三、线性变换的乘积

8.2 线性变换的运算V 是数域F 上的向量空间，用()L V 表示数域F 上向量空间V 的一切线性变换所成的集合.我们将在()L V 中引进加法、数乘和乘法.如何研究线性变换：注10第一个手段是对某空间V 的全体线性变换的集合()L V 引进运算：加法、数乘和乘法。

这样()L V 构成F 上的向量空间。

我们可以利用这些运算来研究线性变换。

20第二个手段。

在空间给定一个基，在该基下引入线性变换的矩阵，从而把空间的几何对象“线性变换”与数量对象“矩阵”进行了对应。

在解析几何中，点与坐标的对应称为“形”“数”转换，现在的线性变换与矩阵的对应是更广义的“形”“数”转换。

这种转换有两方面的好处：一方面可把向量空间与线性变换的一些问题转换为数字计算的问题；另一方面可把一些数量关系的问题联系上空间的性质（如线性变换的性质）而得到解决。

一、加法及其算律定义8.2.1 设()L V στ∈，，对于V 的每一向量ξ，令()()+στξξ与之对应，这样得到V 的一个变换，叫做σ与τ的和，记作+στ，即+στ：()()+στξξξ或()()()()+=+στστξξξ.求σ与τ的和的运算叫做σ与τ的加法.注10先定义和，再定义加法，()()+στξξ是V 中的向量。

+στ应看做一个整体，代表V 的一个新变换。

例8.2.1 设向量空间3F 的两个线性变换，对任意的()3123=x x x F ∈，，ξ，规定： ()()1231212=+x x x x x x x σ，，，，，()()123123312=+0x x x x x x x x x τ---，，，，，则()()()12312323=2x x x x x x x x στ+-，，+，，.命题1 V 的线性变换σ，τ的和+στ也是V 的一个线性变换.即()L V στ∀∈，，()+L V στ∈。

事实上，对任意的a b F ∈，，V ∈，ξη，()()()()()()()()()()()()()()()()()()()()+=.a b a b a b a b a b a b a b a b στστσσττστστστστστστ+=+=+⎡⎤⎡⎤⎣⎦⎣⎦=+⎡⎤⎡⎤⎣⎦⎣⎦=+⎡⎤⎡⎤⎣⎦⎣⎦+++++++++++ξηξηξηξηξηξξηηξξηηξη所以+στ是V 的一个线性变换.容易证明，线性变换的加法满足交换律和结合律.对任意的()L V ρστ∈，，，（1）+=+σττσ；（2）()()++=++ρστρστ；（3）令θ表示V 的零变换，对任意的()L V σ∈，有+=θσσ；（4）设()L V σ∈，σ的负变换σ-是指V 到自身的映射()σσ--：ξξ.σ-也是V 的线性变换，并且()+σσθ-=.命题2 σ-也是V 的线性变换。

奇异值分解的几何解释
奇异值分解（Singular Value Decomposition，SVD）是一种矩阵分解的方法，可以将一个矩阵分解成三个矩阵的乘积。

在几何上，SVD可以用于对数据集进行降维，以及在数据集上进行主成分分析。

在几何上，矩阵可以被视为表示线性变换的操作。

奇异值分解将矩阵分解成三个基本的线性变换的乘积：旋转、缩放和旋转的逆操作。

这三个变换可以用来描述原始矩阵的几何性质。

具体来说，给定一个矩阵A，SVD将其分解为以下形式：
A = UΣV^T
其中，U和V是正交矩阵，Σ是一个对角矩阵，对角线上的元素称为奇异值。

在几何上，矩阵A的列空间由矩阵U的列向量确定，而A的行空间由矩阵V的列向量确定。

奇异值则表示了变换过程中的缩放因子，可以用来量化数据的重要程度。

SVD的几何解释可以理解为对原始数据进行一系列变换，从而找到对数据进行紧凑表示的最佳方式。

这种变换可以帮助我们找到数据中的主要模式和特征，从而进行数据压缩、降噪、特征提取等任务。

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 。

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+++=+++ΛΛ3）设向量组n ααα,,,21Λ线性相关，则向量组)(),(),(21n T T T αααΛ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 ++++=--σσσσΛ 3. 线性变换的矩阵设σ是V 的一个线性变换，n εεε,,,21Λ是V 的一个基，且n n a a a εεεεσ12211111)(+++=Λn n a a a εεεεα22221122)(+++=ΛΛΛΛΛn nn n n n a a a εεεεσΛ++=2211)(记))(),(),((),,,(2121n n εσεσεσεεεσΛΛ=A n n n ),,,())(,),(),((),,,(212121εεεεσεσεσεεεσΛΛΛ== 则称A 为线性变换σ在基n εεε,,,21Λ下的矩阵。

4. 设n εεε,,,21Λ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。

第 7 章 线性变换7.1 知识点归纳与要点解析．线性变换的概念与判别1. 线性变换的定义域 P 中的任意数 k ，都有： 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 为数域 P 上线性空间 V 的一个变换，那么：3. 线性变换的性质也线性无关。

如果：是V 中任意一组向量，如果:数域P 上的线性空间V 的一个变换称为线性变换, 如果对 V 中任意的元素和数kk为V 的线性变换lk V, k,l P性质 性质 性质 设V 是数域P 上的线性空间, 为V 的线性变换,2,L , S , V 。

1.2. 3. 0 0,若1,2丄，s 线性相关，那么 2,LS 也线性相关。

设线性变换 为单射， 如果2,LS 线性无关，那么 2,L ,注：设V 是数域P 上的线性空间，2,L 2,L ,S 是V 中的两个向量组,c 11 1c 12记：1, 2,L , mc 21 1 LLc 22 2 2LLc 1s sc 2S Sc m1 1c m2 22,L , Sc 11c 21c m1c 12 Mc 22 M c m2Mc 1sc ms于是，若 dim V n ，2,L ,n 是V 的一组基, 是V 的线性变换,1, 2,L1b 11 12b 21 1LL Lmb m1 1记:1, 2,L ,m那么：1, 2,L , mb 11 b 21L c m1 b 12b 22Lcm2， 12，1, 2,LMM Mb 1n b 2n Lc mnb 12 2 L b 1n nb 22 2 Lb 2n n1, 2 Lmb 11 b 21 Lc m1 , ,L , b 12b 22Lc m21,2 ,L ,nM MMb 1nb 2nLc mnm 是矩阵B 的列向量组， 如果i 1 , i 2 ,L , i r是1, 2,L , m 的 一 个 极 大 线性 无 关 组 ， 那 么2L m 的一个极大线性无关组，因此向量组秩等于秩 B 。

