first commit
This commit is contained in:
@@ -0,0 +1,626 @@
|
||||
# 📌 第六章 线性空间与线性变换 考研核心通关笔记
|
||||
|
||||
> 线性代数的"几何骨架"——把抽象运算对应到矩阵语言,是数一考研的"压轴概念"
|
||||
|
||||
---
|
||||
|
||||
## ① 本章核心知识框架 (Core Concept Map)
|
||||
|
||||
### 6.1 线性空间的定义与基本性质
|
||||
|
||||
#### 一、线性空间的定义
|
||||
|
||||
设 $V$ 是一个非空集合,$F$ 是一个数域(实数域 $\mathbb{R}$ 或复数域 $\mathbb{C}$)。若 $V$ 上定义了两种运算:
|
||||
- **加法** $\oplus: V \times V \to V$
|
||||
- **数乘** $\odot: F \times V \to V$
|
||||
|
||||
且满足以下 **8 条公理**,则称 $(V, \oplus, \odot)$ 为数域 $F$ 上的**线性空间**。
|
||||
|
||||
#### 二、8 条公理(加法 4 条 + 数乘 4 条)
|
||||
|
||||
**加法公理($\forall \alpha, \beta, \gamma \in V$)**:
|
||||
|
||||
| # | 公理 | 内容 |
|
||||
|---|------|------|
|
||||
| 1 | 加法交换律 | $\alpha \oplus \beta = \beta \oplus \alpha$ |
|
||||
| 2 | 加法结合律 | $(\alpha \oplus \beta) \oplus \gamma = \alpha \oplus (\beta \oplus \gamma)$ |
|
||||
| 3 | 零元存在 | $\exists \mathbf{0} \in V,\ \forall \alpha,\ \alpha \oplus \mathbf{0} = \alpha$ |
|
||||
| 4 | 负元存在 | $\forall \alpha,\ \exists \beta,\ \alpha \oplus \beta = \mathbf{0}$(记 $\beta = -\alpha$) |
|
||||
|
||||
**数乘公理($\forall \alpha, \beta \in V,\ \forall k, l \in F$)**:
|
||||
|
||||
| # | 公理 | 内容 |
|
||||
|---|------|------|
|
||||
| 5 | 数乘对加法结合 | $k \odot (\alpha \oplus \beta) = (k \odot \alpha) \oplus (k \odot \beta)$ |
|
||||
| 6 | 数乘对数结合 | $(k + l) \odot \alpha = (k \odot \alpha) \oplus (l \odot \alpha)$ |
|
||||
| 7 | 数乘分配律 | $(kl) \odot \alpha = k \odot (l \odot \alpha)$ |
|
||||
| 8 | 单位元 | $1 \odot \alpha = \alpha$ |
|
||||
|
||||
> ⚠️ **考试陷阱**:8 条公理**全部要验证**——尤其当 $V$ 是函数集合、矩阵集合时,加法交换律、零元存在、负元存在**极易遗漏**。
|
||||
|
||||
*极简例子:* $V = \mathbb{R}^3$,$F = \mathbb{R}$,加法为向量逐分量相加、数乘为标量乘各分量 → 满足 8 条公理,是线性空间。
|
||||
|
||||
#### 三、线性空间的基本性质(推论)
|
||||
|
||||
由 8 条公理可推出:
|
||||
|
||||
$$
|
||||
0 \cdot \alpha = \mathbf{0}, \qquad k \cdot \mathbf{0} = \mathbf{0}, \qquad (-1) \cdot \alpha = -\alpha
|
||||
$$
|
||||
|
||||
若 $k \cdot \alpha = \mathbf{0}$,则 $k = 0$ 或 $\alpha = \mathbf{0}$。
|
||||
|
||||
#### 四、子空间
|
||||
|
||||
设 $W \subseteq V$($W \neq \varnothing$),若 $W$ 对 $V$ 的加法和数乘**封闭**,则 $W$ 是 $V$ 的**子空间**。
|
||||
|
||||
**判定定理**:
|
||||
$$
|
||||
W \text{ 是 } V \text{ 的子空间} \iff \forall \alpha, \beta \in W,\ \forall k, l \in F,\ k\alpha + l\beta \in W
|
||||
$$
|
||||
|
||||
**充要条件**(更常用):
|
||||
$$
|
||||
W \subseteq V \text{ 是子空间} \iff \begin{cases} W \neq \varnothing \ (\mathbf{0} \in W) \\ \forall \alpha, \beta \in W,\ \alpha + \beta \in W \\ \forall \alpha \in W,\ \forall k \in F,\ k\alpha \in W \end{cases}
|
||||
$$
|
||||
|
||||
*极简例子:* $V = \mathbb{R}^3$,$W = \{(x,y,0) \mid x, y \in \mathbb{R}\}$($xy$ 平面)→ $W$ 是 $V$ 的子空间。
|
||||
|
||||
> 🔑 **核心思想**:子空间判定**不需验证 8 条公理**,只需验证**非空 + 两种封闭性**。
|
||||
|
||||
#### 五、常见线性空间
|
||||
|
||||
| 空间 | 元素 | 加法 | 数乘 |
|
||||
|------|------|------|------|
|
||||
| $\mathbb{R}^n$ | $n$ 维向量 | 向量加法 | 标量乘 |
|
||||
| $M_{m \times n}(\mathbb{R})$ | $m \times n$ 矩阵 | 矩阵加法 | 标量乘 |
|
||||
| $P[x]_n$ | 次数 $\le n$ 的多项式 | 多项式加法 | 标量乘 |
|
||||
| $C[a,b]$ | 闭区间连续函数 | 函数加法 | 标量乘 |
|
||||
|
||||
---
|
||||
|
||||
### 6.2 维数、基与坐标
|
||||
|
||||
#### 一、线性组合与张成
|
||||
|
||||
- **线性组合**:$\alpha = k_1 \alpha_1 + k_2 \alpha_2 + \cdots + k_m \alpha_m$($\alpha$ 称为 $\alpha_1, \ldots, \alpha_m$ 的线性组合)
|
||||
- **张成(生成)子空间**:$\text{span}(\alpha_1, \ldots, \alpha_m) = \{k_1\alpha_1 + \cdots + k_m\alpha_m \mid k_i \in F\}$
|
||||
|
||||
*极简例子:* $\text{span}\begin{pmatrix} 1 \\ 0 \\ 0 \end{pmatrix}, \begin{pmatrix} 0 \\ 1 \\ 0 \end{pmatrix} = \{(x, y, 0)^T \mid x, y \in \mathbb{R}\}$($\mathbb{R}^3$ 中的 $xy$ 平面)。
|
||||
|
||||
#### 二、线性相关与线性无关
|
||||
|
||||
- **线性相关**:$\exists$ 不全为 0 的 $k_1, \ldots, k_m$ 使 $k_1\alpha_1 + \cdots + k_m\alpha_m = \mathbf{0}$
|
||||
- **线性无关**:当且仅当 $k_1 = k_2 = \cdots = k_m = 0$ 时才有 $k_1\alpha_1 + \cdots + k_m\alpha_m = \mathbf{0}$
|
||||
|
||||
> 等价说法:向量组 $\alpha_1, \ldots, \alpha_m$ 线性相关 $\iff$ 至少有一个向量可由其余向量线性表示。
|
||||
|
||||
#### 三、基与维数
|
||||
|
||||
- **基**:$V$ 中**线性无关**且**张成 $V$** 的向量组($\alpha_1, \alpha_2, \ldots, \alpha_n$)
|
||||
- **维数**:基所含向量个数,记为 $\dim V$
|
||||
|
||||
$$
|
||||
V = \text{span}(\alpha_1, \ldots, \alpha_n),\ \alpha_1, \ldots, \alpha_n \text{ 线性无关} \iff \alpha_1, \ldots, \alpha_n \text{ 是 } V \text{ 的一组基}
|
||||
$$
|
||||
|
||||
*极简例子:* $\mathbb{R}^3$ 的标准基 $\varepsilon_1 = (1,0,0)^T, \varepsilon_2 = (0,1,0)^T, \varepsilon_3 = (0,0,1)^T$,$\dim \mathbb{R}^3 = 3$。
|
||||
|
||||
#### 四、坐标
|
||||
|
||||
设 $\alpha_1, \alpha_2, \ldots, \alpha_n$ 是 $V$ 的一组基,$\forall \alpha \in V$ 唯一存在 $x_1, x_2, \ldots, x_n \in F$ 使
|
||||
|
||||
$$
|
||||
\alpha = x_1 \alpha_1 + x_2 \alpha_2 + \cdots + x_n \alpha_n
|
||||
$$
|
||||
|
||||
称 $(x_1, x_2, \ldots, x_n)^T$ 为 $\alpha$ **在基** $\alpha_1, \alpha_2, \ldots, \alpha_n$ **下的坐标**,记作
|
||||
|
||||
$$
|
||||
[\alpha]_{\mathcal{A}} = \begin{pmatrix} x_1 \\ x_2 \\ \vdots \\ x_n \end{pmatrix}
|
||||
$$
|
||||
|
||||
> ⚠️ **考试陷阱**:坐标**依赖于基的选取**——换基,坐标变!
|
||||
|
||||
#### 五、维数公式
|
||||
|
||||
$$
|
||||
\dim(U + W) = \dim U + \dim W - \dim(U \cap W) \quad \text{(适用于有限维)}
|
||||
$$
|
||||
|
||||
*极简例子:* $\mathbb{R}^3$ 中 $U = \{(x,y,0)\}$, $W = \{(0,y,z)\}$,则 $U + W = \mathbb{R}^3$,$U \cap W = \{(0,y,0)\}$,公式 $= 2 + 2 - 1 = 3$ ✓。
|
||||
|
||||
---
|
||||
|
||||
### 6.3 基变换与坐标变换
|
||||
|
||||
#### 一、过渡矩阵
|
||||
|
||||
设 $\mathcal{A} = (\alpha_1, \ldots, \alpha_n)$ 与 $\mathcal{B} = (\beta_1, \ldots, \beta_n)$ 是 $V$ 的两组基。若
|
||||
|
||||
$$
|
||||
(\beta_1, \beta_2, \ldots, \beta_n) = (\alpha_1, \alpha_2, \ldots, \alpha_n) P
|
||||
$$
|
||||
|
||||
则 $n$ 阶矩阵 $P$ 称为从基 $\mathcal{A}$ 到基 $\mathcal{B}$ 的**过渡矩阵**($P$ 的第 $j$ 列是 $\beta_j$ 在基 $\mathcal{A}$ 下的坐标)。
|
||||
|
||||
> 🔑 **关键**:$P$ **可逆**(两组基必可互表)。
|
||||
|
||||
*极简例子:* $\mathbb{R}^2$ 中 $\mathcal{A} = \varepsilon_1, \varepsilon_2$,$\mathcal{B} = \beta_1 = (1,1)^T, \beta_2 = (1, -1)^T$,
|
||||
则 $P = \begin{pmatrix} 1 & 1 \\ 1 & -1 \end{pmatrix}$。
|
||||
|
||||
#### 二、坐标变换公式
|
||||
|
||||
设 $\alpha \in V$ 在基 $\mathcal{A}$ 下的坐标为 $x$,在基 $\mathcal{B}$ 下的坐标为 $y$,$P$ 为从 $\mathcal{A}$ 到 $\mathcal{B}$ 的过渡矩阵。则:
|
||||
|
||||
$$
|
||||
\boxed{[\alpha]_{\mathcal{B}} = P^{-1} [\alpha]_{\mathcal{A}}}
|
||||
$$
|
||||
|
||||
或等价地:
|
||||
|
||||
$$
|
||||
[\alpha]_{\mathcal{A}} = P [\alpha]_{\mathcal{B}}
|
||||
$$
|
||||
|
||||
> ⚠️ **致命陷阱**:题目常反问"已知 $\mathcal{B}$ 到 $\mathcal{A}$ 的过渡矩阵 $Q$"——此时 $[\alpha]_{\mathcal{B}} = Q [\alpha]_{\mathcal{A}}$。**务必看清过渡方向**!
