西北工业大学矩阵论课件PPT第一章例题矩阵的相似变换
北航矩阵论课件1.2
三、线性变换的矩阵和线性空间 的同构
设 dim V=n, T L(V,V),取定V上的一组基e1 , , en , 令 Te j a1 j e1 anj en ,1 j n, 采用矩阵记法: T(e1 , , en )=(Te1 , , Ten )=(e1 , , en )A, a11 a21 这里，A= an1 a12 a1n a22 a2 n (aij ) nn F nn . an 2 ann
注1: 特征值与特征向量是否存在依赖于V所在的数域F，
1 0 1 2 如矩阵 的特征多项式为 f ( ) 1. 1 1 0
注2 : 当 dim V=n很大时，上述求法太繁琐，可借助于计算机. 注3 : E (i ) { X F n | (i I-A) X 0} N (i I-A)(解空间).由 亏加秩定理有r (i I-A) dim N (i I-A) n, 所以E (i )的维数为 dim E (i ) n r (i I-A) 称为i的几何重数.
易验证N(T)为V的子空间，R(T)为W的子空间，称N(T) 及R(T)为T的核空间和像空间.并称dimN(T)为T的零度 (或亏)，dimR(T)为T的秩，一般有以下定理：
定理1(亏加秩定理)设T L(V,W), V为有限维， 则N(T)及R(T)均为有限维，且 dimN(T)+dimR(T)= dim V 即T的亏加秩等于其定义域的维数.
0 x
D : C [a,b] C[a,b],
(1)
D( f ( x)) f '( x), f ( x) C [a,b].
(1)
二、核、像空间，亏加秩定理
西北工业大学《线性代数》课件-第1章
记
b1 a12 a13
D1 b2 a22 a23 ,
b3 a32 a33
行列式
aa2111xx11
a12 x2 a22 x2
a13 x3 a23 b3;
a11 a12 a13 D a21 a22 a23
a31 a32 a33
n(n 1)
此排列为偶排列。
三、对换的定义
定义1.4 在一个排列中，将某两个元素对调，其 余元素不动，即可得一新排列，这一过 程称为对换．
线
性
代
数
第一章
行列式
行列式
行列式是线性代数中的重要工具， 在以后学习求解线性方程组、求逆矩 阵、判断向量组的线性相关性、求矩 阵的特征值、判断二次型的正定性等 方面都要用到。
行列式
❖ 主要内容：
§1 二、三阶行列式 §2 排列及其逆序数
§3 n 阶行列式的定义
§4 行列式的性质 §5 行列式按行（列）展开 §6 克莱姆法则
nn 1,
2 当 n 4k,4k 1 时为偶排列；
当 n 4k 2,4k 3 时为奇排列.
(3) 1 3(2n 1)(2n)(2n 2)4 2 解 1 3 (2n 1)(2n)(2n 2)(2n 4（)从4“2头”开始
00
0
0
2
4 2n 2
0 0 2 4 2n 1
b1 , b2 ,
a31x1 a32 x2 a33 x3 b3;
a11 a12 a13 D a21 a22 a23
a31 a32 a33
行列式
aa2111xx11
a12 x2 a22 x2
a13 x3 a23 x3
b1 , b2 ,
a31x1 a32 x2 a33 x3 b3;
矩阵论第一章第二节PPT课件
分析： 设 dimV n, 1, 2, , n 是V的一组基，
线性变换 在这组基下的矩阵为A.
设 0是 的特征值，它的一个特征向量 在基
1,2,
, n 下的坐标记为
x01 ,
x0n
则 ( )在基 1, 2 ,
, n下的坐标为
x01 A ,
x0n
x01
而0
的坐标是
0
x0n
21 11
k 1 k
k k 1
.
例. 在线性空间 P3 中，线性变换 定义如下：
(1 ) (2 )
( 5, 0, (0, 1,
3) 6)
,
(3 ) (5, 1,9)
其中, 12((01,,10,,12)) 3 (3, 1,0)
（1）求 在标准基 1, 2 , 3 下的矩阵. （2）求 在 1,2 ,3 下的矩阵.
② 若 是 的属于特征值 0的特征向量，则 k (k P,k 0) 也是 的属于0 的特征向量.
(k ) k ( ) k(0 ) 0(k )
由此知，特征向量不是被特征值所唯一确定的， 但是特征值却是被特征向量所唯一确定的，即
若 ( ) 且 ( ) ，则 .
2、特征值与特征向量的求法
5 0 5
因而，
AX
0 3
1 6
1 9
,
5 0 5
5 0 5 1 0 3 1
A
0 3
1 6
1 9
X
1
0 3
1 6
1 9
0 2
1 1
1 0
1 7
5 4 27
20 5 18
20
2 24
（2）设 在1,2 ,3下的矩阵为B，则A与B相似，且
西北工业大学《线性代数》课件-第5章
向量,f (x)是多项式，则
(1) f ()是f (A)的特征值,对应的特征向量仍是x; (2) 若f ( A) O,则对A的任意一个特征值,有f () 0，
即 是f (x)的零点.
证明
(1)由Ax x Ak x Ak1(Ax) Ak1x k x
pm1, pm2, , pmrm是对应m的线性无关特征向量，
则向量组 p11, p12 , , p1r1 p21, p22 , , p2r2
pm1, pm2 , , pmrm 线性无关.
例5 (2005 数一 4分)
设1, 2 是矩阵A的两个不同的特征值，对应的 特征向量分别为 1,2 ，则 1, A(1 2) 线性无关
特征值,对应的特征向量分别为p1, p2, , pm ,则 p1, p2, , pm线性无关. 证明 对 m 用数学归纳法证明.
1。当 m 1 时，p1 0 p1 线性无关；
。
2
假设在m-1时，结论成立，则当
m
时，设
k1 p1 k2 p2 km pm 0 (1)
用A乘(1)式两边，由Ap1 1 p1，Ap2 2 p2， , Apm m pm，
(A i E)x 0 的非零解向量------基础解系， 即为 i对应的特征向量。
2 1 1
例1 求Α 0 2 0 的特征值和特征向量.
4
1
3
解 ⑴ A的特征多项式
2 1 1 det(Α Ε) 0 2 0 ( 1)( 2)2
4 1 3
⑵ 因此A的特征方程 det(ΑΕ) ( 1)( 2)2 0
的充要条件是 B
(A) 10 (B) 20 (C) 1=0
第一章(第一二节)矩阵的概念及基本运算PPT课件
（上、下、中），（下、上、中），（下、中、上）。
性 共六种。那么齐王的赢得矩阵应为：（6×6 维的矩阵）
田忌策略
代
3
1
1
1 √-1
1
齐
根据上面的矩阵，事 实上田忌和齐王获胜的
-√1 3 1 1 1 1 王 可能性是完全相同，那
数
1 1
1 1
3 √-1
13
1 1
1
√-1
策 略
么齐王为什么每次都会 输100金呢？关键就是齐 王先公布排阵方式，而
再根据大儿子比二儿子大几岁可知甲的三个儿子年龄分别代代数数设a省的两个城市a间的交通网络图如下图中每条线上的数字表示两个城市间的不同通路总数请用矩阵表示它们之间的通路信息
《线性代数与概率统计》 之
线性代数
Tel：13925128576
e-mail：yzjdoctor@， yangzhj@
线 到一个列数为3的矩阵（不妨假设按儿子大小的顺序排列）：
性
大 36
18
代 12
9
9
数6
6
4
二 小和
虽然我们并不知道高楼的窗户
1
1 38 数，但乙是知道的，因此如果窗户
2 3
1 1
21
数为38、21、16、14、11、10，那 么甲无须说第三句话，乙就可以说
16 出甲三个儿子的年龄。但事实是乙
4
1
14 无法说出，说明他们甲的三个儿子
线 们满足
(1)m = p 且n = q；
性 (2)aij=bij，其中i=1,2,…,m；j=1,2,…,n。
代
则称A与B相等，记为A=B。
数
即： A 与B 两个矩阵的维和相对应的
矩阵论简明教程(整理全)PPT课件
Example 1
设A, B Cnn ,证明 A B
证：
B AB AB
A
AB A
B AB B
B A B A AB 0 AB
AB AB
Example 2
设A, B, C, D Cnn ,且A可逆，AC CA,
证明 A
B AD CB
CD
证：
A C
BA
0 AD
0D 0D CD
2 A B 1mn C D 1mn B A
CD
AB
DC
3 A B m A B
CD
CD
3 EA
C
EB E
D
0
0 A
I
n
C
B
D
E 0
0A In C
B D
AB E
CD
A C
BF DF
A
a11
,
a22
,L
, ann
ann
3、三角矩阵
a11 a12 ... a1n
上三角矩阵
0
a22
...
a2n
M M O M
0
0
...
ann
a11 下三角矩阵 a21
M an1
0 ... a22 ... MO an2 ...
