02南航戴华《矩阵论》第二章线线性映射与性变换.pptVIP

教学目的 掌握线性映射的定义 熟练掌握特征值、特征向量的定义和性质， 掌握矩阵可对角化的条件 理解酉空间的概念 掌握酉空间与实内积空间的异同。 (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) 特殊的变换：对任意的k∈P定义数乘变换K（x）=kx，恒等变换：I（x）=x，零变换：O (x)=0 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，从而有tr(AB)=tr(BA)；特别地，若A，B为同阶方阵，则AB与BA有相同的特征值. 两类矩阵的关系： Givens矩阵（变换）等于两个初等反射矩阵（变换）的乘积。 即反射变换比旋转变换更基本。 例 2.5.1 在多项式空间 P[t]3 中，设 f(t)=a1+a2t+a3t2 定义线性变换 T[f(t)]=(a2+a3) +(a1+a3)t+ +(a1+a2) t2 试求 P[t]3 的一组基 ，使 在该基下的矩阵为对角矩阵。 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 属于-1的两个线性无关的特征向量为 p2=(-1，1，0)T p3=(1，0，-1)T,所以 使得 P-1AP=? 因此所求基为 显然可以验证线性变换 满足 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。 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 （1）Im(D )和Ker(D )都是V的子空间； （2）Im(D )=span(D (?1),D (?2),…D (?n)) （3）rank(D )=rank(A) （4）dim(Im(D ))+dim(Ker(D ))=n 证明（1）显然R(D )是V的非空子集，对任意D(?),D(?)? R(D )，k?P 有 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 ) 所以Ker(D )是V的子空间 如果D (?r+1),…D(?n)是线性无关的，则有dim(Im(D ))=n-r 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)) 因为 线性无关，所以 ki=0(i=1,2…n),所以D(ar+1),…D(an)线性无关。 事实上，设 ，则