高等代数第七章 线性变换复习讲义

合集下载

《高等代数》第七章 线性变换

《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

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

高等代数课件
(1) a111 a212 ar1r
(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:

高等代数第7章线性变换[1]PPT课件

高等代数第7章线性变换[1]PPT课件
设A,BL(V), 定义A与B的和为V的一个变
换, 使"aV, 有 (A+B)(a) =A(a)+B(a).
1、A + B 也是V的一个线性变换.
因为对于所有的a,bV和数k,lP,有
(A+B)(ka+lb) = A(ka+lb ) +B(ka+lb ) = kA(a)+lA(b)+kB(a)+lB(b) = k (A+B)(a)+l (A+B)(b)
精选
2、乘法适合结合律,即 (AB)C = A(BC)
因为映射的合成满足结合律 3、乘法不满足交换律,即一般地
AB BA 如求微分变换D 与求积分变换J , 有
DJ = E ,但一般地 JD E 4、单位变换的作用 AE = EA = A 5、零变换的乘法 OA = AO = O
精选
二、线性变换的加法及其性质
精选
2、(1)交换律 A +B =B +A (2)结合律 (A+B)+C =A+(B+C) (3)零变换 A+O =A (4)负变换 A+(-A) = O
其中 (-A)(a)= -A(a), 从而
(A - B) = (A+ (-B)) 3、分配律 A(B+C) = AB +AC
(A+B)C = AC+BC
D是一个线性变换,称为微分变换.
例7 闭区间[a, b]上所有连续函数全体 组成实数域R上的线性空间C0(a, b). 定义变换
x
则J是一个J(线f (性x))变=换精选.a f (t)dt
二、线性变换的简单性质

大学数学(高数微积分)第七章线性变换第六节课件(课堂讲义)

大学数学(高数微积分)第七章线性变换第六节课件(课堂讲义)

A 的零度.
例 1 在线性空间 P[x]n 中,令
D ( f (x) ) = f (x) .
则 D 的值域为 P[x]n-1 , D 的核为子空间 P .
三、A 的值域的结构
定理 11 设 A 是 n 维线性空间 V 的线性变
换,1 , 2 , … , n 是 V 的一组基,在这组基下,
A 的矩阵是 A,则
若用集合的记号则
AV={A |V}, A -1(0) = { | A =0 , V } .
二、值域与核的性质
性质 线性变换的值域与核都是 V 的子空间.
证明 由
A + A = A ( + ) ,
k A = A (k) 可知, A V 对加法与数量乘法是封闭的, A V 是非空的, 因此 A V 是 V 的子空间.
面,矩阵 A 是由基像组的坐标按列排列成的. 一章第八节中曾谈过,若在 n 维线性空间 V 中取 定了一组基之后,把 V 的每一个向量与它的坐标 对应起来,就得到了 V 到 P n 的同构对应. 应保持向量组的一切线性关系,因此基像组与它 们的坐标组(即矩阵 A 的列向量组)有相同的秩.
另一方 在前
1) A 的值域 A V 是由基像组生成的子空间,

A V = L (A 1 , A 2 , … , A n ) .
2) A 的秩 = A 的秩.
证明 1) 设 是 V 的任一向量,可用基表
示为
于是
= x11 + x22 + … + xnn .
A = x1 A 1 + x2 A 2 + … + xn A n .
用 A 去变它的两端的向量,得 l1 A 1 + l2 A 2 + … + lr A r

高等代数课件(北大版)第七章-线性变换§7.7

高等代数课件(北大版)第七章-线性变换§7.7

若 V W1 W2 Ws,则
11, ,1n1 , 21, , 2一组基,且在这组基下 的矩阵为准对角阵
A1
A2
.
As
2023/8/17§7.7 不变子空间 数学与计算科学学院
(1)
反之,若 在基 11, ,1n1 , 21, , 2n2 , , s1, , sns 下的矩阵为准对角矩阵(1), 则由 i1, i2 , , ini 生成 的子空间 Wi 为 的不变子空间,且V具有直和分解:
其次,任取 Vi , 设
( i E )ri Wi 0.
1 2 s , i Wi . 即 1 2 (i ) s 0 令 j j , ( j i); i i .
2023/8/17§7.7 不变子空间 数学与计算科学学院
由(2), 有 ( i E)ri (i ) 0, i 1,2, , s. 又 ( i E)ri (i ) ( i E)ri (i )
Wi fi ( )V , 则Wi 是 fi ( ) 的值域, Wi是 的不变子空间.
又 ( i E)ri Wi ( i E)ri fi ( )V
( i E)ri fi ( ) V f V
( i E)ri Wi 0.
(2)
2023/8/17§7.7 不变子空间 数学与计算科学学院
下证 V V1 V2 Vs . 分三步:
1 . 证明 V W1 W2 Ws .
2 . 证明f1(V1),fV2(2), fVs (s是)直和1 .
3∴. 证存明在多Vi 项 W式i
, i
u1 (
1, 2,
), u2(
, s. ),
, us ( ),
使
u1( ) f ( )1 u2( ) f2( ) us ( ) fs ( ) 1

高等代数第七章复习

高等代数第七章复习

σ 证明:首先, 证明:首先, 的属于同一特征值 λi 的特征向量
的非零线性组合仍是 σ 的属于特征值 λi 的一个特征 向量. 向量
三、对角化的一般方法
为维线性空间V的一个线性变换 的一个线性变换, 设 σ 为维线性空间 的一个线性变换,ε 1 , ε 2 ,⋯ , ε n 的一组基, 在这组基下的矩阵为A. 为V的一组基, σ 在这组基下的矩阵为 的一组基
一、可对角化的概念
定义1 维线性空间V的一个线性变换 的一个线性变换, 定义 :设σ 是 n 维线性空间 的一个线性变换,
如果存在V的一个基, 如果存在 的一个基,使σ 在这组基下的矩阵为对 的一个基 角矩阵,则称线性变换 可对角化. 角矩阵,则称线性变换 σ 可对角化
定义2 矩阵A是数域 级方阵. 定义 :矩阵 是数域 P 上的一个 n 级方阵 如果
设 A = aij ∈ P
( )
λ
n −1
+⋯+ A
n×n
的特征值为 1 , λ 2 ,⋯ , λ n , λ
由多项式根与系数的关系可得 ① = λ1 + λ2 + ⋯ + λn = a11 + a22 + ⋯ + ann ; ② λ1λ2 ⋯ λn = A .
称之为A的迹 称之为 的迹,
记作trA. 记作
λ1 λ2 ⋱ λn 则有σηi = λiηi , i = 1,2,⋯ n.
∴η1 ,η 2 ,⋯η n就是σ 的n个线性无关的特征向量 个线性无关的特征向量. 个线性无关的特征向量
反之, 反之,若 σ 有 n 个线性无关的特征向量 η1 ,η2 ,⋯ ,η n , 为基, 那么就取η1 ,η 2 ,⋯ ,ηn 为基,则在这组基下σ 的矩阵 是对角矩阵. 是对角矩阵