0
0
;
A 的行向量组的极大线性无关组中向量的个数
2 rank A r
A 的列向量组的极大线性无关组中向量的个数
3 rank A r
A 的最高阶非零子式的阶数
西北工业大学矩阵论PPT课件
+
x 2
=θ
+
x 2
=
x 2
+θ
=
x 2
第一章 线性空间与线性变换（第 1 节）
4
例 6 在线性空间V 中，下列结论成立．
0x = θ ：1x + 0x = (1 + 0)x = 1x ⇒ 0x = θ
kθ = θ ： kx + kθ = k( x + θ ) = kx ⇒ kθ = θ
(−1)x = (− x) ： (−1)x = (−1)x + [ x + (− x)] = [(−1)x + 1x] + (− x) = (− x)
+
aE 12 12
+
aE 21 21
+
aE 22 22
坐标为
α
=
(
a 11
,
a 12
,
a21 ,
a22 )Τ
(2)
取基
B 1
=
1 1
1 1 ,
B 2
=
0 1
1 1 ,
B 3
=
0 1
0 1
,
B 4
=
0 0
0 1
A
=
a 11
(
B 1
−
B 2
)
+
a 12
(
B 2
−
B 3
)ห้องสมุดไป่ตู้
+
a
21
(
B 3
−
B 4
)
+
aB 22 4
+L+ cm xm
矩阵论——讲稿
(Ⅱ) 定义的数乘运算封闭, 即
∀ x ∈V , ∀ k ∈ K , 对应唯一 元素(kx)∈V , 且满足 (5) 数对元素分配律： k( x + y) = kx + ky (∀y ∈V ) (6) 元素对数分配律： (k + l )x = kx + lx (∀l ∈ K ) (7) 数因子结合律： k(lx) = (kl )x (∀l ∈ K ) (8) 有单位数：单位数1∈ K , 使得 1x = x . 则称V 为 K 上的线性空间．
例 3 K = R 时， R n —向量空间；
R m×n —矩阵空间
第一章 线性空间与线性变换（第 1 节）
3
Pn[t]—多项式空间； C[a,b] —函数空间 K = C 时， Cn —复向量空间； Cm×n —复矩阵空间 例 4 集合 R + = {m m是正实数 } ，数域 R = {k k是实数 } ．
0
a 12
a
22
ai
j1
I
S 2
=
{A
=
a11
0
0
a
22
a 11
, a22
∈
R}
S 1
U
S 2
=
{A
=
a11 a21
a 12
a
22
aa 12 21
=
0,
ai
j
∈
R}
S 1
+
S 2
=
{A
=
a11 a21
a 12
a 22
ai j ∈ R}
2．数域：关于四则运算封闭的数的集合．
2．减法运算：线性空间V 中， x − y = x + (− y) ．
西北工业大学《线性代数》课件-第三章 矩阵的初等变换 (1)
可化为单位矩阵
A 可表为若干初等方阵乘积 A 没有零特征值
…… 有零特征值
A* 可逆 AT 可逆
A* 不可逆 AT 不可逆
Байду номын сангаас
§3.3 求解线性方程组的消元法
例
2 4
x1 x1
x2 2 x2
3x3 5x3
1 4
① ②
x1
x3 3 ③
②
③
2①
1 2
①
2
x1
x2
4x2
1 2
x2
3x3 1
注意：rank A rank B rank H
同理
A 初等列变换
初等列变换
B(列阶梯形)
H(列最简形)
例2
用初等列变换化
A
3 1
1 1
0 2
21为列阶梯形
1 3 4 4
和列最简形。
解
3 1
A 1 1
0 2
2 1
c1 c2
1 1
3 1
0 2
2 1
1 3 4 4
3 1 4 4
1 2
3 5
1 4
x1
x3 3 ③
1 0 1 3
②
③
2①
1 2
①
2
x1
x2
4x2
1 2
x2
3x3 1
x3 2
1 2
x3
5 2
①′ ②′ ③′
r2 2r1
r3
1 2
r1
2 0 0
1
4
1 2
3
1
1 2
1
2
5 2
③'
相似矩阵 PPT课件
1 (1 , 1 , 1)T , 2 (1 , 1 , 0)T , 3 (1 , 1 , 2)T ,
令
1 1
P (1 , 2 3 ) 1 1
1 1,
1
0
2
0
则
P 1 AP
1
.
9
14
例3
4 判断矩阵 A 1
10 3
0
0 能否对角化，若能，
3 6 1
当 2 是特征方程的二重根， 则有 22 16 18 3a 0 , 解得 a 2 .
1 2 3 1 2 3 2E A 1 2 3 0 0 0 , 秩为1，
1 2 3 0 0 0
故 2 对应的线性无关的特征向量有两个,
从而A可相似对角化.
21
E A ( 2)(2 8 18 3a)
3 3 6 3 3 6
1 1 0
10 0
( 1) 2 1 3 ( 1) 2 3 3
3 3 6
3 6 6
3 3
( 1)
( 1)( 9) ,
6 6
11
1 2 3 E A 2 1 3 ( 1)( 9) ,
3 3 6
1
对
1
0 ，0 E
A
2
2 1
3 1 3 0
22
一般来说，求矩阵的高次幂比较困难，但若矩阵A 能对角化，即存在可逆阵P，使得
P 1 AP ,
则 A PP 1 ,于是
An (PP 1 )( PP 1 ) (PP 1 )
P(P 1P)(P 1P) (P 1P)P 1 Pn P 1 ,
转化为对角阵求幂.
23
例7
设
A
1 2
12 , 求 A100 .
北邮矩阵论 1. 第一讲 线性空间与线性变换
矩阵分析与应用
v
参考书：
›《矩阵论》第二版 程云鹏主编 西北工业大学
出版社 2004年8月 ›《矩阵分析与应用》 张贤达 清华大学出版社 2004年9月 ›“Matrix Analysis”, Roger A. Horn 机械工业出版 社影印版 ›《矩阵计算》，G.H.戈卢布等，科学出版社
v
编程工具
就是二维的，数1 与i 就是一组基.
基变换与坐标变换
n
设 x1 , x2 ,L , xn 是Vn 的旧基， y1 , y2 ,L , yn 是新基。新基可以用旧基表示出来
cn1 xc y1 = c11 x1 + c21 x2 + L+ n c11 L c1n 12 y = c x + c x + L+ c x 2 12 1 22 2 2 n n c c L c 21 22 2n , x ( y1 , y2 ,L , yn ) = ( x1 , x2 ,L n) M M M M + c x y x x L c c = + + n 1n 1 2 n 2 cn1 nn cnn 2 L cnn ( x1 , x2 ,L, xn ) C
线性空间
n
线性空间 线性变换与矩阵 线性子空间指一些对象的总体 元素:这些对象称为集合的元素
n整数集 n线性方程组的解集 n由某个平面上所有的点构成的点集
用S表示集合,a是S的元素
a∈S
a不是S的元素
a∉S
集合的表示
1.列举全部元素
如 N = {1,3,5, 7,9}
2.给出集合中的元素的性质
›Matlab、C
矩阵分析与应用
西北工业大学矩阵论课件PPT第一章例题矩阵的相似变换
2
例 已知一个12阶矩阵的不变因子是
1,1,, 1，( 1)2，( 1)2( 2)，
9
( 1)2( 2)(2 3)2
求A的Jordan标准形。 解 A的初等因子为
( 1)2，( 1)2，( 2)，( 1)2，( 2) ( 3i)2，( 3i)2
故A的Jordan标准形为：
1 1
从而A的不变因子为
d1() D1() 1，
d2
()
D2 ( ) D1( )
1
11
1
2
J
11 1
2
3i 1
3i
3i
1 3i
例 求下列矩阵的Jordan标准形：
1)
3 A 1
1 1
0 0
；
1 1 2
解
3 1 0 I A 1 1 0
1
1 2
一阶子式共有9个， 显然 D1() 1；
二阶子式共有 C32 C32 9 个：
3 1 ( 2)2， 3 0 0，
01，
p2
11，
p3
1 1
1
1
0
故相似变换阵
P
1 0
1 1
11，使得
1 1 0
P 1AP
1
2
3
2)
3 A 1
1
解 可求得
1 1
0 0
；
1 2
det(I A) ( 2)3
所以A的特征值为 1 2 3 2
对应三重特征值2有两个线性无关的特征向量
(1, 1, 0)T， (0, 0, 1)T
1 2 1
1 1 2
则微分方程组可写成矩阵形式
d x Ax dt
矩阵论PPT
• 有关正规阵的4个性质: 推论1: Hermite矩阵的特征值均为实数, 反Hermite 矩阵的特征值为零或纯虚数.
推论2: 实对称矩阵的特征值均为实数, 实反对称矩 阵的特征值为零或纯虚数.
推论3: 设 A C nn是正规矩阵, 是 A 的特征值, x 是对应 的特征向量, 则 是 AH 的特征值, AH 的 对应 的特征向量仍为 x .
第一章：矩阵的相似变换
§1. 1 特征值与特征向量
• 有关定义回顾: 特征值; 特征向量; 特征矩阵; 特征多项式.
• 矩阵的特征值与特征向量的性质. 定理1.1: 设 i 是 A C nn 的 ri 重特征值, 对应 i
有 si 个线性无关的特征向量, 则: 1 si r i 简言之: 矩阵特征值的几何重数小于或等于其代
定理 1.21: 设 A, B C nn.
(1) 若 A是酉矩阵, 则 A1也是酉矩阵. (2) 若 A, B是酉矩阵, 则 AB也是酉矩阵.
(3) 若 A是酉矩阵, 则 det A 1
(4) A是酉矩阵的充要条件是: 它的 n 个列向量是两
两正交的单位向量.
§1. 6 酉相似下的标准形
定理 1.22 (Schur): 设 A C nn , 则 A 可酉相似于上 三角矩阵 T , 即存在 n 阶酉矩阵 U , 使得
(研究生课程)
高等工程数学
教师: 李晓东
• 课程主要内容：
矩阵论：矩阵的相似变换；向量范数与矩阵范数 的理论及应用；矩阵分析及应用；矩阵的各种分 解方法等。 泛函分析：距离空间；赋范空间与Banach空间； 内积空间与Hilbert空间等。
• 主要参考书目：
1．徐仲等著，《矩阵论简明教程》，科学出 版 社，2007。 2．姚泽清等著，《应用泛函分析》，科学出版 社，2008。
西北工业大学矩阵论复习ppt课件
矩阵论复习 一. 线性空间 1. 线性空间的概念 2. 线性空间的基，维数与坐标（基变换与与坐标变换） 3. 线性子空间的概念与运算
(1)定义 (2) 运算（交与和，直和）
(1)证明：
是Vn中的向量范数。
(2)设xVn在基 (II) y1,y2,,yn下的坐标为 =(b1,b2,bn)T,且由基 (I) 到基 (II) 的过渡矩阵为C，
x 2
;.
21
x 证明：
C为正交矩阵.
6. 给定矩阵A,BCnn,且2 B可逆，定义
验证 7. 设
x 是Cn中的向量范数。 ，证明
R(x)
xT Ax xT x
,
x0
四. 矩阵的直积 (AB )
;.
(i
,
j
)
1 0
i
1i3
j j
3. 设1,2;1, 2是欧式空间V2两个基, 又 1=1-22, 2=1-2,
(1,1)=1, (1,2)=-1 ,(2,1)=2,(2,2)=0 分别求基1,2与1,2的度量矩阵. 4. 设实线性空间Vn的基1,2,,n，设，Vn 在该基下的坐标分别为(1,,n)T,(1,,n)T; 定义 (,)=11++nn 证明 ：（1）(,)是Vn的内积；
1 2 2 A 2 1 2
2 2 1
证明：W=L(2-1, 3-1)是T 的不变子空间.