|
||||
|
||||
#### 三、过渡矩阵的性质
|
||||
|
||||
| 性质 | 内容 |
|
||||
|------|------|
|
||||
| 可逆性 | $P_{\mathcal{A} \to \mathcal{B}}$ 必可逆 |
|
||||
| 逆向 | $P_{\mathcal{B} \to \mathcal{A}} = P_{\mathcal{A} \to \mathcal{B}}^{-1}$ |
|
||||
| 传递性 | $P_{\mathcal{A} \to \mathcal{C}} = P_{\mathcal{A} \to \mathcal{B}} \cdot P_{\mathcal{B} \to \mathcal{C}}$ |
|
||||
|
||||
---
|
||||
|
||||
### 6.4 线性变换的定义与性质
|
||||
|
||||
#### 一、线性变换的定义
|
||||
|
||||
设 $V, U$ 是数域 $F$ 上两个线性空间,$T: V \to U$ 是映射。若 $\forall \alpha, \beta \in V,\ \forall k \in F$:
|
||||
|
||||
$$
|
||||
T(\alpha + \beta) = T(\alpha) + T(\beta), \qquad T(k\alpha) = kT(\alpha)
|
||||
$$
|
||||
|
||||
则称 $T$ 为 $V$ 到 $U$ 的**线性变换**($V = U$ 时);$T: V \to U$ 称为**线性映射**。
|
||||
|
||||
> 等价形式:$T(k_1\alpha_1 + k_2\alpha_2) = k_1 T(\alpha_1) + k_2 T(\alpha_2)$
|
||||
|
||||
*极简例子:* $T: \mathbb{R}^2 \to \mathbb{R}^2$,$T(x, y) = (x + y, x - y)$ → 验证 $T(\alpha + \beta) = T(\alpha) + T(\beta)$ 与 $T(k\alpha) = kT(\alpha)$ 即可。
|
||||
|
||||
#### 二、线性变换的判定
|
||||
|
||||
判定 $T$ 是线性变换的充要条件(**合并验证**):
|
||||
|
||||
$$
|
||||
\forall \alpha, \beta \in V,\ \forall k, l \in F,\quad T(k\alpha + l\beta) = kT(\alpha) + lT(\beta)
|
||||
$$
|
||||
|
||||
#### 三、像、核与秩
|
||||
|
||||
设 $T: V \to U$ 是线性变换:
|
||||
|
||||
- **像(值域)**:$\text{Im}(T) = R(T) = \{T(\alpha) \mid \alpha \in V\}$
|
||||
- **核(零空间)**:$\ker(T) = N(T) = \{\alpha \in V \mid T(\alpha) = \mathbf{0}\}$
|
||||
- **秩**:$\text{r}(T) = \dim R(T)$
|
||||
- **零度**:$\text{nullity}(T) = \dim N(T)$
|
||||
|
||||
**秩-零度定理**(线性变换的基本定理):
|
||||
$$
|
||||
\boxed{\dim V = \dim R(T) + \dim N(T) = \text{r}(T) + \text{nullity}(T)}
|
||||
$$
|
||||
|
||||
*极简例子:* $T: \mathbb{R}^3 \to \mathbb{R}^3$,$T(x,y,z) = (x, y, 0)$,则 $R(T) = \{(x,y,0)\}$($\dim = 2$),$N(T) = \{(0,0,z)\}$($\dim = 1$),$2 + 1 = 3 = \dim \mathbb{R}^3$ ✓。
|
||||
|
||||
#### 四、重要性质
|
||||
|
||||
- $T(\mathbf{0}) = \mathbf{0}$
|
||||
- $T(-\alpha) = -T(\alpha)$
|
||||
- $T$ 线性 $\Rightarrow$ $T$ 把线性相关组映射为线性相关组(反之不成立)
|
||||
- $T$ 把线性无关组映射到**不一定**线性无关
|
||||
|
||||
#### 五、特殊线性变换
|
||||
|
||||
| 变换 | 定义 |
|
||||
|------|------|
|
||||
| **恒等变换** | $\mathcal{I}(\alpha) = \alpha$ |
|
||||
| **零变换** | $\mathcal{O}(\alpha) = \mathbf{0}$ |
|
||||
| **投影变换** | $P(x, y, z) = (x, y, 0)$ |
|
||||
| **数乘变换** | $k\mathcal{I}(\alpha) = k\alpha$ |
|
||||
|
||||
---
|
||||
|
||||
### 6.5 线性变换的矩阵表示式
|
||||
|
||||
#### 一、矩阵表示定理
|
||||
|
||||
设 $\mathcal{A} = (\alpha_1, \ldots, \alpha_n)$ 是 $V$ 的一组基,$T: V \to V$ 是线性变换。则
|
||||
|
||||
$$
|
||||
(T(\alpha_1), T(\alpha_2), \ldots, T(\alpha_n)) = (\alpha_1, \alpha_2, \ldots, \alpha_n) A
|
||||
$$
|
||||
|
||||
唯一确定了 $n$ 阶矩阵 $A$,$A$ 称为 $T$ **在基 $\mathcal{A}$ 下的矩阵**。
|
||||
|
||||
> **关键**:$A$ 的第 $j$ 列 $= T(\alpha_j)$ 在基 $\mathcal{A}$ 下的坐标。
|
||||
|
||||
#### 二、矩阵与变换的对应
|
||||
|
||||
$$
|
||||
T(\alpha) \text{ 的坐标} = A \cdot [\alpha]_{\mathcal{A}}
|
||||
$$
|
||||
|
||||
或
|
||||
|
||||
$$
|
||||
[T(\alpha)]_{\mathcal{A}} = A \cdot [\alpha]_{\mathcal{A}}
|
||||
$$
|
||||
|
||||
*极简例子:* $\mathbb{R}^2$ 中基 $\varepsilon_1, \varepsilon_2$,$T(\varepsilon_1) = (1, 2)^T$,$T(\varepsilon_2) = (3, 4)^T$,则 $A = \begin{pmatrix} 1 & 3 \\ 2 & 4 \end{pmatrix}$。
|
||||
|
||||
#### 三、矩阵表示的唯一性
|
||||
|
||||
**定理**:$T$ 在**给定基** $\mathcal{A}$ 下的矩阵**唯一**;反之,给定 $A$ 也能构造 $T$。
|
||||
|
||||
#### 四、矩阵表示的变换
|
||||
|
||||
设 $\mathcal{A}, \mathcal{B}$ 是 $V$ 的两组基,$P$ 为从 $\mathcal{A}$ 到 $\mathcal{B}$ 的过渡矩阵,$A, B$ 分别为 $T$ 在 $\mathcal{A}, \mathcal{B}$ 下的矩阵。则:
|
||||
|
||||
$$
|
||||
\boxed{B = P^{-1} A P}
|
||||
$$
|
||||
|
||||
> 这是**相似变换**的本质!$A, B$ 相似。
|
||||
|
||||
*极简例子:* $A$ 在 $\mathcal{A}$ 下的矩阵,$P$ 是从 $\mathcal{A}$ 到 $\mathcal{B}$ 的过渡矩阵,则 $B = P^{-1} A P$ 是 $T$ 在 $\mathcal{B}$ 下的矩阵。
|
||||
|
||||
#### 五、运算与矩阵的对应
|
||||
|
||||
| 线性变换 | 矩阵对应 |
|
||||
|---------|---------|
|
||||
| $T_1 + T_2$ | $A_1 + A_2$ |
|
||||
| $kT$ | $kA$ |
|
||||
| $T_1 \circ T_2$($T_2$ 先作用)| $A_1 A_2$ |
|
||||
| $T^{-1}$ | $A^{-1}$ |
|
||||
| $\mathcal{I}$(恒等变换) | $E$(单位阵) |
|
||||
|
||||
#### 六、线性变换可逆的充要条件
|
||||
|
||||
$T$ 可逆 $\iff$ $A$ 可逆 $\iff$ $\det A \neq 0$ $\iff$ $\text{r}(A) = n$。
|
||||
|
||||
---
|
||||
|
||||
### 6.6 习题六(综合训练)
|
||||
|
||||
本章习题综合运用上述 6 节内容。典型题型:
|
||||
|
||||
1. 验证非空集合是否构成线性空间(验证 8 条公理)
|
||||
2. 验证子空间(验证非空 + 两种封闭性)
|
||||
3. 求向量组的基与维数
|
||||
4. 求向量在给定基下的坐标
|
||||
5. 求过渡矩阵
|
||||
6. 验证给定映射是否为线性变换
|
||||
7. 求线性变换在给定基下的矩阵
|
||||
8. 已知 $T(\alpha_1), T(\alpha_2)$ 反求 $T$ 的矩阵
|
||||
|
||||
> 详见 [[题型1_线性空间判定]]、[[题型2_基与坐标的计算]]、[[题型3_基变换与坐标变换]]、[[题型4_线性变换的判定]]、[[题型5_线性变换的矩阵表示]]、[[题型6_线性变换的特征值与对角化]]。
|
||||
|
||||
---
|
||||
|
||||
## ② 必考题型分类索引
|
||||
|
||||
> 每个题型独立成文,包含完整的 mermaid 解题流程图、通法步骤、常见陷阱和经典母题。
|
||||
|
||||
| # | 题型 | 核心判据 | 详细笔记 |
|
||||
|---|------|---------|---------|
|
||||
| 1 | 线性空间与子空间判定 | 验证 8 条公理 / 非空 + 封闭性 | [[题型1_线性空间判定]] |
|
||||
| 2 | 基、维数与坐标的计算 | 线性无关 + 张成 / 唯一线性表示 | [[题型2_基与坐标的计算]] |
|
||||
| 3 | 基变换与坐标变换 | 过渡矩阵 $P$ 与 $P^{-1}$ | [[题型3_基变换与坐标变换]] |
|
||||
| 4 | 线性变换的判定 | $T(k\alpha + l\beta) = kT(\alpha) + lT(\beta)$ | [[题型4_线性变换的判定]] |
|
||||
| 5 | 线性变换的矩阵表示 | 矩阵 $A$ 的列 = $T(\alpha_j)$ 的坐标 | [[题型5_线性变换的矩阵表示]] |
|
||||
| 6 | 线性变换的特征值与对角化 | $\det(\lambda E - A) = 0$ | [[题型6_线性变换的特征值与对角化]] |
|
||||
|
||||
---
|
||||
|
||||
## ③ 高频考点与多维变换
|
||||
|
||||
### Top 5 高频考点
|
||||
|
||||
| 排名 | 考点 | 近15年考频 | 典型分值 |
|
||||
|------|------|-----------|---------|
|
||||
| 1 | 线性变换在给定基下的矩阵 | 10次 | 6-10分 |
|
||||
| 2 | 坐标变换(过渡矩阵反求) | 8次 | 6分 |
|
||||
| 3 | 基变换与坐标变换公式 | 6次 | 4-6分 |
|
||||
| 4 | 线性变换的判定与像/核 | 5次 | 4分 |
|
||||
| 5 | 子空间判定(函数/矩阵集合) | 4次 | 4分 |
|
||||
|
||||
### 【示例:一题多角度】
|
||||
|
||||
**核心概念**:同一个线性变换,三种考法层次
|
||||
|
||||
> **同一变换**:$T: \mathbb{R}^3 \to \mathbb{R}^3$,$T(x_1, x_2, x_3) = (x_1 + x_2, x_2 + x_3, x_1 + x_3)$
|
||||
|
||||
**角度一:选择题(概念辨析)**
|
||||
|
||||
下列关于 $T$ 的描述哪个错误?
|
||||
- (A) $T$ 是线性变换
|
||||
- (B) $T$ 在标准基下的矩阵为 $\begin{pmatrix} 1 & 1 & 0 \\ 0 & 1 & 1 \\ 1 & 0 & 1 \end{pmatrix}$
|
||||
- (C) $T$ 必可逆
|
||||
- (D) $T$ 的核为 $\{(0,0,0)\}$
|
||||
|
||||
**答案**:(C) 错误——$\det A = 0$,故 $T$ 不可逆;(D) 错误——$N(T) \neq \{(0,0,0)\}$(因 $A$ 不可逆)。
|
||||
|
||||
**角度二:填空题(矩阵表示)**
|
||||
|
||||
求 $T$ 在标准基 $\varepsilon_1, \varepsilon_2, \varepsilon_3$ 下的矩阵 $A$。
|
||||
|
||||
**解**:$T(\varepsilon_1) = (1, 0, 1)^T$,$T(\varepsilon_2) = (1, 1, 0)^T$,$T(\varepsilon_3) = (0, 1, 1)^T$,故 $A = \begin{pmatrix} 1 & 1 & 0 \\ 0 & 1 & 1 \\ 1 & 0 & 1 \end{pmatrix}$。
|
||||
|
||||
**角度三:解答题(综合求矩阵 + 特征值)**
|
||||
|
||||
已知 $T$ 在基 $\alpha_1 = (1, 0, 1)^T, \alpha_2 = (1, 1, 0)^T, \alpha_3 = (0, 1, 1)^T$ 下的矩阵 $B = \begin{pmatrix} 1 & 2 & 3 \\ 0 & 1 & 2 \\ 0 & 0 & 1 \end{pmatrix}$,求 $T$ 在标准基下的矩阵 $A$。
|
||||
|
||||
**解**:设 $P = (\alpha_1, \alpha_2, \alpha_3)$,则 $A = P B P^{-1}$(其中 $P$ 为 $\alpha_1, \alpha_2, \alpha_3$ 构成的矩阵)。
|
||||
|
||||
**启示**:同一个变换,选择题考概念、填空考矩阵表示、解答考多基下的矩阵关系——三种深度都要掌握。
|
||||
|
||||
---
|
||||
|
||||
## ④ 方法论与解题通法 (Methodology)
|
||||
|
||||
### 方法〇:线性空间与变换的"五层决策树"
|
||||
|
||||
```
|
||||
线性空间 / 线性变换问题
|
||||
├── 第一层:定型
|
||||
│ ├── 验证线性空间?→ 8 条公理
|
||||
│ ├── 验证子空间?→ 非空 + 两种封闭性
|
||||
│ ├── 求基与维数?→ 极大无关组
|
||||
│ ├── 求坐标?→ 线性方程组
|
||||
│ ├── 求过渡矩阵?→ 解线性方程组
|
||||
│ ├── 验证线性变换?→ 合并验证
|
||||
│ └── 求矩阵表示?→ 列向量法
|
||||
├── 第二层:选策略
|
||||
│ ├── 8 条公理 → 逐条验证
|
||||
│ ├── 子空间 → 验证 0 ∈ W + 加法封闭 + 数乘封闭
|
||||
│ ├── 坐标 → 转化为线性方程组
|
||||
│ ├── 过渡矩阵 → 用新基向量在旧基下表示
|
||||
│ └── 矩阵表示 → 用基向量的像
|
||||
└── 第三层:执行
|
||||
├── 化为行阶梯形 → 求秩 / 极大无关组
|
||||
├── 联立方程组 → 求坐标
|
||||
└── 计算 $P^{-1} A P$ → 矩阵变换
|
||||
```
|
||||
|
||||
### 方法一:8 条公理的验证模板
|
||||
|
||||
**验证流程**:
|
||||
1. **加法封闭性**:$\forall \alpha, \beta \in V,\ \alpha + \beta \in V$
|
||||
2. **数乘封闭性**:$\forall \alpha \in V,\ k \in F,\ k\alpha \in V$
|
||||
3. **8 条公理**:逐条验证(通常 1, 2, 5, 6, 7, 8 + 零元 + 负元)
|
||||
|
||||
> **判断依据**:题目给出"集合 $V$ + 两种运算 + 数域 $F$" → 直接验证 8 条公理。
|
||||
|
||||
### 方法二:子空间判定的"三步法"
|
||||
|
||||
**口诀**:**"零元 + 加法封闭 + 数乘封闭"**
|
||||
|
||||
- 验证 $\mathbf{0} \in W$(或证 $W \neq \varnothing$)
|
||||
- 验证 $\forall \alpha, \beta \in W,\ \alpha + \beta \in W$
|
||||
- 验证 $\forall \alpha \in W,\ \forall k \in F,\ k\alpha \in W$
|
||||
|
||||
> ⚠️ **注意**:常考题型是"验证 $W$ 是否构成 $V$ 的子空间"——只需验证封闭性,**不需要验证 8 条公理**!
|
||||
|
||||
### 方法三:坐标计算的"方程组法"
|
||||
|
||||
**核心思想**:求 $\alpha$ 在基 $\alpha_1, \ldots, \alpha_n$ 下的坐标 → 转化为**线性方程组**。
|
||||
|
||||
令 $\alpha = x_1\alpha_1 + \cdots + x_n\alpha_n$,得到
|
||||
|
||||
$$
|
||||
(\alpha_1, \alpha_2, \ldots, \alpha_n) \begin{pmatrix} x_1 \\ x_2 \\ \vdots \\ x_n \end{pmatrix} = \alpha
|
||||
$$
|
||||
|
||||
令 $P = (\alpha_1, \ldots, \alpha_n)$,则 $x = P^{-1}\alpha$(前提:$\alpha_1, \ldots, \alpha_n$ 线性无关)。
|
||||
|
||||
### 方法四:过渡矩阵与坐标变换的"方向辨析"
|
||||
|
||||
**核心口诀**:**"看 $P$ 是从哪到哪"**
|
||||
|
||||
$$
|
||||
(\beta_1, \ldots, \beta_n) = (\alpha_1, \ldots, \alpha_n) P \implies P \text{ 是从 } \mathcal{A} \text{ 到 } \mathcal{B}
|
||||
$$
|
||||
|
||||
$$
|
||||
[\alpha]_{\mathcal{B}} = P^{-1} [\alpha]_{\mathcal{A}}
|
||||
$$
|
||||
|
||||
> ⚠️ **关键**:若题目反问"$Q$ 是从 $\mathcal{B}$ 到 $\mathcal{A}$" → 公式变为 $x_{\mathcal{A}} = Q x_{\mathcal{B}}$。
|
||||
|
||||
### 方法五:线性变换矩阵表示的"列向量法"
|
||||
|
||||
**核心**:$T$ 在基 $\mathcal{A}$ 下的矩阵 $A$,**第 $j$ 列 = $T(\alpha_j)$ 在基 $\mathcal{A}$ 下的坐标**。
|
||||
|
||||
$$
|
||||
A = \big( [T(\alpha_1)]_{\mathcal{A}}, [T(\alpha_2)]_{\mathcal{A}}, \ldots, [T(\alpha_n)]_{\mathcal{A}} \big)
|
||||
$$
|
||||
|
||||
> **重要应用**:已知 $T(\alpha_1), \ldots, T(\alpha_n)$ 是基 $\mathcal{A}$ 的某个像 → 立刻得到 $A$。
|
||||
|
||||
### 方法六:跨章节通法速查表
|
||||
|
||||
| 通用技法 | 本章出现场景 | 前后章节联系 | 判断依据 |
|
||||
|---------|------------|------------|---------|
|
||||
| **线性方程组** | 求坐标、求过渡矩阵 | Ch03 方程组求解 | 未知数 = 坐标 |
|
||||
| **矩阵求逆** | 坐标变换 $P^{-1} x$ | Ch02 矩阵求逆 | 坐标变换公式 |
|
||||
| **矩阵乘法** | $B = P^{-1} A P$ | Ch02 矩阵乘法 | 基变换下的矩阵 |
|
||||
| **特征值** | 线性变换的对角化 | Ch05 特征值 | $\det(\lambda E - A) = 0$ |
|
||||
| **秩-零度定理** | 求核的维数 | Ch04 秩 | $\dim V = \dim R + \dim N$ |
|
||||
| **运算验证** | 8 条公理 / 线性变换 | 抽象代数 | 逐条验证 |
|
||||
|
||||
### 方法七:线性变换 vs 矩阵的逻辑链
|
||||
|
||||
**考研反复考的等价链**:
|
||||
|
||||
$$
|
||||
T \text{ 可逆} \iff \det A \neq 0 \iff A \text{ 可逆} \iff T \text{ 双射} \iff N(T) = \{\mathbf{0}\}
|
||||
$$
|
||||
|
||||
> 这是联系 Ch05 特征值与 Ch06 线性变换的核心纽带。
|
||||
|
||||
---
|
||||
|
||||
## ⑤ 易错点红黑榜 (The Pitfall List)
|
||||
|
||||
### ❌ 错误 1:子空间判定时验证了 8 条公理
|
||||
|
||||
- **错误表现**:题目问"$W$ 是否构成 $V$ 的子空间",却验证 8 条公理
|
||||
- **正确理解**:子空间**只需验证非空 + 两种封闭性**(继承性已自动满足 8 条公理)
|
||||
|
||||
**【对比示例】**:
|
||||
```
|
||||
❌ 验证 8 条公理 → 浪费 30 分钟
|
||||
✅ 验证 W 非空 + 加法封闭 + 数乘封闭 → 5 分钟
|
||||
```
|
||||
|
||||
### ❌ 错误 2:坐标变换公式方向搞反
|
||||
|
||||
- **错误表现**:$P_{\mathcal{A} \to \mathcal{B}}$ 已求,套公式 $x_{\mathcal{B}} = P x_{\mathcal{A}}$
|
||||
- **正确理解**:$x_{\mathcal{B}} = P^{-1} x_{\mathcal{A}}$。**坐标变换要乘以 $P^{-1}$**!