7线性变换复习

7线性变换复习

σ
的秩=秩( A ), σ ( α )的坐标
⎛ x1 ⎞ ⎜ ⎟ ⎜x ⎟ A⎜ 2 ⎟ . M ⎜ ⎟ ⎜x ⎟ ⎝ n⎠
⎛ y1 ⎞ ⎜ ⎟ ⎜ y2 ⎟ ⎜ M ⎟= ⎜ ⎟ ⎜y ⎟ ⎝ n⎠
三、特征值与特征向量 1.基本概念:线性变换(或矩阵)的特征值与特征向量;特征多项式与最小多 项式;特征子空间. 2.基本结论: (1) 线性变换与相应矩阵的特征值、特征向量及特征子空间的关系(略) (2) 属于不同特征值的特征向量是线性无关的. (3) 相似矩阵有相同的特征多项式,反之不然. (4) Hamilton − Caylay 定理:设线性变换 σ 在某个基下的矩阵为
(3) 当 n ≥ 1时,可证 An = 0 ,但 An −1 ≠ 0 ,故 x n 为 A 之最小多项式,它有 重根,故 A 不能对角化,从而 D 不能对角化。 例2 设 V 是实数域 R 上的三维线性空间, α1 ,α 2 ,α 3 是 V 的一组基.又设在 Tα 1 = α 1 , Ta 2 = α 1 + α 2 , Tα 3 = α 1 + α 2 + α 3 , 试求 T 的逆变换 T −1 在基 α1 ,α 2 ,α 3 下的矩阵.
3
天津师范大学
数学科学学院
代数教研室
(6) 任一个 n 阶实对称矩阵 A 都可以正交对角化 , 即存在正交矩阵 U , 使得
U ′AU = U −1 AU 是对角形式,相应地有对于欧氏空间 V 的任一个对称变换 σ ,存
在 V 的标准正交基, σ 在这个标准正交基下的矩阵是对角形式.
矩阵的三大关系
线性变换 T : V → V 下
⎛ 1 1 1⎞ ⎜ ⎟ ⎯→ A = ⎜ 0 1 1⎟, 答案:因为 T ⎯⎯ ⎯ ⎜ 0 0 1⎟ ⎝ ⎠

《高等代数》线性变换PPT课件

《高等代数》线性变换PPT课件
的列是
x 1
A
x2
.
x n
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, ,的n 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1 对于 R 2 的每一向量x1,x2定义
x 1 ,x 1 x 2 ,x 1 x 2 R 3
σ是 R 2到 R 3的一个映射,我们证明,σ是一个线
性映射.
例2 令H是V 3 中经过原点的一个平面.对于 V 3 的每一
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, : 是到V 3 的V一3 个线性映射.
x1
( 1,
2
,
,
n
)
x2
.
xn
因为σ是线性变换,所以
() x1(1)x2(2)xn(n)
(2)
x1
((1),(2),,(n))
x2
.
xn
将(1)代入(2)得
x1
(
)
(1,2
,,
n
)
A
x2
.
xn
最后,等式表明,( )关 ( 1 , 于 2 , n )的坐标所组成
定理7.1.2 设V和W是数域F向量空间,而是一个线性
射,那么
:VW
(i) σ是满射 Im)(W
(ii) σ是单射 K(e )r{0}

高等代数第7章线性变换[1]PPT课件

高等代数第7章线性变换[1]PPT课件

=xcosq - ysinq
同样 y’= xsinq + ycosq )。
精选PPT课件
6
记 A = cosq sinq
sinq
cosq
则rq (a ) = Aa,称为旋转变换.
可以证明旋转变换 rq是一个线性变换。 (如何证明?)
精选PPT课件
7
例4 设A:R3R3, "a =(a1, a2, a3), 定义 A(a) = (a1, a2, 0), 易证A是线性变换. 它是
则 h(A)=f(A)+g(A), p(A)=f(A)g(A), 特别地,
f(A)g(A)=g(A)f(A). 即同一线性变换的多项式的乘法可交换
精选PPT课件
25
例用在D表线示性.空显间然Pn有[l]中,求微商是线性变换,
Dn = O 又变量的平移
f(l) | f(l+a) (aP)
也是线性变换, 用Sa表示. 按Taylor公式
精选PPT课件
17
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
(kA)(a)= (KA)(a) =K(A(a)) .
1、kA也是线性变换.
精选PPT课件
18
2、(1)1的数乘 1A = A (2)数乘结合律 (kl)A =k(lA) (3)数乘分配律 (k+l)A =kA+lA (4)数乘分配律 k(A +B)=kA+kB
f(l+a)=f(l)+af ’(l)+a 2 f ’’(l)+… +

高等代数 讲义 第七章

高等代数 讲义 第七章

(στ ) δ
= σ (τδ )
D( f ( x )) = f ′( x )
J ( f ( x ) ) = ∫ f ( t )dt
x
(2) Eσ = σ E = σ ,E为单位变换 (3)交换律一般不成立,即一般地,
( DJ ) ( f ( x ) ) = D ∫0 f ( t ) dt
x
στ ≠ τσ .
2.线性变换保持线性组合及关系式不变,即
若 β = k1α1 + k2α 2 + L + krα r , 则 σ ( β ) = k1σ (α1 ) + k2σ (α 2 ) + L + krσ (α r ).
例4. 闭区间 [a , b]上的全体连续函数构成的线性空间
C ( a , b ) 上的变换
σ ( X ) = AX , τ ( X ) = XB ,
∀X ∈ P n×n
则 σ ,τ 皆为 P n×n 的线性变换,且对 ∀X ∈ P n×n , 有
(στ )( X ) = σ (τ ( X )) = σ ( XB ) = A( XB ) = AXB , (τσ )( X ) = τ (σ ( X )) = τ ( AX ) = ( AX ) B = AXB .
= σ (τ (α )) + σ (τ ( β )) = (στ )(α ) + (στ )( β ), (στ )( kα ) = σ (τ ( kα )) = σ ( kτ (α )) = kσ (τ (α )) = k (στ )(α )
§7.1 线性变换的定义
2.基本性质
(1)满足结合律:
例1. 线性空间 R[ x ]中,线性变换

高等代数讲义ppt第七章 线性变换

高等代数讲义ppt第七章 线性变换

(4) 若A 是可逆的,则矩阵 A 也可逆,且A-1的矩阵是A-1。
例5 设 V是数域P上的n维线性空间,则L(V)与P n×n同构。
例6 设 A1,A2是 n 维线性空间 V 的两个线性变换,证明: A2V⊂A1V 的充要条件是存在线性变换 A 使得 A2=A1A 。
线性变换
§3 线性变换的矩阵
例4 设 A 是n维线性空间V的一个线性变换, A3=2E, B =A2-2A+2E, 证明:A,B都是可逆变换。
线性变换
§3 线性变换的矩阵
§3 线性变换的矩阵
定理1 设1, 2 , , n是线性空间V的一组基, 对V中任意n个向量 1,2 , ,n 存在唯一的线性变换 A∈L(V) 使任的何像得元,素只都要可选以取是适基当
线性变换
§1 线性变换的定义
二、线性变换的性质
性质1 设 A 是V的线性变换,则 A(0) 0, A( ) A()
性质2 线性变换保持线性组合与线性关系式不变。
性质3 线性变换把线性相关的向量组变成线性相关的向量组。
注意: 线性变换可能把线性无关的向量组变成线性相关的 向量组。
例3 设 1,2, ,r 是线性空间V的一组向量,A 是V的一个线
线性变换的加法满足以下运算规律:
(1) A + ( B + C ) = ( A + B ) + C
(2) A + B = B + A
线性变换
§2 线性变换的运算
定义2 设 A∈L(V),k∈P,对k与 A 的数量乘积 kA 定义为:
(kA) k A, V
结论2 对∀A ∈L(V),k∈P 有 kA∈L(V)。
Amn AmAn , (Am )n Amn, m, n N

