杭州紫金港培训学校(紫金港专升本)杭州紫金港培训学校(紫金港专升本)
同等学力申硕控制科学与工程学科综合考前辅导矩阵理论第 3 节 / 共 32 节约 25 分钟免费

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。

本节考点: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

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\mathcal AA、B\mathcal BB 表示;ker⁡A\ker\mathcal AkerA 是核,Im A\mathrm{Im}\,\mathcal AImA 是值域;III 是单位矩阵。

线性变换的定义与运算

定义

线性空间 VVV 到自身的映射 A\mathcal AA,如果对任意 α,β∈V\alpha,\beta\in Vα,β∈V、k∈Fk\in\mathbb Fk∈F 都有

A(α+β)=Aα+Aβ,A(kα)=k Aα\mathcal A(\alpha+\beta)=\mathcal A\alpha+\mathcal A\beta,\qquad \mathcal A(k\alpha)=k\,\mathcal A\alphaA(α+β)=Aα+Aβ,A(kα)=kAα

就叫 VVV 上的线性变换。由定义马上得到 A0=0\mathcal A0=0A0=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\alpha\mapsto k\alphaα↦kα;Rn\mathbb R^nRn 上的 x↦Axx\mapsto Axx↦Ax(AAA 是固定的 nnn 阶矩阵);多项式空间上的求导运算 Dp=p′\mathcal D p=p'Dp=p′。反例:平移 α↦α+α0\alpha\mapsto\alpha+\alpha_0α↦α+α0​(α0≠0\alpha_0\neq 0α0​=0),因为它把零向量送到了 α0\alpha_0α0​。

运算

运算定义对应的矩阵(同一组基下)
和(A+B)α=Aα+Bα(\mathcal A+\mathcal B)\alpha=\mathcal A\alpha+\mathcal B\alpha(A+B)α=Aα+BαA+BA+BA+B
数乘(kA)α=k(Aα)(k\mathcal A)\alpha=k(\mathcal A\alpha)(kA)α=k(Aα)kAkAkA
乘积(AB)α=A(Bα)(\mathcal A\mathcal B)\alpha=\mathcal A(\mathcal B\alpha)(AB)α=A(Bα),先作 B\mathcal BB 再作 A\mathcal AAABABAB
逆AA−1=A−1A=\mathcal A\mathcal A^{-1}=\mathcal A^{-1}\mathcal A=AA−1=A−1A= 恒等变换A−1A^{-1}A−1
多项式f(A)=amAm+⋯+a0Ef(\mathcal A)=a_m\mathcal A^m+\cdots+a_0\mathcal Ef(A)=am​Am+⋯+a0​Ef(A)f(A)f(A)

乘积一般不可交换,AB≠BA\mathcal A\mathcal B\neq\mathcal B\mathcal AAB=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 VVV 的一组基 ε1,⋯ ,εn\varepsilon_1,\cdots,\varepsilon_nε1​,⋯,εn​,把每个 Aεj\mathcal A\varepsilon_jAεj​ 用这组基表示,系数按列排成矩阵 AAA:

A(ε1,⋯ ,εn)=(ε1,⋯ ,εn)A\mathcal A(\varepsilon_1,\cdots,\varepsilon_n)=(\varepsilon_1,\cdots,\varepsilon_n)AA(ε1​,⋯,εn​)=(ε1​,⋯,εn​)A

AAA 就是 A\mathcal AA 在这组基下的矩阵。若 α\alphaα 的坐标是 xxx,则 Aα\mathcal A\alphaAα 的坐标是 AxAxAx。

换基后的矩阵

从基 ε\varepsilonε 到基 η\etaη 的过渡矩阵为 PPP,A\mathcal AA 在两组基下的矩阵分别是 AAA、BBB,则 B=P−1APB=P^{-1}APB=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

ker⁡A={α∈V∣Aα=0}Im A={Aα∣α∈V}\begin{aligned} \ker\mathcal A&=\{\alpha\in V\mid \mathcal A\alpha=0\} \\ \mathrm{Im}\,\mathcal A&=\{\mathcal A\alpha\mid \alpha\in V\} \end{aligned}kerAImA​={α∈V∣Aα=0}={Aα∣α∈V}​

两者都是 VVV 的子空间,维数分别叫 A\mathcal AA 的零度和秩。设 A\mathcal AA 在某组基下的矩阵为 AAA:

  • 值域 Im A=span{Aε1,⋯ ,Aεn}\mathrm{Im}\,\mathcal A=\mathrm{span}\{\mathcal A\varepsilon_1,\cdots,\mathcal A\varepsilon_n\}ImA=span{Aε1​,⋯,Aεn​},维数等于 AAA 的秩;
  • 核由齐次方程组 Ax=0Ax=0Ax=0 的解给出坐标,维数等于 nnn 减 AAA 的秩;
  • 所以 dim⁡ker⁡A+dim⁡Im A=n\dim\ker\mathcal A+\dim\mathrm{Im}\,\mathcal A=ndimkerA+dimImA=n。

