第七章线性变换.ppt
《高等代数》第七章 线性变换
线性变换的多项式有以下性质:
1) f (A ) 是一线性变换.
2) 如果在 P[ x ] 中,有 h(x) = f (x) + g(x) , p(x) = f (x) g(x) ,
那么
h(A ) = f (A ) + g(A ) , p(A ) = f (A ) g(A ) .
特别地,
f (A ) g(A ) = g(A ) f (A ) .
定义为 数乘k变A 换= ,K可A用, K 表示. 显然,当 k = 1 时
即
们(k便A得)恒(等) =变K换(,A当(k) =) =0 K时A,便(得) .零变换.
显然,k A 还是线性变换. 2. 运算规律 1) ( kl ) A = k ( l A ) , 2) ( k + l ) A = k A + l A , 3) k (A + B ) = k A + k B , 4) 1 A = A .
证毕
五、线性变换的多项式
下面引进线性变换的多项式的概念.
1. 线性变换的幂
既然线性变换的乘法满足结合律,当若干个线
性变换 A 重复相乘时,其最终结果是完全确定的,
与乘积的结合方式无关. 因此当 n 个( n 是正整数)
线性变换 A 相乘时,我们就可以用 A A ... A
n个
来表示,称为 A 的 n 次幂,简单地记作 A n. 即
对于线性变换,我们已经定义了乘法、加法与 数量乘法三种运算. 由加法与数量乘法的性质可知, 线性空间 V 中全体线性变换,对于如上定义的加法 与数量乘法,也构成数域 P 上一个线性空间.
对于线性变换,我们也可定义逆变换.
四、线性变换的逆变换
1. 定义 定义5 线性空间 V 的线性变换 A 称为可逆的 如果有 V 的变换 B 存在,使
高等代数课件
(r ) a1r1 a2r2 arrr (r1) a1,r11 ar,r1r ar1,r1r1 an,r1n
(n ) a1n1 arnr ar1,nr1 annn
这表明关于这个基的矩阵是
A1 O
A3 A2
|W关于W的基1, 2, …, r 的矩阵
定理7.3.3 设V是数域F上的一个n维向量空间, {1, 2, …, n} 是V的一个基, 对于V的每个线性变换, 让它对应于它关于基{1, 2, …, n}的矩阵A. 如此建立的对应关系是L(V)到Mn(F)的一个同构 (保持加法和纯量乘法的双射). 而且如果变换,分别对应于矩阵A,B, 则变换,的乘积对应于矩阵A,B的乘积AB. (保持乘法)
例 6 接例4. V3是L与H的直和. 取L上的一个非零向量1作为它
的基, 取H上的两个正交单位向量2, 3作为它的基, 那么1, 2, 3组
V3的一个基. 关于这个基的矩阵是
1 0
0
0 cos sin
0 sin cos
应该地, 如果V是它的子空间W1, W2, … , Ws的直和, 且每一个都 是的不变子空间. 用这些子空间的基组V的一个基. 则关于这个基
定理7.1.2 设是向量空间V到W的一个线性映射. 则有 (i) 是单射Im()=W. (i) 是满射Ker()={0}.
两个线性映射的合成映射是线性映射. 设U, V, W是数域F上的向量空间, : UV, :VW是线性映射. 则合成映射:VW是U到W线性映射.
如果线性映射:VW有逆映射 1, 则 1是从W到V的线性映 射.
(n ) a1n1 a2n2 annn
其中, (a1j, a2j,…, anj, )是(j )关于基1, 2, …, n的坐标 j=1,2, …,n,. 它们是唯一确定的. 以它为第j列, 做成一个矩阵:
高等代数课件(北大版)第七章-线性变换§7.3
1,2, ,n A B
∴ + 在基 1, 2 , , n下的矩阵为A+B.
§7.3 线性变换的矩阵
② 1,2, ,n 1,2, ,n 1,2, ,n B 1, 2, , n B
1,2, ,n AB
∴ 在基 1, 2 , , n下的矩阵为AB.
③ k 1,2, ,n k 1 , ,k n k 1 , ,k n k 1 , , n
k 1, 2, , n k 1,2, , n A 1,2, ,n kA
∴ k 在基 1, 2 , , n下的矩阵为 kA.
§7.3 线性变换的矩阵
④ 由于单位变换(恒等变换) E对应于单位矩阵E.
所以, E
与 AB=BA=E 相对应.
因此,可逆线性变换 与可逆矩阵A对应,且 逆变换 - 1 对应于逆矩阵 A- 1.
x1
,
n
A
x2
xn
1, 2 ,
y1
,n
y2
1, 2 ,
yn
x1
,
n
A
x2
xn
由于 1, 2 ,
, n线性无关,所以
y1 x1
y2
=A
x2
.
yn xn
§7.3 线性变换的矩阵
4.同一线性变换在不同基下矩阵之间的关系
定理4 设线性空间V的线性变换 在两组基
显然,1,2 , ,n 也是一组基,且 在这组基下的
矩阵就是B.