第四章 线性变换在第三章中，我们介绍了同构的概念，它研究的是线性空间与线性空间之间的一种联系. 我们研究客观事物，固然要弄清楚个体事物单个的和总体的性质，但单个事物之间的各种各样的联系则更为重要. 基于此，本章将要研究线性空间本身的向量之间的一种最为基本、最为重要的联系——线性变换. 它是线性空间到它自身的映射是几何中旋转变换、投影变换以及别的科目中类似变换的一种推广. 其应用十分广泛，是线性代数的一个主要研究对象.在本章中，如果不特别声明，我们考虑的都是某个数域P 上的线性空间.§4.1 线性变换及其运算一个集合到它自身的映射，称为这个集合的一个变换. 线性变换就是线性空间到它自身的一种特殊变换. 我们给出它的定义.1. 线性变换的概念定义4.1.1 设A 是线性空间V 的一个变换，如果A 对于V 中任意的向量,αβ及数域P 中的任意数k ，满足：()()()+=+A A A αβαβ；()()k k =A A αα.则称A 是线性空间V 的一个线性变换. 以后我们一般用花体大写字母,,,A B C 来表示线性变换，用()A α或A α来表示向量α在线性变换A 下的象.说明 变换仅反映元素之间的一种单纯的对应关系，而线性变换则涉及到了线性空间中向量的运算. 从定义可以看出，线性变换保持向量的加法与数乘.例4.1.2 设V 是数域P 上的上的线性空间，λ是P 中的某个数，定义变换如下：(),()V λλ=∀∈A ααα.则容易看出，λA 是线性空间V 的一个线性变换.说明1）上例中的线性变换λA 称为由数λ决定的数乘变换.2）当1λ=时，就是V 的恒等变换或单位变换，记为E . 即E 将V 中的每个向量变为它自身.3）当0λ=时，0A 就是V 的零变换，记为0. 它把V 中的每个向量都变为0，即(),()V =∀∈00αα.例4.1.3 对于12(,,,)n n a a a P ∀=∈α，变换1211(,,,)(,,,)n n n a a a a a a -=A是n P 的一个线性变换.例4.1.4 令()()([,])xa f x f t dt x ab =∈⎰A ，则A 是线性空间[,]C a b 的一个线性变换.例 4.1.5 平面π上的向量构成了实数域上线性空间. 将π围绕着坐标原点逆时针方向旋转θ角度，就是一个线性变换，我们用θA 表示. 设平面π上的向量α在直角坐标系下的坐标是(,)x y ，那么旋转θ角度后α的坐标按照下面的公式计算：cos sin ()sin cos x x y y θθθθθ'-⎛⎫⎛⎫⎛⎫== ⎪ ⎪⎪'⎝⎭⎝⎭⎝⎭A α. 例 4.1.6 设α是几何空间中某个固定的非零向量，将每个向量η变到它在α上的内射影的变换是一个线性变换，以N α来表示它，即(,)()(,)=N ααηηαα. 其中(,),(,)αηαα表示内积. 例4.1.7 设线性空间3P ，则显然222123123(,,)(,,)a a a a a a =A是3P 的一个变换，但如果取(1,0,0),(2,0,0)==αβ，则()(3,0,0)(9,0,0)+==A A αβ，而()()(1,0,0)(4,0,0)(5,0,0)+=+=A A αβ，则()()()+≠+A A A αβαβ. 所以，A 不是线性变换.2. 线性变换的性质线性变换具有如下的性质：性质1 ();()(),()V =-=-∀∈00A A A ααα.事实上，()(0)0();===0000A A A又()()(())()+-=+-==00A A A A αααα，所以()()-=-A A αα. 性质2 线性变换保持线性组合与线性关系式不变. 也就是说， 如果β是12,,,m ααα的一个线性组合：1122m m k k k =+++βααα，则经过线性变换A 之后，()A β是12(),(),,()m A A A ααα同样的线性组合： 1122()()()()m m k k k =+++A A A A βααα.如果12,,,m ααα之间有线性关系式：1122m m k k k +++=0ααα，则它们的象12(),(),,()m A A A ααα之间也有同样的关系：1122()()()m m k k k +++=0A A A ααα.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. 也就是说，如果12,,,m ααα线性相关，则12(),(),,()m A A A ααα也线性相关.事实上，若12,,,m ααα线性相关，则在数域P 中存在一组不全为零的数12,,,m k k k 使得1122m m k k k +++=0ααα.则由性质2与性质3得11221122()()()()()m m m m k k k k k k +++=+++==00A A A A A αααααα.从而12(),(),,()m A A A ααα也线性相关.说明 当12(),(),,()m A A A ααα线性相关时，12,,,m ααα未必是线性相关的；当12,,,m ααα线性无关时，12(),(),,()m A A A ααα未必是线性无关的. 如零变换.3. 线性变换的运算线性变换作为映射的一种特殊情形，它当然可以定义乘法、加法及数量乘法.下面我们来介绍线性变换的运算及其简单性质.定义 4.1.8 设12,A A 及A 都是数域P 上线性空间V 上的线性变换，V ∀∈α及k P ∀∈，现在定义：1）线性变换的加法：1212()()()+=+A A A A ααα； 2）线性变换的乘法：1212()()=A A A A αα； 3）数与线性变换的数量乘法：()()k k =A A αα.定理4.1.9 定义4.1.8中的线性变换的和12+A A 、乘积12A A 及数与线性变换的乘积k A 都还是线性变换.证明 仅证明12+A A 是线性变换，其余的类似证明.对于V 中任意的向量,αβ及数域P 上的任意数λ，由于12,A A 都是线性变换，则结合线性变换的和的定义有12121122()()()()()()()()++=+++=+++A A A A A A A A αβαβαβαβαβ 12121212(()())(()())()()()()=+++=+++A A A A A A A A ααββαβ； 1212121212()()()()()()k k k k k k k +=+=+=+=+A A A A A A A A A A αααααααα. 因此，12+A A 是线性空间V 上的线性变换. 证毕.由线性变换的加法及乘积的定义易知下述性质. 性质4 线性变换的加法满足1）结合律：123123()()++=++A A A A A A ； 2）交换律：1221+=+A A A A .说明 1）零变换0与任何线性变换A 的和仍是A ，即+=A 0A . 2）对每个线性变换A ，我们可以定义它的负变换-A ：()().V -=-∀∈A A ααα容易看出-A 也是线性的，且()+-=A A 0.性质5 线性变换的乘法满足 1）结合律：123123()()=A A A A A A ；2）对加法的左右分配律：12312113()+=+A A A A A A A ；1231323()+=+A A A A A A A . 说明 线性变换的乘法一般是不满足交换律的. 如在实数域R 上的线性空间[]x R ，定义线性变换0(())(),(())().xf x f x f x f t dt '==⎰D J则乘积D J 是恒等变换，但一般J D 却不是恒等变换.性质6 数与线性变换的数量乘法满足下面的规律：()()kl k l =A A ； ()k l k l +=+A A A ；1212()k k k +=+A A A A ；1=A A .注 线性变换所满足的全部运算规则，同矩阵所满足的运算规则完全一致. 