A\mathcal AA 是单射 ⇔ker⁡A={0}⇔A\Leftrightarrow\ker\mathcal A=\{0\}\Leftrightarrow\mathcal A⇔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\lambdaλ 和非零向量 ξ\xiξ 使 Aξ=λξ\mathcal A\xi=\lambda\xiAξ=λξ,λ\lambdaλ 叫特征值,ξ\xiξ 叫属于 λ\lambdaλ 的特征向量。取定基后化为矩阵问题:

  1. 解特征方程 det⁡(λI−A)=0\det(\lambda I-A)=0det(λI−A)=0,求出全部特征值;
  2. 对每个特征值 λi\lambda_iλi​,解 (λiI−A)x=0(\lambda_iI-A)x=0(λi​I−A)x=0,基础解系就是线性无关的特征向量(的坐标)。

属于 λi\lambda_iλi​ 的全部特征向量加上零向量构成特征子空间 VλiV_{\lambda_i}Vλi​​。

常用性质

  • 全部特征值之和等于迹 trA\mathrm{tr}AtrA,之积等于 det⁡A\det AdetA。
  • 属于不同特征值的特征向量线性无关。
  • 特征值 λi\lambda_iλi​ 作为特征方程的根的重数叫代数重数,dim⁡Vλi=n−rank(A−λiI)\dim V_{\lambda_i}=n-\mathrm{rank}(A-\lambda_iI)dimVλi​​=n−rank(A−λi​I) 叫几何重数,几何重数不超过代数重数。
  • AAA 可对角化 ⇔\Leftrightarrow⇔ AAA 有 nnn 个线性无关的特征向量 ⇔\Leftrightarrow⇔ 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\lambdaλ 都满足 A0=λ0\mathcal A0=\lambda 0A0=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−1APB=P^{-1}APB=P−1AP,AAA 的特征向量 ξ\xiξ 对应 BBB 的特征向量 P−1ξP^{-1}\xiP−1ξ。

  • ❌ dim⁡ker⁡A+dim⁡Im A=n\dim\ker\mathcal A+\dim\mathrm{Im}\,\mathcal A=ndimkerA+dimImA=n,所以 VVV 是核与值域的直和。
    ✅ 维数相加等于 nnn 不等于直和。求导运算 D\mathcal DD 在 F[x]3\mathbb F[x]_3F[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\mathbb F[x]_3F[x]3​ 中取基 1,x,x21,x,x^21,x,x2,求求导运算 D\mathcal DD 的矩阵、核与值域,以及它的特征值。

解:D1=0\mathcal D1=0D1=0,Dx=1\mathcal Dx=1Dx=1,Dx2=2x\mathcal Dx^2=2xDx2=2x,系数按列排:

D=(010002000)D=\begin{pmatrix}0&1&0\\0&0&2\\0&0&0\end{pmatrix}D=​000​100​020​​

DDD 的秩为 2,值域 Im D=span{1,x}\mathrm{Im}\,\mathcal D=\mathrm{span}\{1,x\}ImD=span{1,x},2 维;核是全体常数多项式,1 维,1+2=31+2=31+2=3。DDD 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\mathcal DD 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=(410−210002)A=\begin{pmatrix}4&1&0\\-2&1&0\\0&0&2\end{pmatrix}A=​4−20​110​002​​ 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)\det(\lambda I-A)=(\lambda-2)\big[(\lambda-4)(\lambda-1)+2\big]=(\lambda-2)^2(\lambda-3)det(λI−A)=(λ−2)[(λ−4)(λ−1)+2]=(λ−2)2(λ−3),特征值 2(二重)、3。

λ=2\lambda=2λ=2:A−2IA-2IA−2I 的秩为 1,解得两个线性无关的特征向量 (1,−2,0)T(1,-2,0)^{\mathrm T}(1,−2,0)T、(0,0,1)T(0,0,1)^{\mathrm T}(0,0,1)T,几何重数 2 等于代数重数。λ=3\lambda=3λ=3:特征向量 (1,−1,0)T(1,-1,0)^{\mathrm T}(1,−1,0)T。

共有 3 个线性无关的特征向量,可以对角化:取 P=(101−20−1010)P=\begin{pmatrix}1&0&1\\-2&0&-1\\0&1&0\end{pmatrix}P=​1−20​001​1−10​​,P−1AP=diag(2,2,3)P^{-1}AP=\mathrm{diag}(2,2,3)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−λIA-\lambda IA−λI 的秩;PPP 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\mathcal A0=0A0=0;乘积 AB\mathcal A\mathcal BAB 是先作 B\mathcal BB 再作 A\mathcal AA,对应矩阵 ABABAB。
  • 矩阵按「基的像的坐标」排成列;换基后矩阵变为 P−1APP^{-1}APP−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\det(\lambda I-A)=0det(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。

我要提问免费报名咨询