§7.3 线性变换的矩阵
(3)相似矩阵的运算性质 ① 若 B1 X 1A1X , B2 X 1A2 X , 则 B1 B2 X 1( A1 A2 )X , B1B2 X 1( A1A2 )X . 即, A1 A2 B1 B2 , A1 A2 B1B2 .
高等代数第7章线性变换[1]
一、线性变换的乘法及其性质
设A,BL(V), 定义A与B 的乘积为V 的一个变换, "aV, 有 (AB)(a) = A(B(a)). 1. AB 也是线性变换.
证 因为"a, bV和"k, lP, 有 (AB)(ka+lb) = A(B(ka+lb)) = A(kB(a)+lB(b)) = A(kB(a))+A(lB(b)) = kA(B(a))+lA(B(b)) = k(AB)(a )+l(AB)(b).
称矩阵
a11 a12 a1n a a a 2n 21 22 A a n1 a n 2 a nn
为线性变换A在基e1, e2, …, en下的矩阵.
采用矩阵形式记号,可写成 [ Ae1, Ae2, …, Aen]
a11 = [e1, e2, …, en ] a 21 a n 1 a12 a 22 an 2 a1n a2 n a nn
设
f (x)=amxm+am-1xm-1+…+a0
是P[x]中一多项式, A是V的线性变换,
定义
f(A)=amAm+am-1Am-1+…+a0E f(A)是线性变换,称为线性变换A的多项式
若在P[x]中 h(x)=f(x)+g(x), p(x)=f(x)g(x), 则 h(A)=f(A)+g(A), p(A)=f(A)g(A), 特别地,
三、线性变换的数量乘法及其性质
设AL(V), kP, 定义k与A的数量乘 积为V的一个变换, 使得
kA = KA
其中K为由k决定的数乘变换, 即"a V
线性代数与解析几何 第7章 线性空间与线性变换
§ 7.1 线性空间的定义与性质
7.1.1 线性空间的定义
7.1.2 线性空间的性质
7.1.3 子空间
§ 7.1 线性空间的定义与性质
7.1.1 线性空间的定义
定义7.1
设是一个非空集合,为实数域. 若在中定义
了两种运算,一种运算称为加法:即对于中任意两个元素
, ,在中都有唯一的元素与它们相对应,称为与的
证明
因为 a, b R , R
有 a b ab R , a a R
即R+对上述定义的加法与数乘运算封闭.
a
,
b
,
c
R
, , R 时,有
又因
(1) a b ab=ba b a ;
(2) (a b) c (ab) c (ab)c a(bc) a(b c) a (b c) ;
A R mn
又对矩阵加法和数与矩阵的乘法两种运算满足线性运算规律,
所以R mn对矩阵加法和数与矩阵的乘法,构成实数域R
上的线性空间,称此线性空间为mn矩阵空间.
§ 7.1 线性空间的定义与性质
注7.1
检验一个集合是否构成线性空间,当然不能只象例
7.1、例7.2、例7.3那样检验对运算的封闭性.若所定义的加法
(7) ( + ) a a a a a a a a ;
(8) (a b) (ab) (ab) a b
a b a b ;
所以R+对上述定义的加法与数乘运算构成线性空间.
*第7章
线性空间与线性变换
线性空间又称向量空间,是线性代数的中心内容和
线性变换与二阶矩阵PPT课件
二阶矩阵的逆
总结词
二阶矩阵的逆是一个特殊的矩阵,它与原矩阵相乘等于单位矩阵。
详细描述
二阶矩阵的逆是一个重要的概念,它是一个与原矩阵互为逆元的特殊矩阵。如果一个二阶矩阵与其逆矩阵相乘等 于单位矩阵,则这个逆矩阵是存在的。求逆矩阵的方法有多种,如高斯消元法、伴随矩阵法等。在某些情况下, 如行列式值为零时,矩阵可能没有逆矩阵。
平移矩阵与平移操作
• 平移矩阵:平移矩阵也是二阶矩阵的一种,用于 表示平移操作。其一般形式为
平移矩阵与平移操作
```
| 0 1 ty |
| 1 0 tx |
平移矩阵与平移操作
```
其中,tx和ty分别表示在x轴和y轴方
平移操作:平移操作是指通过平移矩阵
向上的平移距离。
对向量进行变换,使向量在指定的方向
03
线性变换与二阶矩阵的关系
线性变换的矩阵表示
线性变换是数学中的一种重要概念,它描述了一个向量空间 中的向量通过一个线性映射变为另一个向量空间的过程。在 矩阵表示中,线性变换可以用一个矩阵来表示,该矩阵的行 和列分别对应于输入和输出空间的基向量。
线性变换的矩阵表示具有一些重要的性质,例如矩阵乘法对 应于线性变换的复合,矩阵的转置对应于线性变换的共轭, 以及矩阵的逆对应于线性变换的逆。
二阶矩阵与线性变换的转换
二阶矩阵是数学中一种常见的矩阵类型,它由四个数字组成,可以用来表示一个 线性变换。通过选择适当的基向量,可以将一个线性变换转换为二阶矩阵,反之 亦然。
二阶矩阵与线性变换的转换关系是线性的,即对于任意两个线性变换A和B,以及任 意标量k,有kA=AkB=BkA。
二阶矩阵在几何变换中的应用
通过矩阵变换,可以改变向量的长度、方向和位置,从而实现二维空间中的几何变 换。
第七章 线性变换
,即A
1
B .