;.
9
7. 求下列矩阵的Jordan标准形
1 A3
2
1 3 2
1 3 , 2
矩阵论课件
第一讲线性空间一、线性空间的定义及性质[知识预备]★集合：笼统的说是指一些事物（或者对象）组成的整体集合的表示：枚举、表达式集合的运算：并（），交（）另外，集合的“和”（＋）：并不是严格意义上集合的运算，因为它限定了集合中元素须有可加性。
★数域：一种数集，对四则运算封闭（除数不为零）。
比如有理数域、实数域（R）和复数域（C）。
实数域和复数域是工程上较常用的两个数域。
线性空间是线性代数最基本的概念之一，也是学习现代矩阵论的重要基础。
线性空间的概念是某类事物从量的方面的一个抽象。
1．线性空间的定义：设V是一个非空集合，其元素用x,y,z等表示；K是一个数域，其元素用k,l,m等表示。
如果V满足[如下8条性质，分两类]（I）在V中定义一个“加法”运∈时，有唯一的和算，即当x,y V+∈（封闭性），且加法运算x y V满足下列性质（1）结合律()()++=++；x y z x y z（2）交换律 x y y x +=+；（3）零元律 存在零元素o ，使x +o x =；（4）负元律 对于任一元素x V ∈，存在一元素y V ∈，使x y +=o ，且称y 为x 的负元素，记为（x -）。
则有()x x +-= o 。
（II ）在V 中定义一个“数乘”运算，即当x V ∈，k K ∈时，有唯一的kx V ∈（封闭性），且数乘运算满足下列性质（5）数因子分配律()+=+；k x y kx ky（6）分配律()+=+；k l x kx lx（7）结合律()()=；k lx kl x=；（8）恒等律1x x [数域中一定有1]则称V为数域K上的线性空间。
注意：1）线性空间不能离开某一数域来定义，因为同一个集合，如果数域不同，该集合构成的线性空间也不同。
（2）两种运算、八条性质数域K中的运算是具体的四则运算，而V中所定义的加法运算和数乘运算则可以十分抽象。
（3）除了两种运算和八条性质外，还应注意唯一性、封闭性。
唯一性一般较显然，封闭性还需要证明，出现不封闭的情况：集合小、运算本身就不满足。
西北工业大学矩阵论PPT课件
矩阵论讲稿讲稿编者：张凯院使用教材：《矩阵论》（第2版）西北工业大学出版社程云鹏等编辅助教材：《矩阵论导教导学导考》《矩阵论典型题解析及自测试题》西北工业大学出版社张凯院等编课时分配：第一章 17学时第四章8学时第二章5学时第五章8学时第三章8学时第六章8学时第一章 线性空间与线性变换§1.1 线性空间 一、集合与映射1．集合：能够作为整体看待的一堆东西． 列举法：},,,{321L a a a S =性质法：}{所具有的性质a a S = 相等(：指下面二式同时成立)21S S =2121,S S S a S a ⊆∈⇒∈∀即 1212,S S S b S b ⊆∈⇒∈∀即交：}{2121S a S a a S S ∈∈=且I 并：}{2121S a S a a S S ∈∈=或U 和：},{22112121S a S a a a a S S ∈∈+==+例1 R}0{2221111∈==j i a a a a A S R}0{2212112∈==j i a a a aA S ，21S S ≠ R},00{2211221121∈==a a a a A S S I R},0{21122221121121∈===j i a a a a a a a A S S U R}{2221121121∈==+j i a a a a a A S S 2．数域：关于四则运算封闭的数的集合．例如：实数域R ，复数域C ，有理数域，等等．Q 3．映射：设集合与，若对任意的1S 2S 1S a ∈，按照法则σ，对应唯一的.)(,2b a S b =∈σ记作 称σ为由到的映射；称为的象， 1S 2S b a a 2为b 的象源．变换：当1S S =时，称映射σ为上的变换． 1S 例2 )2(R})({≥∈==×n a a A S j i nn j i ．映射1σ：A A det )(1=σ (R)→S 变换2σ：n I A A )det ()(2=σ ()S S → 二、线性空间及其性质1．线性空间：集合V 非空，给定数域K ，若在V 中(Ⅰ) 定义的加法运算封闭, 即V y x V y x ∈+∈∀)(,,元素对应唯一, 且满足(1) 结合律：)()()(V z z y x z y x ∈∀++=++(2) 交换律：x y y x +=+ (3) 有零元：)(,V x xx V ∈∀=+∈∃θθ使得(4) 有负元：θ=−+∈−∃∈∀)(,)(,x x V x V x 使得.(Ⅱ) 定义的数乘运算封闭, 即V kx K k V x ∈∈∀∈∀)(,,元素对应唯一, 且满足(5) 数对元素分配律：)()(V y ky kx y x k ∈∀+=+ (6) 元素对数分配律：)()(K l lx kx x l k ∈∀+=+(7) 数因子结合律：)()()(K l xkl lx k ∈∀=(8) 有单位数：单位数x x K =∈1,使得1. 则称V 为K 上的线性空间．例3 R =K 时，n R —向量空间； n m ×R —矩阵空间][t P n —多项式空间；—函数空间],[b a CC =K 时，—复向量空间； C —复矩阵空间n C n m ×例4 集合}{是正实数m m =+R ，数域}{R 是实数k k =．加法： mn n m n m =⊕∈+,R ,数乘： k m m k k m =⊗∈∈+R,,R 验证+R 是R 上的线性空间．证 加法封闭，且(1)～(2)成立． (3) 1=⇒=⇒=⊕θθθm m m m(4) m m m m m 1)(1)()(m =−⇒=−⇒=−⊕θ 数乘封闭，(5)～(8)成立．故+R 是R 上的线性空间．例5 集合R}),({212∈==i ξξξαR ，数域R ．设R ),,(21∈=k ηηβ．运算方式1 加法： ),(2211ηξηξβα++=+数乘： ),(21ξξαk k k =运算方式2 加法： ),(112211ηξηξηξβα+++=⊕数乘： ))1(21,(2121ξξξα−+=k k k k k o 可以验证与都是)(R 2⋅+)(R 2o ⊕R 上的线性空间．[注] 在R 中, )(2o ⊕)0,0(=θ, ． ),(2121ξξξα+−−=−Th1 线性空间V 中的零元素唯一，负元素也唯一．证 设与2θ都是V 的零元素, 则212211θθθθθθ=+=+=1θ设与都是的负元素, 则由1x 2x x θ=+1x x 及θ=+2x x 可得212111)()(x x x x x x x x ++=++=+=θ 22221)(x x x x x x =+=+=++=θθ例6 在线性空间V 中，下列结论成立．θ=x 0：θ=⇒=+=+x x x x x 01)01(01θθ=k ：θθθθ=⇒=+=+k kx x k k )(kx)()1(x x −=−：()()(]1)1[()]([)1()1x x x x x x x x −=−++−=−++−=−2．减法运算：线性空间V 中，)(y x y x −+=−．3．线性组合：K c V x x i i ∈∈若存在,,, 使m m x c x c x ++=L 11, 则称x 是的线性组合，或者可由线性表示．m x x ,,1L x m x x ,,1L 4．线性相关：若有不全为零，使得m c c ,,1L θ=++m m x c x c L 11，则称m x x ,,1L 线性相关．5．线性无关：仅当全为零时，才有m c c ,,1L θ=++m m x c x c L 11，则称m x x ,,1L 线性无关．[注] 在R 中, )(2o ⊕)1,1(1=α, )2,2(2=α线性无关；)1,1(1=α, )3,2(2=α线性相关．（自证）三、基与坐标1．基与维数：线性空间V 中，若元素组满足 n x x ,,1L (1) 线性无关；n x x ,,1L (2) V x ∈∀都可由线性表示．n x x ,,1L 称为n x x ,,1L V 的一个基, 为n V 的维数, 记作n V =dim ，或者V . n 例7 矩阵空间n m ×R 中, 易见(1) ),,2,1;,,2,1(n j m i E j i L L ==线性无关；(2) ．∑∑==×==mi nj j i j i n m j i E a a A 11)(故),,2,1;,,2,1(n j m i E j i L L ==是n m ×R 的一个基, .mn n m =×dimR2．坐标：给定线性空间V 的基，当时，有n n x x ,,1L n V x ∈n n x x x ξξ++=L 11．称n ξξ,,1L 为在给定基下的x n x ,,1L x 2坐标，记作列向量．Τ1),,(n ξξαL =例8 矩阵空间2R ×中，设22)(×=j i a A ．(1) 取基 ，22211211,,,E E E E 2222212112121111E a E a E a E a A +++=坐标为Τ22211211),,,(a a a a =α(2) 取基 , , , =11111B =11102B =11003B=10004B 422432132122111)()()(B a B B a B B a B B a A +−+−+−= 421223122121112111)()()(B a a B a a B a a B a −+−+−+=坐标为Τ21221221111211),,,(a a a a a a a −−−=β[注] 一个元素在两个不同的基下的坐标可能相同，也可能不同． 例如：在上述两个基下的坐标都是；22n n E A =Τ)1,0,0,0(11E A =在上述两个基下的坐标不同．Th2 线性空间V 中，元素在给定基下的坐标唯一． 证 设V 的基为，对于，若 n x x ,,1L n V x ∈ n n x x x ξξ++=L 11n n x x ηη++=L 11则有 θηξηξ=−++−n n n x x )()(111L因为线性无关, 所以n x x ,,1L 0=−i i ηξ, 即),,2,1(n i i i L ==ηξ.故的坐标唯一．x n 例9 设线性空间V 的基为, 元素在该基下的坐标为n x x ,,1L j y ),,2,1(m j j L =α, 则元素组线性相关（线性无关）m y y ,,1L ⇔向量组m αα,,1L 线性相关（线性无关）．证 对于数组, 因为m k k ,,1L θαα=++=++))(,,(11111m m n m m k k x x y k y k L L L 等价于θαα=++m m k L 11k , 所以结论成立. 四、基变换与坐标变换1．基变换：设线性空间V 的基(Ⅰ)为, 基(Ⅱ)为, 则n n x x ,,1L n y ,,1L y+++=+++=+++=n nn n n nn n nn x c x c x c y xc x c x c y x c x c x c y L L L L L L 22112222112212211111 C=nn n n n n c c c c c c c c c L M M M L L 212222111211写成矩阵乘法形式为 (C x x y y n n ),,(),,11L L =称上式为基变换公式，C 为由基(Ⅰ)改变为基(Ⅱ)的过渡矩阵.[注] 过渡矩阵C 一定可逆. 否则C 的个列向量线性相关, 从而n n y ,,1L y 1−线性相关（例9）．矛盾！由此可得111),,(),,(−=C y y x x n n L L称C 为由基(Ⅱ)改变为基(Ⅰ)的过渡矩阵．