高代讲义7

高代讲义7

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V 到自身的映射称为V 的一个变换.定义1 线性空间V 的一个变换A 称为线性变换,如果对于V 中任意的元素βα,和数域P 中任意数k ,都有A (βα+)=A (α)+A (β);A (αk )=A k (α). (1) 一般用花体拉丁字母A ,B ,…表示V 的线性变换,A (α)或A α代表元素α在变换A 下的像.定义中等式(1)所表示的性质,有时也说成线性变换保持向量的加法与数量乘法.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钟方向旋转θ角,就是一个线性变换,用ℐθ表示.如果平面上一个向量α在直角坐标系下的坐标是),(y x ,那么像ℐθ(α)的坐标,即α旋转θ角之后的坐标),(y x ''是按照公式⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛-=⎪⎪⎭⎫ ⎝⎛''y x y x θθθθcos sin sin cos . 来计算的.同样空间中绕轴的旋转也是一个线性变换.例2 设α是几何空间中一固定非零向量,把每个向量ξ变到它在α上的内射影的变换也是一个线性变换,以α∏表示它.用公式表示就是αααξαξα),(),()(=∏.这里),(),,(ααξα表示内积.例3 线性空间V 中的恒等变换或称单位变换E ,即E )()(V ∈=ααα以及零变换ℴ,即ℴ)(0)(V ∈=αα 都是线性变换.例4 设V 是数域P 上的线性空间,k 是P 中的某个数,定义V 的变换如下: V k ∈→ααα,.这是一个线性变换,称为由数k 决定的数乘变换,可用K 表示.显然当1=k 时,便得恒等变换,当0=k 时,便得零变换.例5 在线性空间][x P 或者n x P ][中,求微商是一个线性变换.这个变换通常用D 代表,即D ()(x f )=)(x f '.例6 定义在闭区间[]b a ,上的全体连续函数组成实数域上一线性空间,以),(b a C 代表.在这个空间中变换ℐ()(x f )=⎰xa dt t f )( 是一线性变换.二、线性变换的简单性质:1. 设A 是V 的线性变换,则A (0)=0, A (α-)=-A (α).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β是r ααα,,,21 的线性组合:r r k k k αααβ+++= 2211,那么经过线性变换A 之后,A (β)是A (1α),A (2α),…, A (r α)同样的线性组合:A (β)=1k A (1α)+2k A (2α)+…+ r k A (r α)又如果r ααα,,,21 之间有一线性关系式02211=+++r r k k k ααα那么它们的像之间也有同样的关系式1k A (1α)+2k A (2α)+…+ r k A (r α)=0.3. 线性变换把线性相关的向量组变成线性相关的向量组.§2 线性变换的运算一、线性变换的乘法设A,,B 是线性空间V 的两个线性变换,定义它们的乘积为.(AB )(α)= A,(B (α)) (V ∈α).则线性变换的乘积也是线性变换.线性变换的乘法适合结合律,即(AB)C=A(BC).但线性变换的乘法不适合交换律.例如,在实数域上的线性空间中,线性变换D ()(x f )=)(x f '.ℐ()(x f )=⎰xa dt t f )( 的乘积D ℐ=ℰ,但一般ℐD ≠ℰ.对于任意线性变换A ,都有A ℰ=ℰA = A .二、线性变换的加法设A,B 是线性空间V 的两个线性变换,定义它们的和A+B 为(A+B )(α)= A (α)+B (α) (V ∈α).则线性变换的和还是线性变换.线性变换的加法适合结合律与交换律,即A+(B+C)=(A+B)+C.A+B=B+A.对于加法,零变换ℴ与所有线性变换A的和仍等于A:A+ℴ=A.对于每个线性变换A,可以定义它的负变换(-A):α).(-A)(α)=- A (α) (V∈则负变换(-A)也是线性变换,且A+(-A)=ℴ.线性变换的乘法对加法有左右分配律,即A(B+C)=AB+AC,(B+C)A=BA+CA.三、线性变换的数量乘法数域P中的数与线性变换A的数量乘法定义为k A =KA即k A(α)=K(A (α))=KA (α),当然A还是线性变换.线性变换的数量乘法适合以下的规律:)(kl A=k(l A),k+A=k A+l A,(l)k(A+B)=k A+k B,1A=A.线性空间V 上全体线性变换,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.V 的变换A 称为可逆的,如果有V 的变换B 存在,使AB=BA=E .这时,变换B 称为A 的逆变换,记为A 1-.如果线性变换A 是可逆的,那么它的逆变换A 1-也是线性变换.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,与乘法的结合方法无关.因此当n 个(n 是正整数)线性变换A 相乘时,就可以用个n A AA来表示,称为A 的n 次幂,简记为A n .作为定义,令A 0= E .根据线性变换幂的定义,可以推出指数法则:A n m +=A m A n ,(A m )n =A m n )0,(≥n m当线性变换A 可逆时,定义A 的负整数幂为A n -=(A 1-)n (n 是正整数).值得注意的是,线性变换乘积的指数法则不成立,即一般说来(AB )n ≠A n B n .设011)(a x a x a x f m m m m +++=--是][x P 中一多项式,A 是V 的一个线性变换,定义f (A )=m a A m +1-m a A 1-m +…+0a E显然f (A )是一线性变换,它称为线性变换A 的多项式.不难验证,如果在][x P 中,)()()(,)()()(x g x f x p x g x f x h =+=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 ).即同一个线性变换的多项式的乘法是可交换的.例1 在三维几何空间中,对于某一向量α的内射影α∏是一个线性变换. α∏可以用下面的公式来表示:αααξαξα),(),()(=∏. 其中),(),,(ααξα表示向量的内积.从图2不难看出,ζ在以α为法向量的平面x 上的内射影)(ζx ∏可以用公式)()(ζζζα∏-=∏x表示.因此=∏x ℰ-α∏.这里ℰ是恒等变换.ζ对于平面x 的反射ℛx 也是一个线性变换,它的像由公式ℛ)(2)(ζζζα∏-=x给出.因此ℛx =ℰ-2α∏.设βα,是空间的两个向量.显然,α与β互相垂直的充要条件为=∏⋅∏βαℴ例2 在线性空间n P ][λ中,求微商是一个线性变换,用D 表示.显然有D =n ℴ.其次,变换的平移P a a f f ∈+→)()(λλ也是一个线性变换,用ℐa 表示.根据泰勒展开式)()!1()(!2)()()()1(12λλλλλ---++''+'+=+n n f n a f a f a f a f , 因之ℐa 实质上是℄的多项式:ℐa =ℰ+a D +!22a D 2+…+)!1(1--n a n D 1-n .§3 线性变换和矩阵一、线性变换关于基的矩阵设V 是数域P 上n 维线性空间.n εεε,,,21 V 的一组基,现在建立线性变换与矩阵关系.空间V 中任意一个向量ξ可以被基n εεε,,,21 线性表出,即有关系式n n x x x εεεξ+++= 2211 (1)其中系数是唯一确定的,它们就是ξ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ξ的像A ξ与基的像A 1ε,A 2ε,…,A n ε之间也必然有相同的关系:A ξ=A (n n x x x εεε+++ 2211)=1x A (1ε)+2x A (2ε)+…+n x A (n ε) (2) 上式表明,如果知道了基n εεε,,,21 的像,那么线性空间中任意一个向量ξ的像也就知道了,或者说1. 设n εεε,,,21 是线性空间V 的一组基,如果线性变换Å与ℬ在这组基上的作用相同,即A i ε=B i ε, ,,,2,1n i =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n εεε,,,21 是线性空间V 的一组基,对于任意一组向量n ααα,,,21 一定有一个线性变换Å使A i ε=i α .,,2,1n i =定理1 设n εεε,,,21 是线性空间V 的一组基,n ααα,,,21 是V 中任意n 个向量.存在唯一的线性变换Å使A i ε=i α .,,2,1n i =定义2 设n εεε,,,21 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:⎪⎪⎩⎪⎪⎨⎧+++=+++=+++=.,,22112222112212211111n nn n n n n n n n a a a A a a a A a a a A εεεεεεεεεεεε 用矩阵表示就是A (n εεε,,,21 )=(A (1ε),A Å(2ε),…, A (n ε))=A n ),,,(21εεε (5) 其中⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=nn n n n n a a a a a a a a a A 212222111211矩阵A 称为线性变换A 在基n εεε,,,21 下的矩阵.例 1 设m εεε,,,21 是n )(m n >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n εεε,,,21 .指定线性变换A 如下⎩⎨⎧+====.,,1,0,,,2,1,n m i A m i A ii i εεε 如此确定的线性变换A 称为子空间W 的一个投影.不难证明A 2=A投影A 在基n εεε,,,21 下的矩阵是⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛00111 这样,在取定一组基之后,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.前面结论1说明这个映射是单射,结论2说明这个映射是满射.换句话说,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,即有定理2 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(5)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. 定理2 说明数域P 上n 维线性空间V 的全体线性变换组成的集合)(V L 对于线性变换的加法与数量乘法构成P 上一个线性空间,与数域P 上n 级方阵构成的线性空间n n P ⨯同构.