第七章线性变换复习讲述.doc

第七章 线性变换 §1 线性变换的定义 一、线性变换的定义 线性空间到自身的映射称为的一个变换. 定义1 线性空间的一个变换A称为线性变换，如果对于中任意的元素和数域中任意数，都有 A ()=A ()+A (); A()=A(). 一般用花体拉丁字母A，B，…表示的线性变换，A ()或A代表元素在变换A下的像. §3 线性变换和矩阵 一、线性变换关于基的矩阵 设是数域上维线性空间.是的一组基，现在建立线性变换与矩阵关系. 空间中任意一个向量可以被基线性表出，即有关系式 其中系数是唯一确定的，它们就是在这组基下的坐标.由于线性变换保持线性关系不变，因而在的像A与基的像A,A,…，A之间也必然有相同的关系： A=A（） =A()+A()+…+A () 上式表明，如果知道了基的像，那么线性空间中任意一个向量的像也就知道了，或者说 1. 设是线性空间的一组基，如果线性变换?与?在这组基上的作用相同，即 A=B， 那么A= B. 结论1的意义就是，一个线性变换完全被它在一组基上的作用所决定.下面指出，基向量的像却完全可以是任意的，也就是 2. 设是线性空间的一组基，对于任意一组向量一定有一个线性变换?使 A= 定理1 设是线性空间的一组基，是中任意个向量.存在唯一的线性变换?使 A= 定义2 设是数域上维线性空间的一组基，A是中的一个线性变换.基向量的像可以被基线性表出： 用矩阵表示就是 A（）=（A()，A?()，…， A()） = 其中 矩阵称为线性变换A在基下的矩阵. 定理3 设线性变换A在基下的矩阵是，向量在基下的坐标是,则A在基下的坐标可以按公式 计算. 二、同一个线性变换在不同基下的矩阵的关系. 线性变换的矩阵是与空间中一组基联系在一起的.一般说来，随着基的改变，同一个线性变换就有不同的矩阵.为了利用矩阵来研究线性变换，有必要弄清楚线性变换的矩阵是如何随着基的改变而改变的. 定理4设线性空间中线性变换A在两组 （6） (7) 下的矩阵分别为和，从基（6）到（7）的过渡矩阵是，于是. 定理4 告诉我们，同一个线性变换A在不同基下的矩阵之间的关系. 定义3 设，为数域上两个级方阵，如果可以找到数域上的级可逆方阵，使得，就说相似于，记作. 相似是矩阵之间的一种关系，这种关系具有下面三个性质： 1. 反身性： 2. 对称性：如果，那么. 3. 传递性：如果,,那么. 定理5 线性变换在不同基下所对应的矩阵是相似的；反过来，如果两个矩阵相似，那么它们可以看作同一个线性变换在两组基下所对应的矩阵. 矩阵的相似对于运算有下面的性质. 如果, ，那么 , 由此可知，如果，且是数域上一多项式，那么 利用矩阵相似的这个性质可以简化矩阵的计算. 例1 设是数域上一个二维线性空间，是一组基，线性变换A在下的矩阵是 计算A在的另一组基下的矩阵，这里 §4 特征值与特征向量 一、线性变换的特征值和特征向量的概念 定义4 设A是数域上线性空间的一个线性变换,如果对于数域中一数,存在一个非零向量,使得 A= （1） 那么称为A的一个特征值,而叫做A的属于特征值的一个特征向量. 如果是线性变换A的属于特征值的特征向量，那么的任何一个非零倍数也是A的属于特征值的特征向量.这说明特征向量不是被特征值所唯一决定的.相反，特征值却是被特征向量所唯一决定的，因为，一个特征向量只能属于一个特征值. 二、特征值与特征向量的求法 设是数域上维线性空间，是它的一组基，线性变换A在这组基下的矩阵是.设是特征值，它的一个特征向量在下的坐标是,则A的坐标是 . 的坐标是 因此（1）式相当于坐标之间的等式 (2) 或 这说明特征向量的坐标 满足齐次方程组 即 (3) 由于,所以它的坐标不全为零，即齐次方程组有非零解.而齐次方程组有非零解的充要条件是它的系数行列式为零，即 . 定义5 设是数域上一个级矩阵,是一个数字.矩阵的行列式 (4) 叫做矩阵的特征多项式,这是数域上的一个次多项式. 上面的分析说明，如果是线性变换A的特征值，那么一定是矩阵的特征多项式的一个根；反过来，如果是矩阵的特征多项式在数域中的一个根，即，那么齐次方程组（3）就有非零解.这时，如果是方程组（3）的一个非零解，那么非零向量 满足（1），即是线性变换A的一个特征值，就是属于特征值的一个特征向量. 因此确定一个线性变换A的一个特征值与特征向量的方法可以分成以下几步： 1.在线性空间中取一组基 ，写出A在这组基下的矩阵； 2.求出的特征多项式在数域中全部的根，它们也就是线性变换A的全部特征值； 3.把所求得的特征值逐个地