2．坐标变换：设在两个基下的坐标分别为n V x ∈α和β,则有 =++=n n x x x ξξL 11α),,(1n x x Ln n y y x ηη++=L 11β),,(1n y y L =βC x x n ),,(1L =由定理2可得βαC =，或者，称为坐标变换公式. αβ1−=C 例10 矩阵空间22R ×中，取基(Ⅰ) , , ,=10011A −=10012A =01103A−=01104A (Ⅱ) , , , =11111B =01112B =00113B=00014B(1) 求由基(Ⅰ)改变为基(Ⅱ)的过渡矩阵； (2) 求由基(Ⅱ)改变为基(Ⅰ)的坐标变换公式． 解 采用中介法求过渡矩阵.基(0)：, , ,=000111E =001012E =010021E=100022E (0)→(Ⅰ)：1222112114321),,,(),,,(C E E E E A A A A = (0)→(Ⅱ)：2222112114321),,,(),,,(C E E E E B B B B =，−−=00111100110000111C=00010011011111112C (Ⅰ)(Ⅱ)：→=),,,4321B B B B (2114321),,,(C C A A A A −=−−==−0100012211101112210110011010011001212211C C C C+++++++==332143243214321432122221ηηηηηηηηηηηηηηηξξξξC五、线性子空间1．定义：线性空间V 中，若子集V 非空，且对1V 中的线性运算封闭，即 (1) 11,V y x V y x ∈+⇒∈∀ (2) 11,V kx K k V x ∈⇒∈∀∈∀称V 为1V 的线性子空间，简称为子空间．1[注] (1) 子空间V 也是线性空间, 而且V V dim dim 1≤.(2) }{θ是V 的线性子空间, 规定dim{0}=θ. (3) 子空间V 的零元素就是1V 的零元素. 例11 线性空间V 中，子集V 是1V 的子空间⇔对11,,,,V ly kx K l k V y x ∈+∈∀∈∀．有证 充分性. ：1==l k 11,V y x V y x ∈+⇒∈∀0=l ：110 ,V y kx kx K k V x ∈+=⇒∈∀∈∀故V 是1V 的子空间.必要性. 11 ,V kx K k V x ∈⇒∈∀∈∀ （数乘封闭）11 ,V ly K l V y ∈⇒∈∀∈∀ （数乘封闭）故 （加法封闭）1V y l x k ∈+例12 在线性空间V 中，设),,2,1(m i V x i L =∈，则 }{111K k x k x k x i mm ∈++==L V是V 的子空间，称V 为由生成的子空间．1m x x ,,1L 证 m m x k x k x V x ++=⇒∈L 111∀m m x l x l y V y ++=⇒∈∀L 111:1111)()(V x l l kk x l l kk y l kx m m m ,K l k ∈∀ ∈++++=+L根据例11知，V 是1V 的子空间．[注] (1) 将V 记作span 或者．1},,{1m x x L ),,(1m x x L L (2) 元素组的最大无关组是的基； m x x ,,1L ),,(1m x x L L (3) 若线性空间V 的基为，则V ． n n x x ,,1L ),,(1n n x x L L = 2．矩阵的值域（列空间）：划分（），n m n n m j i a A ××∈==C ),,()(1ββL m j C ∈β称),,()(1n L A R ββL =为矩阵的值域（列空间）． A 易见A A R rank )(=dim ． 例13 矩阵A 的值域}C {)(n x AxA R ∈==β.证 ∈∀β左, 有 右∈= =++=Ax k k k k n n n n M L L 1111),,(βββββ∈∀β右, 有左∈++===n n n n k k k k Ax βββββL M L 1111),,( 3．矩阵的零空间：设，称n m A ×∈C }C ,0{)(n x Ax xA N ∈==为矩阵A 的零空间．易见A n A N rank )(−=dim ．Th3 线性空间V 中, 设子空间V 的基为n 1)(,,1n m x x m <L , 则存在n n m V x x ∈+,,1L , 使得为V 的基．n m m x x x x ,,,,,11L L +n 证线性表示不能由m n m x x V x n m ,,11L ∈∃⇒<+ ,,,11线性无关+⇒m m x x x L若，则是V 的基;n n m =+111,,,+m m x x x L n 否则，mn <+1线性表示不能由112,,,++∈∃⇒m m n m x x x V x L ,,,,211线性无关++⇒m m m x x x x L若，则是V 的基;m =+2211,,,,++m m m x x x x L n 否则，m ． L L ⇒<+n 2依此类推, 即得所证．六、子空间的交与和1．子空间的交：}{2121V x V x x V ∈∈=且I VTh4 设V 是线性空间21,V V 的子空间，则V 是21V I V 的子空间． 证 212121,V V V V V V I I ⇒∈⇒∈∈θθθ非空∈+⇒∈∈+⇒∈⇒∈∀221121,,,V y x V y x V y x V y x V V y x I 21V V y x I ∈+⇒∈⇒∈∈⇒∈⇒∈∀∈∀221121,V kx V x V kx V x V V x K k I 21V V kx I ∈⇒ 所以V 是21V I V 的子空间．2．子空间的和： },{22112121V x V x x x x V V ∈∈+==+ Th5 设V 是线性空间21,V V 的子空间，则V 21V +是V 的子空间． 证 212121,V V V V V V +⇒+∈+=⇒∈∈θθθθθ非空∈∈+=∈∈+=⇒+∈∀22112122112121,,,,,V y V y y y y V x V x x x x V V y x )()(2211y x y x y x +++=+⇒，222111,V y x V y x ∈+∈+ 21V V y x +∈+⇒22112121,,,V x V x x x x V V x K k ∈∈+=⇒+∈∀∈∀221121,,V kx V kx kx kx kx ∈∈+=⇒ 21V V kx +∈⇒所以V 是21V +V 的子空间． [注] 不一定是21V V U V 的子空间．例如：在2R 中，V )()(2211e L V e L ==与的并集为}R ,0),({212121∈=⋅==i V V ξξξξξαU易见21212121)1,1(,,V V e e V V e e U U ∉=+∈但, 故加法运算不封闭.2Th6 设V 是线性空间1,V V 的有限维子空间，则)(dim dim dim )(dim 212121V V V V V V I −+=+ 证 记 ，dim 11dim n V =22n V =，m V V =21I dim 欲证 m n n V V −+=+2121)(dim (1) ：(1n m =121121)V V V V V V =⇒⊂I I22121221)(V V V V V V V V =+⇒⊂⇒⊂Im n n n V V V −+===+212221dim )(dim (2) ：(2n m =221221)V V V V V V =⇒⊂I I12112121)(V V V V V V V V =+⇒⊂⇒⊂Im n n n V V V −+===+211121dim )(dim(3) ：设V 的基为，那么212L 1,n m n m <<21V I m x x ,,1L 扩充为V 的基： (Ⅰ) m n m y y x x −1,,,,,11L L 扩充为V 的基： (Ⅱ) m n m z z x x −2,,,,,11L L 考虑元素组： (Ⅲ)m n m n m z z y y x x −−21,,,,,,,,111L L L 因为 (Ⅰ)，V (Ⅱ) ，所以 V V =1L =2L V =+21(Ⅲ) （自证）． 下面证明元素组(Ⅲ)线性无关：设数组k 使得m n m n m q q p p k −−21,,,,,,,,111L L L m n m n m m y p y p x k x k −−+++++111111L L θ=+++−−m n m n z q z q 2211L由 (*)∈++−∈+++++=−−−−21111111)(2211V z q z q V y p y p x k x k x m n m n m n m n m m L L L 得 m m x l x l x V V x ++=⇒∈L I 1121 结合(*)中第二式得θ=+++++−−m n m n m m z q z q x l x l 221111L L(Ⅱ)线性无关0,0211======−m n m q q l l L L ⇒结合(*)中第一式得θ=+++++−−m n m n m m y p y p x k x k 111111L L(Ⅰ)线性无关0,0111======−m n m p p k k L L ⇒故元素组(Ⅲ)线性无关，从而是V 21V +的一个基． 因此 m n n V V −+=+2121)(dim ． 3．子空间的直和：},{22112121V x V x x x x V V ∈∈+==+唯一唯一记作：V2121V V V ⊕=+Th7 设V 是线性空间21,V V 的子空间，则V 21V +是直和⇔}{21θ=V I V ． 证 充分性．已知}{21θ=V I V ：对于21V V z +∈∀，若∈∈+=∈∈+=221121221121,,,,V y V y y y z V x V x x x z 则有 2221112211,,)()(V y x V y x y x y x ∈−∈−=−+−θ22112211212211,,)(y x y x y x y x V V y x y x ==⇒=−=−⇒∈−−=−⇒θθI 故的分解式唯一, 从而V 21V V z +∈2121V V V ⊕=+．必要性．若}{21θ≠V I V ，则有21V V x I ∈≠θ．对于21V V +∈θ，有2121)(,),(,,V x V x x x V V ∈−∈−+=∈∈+=θθθθθθ即21V V +∈θ有两种不同的分解式．这与V 21V +是直和矛盾． 故}{21θ=V I V ．2推论1 V 是直和1V +2121dim dim )(dim V V V V +=+⇔推论2 设V 是直和，V 的基为，V 的基为，221V +1k x x ,,1L 2l y y ,,1L 则V 的基为．1V +l k y y x x ,,,,,11L L 证 因为 ，且 2),,,,,(11l k y y x x L L L =1V V + l k V V V V +=+=+2121dim dim )(dim所以线性无关, 故是V 的基． l k y y x x ,,,,,11L L l k y y x x ,,,,,11L L 21V +§1.2 线性变换及其矩阵 一、线性变换1．定义 线性空间V ，数域K ，T 是V 中的变换．若对V y x ∈∀,，∀，K l k ∈,都有 )()()(Ty l Tx k ly kx T +=+， 称T 是V 中的线性变换． 