可以证明,可逆线性变换一定是双射,从而它就是线性空间到其自身的同构映射。
类似于方阵的幂与多项式概念,关于线性变换,也有所谓幂与多项式概念,具体如下 定义 1.7 设 A L(V ), 利用乘法定义可以归纳地定义线性变换的正整数次幂:
2
A
A A , A
3
A
2
A , , A
第七章
线性变换
变换的思想是数学中一个十分重要的思想,几乎可以说无处不在,也可以这么说,如 果不研究变换,数学就变得死水一潭、没有意义。线性变换是高等代数中一个重要概念, 它对研究线性空间本身结构有着重要作用,为矩阵运算的简化以及矩阵的分解提供了方法。
§1
线性空间上的线性变换及其运算
如果说同构映射反映了两个线性空间之间的关系, 那么, 这一节将要介绍的线性空间上 的线性变换反映的将是线性空间到其自身的关系。 定义 1.1 设 V 是数域 P 上一个线性空间,如果映射 A : V V 满足:
3
( x, y, z )T 3 , 定义 A ( x, y, 0)T 3 , 证明: A 是 3 上的线性变换。
4. 设 A 是实数域 上 3 维线性空间 中绕 Oz 轴由 Ox 向 Oy 方向旋转 90 的变换,证
3
明: A 是 上的线性变换,并且 A 5. 6. 证明性质 1.1, 1.3.
3
4
E .
在 P[ x] 中, 对任意 f ( x) P[ x], A f ( x) f' ( x), B f ( x) xf ( x), 其中 f' ( x) 是 f ( x) 的导函数,证明: AB BA E , 这里E 为恒等变换。
高等代数课件 第七章
易证上面的两个条件等价于下面一个条件:
③对于任意 a,b F 和任意 , V ,
(a b) a ( ) b ()
在②中取 a 0 ,对③进行数学归纳,可以得到:
(1) (0) 0
x1
A
x2
.
xn
综合上面所述, 我们得到坐标变换公式:
定理7.3.1 令V是F上一个n 维向量空间,σ是 V的一个线性变换,而σ关于V的一个基 {1, 2 ,, n} 的矩阵是
a11
A
a21
a12
a22
a1n a2n
an1 an2 ann
如果V中向量ξ关于这个基的坐标是 (x1, x2 ,, xn,) 而σ(ξ)的坐标是 ( y1, y2 ,, yn,)
例6 取定F的一个n元数列 a1, a2,, an , 对于 F n
的每一向量 x1, x2,, xn , 规定
a1x1 a2 x2 an xn F
则,σ是 F n到F的一个线性映射(这个线性映射也叫做 F上一个n元线性函数或 上F n一个线性型).
例7 对于F[x] 的每一多项式 f(x),令它的导数
因而(9)成立。
三、线性变换的多项式
线性变换的乘法满足结合律:
对于任意 , , L(v), 都有
( ) ( ).
因此, 我们可以合理地定义一个线性变换σ的n次
幂
n
n
这里n是正整数。
我们再定义
0
这里ι表示V到V的单位映射,称为V的单位变换。这样 一来,一个线性变换的任意非负整数幂有意义。
加法: : ( ) ( ) 数乘: k : k ( ) ,
线性变换
n1
k1 K
其中有一个n-1级子式不为0.
∴ 秩 (0 E B ) n 1. 从而 (0 E A) n 1. 故 (0 E A) X 0 的基础解系只含一个向量. 即,A的属于 0的线性无关的特征向量只有一个.
dimV0 1.
三、特征多项式与最小多项式 1、特征多项式
例4
设 End F (V ),,证明:
教材P167 习题5
1
(1) 可逆 无零特征值; (2) 可逆时,若 是 的特征值,则 是 1 的特征值.