|
||||
|
||||
**【对比示例】**:
|
||||
```
|
||||
❌ [α]_B = P [α]_A (错!少乘了 P^(-1))
|
||||
✅ [α]_B = P^(-1) [α]_A (对!)
|
||||
```
|
||||
|
||||
### ❌ 错误 3:把"线性变换"误判为"非线性变换"
|
||||
|
||||
- **错误表现**:$T(x, y) = (x + 1, y)$ 误判为线性变换
|
||||
- **正确理解**:$T(\mathbf{0}) = (1, 0) \neq \mathbf{0}$ → **必然非线性**!
|
||||
|
||||
**【对比示例】**:
|
||||
```
|
||||
❌ T(x,y) = (x+1, y) 看似线性 → 错!(T(0) ≠ 0)
|
||||
✅ T(x,y) = (x+y, x-y) → 验证 T(α+β)=T(α)+T(β) 成立
|
||||
```
|
||||
|
||||
### ❌ 错误 4:矩阵表示的"列"填错
|
||||
|
||||
- **错误表现**:$A$ 的第 $j$ 列写成 $T(\alpha_j)$ 的**原坐标**而非在基 $\mathcal{A}$ 下的坐标
|
||||
- **正确理解**:$A$ 的第 $j$ 列 = $T(\alpha_j)$ **在基 $\mathcal{A}$ 下的坐标**
|
||||
|
||||
**【对比示例】**:
|
||||
```
|
||||
❌ 在标准基 ε₁, ε₂, ε₃ 下 T(ε₁) = (1, 2, 3)ᵀ → A 的第 1 列 = (1, 2, 3)ᵀ
|
||||
(这恰好对了,因为标准基下坐标 = 原坐标)
|
||||
⚠️ 但在非标准基下,必须先求 T(α_j) 在基 A 下的坐标
|
||||
```
|
||||
|
||||
### ❌ 错误 5:混淆 $\text{r}(T)$ 与 $\text{r}(A)$
|
||||
|
||||
- **错误表现**:$\text{r}(T) = \text{r}(A)$(看似显然)
|
||||
- **正确理解**:$\text{r}(T) = \text{r}(A)$(这是对的,但需理解前提:$A$ 是 $T$ 在**某一基**下的矩阵 → 矩阵的秩 = 变换的秩)
|
||||
|
||||
### ❌ 错误 6:混淆"像"与"核"
|
||||
|
||||
- **错误表现**:计算 $T(\alpha)$ 时套用核的公式
|
||||
- **正确理解**:像 $R(T) = \{T(\alpha) \mid \alpha \in V\}$,核 $N(T) = \{\alpha \mid T(\alpha) = \mathbf{0}\}$
|
||||
|
||||
### ❌ 错误 7:8 条公理中的"零元唯一"漏验
|
||||
|
||||
- **错误表现**:零元存在当成显然
|
||||
- **正确理解**:零元是**存在**的,但**唯一**是证明的推论——验证存在即可。
|
||||
|
||||
---
|
||||
|
||||
## ⑥ 考研导向复习策略 (Exam Strategy)
|
||||
|
||||
### 优先级与建议题量
|
||||
|
||||
| 子专题 | 优先级 | 建议刷题量 | 说明 |
|
||||
|--------|--------|-----------|------|
|
||||
| 线性变换的矩阵表示 | **高** | 20+ 道 | 必考大题,反求矩阵 |
|
||||
| 基变换与坐标变换 | **高** | 15+ 道 | 公式熟记,方向辨析 |
|
||||
| 子空间判定 | **中** | 10 道 | 选择/填空为主 |
|
||||
| 8 条公理验证 | **中** | 6 道 | 抽象集合为背景 |
|
||||
| 线性变换的判定 | **中** | 8 道 | 验证技巧 |
|
||||
| 线性变换的特征值 | **中** | 10 道 | Ch05 复习时兼顾 |
|
||||
|
||||
### 跨章节连接
|
||||
|
||||
```
|
||||
┌─────────────────────────────────┐
|
||||
│ 本章 (Ch06) 线性空间与变换 │
|
||||
│ · 空间公理 / 子空间 / 基与坐标 │
|
||||
│ · 过渡矩阵 / 矩阵表示 / 相似 │
|
||||
└───────────────┬─────────────────┘
|
||||
│
|
||||
┌───────────────┬───────────────┼───────────────┬───────────────┐
|
||||
↓ ↓ ↓ ↓ ↓
|
||||
Ch02 矩阵 Ch03 方程组 Ch04 向量组 Ch05 特征值 Ch07 二次型
|
||||
矩阵乘法对应 坐标即方程组解 极大无关组↔基 相似↔P⁻¹AP 二次型矩阵
|
||||
矩阵求逆 齐次方程组→核 秩=维数 特征向量 (本章较弱)
|
||||
非齐次→特解 过渡矩阵求解 对角化
|
||||
```
|
||||
|
||||
#### 🔥 跨章节综合题命题模式
|
||||
|
||||
**模式 1:线性变换矩阵 + 特征值(与 Ch05 联动)**
|
||||
|
||||
> 例题:$T$ 在基 $\mathcal{A}$ 下的矩阵 $A = \begin{pmatrix} 1 & 2 \\ 2 & 1 \end{pmatrix}$,求 $T$ 的特征值与特征向量。
|
||||
>
|
||||
> **解**:$\det(\lambda E - A) = (\lambda - 3)(\lambda + 1) = 0$ → $\lambda_1 = 3, \lambda_2 = -1$。特征向量 $\xi_1 = (1, 1)^T, \xi_2 = (1, -1)^T$。
|
||||
>
|
||||
> **考点**:Ch06 矩阵表示 + Ch05 特征值。
|
||||
|
||||
**模式 2:基变换 + 坐标变换(与 Ch02 矩阵乘法联动)**
|
||||
|
||||
> 例题:$\mathbb{R}^3$ 中基 $\mathcal{A} = (\alpha_1, \alpha_2, \alpha_3)$,$\mathcal{B} = (\beta_1, \beta_2, \beta_3)$,
|
||||
> $\beta_1 = \alpha_1 + \alpha_2, \beta_2 = \alpha_2 + \alpha_3, \beta_3 = \alpha_1 + \alpha_3$,
|
||||
> 求 $\alpha = \alpha_1 + \alpha_2 + \alpha_3$ 在 $\mathcal{B}$ 下的坐标。
|
||||
>
|
||||
> **解**:$P = \begin{pmatrix} 1 & 0 & 1 \\ 1 & 1 & 0 \\ 0 & 1 & 1 \end{pmatrix}$,$x_{\mathcal{A}} = (1, 1, 1)^T$,$x_{\mathcal{B}} = P^{-1} x_{\mathcal{A}}$,计算得 $x_{\mathcal{B}} = (1, 1, 1)^T$。
|
||||
>
|
||||
> **考点**:基变换 + 坐标变换公式 $P^{-1}$。
|
||||
|
||||
**模式 3:子空间 + 维数(与 Ch04 秩联动)**
|
||||
|
||||
> 例题:$V = M_{2 \times 2}(\mathbb{R})$,$W = \{A \in V \mid \text{tr}(A) = 0\}$,验证 $W$ 是 $V$ 的子空间,求 $\dim W$。
|
||||
>
|
||||
> **解**:验证 $\mathbf{0} \in W$($\text{tr}(\mathbf{0}) = 0$ ✓);加法封闭 $\text{tr}(A + B) = \text{tr}(A) + \text{tr}(B) = 0$;数乘封闭 $\text{tr}(kA) = k\text{tr}(A) = 0$。一组基 $\begin{pmatrix} 1 & 0 \\ 0 & -1 \end{pmatrix}, \begin{pmatrix} 0 & 1 \\ 0 & 0 \end{pmatrix}, \begin{pmatrix} 0 & 0 \\ 1 & 0 \end{pmatrix}$,$\dim W = 3$。
|
||||
>
|
||||
> **考点**:子空间判定 + 维数计算。
|
||||
|
||||
### 【终极母题推荐】
|
||||
|
||||
> **题目**:设 $\mathbb{R}^3$ 中有两组基:
|
||||
> $\mathcal{A} = (\alpha_1, \alpha_2, \alpha_3)$,$\mathcal{B} = (\beta_1, \beta_2, \beta_3)$
|
||||
> 已知 $\beta_1 = \alpha_1 - \alpha_2, \beta_2 = 2\alpha_1 + \alpha_2 + \alpha_3, \beta_3 = \alpha_1 + \alpha_3$。
|
||||
> 线性变换 $T$ 满足 $T(\alpha_1) = (1, 0, 1)^T, T(\alpha_2) = (0, 1, 0)^T, T(\alpha_3) = (1, 1, 1)^T$。
|
||||
> 求 $T$ 在基 $\mathcal{B}$ 下的矩阵 $B$。
|
||||
|
||||
**解法**:
|
||||
1. 求 $P = \begin{pmatrix} 1 & 2 & 1 \\ -1 & 1 & 0 \\ 0 & 1 & 1 \end{pmatrix}$(从 $\mathcal{A}$ 到 $\mathcal{B}$ 的过渡矩阵)
|
||||
2. 求 $A = \begin{pmatrix} 1 & 0 & 1 \\ 0 & 1 & 1 \\ 1 & 0 & 1 \end{pmatrix}$($T$ 在标准基下的矩阵)
|
||||
3. $B = P^{-1} A P$(计算略)
|
||||
|
||||
**为什么这是"终极母题"**:
|
||||
✅ 涵盖 Ch06 三个核心考点:基变换、坐标变换、矩阵表示
|
||||
✅ 综合考查:过渡矩阵反求 + 矩阵表示 + 相似变换
|
||||
✅ 必备工具:矩阵乘法与求逆(Ch02)
|
||||
|
||||
**🔗 这道题的 Ch05 升级版(提前预告)**:
|
||||
> 条件不变,结论改为"求 $T$ 的全部特征值,并讨论 $T$ 是否可对角化"。
|
||||
>
|
||||
> → 这就是**特征值与对角化**。你会发现:矩阵表示是 Ch05 特征值/对角化的"前置知识"。
|
||||
|
||||
**这道题做完且理解透彻 → 本章"通关"。**
|
||||
|
||||
---
|
||||
|
||||
> **下一步**:完成后可进入 [[Ch07_矩阵的相似与二次型/Ch07_Similarity_QuadraticForms|Ch07 矩阵的相似与二次型]]。
|
||||
> 线性变换的矩阵表示与相似变换是 Ch07 的核心工具。
|
||||
@@ -0,0 +1,216 @@
|
||||
# 题型1:线性空间与子空间判定
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 题目给出**集合 $V$ + 两种运算 + 数域 $F$**,要求验证是否构成线性空间
|
||||
- 题目给出 $V$ 的**子集 $W$**,要求验证是否构成 $V$ 的子空间
|
||||
- 关键词:"验证"、"判定"、"是否构成"、"子空间"
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[识别:验证线性空间 or 子空间] --> B{类型判断}
|
||||
B -->|线性空间| C[验证 8 条公理]
|
||||
B -->|子空间| D[验证非空 + 两种封闭性]
|
||||
C --> C1[加法 4 条: 交换/结合/零元/负元]
|
||||
C --> C2[数乘 4 条: 结合/分配/单位元]
|
||||
C1 --> E[得出结论]
|
||||
C2 --> E
|
||||
D --> D1[验证 0 ∈ W 或 W ≠ ∅]
|
||||
D --> D2[验证加法封闭: α+β ∈ W]
|
||||
D --> D3[验证数乘封闭: kα ∈ W]
|
||||
D1 --> E
|
||||
D2 --> E
|
||||
D3 --> E
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### A. 验证线性空间(验证 8 条公理)
|
||||
|
||||
**Step 1**:明确集合 $V$、数域 $F$、加法 $\oplus$、数乘 $\odot$ 的具体定义。
|
||||
|
||||
**Step 2**:逐一验证 8 条公理。
|
||||
|
||||
**加法公理**($\forall \alpha, \beta, \gamma \in V$):
|
||||
1. 交换律:$\alpha \oplus \beta = \beta \oplus \alpha$
|
||||
2. 结合律:$(\alpha \oplus \beta) \oplus \gamma = \alpha \oplus (\beta \oplus \gamma)$
|
||||
3. 零元:$\exists \mathbf{0} \in V$ 使 $\alpha \oplus \mathbf{0} = \alpha$