性质 (1) θθ=+=+=)(0)(0)00(Ty Tx y x T T(2) T )()(0))(1()0)1(()(Tx Ty Tx y x T x −=+−=+−=− (3) 线性相关⇒线性相关V x x m ∈,,1L m Tx Tx ,,1L (4) 线性无关时，不能推出Tx 线性无关．V x x m ∈,,1L m Tx ,,1L (5) 是线性变换T y T Tx y x T +=+⇔)(,)()(Tx k kx T =(V y x ∈∀,,K k ∈∀)例1 矩阵空间nn ×R ，给定矩阵，则变换TX = BX +XB (n n B ×n n X ×∈∀R )是n n ×R 的线性变换．2．线性变换的值域：},{)(V x Tx y y T R ∈==3．线性变换的核： },{)(V x Tx x T N ∈==θTh8 设T 是线性空间V 的线性变换，则R (T )和N (T )都是V 的子空间． 证 (1)V 非空⇒非空． )(T R 1111st ,)(Tx y V x T R y =∈∃⇒∈∀ 2222st ,)(Tx y V x T R y =∈∃⇒∈∀)()(212121T R x x T Tx Tx y y ∈+=+=+ )21V x x ∈+Q ( )()()(111T R x k T Tx k y k ∈== (),1V kx K k ∈∈∀Q 故R (T )是V 的子空间．(2) )(,T N T V ∈⇒=∈θθθθ，即非空．)(T Nθ=+=+⇒∈∀Ty Tx y x T T N y x )()(,，即)(T N y x ∈+． θ==⇒∈∀∈∀)()(),(Tx k kx T K k T N x ，即kx )(T N ∈．故N (T )是V 的子空间．[注] 定义：T 的秩 =dim R (T )，T 的亏 = dim N (T ) 例2 设线性空间V 的基为， T 是V 的线性变换，则 n n x x ,,1L n ，),,()(1n Tx Tx L T R L =n T N T R =+)(dim )(dim证 (1) 先证：∀),,()(1n Tx Tx L T R L ⊂Tx y V x T R y n =∈∃⇒∈st ,)(∈++=⇒++=)()(1111n n n n Tx c Tx c y x c x c x L L L ),,(1n Tx Tx L 再证R ：),,()(1n Tx Tx L T L ⊃ )()(st ,,,),,( 1111n n n n Tx c Tx c y c c Tx Tx L y ++=∃⇒∈∀L L L n )()()()(11T R Tx c Tx c y T R Tx n n i i V x ∈∈++=⇒∈⇒L(2) 设dim , 且的基为, 扩充为V 的基：m T N =)()(T N m y y ,,1L n n m m y y y y ,,,,,11L L +则 ),,(),,,,,()(111n m n m m Ty Ty L Ty Ty Ty Ty L T R L L L ++==设数组k 使得n m k ,,1L +θ=++++)()(11n n m m Ty k Ty k L , 则 θ=++++)(11n n m m y k y k T L因为T 是线性变换, 所以)(11T N y k y k n n m m ∈++++L , 故m m n n m m y l y l y k y k ++=++++L L 1111即 θ=+++−++−++n n m m m m y k y k y l y l L L 1111)()( 因为线性无关, 所以n m m y y y y ,,,,,11L L +0,,01==+n m k k L ．因此 线性无关, 从而n m Ty Ty ,,1L +m n T R −=)(dim , 即dim ． n m T R =+)( 例3 向量空间4R 中，),,,(4321ξξξξ=x ，线性变换T 为)0,0,433,3(43214321ξξξξξξξξ+−−−−+=Tx 求和的基与维数． )4(T R )(T N 解 (1) 取R 的简单基， 计算4321,,,e e e e Te ，)0,0,3,1(1=)0011(2，，，−=Te ，)0,0,3,3(3−−=Te ，Te )0,0,4,1(4−= 该基象组的一个最大线性无关组为． 21,Te Te 故dim R (T ) = 2，且R (T )的一个基为Te ．21,Te (2) 记， 则 −−−−=43131311A }0{}{)(41====ξξθM A x Tx x T N 的基础解系为，．041=ξξM A 0233−4073 故dim N (T ) = 2，且N (T )的一个基为(3, 3, 2, 0)，(－3, 7, 0, 4)． 4．单位变换：线性空间V 中，定义变换T 为Tx )(V x x ∈∀=， 则T 是线性变换，记作T ． e 5．零变换：线性空间V 中，定义变换T 为 )(V x Tx ∈∀=θ，则T 是线性变换，记作T ．0 6．线性变换的运算：线性空间V ，数域K ，线性变换T 与T ． 12 (1) 相等：若T )(21V x x T x ∈∀=，称T =T ． 12 (2) 加法：定义变换T 为 )(21V x x T x T Tx ∈∀+=，则T 是线性变换，记作T 21T T +=．负变换：定义变换T 为 )()(1V x x T Tx ∈∀−=， 则T 是线性变换， 记作T 1T −=．(3) 数乘：给定，定义变换T 为 K k ∈)()(1V x x T k Tx ∈∀=，则T 是线性变换， 记作T 1kT =．[注] 集合Hom(V ，V )}{def的线性变换上的线性空间是数域V K T T =按照线性运算(2)和(3)构成数域K 上的线性空间，称为V 的同态．(4) 乘法：定义变换T 为 )()(21V x x T T Tx ∈∀=，则T 是线性变换， 记作T 21T T =．7．逆变换：设T 是线性空间V 的线性变换，若V 的线性变换满足 S T n)()()(V x x x TS x ST ∈∀== 则称T 为可逆变换，且S 为T 的逆变换，记作 ． S =−1 8．幂变换：设T 是线性空间V 的线性变换， 则也是V 的线性变换．),3,2(1defL ==−m T T Tm m9．多项式变换：设T 是线性空间V 的线性变换，多项式)()(10K a t a t a a t f i mm ∈+++=L 则也是V 的线性变换． m m e T a T a T a T f +++=L 10)(二、线性变换的矩阵表示1．线性变换在给定基下的矩阵设线性空间V 的基为，T 是V 的线性变换，则Tx ，且有n x x ,,1L n n i V ∈+++=+++=+++=n nn n n nnn nn x a x a x a Tx xa x a x a Tx x a x a x a Tx L L L L L 22112222112212211111=nn n n n n a a a a a a a a a A L M M M L L 212222111211 写成矩阵乘法形式 TA x x Tx Tx x x n n n ),,(),,(),,(11def1L L L ==称A 为线性变换T 在基下的矩阵．n x x ,,1Ln n [注] (1) 给定V 的基和线性变换T 时，矩阵A 唯一． n x x ,,1L (2) 给定V 的基和矩阵A 时，基象组Tx 确定．n x x ,,1L n Tx ,,1L n V x ∈∀n n x c x c x ++=⇒L 11，定义变换()()n n Tx c Tx c Tx ++=L 11则T 是线性变换．因此线性变换T 与方阵A 是一一对应关系．例4 线性空间的线性变换为 ][t P n ()()()()][t P t f t f t f T n ∈∀′= ．基(I)：!,,!2,,12210n t f t f t f f nn ====L基(II)：n n t g t g t g g ====,,,,12210L 记T 在基(I)下的矩阵为，T 在基(II)下的矩阵为．因为 1A 2A 112010,,,,0−====n n f Tf f Tf f Tf Tf L 112010,,2,,0−====n n ng Tg g Tg g Tg Tg L 所以 ，=010********M O O L L A=0002000102n A M O O L L 易见．21A A ≠)2(≥n 例5 线性空间V 中，设线性变换T 在基下的矩阵为A ，则n n x x ,,1L dim R (T ) = rank A ，dim N (T ) = n - rank A ．证 rank A = m ⇔A 的列向量组n ββ,,1L 中最大无关组含m 个向量元素组Tx 中最大无关组含m 个向量 ⇔n Tx ,,1L dim R (T ) = dim ⇔m Tx Tx L n =),,(1L由例2知另一结论成立．2．线性运算的矩阵表示（将线性变换运算转化为矩阵运算）T Th9 设线性空间V 的基为，线性变换T 与的矩阵n n x x ,,1L 12A 与，则 B (1) T 1+T 2在该基下的矩阵为B A +． (2) kT 1在该基下的矩阵为． kA (3) T 1T 2在该基下的矩阵为AB ． (4) T 在该基下的矩阵为11−1−A ．证 ()()()()B x x x x T A x x x x n n n n ,,,,,,,,,112111L L L L T == (1) 略．(2) 略．(3) 先证：()()[]()[]C x x T C x x T c C n n m n ij ,,,,,11L L ==×∀左=[]()()[]∑∑∑∑=iimii i im i i Tx c Tx c x c x c,,,,11L L T=()=C Tx Tx n ,,1L 右由此可得 ()()()[]()[]B x x T x x T T x x T T n n n ,,,,,,11121121L L L ==()[]()AB x x B x x T n n ,,,,111L L ==(4) 记T，则 211T =−()131221−=⇒==⇒==A B I BA AB T T T T T e ．3．象与原象坐标间的关系Th10 线性空间V 的基为线性变换T 在该基下的矩阵为A ，n ,,,1n x x L 的坐标为 ，T x 的坐标为，则 ．nV x ∈n ξξM 1n ηηM 1 =n n A ξξηηM M 11 证 n n x x x ξξ++=L 11()()()() ==++=n n n n n n A x x Tx Tx Tx Tx Tx ξξξξξξM L M L L 111111,,,,由定理2知 ．= n n A ξξηηM M 11 4．线性变换在不同基下矩阵之间的关系n Th11 线性空间V 的基(I)：，基(II)：n x x ,,1L n y y ,,1L 线性变换T ：()()A x x x x n n ,,,,11L L T =()()B y y y y T n n ,,,,11L L = 由基(I)到基(II)的过渡矩阵为C ，则．AC C B 1−= 证 因为 ()()()()AC C y y AC x x C x x T y y T n n n n 11111,,,,,,−===L L L L ()()B y y y y T n n ,,,,11L L = 所以 ． AC C B 1−=三、线性变换的特征值与特征向量1．