例 5 设 L Vn ( P ) ,证明:
教材P163 习题1
(1) 存在 f x P x ,且次 f x n2 ,使得 f 0 ; (2) 如 果 f x , g x P x 的 最 大 公 因 式 为 d x , 且
3)、数量乘法 的数量乘积 k 为: k k , 则 k 也是V的线性变换. 设 为向量空间V的线性变换,k P , 定义 k与
V
•基本性质
(i) ( kl ) k ( l ) (ii) ( k l ) k l (iii) k ( ) k k (iv) 1
(P159习题9)
例 2、设 A, B F nn ,证明:
(P162例3)
rank(A+B)≤rank(A)+rank(B).
例 3、 End K (V ), dimK V n , 设 证明: 对任意 End K (V ), dimImσ≤dimKerτ+dimIm(στ).
则 也是V的线性变换. •基本性质
第七章 线性变换
第七章 线性变换§1 线性变换的定义 §2 线性变换的运算教学目的:变换简单地讲就是映射,对线性变换的学习是本章的基础。
教学重点:线性变换的性质,逆变换。
课时:4。
教学方法:讲练结合。
教学内容:一、定义:对P k V ∈∀∈∀,,βα,有)()()()()(ααβαβαkA k A A A A =⋅+=+则称V V A →:为V 上的线性变换。
二、几个特殊的线性变换:1、恒等(单位)变换E :V E ∈∀=ααα,)(。
2、零变换0:V ∈∀=αα,0)(0。
3、数乘变换k :V k k ∈∀=ααα,)(。
三、性质:1、)()(,0)0(ααA A A -=-=。
2、若rr k k k αααβ+++= 2211,则)()()()(2211r r A k A k A k A αααβ+++= 。
3 若r ααα,,,21 线性相关,则)(,),(),(21r A A A ααα 也线性相关。
练习:323P 1。
四、记{}的线性变换是V A A V M =)(1 定义乘法:对()()()()()ααB A AB V M B A =∈∀,,可证()V M AB ∈,设()VM C ∈有)()(BC A C AB =。
2、定义加法:()()()()αααB A B A +=+,可证)(V M B A ∈+。
则()V M 也是P 上的线性空间。
(若又有()()CABA A C B AC AB C B A +=++=+,,则()V M 作成一个环)。
五、逆变换:()V M A ∈若()V M B ∈∃,使EBA AB ==,则称A 是可逆的线性变换,而B 称为A 的逆变换,记为1-=AB ,则1-A 也是可逆的线性变换。
特别地:()EA A n A AA A n ==0,,个 ;()()0,,,≥==+n m AAA A A mnnmn mnm ;()()+--∈=Z n AAnn,1。
7线性变换
因为
(A + B ) ( + ) = A ( + ) + B ( + ) = (A ( ) + A ( ) ) + (B () + B ( )) = (A ( ) + B ( ) ) + (A () + B ( )) = (A + B ) ( ) + ( A + B ) ( ) , (A + B ) ( k ) = A ( k ) + B ( k ) = k A ( ) + k B ( )
可能把线性无关的向量组也变成线性相关的向量
组. 例如零变换就是这样.
17
§2 线性变换的运算
线性变换的乘积
线性变换的加法
线性变换的数量乘法 线性变换的逆变换
线性变换的多项式
举例
18
一、线性变换的乘积
1. 定义 线性空间的线性变换作为映射的特殊情形当然 可以定义乘法.
定义2
设 A , B 是线性空间 V 的两个线性变
15
= -A ( ).
性质 2
线性变换保持线性组合与线性关系式不变.
换句话说,如果 是 1 , 2 , … , r 的线性组合:
= k11 + k22 + … + krr ,
那么经过线性变换 A 之后, A ( ) 是 A ( 1 ), A ( 2 ) , …, A ( r ) 同样的线性组合: A ( ) = k1A ( 1 ) + k2A ( 2 ) + …+ krA ( r ) . 又如果 1 , 2 , … , r 之间有关系式
T( + ) = - ( + )+ 2( + , ) = [- + 2 ( , ) ] + [- + 2 ( , ) ] = T( ) + T ( )
线性变换
( 2 ) (0,1,0) (0,1,1)
( 3 ) (0,0,1) (0,0,0)
1 0 0 ( 1 , 2 , 3 ) ( 1 , 2 , 3 ) 0 1 0 1 1 0
第七章 线性变换
30
例2. 设 1 , 2 ,, m ( m n)为n维线性空间V的子空
第七章 线性变换
18
一、 线性变换的乘积
1.定义
设 , 为线性空间V的两个线性变换,定义它们 的乘积 为: , V 则 也是V的线性变换.