如果用()V M 表示由数域P 上的线性空间V 的全体线性变换构成的集合，则()V M 构成数域P 上的一个线性空间.定义 4.1.10 设A 是数域P 上线性空间V 上的一个线性变换，如果存在V 上的一个变换，记之为1-A，使得11--==A AAA E ，则称1-A为A 的逆变换，且称A 是可逆的.说明 一个线性变换未必有逆变换，如零变换就没有逆变换.定理4.1.12 设A 是数域P 上线性空间V 上的一个线性变换，如果A 是可逆的，则其逆变换1-A也是V 上的线性变换.证明 任取,V ∈αβ及k P ∈，则1111()[()()]----+=+AAA AA Aαβαβ111111()()()()------=+=+AA A AA A A Aαβαβ.11111()[()()][((())]k k k -----==AA A AA A Aααα11111[((())]()[(()]()k k k -----===AA AAA AAααα.故1-A是V 上的线性变换.4. 线性变换的多项式的概念由于线性变换的乘法满足结合律，当若干个线性变换A 相乘时，其最终结果是确定的，与乘积的结合方式无关. 所以我们可以用nn=AA AA .来表示n （n 是正整数）个线性变换A 的乘积，称nA 为A 的n 次幂. 并规定=AE .由此可以推出指数法则： ,()()m nm n m nmn+==AA A AA，（,m n 是正整数）. （1.1） 当线性变换A 可逆时，也可以定义A 的负整数幂为1()nn--=A A（n 是正整数）. 说明 1）在有了负整数幂概念后，（1.1）中的,m n 就可以取任意的整数了. 2）线性变换乘积的指数法则不成立，一般来说1212()n n n ≠A A A A .设1110()m m m m f x a x a x a x a --=++++是[]P x 上的一个多项式. A 是线性空间V 上的一个线性变换，定义1110()mm m m f a a a a --=++++A AAA E .容易看出，()f A 也是V 上的一个线性变换，称它为线性变换A 的多项式.§4.2 线性变换的矩阵考虑线性方程组=Ax β，其中A 是n 阶方阵，β是常数项向量组. 我们可以这样认为：把矩阵A 当作一种“对象”，它通过乘法“作用”于向量x ，产生的新的向量为Ax .例如，方程31315201134216-⎛⎫⎛⎫⎛⎫ ⎪⎪ ⎪= ⎪⎪ ⎪ ⎪⎪ ⎪⎝⎭⎝⎭⎝⎭↑↑↑A x β0 与31310201304220-⎛⎫⎛⎫⎛⎫ ⎪⎪ ⎪-= ⎪⎪ ⎪ ⎪⎪ ⎪-⎝⎭⎝⎭⎝⎭↑↑↑A u 00通过矩阵A 通过乘法“作用”将x 变成了β. 而将u 变成了0. 于是，解方程A =x β，就要求出n P 中所有经过A “作用”后变为β的向量x . 而线性变换也就是在线性空间内部“作用”，将其中的一个向量变为其中的某个向量. 如此看来，线性变换与矩阵之间会有着千丝万缕的联系. 本节我们将要讨论线性变换与矩阵的关系，且利用矩阵来描述线性变换.1. 线性变换在基下的矩阵设A 是数域P 上线性空间V 的一个线性变换，12,,,n εεε是V 的一组基.则V 的任一向量η都可以用12,,,n εεε来线性表示，即数域P 中存在唯一的一组数12,,,n x x x 使得1122n n x x x =+++ηεεε.由于线性变换A 保持线性关系不变，则1122()()n n x x x =+++A A ηεεε1122()()()n n x x x =+++A A A εεε.（2.1） 也就是说，η的象()A η与基的象12(),(),,()n A A A εεε之间有着相同的关系.所以，只要知道基的象12(),(),,()n A A A εεε，那么线性空间V 中任一向量η的象()A η也就知道了.命题4.2.1 设1A ，2A 都是线性空间V 的线性变换，12,,,n εεε是V 的一组基，如果1A 与2A 在这组基上的作用相同，即12()(),1,2,,i i i n ==A A εε. （2.2）则12=A A .（分析）1A 与2A 相等的意义是它们对V 中的每个向量的作用相同，所以，我们就只要证明对任一向量η，都有12()()=A A ηη即可. 证明 V 中的任一向量η都可以由12,,,n εεε线性表示，即存在一组数12,,,n x x x 使得1122n n x x x =+++ηεεε.则由假设有111121121()()()()n n x x x =+++A A A A ηεεε12122222()()()()n n x x x =+++=A A A A εεεη. 证毕. 说明 命题4.2.1表明了，一个线性变换在V 上的作用，完全由它在任一组基上的作用所决定.命题4.2.2 设12,,,n εεε是数域P 上的线性空间V 的一组基，又12,,,n ααα是V 的任意的n 个向量，则存在唯一的线性变换A 使得(),1,2,,i i i n ==A εα. （2.3）（分析）只要找出这样的线性变换即可. 证明 设β是V 任一向量，且1122n n x x x =+++βεεε.现在定义V 的变换1122()n n x x x =+++A βααα. 我们先来说明A 满足（2.3）.因为11100100i i i i n -+=++++++εεεεεε，1,2,,i n =. 所以111()00100i i i i n i -+=++++++=A εαααααα，1,2,,i n =.我们还需要证明A 是线性的.设,ηγ是V 中任意两个向量，k 是P 中任一数，并设1122n n b b b =+++ηεεε，1122n n c c c =+++γεεε.则111222()()()n n n b c b c b c +=++++++ηγεεε；1122n n k kb kb kb =+++ηεεε.按照A 的定义有111222()()()()n n n b c b c b c +=++++++A ηγααα11221122()()()()n n n n b b b c c c =+++++++=+A A ααααααηγ； 11221122()()()n n n n k kb kb kb k b b b k =+++=+++=A A ηααααααη.所以A 是V 上的线性变换.唯一性可由命题4.2.1直接得到. 证毕.下面，我们就来讨论线性变换与矩阵的联系.设12,,,r ααα是数域P 上的线性空间V 的一组向量，A 是V 上的一个线性变换，我们约定1212(,,,)(,,,)r r =A A A A αααααα.定义4.2.3 设12,,,n εεε是数域P 上的线性空间V 的一组基，A 是V 上的一个线性变换，且11112121212122221122,,.n n n nn n n nn n a a a a a a a a a =+++⎧⎪=+++⎪⎨⎪⎪=+++⎩A A A εεεεεεεεεεεε 用矩阵形式表示，即121212(,,,)(,,,)(,,,)n n n ==A A A A A εεεεεεεεε，其中111212122212n n n n nn a a a a a a aa a ⎛⎫⎪⎪= ⎪ ⎪ ⎪⎝⎭A . 矩阵A 称为A 在基12,,,n εεε下的矩阵.例4.2.4 求[]n P x 的线性变换()()f x f x '=D 在基11,,,n x x -下的矩阵.解 因为21210,1,2,,(1),n n x x x x n x --====-D D D D所以D 在基11,,,n x x -下的矩阵为0100002000010000n ⎛⎫ ⎪ ⎪⎪= ⎪- ⎪ ⎪⎝⎭A . 例4.2.5 设W 是()n n m >维线性空间V 的子空间，12,,,m εεε是W 的一组基，把它扩充为V 的一组基12,,,n εεε. 