|
||||
4. 负元:$\exists \beta$ 使 $\alpha \oplus \beta = \mathbf{0}$
|
||||
|
||||
**数乘公理**($\forall \alpha, \beta \in V,\ \forall k, l \in F$):
|
||||
5. $k \odot (\alpha \oplus \beta) = (k \odot \alpha) \oplus (k \odot \beta)$
|
||||
6. $(k + l) \odot \alpha = (k \odot \alpha) \oplus (l \odot \alpha)$
|
||||
7. $(kl) \odot \alpha = k \odot (l \odot \alpha)$
|
||||
8. $1 \odot \alpha = \alpha$
|
||||
|
||||
**Step 3**:8 条全部满足 → 是线性空间;任一不满足 → 不是线性空间。
|
||||
|
||||
### B. 验证子空间(验证 3 条)
|
||||
|
||||
**Step 1**:验证 $W \neq \varnothing$(或 $\mathbf{0} \in W$)。
|
||||
|
||||
**Step 2**:验证加法封闭性:$\forall \alpha, \beta \in W,\ \alpha + \beta \in W$。
|
||||
|
||||
**Step 3**:验证数乘封闭性:$\forall \alpha \in W,\ \forall k \in F,\ k\alpha \in W$。
|
||||
|
||||
> 🔑 **关键**:子空间判定**不需要验证 8 条公理**(继承性自动满足),只需验证**非空 + 两种封闭性**。
|
||||
|
||||
### C. 充要条件合并写法
|
||||
|
||||
等价形式(有时更易用):
|
||||
$$
|
||||
\forall \alpha, \beta \in W,\ \forall k, l \in F,\quad k\alpha + l\beta \in W
|
||||
$$
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- **陷阱 1**:把"子空间"与"线性空间"混淆——子空间只需验证 3 条,线性空间需验证 8 条
|
||||
- **陷阱 2**:常考"是否构成子空间"但实际要求否定(如 $W = \{(x,y) \in \mathbb{R}^2 \mid xy = 0\}$ 不封闭)
|
||||
- **陷阱 3**:验证 8 条公理时**漏验零元存在**和**负元存在**(最常丢分)
|
||||
- **陷阱 4**:抽象集合(如函数集合、矩阵集合)中**加法交换律**易被误认为显然成立
|
||||
- **陷阱 5**:混淆"加法"与"数乘"两种运算的封闭性
|
||||
|
||||
## 经典母题
|
||||
|
||||
### 母题 1:抽象集合是否构成线性空间
|
||||
|
||||
> **题目**:设 $V = \{f(x) \in C[-\pi, \pi] \mid f(-x) = f(x)\}$(即所有偶函数),验证 $V$ 在函数加法和标量乘法下是否构成线性空间。
|
||||
|
||||
**解法**:
|
||||
|
||||
验证 8 条公理(合并验证以简化):
|
||||
|
||||
**封闭性**:
|
||||
- $\forall f, g \in V$,$(f + g)(-x) = f(-x) + g(-x) = f(x) + g(x)$ → $f + g \in V$ ✓
|
||||
- $\forall f \in V,\ k \in F$,$(kf)(-x) = k f(-x) = k f(x)$ → $kf \in V$ ✓
|
||||
|
||||
**零元**:$f(x) = 0 \in V$(恒为 0 的函数是偶函数)✓
|
||||
|
||||
**负元**:$\forall f \in V$,$(-f)(-x) = -f(-x) = -f(x)$ → $-f \in V$ ✓
|
||||
|
||||
**加法交换律**:$(f + g)(x) = f(x) + g(x) = g(x) + f(x) = (g + f)(x)$ ✓
|
||||
|
||||
**加法结合律**:$((f + g) + h)(x) = (f + g)(x) + h(x) = f(x) + g(x) + h(x) = f(x) + (g + h)(x) = (f + (g + h))(x)$ ✓
|
||||
|
||||
**数乘 4 条**:
|
||||
- $k(f + g)(x) = k(f(x) + g(x)) = kf(x) + kg(x) = (kf + kg)(x)$ ✓
|
||||
- $(k + l)f(x) = kf(x) + lf(x) = (kf + lf)(x)$ ✓
|
||||
- $(kl)f(x) = k(lf(x)) = (k(lf))(x)$ ✓
|
||||
- $1 \cdot f(x) = f(x)$ ✓
|
||||
|
||||
**结论**:$V$ 关于函数加法和标量乘法构成线性空间。
|
||||
|
||||
**复盘**:函数集合验证 8 条公理时,**用函数表达式逐条验证**最稳妥。注意:封闭性是基础(不封闭就直接否定)。
|
||||
|
||||
---
|
||||
|
||||
### 母题 2:验证子空间
|
||||
|
||||
> **题目**:设 $V = \mathbb{R}^3$,$W = \{(x_1, x_2, x_3)^T \in \mathbb{R}^3 \mid x_1 + x_2 + x_3 = 0\}$,验证 $W$ 是否构成 $V$ 的子空间。
|
||||
|
||||
**解法**:
|
||||
|
||||
**Step 1(非空)**:取 $\alpha = (1, -1, 0)^T \in W$($1 - 1 + 0 = 0$)→ $W \neq \varnothing$ ✓
|
||||
|
||||
**Step 2(加法封闭)**:$\forall \alpha = (x_1, x_2, x_3)^T, \beta = (y_1, y_2, y_3)^T \in W$,
|
||||
$$
|
||||
x_1 + x_2 + x_3 = 0,\quad y_1 + y_2 + y_3 = 0
|
||||
$$
|
||||
$$
|
||||
(\alpha + \beta) = (x_1 + y_1, x_2 + y_2, x_3 + y_3)^T
|
||||
$$
|
||||
$$
|
||||
(x_1 + y_1) + (x_2 + y_2) + (x_3 + y_3) = (x_1 + x_2 + x_3) + (y_1 + y_2 + y_3) = 0 + 0 = 0
|
||||
$$
|
||||
→ $\alpha + \beta \in W$ ✓
|
||||
|
||||
**Step 3(数乘封闭)**:$\forall \alpha = (x_1, x_2, x_3)^T \in W,\ \forall k \in \mathbb{R}$,
|
||||
$$
|
||||
k\alpha = (kx_1, kx_2, kx_3)^T
|
||||
$$
|
||||
$$
|
||||
kx_1 + kx_2 + kx_3 = k(x_1 + x_2 + x_3) = k \cdot 0 = 0
|
||||
$$
|
||||
→ $k\alpha \in W$ ✓
|
||||
|
||||
**结论**:$W$ 是 $V$ 的子空间。
|
||||
|
||||
**复盘**:判定子空间**只需 3 条**——非空 + 加法封闭 + 数乘封闭。这比验证 8 条公理**节省 70%** 的时间。
|
||||
|
||||
---
|
||||
|
||||
### 母题 3:否定情形(不构成子空间)
|
||||
|
||||
> **题目**:设 $V = \mathbb{R}^2$,$W = \{(x, y)^T \in \mathbb{R}^2 \mid x \cdot y \geq 0\}$(第一、三象限的并集),$W$ 是否构成 $V$ 的子空间?
|
||||
|
||||
**解法**:
|
||||
|
||||
**反例 1(加法不封闭)**:取 $\alpha = (1, 0)^T \in W$,$\beta = (0, 1)^T \in W$($1 \cdot 0 = 0 \geq 0$ ✓)。
|
||||
但 $\alpha + \beta = (1, 1)^T$,$1 \cdot 1 = 1 \geq 0$ ✓(这个加法反而封闭)。
|
||||
|
||||
**反例 2(数乘不封闭)**:取 $\alpha = (1, 1)^T \in W$($1 \cdot 1 = 1 \geq 0$ ✓),$k = -1$。
|
||||
$k\alpha = (-1, -1)^T$,$(-1) \cdot (-1) = 1 \geq 0$ ✓(这个数乘也封闭)。
|
||||
|
||||
**真正的反例**:$\alpha = (1, 0)^T \in W$,$\beta = (0, -1)^T \in W$($0 \cdot (-1) = 0 \geq 0$ ✓)。
|
||||
$\alpha + \beta = (1, -1)^T$,$1 \cdot (-1) = -1 < 0$ ✗ → 加法不封闭。
|
||||
|
||||
**结论**:$W$ **不**构成 $V$ 的子空间。
|
||||
|
||||
**复盘**:判定不构成子空间,只需**找到一个反例**即可(加法或数乘之一不封闭)。本题易错点在"看似封闭"要继续找反例。
|
||||
|
||||
---
|
||||
|
||||
### 母题 4:矩阵集合的子空间判定
|
||||
|
||||
> **题目**:设 $V = M_{2 \times 2}(\mathbb{R})$,$W = \{A \in V \mid \text{tr}(A) = 0\}$,验证 $W$ 是 $V$ 的子空间。
|
||||
|
||||
**解法**:
|
||||
|
||||
**Step 1(非空)**:$O = \begin{pmatrix} 0 & 0 \\ 0 & 0 \end{pmatrix} \in W$($\text{tr}(O) = 0$)✓
|
||||
|
||||
**Step 2(加法封闭)**:$\forall A, B \in W$,
|
||||
$$
|
||||
\text{tr}(A + B) = \text{tr}(A) + \text{tr}(B) = 0 + 0 = 0 \implies A + B \in W \checkmark
|
||||
$$
|
||||
|
||||
**Step 3(数乘封闭)**:$\forall A \in W,\ \forall k \in \mathbb{R}$,
|
||||
$$
|
||||
\text{tr}(kA) = k\text{tr}(A) = k \cdot 0 = 0 \implies kA \in W \checkmark
|
||||
$$
|
||||
|
||||
**结论**:$W$ 是 $V$ 的子空间。
|
||||
|
||||
**复盘**:利用**迹的线性性质** $\text{tr}(A + B) = \text{tr}(A) + \text{tr}(B)$,$\text{tr}(kA) = k\text{tr}(A)$,一步到位。
|
||||
|
||||
---
|
||||
|
||||
### 母题 5:函数集合的子空间判定
|
||||
|
||||
> **题目**:设 $V = \mathbb{R}[x]$(所有多项式),$W = \{p(x) \in V \mid p(1) = 0\}$,验证 $W$ 是 $V$ 的子空间。
|
||||
|
||||
**解法**:
|
||||
|
||||
**Step 1**:$p(x) = 0 \in W$($p(1) = 0$)✓
|
||||
|
||||
**Step 2**:$\forall p(x), q(x) \in W$,
|
||||
$$
|
||||
(p + q)(1) = p(1) + q(1) = 0 + 0 = 0 \implies p + q \in W \checkmark
|
||||
$$
|
||||
|
||||
**Step 3**:$\forall p(x) \in W,\ \forall k \in \mathbb{R}$,
|
||||
$$
|
||||
(kp)(1) = k \cdot p(1) = k \cdot 0 = 0 \implies kp \in W \checkmark
|
||||
$$
|
||||
|
||||
**结论**:$W$ 是 $V$ 的子空间。
|
||||
|
||||
**复盘**:$W$ 是多项式函数值在某点为 0 的集合——这类条件通常是**线性**的,故 $W$ 是子空间。
|
||||
|
||||
---
|
||||
|
||||
> **口诀**:
|
||||
> - **验证线性空间**:8 条公理严格逐条
|
||||
> - **验证子空间**:3 条足矣——非空 + 封闭
|
||||
> - **否定子空间**:一个反例足矣
|
||||
@@ -0,0 +1,248 @@
|
||||
# 题型2:基、维数与坐标的计算
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 题目给出向量组 $\alpha_1, \ldots, \alpha_n$,问"是否构成基?维数?"