第七章 线性变换
19
例1. 线性空间 R[ x] 中,线性变换
D f x f x
6
第七章 线性变换
7
第七章 线性变换
8
一、 线性变换的定义
二、 线性变换的简单性质
9
一、 线性变换的定义
设V为数域P上的线性空间,若变换 : V V 满足: , V , k P
k k
1, 2 ,, n
(Ⅰ ) (Ⅱ )
1 ,2 ,,n
下的矩阵分别为A、B,且从基(Ⅰ) 到基(Ⅱ)的过渡 矩阵矩阵是X,则
B X 1 AX .
第七章 线性变换
35
证:由已知,有
1, 2 , , n 1 , 2 , , n A,
2.线性变换保持线性组合及关系式不变,即 若 k11 k2 2 kr r , 则 k1 1 k2 2 kr r . 3.线性变换把线性相关的向量组变成线性相关 的向量组.
第七章 线性变换
第七章 线性变换
第七章 线性变换一. 内容概述1. 线性变换的概念设n V 是n 维线性空间,T 是n 维线性空间n V 中的变换,且满足1) 对任意向量n V ∈βα,,有 )()()(βαβαT T T +=+ 2) 对任意向量F k V n ∈∈,α,有)()(ααkT k T =则称为中的线性变换。
2. 线性变换的性质及运算1)0)0(=T )()(ααT T -=-2) )()()()(22112211n n n n T k T k T k k k k T αααααα+++=+++3)设向量组n ααα,,,21 线性相关,则向量组)(),(),(21n T T T ααα 也线性相关。
线性变换的和:)()())((2121αααT T T T +=+ 线性变换的积:))(())((2121ααT T T T = 数乘变换:)())((αλαλT T = 线性变换T 可逆时,逆变换1-T都是线性变换。
线性变换的多项式:0111)(a a a a f m m m m ++++=--σσσσ 3. 线性变换的矩阵设σ是V 的一个线性变换,n εεε,,,21 是V 的一个基,且n n a a a εεεεσ12211111)(+++= n n a a a εεεεα22221122)(+++=n nn n n n a a a εεεεσ ++=2211)(记))(),(),((),,,(2121n n εσεσεσεεεσ =A n n n ),,,())(,),(),((),,,(212121εεεεσεσεσεεεσ ==则称A 为线性变换σ在基n εεε,,,21 下的矩阵。
4. 设n εεε,,,21 是数域P 上n 维线性空间V 的一组基,在这组基下,每个线性变换按公式)(*对应一个n n ⨯矩阵,这个对应具有以下性质:1) 线性变换的和对应与矩阵的和; 2) 线性变换的积对应与矩阵的积;3) 线性变换的数量乘积对应与矩阵的数量乘积;4) 可逆的线性变换与可逆矩阵对应,且逆变换对于与逆矩阵。
高等代数第7章线性变换PPT课件
特征向量定义
对应于特征值m的非零向量x称为A的对应于特征值 m的特征向量。
设A是n阶方阵,如果存在数m和非零n维列向 量x,使得Ax=mx成立,则称m是A的一个特 征值。
求解方法
通过求解特征多项式f(λ)=|A-λE|的根得到特 征值,再代入原方程求解对应的特征向量。
特征多项式及其性质分析
特征多项式定义
量子力学
在量子力学中,特征值和特征向量用 于描述微观粒子的状态和能量级别。
图像处理
在图像处理中,特征值和特征向量可 以用于图像压缩和图像识别等任务。
经济学
在经济学中,特征值和特征向量可以 用于分析和预测经济系统的稳定性和 发展趋势。
04
线性变换对角化条
件及步骤
可对角化条件判断方法
判断矩阵是否可对角化
线性变换的性质与 矩阵性质对应
线性变换的性质如保持加法、 数乘等运算可以通过其对应的 矩阵性质来体现。例如,两个 线性变换的和对应两个矩阵的 和;线性变换的复合对应两个 矩阵的乘积等。
02
线性变换矩阵表示
法
标准基下矩阵表示法
定义
设V是n维线性空间,e1,e2,...,en 是V的一个基,T是V上的一个线 性变换,则T在基e1,e2,...,en下的 矩阵A称为T在基e1,e2,...,en下的 标准矩阵表示。
计算矩阵的高次幂
对于可对角化的矩阵A,可以利用对角化公式A=PDP^(-1)将A的高次幂转化为对角矩阵D的高次幂, 从而简化计算过程。
求解线性方程组
对于系数矩阵为可对角化矩阵的线性方程组,可以通过对角化将系数矩阵转化为对角矩阵,进而 简化方程组的求解过程。
计算行列式和逆矩阵
对于可对角化的矩阵A,其行列式值等于对角矩阵D的行列式值,逆矩阵可以通过对角化公式求得, 从而简化相关计算。
第七章线性空间与线性变换
式加法和数与多项式的乘法,构成线性空间 P[ x]n
例5 所有收敛的实数数列按数列极限的加法和数乘,
构成线性空间 l 。
例6 齐次线性方程组 Ax 的所有解的集合构成数 域 R 上的线性空间 N ( A) ,称为 Ax 的解空间,
或矩阵 A 的核空间或零空间,即
对于 (1,2 ), =(1,2 ) 及 k R ,定义
加法 (1+1 ,2 +2 +11)
数乘
k
(k1
,
k2 +
1 2
k(k
1)12 )
判断 V 是否构成 R 上的线性空间.