定义 线性空间V ，线性变换T ，若K ∈0λ及V x ∈≠θ满足Tx x 0λ=， 称0λ为T 的特征值，x 为T 的对应于0λ的特征向量（元素）． 2．算法 设线性空间V 的基为，线性变换T 的矩阵为． n n x x ,,1L n n ×A T 的特征值为0λ，对应的特征向量为x ．x 的坐标为，T x 的坐标为=n ξξαM 1αA ，x 0λ的坐标为α．λ0 因为 αλαλ00=⇔=A x Tx ，所以T 的特征值与A 的特征值相同； 的对应于T 0λ的特征向量的坐标就是A 的对应于0λ的特征向量．例6 设，线性空间=1011B (){}R ,0221122∈=+==×ij ij x x x x X V ， 线性变换为()V X B X X B ∈−=T T TX ，求T 的特征值与特征向量．解+ + −= −=⇒∈000000002112111111211211x x x x x x x xX V X+ + −=010000101001211211x x x 可得V 的简单基为= = −=0100,0010,1001321X X X 由公式求得 TX−= −= −=0110,0110,0110321TX TX 故T 在简单基下的矩阵为−−−=111111000A A 的特征值与线性无关的特征向量为；====110,011,02121ααλλ −==110,233αλ T 的特征值与线性无关的特征向量为()−====1011,,,01321121αλλX X X Y Y ()==0110,,23212αX X X ()−===0110,,,2332133αλX X X Y 例7 线性空间V ，线性变换T ，{}V x x Tx x ∈==,00λλV 是V 的子空间． 证 ∈⇒=∈θθλθθ0,T V 0λV , 即V 非空．0λ 0(),λV y x ∈∀()y x y x Ty Tx y x T +=+=+=+⇒000λλλ0λV y x ∈+⇒()()()()kx x k Tx k kx T V x K k 000,λλλ===⇒∈∀∈∀⇒0λV kx ∈0λ0 故V 是V 的子空间．[注] 若λ是线性变换的特征值，则称V 为T 的特征子空间．0λ 3．矩阵的迹：．()∑=×==ni ii nn ija A a A 1tr ,∆Th12 ()()BA AB B A m n n m tr tr ,=⇒××．证 ()()m n ij n m ij b B a A ××==,，()m m ij u AB ×=∆，()n n ij v BA ×=∆：，v()∑===nk ki ik ni i in i ii b a b b a a u 111,,M L ()∑== =m i ik ki mk k km k kk a b a a b b 111,,M L()()BA v a b b a u AB nk kk n k m i ik ki mi n k ki ik mi ii tr tr 111111=== ==∑∑∑∑∑∑====== Th13 若A 相似于B ，则tr B A tr = ．证 由AP P B 1−=可得 ()()A P AP AP PB tr )(tr tr tr 11===−− [注] 因为相似矩阵有相同的特征值（Th14 -- 线性代数课程结论）所以线性变换的特征值与线性空间中基的选取无关4．三角相似Th17 相似于上三角矩阵．n n A × 证 归纳法．n =1时，()11a A =是上三角矩阵⇒A 相似于上三角矩阵． 假设n = k －1时定理成立，下证n = k 时定理也成立．的特征值为k k A ×k λλλ,,,21L ，对应1λ的特征向量为1x 111x Ax λ=⇒． 扩充为C 的基：（列向量）1x k k x x x ,,,21L ()k x x x P ,,,211L =可逆，()k Ax Ax Ax AP ,,,211L = ()k j x b x b x b Ax Ax kkj j j j k j ,,2C 2211L L =+++=⇒∈()=kk k k k k b b b b b b x x x AP L M MM L L L 222211212110,,,λ=−011121111A b b AP P k M L λ 的特征值为1A k λλ,,2L ，由假设知，存在1−k 阶可逆矩阵Q 使得,=−k Q A Q λλM O L *211=000012Q P M L ∆==⇒=−k AP P P P P λλλ∆***21121O M O LL 由归纳法原理，对任意n ，定理成立． 5．Hamilton-Cayley 定理Th18 设，则()()n n n n n n a a a A I A ++++=−=−−×λλλλλϕ∆111det ,L ()n n n n n n O I a A a A a A A ×−−=++++=111L ∆ϕ证 A 的特征值为()()()()n n λλλλλλλϕλλλ−−−=⇒L L 2121,,,．由Th17知，存在可逆矩阵，使得． n n P ×=−n AP P λλM O L *11 ()()()()I AP P I AP P I AP P AP P n λλλϕ−−−=−−−−121111LL O M OLO M OL−−−−=221112*0*****0λλλλλλλλn n−−−0***11n n n λλλλM O O LL OM O L LO M M M O L L−−−=33231*0******00**00**00**00λλλλλλn O n n n =−−−0***11λλλλM O O L 即 ()()O A O P A P =⇒=−ϕϕ1． [注] (1) ()I a A a A a A a A a A n n n n nn 1221111,00−−−−−++++−=≠⇒≠L (2) {}I A A A n n ,,,span 1L −∈例8 ，计算−−=210111111A 501002A A +． 解 ()()()21det )(,2)(250100−−=−=+=λλλλϕλλλA I fϕ除f ： ()2210)()()(λλλλϕλb b b g f +++=()λλλϕλ212])()([)(b b g f ++′=′ 由 可得5110022)2(,200)1(,3)1(+==′=f f f−+=+−−=−+=⇒ +=++=+=++2032260622400222242 2002 35110025210115110005110021021210b b b b b b b b b b b()()2210A b A b I b A f O A ++=⇒=ϕ 6．最小多项式：以为根，且次数最低的首1多项式，记作n n A ×()λm ． ()()()11≥∂⇒≠=⇒=λλm O I A f f()()()()n m O A A I ≤∂⇒=⇒−=λϕλλϕ18Th ,det例9 ()()()42,0312512332−−=−−−−=λλλϕA ()()()()1:R 11>∂⇒≠+=∈∀+=λλλm O kI A A f k k f()()()()()()()()λλλλλ22242:42f m O I A I A A f f =⇒=−−=−−= Th19 (1) 多项式()λf 满足()()()λλf m O A f ⇒=;(2) ()λm 唯一．证 (1) 反证法．()()()()()()λλλλλλr g m f f m +=⇒/| ()0≡/λr 且()()λλm r ∂<∂ ()()()()A r A g A m A f +=⇒ ()()()λλm r O A r O A m O A f ∂<∂=⇒==,)(,)(()λm ⇒不是A 的最小多项式，矛盾！(2) 设()λm 与()λm~都是A 的最小多项式，则 ()()()()()()()()λλλλλλm m m m O A m m m O A m ~|~~|~1=⇒⇒=⇒=首 Th20 ()λm 与()λϕ的零点相同（不计重数）．) 证 Th19(λm ⇒的零点是()λϕ的零点．再设0λ是()λϕ的零点，则有()()()x m x A m x x Ax 000λλ=⇒≠=()()()0000=⇒=⇒=λλm x m O A m , 故也是0λ()λm 的零点．[注] ()()的全部单因式一定含λϕλm ⇒20Th ． 但()λm 不一定是()λϕ的全部单因式的乘积． 例如：． ()()()()1,1,10112−≠−= =λλλλϕm A 7．最小多项式求法Th21 对，设n n A ×A I −λ的第i 行第j 列元素的余子式为()λij M ，则 ())(det )(λλλd A I −=m （[])(max )(,λλij j i M d =）例10 设，求−−−−=031251233A )(λm ． 解 ,−−−−=−λλλλ31251233A I ()()()42det )(2−−=−=λλλλϕA I , 65211+−=λλM ()2321−=λM , ()2231−=λM212−=λM , , 23222+−=λλM ()2232−=λM()213−−=λM , ()2323−−=λM , 128233+−=λλM ()()8642)()()(,2)(2+−=−−==−=λλλλλλϕλλλd m d 例11 相似于n n A ×()()λλB A n n m m B =⇒×．证11−−=⇒=PBP A AP P B 取)()(λλA m f =, 则()O A m A f A ==)(, 从而有 ()()O P A f P AP P f B f ===−−11)(①()()() |),(|19Th λλλλA B B m m f m 即⇒ 取)()(λλB m g =, 则O B m B g B ==)()(, 从而有 ()()O P B g P PBP g A g ===−−11)(② ()()() |),(|19Th λλλλB A A m m g m 即⇒ ①+②得：()()λλB A m =m ．四、对角矩阵Th24 在线性空间V 中，线性变换T 在某基下的矩阵为对角矩阵 n T 有n 个线性无关的特征向量（元素）．⇔证 必要性．设V 的基为，且n n x x ,,1L ()()Λn n x x x x ,,,,11L L T =，),,diag(1n λλΛL =，则有()()(n n n n n x x x x Tx Tx λλλλ,,,,,,11111L O L L ==) ),,2,1(n j x Tx j j j L ==⇒λ是T 的n 个线性无关的特征向量 n x x ,,1L ⇒ 充分性．设T 有n 个线性无关的特征向量，即 n y y ,,1L T n j y y j j j ,,2,1,L ==λ取y 为V 的基，则有n y ,,1L n ()()()n n n n y y Ty Ty y y T λλ,,,,,,1111L L L === ()n n y y λλO L 11,, Th25 相似于对角矩阵n n A ×⇔A 有n 个线性无关的特征向量（列向量）． 证 A 相似于),,diag(1n λλΛL =()n x x P ,,1L =⇔存在可逆矩阵，使得Λ=−AP P 1 ()()Λn n x x x x A ,,,,11L L =⇔n j x Ax j j j ,,2,1,L ==⇔λ A 有n 个线性无关的特征向量 ⇔n x x ,,1L Th26 有n 个互异的特征值A 相似于对角矩阵．n n A ×⇒ 算法：线性空间V 的基，线性变换T 在该基下的矩阵A 相似于n n x x ,,1L),,diag(1n λλΛL =，确定V 的新基，使得T 在新基下的 n n y y ,,1L 矩阵为Λ．