定义线性变换A 如下：,1,2,,,,1,,.i i i i m i m n ==⎧⎨==+⎩0A A εεε 如此定义的线性变换A 称为对子空间W 的投影. 投影A 在基12,,,n εεε下的矩阵为11100m ⎛⎫ ⎪ ⎪ ⎪ ⎪⎪ ⎪ ⎪ ⎪ ⎪⎝⎭个1.说明 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ϕ.定理4.2.6 设V 是数域P 上的n 维线性空间. 则映射:ϕ→A A是数域P 上的线性空间()V M 到n n P ⨯的一个一一映射，其中A 是线性变换在基12,,,n εεε下的矩阵.（分析）需要证明ϕ是双射，即既是单射，又是满射. 证明 ϕ显然是()V M 到n n P ⨯的映射. 设11()ϕ=A A ，22()ϕ=A A . 则112121(,,,)(,,,)n n =A A εεεεεε， 212122(,,,)(,,,)n n =A A εεεεεε.如果12=A A ，则显然有12()(),1,2,,i i i n ==A A εε. 则由命题4.2.1知道，ϕ是单射.又对于n n P ⨯中的任一矩阵A ，令1212(,,,)(,,,)n n =A βββεεε.则由命题4.2.2知道，存在线性变换A 使得(),1,2,,i i i n ==A εβ，即有线性变换A 使得1212(,,,)(,,,)n n =A A εεεεεε.所以ϕ又是满射. 故ϕ是一一映射.这个一一映射的重要性在于它保持运算. 也就是下面的定理.定理4.2.7 设1A ，2A 是数域P 上n 维线性空间V 的任意两个线性变换，1A ，2A 在基12,,,n εεε下的矩阵分别是A 与B . 则在基12,,,n εεε下1）12+A A 的矩阵为+A B ； 2）12A A 的矩阵为AB ； 3）k A 的矩阵为k A . 证明 由于1A ，2A 在基12,,,n εεε下的矩阵分别是A 与B ，则有11212(,,,)(,,,)n n =A A εεεεεε， 21212(,,,)(,,,)n n =B A εεεεεε.1）1212()(,,,)n +A A εεε112212(,,,)(,,,)n n =+A A εεεεεε1212(,,,)(,,,)n n =+A B εεεεεε12(,,,)().n =+A B εεε所以在基12,,,n εεε下，线性变换12+A A 的矩阵为+A B . 2）1212()(,,,)n A A εεε121211211212[(,,,)][(,,,)][(,,,)](,,,).n n n n ====B BAB A A A A εεεεεεεεεεεε因此，在基12,,,n εεε下，线性变换12A A 的矩阵为AB . 3）112()(,,,)n k A εεε1121212[(,,,)][(,,,)](,,,)().n n n k k k ===A A A εεεεεεεεε 因此，在基12,,,n εεε下，线性变换k A 的矩阵为k A . 证毕.说明 结合定理4.2.7可以看出，在定理4.2.6中，V 的全体线性变换所构成的线性空间()V M 与n n P ⨯之间的映射，不仅是一一映射，而且还是同构映射. 即()V M 与n n P ⨯同构.推论4.2.8设A 是数域P 上n 维线性空间V 的一个线性变换. 则A 有逆变换的充分必要条件是A 在任意基下的矩阵都是可逆矩阵.且当A 在某组基下的矩阵为A 时，则1-A在这组基下的矩阵为1-A .证明 设A 有逆变换1-A，12,,,n εεε是V 任一组基，A 与1-A在基12,,,nεεε下的矩阵分别是A 与B ，即1212(,,,)(,,,)n n =A A εεεεεε，11212(,,,)(,,,)n n -=B Aεεεεεε.由定理4.2.7的2）有11212(,,,)(,,,)n n -=AB A Aεεεεεε，则有1212(,,,)(,,,)n n =AB E εεεεεε.而1212(,,,)(,,,)n n =E E εεεεεε，故=AB E .类似地有=BA E ，即有==AB BA E .所以1-=B A .故A 在任意基下的矩阵都是可逆矩阵，而且1-A在12,,,n εεε下的矩阵为1-A .反过来，如果A 在基12,,,n εεε下的矩阵是可逆阵A ，设1-A 是A 的逆矩阵. 则由定理4.2.6，必存在V 的一个唯一的线性变换B 使得11212(,,,)(,,,)n n -=A B εεεεεε.则1121212(,,,)(,,,)(,,,)n n n -==AA E A B εεεεεεεεε， 1121212(,,,)(,,,)(,,,)n n n -==A A E B A εεεεεεεεε.所以==AB B A E . 故A 有逆变换. 证毕.利用线性变换的矩阵，可以直接计算一个向量的象. 我们有下面的定理. 定理4.2.9 设A 是n 维线性空间V 的一个线性变换，A 在基12,,,n εεε下的矩阵是A ，向量α在基12,,,n εεε下坐标为12(,,,)n x x x . 则()A α在基12,,,n εεε下的坐标12(,,,)n y y y 可以按如下的公式计算：1122n n y x y x y x ⎛⎫⎛⎫ ⎪ ⎪ ⎪ ⎪= ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭A . （分析）实际上就是要求我们求出()A α在基12,,,n εεε下的坐标.证明 由于1212(,,,)n n x x x ⎛⎫⎪ ⎪= ⎪ ⎪⎝⎭αεεε， 所以11221212()(,,,)(,,,)n n n n x x x x x x ⎛⎫⎛⎫ ⎪ ⎪ ⎪ ⎪== ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭A A A A A αεεεεεε. 又1212()(,,,)n n y yy ⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭A αεεε，而12,,,n εεε是V 的一组基，所以1122n n y x y x y x ⎛⎫⎛⎫ ⎪ ⎪ ⎪ ⎪= ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭A . 证毕.说明 定理4.2.9说明了，()A α在某组基下的坐标完全由A 在这组基下的矩阵所决定. 这也就是说，对于某组基，如果给定了线性变换在这组基下的矩阵，也就等于给出了这个线性变换.2. 相似矩阵线性变换的矩阵与线性空间的基是密切联系的，一般来说，随着基的改变，同一线性变换的矩阵也会随之而改变. 读者肯定会要问：线性变换的矩阵是如何随着基的改变而改变的呢？亦即改变后的矩阵之间有什么联系呢？下面的定理指明同一线性变换在不同的基下的矩阵之间的联系.定理 4.2.10 设A 是线性空间V 的线性变换，12,,,n εεε与12,,,n ηηη是线性空间V 的两组基，A 在这两组基下的矩阵分别为,A B ，从基12,,,n εεε到12,,,n ηηη的过渡矩阵为C ，则1-=B C AC .证明 因为1212(,,,)(,,,)n n =A A εεεεεε， 1212(,,,)(,,,)n n =B A ηηηηηη，1212(,,,)(,,,)n n =C ηηηεεε，所以1212(,,,)(,,,)n n =B A ηηηηηη，1212121211212(,,,)[(,,,)][(,,,)][(,,,)](,,,)(,,,)n n n n n n -=====A A A ηηηεεεεεεεεεεεεηηηC C A C AC C AC故有1-=B C AC .定义4.2.11 设,A B 是数域P 上的两个n 阶矩阵，如果存在P 上的n 阶可逆矩阵C ，使得1-=C AC B ，则称A 与B 相似，记作A B .