定理3 设线性变换A 在基n εεε,,,21 下的矩阵是A ,向量ξ在基n εεε,,,21 下的坐标是),,,(21n x x x ,则A ξ在基n εεε,,,21 下的坐标),,,(21n y y y 可以按公式⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛n n x x x A y y y 2121 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V 中线性变换A 在两组基n εεε,,,21 , (6)n ηηη,,,21 (7)下的矩阵分别为A 和B 从基(6)到(7)的过渡矩阵是X ,于是AX X B 1-=. 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A ,B 为数域P 上两个n 级方阵,如果可以找到数域P 上的n 级可逆方阵X ,使得AX X B 1-=,就说A 相似于B ,记作B A ~. 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:A A ~2. 对称性:如果B A ~,那么A B ~.3. 传递性:如果B A ~,C B ~,那么C A ~.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X A X B 111-=,X A X B 212-=,那么X A A X B B )(21121+=+-, X A A X B B )(21121-=由此可知,如果AX X B 1-=,且)(x f 是数域P 上一多项式,那么X A f X B f )()(1-=利用矩阵相似的这个性质可以简化矩阵的计算.例 2 设V 是数域P 上一个二维线性空间,21,εε是一组基,线性变换A 在21,εε下的矩阵是⎪⎪⎭⎫ ⎝⎛-0112 计算A 在V 的另一组基21,ηη下的矩阵,这里⎪⎪⎭⎫⎝⎛--=2111),(),(2121εεηη§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P 上线性空间V 的一个线性变换,如果对于数域P 中一数0λ,存在一个非零向量ξ,使得A ξ=0λξ. (1) 那么0λ称为A 的一个特征值,而ξ叫做A 的属于特征值0λ的一个特征向量.从几何上来看,特征向量的方向经过线性变换后,保持在同一条直线上,这时或者方向不变)0(0>λ或者方向相反)0(0<λ,至于)0(0=λ时,特征向量就被线性变换变成0.如果ξ是线性变换A 的属于特征值0λ的特征向量,那么ξ的任何一个非零倍数ξk 也是A 的属于特征值0λ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V 是数域P 上n 维线性空间,n εεε,,,21 是它的一组基,线性变换A 在这组基下的矩阵是A .设0λ是特征值,它的一个特征向量ξ在n εεε,,,21 下的坐标是n x x x 00201,,, ,则A ξ的坐标是⎪⎪⎪⎪⎪⎭⎫⎝⎛n x x x A 00201 .ξλ0的坐标是⎪⎪⎪⎪⎪⎭⎫ ⎝⎛n x x x 002010 λ因此(1)式相当于坐标之间的等式⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛n n x x x x x x A 00201000201 λ (2)或0)(002010=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛-n x x x A E λ这说明特征向量ξ的坐标),,,(00201n x x x 满足齐次方程组⎪⎪⎩⎪⎪⎨⎧=+++=+++=+++,,,02211202222121101212111n n nn n n n n n n x x a x a x a x x a x a x a x x a x a x a λλλ 即⎪⎪⎩⎪⎪⎨⎧=-+---=---+-=----,0)(,0)(,0)(022112222012112121110n nn n n nn n n x a x a x a x a x a x a x a x a x a λλλ (3) 由于0≠ξ,所以它的坐标n x x x 00201,,, 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00212220211121100=---------=-nnn n n n a a a a a a a a a A E λλλλ.定义5 设A 是数域P 上一个n 级矩阵,λ是一个数字.矩阵A E -λ的行列式.212222111211nnn n nn a a a a a a a a a A E ---------=-λλλλ(4)叫做矩阵A 的特征多项式,这是数域P 上的一个n 次多项式.上面的分析说明,如果0λ是线性变换A 的特征值,那么0λ一定是矩阵A 的特征多项式的一个根;反过来,如果0λ是矩阵A 的特征多项式在数域P 中的一个根,即00=-A E λ,那么齐次方程组(3)就有非零解.这时,如果),,,(00201n x x x 是方程组(3)的一个非零解,那么非零向量)0202101n n x x x εεεξ+++=满足(1),即0λ是线性变换A 的一个特征值,ξ就是属于特征值0λ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V 中取一组基n εεε,,,21 ,写出A 在这组基下的矩阵A ;2.求出A 的特征多项式A E -0λ在数域P 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代入方程组(3),对于每一个特征值,解方程组(3),求出一组基础解系,它们就是属于这个特征值的几个线性无关的特征向量在基n εεε,,,21 下的坐标,这样,也就求出了属于每个特征征的全部线性无关的特征向量.矩阵A 的特征多项式的根有时也称为A 的特征值,而相应的线性方程组(3)的解也就称为A 的属于这个特征值的特征向量.例1 在n 维线性空间中,数乘变换K 在任意一组基下的矩阵都是kE ,它的特征多项式是n k kE E )(-=-λλ.因此,数乘变换K 的特征值只有k ,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321,,εεε下的矩阵是⎪⎪⎪⎭⎫⎝⎛=122212221A ,求A 的特征值与特征向量.例3 在空间n x P ][中,线性变换D )()(x f x f '=在基)!1(,,!2,,112--n x x x n 下的矩阵是⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=0000100001000010 DD 的特征多项式是n D E λλλλλ=---=- 001000010001.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,§1例1中旋转ℱθ在直角坐标系下的矩阵为⎪⎪⎭⎫⎝⎛-θθθθcos sin sin cos 它的特征多项式为1cos 2cos sin sin cos 2+-=---θλλθλθθθλ当πθk ≠时,这个多项式没有实根.因之,当πθk ≠时,ℱθ没有特征值.从几何上看,这个结论是明显的.容易看出,对于线性变换A 的任一个特征值0λ,全部适合条件A αλα0=的向量α所成的集合,也就是A 的属于0λ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0λV .显然,0λV 的维数就是属于0λ的线性无关的特征向量的最大个数.用集合记号可写为.{}V A V ∈==ααλααλ,|00在线性变换的研究中,矩阵的特征多项式是重要的.下面先来看一下它的系数.在.212222111211nnn n nn a a a a a a a a a A E ---------=-λλλλ的展开式中,有一项是主对角线上元素的连乘积)())((2211nn a a a ---λλλ展开式中的其余项,至多包含2-n 个主对角线上的元素,它对λ的次数最多是2-n .因此特征多项式中含λ的n 次与1-n 次的项只能在主对角线上元素的连乘积中出现,它们是12211)(-+++-n nn n a a a λλ .在特征多项式中令0=λ,即得常数项A A n )1(-=-.因此,如果只写特征多项式的前两项与常数项,就有A a a a A E n n nn n )1()(12211-+++++-=-- λλλ. (5)由根与系数的关系可知,A 的全体特征值的和为nna a a +++ 2211(称为A 的迹).而的A 全体特征值的积为A .特征值自然是被线性变换所决定的.但是在有限维空间中,任取一组基后,特征值就是线性变换在这组基下矩阵的特征多项式的根.随着基的不同,线性变换的矩阵一般是不同的.但是这些矩阵是相似的,对于相似矩阵有定理6 相似矩阵有相同的特征多项式.定理6说明,线性变换的矩阵的特征多项式与基的选取无关,它直接被线性变换所决定的.因此,以后就可以说线性变换的特征多项式了.既然相似的矩阵有相同的特征多项式,当然特征多项式的各项系数对于相似的矩阵来说都是相同的.考虑特征多项式的常数项,得到相似矩阵有相同的行列式.因此,以后就可以说线性变换的行列式.应该指出,定理6的逆是不对的,特征多项式相同的矩阵不一定是相似的.例如⎪⎪⎭⎫⎝⎛=⎪⎪⎭⎫ ⎝⎛=1011,1001B A它们的特征多项式都是)1(-λ,但A 和B 不相似,因为和A 相似的矩阵只能是A 本身.哈密顿-凯莱(Hamilton-Caylay)定理 设A 是数域P 上一个n n ⨯矩阵,A E f -=λλ)(是A 的特征多项式,则0)1()()(12211=-+++++-=-E A A a a a A A f n n nn n推论 设A 是有限维空间V 的线性变换,)(λf 是A 的特征多项式,那么f (A )=ℴ.§5 对角矩阵定理7 设A 是n 维线性空间V 的一个线性变换,A 的矩阵可以在某一基下为对角矩阵的充要条件是A 有n 个线性无关的特征向量.定理8 属于不同特征值的特征向量是线性无关的.推论1 如果在n 维线性空间V 中,线性变换A 的特征多项式在数域P 中有n 个不同的根,即Å有n 个不同的特征值,那么A 在某组基下的矩阵是对角形的.推论2 在复数上的线性空间中,如果线性变换A 的特征多项式没有重根,那么A 在某组基下的矩阵是对角形的.在一个线性变换没有个不同的特征值的情形,要判断这个线性变换的矩阵能不能成为对角形,问题就要复杂些.定理9 如果k λλ,,1 是线性变换A 的不同的特征值,而i ir i αα,,1 是属于特征值i λ的线性无关的特征向量,k i ,,2,1 =那么向量组kkr k ir αααα,,,,,,1111也线性无关.根据这个定理,对于一个线性变换,求出属于每个特征值的线性无关的特征向量,把它们合在一起还是线性无关的.如果它们的个数等于空间的维数,那么这个线性变换在一组合适的基下的矩阵是对角矩阵;如果它们的个数少于空间的维数,那么这个线性变换在任何一组基下的矩阵都不能是对角形.换句话说,设A 全部不同的特征值是r λλ,,1 ,于是A 在某一组基下的矩阵成对角形的充要条件是A 的特征子空间r V V λλ,,1 的维数之和等于空间的维数.