组、向量组的秩、向量组的等价等概念。 2.介绍向量组线性相关(linearly dependent)的性质。矩阵的秩与向量组的秩的关系,用矩阵的初等变换求向量组的秩和极大无关组。 3.用向量组的性质分析线性方程组的结构。 4.向量空间、子空间的概念,向量空间的基(basis)和维数(dimension)

本章首先介绍空间数据库、与一般数据库的比较,以及空间数据库的存储方 然后介绍了GIS中两种重要的数据结构:栅格结构和矢量结构,以及其具体的存 储方式,然后比较了两种结构的特点,并给出了其相互转换算法。 最后介绍了空间检索中常用的技术——空间索引,介绍了一些常用的空间索引方 式,如BSP树、R树、CELL树等;以及空间数据的查询功能

8-1概述 8-2直角坐标下的基本方程 8-3空间轴对称问题 8-4空间球对称问题

数据压缩 将信源所发出的信号用较少的数码表示,减少容纳给定数据集合的信号空间。 所谓信号空间亦即被压缩的对象是指: ①物理空间,即数据存储介质的尺寸。 ②时间区间,传输消息集合所需要的时间