定理4.2.12 数域P 上的相似关系是一个等价关系.（分析）需要说明相似关系满足：反身性、对称性及传递性. 证明 设有n 阶矩阵,,A B D .1）因为=AE EA ，则1-=E AE A ，即A A ；2）如果AB ，则存在可逆阵C 使得1-=C AC B ，所以有111()---=C BC A .故BA ；3）如果AB ，BD ，则分别存在可逆阵12,C C 使得111122,--==C AC B C BC D ，所以11121121212()()()---==D C C AC C C C A C C . 故AD . 证毕.定理4.2.13 如果两个矩阵相似，则它们可以看作是同一个线性变换在某两组基下的矩阵.证明 设有n 阶矩阵A 与B 相似. 则n 阶可逆矩阵C 使得1-=C AC B . 又由定理4.2.6，A 可以看作是n 维线性空间V 的一个线性变换A 在某组基12,,,n εεε下的矩阵.则1212(,,,)(,,,)n n =A A εεεεεε.令1212(,,,)(,,,)n n =C ηηηεεε，显然，12,,,n ηηη也是V 的一组基，而又1212121212112(,,,)[(,,,)][(,,,)][(,,,)](,,,)(,,,).n n n n n n -=====C CA C ACC AC A A A ηηηεεεεεεεεεεεεηηη即1212(,,,)(,,,).n n =B A ηηηηηη 证毕.例 4.2.14 设n 阶矩阵A 与B 相似，()f x 为任一多项式. 证明：()f A 与()f B 相似.（分析）需要找出一个可逆阵C 使得1()()f f -=B C A C . 证明 因为A 与B 相似，则存在可逆阵C ，使得1-=C AC B .现在设1110()n n n n f x a x a x a x a --=++++.则1110()n n n n f a a a a --=++++B B B B E11111110[][][][]n n n n a a a a ------=++++C AC C AC C AC C C 11111110[][][][]n n n n a a a a ------=++++C A C C A C C AC C C 11111110()()()()n n n n a a a a ------=++++C A C C A C C A C C E C11110()n n n n a a a a ---=++++C A A A E C1()f -=C A C故()f A 与()f B 相似.§4.3 线性变换的值域与核1. 线性变换的值域与核的概念定义4.3.1 设A 是线性空间V 的一个线性变换，则称集合{}()V ∀∈A αα为A 的值域，记作()V A （或Im A ）；称集合{}()V ∀∈=0且A ξξξ为A 的核，记作1()-0A（或Ker A ）. 即{}()()V V =∀∈A A αα；{}1()()V -∀∈=0=0且A A ξξξ.设,αβ是数域P 上的n 维线性空间V 的任意两个向量，k 是P 中任一常数. 显然()V A 与1()-0A是非空的，即它们都是V 的非空子集. 又由于(),()()k k +=+=A A A A A αβαβαα，即()V A 对加法与数乘是封闭的，所以()V A 是V 的一个子空间. 如果,==00A A αβ，则(),()()k k +=+===00A A A A A αβαβαα.所以1()-0A 也是V 的子空间. 故我们有下面的命题.命题4.3.2 V 的线性变换A 的值域()V A 与核1()-0A都是V 的子空间.定义 4.3.3 将V 的线性变换A 的值域()V A 的维数称为线性变换A 的秩；1()-0A的维数称为线性变换A 的零度.例4.3.4 线性空间V 的零变换0的值域是{}0，而核就是V .例4.3.5线性空间[]n P x 的线性变换()()f x f x '=D ，则D 的值域就是1[]n P x -，D 的核就是P .V 的线性变换的值域()V A 是由全体象的集合而构成的. 这自然使我们联想到基象组12,,,n A A A εεε（12,,,n εεε是V 的一组基），它与值域()V A 之间有哪些联系呢？定理4.3.6 设A 是n 维线性空间V 的线性变换，12,,,n εεε是V 的一组基，在这组基下的矩阵是A ，则1）A 的值域()V A 是由基的象12,,,n A A A εεε所生成的子空间，即12()(,,,)n V L =A A A A εεε.2）A 的秩等于A 的秩.证明 1）设α是线性空间V 的任一向量，它在基12,,,n εεε下的坐标为坐标为12(,,,)n x x x ，即1122n n x x x =+++αεεε.于是11221122()n n n n x x x x x x =+++=+++A A A A A αεεεεεε. 所以12(,,,)n L ∈A A A A αεεε，因而12()(,,,)n V L ⊂A A A A εεε. 再设12(,,,)n L A A A εεε中任一向量η，则存在一组数12,,,n k k k 使得11221122()n n n n k k k k k k =+++=+++A A A A ηεεεεεε这表明了V ⊂A η，所以12(,,,)n L V ⊂A A A A εεε.故12()(,,,)n V L =A A A A εεε.2）因为A 的秩等于dim ()V A ，由1）则有A 的秩等于12(,,,)n rank A A A εεε.又矩阵A 是由基象组的坐标按列而排成的. 而在n 维线性空间V 中取定一组基之后，把V 中的每一向量与它的坐标对应起来，我们就得到了V 到n P 的一个同构映射. 同构映射保持向量组的一切线性关系，因此基象组与它们的坐标组（即矩阵的列向量组）有相同的秩. 证毕.说明 上述定理表明了线性变换与矩阵的对应关系保持秩不变.定理4.3.7设A 是n 维线性空间V 的线性变换，则A 的秩+A 的零度n =.即1dim ()dim ()dim V V -+=0A A.证明 设A 的零度为r . 在核1()-0A中取一组基12,,,r εεε，现在将它扩充为V 的一组基121,,,,,,r r n +εεεεε. 又11()(,,,,,)r r n V L +=A A A A A εεεε，而12,,,r A A A εεε全是零向量，所以1()(,,)r n V L +=A A A εε.下面证明1,,r n +A A εε是()V A 的一组基. 显然()V A 中任一向量均可由1,,r n +A A εε线性表示，只需要证明1,,r n +A A εε线性无关即可. 设11r r n n λλ++++=0A A εε，则有11()r r n n λλ++++=0A εε，所以111()r r n n λλ-++++∈0Aεε，因此，11r r n n λλ++++εε可以用1()-0A 的基12,,,r εεε线性表示，设为111122r r n n r r λλλλλ++++=+++εεεεε. 而121,,,,,,r r n +εεεεε线性无关，所以0(1,2,,)i i n λ==.故1,,r n +A A εε线性无关. 因而A 的秩等于n r -，所以A 的秩+A 的零度n =. 证毕.说明 虽然()V A 与1()-0A的维数和是n ，但1()()V -+0A A 未必就是整个线性空间V . 如例4.3.5.推论4.3.7 设A 是有限维线性空间V 的一个线性变换，则A 是单射⇔A 是满射. 证明 设A 是单射，则1(){}-=00A ，而又1dim ()dim ()dim V V -+=0A A. 所以dim ()dim V V =A .