应该看到,当线性变换A 在一组基下的矩阵A 是对角形时:⎪⎪⎪⎪⎪⎭⎫⎝⎛=n A λλλ 00000000021 A 的特征多项式就是)())((21n A E λλλλλλλ---=-因此,如果线性变换A 在一组基下的矩阵是对角形,那么主对角线上的元素除排列次序外是确定的,它们正好是A 的特征多项式全部的根(重根按重数计算).根据§3定理5,一个线性变换的矩阵能不能在某一组基下是对角形的问题就相当于一个矩阵是不是相似于一个对角矩阵的问题.例 在§4的例2中,已经算出线性变换A 的特征值是-1(二重)与5,而对应的特征向量是.,,3213322311εεεξεεξεεξ++=-=-= 由此可见,A 在基.,,321ξξξ下的矩阵为对角矩阵⎪⎪⎪⎭⎫ ⎝⎛--=500010001B而由321,,εεε到.,,321ξξξ的过渡矩阵是⎪⎪⎪⎭⎫ ⎝⎛--=111110101X于是,B AX X =-1.§6 线性变换的值域与核定义6 设A 是线性空间V 的一个线性变换,A 的全体像组成的集合称为A 的值域,用A V 表示.所有被A 变成零向量的向量组成的集合称为A 的核,用A )0(1-表示.若用集合的记号则A V ={}V A ∈ξξ|,A )0(1-={}V A ∈=ξξξ,0| 线性变换的值域与核都是V 的子空间.A V 的维数称为A 的秩,A )0(1-的维数称为A 的零度. 例1 在线性空间n x P ][中,令D )())((x f x f '=则D 的值域就是1][-n x P ,D 的核就是子空间P .定理10 设A 是n 维线性空间V 的线性变换,n εεε,,,21 是V 的一组基,在这组基下A 的矩阵是A ,则1) A 的值域A V 是由基像组生成的子空间,即A V =),,,(21n A A A L εεε2) A 的秩=A 的秩.定理10说明线性变换与矩阵之间的对应关系保持不变.定理11 设A 是n 维线性空间V 的线性变换,则A V 的一组基的原像及A )0(1-的一组基合起来就是V 的一组基.由此还有A 的秩+A 的零度=n推论 对于有限维线性空间的线性变换,它是单射的充要条件是它是满射. 虽然子空间A V 与A )0(1-的维数之和为n ,但是A V +A )0(1-并不一定是整个空间.例2 设A 是一个n n ⨯矩阵,A A =2证明A 相似于一个对角矩阵⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛00111 (1)§7 不变子空间对于给定的n 维线性空间V ,A ∈)(V L ,如何才能选到V 的一个基,使A 关于这个基的矩阵具有尽可能简单的形式.由于一个线性变换关于不同基的矩阵是相似的.因而问题也可以这样提出:在一切彼此相似的n 阶矩阵中,如何选出一个形式尽可能简单的矩阵.这一节介绍不变子空间的概念,来说明线性变换的矩阵的化简与线性变换的内在联系.定义7 设A 是数域P 上线性空间V 的线性变换,W 是V 的一个子空间.如果W 中的向量在A 下的像仍在W 中,换句话说,对于W 中任一向量ξ,有A W ∈ξ,就称W 是A 的不变子空间,简称A -子空间.例1 整个空间V 和零子空间{}0,对于每个线性变换A ,都是A -子空间. 例2 A 的值域与核都是A -子空间.例3 若线性变换A 与B 是可交换的,则B 的核与值都是A -子空间. 因为A 的多项式f (A )是和A 交换的,所以f (A )的值域与核都是A -子空间.例4 任何一个子空间都是数乘变换的不变子空间.特征子空间与一维不变子空间之间有着紧密的联系.设W 是一维A -子空间,ξ是W 中任何一个非零向量,它构成W 的一个基.按A -子空间的定义,A W ∈ξ,它必是ξ的一个倍数:A ξλξ0=.这说明ξ是A 的特征向量,而W 即是由ξ生成的一维A -子空间.反过来,设ξ是A 属于特征值0λ的一个特征向量,则ξ以及它任一倍数在A 下的像是原像的0λ倍,仍旧是ξ的一个倍数.这说明ξ的倍数构成一个一维A -子空间.显然,A 的属于特征值0λ的一个特征子空间0λV 也是A 的一不变子空间. A -子空间的和与交还是A -子空间.设A 是线性空间V 的线性变换, W 是A 的不变子空间.由于W 中向量在A 下的像仍在W 中,这就使得有可能不必在整个空间V 中来考虑A ,而只在不变子空间W 中考虑A ,即把A 看成是W 的一个线性变换,称为A 在不变子空间W 上引起的变换.为了区别起见,用符号A |W 来表示它;但是在很多情况下,仍然用A 来表示而不致引起混淆.必须在概念上弄清楚A 与A |W 的异同:A 是V 的线性变换, V 中每个向量在A 下都有确定的像;A |W 是不变子空间W 上的线性变换,对于W 中任一向量ξ,有(A |W )ξ=A ξ.但是对于V 中不属于W 的向量η来说,(A |W )η是没有意义的.例如,任一线性变换在它的核上引起的变换就是零变换,而在特征子空间0λV 上引起的变换是数乘变换0λ.如果线性空间V 的子空间W 是由向量组s ααα,,,21 生成的,即),,,(21s L W ααα =,则W 是A -子空间的充要条件为A 1α,A 2α,…, A s α全属于W .下面讨论不变子空间与线性变换矩阵化简之间的关系.1)设A 是维线性空间V 的线性变换,W 是V 的A -子空间.在W 中取一组基k εεε,,,21 ,并且把它扩充成V 的一组基n k k εεεεε,,,,,,121 +. (1)那么,A 在这组基下的矩阵就具有下列形状⎪⎪⎭⎫⎝⎛=⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛++++++2311,,11,11,111,11110000A O A A a a a a a a a a a a a a nnk n n k k k knk k kk k n k k. (2) 并且左上角的k 级矩阵1A 就是A |W 在的基k εεε,,,21 下的矩阵.2) 设V 分解成若干个A -子空间的直和:s W W W V ⊕⊕⊕= 21.在每一个A -子空间i W 中取基),,2,1(,,,21s i iin i i =εεε (3)并把它们合并起来成为V 的一组基I .则在这组基下,A 的矩阵具有准对角形状⎪⎪⎪⎪⎪⎭⎫⎝⎛s A A A 21 (4) 其中),,2,1(s i A i =就是A |W 在基(3)下的矩阵.反之,如果线性变换A 在基I 下的矩阵是准对角形(4),则由(3)生成的子空间i W 是A -子空间.由此可知,矩阵分解为准对角形与空间分解为不变子空间的直和是相当的. 下面应用哈密尔顿-凯莱定理将空间V 按特征值分解成不变子空间的直和. 定理12 设线性变换A 的特征多项式为)(λf ,它可分解成一次因式的乘积s r s r r f )()()()(2121λλλλλλλ---=则V 可分解成不变子空间的直和s V V V V ⊕⊕⊕= 21其中{}V A V i r i i ∈=-=ξξελξ,0)(|.§8 若尔当(Jordan)标准形介绍由前面的讨论可知,并不是对于每一个线性变换都有一组基,使它在这组基下的矩阵成为对角形.下面先介绍一下,在适当选择的基下,一般的一个线性变换能化简成什么形状.定义8 形式为tt t J ⨯⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=λλλλλ1000010000010000),(的矩阵称为若尔当(Jordan)块,其中λ是复数.由若干个若尔当块组成的准对角矩阵称为若尔当形矩阵,其一般形状如⎪⎪⎪⎪⎪⎭⎫⎝⎛s A A A 21 (1) 其中ii kk i i i i i A ⨯⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=λλλλ111, 并且s λλλ,,,21 中有一些可以相等.例如⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎪⎪⎭⎫⎝⎛⎪⎪⎪⎭⎫ ⎝⎛i i 10,0100001000010000,210021002都是若尔当块,而⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛41000004100000400000040000011000001是一个若尔当形矩阵.一级若尔当块就是一级矩阵,因此若尔当形矩阵中包括对角矩阵.在一个线性变换的若尔当标准形中,主对角线上的元素正是特征多项式的全部的根(重根按重数计算).定理13 设A 是复数域上线性空间V 的一个线性变换,则在V 中必定存在一组基,使A 在这组基下的矩阵是若尔当形矩阵.引理 n 维线性空间V 上的一个线性变换B 满足B k =ℴ,k 是某正整数,就称B 为V 上幂零线性变换.对幂零线性变换B ,V 中必有下列形式的一组元素作为基)0()0()0(,,211211121212121===---s k k k s k k k ss s s B B B B B B B B B αααααααααααα(2)于是B 在这组基下的矩阵)3(0110010100101021⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛s k k k上述结果用矩阵表示就是:定理14 每个n 级复矩阵A 都与一个若尔当形矩阵相似.§9 最小多项式根据哈密尔顿—凯莱定理,任给数域P 上一个n 级矩阵A ,总可以找到数域P 上一个多项式)(x f ,使0)(=A f .如果多项式)(x f 使0)(=A f ,就称)(x f 以A 为根.当然,以为A 根的多项式是很多的,其中次数最低的首项系数为1的以A 为根的多项式称为A 的最小多项式.这一节讨论应用最小多项式来判断一个矩阵能否对角化的问题.引理1 矩阵A 的最小多项式是唯一的.引理2 设)(x g 是矩阵A 的最小多项式,那么)(x f 以A 为根的充要条件是)(x g 整除)(x f .由此可知,矩阵A 的最小多项式是A 的特征多项式的一个因式.例1 数量矩阵kE 的最小多项式为k x -,特别地,单位矩阵的最小多项式为1-x ,零矩阵的最小多项式为x .另一方面,如果A 的最小多项式是1次多项式,那么A 一定是数量矩阵.例2 设⎪⎪⎪⎭⎫⎝⎛=1111A求A 的最小多项式.例3 设⎪⎪⎪⎪⎪⎭⎫⎝⎛=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=22111,21111B A . A 与B 的最小多项式都等于)2()1(2--x x ,但是它们的特征多项式不同,因此A 和B 不是相似的.引理3 设A 是一个准对角矩阵⎪⎪⎭⎫⎝⎛=21A A A , 并设1A 的最小多项式为)(1x g ,2A 的最小多项式为)(2x g ,那么A 的最小多项式为)(1x g ,)(2x g 的最小公倍式)](),([21x g x g .这个结论可以推广到A 为若干个矩阵组成的准对角矩阵的情形.即:如果⎪⎪⎪⎪⎪⎭⎫⎝⎛=s A A A A21, i A 的最小多项式为s i x g i ,,2,1,)( =,那么A 的最小多项式为)](,),(),([21x g x g x g s引理4 k 级若尔当块⎪⎪⎪⎪⎪⎭⎫⎝⎛=a a a J 11的最小多项式为k a x )(-.定理15 数域P 上n 级矩阵A 与对角矩阵相似的充要条件为A 的最小多项式是P 上互素的一次因式的乘积.推论 复数矩阵A 与对角矩阵相似的充要条件是A 的最小多项式没有重根.。