三、线性空间的基本性质
定理12 如果 V 是数域 F 上的线性空间,则
(1) 线性空间V 中的零向量 是唯一的。
例14 集合 T1 {x x [x1, x2, 0]T , x1, x2 R} 是向 量空间。它是 R3 在 ox1 x2 平面上的投影子空间。
例15 R3 中过原点的直线是R3 的一个子空间。
判定非空集合是否为线性空间,要验算运算的封闭性, 以及8条运算律,相当地麻烦。至于判定线性空间的子 集是否为线性空间,就比较方便了。
(A1) 加法交换律: , (A2) 加法结合律:( ) ( ),
(A3) 具有加法单位元(零向量) R2 ,使得
(A4) 具有加法逆元(负向量) R2 ,使得 ( )
(M1) 数乘的结合律:k(l ) (kl) (M2) 数乘的单位元:1 (D1) 分配律1: k( ) k k (D2) 分配律2:(k l) k l
分析: 容易验证 1, 2, 3 线性无关,因此
也是 P[ x]3 的基。 由高等数学中的泰勒公式,可知
第七章 线性变换
, ε n ,写出
,ε n
高等代数
东北大学秦皇岛分校
例 2 设线性变换A 在基 ε 1 , ε 2 , ε 3 下的矩阵是
⎛1 2 2⎞ ⎜ ⎟ A = ⎜ 2 1 2⎟, ⎜2 2 1⎟ ⎝ ⎠
求A 的特征值与特征向量. 线性变换A 的属于 λ0 的全部特征向量再添上零向量所 成的集合,是V的一个子空间,称为A 的一个特征子空间,记为
高等代数
东北大学秦皇岛分校
例 设V是数域P上一个二维线性空间,
ε 1 , ε 2是一组基线性变换A 在 ε 1 , ε 2 下的矩阵是
⎛ 2 1⎞ ⎜ ⎟. ⎝ −1 0 ⎠ 对V的另一组基 η1 ,η 2 ,有
⎛ 1 −1 ⎞ (η1 ,η 2 ) = (ε 1 , ε 2 ) ⎜ ⎟, ⎝ −1 2 ⎠ k ⎛ 2 1⎞ 求 ⎜ ⎟ . ⎝ −1 0 ⎠
高等代数
东北大学秦皇岛分校
定理 2 设 ε 1 , ε 2 ,
, ε n 使数域P上n维 ,ε n ) A
线性空间V的一组基,在这组基下,每个线性变换按
A (ε 1 , ε 2 ,
, ε n ) = (ε 1 , ε 2 ,
都对应一个 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与矩阵的数量乘积; 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.
高等代数
东北大学秦皇岛分校
利用线性变换的矩阵计算向量的像: 定理 3 设线性变换A 在基 ε 1 , ε 2 , 矩阵是A,向量 ξ 在基 ε 1 , ε 2 , 则 A ξ 在基 ε 1 , ε 2 ,
, ε n 下的 , ε n下的坐标是 ( x1 , x2 ,
大学数学高数微积分第七章线性变换第四节课件课堂讲义
域 P 中的一个根,即 |0E - A | = 0,那么齐次线性
方程组 ( 0E A ) X = 0 就有非零解.
这时,如果
(x01 , x02 , … , x0n ) 是方程组 ( 0E - A ) X = 0 的一
个非零解,那么非零向量
= x011 + x022 + … + x0nn 满足 A = 0 ,即 0 是线性变换 A 的一个特征值
由定义可知,
每个非零向量都是属于数乘变换 K 的特征向量.
例 2 设线性变换 A 在基1 , 2 , 3下的矩阵是
1 2 2 A 2 1 2,
2 2 1
求 A 的特征值与特征向量.
解
单击这里求特征值 A 的特征多项式为
1 2 2 EA 2 1 2
2 2 1
(1)2(5).
所以,A 的特征值为
0
1
0 1
0 0
|
E
D|
n
.
0 0 0 1
0
0
0
因此,D 的特征值只有 0 .