求P 使Λ=−AP P 1，令()()P x x y y n n ,,,,11L L =，则有 ()()()AP x x P x x T y y T n n n ,,,,,,111L L L ==()()Λn n y y AP P y y ,,,,111L L ==−例12 在22R ×中, 给定, 线性变换为=0410B XB TX = , )2R 22×∈∀X (求2R ×的一个基, 使线性变换T 在该基下的矩阵为对角矩阵．解 取22R ×的简单基, 求得T 在该基下的矩阵为22211211,,,E E E E=0100400000010040A 求P 使得Λ=−AP P 1：,−−=2222Λ−−=1010202001010202P 由可得P E E E E B B B B ),,,(),,,(222112114321= −= −= = =1200,0012,1200,00124321B B B B 故在基下的矩阵为T 4321,,,B B B B Λ． 五、不变子空间线性空间V ，子空间V ，线性变换T ．1 若对∀，有Tx ，称V 是T 的不变子空间． 11V x ∈1V ∈1[注] V 是T 的不变子空间时，可将T 看作V 中的线性变换．1例 ① 子空间{V x x Tx x ∈==,00λλ}V 是T 的不变子空间．000λλλV x Tx V x ∈=⇒∈∀Q ② 子空间R (T )是T 的不变子空间． ()()T R Tx V T R x ∈⇒⊂∈∀Q ③ 子空间N (T )是T 的不变子空间． ()()T N Tx T N x ∈=⇒∈∀θQ④ 与V 1V 2是T 的不变子空间2121,V V V V +⇒I 亦是T 的不变子空间．1°21221121,,V V Tx V Tx V x V Tx V x V V x I I ∈⇒∈∈∈∈⇒∈∀ 2°22112121,,V x V x x x x V V x ∈∈+=⇒+∈∀ 221121,,V Tx V Tx Tx Tx Tx ∈∈+=⇒ 21V V Tx +∈⇒Th27 线性空间V ，线性变换T ，V 与V 是T 的不变子空间，且n 1221V V V n ⊕=．T 在V 1的基下的矩阵为A 1,,1n x x L 1，T 在V 2的 基下的矩阵为A 2,,1n y y L 2．则T 在V 的基n 21,,,,,11n n y y x x L L 下的矩阵为 ．=21A OO AA 证 因为 ()()11111,,,,A x x Tx Tx n n L L =，()()21122,,,,A y y Ty Ty n n L L =所以 ()21,,,,,11n n y y x x T L L ()()[]21,,,,,11n n Ty Ty Tx Tx L L = ()()[]211121,,,,,A y y A x x n n L L =()()[]=211121,,,,,A O O A y y x x n n L L ()A y y x x n n 21,,,,,11L L =[注] 若T 在V 的基下的矩阵，则 n 21,,,,,11n n y y x x L L=21A OO AA ()1,,11n x x L V L ∆=与()2,,12n y y L L ∆=V 都是T 的不变子空间，且V ． 2−1V V n ⊕=六、Jordan 标准形1．λ矩阵：()()()()λλλij n n ij a a A ,×=是λ的多项式． (A 的秩：()λA 中不恒等于零的子式的最高阶数．)λ−λ矩阵的初等变换： 行变换 列变换(1) 对调： r j i r ↔ c j i c ↔ (2) 数乘()0≠k ： kc i kr i (3) 倍加（多项式是 )(λp ）： ()j i r p r λ+ ()j i c p c λ+ 2．行列式因子：()=λk D 最大公因式(){}阶子式的所有k A λ 不变因子： ()()()()()n k D D D d k k k ,,2,1,101L ===−λλλλ初等因子： ()λk d 的不可约因式[注] 考虑−λ矩阵A I −λ可得A 的最小多项式()()()λλλλ1)(−==n n n D D d m例13 ，求−−=201034011A A I −λ的全体初等因子． 解()1,2010340111=−−−−+=−λλλλλD A I 因为(24210430134−=−−−=−−λλλλ与) 互质，所以 ()()()()()23212det ,1−−=−==λλλλλA I D D ．不变因子为 ()()()()()21,1,12321−−===λλλλλd d d ．全体初等因子为 ．()2,12−−λλ 3．初等变换法求初等因子()()多项式是首1)()()(1λλλλk n f f f A→O)(λk f 的不可约因式为()λA 的初等因子例如：在例13中−−−+−→−−−−+=−↔21004301120103401121λλλλλλλc c A I−−−→−−−+−→−+−−+2100)1(00012100)1(00112)1()1(2)3(11212λλλλλλλc c c r r ()()()()−−−−→−−−→−+↔21002100101021000121222332λλλλλλr r r r−−→−−−)2()1(000100012)1()2(223λλλc c c 于是 ()()()()()21,1,12321−−===λλλλλf f f ．故A I −λ的全体初等因子为()2,12−−λλ．[注] 设()n n ij a A ×=，称A I −λ的行列式因子（不变因子，初等因子） 为A 的行列式因子（不变因子，初等因子）．4．Jordan 标准形设()n n ij a A ×=的全体初等因子为()()()s i ms mi mλλλλλλ−−−,,,,11L L则有 ()()L ===−=−)()()(det 1λλλλλϕn n n d D D A I()()()s i ms mi mn d d D λλλλλλλλλ−−−==L L L 1110)()()(而且 m n m m s i =++++L L 1对于第i 个初等因子构造阶Jordan 块矩阵，以及准对角(i mi λλ−)J J J i m i 矩阵如下：ii m m i ii i J ×=λλλ11O O ，=s J J J J O21称为矩阵A 的Jordan 标准形．Th29 设矩阵A 的Jordan 标准形为J ，则存在可逆矩阵P ，使得 ．J AP P =−1例如：在例13中，A 的Jordan 标准形为=2111J ． [注] 若A 的全体互异特征值为l λλ,,1L ，表示A 的Jordan 标准形中i m 含i λ的Jordan 块的最高阶数，则()()l ml mm λλλλλ−−=L 11)(．5．特征向量分析法求初等因子设()()A I −=λλϕdet 的一个不可约因式为()r0λλ−，则是A 的k 个初等因子的乘积(r0λλ−) ()00=−⇔x A I λ的基础解系含k 个解向量（证明略去） ⇔ 对应特征值0λ有k 个线性无关的特征向量 ⇔ ()A I n k −−=0rank λ例14 求的Jordan 标准形．=1132231121A) 解2()1()det()(3−−=−=λλλλϕA I 由rank 知，(是A 的2)1(=−A I 3)1−λ224=−个初等因子的乘积，即2)1(−λ和()1−λ的乘积, 故A 的全体初等因子为． 2,1,)12−−−λλλ(A 的Jordan 标准形为．=21111J [注] 在例14中，将,233=a 143=a 改作133=a ,043=a 时，此法失效．6．相似变换矩阵的求法仅适用于初等因子组中()j i j i ≠≠λλ的情形．()()()()i m i i s iX X P P P P ,,,,,11L L == s i J P AP PJ AP i i i ,,2,1,L ==⇔=()()()()()()()()()()i m i i m i i i i i i m i i ii i X X X X X AX AX AX λλλ++=−121121,,,,,,L L ()()()()()()()()()()()()()()()()−=−−=−−=−−=−=−=−−−0 011121211的一个解是的一个解是的非零解是i m i i m i m i m i i i i i i i i i i i i i i i X X A I X X X A I X X A I X X X A I X A I X X A I λλλλλλL L L L L L可以证明：()()()i m i i iX X X ,,,21L 线性无关． 在例13中，2,111==m λ，求()()1211,X X ：()−=−−−−=−121,101024012111X A I λ()[]()−=−−−−−−=−−110,110120241012,12111X X A I λ 1,222==m λ, 求()21X ：()=−−−=−100,001014013212X A I λ．故．−−=111012001P 例15 解线性微分方程组 ()()()+=′+−=′+−=′3132122112 34ξξξξξξξξξt t t ． 解 ()()()()()()()()()()t Ax t x A t t t t x t t t t x =′ −−=′′′=′=:201034011,,321321ξξξξξξ已求得，使得−−=111012001P J AP P =−1 2111=，则有 ()()()[]()[]t x P J t x P t x APP P t x P 11111−−−−−=′⇒=′()()()()()==−t t t t x P t y 3211ηηη∆()()t y J t y =′⇒()()()=′=′+=′33222112 ηηηηηηηt t t ()()()() =+=⇒+=′=⇒t t t t t ec t e t c e c t e c t e c t 23321121122ηηηηη ()()+−−+==3212112ηηηηηηt y P t x ()()()()() ++−−=++=+=⇒tt tt t t e c t c e c t e t c e c t e t c e c t 232132122111122ξξξ (c 为任意常数) 321,,c c ［注］})({)(0211∫−+=ttd e c e t ττηητ求线性变换在给定基下的矩阵——方法总结：n 给定线性空间V 的基，设线性变换在该基下的矩阵为n x x ,,1L T A ． 一、直接法(1) 计算基象组T ，并求出T 在基下的坐标 )(,),(1n x T x L )(j x n x x ,,1L （列向量）),,2,1(n j j L =β；(2) 写出T 在给定基下的矩阵n x x ,,1L ),,(1n A ββL =． 