|
||||
- 题目给出基 $\alpha_1, \ldots, \alpha_n$ 和向量 $\beta$,求 $\beta$ 在该基下的坐标
|
||||
- 题目给出向量组,求极大线性无关组(部分基)
|
||||
- 关键词:"基"、"维数"、"坐标"、"极大无关组"
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[识别:求基/维数/坐标] --> B{类型判断}
|
||||
B -->|判断是否构成基| C[线性无关 + 张成 V]
|
||||
B -->|求坐标| D[解线性方程组]
|
||||
B -->|求极大无关组| E[行阶梯化 + 非零行首]
|
||||
C --> F[公式: 行列式 ≠ 0 ⇔ 无关]
|
||||
C --> G[或: 化行阶梯看秩]
|
||||
D --> H[令 β = x₁α₁ + ... + xₙαₙ]
|
||||
D --> I[转化为 Ax = β 求解]
|
||||
E --> J[列向量 → 矩阵 A]
|
||||
E --> K[初等行变换 → 行阶梯]
|
||||
K --> L[非零行首对应极大无关组]
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### A. 判断 $\alpha_1, \ldots, \alpha_n$ 是否构成 $V$ 的基
|
||||
|
||||
**Step 1**:判断向量组是否**线性无关**。
|
||||
- 设有 $k_1\alpha_1 + \cdots + k_n\alpha_n = \mathbf{0}$
|
||||
- 转化为齐次方程组 $A x = 0$
|
||||
- 若 $A x = 0$ 只有零解 → 线性无关
|
||||
- 若 $A x = 0$ 有非零解 → 线性相关
|
||||
|
||||
**Step 2**:判断向量组是否**张成 $V$**。
|
||||
- 一般地,若 $V$ 是 $n$ 维线性空间,且 $\alpha_1, \ldots, \alpha_n$ 线性无关,则必为基
|
||||
- 否则需要计算张成的子空间维数
|
||||
|
||||
**Step 3**:只有线性无关 + 张成 $V$ 同时成立 → 才是 $V$ 的基。
|
||||
|
||||
**快捷判定**($n$ 维空间 $V$ 中 $n$ 个向量):
|
||||
- 排成矩阵 $A = (\alpha_1, \ldots, \alpha_n)$
|
||||
- $\det A \neq 0$ → 线性无关 → 是基
|
||||
- $\det A = 0$ → 线性相关 → 不是基
|
||||
|
||||
### B. 求 $\beta$ 在基 $\alpha_1, \ldots, \alpha_n$ 下的坐标
|
||||
|
||||
**Step 1**:设 $\beta = x_1 \alpha_1 + x_2 \alpha_2 + \cdots + x_n \alpha_n$(待定 $x_1, \ldots, x_n$)
|
||||
|
||||
**Step 2**:转化为方程组
|
||||
$$
|
||||
(\alpha_1, \alpha_2, \ldots, \alpha_n) \begin{pmatrix} x_1 \\ x_2 \\ \vdots \\ x_n \end{pmatrix} = \beta
|
||||
$$
|
||||
|
||||
**Step 3**:令 $P = (\alpha_1, \alpha_2, \ldots, \alpha_n)$,解 $x = P^{-1} \beta$。
|
||||
|
||||
### C. 求极大线性无关组
|
||||
|
||||
**Step 1**:将向量组排成矩阵 $A = (\alpha_1, \alpha_2, \ldots, \alpha_m)$(按列或按行均可,**注意方向**)。
|
||||
|
||||
**Step 2**:对 $A$ 进行**初等行变换**,化为行阶梯形矩阵。
|
||||
|
||||
**Step 3**:行阶梯形矩阵的**非零行的首非零元**所在列,对应的原向量构成极大线性无关组。
|
||||
|
||||
> ⚠️ **关键**:行变换只能用于**列向量**——若向量组是行向量,则先转置再行变换。
|
||||
|
||||
### D. 求子空间 $W$ 的基与维数
|
||||
|
||||
**Step 1**:将 $W$ 的生成元写出 $\alpha_1, \alpha_2, \ldots, \alpha_m$。
|
||||
|
||||
**Step 2**:求 $\alpha_1, \ldots, \alpha_m$ 的极大线性无关组。
|
||||
|
||||
**Step 3**:极大无关组即为 $W$ 的基,个数即为 $\dim W$。
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- **陷阱 1**:混淆"行向量"与"列向量"——行变换只对列向量"保留线性关系"
|
||||
- **陷阱 2**:求坐标时忘记解方程组,导致坐标错误
|
||||
- **陷阱 3**:判断基时,只判断"线性无关",**忽略张成 $V$**
|
||||
- **陷阱 4**:极大无关组是从原向量组中**挑出**的,不能"创造"新向量
|
||||
- **陷阱 5**:求矩阵时把"列向量"误填入"行"
|
||||
|
||||
## 经典母题
|
||||
|
||||
### 母题 1:判断是否为基
|
||||
|
||||
> **题目**:判断 $\alpha_1 = (1, 2, 1)^T, \alpha_2 = (2, 3, 3)^T, \alpha_3 = (3, 7, 1)^T$ 是否构成 $\mathbb{R}^3$ 的基。
|
||||
|
||||
**解法**:
|
||||
|
||||
**方法一:行列式法**
|
||||
$$
|
||||
\det(\alpha_1, \alpha_2, \alpha_3) = \begin{vmatrix} 1 & 2 & 3 \\ 2 & 3 & 7 \\ 1 & 3 & 1 \end{vmatrix}
|
||||
$$
|
||||
|
||||
按第 1 行展开:
|
||||
$$
|
||||
= 1 \cdot (3 - 21) - 2 \cdot (2 - 7) + 3 \cdot (6 - 3) = -18 + 10 + 9 = 1 \neq 0
|
||||
$$
|
||||
|
||||
→ 线性无关 → 3 个无关向量在 $\mathbb{R}^3$ 中 → **构成 $\mathbb{R}^3$ 的基**。
|
||||
|
||||
**方法二:行阶梯法**
|
||||
$$
|
||||
A = \begin{pmatrix} 1 & 2 & 3 \\ 2 & 3 & 7 \\ 1 & 3 & 1 \end{pmatrix} \xrightarrow{r_2 - 2r_1, r_3 - r_1} \begin{pmatrix} 1 & 2 & 3 \\ 0 & -1 & 1 \\ 0 & 1 & -2 \end{pmatrix} \xrightarrow{r_3 + r_2} \begin{pmatrix} 1 & 2 & 3 \\ 0 & -1 & 1 \\ 0 & 0 & -1 \end{pmatrix}
|
||||
$$
|
||||
|
||||
3 个主元 → 满秩 → 线性无关 → 构成基。
|
||||
|
||||
**复盘**:两种方法均可。**行列式法**更快(直接判断 $\det \neq 0$),**行阶梯法**更通用(适用于 $m \neq n$)。
|
||||
|
||||
---
|
||||
|
||||
### 母题 2:求向量在基下的坐标
|
||||
|
||||
> **题目**:已知 $\alpha_1 = (1, 1, 1)^T, \alpha_2 = (1, 1, 0)^T, \alpha_3 = (1, 0, 0)^T$ 是 $\mathbb{R}^3$ 的基,求 $\beta = (6, 5, 3)^T$ 在该基下的坐标。
|
||||
|
||||
**解法**:
|
||||
|
||||
设 $\beta = x_1 \alpha_1 + x_2 \alpha_2 + x_3 \alpha_3$,即
|
||||
$$
|
||||
(6, 5, 3)^T = x_1 (1, 1, 1)^T + x_2 (1, 1, 0)^T + x_3 (1, 0, 0)^T
|
||||
$$
|
||||
|
||||
**方程组**:
|
||||
$$
|
||||
\begin{cases} x_1 + x_2 + x_3 = 6 \\ x_1 + x_2 = 5 \\ x_1 = 3 \end{cases}
|
||||
$$
|
||||
|
||||
**求解**:
|
||||
- 由第 3 式:$x_1 = 3$
|
||||
- 代入第 2 式:$x_2 = 5 - 3 = 2$
|
||||
- 代入第 1 式:$x_3 = 6 - 3 - 2 = 1$
|
||||
|
||||
**坐标**:$[\beta] = (3, 2, 1)^T$
|
||||
|
||||
**验证**:$3 \alpha_1 + 2 \alpha_2 + 1 \alpha_3 = 3(1,1,1)^T + 2(1,1,0)^T + (1,0,0)^T = (6, 5, 3)^T = \beta$ ✓
|
||||
|
||||
**复盘**:求坐标等价于**解线性方程组**——这是 Ch03 方程组的直接应用。
|
||||
|
||||
---
|
||||
|
||||
### 母题 3:求极大线性无关组
|
||||
|
||||
> **题目**:求向量组 $\alpha_1 = (1, 2, 3, 4)^T, \alpha_2 = (2, 3, 4, 5)^T, \alpha_3 = (3, 4, 5, 6)^T, \alpha_4 = (4, 5, 6, 7)^T$ 的极大线性无关组。
|
||||
|
||||
**解法**:
|
||||
|
||||
排成矩阵(列向量形式):
|
||||
$$
|
||||
A = \begin{pmatrix} 1 & 2 & 3 & 4 \\ 2 & 3 & 4 & 5 \\ 3 & 4 & 5 & 6 \\ 4 & 5 & 6 & 7 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**初等行变换**:
|
||||
$$
|
||||
A \xrightarrow{r_i - r_1 \ (i \geq 2)} \begin{pmatrix} 1 & 2 & 3 & 4 \\ 0 & -1 & -2 & -3 \\ 0 & -2 & -4 & -6 \\ 0 & -3 & -6 & -9 \end{pmatrix}
|
||||
\xrightarrow{r_3 + 2r_2, r_4 + 3r_2} \begin{pmatrix} 1 & 2 & 3 & 4 \\ 0 & -1 & -2 & -3 \\ 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**非零行的首非零元**在第 1、2 列 → 极大线性无关组为 $\{\alpha_1, \alpha_2\}$。
|
||||
|
||||
**秩** = 非零行数 = 2。
|
||||
|
||||
**复盘**:极大无关组 = 行阶梯形主元列对应的原向量。本题 $\alpha_3 = \alpha_1 + \alpha_2$($3 = 1 + 2, 4 = 2 + 2, 5 = 3 + 2, 6 = 4 + 2$),$\alpha_4 = 2\alpha_1 + \alpha_2$。
|
||||
|
||||
---
|
||||
|
||||
### 母题 4:求子空间的基与维数
|
||||
|
||||
> **题目**:$V = M_{2 \times 2}(\mathbb{R})$,$W = \left\{ \begin{pmatrix} a & b \\ c & d \end{pmatrix} \in V \mid a + d = 0 \right\}$,求 $W$ 的基与维数。
|
||||
|
||||
**解法**:
|
||||
|
||||
设 $A = \begin{pmatrix} a & b \\ c & d \end{pmatrix} \in W$,则 $d = -a$,故
|
||||
$$
|
||||
A = \begin{pmatrix} a & b \\ c & -a \end{pmatrix} = a \begin{pmatrix} 1 & 0 \\ 0 & -1 \end{pmatrix} + b \begin{pmatrix} 0 & 1 \\ 0 & 0 \end{pmatrix} + c \begin{pmatrix} 0 & 0 \\ 1 & 0 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**基**:
|
||||
$$
|
||||
E_1 = \begin{pmatrix} 1 & 0 \\ 0 & -1 \end{pmatrix},\quad E_2 = \begin{pmatrix} 0 & 1 \\ 0 & 0 \end{pmatrix},\quad E_3 = \begin{pmatrix} 0 & 0 \\ 1 & 0 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**维数**:$\dim W = 3$
|
||||
|
||||
**验证**:$E_1, E_2, E_3$ 确实两两无关(线性无关)+ 张成 $W$ ✓
|
||||
|
||||
**复盘**:$\dim W = \dim V - 1 = 4 - 1 = 3$(一个线性约束方程)。
|
||||
|
||||
---
|
||||
|
||||
### 母题 5:抽象空间中的基与坐标
|
||||
|
||||
> **题目**:$P[x]_2$(次数 $\le 2$ 的多项式)中,$\alpha_1 = 1, \alpha_2 = 1 + x, \alpha_3 = 1 + x + x^2$。证明 $\alpha_1, \alpha_2, \alpha_3$ 是 $P[x]_2$ 的基,并求 $p(x) = 2 + 3x + 5x^2$ 在该基下的坐标。
|
||||
|
||||
**解法**:
|
||||
|
||||
**Step 1(证明是基)**:
|
||||
|
||||
设 $k_1 \alpha_1 + k_2 \alpha_2 + k_3 \alpha_3 = 0$(恒为 0 的多项式),即
|
||||
$$
|
||||
k_1 + k_2(1 + x) + k_3(1 + x + x^2) = 0
|
||||
$$
|
||||
$$
|
||||
(k_1 + k_2 + k_3) + (k_2 + k_3) x + k_3 x^2 = 0
|
||||
$$
|
||||
|
||||
多项式恒为 0 → 各系数为 0:
|
||||
$$
|
||||
\begin{cases} k_1 + k_2 + k_3 = 0 \\ k_2 + k_3 = 0 \\ k_3 = 0 \end{cases}
|
||||
$$
|
||||
|
||||
→ $k_3 = 0 \Rightarrow k_2 = 0 \Rightarrow k_1 = 0$ → 线性无关 ✓
|
||||
|
||||
$P[x]_2$ 是 3 维空间,3 个无关向量 → 构成基 ✓
|
||||
|
||||
**Step 2(求坐标)**:
|
||||
|
||||
设 $p(x) = x_1 \alpha_1 + x_2 \alpha_2 + x_3 \alpha_3$,即
|
||||
$$
|
||||
x_1 + x_2(1 + x) + x_3(1 + x + x^2) = 2 + 3x + 5x^2
|
||||
$$
|
||||
$$
|
||||
(x_1 + x_2 + x_3) + (x_2 + x_3) x + x_3 x^2 = 2 + 3x + 5x^2
|
||||
$$
|
||||
|
||||
对比系数:
|
||||
$$
|
||||
\begin{cases} x_1 + x_2 + x_3 = 2 \\ x_2 + x_3 = 3 \\ x_3 = 5 \end{cases}
|
||||
$$
|
||||
|
||||
→ $x_3 = 5, x_2 = -2, x_1 = -1$
|
||||
|
||||
**坐标**:$[p(x)] = (-1, -2, 5)^T$
|
||||
|
||||
**验证**:$-1 \cdot 1 + (-2)(1 + x) + 5(1 + x + x^2) = -1 - 2 - 2x + 5 + 5x + 5x^2 = 2 + 3x + 5x^2$ ✓
|
||||
|
||||
**复盘**:抽象空间(多项式、矩阵、函数)的坐标问题,**转化为各基元对应的分量**求解。
|
||||
|
||||
---
|
||||
|
||||
> **口诀**:
|
||||
> - **判断是否构成基**:$\det \neq 0$(方阵)/ 行阶梯看秩(一般)
|
||||
> - **求坐标**:解方程组 $\alpha_1 x_1 + \cdots + \alpha_n x_n = \beta$
|
||||
> - **求极大无关组**:列向量 → 行阶梯 → 主元列
|
||||
> - **子空间基**:从生成元中筛选极大无关组
|
||||
@@ -0,0 +1,268 @@
|
||||
# 题型3:基变换与坐标变换
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 题目给出两/三组基 $\mathcal{A}, \mathcal{B}, \mathcal{C}$,求过渡矩阵
|
||||
- 已知向量在某一基下的坐标,求其在另一基下的坐标
|
||||
- 关键词:"基变换"、"过渡矩阵"、"坐标变换"、"在新基下的坐标"
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[识别:基变换/坐标变换] --> B{类型判断}
|
||||
B -->|求过渡矩阵 P| C[用新基向量在旧基下表示]
|
||||
C --> D[β_j = α_1 a_{1j} + ... + αₙ a_{nj}]
|
||||
D --> E[P 的第 j 列 = β_j 在 α 下的坐标]
|
||||
B -->|求坐标变换| F[确定 P 方向]
|
||||
F --> G[x_B = P^(-1) x_A]
|
||||
B -->|多基链式变换| H[传递性: P_{A→C} = P_{A→B} P_{B→C}]
|
||||
E --> I[解方程组求坐标]
|
||||
G --> I
|
||||
H --> I
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### A. 求从基 $\mathcal{A}$ 到基 $\mathcal{B}$ 的过渡矩阵 $P$
|
||||
|
||||
**定义**:$(\beta_1, \beta_2, \ldots, \beta_n) = (\alpha_1, \alpha_2, \ldots, \alpha_n) P$
|
||||
|
||||
**Step 1**:将 $\beta_1, \ldots, \beta_n$ 分别用 $\alpha_1, \ldots, \alpha_n$ 线性表示:
|
||||
$$
|
||||
\beta_j = a_{1j} \alpha_1 + a_{2j} \alpha_2 + \cdots + a_{nj} \alpha_n \quad (j = 1, 2, \ldots, n)
|
||||
$$
|
||||
|
||||
**Step 2**:对应的系数 $a_{ij}$ 构成矩阵 $P = (a_{ij})$。
|
||||
|
||||
**核心**:$P$ 的**第 $j$ 列** = $\beta_j$ 在基 $\mathcal{A}$ 下的坐标。
|
||||
|
||||
**快捷方法**:设 $A = (\alpha_1, \ldots, \alpha_n)$,$B = (\beta_1, \ldots, \beta_n)$,则 $B = A P$,故 $P = A^{-1} B$。
|
||||
|
||||
### B. 坐标变换公式
|
||||
|
||||