则()V V =A ，所以A 是满射，从而为双射.反过来，设A 是满射，仍由1dim ()dim ()dim V V -+=0A A有1(){}-=00A，即A 是单射，从而是双射.注 这是有限维线性空间的线性变换的一个特性. 对于无限维线性空间并不成立.例4.3.8 设A 是一个n n ⨯矩阵，2=A A . 证明：A 相似于对角阵B . 其中11100⎛⎫ ⎪ ⎪ ⎪ ⎪=⎪ ⎪ ⎪ ⎪ ⎪⎝⎭B . （分析）要证明AB ，只要证明A 与B 是同一线性变换在某两组基下的矩阵即可.证明 设有n 维线性空间V ，12,,,n εεε是V 的一组基. 定义线性变换A 为：1212(,,,)(,,,)n n =A A εεεεεε.下面我们来证明A 在某组基下的矩阵就是B .因为2=A A ，所以2=AA . 对任意的()V ∈A α，则必存在V ∈β，使得()=A αβ.则2()====A A A A A αβββα.所以1()(){}V -0=0A A.而又1dim dim ()V n -+0=A A，所以1()()V V -=⊕0A A.因而在()V A 取一组基12,,,r ηηη，在1()-0A中取一组基1,,r n +ηη，所以121,,,,,,r r n +ηηηηη就是V 的一组基. 显然1122,,,,r r ===A A A ηηηηηη1,,r n +==00A A ηη.故1212(,,,)(,,,)n n =B A ηηηηηη.由定理4.2.13，同一线性变换在不同的基下的矩阵是相似的. 即A 相似于对角阵B . 证毕.2. 线性变换的值域与核的求法现在我们总结一下线性变换的值域与核的求法.设V 是数域P 上的n 维线性空间V ，A 是V 的线性变换，常通过下面的两种方法来求()V A 及1()-0A：第一种 取V 的一组基12,,,n εεε，由于1()(,,)r n V L +=A A A εε，所以先求出基象组12,,,n A A A εεε，再求出12(,,,)n rank A A A εεε及其一个极大无关组，也就得到了()V A 的维数及它的基； 设1()-∈0Aη，根据()=0A η来求确定1()-0A的维数与基.第二种 求出A 在基12,,,n εεε下的矩阵A ，所以A 的秩就等于A 的秩，且由于()i A ε在基12,,,n εεε下的坐标就是A 的第i 个列向量，从定理4.3.6的证明可以看出，利用同构，A 的列向量组的极大无关组对应12,,,n A A A εεε的极大无关组，从而可以确定()V A 的基. 设1()-∈0Aη，则由()=0A η知，η在基12,,,n εεε下的坐标12(,,,)n x x x 就是齐次线性方程组=0Ax 的解向量，所以=0Ax 的基础解系就是1()-0A的基在12,,,n εεε下的坐标.例 4.3.9 设V 是全体次数不超过n 的实系数多项式，再添上零多项式构成实数域上的线性空间，定义V 的线性变换：[()]()()(())f x xf x f x f x V '=-∀∈A .1）求A 的核1()-0A及值域()V A ；2）证明：1()()V V -=⊕0A A .1）解 取V 的一组基21,,,,n x x x ，则22(1,,,,)(1,,,,)n n x x x x x x =A A .其中100000000010001n -⎛⎫ ⎪ ⎪ ⎪= ⎪ ⎪ ⎪-⎝⎭A . 求解齐次线性方程组=0Ax 得到基础解系(0,1,0,,0)T =ε. 令22(1,,,,)(1,,,,)(0,1,0,,0)n n T x x x x x x x ===ηε.则1()()L x -=0A ， 1dim ()1-=0A.又22323()(1,,,,)(1,0,,2,(1))(1,,,)n n nV L x xx L x x n x L x x x==--=A A A A A ， 所以dim ()V n =A .2）证明 由1）有12323()()()(1,,,)(1,,,,)n n V L x L x x x L x x xx V -+=+==0A A .又1dim ()dim ()1dim V n V -+=+=0A A ，故1()()V V -=⊕0A A . 证毕.§4.4 不变子空间我们知道，同一个线性变换在不同基下的矩阵是相似的，而相似的矩阵也可以认为是同一个线性变换在不同基下的矩阵. 所以，我们可以选择适当的基，使得线性变换的矩阵尽可能的简单，这样通过简单的矩阵来把握所给的线性变换. 因此，我们引入不变子空间的概念.定义4.4.1设A 是数域P 上的n 维线性空间V 的线性变换，W 是V 的子空间. 如果对于W 中任一向量α，均有W ∈A α，则称W 是A 的不变子空间，简记为-A 子空间.如果A 是线性空间V 的线性变换，W 是A 的不变子空间，由于W 中的向量在A 下的象仍然在W 中，这就使得有可能不必在整个线性空间V 中来研究A ，而只需要在W 中来考虑A 即可. 这样A 便又诱导出W 的一个线性变换，这个线性变换称为A 在W 上的限制（或A 在W 中的诱导变换），记作|W A . 因此()()|W W =∀∈A A βββ.在不致发生混淆时，有时也将|W A 记为A .说明 A 与|W A 的异同：A 是V 的线性变换，V 中每个向量在A 下都有确定的象；|W A 是不变子空间W 上的线性变换，对于W ∀∈β，有()|W =A A ββ，但对于V 中不属于W 的向量ξ，()|W =A A ξξ是没有意义的.例4.4.2 对于V 的任何线性变换A ，平凡子空间{}0及V 都是A 的不变子空间. 例4.4.3 []P x 的子空间[]n P x 是关于线性变换()()f x f x '=D的一个不变子空间.例4.4.4 线性变换A 的值域()V A 与核1()-0A都是A 的不变子空间.证明 任取()V ∈A α，则当然有V ∈α，所以有()V ∈A A α，即()V A 对A 不变. 对于任意的1()-∈0Aξ，有1()-=∈00A Aξ，即核1()-0A也是A 的不变子空间.证毕.例4.4.5 任何一个子空间都是数乘变换的不变子空间.证明 设W 是线性空间V 的任一子空间，λA 是数乘变换，则对于W 中的任一向量α，都有λλ=A αα.而W 是V 的子空间，所以W λ∈α，即W λ∈A α. 所以W 是λA 的不变子空间. 证毕.例4.4.6 如果线性变换A 与B 可交换，则B 的核1()-0B 与值域()V B 都是A 的不变子空间. 证明 在B 的核1()-0B 中任取一个向量α，则()()()===00B A B A A αα，所以1()-∈0A Bα. 即1()-0B 是A 的不变子空间.在B 的值域()V B 中任取一个向量()B β，则(())(())()V =∈A B B A B ββ.因此，值域()V B 也是A 的不变子空间. 证毕.例4.4.7 已知123321(,,)(,,)a a a a a a =A 是3P 的一个线性变换. 则子空间1212{(,,0)|,}W x x x x =∈F就不是A 的不变子空间. 如(1,2,0)W ∈，但(1,2,0)(0,2,1)W =∉A .命题 4.4.8 A 的不变子空间的交与和还是A 的不变子空间.证明 设1W 与2W 都是A 的不变子空间，α是12W W 中的任一向量，则1()W ∈A α且2()W ∈A α.所以，12()W W ∈A α. 故12W W 是A 的不变子空间.设β是12W W +中任一向量，则存在1W 中的向量1β与2W 中的向量2β，使得12=+βββ.则1212()()()()=+=+A A A A βββββ.又1122(),()W W ∈∈A A ββ，所以12()W W ∈+A β. 故12W W +也是A 的不变子空间.证毕.2. 不变子空间与线性变换的矩阵化简 下面我们来看不变子空间的一个应用.