内容发布更新时间 : 2024/9/17 12:15:35星期一 下面是文章的全部内容请认真阅读。
第七章 线性变换(小结)
本章的重点: 线性变换的矩阵以及它们对角化的条件和方法. 本章的难点: 不变子空间的概念和线性变换和矩阵的一一对应关系.
线性变换是线性代数的中心内容之一,它对于研究线性空间的整体结构以及向量之间的内在联系起着重要作用.线性变换的概念是分析几何中的坐标变换、数学分析中的某些变换替换等的抽象和推广,它的理论和方法,(特别是和之相适应的矩阵理论和方法)在分析几何、微分方程等许多其它使用学科,都有极为广泛的使用.
本章的中心问题是研究线性变换的矩阵表示,在方法上则充分利用了线性变换和矩阵对应和相互转换. 一、线性变换及其运算
1. 基本概念: 线性变换,可逆线性变换和逆变换; 线性变换的值域和核，秩和零度; 线性变换的和和差, 乘积和数量乘法, 幂及多项式.
2. 基本结论
(1) 线性变换保持零向量、线性组合和线性关系不变; 线性变换把负向量变为象的负向量、把线性相关的向量组变为线性相关的向量组
(2) 线性变换的和、差、积、数量乘法和可逆线性变换的逆变换仍为线性变换.
(3) 线性变换的基本运算规律(略).
(4) 一个线性空间的全体线性变换关于线性变换的加法和数量乘法作成一个线性空间.
(5) 线性空间V的线性变换A的象Im(A )= A V和核kerA = A -1(0) (a) A的象Im(A )= A V和核kerA = A -1(0)是V的(A -)子空间. (b)若dim(V)=n,则Im(A )由V的一组基的象生成: 即设V的一组基
?1,?2,...,?n, Im(A )= A V=L(A?1, A?2,… ,A?n)={ A ?|??V}.
kerA = A -1(0)= { ??V| A ?=0}.
(c)A的秩(dim Im(A ))+A的零度(dim kerA )=n.
(d)A是双射?A是单射? Ker(A)={0}?A是满射.
1
(e)像空间的一组基的原像和核空间的一组基合并就是线性空间V的一组基:
取ImA的一组基?1,?2,??r,存在?1,?2,...?r,使得A ?i??i,i=1,2,…,r. 再取kerA的基?r?1,...?n,则?1,?2,...?r,?r?1,...?n,就是V的一组基. 二、线性变换和矩阵
1.基本概念:
(1)线性变换在基下的矩阵:
设A ?L(V),取定n维线性空间V的一组基?1,?2,...,?n,则A?1, A?2,… ,A?n 可由?1,?2,…,?n线性表示, 即
(A?1, A?2,… ,A?n)=( ?1,?2,...,?n)A,
矩阵A称为线性变换A在此基下的矩阵.
(2) 一个线性变换在不同基下的矩阵相似:
设?1,?2,...,?n,?1,?2,...,?n是线性空间V的两组基,
(?1,?2,...,?n)=(?1,?2,...,?n)P, (A ?1, A ?2,… ,A ?n)=( ?1,?2,...,?n)A,
则
(A ?1, A ?2,… ,A ? n)=(?1,?2,...,?n)P?1AP.
2.基本结论
(1) 若?1,?2,?,?n是线性空间V的一个基, ??1,?2,?,?n?V,则存在唯一A ?L(V),使得A (?i)??i,i?1,2,?,n.
(2) 在取定n维线性空间V的一个基之后,将V的每一线性变换和它在这个基下的矩阵相对应,则这个对应使得线性变换的和、乘积、数量乘积的矩阵分别对应于矩阵的和、乘积、数量乘积；可逆线性变换和可逆矩阵对应，且逆变换对应逆矩阵。
(3) 同一线性变换关于不同基的矩阵是相似的;反之,若两个矩阵相似,则它们可看作是同一线性变换关于两个基的矩阵.
2
(4) 若在线性空间V的一个基?1,?2,?,?n下,线性变换A对应的矩阵为A,向量?的坐标为(x1,x2,?,xn),则 A的秩=秩(A),A(?)的坐标
?y1????y2????????y??n??x1????x2?. A??????x??n?三、特征值和特征向量
1.基本概念 (1)特征多项式
设线性变换A在V的一组基?1,?2,?,?n下的矩阵为A, 则
f(?)?|?E?A|??n?(a11?a22???ann)?n?1???(?1)n|A|
称为A的特征多项式.(的根就是A的全部特征根).
设?1,?2,…,?n是f(?)的全部根, 则
f(?)?(???1)(???2)?(???n)??n?(?1??2????n)?n?1???(?1)n?1?2??n.
由大多项式相等, 得
Tr(A)= a11?a22???ann??1??2????n, |A|??1?2??n.
(2)线性变换(或矩阵)的特征值和特征向量:
若A ?=??, ??0, 则?称为A的特征根(特征值), ?称为A的属于特征值?的特征向量.
(3)化零多项式
设g(?)是一个多项式,使得g(A )=0(g(A)=0),则g(?)称为A (A)的化零多项式.
(4)最小多项式---化零多项式中次数最低者.
(5)特征子空间---A的属于某一个特征值的全部特征向量作成的集合: V?0?{??V|A ????}. 2.基本结论:
3