设 $\alpha \in V$,$[\alpha]_{\mathcal{A}} = x$,$[\alpha]_{\mathcal{B}} = y$,$P$ 为从 $\mathcal{A}$ 到 $\mathcal{B}$ 的过渡矩阵。
|
||||
|
||||
**核心公式**:
|
||||
$$
|
||||
\boxed{[\alpha]_{\mathcal{B}} = P^{-1} [\alpha]_{\mathcal{A}}}
|
||||
$$
|
||||
|
||||
**等价形式**:
|
||||
$$
|
||||
[\alpha]_{\mathcal{A}} = P [\alpha]_{\mathcal{B}}
|
||||
$$
|
||||
|
||||
### C. 链式变换(多基情形)
|
||||
|
||||
若 $\mathcal{A} \to \mathcal{B}$ 的过渡矩阵为 $P_1$,$\mathcal{B} \to \mathcal{C}$ 的过渡矩阵为 $P_2$,则 $\mathcal{A} \to \mathcal{C}$ 的过渡矩阵为:
|
||||
$$
|
||||
P_{\mathcal{A} \to \mathcal{C}} = P_{\mathcal{A} \to \mathcal{B}} \cdot P_{\mathcal{B} \to \mathcal{C}} = P_1 P_2
|
||||
$$
|
||||
|
||||
链式坐标变换:
|
||||
$$
|
||||
[\alpha]_{\mathcal{C}} = P_2^{-1} P_1^{-1} [\alpha]_{\mathcal{A}} = (P_1 P_2)^{-1} [\alpha]_{\mathcal{A}}
|
||||
$$
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- **陷阱 1**:**坐标变换公式方向搞反**——这是最高频错误!务必看清 $P$ 是从哪到哪
|
||||
- **陷阱 2**:$P$ 可逆,但忘记验证矩阵非奇异
|
||||
- **陷阱 3**:题目给"$\beta_1, \ldots, \beta_n$ 在 $\mathcal{A}$ 下的坐标",把 $P$ 矩阵直接填入第 1 列
|
||||
- **陷阱 4**:混淆"基变换"与"坐标变换"(前者是 $P$,后者是 $P^{-1}$)
|
||||
- **陷阱 5**:求 $P$ 时忘了 $\beta_j$ 在 $\mathcal{A}$ 下的坐标是第 $j$ 列(不是第 $j$ 行)
|
||||
|
||||
## 经典母题
|
||||
|
||||
### 母题 1:求过渡矩阵
|
||||
|
||||
> **题目**:$\mathbb{R}^3$ 中基 $\mathcal{A} = (\alpha_1, \alpha_2, \alpha_3)$,$\mathcal{B} = (\beta_1, \beta_2, \beta_3)$,已知:
|
||||
> $\beta_1 = \alpha_1 + \alpha_2 - \alpha_3$
|
||||
> $\beta_2 = 2\alpha_1 - \alpha_2 + \alpha_3$
|
||||
> $\beta_3 = -\alpha_1 + \alpha_2 + \alpha_3$
|
||||
>
|
||||
> 求从 $\mathcal{A}$ 到 $\mathcal{B}$ 的过渡矩阵 $P$。
|
||||
|
||||
**解法**:
|
||||
|
||||
由 $(\beta_1, \beta_2, \beta_3) = (\alpha_1, \alpha_2, \alpha_3) P$:
|
||||
|
||||
$P$ 的第 1 列是 $\beta_1$ 在 $\mathcal{A}$ 下的坐标 $(1, 1, -1)^T$;
|
||||
$P$ 的第 2 列是 $\beta_2$ 在 $\mathcal{A}$ 下的坐标 $(2, -1, 1)^T$;
|
||||
$P$ 的第 3 列是 $\beta_3$ 在 $\mathcal{A}$ 下的坐标 $(-1, 1, 1)^T$。
|
||||
|
||||
$$
|
||||
P = \begin{pmatrix} 1 & 2 & -1 \\ 1 & -1 & 1 \\ -1 & 1 & 1 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**复盘**:$P$ 的列 = 新基向量在**旧基**下的坐标——这是定义,不可记错。
|
||||
|
||||
---
|
||||
|
||||
### 母题 2:坐标变换
|
||||
|
||||
> **题目**:已知 $\alpha$ 在基 $\mathcal{A} = (\alpha_1, \alpha_2, \alpha_3)$ 下的坐标为 $(1, 2, 3)^T$,从 $\mathcal{A}$ 到 $\mathcal{B}$ 的过渡矩阵为 $P = \begin{pmatrix} 1 & 1 & 0 \\ 0 & 1 & 1 \\ 1 & 0 & 1 \end{pmatrix}$。求 $\alpha$ 在 $\mathcal{B}$ 下的坐标。
|
||||
|
||||
**解法**:
|
||||
|
||||
**核心公式**:$[\alpha]_{\mathcal{B}} = P^{-1} [\alpha]_{\mathcal{A}}$
|
||||
|
||||
**求 $P^{-1}$**(伴随矩阵法):
|
||||
$$
|
||||
\det P = 1 \cdot (1 - 0) - 1 \cdot (0 - 1) + 0 = 1 + 1 = 2
|
||||
$$
|
||||
|
||||
伴随矩阵:
|
||||
$$
|
||||
P^* = \begin{pmatrix} 1 & -1 & 1 \\ 1 & 1 & -1 \\ -1 & 1 & 1 \end{pmatrix}
|
||||
$$
|
||||
|
||||
$$
|
||||
P^{-1} = \frac{1}{2} \begin{pmatrix} 1 & -1 & 1 \\ 1 & 1 & -1 \\ -1 & 1 & 1 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**计算**:
|
||||
$$
|
||||
[\alpha]_{\mathcal{B}} = P^{-1} \begin{pmatrix} 1 \\ 2 \\ 3 \end{pmatrix} = \frac{1}{2} \begin{pmatrix} 1 - 2 + 3 \\ 1 + 2 - 3 \\ -1 + 2 + 3 \end{pmatrix} = \frac{1}{2} \begin{pmatrix} 2 \\ 0 \\ 4 \end{pmatrix} = \begin{pmatrix} 1 \\ 0 \\ 2 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**验证**:$P \cdot (1, 0, 2)^T = (1, 2, 3)^T$ ✓
|
||||
|
||||
**复盘**:坐标变换公式是 $P^{-1}$,这是**最常考**的方向辨析题。
|
||||
|
||||
---
|
||||
|
||||
### 母题 3:方向反问题(已知 $\mathcal{B}$ 到 $\mathcal{A}$ 的过渡矩阵)
|
||||
|
||||
> **题目**:$\mathbb{R}^2$ 中 $\alpha$ 在基 $\mathcal{A}$ 下的坐标为 $(1, 2)^T$。
|
||||
> 已知从 $\mathcal{B}$ 到 $\mathcal{A}$ 的过渡矩阵 $Q = \begin{pmatrix} 1 & 1 \\ 1 & -1 \end{pmatrix}$。
|
||||
> 求 $\alpha$ 在 $\mathcal{B}$ 下的坐标。
|
||||
|
||||
**解法**:
|
||||
|
||||
**关键**:$Q$ 是从 $\mathcal{B}$ 到 $\mathcal{A}$,即
|
||||
$$
|
||||
[\alpha]_{\mathcal{A}} = Q [\alpha]_{\mathcal{B}}
|
||||
$$
|
||||
|
||||
故 $[\alpha]_{\mathcal{B}} = Q^{-1} [\alpha]_{\mathcal{A}}$
|
||||
|
||||
**求 $Q^{-1}$**:
|
||||
$$
|
||||
\det Q = -1 - 1 = -2, \quad Q^{-1} = -\frac{1}{2} \begin{pmatrix} -1 & -1 \\ -1 & 1 \end{pmatrix} = \frac{1}{2} \begin{pmatrix} 1 & 1 \\ 1 & -1 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**计算**:
|
||||
$$
|
||||
[\alpha]_{\mathcal{B}} = \frac{1}{2} \begin{pmatrix} 1 & 1 \\ 1 & -1 \end{pmatrix} \begin{pmatrix} 1 \\ 2 \end{pmatrix} = \frac{1}{2} \begin{pmatrix} 3 \\ -1 \end{pmatrix} = \begin{pmatrix} 3/2 \\ -1/2 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**复盘**:看清 $Q$ 的方向——若 $Q$ 是 $\mathcal{B} \to \mathcal{A}$,则 $[\alpha]_{\mathcal{B}} = Q^{-1} [\alpha]_{\mathcal{A}}$。**这是 90% 考生会错的地方**。
|
||||
|
||||
---
|
||||
|
||||
### 母题 4:链式变换
|
||||
|
||||
> **题目**:已知 $\mathcal{A} \to \mathcal{B}$ 的过渡矩阵 $P_1 = \begin{pmatrix} 1 & 0 \\ 1 & 1 \end{pmatrix}$,$\mathcal{B} \to \mathcal{C}$ 的过渡矩阵 $P_2 = \begin{pmatrix} 1 & 1 \\ 0 & 1 \end{pmatrix}$。$\alpha$ 在 $\mathcal{A}$ 下的坐标为 $(2, 1)^T$,求 $\alpha$ 在 $\mathcal{C}$ 下的坐标。
|
||||
|
||||
**解法**:
|
||||
|
||||
**Step 1**:链式 $\mathcal{A} \to \mathcal{C}$ 的过渡矩阵
|
||||
$$
|
||||
P_{\mathcal{A} \to \mathcal{C}} = P_1 P_2 = \begin{pmatrix} 1 & 0 \\ 1 & 1 \end{pmatrix} \begin{pmatrix} 1 & 1 \\ 0 & 1 \end{pmatrix} = \begin{pmatrix} 1 & 1 \\ 1 & 2 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**Step 2**:坐标变换
|
||||
$$
|
||||
[\alpha]_{\mathcal{C}} = (P_1 P_2)^{-1} [\alpha]_{\mathcal{A}} = (P_1 P_2)^{-1} \begin{pmatrix} 2 \\ 1 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**求 $(P_1 P_2)^{-1}$**:
|
||||
$$
|
||||
\det(P_1 P_2) = 1, \quad (P_1 P_2)^{-1} = \begin{pmatrix} 2 & -1 \\ -1 & 1 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**计算**:
|
||||
$$
|
||||
[\alpha]_{\mathcal{C}} = \begin{pmatrix} 2 & -1 \\ -1 & 1 \end{pmatrix} \begin{pmatrix} 2 \\ 1 \end{pmatrix} = \begin{pmatrix} 3 \\ -1 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**复盘**:链式变换的过渡矩阵相乘,**顺序与基变换顺序一致**;坐标变换则要乘方阵的逆。
|
||||
|
||||
---
|
||||
|
||||
### 母题 5:用矩阵求逆简化
|
||||
|
||||
> **题目**:$\mathbb{R}^3$ 中 $\mathcal{A} = (\alpha_1, \alpha_2, \alpha_3)$,$\beta_1 = (1, 1, 1)^T, \beta_2 = (1, 2, 3)^T, \beta_3 = (2, 3, 4)^T$。设 $\mathcal{B} = (\beta_1, \beta_2, \beta_3)$。
|
||||
>
|
||||
> (1) 求 $\mathcal{A}$ 到 $\mathcal{B}$ 的过渡矩阵 $P$;
|
||||
> (2) 求 $(3, 5, 7)^T$ 在 $\mathcal{B}$ 下的坐标。
|
||||
|
||||
**解法**:
|
||||
|
||||
**(1) 过渡矩阵**
|
||||
|
||||
$$
|
||||
P = A^{-1} B = \begin{pmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{pmatrix}^{-1} \begin{pmatrix} 1 & 1 & 2 \\ 1 & 2 & 3 \\ 1 & 3 & 4 \end{pmatrix} = \begin{pmatrix} 1 & 1 & 2 \\ 1 & 2 & 3 \\ 1 & 3 & 4 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**(2) 坐标**
|
||||
|
||||
$$
|
||||
\det P = \begin{vmatrix} 1 & 1 & 2 \\ 1 & 2 & 3 \\ 1 & 3 & 4 \end{vmatrix} = 1 (8-9) - 1(4-3) + 2(3-2) = -1 - 1 + 2 = 0
|
||||
$$
|
||||
|
||||
→ **不可逆!** 因为 $\beta_1, \beta_2, \beta_3$ 线性相关($\beta_3 = \beta_1 + \beta_2$)。
|
||||
|
||||
→ $\mathcal{B}$ 不是基 → 题目无解。
|
||||
|
||||
**复盘**:使用**矩阵求逆** $= A^{-1} B$ 前必须验证 $\det A \neq 0$(基可逆)、$\det B \neq 0$(新基可逆)。
|
||||
|
||||
---
|
||||
|
||||
### 母题 6:抽象空间的基变换
|
||||
|
||||
> **题目**:$P[x]_2$(次数 $\le 2$ 的多项式)中,$\alpha_1 = 1, \alpha_2 = x, \alpha_3 = x^2$;$\beta_1 = 1, \beta_2 = 1 + x, \beta_3 = 1 + x + x^2$。
|
||||
>
|
||||
> (1) 证明 $\mathcal{A} = (\alpha_1, \alpha_2, \alpha_3)$ 和 $\mathcal{B} = (\beta_1, \beta_2, \beta_3)$ 都是 $P[x]_2$ 的基。
|
||||
> (2) 求从 $\mathcal{A}$ 到 $\mathcal{B}$ 的过渡矩阵 $P$。
|
||||
> (3) 求 $p(x) = 2 + 3x + 5x^2$ 在 $\mathcal{B}$ 下的坐标。
|
||||
|
||||
**解法**:
|
||||
|
||||
**(1) 证明为基**(标准基 $\alpha_1, \alpha_2, \alpha_3$ 显然是基);$\beta_1, \beta_2, \beta_3$ 张成 $P[x]_2$(每个多项式 $a + bx + cx^2$ 都可以写出)且线性无关(用主元法反证:$1 \cdot k_1 + (1+x) \cdot k_2 + (1+x+x^2) \cdot k_3 = 0$ 推出 $k_1 = k_2 = k_3 = 0$)。
|
||||
|
||||
**(2) 过渡矩阵**
|
||||
|
||||
$\beta_1 = 1 = 1 \cdot \alpha_1 + 0 \cdot \alpha_2 + 0 \cdot \alpha_3$ → 坐标 $(1, 0, 0)^T$
|
||||
$\beta_2 = 1 + x = 1 \cdot \alpha_1 + 1 \cdot \alpha_2 + 0 \cdot \alpha_3$ → 坐标 $(1, 1, 0)^T$
|
||||
$\beta_3 = 1 + x + x^2 = 1 \cdot \alpha_1 + 1 \cdot \alpha_2 + 1 \cdot \alpha_3$ → 坐标 $(1, 1, 1)^T$
|
||||
|
||||
$$
|
||||
P = \begin{pmatrix} 1 & 1 & 1 \\ 0 & 1 & 1 \\ 0 & 0 & 1 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**(3) 坐标**
|
||||
|
||||
$p(x)$ 在 $\mathcal{A}$ 下的坐标 $(2, 3, 5)^T$(直接读系数)。
|
||||
|
||||
$$
|
||||
P^{-1} = \begin{pmatrix} 1 & -1 & 0 \\ 0 & 1 & -1 \\ 0 & 0 & 1 \end{pmatrix}
|
||||
$$
|
||||
|
||||
$$
|
||||
[p(x)]_{\mathcal{B}} = P^{-1} \begin{pmatrix} 2 \\ 3 \\ 5 \end{pmatrix} = \begin{pmatrix} 2 - 3 \\ 3 - 5 \\ 5 \end{pmatrix} = \begin{pmatrix} -1 \\ -2 \\ 5 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**验证**:$-1 \cdot 1 + (-2)(1+x) + 5(1+x+x^2) = -1 - 2 - 2x + 5 + 5x + 5x^2 = 2 + 3x + 5x^2$ ✓
|
||||
|
||||
**复盘**:$P$ 是上三角矩阵(标准基 → 递推基),$P^{-1}$ 也是上三角——这是这类问题的典型结构。
|
||||
|
||||
---
|
||||
|
||||
> **口诀**:
|
||||
> - **过渡矩阵 $P$**:列 = 新基向量在**旧基**下的坐标
|
||||
> - **坐标变换**:$[\alpha]_{\mathcal{B}} = P^{-1} [\alpha]_{\mathcal{A}}$(乘 $P$ 的逆)
|
||||
> - **方向辨析**:看清 $P$ 是 $\mathcal{A} \to \mathcal{B}$ 还是 $\mathcal{B} \to \mathcal{A}$
|
||||
> - **链式变换**:基变换顺序 = 矩阵相乘顺序
|
||||
@@ -0,0 +1,275 @@
|
||||
# 题型4:线性变换的判定(含像、核、秩)
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 题目给出映射 $T: V \to U$,要求验证是否为线性变换
|
||||
- 题目要求计算 $T$ 的核 $N(T)$、像 $R(T)$、秩 $\text{r}(T)$
|
||||
- 关键词:"验证"、"线性变换"、"核"、"像"、"秩"、"零度"
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[识别:线性变换判定] --> B{类型判断}
|
||||
