线性变换及其矩阵表示-完整版

,
2
,
下的坐标
3
;
(3)向量
及T(
)基1,
2
,
下的坐标
3
.
四、特征值与特征向量
定义 设T L(V,V),若存在0 F及V的非零向量 , 使得T =0 ,则称0为T的一个特征值,而为T的属 于特征值0的一个特征向量.
注：特征向量在线性变换作用下保持方位不变 (在同一直线上).
取定V的一组基e1, , en ,设T(e1, , en )=否存在依赖于V所在的数域F，
如矩阵
0 1
01的特征多项式为f ()
1
1 2 1.
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 | (iI-A) X 0} N (iI-A)(解空间).由 亏加秩定理有r(iI-A) dim N (iI-A) n, 所以E(i )的维数为 dim E(i ) n r(iI-A) 称为i的几何重数.
的行列式
-a11 a12 |I-A|= a21 -a22
a1n
-a2 n
-an1 -an2
-ann
的展开式是的一个n次多项式, 其根为A的特征值, 而相应
于(*)式的非零解向量 称为A的属于0的特征向量. 注:1)0是T的特征值 0是A的特征值. 2)是T的特征向量 是A的特征向量,这里，
=(e1, , en ).
2)f保持线性运算,即, F, x, y V ,有f(x y) =f(x） f ( y),
则称V与W同构，记为V W.
同构的线性空间具有完全一致的空间结构和各种运 算规律，故可视为一个空间.
定理3 L(V,V) Fnn.

T 是正交变换 T 保持向量的长度不变 T 把 V（F）的标准正交基变成标准正交基 T 在标准正交基下的矩阵是正交（酉）矩阵 3 正交矩阵和酉矩阵的性质 正交矩阵 C：CTC=I
酉矩阵 U： UHU=I 正交矩阵 C 和酉矩阵 U 有如下性质 1）det C= ±1; |det U|=1. 2） C−1 = CT ;U −1 = U H 3） 正交（酉）矩阵的逆，乘积仍为正交（酉）矩阵
3, 线性变换相关的空间 ★象空间
R(T ) = {β | ∃α ∈Vn (F ), s.t.β = T (α)}
dimR(T)为线性变换 T 的秩 ★零空间
N (T ) = {α | T (α) = 0}
dimN(T)为线性变换 T 的零度。 [例] 求线性变换TA 的象空间和零空间。
4. 线性变换的运算
a2n
an1 an2
ann
⎥⎥⎥⎥⎥⎥⎤⎦
=
[α1,
α 2
,
,
α n
]
A
1.
定义：把
A
称为 T
在基
{α 1
,
α 2
,
,
α n
}
下的矩阵。
对
P4
[X]上的线性变换
D
=
d dx
，
i) 求 D 在基{1，X，X2，X3}下的变换矩阵。
ii)求向量 p(x) = 10− 2x + 2x2 + 3x3 在变换 D 下的象。
四， 正交变换和酉变换 讨论内积空间[V；（α，β）] 中最重要的一类变换。
1 定义
如果变换 T 保持内积： (T α,T β) = (α, β) ，称为内积空间上的正交变换。
空间为欧氏空间，称为正交变换； 空间为酉空间，称为酉变换。

,,
n与1,

2
,,

是线性空间
n
V
中的两组基 ,并且由基 1,2 ,,n到基1, 2 ,, n
的过渡矩阵为 P,V中的线性变换在两组基 下的矩阵
分别为A, B,则有B P1AP.
证明
1, 2 ,, n 1,2 ,,n P T 1,2,,n 1,2,,n A, T 1, 2,, n 1, 2,, n B
该基下的坐标(x1, x2 ,, xn )和该基的像T (1),T (2 )
,T (n )所确定 3.线性变换矩阵
由于T (1),T (2 ),T (n )是V中的向量,所以可由1,
2 ,n线性表示.所以有
T 1 a111 a21 2 an1 n ,
a22

an2

a2n



(
,
1

ann
,,
2
),
n
a
i
2i

,
a ni
定义Rn中的变换 y T (x)为 T( x) Ax,( x Rn),
则T为线性变换.
总结:要证一个变换 T 是线性变换，必须证 T 保持 加法和数量乘法，即
证毕.
定理表明：A 与B 相似,且两个基之间的过渡矩阵 P 就是相似变换矩阵．
例４ 设V 2中的线性变换T在基 1 , 2下的矩阵为
A a11 a12 , a21 a22
求T在基 2 , 1下的矩阵.
解
(
2
,
1)

(
1 ,
2)

0 1
1 , 0

线性变换的矩阵表示与相似矩阵线性代数是数学中一个重要的分支，研究向量空间和线性变换的性质以及相应的代数结构。

在线性代数中，线性变换是其中一个重要的概念，它可以用矩阵表示，并且与相似矩阵有着密切的关系。

一、线性变换的矩阵表示线性变换是指保持向量空间中的线性结构不变的变换。

在二维或三维向量空间中，线性变换可以用一个矩阵来表示。

以二维向量空间为例，设有向量v=(v₁, v₂)，线性变换v将其映射为向量v=(v₁, v₂)，则可以使用矩阵v来表示v的线性变换，即：[v₁] [v₁₁, v₁₂] [v₁][v₂] = [v₂₁, v₂₂] × [v₂]其中，矩阵v=[v₁₁, v₁₂; v₂₁, v₂₂]表示线性变换v的矩阵表示。

这种矩阵表示的好处在于可以简化线性变换的计算，尤其是在高维向量空间中。

二、相似矩阵的定义相似矩阵是指具有相同特征值的矩阵。

设有两个v×v矩阵v和v，如果存在一个可逆矩阵v使得v=v⁻¹vv成立，则称矩阵v和v相似，矩阵v称为相似变换矩阵。

三、线性变换的矩阵表示与相似矩阵的联系线性变换的矩阵表示与相似矩阵有着密切的联系。

以二维向量空间为例，设有一个线性变换v的矩阵表示为v=[v₁₁, v₁₂; v₂₁, v₂₂]，我们希望找到一个矩阵v使得v=v⁻¹vv中的矩阵v与v相似。

根据相似矩阵的定义，我们可以得到v=v⁻¹vv的形式。

对于二维向量空间来说，v为一个2×2的可逆矩阵，假设v=[v₁₁, v₁₂; v₂₁, v₂₂]，则v可表示为：[v₁₁, v₁₂][v₂₁, v₂₂]若要使得v=v⁻¹vv成立，只需令v⁻¹=[v₁₁, v₁₂; v₂₁, v₂₂]即可。

则v的形式为：[v₁₁, v₁₂][v₂₁, v₂₂]通过矩阵相乘的运算可以得到：[v₁₁, v₁₂] [v₁₁, v₁₂][v₂₁, v₂₂] × [v₂₁, v₂₂]由此可以得到v=[v₁₁, v₁₂; v₂₁, v₂₂]与v=[v₁₁, v₁₂;v₂₁, v₂₂]相似的条件为：[v₁₁, v₁₂] [v₁₁, v₁₂][v₂₁, v₂₂] = [v₂₁, v₂₂]也就是说，要使得两个矩阵相似，只需保证其对应位置上的元素相等即可。