第七章线性变换总结篇(高等代数)

第七章线性变换总结篇(高等代数)

第七章线性变换总结篇(高等代数)第 7章线性变换7.1知识点归纳与要点解析一.线性变换的概念与判别 1.线性变换的定义数域P 上的线性空间V 的一个变换σ称为线性变换,如果对V 中任意的元素,αβ和数域P 中的任意数k ,都有:()()()σαβσασβ+=+,()()k k σασα=。

注:V 的线性变换就是其保持向量的加法与数量乘法的变换。

2.线性变换的判别设σ为数域P 上线性空间V 的一个变换,那么:σ为V 的线性变换?()()()k l k l ,,V ,k,l P σαβσασβαβ+=+?∈?∈3.线性变换的性质设V 是数域P 上的线性空间,σ为V 的线性变换,12s ,,,,V αααα?∈ 。

性质1. ()()00,σσαα==-;性质2. 若12s ,,,ααα 线性相关,那么()()()12s ,,,σασασα 也线性相关。

性质3. 设线性变换σ为单射,如果12s ,,,ααα 线性无关,那么()()()12s ,,,σασασα也线性无关。

注:设V 是数域P 上的线性空间,12,,,m βββ ,12,,,s γγγ 是V 中的两个向量组,如果:11111221221122221122s ss sm m m ms sc c c c c c c c c βγγγβγγγβγγγ=+++=+++=+++记:()()1121112222121212,,,,,,m m m s s s ms c c c c c c c c c βββγγγ??= ?于是,若()d i m V n =,12,,,n ααα 是V 的一组基,σ是V 的线性变换,12,,,m βββ 是V 中任意一组向量,如果:()()()11111221221122221122n n n nm m m mn nb b b b b b b b b σβααασβααασβααα=+++=+++=+++记:()()()()()1212,,,,m m σβββσβσβσβ=那么:()()1121112222121212,,,,,,m m m n nn mn b b c b b c b b c σβββααα??= ?设112111222212m m nn mn b b c b b c B b b c ??= ?,12,,,m ηηη 是矩阵B 的列向量组,如果12,,,r i i i ηηη 是12,,,m ηηη 的一个极大线性无关组,那么()()()2,ri i i σβσβσβ 就是()()()12,m σβσβσβ 的一个极大线性无关组,因此向量组()()()12,m σβσβσβ 的秩等于秩()B 。

7线性变换

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 ( )

第7章线性变换

第7章线性变换

可逆线性映射的逆也是线性映射
若线性映射 s : VW 有逆映射 s -1: W V, 那么 s -1 也
是线性映射
证明: 因为线性映射 s : VW 有逆映射 s -1 , 那么, 对 a , b F , x , h W , a s -1 (x ) + b s -1 (h ) V , 由于s 是V
设 s 是向量空间 V 到向量空间W 的一个线性映射.
1. x V '} 是 W 的子集, 称其为 V ' 在 s 之下的象, 记为 s ( V ' ) .
2. 若 W ‘是W 的子集, 则
{x V | s ( x ) W ' } 是V 的子集, 称其为W ' 在 s 之下的原象.
零向量在线性映射之下的象还是零向量.
s ( 0 ) = s (0a ) = 0 s ( a ) = 0
线性组合的象等于象的线性组合.
s ( a1 x1 + … + an xn ) = a1 s ( x1 ) + … + an s ( xn )
子空间的象与原象及相关定理7.1.1
象与原象的概念:
=as(x) .
因此 s 是 R2 到 R3 的一个线性映射.
例2 令 H 是 V3 中过原点的平面, 令
s : V3 H , x s ( x ) ( x 在 H 上的正射影 ) , 容易验证 s 是 V3 到 H ( 或 V3 ) 的一个 线性映射.
例3 令 A 是数域 F 上一个 m n 矩阵. 对于任一列向量
7.1 线性变换 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 本征值和本征向量 7.6 可以对角化的矩阵