二、中介法(1) 选取V 的简单基，记作n n εε,,1L ；（要求V 中元素在该基下的坐标能够直接写出）n (2) 写出由简单基改变为给定基的过渡矩阵C （采用直接法）； (3) 计算基象组T )(,),(1n T εεL ，并写出T )(j ε在简单基n εε,,1L 下的坐标 （列向量）),,2,1(n j j L =β，以及T 在简单基下的矩阵),,(1n B ββL =；(4) 计算T 在给定基下的矩阵． n x x ,,1L BC C A 1−=三、混合法(1) 选取V 的简单基，记作n n εε,,1L ；(2) 写出由简单基改变为给定基的过渡矩阵C （采用直接法），则有 =),,(1n x x L C n ),,(1εεL(3) 计算基象组T ，并写出T 在在简单基)(,),(1n x T x L )(j x n εε,,1L 下的坐标（列向量）),,2,1(n j j L =β，以及矩阵),,(1n B ββL =，则有))(,),((),,(11n n x T x T x x T L L =B n ),,(1εεL =BC x x n 11),,(−L =(4) 计算T 在给定基下的矩阵．n x x ,,1L B C A 1−=§1.3 欧氏空间与酉空间 一、欧氏空间1．内积：线性空间V ，数域R ，对V y x ∈∀,，定义实数()y x ,，且满足⑴ 交换律 ()()x y y x ,,=⑵ 分配律 ()()()V z z x y x z y x ∈∀+=+,,,, ⑶ 齐次性 ()()R ,,,∈∀=k y x k y kx ⑷ 非负性 ()()θ=⇔=≥x x x x x 0,,0, 称实数(为x 与y 的内积.)y x , 例 ① 线性空间n R 中：()()n n y x ηηξξ,,,,,11L L ==内积1：()n n y x ηξηξ∆++=L 11, 内积2：() ()0,,11>++=h h y x n n h ηξηξ∆L ② 线性空间n m ×R 中：()()n m ij n m ij b B a A ××==, 内积：()()∑∑====mi nj ij ij AB b a B A 1T 1tr ,∆ ③ 线性空间C 中：[b a ,]()()t g t f ,是区间[]b a ,上的连续函数 内积：(()())()()∫=badt t g t f t g t f ∆,2．欧氏空间：定义了内积运算的实线性空间． 设欧氏空间V 的基为有n n n V y x x x ∈∀,,,,1对L()()∑==⇒++=++=n j i j i j i n n n n x x y x x x y x x x 1,1111,,ηξηηξξL L 令 ()j i ij x x ,=a （i ）n j ,,2,1,L =则称为基的度量矩阵（Gram Matrix ），此时有n n ij a A ×=)(n x x ,,1L。
西北工业大学《线性代数》课件-第0章序言
6学时
第三章 矩阵的初等变换
6学时
第四章 向量组的线性相关性 10学时
第五章 矩阵的相似变换
4学时
第六章 二次型
4学时
总复习
4学时
序言
❖ 要求
1、教材提前预习； 2、内容及时消化；
3、问题及时解决； 4、作业及时完成； 5、阅读有关书籍。
参考书：《线性代数典型题分析解集》 《线性代数历年考题及解答》
序言
例 70年代末，我国有个“全国天文大地网 首次整理计算”课题，其核心问题是求 解一个含16万个未知数、31万个方程的 矛盾方程组。
❖线性代数研究的核心问题 －－求解线性方程组
❖线性代数定义－－研究具有线性系统的代 数量的一门学科
序言
二、线性代数的重要性
1、数学基础课之一 工科：高等数学（192学时） 线性代数（40学时） 空间解析几何
心问题
➢代 数 －－ 用字母代替数 ➢代数学 －－ 关于字母运算的学说
中心内容：解方程
序言
一元一次方程
ax b c
一元二次方程 一元三次方程 一元四次方程
多项式 代数
二元一次方程组 三元一次方程组 四元一次方程组
消 元 法
❖问题：如何求解含更多未知数的一次方程组？
60％ 20％ 20％
80％ 20％ 50％ 25％ 25％ 50％ 25％ 25％
序言
三、线性代数学的特点
通过大学数学课程的学习，培养现代科技 人才所必须具备的数学素养。
1、对问题善于从量的方面洞察、抽象和研究； 2、思维的逻辑性和严谨性； 3、自我更新数学知识的能力； 4、运用数学的能力和方法解决所从事领域内
能力
序言
❖概率统计－－研究随机变化的量 目标：培养观察问题的能力和预测能力
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2100 3100 2100 3100
2100
例 求解一阶线性常系数微分方程组
ddt x1 2x1 x2 x3
ddt x2 x1 2x2 x3
d dt
x3
x1
x2
2 x3
解令
x
x1 x2 x3
，
dx dt
d dt
d dt
d dt
x1 x2 x3
， A
2 1 1
一次因式方幂的乘积， 并分别写出这些方幂
(相同的按出现的次数计数)，称之为A的初等因子，
本题中A的初等因子为
2 和 ( 2)2 第三步：对每个初等因子( i )ri 作出 ri 阶
Jordan块
i
1
i
1
i
ri
ri
所有初等因子对应的Jordan块构成的Jordan矩阵 J
即是A的Jordan标准形。本题中A的Jordan标准形为
1 1
10
1 0 0，
1 0
3 0 ( 3)( 2)， 1 2
3
1
1 2，
1
1 1
0 ( 2)， 2
1 1 ( 2)， 1 0 2，
11
1 2
1 0 ( 1)( 2)
1 2
所以
D2() 2
又 det(I A) ( 2)3，故
D3() ( 2)3
；
1 1 2
解 第一步：对 I A 用初等变换化为Smith
标准形：
3
I A 1
1
3
1
1
1
0
c2 ( 1) c1
1 0
1 2 2 4 4
0
r1( 3) r2
r3 r2
0
0
2
2
0 ( 2)2
0
c2 c3 r1(1)
1
0
0
0
2
2
0 ( 2)2 0
故A的Jordan标准形为
2 J
2
1
(或
J
2
1 2
)
2
2
2 1 1 1
2)
A
2 1
2 2
1 1 1 2
0 0 0 3
解 可求得 det(I A) ( 1)3( 3)
所以A的特征值为 1 2 3 1, 4 3
又对应 1只有一个线性无关的特征向量
(0, 1, 1, 0)T
2
例 已知一个12阶矩阵的不变因子是
1,1,, 1，( 1)2，( 1)2( 2)，
9
( 1)2( 2)(2 3)2
求A的Jordan标准形。 解 A的初等因子为
( 1)2，( 1)2，( 2)，( 1)2，( 2) ( 3i)2，( 3i)2
故A的Jordan标准形为：
1 1
1 0
0
2 2
0
2
r2 2 r3
r2 (1)
0
0
1 0
0
( 2)
0 0
r2 r3
c3c3
0
0
1 0
0
0 0
0 0 ( 2)
A的不变因子为 d1() 1, d2() , d3() ( 2)
A的初等因子为 , , 2
A的Jordan标准形为
0 J 0
1 0
0
0
0
2
1 0
0
( 2)2
0 0
0
0
2
r1 r2
r2 r3
c2 c3
1 0
0 2
0 0
0
0
( 2)2
从而A的不变因子为
d1() 1, d2() 2, d3() ( 2)2
第二步： 再把A的每个次数大于零的不变因子
(此处是 d2() 和 d3()) 分解成关于 的不同的
1
2 0 0 0 2 0 1 1 1
( 2)2 1 3 1 1
( 2)( 2)3
A的特征值为
1 2, 2 3 4 2
对于 1 2，求解 (2I A)x 0，由于
3
2I
A
1 1
1
1 3 1 1
1 1 3 1
1 1 1 3
1 0 0 0
0 1 0 0
0 0 1 0
1 2 1
1 1 2
则微分方程组可写成矩阵形式
d x Ax dt
可求得
P
1 0
1 1
11，使得
1 1 0
P 1AP
1
2
3
令 x Py，其中 y ( y1, y2, y3)T。
注意到 d(Py) P d y，代人前一式得
dt
dt
P d y APy， 即 d y y，
dt
dt
注 可求得 det(I A) ( 1)5且 rank(I A) 2，
此时A对应5重特征值1有3个线性无关的特征向量，
直接按特征向量法无法确定A的Jordan标准形。
解设
1 A1 0
0
0 1 0
2 0 1
，A2
1 2
0，则 A A1
1
O
O 。 A2
可求得 det(I A1) ( 1)3且 rank( I A1) 1， det(I A2) ( 1)2且 rank(I A2) 1，
(c1,c2,c3 任意)
§3 Jordan 标准形介绍
例 求下列矩阵的Jordan标准形：
1)
3 A 1
1
解 可求得
1 1
0 0
；
1 2
det(I A) ( 2)3
所以A的特征值为 1 2 3 2 又对应 2 有2个线性无关的特征向量
(1, 1, 0)T, (0, 0, 1)T
1 1 1 0
同解方程组为 x1 x4, x2 x4, x3 x4
基础解系为
(1, 1, 1, 1)T
对应 1 2 的全部特征向量为
k1(1, 1, 1, 1)T (k1 0)
对于 2 3 4 2，求解 (2I A)x 0, 由于
1 1 1 1 1 1 1 1
2I
A
1 1
§2 相似对角化
例 下列矩阵是否可对角化？若可以，试求出
相似变换矩阵和相应的对角矩阵：
1)
2 A 1
1 2
11；
1 1 2
解 可求得 det(I A) ( 1)( 2)( 3)
A的特征值为 1 1, 2 2, 3 3
因为A的特征值互异，所以A可对角化。
又对应的特征向量分别为
p1
( 1)( 2)( 3)
A的特征值为
1 1, 2 2, 3 3
对于1 1，求解 (I A)x 0，由于
1 1 I A 1 1
1 0 1 1
0 1
0 1 1 0
0 1
1 0
1 1 1 0 2 0 0 0 0
同解方程组为
x1 x2
Hale Waihona Puke x3，基础解系为 0(1, 0, 1)T
1 1 1 1
3)
A
1 1
1 1
1 1
11。
1 1 1 1
1 1 1 1
解 det(I A) 1 1 1 1
1 1 1 1
1 1 1 1
1 1 1 1
r2 r4 0 2 0 2
r3 r4 0
1
0 2 2 1 1 1
1 1 1 3
c4 c2 0 c4 c3 0
第一章 矩阵的相似变换
§1 基本概念
例 求下列矩阵的特征值与特征向量：
1)
2 A 1
1 2
11；
1 1 2
2 1 1 解 det(I A) 1 2 1 r1 ( 2) r3
1 1 2 r2 r3
0 3 ( 2)2 1
0 3 1
1 1
2
( 3) 1 2 4 3 1 1
所以A1和A2的Jordan标准形分别为
1
J1
1 1，
1
J2 1
1 1
故A的Jordan标准形为
J J1
1
11
J2
1
1 1
1
例 已知多项式
f () 8 96 4 33 42 1 g() 3 52 7 3 求用 g()除 f () 所得的商式和余式。
故A不可对角化。
1 1 1 1
3)
A
1 1
1 1
1 1
11。
1 1 1 1
解 可求得 det(I A) ( 2)( 2)3
所以A的特征值为 1 2 3 2， 4 2
对应三重特征值2有三个线性无关的特征向量
(1, 1, 0, 0)T，(1, 0, 1, 0)T， (1, 0, 0, 1)T
2
J 2 1
2
2)
1 A 3
1 3
2 6
。
2 2 4
1 1
解 I A 3 3
2 6
c1( 1) c2
c3 2c2
2 2 4
0
( 2)
1
3
0
2
r2 ( 3) r1
r3 2 r
c1c2
2
2
1
0
0
0
( 2)
2
c2 2c3
0 2
写成分量形式为
d dt
y1
y1，
d dt
y2
2 y2，
d dt
y3
3 y3
解之得 y1 c1 et , y2 c2 e2t , y3 c3 e3t