通过解相应的齐次线性
方程组知道,属于特征值 0 的线性无关的特征向量
组只能是任一非零常数.
这表明微商为零的多项式
只能是零或非零的常数.
例 4 平面上全体向量构成实数域上一个二维
线性空间,第一节 下的矩阵为
例 1 平面上的向量构成实数域上的二维线性 空间. 把平面围绕坐标原点按反时针方向旋转 角 就 是 一 个 线 性 变 换 , 我 们 用 I 表 示 . 如 果 平 面 上 一 个 向 量 在 直 角 坐 标 系 下 的 坐 标 是 ( x , y ), 那 么
像 I ( ) 的 坐 标 , 即 旋 转 角 之 后 的 坐 标 ( x , y ) 是 按 照 公 式
- 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)。
令 k ,那么对于任意 a,b F 和任意 , V ,
(a b) k( (a b)) k(a ( ) b ()) ak ( ) bk () a( ) b().
所以kσ是V的一个线性变换.
2020-12-11
谢谢你的观赏
15
线性变换的加法满足变换律和结合律,容易证明,对
如果 , V而 ( ) (). 那么 ( ) ( ) () 0, 从而 ker( ) {0}. 所以 , 即σ是单射.
2020-12-11
谢谢你的观赏
11
如果线性映射 :V W 有逆映射 1 ,那么是W
到V 的一个线性映射.
2020-12-11
谢谢你的观赏
12
7.2 线性变换的运算
(4) ( )
2020-12-11
谢谢你的观赏
16
线性变换的数乘满足下列算律:
(5)
k( ) k k ,
(6)
(k l) k l ,
(7)
(kl) k(l ),
(8)
1 ,
这里k,l是F中任意数,σ,τ是V的任意线性变换.
定理7.2.1 L(V)对于加法和数乘来说作成数域 F上一个向量空间.
在σ之下的象是W 的一个子空间,而W 的任意子空 间在σ之下的原象是V 的一个子空间.
2020-12-11
谢谢你的观赏
9
特别,向量空间V 在σ之下的象是W 的一个
子空间,叫做σ的象, 记为 Im( ),
即 Im( ) (V ).
另外,W 的零子空间 { 0 } 在σ之下的原象是 V 的一个子空间,叫做σ的核,
一、内容分布
7.2.1 加法和数乘 7.2.2线性变换的积 7.2. 3线性变换的多项式
二、 教学目的:
掌握线性映射的加法、数乘和积定义,会做运算. 掌握线性变换的多项式, 能够求出给定线性变换的
多项式.
三、 重点难点:
会做运算.
2020-12-11
谢谢你的观赏
13
7.2.1 加法和数乘
令V是数域F上一个向量空间,V到自身的一个 线性映射叫做V 的一个线性变换. 我们用L(V)表示向量空间和一切线性变换所成 的集合,设 , L(v), k F, 定义:
σ是 到F n 的一F m个线性映射.
2020-12-11
谢谢你的观赏
5
例4 令V 和W是数域F 上向量空间.对于V 的每一向 量ξ令W 的零向量0与它对应,容易看出这是V 到 W的一个线性映射,叫做零映射.
例5 令V是数域F上一个向量空间,取定F的一个数
k,对于任意 V , 定义 k
容易验证,σ是V 到自身的一个线性映射,这样一 个线性映射叫做V 的一个位似.
(1) (0) 0
(2) (a11 ann ) a1 (1) an (n )
例1 对于 R2的每一向量 x1, x2 定义 x1, x1 x2 , x1 x2 R3
σ是 R2到 R3的一个映射,我们证明,σ是一个线
性映射.
例2 令H是 V3 中经过原点的一个平面.对于 V3 的每
谢谢你的观赏
7
例8 令C[a, b]是定义在[a, b]上一切连续实函数所
成的R上向量空间,对于每一 f xCa,b, 规定
f
x
x
a
f
t dt
f x 仍是[a, b]上一个连续实函数,根据积分的
基本性质,σ是C[a, b]到自身的一个线性映射.
2020-12-11
谢谢你的观赏
8
7.1.2 线性变换的象与核
对于任意 k F, , , L(v) 成立。
2020-12-11
谢谢你的观赏
18
证明 我们验证一下等式(9)其余等式可以类似地 验证。设 V. 我们有
( )( ) (( )( )) ( ( ) ( )) ( ( )) ( ( )) ( ) ( ) ( )( ),
于任意 , , L(v) ,以下等式成立:
(1) ;
(2) ( ) ( ).
令θ表示V到自身的零映射,称为V的零变换,它显然
具有以下性质:对任意 L(v) 有:
(3)
设 L(v),σ的负变换-σ指的是V到V的映射
: ( ). 容易验证,-σ也是V的线性变换,并且
一向量ξ,令 表 示向量ξ在平面H上的正射影.