高等代数第七章线性变换复习讲义

高等代数第七章线性变换复习讲义

⾼等代数第七章线性变换复习讲义第七章线性变换⼀.线性变换的定义和运算1.线性变换的定义(1)定义:设V是数域p上的线性空间,A是V上的⼀个变换,如果对任意α,β∈V和k∈P都有A(α+β)=A(α)+A(β),A(kα)=kA(α)则称A为V的⼀个线性变换。

(2)恒等变换(单位变换)和零变换的定义:ε(α)=α,ο(α)=0,任意α∈V.它们都是V的线性变换。

(3)A是线性变换的充要条件:A(kα+lβ)=kA(α)+lA(β),任意α,β∈V,k,l∈P.2.线性变换的性质设V是数域P上的线性空间,A是V的线性变换,则有(1)A(0)=0;(2)A(-α)=-A(α),任意α∈V;(3)A(∑kiαi)=ΣkiA(α),α∈V,ki∈P,i=1,…,s;(4)若α1,α2,…,αs∈V,且线性相关,则A(α1),A (α2),…,A(αs)也线性相关,但当α1,α2,…,αs线性⽆关时,不能推出A(α1),A(α2),…,A(αs)线性⽆关。

3.线性变换的运算4.线性变换与基的关系(1)设ε1,ε2,…,εn是线性空间v的⼀组基,如果线性变换A和B在这组基上的作⽤相同,即Aεi=Bεi,i=1,2,…,n,则有A=B.(2)设ε1,ε2,…,εn是线性空间v的⼀组基,对于V 中任意⼀组向量α1,α2,…,αn,存在唯⼀⼀个线性变换A 使Aεi=αi,i=1,2,…,n.⼆.线性变换的矩阵1.定义:设ε1,ε2,…,εn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Aε1=a11ε1+a21ε2+…an1εnAε2=a12ε1+a22ε2+…an2εn……Aεn= a1nε1+a2nε2+…annεn⽤矩阵表⽰就是A(ε1,ε2,…,εn)=(ε1,ε2,…,εn)A,其中a 11 a 12 …… a 1na 21 a 22 …… a 2nA= ……a n1 a n2 …… a nn称为A在基ε1,ε2,…,εn下的矩阵。

高等代数(第7章)

高等代数(第7章)

例如,零变换将线性无关的向量组变成线性相关 的向量组.
§7.2 线性变换的运算
设V是数域P上的线性空间, 、是V的两个线 性变换. 1.线性运算 (1)加法: 与的和定义为 ( +)()=()+() ( V) (2)数量乘法:数域P中的数k与的数量乘法定义为 (k)( ) =k(()) ( V) (3) 负变换:的负变换 -定义为 (-)()= - () ( V) 结论:线性空间V上的线性变换的全体,对于如上定 义的加法与数乘运算构成数域P上的线性空间.即
例2 设是几何空间中一个固定的非零向量, 将每个 向量变到它在上的内射影的变换
( , ) ( ) ( , ) .
( )


是一个线性变换.
2.线性变换的简单性质 设 是数域P上线性空间V的一个变换. (i)(0)=0, (-)= - (), V. (ii)(k11+…+ kmm)= k1(1) +…+ km(m) i V, ki P (i=1,2,…,m) (iii) 设i V, (i=1,2,…,m) .若 1,2,…,m线性相关,则 (1),(2),…,(m)线性相关;反之不然.
线性变换被基向量的像唯一确定!
定理1: 设1, 2,…,n是数域P上n维线性空间V 的一组 基, 1,2,…,n是V中任意n个向量,则存在唯一的线性 变换使 (j)= j , j=1,2,…,n.
证明:(i)存在性
x i i V , 定义V的变换: x i i .
仍是线性变换
()()=(()) ( V)
运算律: (i)()= () (ii) (+) = + , (+)+= +(+) (iii)k()=(k)= (k) 注意:线性变换的乘积一般是不可交换的,即 . 例1 在P22中,定义线性变换、 、为

高等代数第7章线性变换PPT课件

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

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。
  1. 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. 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. 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)。

第七章线性变换一.线性变换的定义和运算1.线性变换的定义(1)定义:设V是数域p上的线性空间,A是V上的一个变换,如果对任意α,β∈V和k∈P都有A(α+β)=A(α)+A(β),A(kα)=kA(α)则称A为V的一个线性变换。

(2)恒等变换(单位变换)和零变换的定义:ε(α)=α,ο(α)=0,任意α∈V.它们都是V的线性变换。

(3)A是线性变换的充要条件:A(kα+lβ)=kA(α)+lA(β),任意α,β∈V,k,l∈P.2.线性变换的性质设V是数域P上的线性空间,A是V的线性变换,则有(1)A(0)=0;(2)A(-α)=-A(α),任意α∈V;(3)A(∑kiαi)=ΣkiA(α),α∈V,ki∈P,i=1,…,s;(4)若α1,α2,…,αs∈V,且线性相关,则A(α1),A (α2),…,A(αs)也线性相关,但当α1,α2,…,αs线性无关时,不能推出A(α1),A(α2),…,A(αs)线性无关。

3.线性变换的运算4.线性变换与基的关系(1)设ε1,ε2,…,εn是线性空间v的一组基,如果线性变换A和B在这组基上的作用相同,即Aεi=Bεi,i=1,2,…,n,则有A=B.(2)设ε1,ε2,…,εn是线性空间v的一组基,对于V中任意一组向量α1,α2,…,αn,存在唯一一个线性变换A使Aεi=αi,i=1,2,…,n.二.线性变换的矩阵1.定义:设ε1,ε2,…,εn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Aε1=a11ε1+a21ε2+…an1εnAε2=a12ε1+a22ε2+…an2εn……Aεn= a1nε1+a2nε2+…annεn用矩阵表示就是A(ε1,ε2,…,εn)=(ε1,ε2,…,εn)A,其中a 11 a 12 …… a 1na 21 a 22 …… a 2nA= ……a n1 a n2 …… a nn称为A在基ε1,ε2,…,εn下的矩阵。

2.线性变换与其矩阵的关系(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。

3. α与A(α)在同一组基下的坐标之间的关系设A在基α1,α2,…,αn下的矩阵为A,对任意α∈V,设α在基α1,α2,…,αn下的坐标为(x1,x2,…,xn),即α=(α1,α2,…,αn)x1 ,则A(α)=A ((α1,α2,…,αnX1 )=[ A(α1, α2,…,αn)] x1 = (α1, α2,…,αn)A x1 .即A(α)在基α1, …,… ………Xn xn Xn xnαn下的坐标是A(α)=A x14.同一线性变换在不同基下的矩阵之间的关系设α1,α2,…,αn和β1,β2,…,βn是V的两组基,且α1,α2,…,αn到β1,β2,…,βn的过渡矩阵为T,即(β1,β2,…,βn)=(α1,α2,…,αn)T,T 是n级可逆矩阵,若A在基α1,α2,…,αn下的矩阵为A,则A在基β1,β2,…,βn下的矩阵为T-1 AT,它和A 在基α1,α2,…,αn下的矩阵A是相似的,即同一个线性变换在不同基下的矩阵相似。

三.特征值和特征向量1.特征值与特征向量的定义设A是数域P上线性空间V的一个线性变换,如果对于数域P中一数λ0,存在一个非零向量ξ,使得Aξ=λ0ξ,那么λ0称为A的一个特征值,而ξ称为A的属于特征值λ0的一特征向量。

2.特征矩阵和特征多项式的定义设A是数域P上一n级矩阵,λ是一个文字,矩阵λE-A的行列式|λE-A|= λ-a11 -a12… -a1n 称为A的特征多项式,这是数域P上的一个n次多项式。

