矩阵理论(二):线性变换与特征值
对应矩阵理论「二、线性变换」前四条:线性变换的定义与运算,线性变换的矩阵与换基后的相似关系,线性变换的核与值域,特征值与特征向量、代数重数与几何重数、可对角化的条件。
本节导读
这一节对应矩阵理论大纲「二、线性变换」的前四条:「线性变换的定义与运算」「线性变换的矩阵」「线性变换的核与值域」「特征值与特征向量」;第五条「矩阵的若尔当(Jordan)标准形」放到下一节。线性变换是线性空间到自身的保持线性运算的映射,取定一组基后它就对应一个矩阵,于是抽象的变换问题都能化成矩阵计算。
学完要做到:会判断一个映射是不是线性变换;会写出线性变换在给定基下的矩阵,知道换基后矩阵相似;会求核与值域的维数和基;会求特征值、特征向量,判断能否对角化。
本节记号:线性变换用 A、B 表示;kerA 是核,ImA 是值域;I 是单位矩阵。
线性变换的定义与运算
定义
线性空间 V 到自身的映射 A,如果对任意 α,β∈V、k∈F 都有
A(α+β)=Aα+Aβ,A(kα)=kAα就叫 V 上的线性变换。由定义马上得到 A0=0,线性变换把线性相关的向量组变成线性相关的向量组。
常见例子:恒等变换、零变换、数乘变换 α↦kα;Rn 上的 x↦Ax(A 是固定的 n 阶矩阵);多项式空间上的求导运算 Dp=p′。反例:平移 α↦α+α0(α0=0),因为它把零向量送到了 α0。
运算
| 运算 | 定义 | 对应的矩阵(同一组基下) |
|---|---|---|
| 和 | (A+B)α=Aα+Bα | A+B |
| 数乘 | (kA)α=k(Aα) | kA |
| 乘积 | (AB)α=A(Bα),先作 B 再作 A | AB |
| 逆 | AA−1=A−1A= 恒等变换 | A−1 |
| 多项式 | f(A)=amAm+⋯+a0E | f(A) |
乘积一般不可交换,AB=BA;线性变换可逆的充要条件是它在某组基下的矩阵可逆。
线性变换的矩阵
在一组基下的矩阵
取 V 的一组基 ε1,⋯,εn,把每个 Aεj 用这组基表示,系数按列排成矩阵 A:
A(ε1,⋯,εn)=(ε1,⋯,εn)AA 就是 A 在这组基下的矩阵。若 α 的坐标是 x,则 Aα 的坐标是 Ax。
换基后的矩阵
从基 ε 到基 η 的过渡矩阵为 P,A 在两组基下的矩阵分别是 A、B,则 B=P−1AP。所以同一个线性变换在不同基下的矩阵彼此相似;反过来,相似的矩阵可以看作同一个线性变换在不同基下的矩阵。相似矩阵有相同的特征多项式、特征值、行列式、迹和秩。
线性变换的核与值域
kerAImA={α∈V∣Aα=0}={Aα∣α∈V}两者都是 V 的子空间,维数分别叫 A 的零度和秩。设 A 在某组基下的矩阵为 A:
- 值域 ImA=span{Aε1,⋯,Aεn},维数等于 A 的秩;
- 核由齐次方程组 Ax=0 的解给出坐标,维数等于 n 减 A 的秩;
- 所以 dimkerA+dimImA=n。
A 是单射 ⇔kerA={0}⇔A 可逆(有限维时)。
特征值与特征向量
定义与求法
若有数 λ 和非零向量 ξ 使 Aξ=λξ,λ 叫特征值,ξ 叫属于 λ 的特征向量。取定基后化为矩阵问题:
- 解特征方程 det(λI−A)=0,求出全部特征值;
- 对每个特征值 λi,解 (λiI−A)x=0,基础解系就是线性无关的特征向量(的坐标)。
属于 λi 的全部特征向量加上零向量构成特征子空间 Vλi。
常用性质
- 全部特征值之和等于迹 trA,之积等于 detA。
- 属于不同特征值的特征向量线性无关。
- 特征值 λi 作为特征方程的根的重数叫代数重数,dimVλi=n−rank(A−λiI) 叫几何重数,几何重数不超过代数重数。
- A 可对角化 ⇔ A 有 n 个线性无关的特征向量 ⇔ 每个特征值的几何重数都等于代数重数。特征值互不相同时一定可对角化。
易错提醒
-
❌ 特征向量可以是零向量。
✅ 特征向量必须非零;零向量对任何 λ 都满足 A0=λ0,没有意义。 -
❌ 相似矩阵的特征向量也相同。
✅ 相似矩阵特征值相同,特征向量一般不同:若 B=P−1AP,A 的特征向量 ξ 对应 B 的特征向量 P−1ξ。 -
❌ dimkerA+dimImA=n,所以 V 是核与值域的直和。
✅ 维数相加等于 n 不等于直和。求导运算 D 在 F[x]3 上的核是常数多项式,它同时也在值域里。 -
❌ 有重特征值的矩阵不能对角化。
✅ 重特征值对应的线性无关特征向量够数,照样能对角化,下面例题 2 就是。
例题精讲
例题 1(计算:求导运算的矩阵、核与值域)
在 F[x]3 中取基 1,x,x2,求求导运算 D 的矩阵、核与值域,以及它的特征值。
解:D1=0,Dx=1,Dx2=2x,系数按列排:
D=000100020D 的秩为 2,值域 ImD=span{1,x},2 维;核是全体常数多项式,1 维,1+2=3。D 是对角元全为 0 的上三角矩阵,特征值只有 0(三重),属于 0 的特征向量是非零常数多项式,几何重数为 1,D 不能对角化。
点评:矩阵按「像的坐标排成列」来写;求导把次数降一次,所以核是常数、值域少了最高次项。
例题 2(计算:特征值、特征向量与对角化)
求 A=4−20110002 的特征值和特征向量,判断能否对角化。
解:按第三列展开,det(λI−A)=(λ−2)[(λ−4)(λ−1)+2]=(λ−2)2(λ−3),特征值 2(二重)、3。
λ=2:A−2I 的秩为 1,解得两个线性无关的特征向量 (1,−2,0)T、(0,0,1)T,几何重数 2 等于代数重数。λ=3:特征向量 (1,−1,0)T。
共有 3 个线性无关的特征向量,可以对角化:取 P=1−200011−10,P−1AP=diag(2,2,3)。
点评:先看特征值有没有重根,有重根就去算 A−λI 的秩;P 的列与对角线上的特征值次序要对应。
本节小结
- 线性变换保持加法与数乘,A0=0;乘积 AB 是先作 B 再作 A,对应矩阵 AB。
- 矩阵按「基的像的坐标」排成列;换基后矩阵变为 P−1AP,同一线性变换的不同矩阵彼此相似。
- 核与值域都是子空间,零度加秩等于空间维数,但不一定构成直和。
- 特征值由 det(λI−A)=0 求,特征向量必须非零;可对角化看几何重数是否都等于代数重数。
学完练一练
按本节考点从本课的课后练习里抽题(每次 10 道以内),做完看解析、错题自动进错题本。
本节内容由 AI 辅助编写,配图由 AI 生成,仅供备考参考;考试要求以《全国各类成人高等学校招生考试大纲(2024 年版)》及浙江省教育考试院当年公布为准。