南航《矩阵论》第二章线线性映射和性变换.ppt

(4)如果?1,?2,…?m 是V1的线性相关组，则 D (?1),D (?2),…D (?n)是V2的一组线性相关向量； 并且当且仅当D 是一一映射时，V1中的线性无关组的像是V2中的线性无关组. 注3 矩阵和线性映射互相唯一确定；在给定基的情况下，线性空间V1到V2的线性映射L与m?n矩阵一一对应，且这种对应保持加法和数乘两种运算。 即对V 中的任意两个向量?，?和任意k?P，映射（未必是双射）A：V?V 满足 (i) (可加性): A(?+?)=A(?)+A(?) (ii) (齐次性): kA(?)=A(k?) 称A(?)为?在变换A下的像，? 称为原像。 V上的全体线性变换记为：L(V, V) 对任意的k∈P定义 证:（1）|?I-B|=|?I-P-1AP|=|P-1(?I-A)P| =|P-1||(?I-A)||P|=|?I-A| 另：66页例2.4.5的结论： m阶方阵AB与n阶方阵BA有相同的非零特征值， 解： 这里标准基 在线性变换 下的矩阵表示为 矩阵A的特征值为 属于2的特征向量为p1=(1，1，1)T 使得 P-1AP=? p2=(-1，1，0)T p3=(1，0，-1)T,所以 属于-1的两个线性无关的特征向量为 例2.3.1 设线性空间　 的线性变换　为 求　在自然基底　　　　下的矩阵. 解： ? (?)= 例2.3.2 在线性空间 　中，线性变换　定义如下：　 （1）求 在标准基　　 下的矩阵. （2）求　在　　　　下的矩阵. 解：（1）由已知，有 自然基底 设 在标准基　　 下的矩阵为A，即 即： 为过渡矩阵 因而， 设　在 　　　下的矩阵为B，则 （2）求　在　　　　下的矩阵. 定义2.3.3 设D 是数域 P上的线性空间 上的线性变换 。令 R(D)=Im(D)={D( a)|a?V} Ker(D )=N(D)={a?V|D ( a)=0} 称R(D)是线性变换D的值域，而Ker(D)是线性变换的核。 R(D)的维数称为D的秩，Ker(D)的维数称为D的零度。 （1）Im(D)和Ker(D)都是V的子空间； （4）dim(Im(D))+dim(Ker(D))=n 定理2.3.2 设D 是数域 P上的线性空间V上的线性变换 。 令D 在V的一组基?1,?2,…?n下的矩阵表示为A，则 （2）Im(D)=span(D(?1),D(?2),…D(?n)) （3）rank(D)=rank(A) 证明（1）显然R(D )是V的非空子集， 对任意D(?),D(?)? R(D )，k?P 有 所以Ker(D )是V的子空间 D(?)+D(?)=D(?+?)? R(D) kD(?)=D(k?)? R(D) 所以R(D )是V的子空间 又D(0)=0,所以Ker(D )是V的非空子集, 对任意?,?? Ker(D )，k?P D(?+?)=D(?)+D(?)=0?Ker(D) D(k?)=kD(?)=0?Ker(D) 如果D(?r+1),…D(?n)是线性无关的，则有 证明（4）设 dim(Ker(D))=r，在 Ker(D) 中取一组基?1,?2,…?r，根据扩充定理，将它扩充成 的基?1,?2,…?r,?r+1,…?n，则 Im(D )=span(D(?1),…D(?r),D(?r+1),…D(?n)) =span(D(?r+1),…D(?n)) dim(Im(D ))=n-r 注 意 （1） 虽然 dim(Im(D))+dim(Ker(D))=n，但一般有Im(D)+Ker(D)?V （2） 当且仅当(Ker(D)={0}，也即当且仅当Im(D)=V时，变换D是可逆的。 例2.4.1 设线性变换A 在基 下的矩阵是 解：求A 的特征值等价于求对应矩阵的特征值 和特征向量。 求A 的全部特征值与特征向量。 得到一个基础解系: 所以A的特征值是 3 (二重)与 -6。 对于特征值 3，解齐次线性方程组 从而 A 的属于 3 的极大线性无关特征向量组是 于是A 属于 3的全部特征向量是 这里 k1k2≠0 。 对于特征值 -6，解齐次线性方程组 得到一个基础解系： 这里 k 为数域 F 中任意非零数。 从而 A 的属于 -6 的极大线性无关特征向量