北大高代第3版.ppt

* * 主要内容 线性变换、基与基的像 第三节 线性变换的矩阵 线性变换的矩阵 向量像的计算公式 线性变换在不同基下矩阵的关系 相似矩阵 一、线性变换、基与基的像 设 V 是数域 P 上 n 维线性空间，?1 , ?2 , … , ?n 是 V 的一组基，这一节我们来建立线性变换与矩 阵的关系. 首先来讨论线性变换、基与基的像之间 的关系. 空间 V 中任一向量 ? 可以被基 ?1 , ?2 , … , ?n 线 性表出，即有 ? = x1?1 + x2?2 + … + xn?n (1) ? = x1?1 + x2?2 + … + xn?n (1) 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 ?1 , A ?2 , … , A ?n 之间也必然 有相同的关系： A ? = A (x1?1 + x2?2 + … + xn?n ) = x1 A (?1 ) + x2 A (?2 ) + … + xn A (?n ) (2) 上式表明，如果我们知道了基 ?1 , ?2 , … , ?n 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 ?1 , ?2 , … , ?n 是线性空间 V 的一组基. 如 果线性变换 A 与 B 在这组基上的作用相同，即 A ? i = B ? i , i = 1, 2, … , n , 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. 下面我们进一步指出，基 向量的像却完全可以是任意的，也就是说 2. 设 ?1 , ?2 , … , ?n 是线性空间 V 的一组基. 对 于任意一组向量 ? 1 , ? 2 , … , ? n 一定有一个线性变 换 A 使 A ? i = ? i , i = 1, 2, … , n . (3) 综合以上两点，得 定理 1 设 ?1 , ?2 , … , ?n 是线性空间 V 的一 组基， ? 1 , ? 2 , … , ? n 是 V 中任意 n 个向量. 存 在唯一的线性变换 A 使 A ? i = ? i , i = 1, 2, … , n . 有了以上的讨论，我们就可以来建立线性变换 与矩阵的联系. 二、线性变换的矩阵 1. 定义 定义 7 设 ?1 , ?2 , … , ?n 是数域 P 上 n 维线性 空间 V 的一组基， A 是 V 中的一个线性变换. 基 向量的像可以被基线性表出： 用矩阵来表示就是 A (?1 , ?2 , … , ?n ) = (A ?1 , A ?2 , … , A ?n ) = (?1 , ?2 , … , ?n ) A ， 其中 矩阵 A 称为 A 在基 ?1 , ?2 , … , ?n 下的矩阵. (5) 例 1 设 ?1 , ?2 , … , ?m 是 n ( n m ) 维线性空 间 V 的子空间 W 的一组基，把它扩充为 V 的一组 基 ?1 , ?2 , … , ?n . 指定线性变换 A 如下： A ?i = ?i ，当 i =1 , 2 , … , m , A ?i = 0 ，当 i = m + 1 , … , n . 如此确定的线性变换 A 称为对子空间 W 的一个 投影. 不难证明投影 A 在基 ?1 , ?2 , … , ?n 下的矩 阵是 m 行 m 列 这样，在取定一组基之后，我们就建立了由数 域 P 上的 n 维线性空间 V 的线性变换到数域 P 上 的 n ? n 矩阵的一个映射. 前面的 说明这 个映射是单射， 说明这个映射是满射. 换 句话说，我们在这二者之间建立了一个双射. 这个 对应的重要性表现在它保持运算，即有 2. 性质 定理 2 设 ?1 ,?2 , …,?n 是数域 P 上 n 维线性 空间 V 的一组基，在这组基下，每个线性变换按 对应一个 n ? n 矩阵. 这个对应具有以 下的性质： 1) 线性变换的和对应于矩阵的和； 2) 线性变换的乘积对应于矩阵的乘积； 3) 线性变换的数量乘积对应于矩阵的数量乘 积； 4) 可逆的线性变换与可逆矩阵对应，且逆变 换对应于逆矩阵. 证明 设 A ，B 是两个线性变换，它们在 基 ?1 , ?2 , … , ?n 下的矩阵分别是 A，B，即 A (?1 , ?2 , … , ?n ) = (?1 , ?2 , … , ?n )A ， B(?1 ,