B -->|验证线性| C[验证 T(kα+lβ) = kT(α)+lT(β)]
|
||||
B -->|求核 N T| D[解 T(α) = 0]
|
||||
B -->|求像 R T| E[求 T(α₁)..T(αₙ) 张成]
|
||||
B -->|求秩 零度| F[dim R T + dim N T = n]
|
||||
C --> G[得出结论]
|
||||
D --> G
|
||||
E --> G
|
||||
F --> G
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### A. 验证线性变换
|
||||
|
||||
**核心**:$\forall \alpha, \beta \in V,\ \forall k, l \in F$,
|
||||
$$
|
||||
T(k\alpha + l\beta) = kT(\alpha) + lT(\beta)
|
||||
$$
|
||||
|
||||
**Step 1**:验证 $T(\alpha + \beta) = T(\alpha) + T(\beta)$(加法保持)
|
||||
|
||||
**Step 2**:验证 $T(k\alpha) = kT(\alpha)$(数乘保持)
|
||||
|
||||
**等价合并**:直接验证 $T(k\alpha + l\beta) = kT(\alpha) + lT(\beta)$。
|
||||
|
||||
**反例速判**:
|
||||
- 若 $T(\mathbf{0}) \neq \mathbf{0}$ → 必非线性
|
||||
- 若 $T(\alpha + \beta) \neq T(\alpha) + T(\beta)$ → 必非线性
|
||||
|
||||
### B. 求核 $N(T)$
|
||||
|
||||
**定义**:$N(T) = \{\alpha \in V \mid T(\alpha) = \mathbf{0}\}$
|
||||
|
||||
**求法**:
|
||||
1. 设 $\alpha = (x_1, \ldots, x_n)^T$
|
||||
2. 解方程 $T(\alpha) = \mathbf{0}$(齐次线性方程组)
|
||||
3. 化为齐次方程组的基础解系
|
||||
|
||||
**结果**:核是一个子空间,基础解系即为核的基。
|
||||
|
||||
### C. 求像 $R(T)$
|
||||
|
||||
**定义**:$R(T) = \{T(\alpha) \mid \alpha \in V\}$
|
||||
|
||||
**求法**:
|
||||
1. 取 $V$ 的一组基 $\alpha_1, \ldots, \alpha_n$
|
||||
2. 计算 $T(\alpha_1), \ldots, T(\alpha_n)$
|
||||
3. 求 $T(\alpha_1), \ldots, T(\alpha_n)$ 的极大线性无关组
|
||||
|
||||
**结果**:像是一个子空间,该极大无关组即为像的基。
|
||||
|
||||
### D. 秩-零度定理
|
||||
|
||||
$$
|
||||
\dim V = \dim R(T) + \dim N(T) = \text{r}(T) + \text{nullity}(T)
|
||||
$$
|
||||
|
||||
**应用**:
|
||||
- 求 $\dim R(T)$ 困难时,先求 $\dim N(T)$,再用公式
|
||||
- 求 $\dim N(T)$ 困难时,先求 $\dim R(T)$,再用公式
|
||||
|
||||
### E. 特殊线性变换的判定技巧
|
||||
|
||||
| 变换 $T$ | 判定 |
|
||||
|---------|------|
|
||||
| $T(\alpha) = A\alpha$ | 必为线性(矩阵乘法) |
|
||||
| $T(\alpha + \beta) = T(\alpha) + T(\beta)$ 但 $T(k\alpha) \neq kT(\alpha)$ | 非线性 |
|
||||
| $T(\alpha) = c$(常数)| $T(\mathbf{0}) = c \neq \mathbf{0}$ → 非线性 |
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- **陷阱 1**:只验证 $T(\alpha + \beta) = T(\alpha) + T(\beta)$,忘了数乘
|
||||
- **陷阱 2**:混淆"核"与"像"——$N(T)$ 是使 $T(\alpha) = \mathbf{0}$ 的 $\alpha$,$R(T)$ 是 $T(\alpha)$ 的集合
|
||||
- **陷阱 3**:混淆"零空间"与"零变换"——$N(T)$ 是集合,$\mathcal{O}$ 是变换
|
||||
- **陷阱 4**:求秩时忘记要用极大无关组
|
||||
- **陷阱 5**:抽象空间中漏验零元(如 $T(\mathbf{0}) = \mathbf{0}$ 看似显然,实则需验证)
|
||||
|
||||
## 经典母题
|
||||
|
||||
### 母题 1:验证线性变换
|
||||
|
||||
> **题目**:设 $T: \mathbb{R}^3 \to \mathbb{R}^3$,$T(x, y, z) = (x + y, y + z, z + x)$。验证 $T$ 是线性变换。
|
||||
|
||||
**解法**:
|
||||
|
||||
设 $\alpha = (x_1, y_1, z_1), \beta = (x_2, y_2, z_2)$,$k, l \in \mathbb{R}$。
|
||||
|
||||
**Step 1:验证加法**
|
||||
$$
|
||||
T(\alpha + \beta) = T(x_1 + x_2, y_1 + y_2, z_1 + z_2) = ((x_1 + x_2) + (y_1 + y_2), (y_1 + y_2) + (z_1 + z_2), (z_1 + z_2) + (x_1 + x_2))
|
||||
$$
|
||||
$$
|
||||
= (x_1 + y_1, y_1 + z_1, z_1 + x_1) + (x_2 + y_2, y_2 + z_2, z_2 + x_2) = T(\alpha) + T(\beta) \checkmark
|
||||
$$
|
||||
|
||||
**Step 2:验证数乘**
|
||||
$$
|
||||
T(k\alpha) = T(kx_1, ky_1, kz_1) = (kx_1 + ky_1, ky_1 + kz_1, kz_1 + kx_1) = k(x_1 + y_1, y_1 + z_1, z_1 + x_1) = kT(\alpha) \checkmark
|
||||
$$
|
||||
|
||||
**结论**:$T$ 是线性变换。
|
||||
|
||||
**复盘**:两个等式都成立 → 是线性变换。也可直接验证 $T(k\alpha + l\beta) = kT(\alpha) + lT(\beta)$。
|
||||
|
||||
---
|
||||
|
||||
### 母题 2:否定变换的线性
|
||||
|
||||
> **题目**:判断 $T: \mathbb{R}^2 \to \mathbb{R}^2$,$T(x, y) = (x + 1, y + 1)$ 是否为线性变换。
|
||||
|
||||
**解法**:
|
||||
|
||||
**反例 1**:$T(\mathbf{0}) = T(0, 0) = (1, 1) \neq (0, 0) = \mathbf{0}$ → $T(\mathbf{0}) \neq \mathbf{0}$。
|
||||
|
||||
**直接否定**:$T(\mathbf{0}) = \mathbf{0}$ 是线性变换的必要条件(由 $T(k\alpha) = kT(\alpha)$ 推出)。$T(\mathbf{0}) = (1, 1) \neq \mathbf{0}$ → 必然非线性。
|
||||
|
||||
**结论**:$T$ 不是线性变换。
|
||||
|
||||
**复盘**:$T(\mathbf{0}) \neq \mathbf{0}$ 是最快速的否定判据。
|
||||
|
||||
---
|
||||
|
||||
### 母题 3:求核 $N(T)$
|
||||
|
||||
> **题目**:$T: \mathbb{R}^3 \to \mathbb{R}^3$,$T(x, y, z) = (x + y, y + z, x - y)$,求 $N(T)$。
|
||||
|
||||
**解法**:
|
||||
|
||||
设 $T(x, y, z) = \mathbf{0}$,即
|
||||
$$
|
||||
\begin{cases} x + y = 0 \\ y + z = 0 \\ x - y = 0 \end{cases}
|
||||
$$
|
||||
|
||||
由第 1、3 式:$x = -y$ 且 $x = y$ → $y = 0, x = 0$。
|
||||
由第 2 式:$z = 0$。
|
||||
|
||||
**核**:$N(T) = \{(0, 0, 0)\}$,$\dim N(T) = 0$。
|
||||
|
||||
**矩阵法**:$A = \begin{pmatrix} 1 & 1 & 0 \\ 0 & 1 & 1 \\ 1 & -1 & 0 \end{pmatrix}$,$\det A = ?$
|
||||
|
||||
$$
|
||||
\det A = 1 \cdot (0 - (-1)) - 1 \cdot (0 - 1) + 0 = 1 + 1 = 2 \neq 0
|
||||
$$
|
||||
|
||||
→ $A$ 满秩 → $Ax = 0$ 只有零解 → $\dim N(T) = 0$ ✓
|
||||
|
||||
**复盘**:$\det A \neq 0$ 时 $N(T) = \{\mathbf{0}\}$。
|
||||
|
||||
---
|
||||
|
||||
### 母题 4:求像 $R(T)$ 与秩
|
||||
|
||||
> **题目**:$T: \mathbb{R}^3 \to \mathbb{R}^2$,$T(x, y, z) = (x + y, y + z)$,求 $R(T)$ 和 $\text{r}(T)$。
|
||||
|
||||
**解法**:
|
||||
|
||||
**方法一:求 $\dim R(T)$**
|
||||
|
||||
设 $A = \begin{pmatrix} 1 & 1 & 0 \\ 0 & 1 & 1 \end{pmatrix}$,对 $A$ 行阶梯化:
|
||||
|
||||
$$
|
||||
A \xrightarrow{r_1 - r_2} \begin{pmatrix} 1 & 0 & -1 \\ 0 & 1 & 1 \end{pmatrix}
|
||||
$$
|
||||
|
||||
2 个主元 → $\text{r}(A) = 2$ → $\dim R(T) = 2$。
|
||||
|
||||
**方法二:求像的基**
|
||||
|
||||
取 $\alpha_1 = (1, 0, 0)^T, \alpha_2 = (0, 1, 0)^T, \alpha_3 = (0, 0, 1)^T$(标准基):
|
||||
|
||||
$$
|
||||
T(\alpha_1) = (1, 0)^T, \quad T(\alpha_2) = (1, 1)^T, \quad T(\alpha_3) = (0, 1)^T
|
||||
$$
|
||||
|
||||
显然 $(1, 0)^T, (1, 1)^T, (0, 1)^T$ 张成 $\mathbb{R}^2$。
|
||||
|
||||
**结论**:$R(T) = \mathbb{R}^2$,$\text{r}(T) = 2$。
|
||||
|
||||
**核-零度验证**:$\dim R(T) + \dim N(T) = 3$ → $\dim N(T) = 1$(解方程 $x + y = 0, y + z = 0$ → $x = -y, z = -y$ → 基础解系 $(1, -1, 1)^T$)。
|
||||
|
||||
**复盘**:求像有两种方法——**矩阵求秩**或**求像的基**,结果一致。
|
||||
|
||||
---
|
||||
|
||||
### 母题 5:秩-零度定理的应用
|
||||
|
||||
> **题目**:$T: \mathbb{R}^5 \to \mathbb{R}^3$ 是线性变换,已知 $\dim R(T) = 2$,求 $\dim N(T)$。
|
||||
|
||||
**解法**:
|
||||
|
||||
由秩-零度定理:
|
||||
$$
|
||||
\dim V = \dim R(T) + \dim N(T)
|
||||
$$
|
||||
$$
|
||||
5 = 2 + \dim N(T)
|
||||
$$
|
||||
$$
|
||||
\dim N(T) = 3
|
||||
$$
|
||||
|
||||
**结论**:$\dim N(T) = 3$。
|
||||
|
||||
**复盘**:秩-零度定理是**线性变换理论的核心**,必背。
|
||||
|
||||
---
|
||||
|
||||
### 母题 6:抽象空间中的线性变换
|
||||
|
||||
> **题目**:$V = P[x]_2$(次数 $\le 2$ 的多项式),$T(p(x)) = p'(x)$(求导)。验证 $T$ 是线性变换,求 $N(T)$、$R(T)$、$\text{r}(T)$。
|
||||
|
||||
**解法**:
|
||||
|
||||
**验证线性**:
|
||||
- $T(p + q) = (p + q)' = p' + q' = T(p) + T(q)$ ✓
|
||||
- $T(kp) = (kp)' = kp' = kT(p)$ ✓
|
||||
|
||||
→ $T$ 是线性变换。
|
||||
|
||||
**求核 $N(T)$**:
|
||||
|
||||
$T(p(x)) = 0 \Leftrightarrow p'(x) = 0 \Leftrightarrow p(x)$ 是常数多项式。
|
||||
|
||||
**核**:$N(T) = \{c \mid c \in \mathbb{R}\}$,$\dim N(T) = 1$。
|
||||
|
||||
**求像 $R(T)$**:
|
||||
|
||||
$T(p(x)) = p'(x)$ 是次数 $\le 1$ 的多项式,即 $R(T) = P[x]_1$。
|
||||
|
||||
**秩**:$\text{r}(T) = \dim P[x]_1 = 2$。
|
||||
|
||||
**秩-零度验证**:$\dim N(T) + \dim R(T) = 1 + 2 = 3 = \dim P[x]_2$ ✓
|
||||
|
||||
**复盘**:抽象空间(多项式、矩阵、函数)中的线性变换,判定方法相同。
|
||||
|
||||
---
|
||||
|
||||
### 母题 7:复合变换的线性
|
||||
|
||||
> **题目**:$T_1, T_2$ 都是 $V \to V$ 的线性变换,证明 $T_1 \circ T_2$(先 $T_2$ 后 $T_1$)也是线性变换。
|
||||
|
||||
**证法**:
|
||||
|
||||
$$
|
||||
(T_1 \circ T_2)(k\alpha + l\beta) = T_1(T_2(k\alpha + l\beta)) = T_1(kT_2(\alpha) + lT_2(\beta))
|
||||
$$
|
||||
$$
|
||||
= kT_1(T_2(\alpha)) + lT_1(T_2(\beta)) = k(T_1 \circ T_2)(\alpha) + l(T_1 \circ T_2)(\beta)
|
||||
$$
|
||||
|
||||
故 $T_1 \circ T_2$ 是线性变换。
|
||||
|
||||
**复盘**:复合变换保持线性。**注意**:$T_1 \circ T_2 \neq T_2 \circ T_1$(乘法不一定交换)。
|
||||
|
||||
---
|
||||
|
||||
> **口诀**:
|
||||
> - **验证线性**:$T(k\alpha + l\beta) = kT(\alpha) + lT(\beta)$
|
||||
> - **快速否定**:$T(\mathbf{0}) \neq \mathbf{0}$ → 非线性
|
||||
> - **求核**:解 $T(\alpha) = \mathbf{0}$
|
||||
> - **求像**:求 $T(\alpha_1), \ldots, T(\alpha_n)$ 的极大无关组
|
||||
> - **秩-零度**:$\dim V = \dim R(T) + \dim N(T)$
|
||||
@@ -0,0 +1,354 @@
|
||||
# 题型5:线性变换的矩阵表示
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 题目给出线性变换 $T$ 和某组基 $\mathcal{A}$,求 $T$ 在 $\mathcal{A}$ 下的矩阵
|
||||
- 题目给出 $T$ 在某基 $\mathcal{A}$ 下的矩阵 $A$,求 $T$ 在另一基 $\mathcal{B}$ 下的矩阵 $B$
|
||||
- 已知 $T(\alpha_1), \ldots, T(\alpha_n)$ 的某种描述,求 $T$ 的矩阵
|
||||
- 关键词:"矩阵表示"、"在基下的矩阵"、"过渡矩阵"、"基变换"
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[识别:求线性变换的矩阵] --> B{类型判断}
|
||||
B -->|已知 T 和基 A| C[求 T(α₁),...,T(αₙ)]
|
||||
C --> D[列向量法: A 的第 j 列 = T(α_j) 在 A 下的坐标]
|
||||
B -->|已知 A 求 B| E[求 P: A → B 过渡矩阵]
|
||||
E --> F[B = P^(-1) A P]
|
||||
B -->|未知 T 求矩阵| G[设未知系数]
|
||||
G --> H[解方程组]
|
||||
H --> I[列向量法]
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### A. 求 $T$ 在基 $\mathcal{A}$ 下的矩阵(已知 $T$)
|
||||
|
||||
**核心定理**:设 $\mathcal{A} = (\alpha_1, \ldots, \alpha_n)$ 是 $V$ 的基,$T: V \to V$ 是线性变换,则
|
||||
$$
|
||||
(T(\alpha_1), T(\alpha_2), \ldots, T(\alpha_n)) = (\alpha_1, \alpha_2, \ldots, \alpha_n) A
|
||||
$$
|
||||
|
||||
唯一确定 $n$ 阶矩阵 $A$。**$A$ 的第 $j$ 列 = $T(\alpha_j)$ 在基 $\mathcal{A}$ 下的坐标**。
|
||||
|
||||
**Step 1**:求 $T(\alpha_1), T(\alpha_2), \ldots, T(\alpha_n)$。
|
||||
|
||||
**Step 2**:将每个 $T(\alpha_j)$ 用 $\alpha_1, \ldots, \alpha_n$ 线性表示,得到坐标列。
|
||||
|
||||
**Step 3**:以这些坐标列为列,构成矩阵 $A$。
|
||||
|
||||
### B. 求 $T$ 在基 $\mathcal{B}$ 下的矩阵(已知 $A$)
|
||||
|
||||
**核心公式**:设 $T$ 在基 $\mathcal{A}$ 下的矩阵为 $A$,从 $\mathcal{A}$ 到 $\mathcal{B}$ 的过渡矩阵为 $P$,则 $T$ 在基 $\mathcal{B}$ 下的矩阵为:
|
||||
$$
|
||||
\boxed{B = P^{-1} A P}
|
||||
$$
|
||||
|
||||
> 这是**矩阵相似**的来源!