根据射影的性质, : 是 V3 到 V3 的一个线
性映射.
2020-12-11
谢谢你的观赏
4
例3 令A是数域F上一个m × n矩阵,对于n元列空
间的 F m 每一向量
x1
x2
xn
规定:
是一个m×1矩阵,即是空间 F m的一个向量,
记为 Ker( ),
即 Ker( ) { V | ( ) 0}.
2020-12-11
谢谢你的观赏
10
定理7.1.2 设V和W是数域F向量空间,而是一个线
性映射,那么 :V W
(i) σ是满射 Im( ) W (ii) σ是单射 Ker( ) {0} 证明 论断(i)是显然的,我们只证论断(ii) 如果σ是单射,那么ker(σ)只能是含有唯一的零向量. 反过来设ker(σ) = {0}.
特别,取k = 1,那么对于每一 V , 都有 ,
这时σ就是V到V的恒等映射,或者叫做V的单位映 射,如果取k = 0,那么σ就是V 到V的零映射.
2020-12-11
谢谢你的观赏
6
例6 取定F的一个n元数列 a1 a2 an . 对于 F n 的每一向量 x1 x2 xn . 规定
(2)
x1
(
(1
),
(
2
),,
(
n
))
x2
.
xn
将(1)代入(2)得
x1
(
)
(1,
2
,,
n
)
A
x2
.
xn
2020-12-11
谢谢你的观赏
27
最后,等式表明, ( )关于(1,2 ,n ) 的坐标所组成 的列是
x1
A
x2
.
xn
综合上面所述, 我们得到坐标变换公式:
定理7.3.1 令V是数域F上一个n 维向量空间,σ是 V的一个线性变换,而σ关于V的一个基 {1, 2 ,, n} 的矩阵是
第七章 线性变换
7.1 线性映射 7.2线性变换的运算 7.3 线性变换和矩阵 7.4 不变子空间 7.5 特征值和特征向量 7.6 可以对角化矩阵
2020-12-11
谢谢你的观赏
1
7.1 线性映射
一、内容分布 7.1.1 线性映射的定义、例. 7.1.2 线性变换的象与核.
二、 教学目的: 1.准确线性变换(线性映射)的定义,判断给定
加法: : ( ) ( ) 数乘: k : k ( ) , 那么是V的一个线性变换.
可以证明: 和 k 都是V 的一个线性变换.
证明
令 ,那么对于任意 a,b F 和任意 , V ,
2020-12-11
谢谢你的观赏
14
(a b) (a b) (a b) a ( ) b () a ( ) b () a( ( ) ( )) b( () ()) a( ) b().
σ(ξ)的坐标是
( y1, y2,,问yn:).
( y1, y2,和, yn )
(x1, x2,, xn ), 之间有什么关系?
设
x11 x22 xnn
x1
(1,
2
,,
n
)
x2
.
xn
2020-12-11谢谢你的观赏来自26因为σ是线性变换,所以
( ) x1 (1) x2 (2 ) xn (n )
因而(9)成立。
2020-12-11
谢谢你的观赏
19
7.2.3 线性变换的多项式
线性变换的乘法满足结合律:
对于任意 , , L(v), 都有
( ) ( ).
因此,我们可以合理地定义一个线性变换σ的n次幂
n
n
这里n是正整数。
我们再定义
0
这里ι表示V到V的单位映射,称为V的单位变换。这 样一来,一个线性变换的任意非负整数幂有意义。
(1) a111 a212 an1n (2 ) a121 a222 an2n
………………………………………
(n ) a1n1 a2n2 annn
2020-12-11
谢谢你的观赏
24
设
a11
A
a21
a12
a22
a1n a2n
an1 an2 ann
N 阶矩阵A 叫做线性变换σ关于基 {1, 2 ,, n的}
我们也可将 a0 简记作 a0,这时可以写
f ( ) a0 a1 an n.
2020-12-11
谢谢你的观赏
21
(2)带入法:如果 f (x), g(x) F[x], 并且
(x) f (x) g(x) (x) f (x)g(x).
那么根据L(V )中运算所满足的性质,我们有
( ) f ( ) g( ) ( ) f ( )g( ).
矩阵. 上面的表达常常写出更方便的形式:
(1) (1,2 ,n ) ( (1), (2 ),, (n )) (12 n )A
2020-12-11
谢谢你的观赏
25
7.3.2 坐标变换
设V是数域F上一个n 维向量空间, {1, 2 ,,n}
是它的一个基, ξ关于这个基的坐标是 (x1, x2,, x而n ),
2020-12-11
谢谢你的观赏
17