定理 4.4.9 设A 是n 维线性空间V 的一个线性变换. 如果1W 与2W 都是A 的不变子空间，且12V W W =⊕，则可在V 中选择一组适当的基，使得A 在这组基下的矩阵具有如下形状：1200⎛⎫ ⎪⎝⎭A A . 证明 设12,,,r εεε是1W 的一组基. 由于12V W W =⊕，则可设1,,r n +εε是2W 的一组基，且121,,,,,,r r n +εεεεε是V 的一组基. 又1W 与2W 都是A 的不变子空间，则可设111111111,11,11,1(),(),(),().r r r r rr r r r r r n r n n r n r nn n a a a a a a a a +++++++=++⎧⎪⎪⎪=++⎪⎨=++⎪⎪⎪=++⎪⎩AA A Aεεεεεεεεεεεε所以，A 在基121,,,,,,r r n +εεεεε下的矩阵是1200⎛⎫ ⎪⎝⎭A A . 其中11111r r rr a a a a ⎛⎫⎪=⎪⎪⎝⎭A ， 1,11,2,1r r r n n r nn a a a a ++++⎛⎫ ⎪= ⎪ ⎪⎝⎭A . 证毕.说明 定理4.4.9反过来也成立. 如果A 在基121,,,,,,r r n +εεεεε下的矩阵是1200⎛⎫ ⎪⎝⎭A A ， 则由12,,,r εεε与1,,r n +εε所生成的子空间都是A 的不变子空间.（请读者自己给出证明）我们将上述定理4.4.9进行推广，其证明是与定理4.4.9类似的. 推论4.4.10 设A 是n 维线性空间V 的一个线性变换. 如果12,,,s W W W 都是A的不变子空间，且12s V W W W =⊕⊕⊕，则可在V 中选择一组适当的基，使得A 在这组基下的矩阵具有如下形状：12s ⎛⎫⎪ ⎪ ⎪ ⎪⎝⎭A A A . 说明 推论4.4.10反过来也是成立的. 即如果A 在基12,,,(1,2,,)ii i ini s =εεε下的矩阵是12s ⎛⎫ ⎪ ⎪ ⎪ ⎪⎝⎭A A A ， 则由12,,,(1,2,,)ii i in i s =εεε所生成的子空间都是A 的不变子空间.由推论4.4.10立刻有：推论4.4.11设A 是n 维线性空间V 的一个线性变换. 如果12,,,n W W W 都是A的一维不变子空间，且12n V W W W =⊕⊕⊕，则可在V 中选择一组适当的基，使得A 在这组基下的矩阵是对角矩阵：12s a a a ⎛⎫ ⎪ ⎪ ⎪ ⎪⎝⎭.说明 定理4.4.9及上面的推论告诉我们两个事实：1）对于一个线性变换A ，如果V 可以分解成一些子空间的直和，则可以选择适当的基，使得A 在这组基下的矩阵是准对角矩阵.2）矩阵相似于准对角矩阵与线性空间分解为不变子空间的直和是相当的.习题A1. 判别下面的变换，哪些是线性变换，哪些不是：1）在线性空间V 中，()=+A ηηα，其中V ∈α是一固定的向量； 2）在线性空间V 中，()=A ηα，其中V ∈α是一固定的向量； 3）在线性空间[]n P x 中，()()f x f x '=A ；4）在线性空间3P 中，221231233(,,)(,,)x x x x x x x =+A ；123123(,,)(0,,0)x x x x x x =A ；123122331(,,)(,,)x x x x x x x x x =+++A ；123123(,,)(0,,0)x x x x x x =++A ；5）在n n P ⨯中，(),=X AXB A 其中,A B 是n n P ⨯中两个固定的矩阵. 2. 证明：21,1,1x x x +++是线性空间3[]P x 的一组基. 并求出线性变换()()f x f x '=A在这组基下的矩阵. 3. 在22P ⨯中定义线性变换1()a b X c d ⎛⎫= ⎪⎝⎭X A ；2()a b c d ⎛⎫=⎪⎝⎭X X A ；3()a b a b c d c d ⎛⎫⎛⎫=⎪ ⎪⎝⎭⎝⎭X X A . 分别求出1A ，2A ，3A 在基11122122,,,E E E E 下的矩阵.4. 设在数域P 上的三维线性空间V 上的线性变换A 在基123,,εεε下的矩阵为111213212223313233a a a a a a a a a ⎛⎫ ⎪= ⎪ ⎪⎝⎭A . 求1）A 在基321,,εεε下的矩阵；2）A 在基123,,k εεε下的矩阵，其中k P ∈，且0k ≠； 3）A 在基1223,,+εεεε下的矩阵.5.设,A B 是线性变换，如果=,-A B B A E 证明：1=,k kk k --A B B AAk 是大于1的正整数.6.设n 阶矩阵A 和B 相似，且A 可逆. 则AB 与BA 相似.7.设V 是数域P 上的二维线性空间，线性变换A 在基12,εε下的矩阵是2110⎛⎫⎪-⎝⎭. 12,ηη也是V 的一组基，且从基12,εε到12,ηη的过渡矩阵为1112-⎛⎫ ⎪-⎝⎭. 求A 在基12,ηη下的矩阵及21,10kk ⎛⎫⎪-⎝⎭为正整数. 8.证明：方阵12n a a a ⎛⎫⎪⎪ ⎪⎪⎝⎭与 12n i i i a a a ⎛⎫ ⎪⎪ ⎪ ⎪ ⎪⎝⎭相似，其中12,,,n i i i 是1,2,,n 的一个排列.9.如果A 和B 相似，C 和D 相似，证明⎛⎫ ⎪⎝⎭00A B 与⎛⎫ ⎪⎝⎭00C D 相似.10.设1234,,,εεεε是四维线性空间V 的一组基，线性变换A 在基1234,,,εεεε下的矩阵是1021121312552212⎛⎫⎪- ⎪⎪⎪--⎝⎭. 1）求A 在基11242234334342,3,,2=-+=--=+=ηεεεηεεεηεεηε下的矩阵； 2）求A 的值域与核；3）在A 的值域中选择一组基，把它扩充为V 的一组基，并求A 在这组基下的矩阵；4）在A 的核中选择一组基，把它扩充为V 的一组基，并求A 在这组基下的矩阵.11. 设W 是线性空间V 的一个子空间，A 是V 的一个线性变换. 证明：如果W 是A 的不变子空间，则可以选择适当的基，使得A 在这组基下的矩阵具有如下形状：⎛⎫ ⎪⎝⎭0A C B . 12.设A 是n 维线性空间V 的可逆的线性变换，W 是V 的子空间，且对于A 不变.证明：W 也是1-A 的不变子空间.习题B1. 设A 是数域P 上n 维线性空间V 上的线性变换，12,W W 是V 的两个子空间，且12V W W =⊕.证明：A 可逆的充分必要条件是12()()V W W =⊕A A .2. 设A 是n 维线性空间V 的一个线性变换，且1n -≠0A ，n=0A. 证明：在V 中存在一组基，使得A 在这组基下的矩阵是0000100001000010⎛⎫ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭. 3. 设A 是有限维线性空间V 的一个线性变换，W 是V 的一个子空间. 证明：1dim ()dim[()]dim W W W -+=0A A.4. 设,A B 是n 维线性空间V 线性变换. 证明：AB 的秩≥A 的秩+B 的秩n -.5. 设12,,,s A A A 是线性空间V 的s 个两两不同的线性变换，则在V 中必存在向量η，使得12(),(),,()s A A A ηηη也两两不同.6. 设,A B 是线性空间V 线性变换，且2=A A ，2=BB . 证明：1）,A B 有相同的值域,⇔==A B B B A A ； 2）,A B 有相同的核,⇔==A B A B A B . 7. 设A 是n 维线性空间V 线性变换. 证明：A 的秩=2A 的秩1()()V V -⇔=⊕0A A.8. 设A 是n 维线性空间V 线性变换，且2=A A . 证明：1）1(){()|}V -=-∈0AA ξξξ；2）若B 是V 线性变换，则1()-0A 与()V A 都是B 的不变子空间⇔=AB B A .。