-a21 λ-a22… -a2n……-a n1 -a n2 … λ-a nn3.求线性变换A的特征值和特征向量的步骤(1)在线性空间V中取一组基ε1,ε2,…,εn,写出A在这组基下的矩阵A;(2)求出A的特征多项式|λE-A|在数域P中的全部根,即为A (或者A)的全部特征值;(3)对于每个特征值λ,求解齐次线性方程组(λE-A)X=0,求得的非零解,即为对应于λ的特征向量。

4.相关性质列举(1)线性变换A(或n级方阵A)的属于不同特征值的特征向量线性无关。

(2)设λ0是n级方阵A的特征值,则a.任意k∈N,λ0k是A k的特征值;b.任意l∈P,lλ0是lA的特征值;c.设f(x)是多项式,则f(λ0)是f(A)的特征值;d.若A可逆,则λ0≠0,且1/λ0是A-1的特征值。

(3)若λ0是线性变换A(或n级方阵A)的特征值。

属于λ0的所有特征向量再添加零向量构成V(或P n)的子空间,称这个子空间为A(或A)的关于特征值λ0的特征子空间,记作Vλ0,而维(Vλ0)为(λ0 E-A)X=0的解空间的维数。

(4)若λ1,λ2,…,λs是线性变换A(或n级方阵A)的全部互异的特征值,则和Vλ1+…+Vλs是直和。

若维(Vλ1)+…+维(Vλs)=n,则V= Vλ1+…+Vλs ,且Vλ1,…,Vλs的基的联合是V的一组基,在此基下,A的矩阵是准对角型。

(5)A∈P n×n ,设λ1,…,λs(可能有相同的)为A的全部特征根,则λ1+λ2+…+λn=(a11+…+a nn )称为A的迹。

四.矩阵的相似和相似对角化(1)矩阵相似的定义设A.B 为数域P上两个n级矩阵,如果存在可逆矩阵P,使P-1 AP=B,则称 A和B相似,记为A~B。

(2)矩阵相似的性质a.矩阵的相似是一种等价关系,即满足反身性、对称性和传递性;b.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。

(3)n级方阵A相似对角化的判别设P为数域,)A∈P n×n ,设λ1,…,λs为A的所有互异的特征值,则下列条件等价:a.A与数域P上的对角矩阵相似;b.在P中,A有n个线性无关的特征向量;c.Σ(λi的重数)=n,且Vλi的维数=λi的重数,i=1,2,…,s;d.Σdim(Vλi)=n;e.A的最后一个不变因子无重根;f.A的初等因子是一次的。

五.线性变换的值域与核1.定义:设A是线性空间V的一个线性变换,A的全体像组成的集合称为A的值域,用A V表示;所有被A变成零向量的向量组成的集合称为A的核,用A-1(0)表示。

线性变换的值域和核都是V的子空间。

2.值域和核的性质(1)设A 是n 维线性空间V 的一个线性变换,ε1,ε2,…, εn 是V 的一组基,在这组基下的矩阵是A ,则有 a. A V=L(A ε1,A ε2,…, A εn); b. A 的秩等于A 的秩。

(2) 设A 是线性空间V 的一个线性变换,则A V 的一组基的原像及A -1(0)的一组基起来就是V 的一组基,并且有A 的秩+A 的零度=n 。

(3)值域和核都是V 的不变子空间。

(4)若V 是有限维线性空间,则A 是单射<=>A -1(0)=﹛0﹜<=>A V=V <=>A 是满射。

(5)A 的秩等于A 的值域A V 的维数,A 的零度等于A -1(0)的维数。

六.不变子空间 1、不变子空间的定义为了解决不变子空间的问题,我们需要不变子空间的概念.先看一个例子.在3V 中,设σ是数量变换,即有一个确定的数k ,使得对任意αασαk )(,3=∈V ,设W 是3V 中过原点的一个平面,W 是3V 的一个子空间,对W 中每一个向量ξ,ξ在σ作用之下的像)(ξσ仍是W 中的向量,这样的子空间W 就是σ的不变子空间.定义1 设σ是F 上向量空间V 的一个线性变换,W 是V 的一个子空间,若W 中向量在σ下的像仍在W 中,即对于W中任一向量ξ,都有W ∈)(ξσ,则称W 是σ的一个不变子空间,或称W 在σ之下不变.例1 向量空间V 本身和零子空间是V 的任一个线性变换的不变子空间,称它们为V 的平凡不变子空间,其它不变子空间称为非平凡不变子空间.例2 向量空间V 的任一子空间都是数量变换的不变子空间.例3 在R [x]中,令x)(f (f(x))'=σ,对任意][],[)(x R x R x f n ∈是R [x]的子空间,并且]x [n R 是σ的不变子空间.例4 设σ是3V 中以过原点的一条直线L 为轴,旋转θ角的变换,则L 是σ的一维不变子空间;过原点且与L 垂直的平面H 是σ的一个二维不变子空间.2、不变子空间的判断下面给出一种判断不变子空间的方法定理7.4.1 设σ是n 维向量空间V 的一个线性变换,W 是V 的子空间,{}r 21,,,ααα 是W 的基.则W 是σ的不变子空间的充要条件是)(,),(),(r 21ασασασ 在W 中.设W 是向量空间V 的关于线性变换σ的不变子空间,那么对于任意的W ∈α,必有W ∈)(ασ,因此σ也可看作是向量空间W 的一个线性变换,用W σ表示,即对于任意W ∈ξ,)()(ξσξσ=W若W ∉ξ,那么)(ξσW 就没有意义. W σ叫做σ在W 上的限制.4、不变子空间与线性变换的矩阵的关系设σ是n 维向量空间V 的一个线性变换,W 是σ的一个非平凡不变子空间.在W 中取一个基{}r 21,,,ααα ,把它扩充成V 的一个基},,,,,,{1r 21n r ααααα +,由于),,2,1()(r i W i =∈ασ,故可设r r a a a αααασ12211111)(+++=r r a a a αααασ22221212)(+++=…………r r a a a αααασr 2r 21r 1r )(+++=n r n a a a a ααααασ1,1r 1r 1r r 1r r 11r 11r )(++++++++++++= ,,,,…………n nn r n r r rn n n a a a a ααααασ+++++=++ 1,111)(因此,σ关于这个基的矩阵为,00002311,,11,11,111,1111⎪⎪⎭⎫⎝⎛=⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛++++++A A A a a a a a a a a a a a a nn r n n r r r rn r r rr r n r r这里1A 是W σ关于W 的基{}r 21,,,ααα 的矩阵. 4.不变子空间与空间分解(1)如果V 可以分解成两个非平凡不变子空间1W 与2W 的直和,21W W V ⊕=那么选取1W 的一个基{}r 21,,,ααα 和2W 的一个基{}n 1,,αα +r ,凑成V 的一个基{}n r ααααα,,,,,,1r 21 +,当1W 和2W 都在σ下不变时,σ关于这个基的矩阵是⎪⎪⎭⎫ ⎝⎛=2100A A A 这里1A 是r 阶矩阵,2A 是n-r 阶矩阵,它们分别是1W σ关于基{}r 21,,,ααα 的矩阵和2W σ关于基{}n 1,,αα +r 的矩阵.(2)若V 可分解成s 个非平凡子空间s 21,,,W W W 的直和,并且每一i W 都是σ的不变子空间,那么在每一子空间中取一个基,凑成V 的基,σ关于这个基的矩阵就为分块对角形矩阵其中i A 是i W σ关于i W 的基的矩阵,.,2,1s i =(3)设线性变换 A 的特征多项式f (λ)可以分解成一次因式的乘积 f (λ)=(λ-λ1 )r1(λ-λ2 )r2……(λ-λs )rs,则V 可以分解成不变子空间的直和V=V 1 ○+ V 1○+…○+V s ,其中V i =﹛ξ|(A —λi ε)ri ξ=0,ξ∈P ﹜ 5.根子空间的定义我们称V i =﹛ξ|(A —λi ε)riξ=0,ξ∈P ﹜为A 的属于特征值λi 的根子空间,常记为V λi.⎪⎪⎪⎪⎪⎭⎫ ⎝⎛s 21A A A。

相关文档
最新文档