数分高代定理大全《高等代数》第一章带余除法 对于[]P x 中任意两个多项式()f x 与()g x ，其中()0g x ≠，一定有[]P x 中的多项式(),()q x r x 存在，使()()()()f x q x g x r x =+成立，其中(())(())r x g x ∂<∂或者()0r x =，并且这样的(),()q x r x 是唯一决定的.定理 1 对于数域P 上的任意两个多项式(),()f x g x ，其中()0,()|()g x g x f x ≠的充分必要条件是()g x 除()f x 的余式为零.定理 2 对于[]P x 中任意两个多项式()f x ，()g x ，在[]P x 中存在一个最大公因式()d x ，且()d x 可以表示成()f x ，()g x 的一个组合，即有[]P x 中多项式(),()u x v x 使()()()()()d x u x f x v x g x =+.定理 3 []P x 中两个多项式()f x ，()g x 互素的充分必要条件是有[]P x 中的多项式(),()u x v x 使()()()()1u x f x v x g x +=.定理 4 如果((),())1f x g x =，且()|()()f x g x h x ，那么()|()f x h x .定理 5 如果()p x 是不可约多项式，那么对于任意的两个多项式(),()f x g x ，由()|()()p x f x g x 一定推出()|()p x f x 或者()|()p x g x .&因式分解及唯一性定理 数域P 上每一个次数1≥的多项式()f x 都可以唯一地分解成数域P 上一些不可约多项式的乘积.所谓唯一性是说，如果有两个分解式1212()()()()()()(),s t f x p x p x p x q x q x q x ==那么必有s t =，并且适当排列因式的次序后有()(),1,2,,,i i i p x c q x i s ==其中(1,2,,)i c i s =是一些非零常数.定理 6 如果不可约多项式()p x 是()f x 的k 重因式(1)k ≥，那么它是微商()f x '的1k -重因式.定理 7（余数定理） 用一次多项式x α-去除多项式()f x ，所得的余式是一个常数，这个常数等于函数值()f α.定理 8 []P x 中n 次多项式(0)n ≥在数域P 中的根不可能多于n 个，重根按重数计算.定理 9 如果多项式()f x ，()g x 的次数都不超过n ，而它们对1n +个不同的数121,,n ααα+有相同的值，即()(),1,2,1,i i f g i n αα==+那么()()f x g x =.代数基本定理 每个次数1≥的复系数多项式在复数域中有一根.复系数多项式因式分解定理 每个次数1≥的复系数多项式在复数域上都可以唯一地分解成一次因式的乘积.实系数多项式因式分解定理 每个次数1≥的实系数多项式在实数域上都可以唯一地分解成一次因式与二次不可约因式的乘积.定理 10（高斯（Gauss ）引理） 两个本原多项式的乘积还是本原多项式. 定理 11 如果一非零的整系数多项式能够分解成两个次数较低的有理系数多项式的乘积，那么它一定能分解成两个次数较低的整系数多项式的乘积. 定理 12 设110()n n n n f x a x a x a --=+++是一个整系数多项式，而rs是它的有理根，其中,r s 互素，那么必有0|,|n s a r a .特别地，如果()f x 的首项系数1n a =，那么()f x 的有理根是整根，而且是0a 的因子.)定理 13 （艾森斯坦（Eisenstein ）判别法） 设110()n n n n f x a x a x a --=+++是一个整系数多项式，如果有一个素数p ，使得1.|n p a /； 2.120|,,,n n p a a a --；3.20|p a /那么()f x 在有理数域上是不可约的.第二章 定理 1 对换改变排列的奇偶性. 定理 2 任意一个n 级排列与排列12n 都可以经过一系列对换互变，并且所作对换的个数与这个排列有相同的奇偶性.定理 3 设111212122212n n n n nna a a a a a d a a a =，ij A 表示元素ij a 的代数余子式，则下列公式成立：—1122,,0,.k i k i kn in d k i a A a A a A k i =⎧+++=⎨≠⎩当当 1122,,0,.l j l j nl nj d j a A a A a A j =⎧+++=⎨≠⎩当l 当l定理 4 （克拉默法则） 如果线性方程组11112211211222221122,,n n n n n n nn n n a x a x a x b a x a x a x b a x a x a x b +++=⎧⎪+++=⎪⎨⎪⎪+++=⎩ 的系数矩阵111212122212n n n n nn a a a a a a A a a a ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦的行列式0d A =≠，那么该线性方程组有解，并且解是唯一的，解可以通过系数表为1212,,,,nn d d d x x x d dd===其中j d 是把矩阵A 中第j 列换成方程组的常数项12,,,n b b b 所成的行列式，即1,11,111112,12,12122,1,11,1,2,,.j j n j j n j n j n j n n nna a ab a a a a b a d j n a a a b a -+-+-+==定理 5 如果齐次线性方程组1111221211222211220,0,0n n n nn n nn n a x a x a x a x a x a x a x a x a x +++=⎧⎪+++=⎪⎨⎪⎪+++=⎩的系数矩阵的行列式0A ≠，那么它只有零解.换句话说，如果该方程组有非零解，那么必有0A =.@定理 6 （拉普拉斯定理） 设在行列式D 中任意取定了(11)k k n ≤≤-个行.由这k 行元素所组成的一切k 级子式与它们的代数余子式的乘积的和等于行列式D .定理 7 两个n 级行列式1112121222112n n n n nna a a a a a D a a a =和1112121222212n n n n nnb b b b b b D b b b =的乘积等于一个n 级行列式111212122212n n n n nnc c c c c c C c c c =，其中ij c 是1D 的第i 行元素分别与2D 的第j 列的对应元素乘积之和：1122ij i j i j in nj c a b a b a b =+++.第三章定理 1 在齐次线性方程组1111221211222211220,0,0n n n nn n nn n a x a x a x a x a x a x a x a x a x +++=⎧⎪+++=⎪⎨⎪⎪+++=⎩ 中，如果sn ，那么它必有非零解.定理 2 设12,,r 与1,,,r 2是两个向量组，如果1）向量组12,,r 可以经1,,,r 2线性表出，2）rs ，那么向量组12,,r 必线性相关..定理 3 一向量组的极大线性无关组都含有相同个数的向量 定理 4 矩阵的行秩与列秩相等. 定理 5 n n 矩阵111212122212n n n n nn a a a a a a A a a a ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦的行列式为零的充分必要条件是A 的秩小于n .定理 6 一矩阵的秩是r 的充分必要条件为矩阵中有一个r级子式不为零，同时所有1r级子式全为零.定理 7 （线性方程组有解判别定理） 线性方程组11112211211222221122,,n n n n n n nn n n a x a x a x b a x a x a x b a x a x a x b +++=⎧⎪+++=⎪⎨⎪⎪+++=⎩有解的充分必要条件为它的系数矩阵111212122212n n s s sn a a a a a a A a a a ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦与增广矩阵11121121222212n n s s sn s a a a b a a a b A a a a b ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦有相同的秩。

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。