|
||||
|
||||
### C. 已知 $T(\alpha_1), \ldots, T(\alpha_n)$ 反求 $T$ 的矩阵
|
||||
|
||||
**情形 1**:已知 $T(\alpha_j)$ 在标准基下的坐标 → 直接作为 $A$ 的列。
|
||||
|
||||
**情形 2**:已知 $T(\alpha_j) = \beta_j$(具体向量)→ 求 $\beta_j$ 在基 $\mathcal{A}$ 下的坐标作为 $A$ 的列。
|
||||
|
||||
**情形 3**:已知 $T(\alpha_j)$ 在另一组基下的坐标 → 转化为坐标变换。
|
||||
|
||||
### D. 线性变换运算的矩阵对应
|
||||
|
||||
| 线性变换 | 矩阵对应 |
|
||||
|---------|---------|
|
||||
| $T_1 + T_2$ | $A_1 + A_2$ |
|
||||
| $kT$ | $kA$ |
|
||||
| $T_1 \circ T_2$($T_2$ 先作用)| $A_1 A_2$ |
|
||||
| $T^{-1}$ | $A^{-1}$ |
|
||||
| $\mathcal{I}$(恒等变换) | $E$ |
|
||||
|
||||
### E. 矩阵与变换的对应(核心关系)
|
||||
|
||||
$$
|
||||
[T(\alpha)]_{\mathcal{A}} = A \cdot [\alpha]_{\mathcal{A}}
|
||||
$$
|
||||
|
||||
> 矩阵 $A$ 作用于坐标向量,得到 $T(\alpha)$ 的坐标向量。
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- **陷阱 1**:$A$ 的第 $j$ 列填错——忘记把 $T(\alpha_j)$ **先转化为基 $\mathcal{A}$ 下的坐标**
|
||||
- **陷阱 2**:$B = P^{-1} A P$ 公式记反——混淆 $P$ 和 $P^{-1}$ 的位置
|
||||
- **陷阱 3**:$P$ 方向搞反——$P$ 是从 $\mathcal{A}$ 到 $\mathcal{B}$,是"用新基向量在旧基下表示"
|
||||
- **陷阱 4**:复合变换 $T_1 \circ T_2$ 的矩阵是 $A_1 A_2$($T_2$ 先作用),**不是 $A_2 A_1$**
|
||||
- **陷阱 5**:忘记验证 $A$ 是否可逆($T$ 是否可逆)
|
||||
|
||||
## 经典母题
|
||||
|
||||
### 母题 1:基像法求矩阵
|
||||
|
||||
> **题目**:$T: \mathbb{R}^3 \to \mathbb{R}^3$,$T(x, y, z) = (x + y, y + z, z + x)$。求 $T$ 在标准基 $\mathcal{E} = (e_1, e_2, e_3)$ 下的矩阵 $A$。
|
||||
|
||||
**解法**:
|
||||
|
||||
**Step 1**:求 $T(e_1), T(e_2), T(e_3)$。
|
||||
|
||||
$$
|
||||
T(e_1) = T(1, 0, 0) = (1, 0, 1)^T
|
||||
$$
|
||||
$$
|
||||
T(e_2) = T(0, 1, 0) = (1, 1, 0)^T
|
||||
$$
|
||||
$$
|
||||
T(e_3) = T(0, 0, 1) = (0, 1, 1)^T
|
||||
$$
|
||||
|
||||
**Step 2**:在标准基 $\mathcal{E}$ 下,$T(e_j)$ 的坐标就是它本身。
|
||||
|
||||
**Step 3**:以这些坐标为列,构成矩阵 $A$。
|
||||
|
||||
$$
|
||||
A = \begin{pmatrix} 1 & 1 & 0 \\ 0 & 1 & 1 \\ 1 & 0 & 1 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**复盘**:在标准基下,$T(\alpha)$ 的坐标 = $T(\alpha)$ 本身(直接读分量)。
|
||||
|
||||
---
|
||||
|
||||
### 母题 2:在非标准基下的矩阵
|
||||
|
||||
> **题目**:$\mathbb{R}^3$ 中基 $\mathcal{A} = (\alpha_1, \alpha_2, \alpha_3)$,$\alpha_1 = (1, 1, 1)^T, \alpha_2 = (1, 1, 0)^T, \alpha_3 = (1, 0, 0)^T$。
|
||||
> 线性变换 $T(\alpha_1) = (2, 1, 1)^T, T(\alpha_2) = (1, 3, 1)^T, T(\alpha_3) = (1, 1, 4)^T$。
|
||||
> 求 $T$ 在 $\mathcal{A}$ 下的矩阵 $A$。
|
||||
|
||||
**解法**:
|
||||
|
||||
**关键**:$T$ 在 $\mathcal{A}$ 下的矩阵 $A$ 的第 $j$ 列 = $T(\alpha_j)$ **在 $\mathcal{A}$ 下的坐标**。
|
||||
|
||||
**Step 1**:分别求 $T(\alpha_1), T(\alpha_2), T(\alpha_3)$ 在 $\mathcal{A}$ 下的坐标。
|
||||
|
||||
设 $T(\alpha_1) = x_1 \alpha_1 + x_2 \alpha_2 + x_3 \alpha_3$,即
|
||||
$$
|
||||
\begin{pmatrix} 2 \\ 1 \\ 1 \end{pmatrix} = x_1 \begin{pmatrix} 1 \\ 1 \\ 1 \end{pmatrix} + x_2 \begin{pmatrix} 1 \\ 1 \\ 0 \end{pmatrix} + x_3 \begin{pmatrix} 1 \\ 0 \\ 0 \end{pmatrix} = \begin{pmatrix} x_1 + x_2 + x_3 \\ x_1 + x_2 \\ x_1 \end{pmatrix}
|
||||
$$
|
||||
|
||||
→
|
||||
$$
|
||||
\begin{cases} x_1 + x_2 + x_3 = 2 \\ x_1 + x_2 = 1 \\ x_1 = 1 \end{cases}
|
||||
$$
|
||||
|
||||
→ $x_1 = 1, x_2 = 0, x_3 = 1$ → 坐标 $(1, 0, 1)^T$
|
||||
|
||||
类似地:
|
||||
- $T(\alpha_2) = (1, 3, 1)^T$:
|
||||
- $\begin{cases} x_1 + x_2 + x_3 = 1 \\ x_1 + x_2 = 3 \\ x_1 = 1 \end{cases}$
|
||||
- $x_1 = 1, x_2 = 2, x_3 = -2$ → 坐标 $(1, 2, -2)^T$
|
||||
- $T(\alpha_3) = (1, 1, 4)^T$:
|
||||
- $\begin{cases} x_1 + x_2 + x_3 = 1 \\ x_1 + x_2 = 1 \\ x_1 = 4 \end{cases}$
|
||||
- $x_1 = 4, x_2 = -3, x_3 = 0$ → 坐标 $(4, -3, 0)^T$
|
||||
|
||||
**Step 2**:构成矩阵
|
||||
$$
|
||||
A = \begin{pmatrix} 1 & 1 & 4 \\ 0 & 2 & -3 \\ 1 & -2 & 0 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**复盘**:在非标准基下,必须把 $T(\alpha_j)$ 用基 $\alpha_1, \alpha_2, \alpha_3$ 表示出来——这要解方程组。
|
||||
|
||||
---
|
||||
|
||||
### 母题 3:基变换 $B = P^{-1} A P$
|
||||
|
||||
> **题目**:$T$ 在 $\mathcal{A}$ 下的矩阵 $A = \begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix}$。从 $\mathcal{A}$ 到 $\mathcal{B}$ 的过渡矩阵 $P = \begin{pmatrix} 1 & 1 \\ 1 & -1 \end{pmatrix}$。求 $T$ 在 $\mathcal{B}$ 下的矩阵 $B$。
|
||||
|
||||
**解法**:
|
||||
|
||||
**核心公式**:$B = P^{-1} A P$
|
||||
|
||||
**求 $P^{-1}$**:
|
||||
$$
|
||||
\det P = -2, \quad P^{-1} = -\frac{1}{2} \begin{pmatrix} -1 & -1 \\ -1 & 1 \end{pmatrix} = \frac{1}{2} \begin{pmatrix} 1 & 1 \\ 1 & -1 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**计算**:
|
||||
$$
|
||||
AP = \begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix} \begin{pmatrix} 1 & 1 \\ 1 & -1 \end{pmatrix} = \begin{pmatrix} 3 & -1 \\ 7 & -1 \end{pmatrix}
|
||||
$$
|
||||
|
||||
$$
|
||||
B = P^{-1} A P = \frac{1}{2} \begin{pmatrix} 1 & 1 \\ 1 & -1 \end{pmatrix} \begin{pmatrix} 3 & -1 \\ 7 & -1 \end{pmatrix} = \frac{1}{2} \begin{pmatrix} 10 & -2 \\ -4 & 0 \end{pmatrix} = \begin{pmatrix} 5 & -1 \\ -2 & 0 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**复盘**:$B = P^{-1} A P$ 是**相似变换**——$A, B$ 相似,特征值、行列式、秩都相同。
|
||||
|
||||
---
|
||||
|
||||
### 母题 4:已知 $T(\alpha_1), T(\alpha_2), T(\alpha_3)$ 求矩阵
|
||||
|
||||
> **题目**:$\mathbb{R}^3$ 中,$\alpha_1 = (1, 0, 1)^T, \alpha_2 = (1, 1, 0)^T, \alpha_3 = (0, 1, 1)^T$。
|
||||
> $T(\alpha_1) = (1, 0, 1)^T, T(\alpha_2) = (1, 1, 0)^T, T(\alpha_3) = (0, 1, 1)^T$。
|
||||
> 求 $T$ 在基 $\mathcal{A} = (\alpha_1, \alpha_2, \alpha_3)$ 下的矩阵 $A$。
|
||||
|
||||
**解法**:
|
||||
|
||||
**关键观察**:$T(\alpha_j) = \alpha_j$,即 $T$ 是恒等变换。
|
||||
|
||||
**验证**:$T(\alpha_j) = \alpha_j$ 在 $\mathcal{A}$ 下的坐标是 $(0, \ldots, 1, \ldots, 0)^T$(第 $j$ 个为 1)。
|
||||
|
||||
**矩阵**:
|
||||
$$
|
||||
A = \begin{pmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{pmatrix} = E
|
||||
$$
|
||||
|
||||
**复盘**:恒等变换在任何基下的矩阵都是单位阵。
|
||||
|
||||
---
|
||||
|
||||
### 母题 5:复合变换的矩阵
|
||||
|
||||
> **题目**:$\mathbb{R}^2$ 中,$T_1(x, y) = (x + y, x - y)$,$T_2(x, y) = (2x, 3y)$。$T = T_1 \circ T_2$(先 $T_2$ 后 $T_1$)。求 $T$ 在标准基下的矩阵 $A$。
|
||||
|
||||
**解法**:
|
||||
|
||||
**方法一:复合运算**
|
||||
|
||||
对任意 $\alpha = (x, y)^T$:
|
||||
$$
|
||||
T_2(\alpha) = (2x, 3y)^T
|
||||
$$
|
||||
$$
|
||||
T(\alpha) = T_1(T_2(\alpha)) = T_1(2x, 3y) = (2x + 3y, 2x - 3y)^T
|
||||
$$
|
||||
|
||||
求在标准基下的矩阵:
|
||||
$$
|
||||
T(e_1) = T(1, 0) = (2, 2)^T
|
||||
$$
|
||||
$$
|
||||
T(e_2) = T(0, 1) = (3, -3)^T
|
||||
$$
|
||||
|
||||
$$
|
||||
A = \begin{pmatrix} 2 & 3 \\ 2 & -3 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**方法二:矩阵乘法**
|
||||
|
||||
$T_1$ 在标准基下的矩阵 $A_1 = \begin{pmatrix} 1 & 1 \\ 1 & -1 \end{pmatrix}$,$T_2$ 在标准基下的矩阵 $A_2 = \begin{pmatrix} 2 & 0 \\ 0 & 3 \end{pmatrix}$。
|
||||
|
||||
$$
|
||||
A = A_1 A_2 = \begin{pmatrix} 1 & 1 \\ 1 & -1 \end{pmatrix} \begin{pmatrix} 2 & 0 \\ 0 & 3 \end{pmatrix} = \begin{pmatrix} 2 & 3 \\ 2 & -3 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**复盘**:两种方法结果一致。**矩阵乘法对应复合变换**——这是 Ch02 矩阵乘法的几何意义。
|
||||
|
||||
---
|
||||
|
||||
### 母题 6:求 $T$ 在新基下的矩阵(已知 $T$ 在旧基下的矩阵)
|
||||
|
||||
> **题目**:$T$ 在标准基 $\mathcal{E}$ 下的矩阵 $A = \begin{pmatrix} 1 & 1 \\ 0 & 1 \end{pmatrix}$。
|
||||
> 新基 $\mathcal{B} = (\beta_1, \beta_2)$,$\beta_1 = (1, 1)^T, \beta_2 = (1, -1)^T$。
|
||||
> 求 $T$ 在 $\mathcal{B}$ 下的矩阵 $B$。
|
||||
|
||||
**解法**:
|
||||
|
||||
**Step 1**:求从 $\mathcal{E}$ 到 $\mathcal{B}$ 的过渡矩阵 $P$。
|
||||
|
||||
$\beta_1 = (1, 1)^T$ 在 $\mathcal{E}$ 下的坐标 $(1, 1)^T$(标准基下坐标 = 本身)。
|
||||
$\beta_2 = (1, -1)^T$ 在 $\mathcal{E}$ 下的坐标 $(1, -1)^T$。
|
||||
|
||||
$$
|
||||
P = \begin{pmatrix} 1 & 1 \\ 1 & -1 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**Step 2**:$B = P^{-1} A P$
|
||||
|
||||
$P^{-1} = \frac{1}{2} \begin{pmatrix} 1 & 1 \\ 1 & -1 \end{pmatrix}$
|
||||
|
||||
$$
|
||||
AP = \begin{pmatrix} 1 & 1 \\ 0 & 1 \end{pmatrix} \begin{pmatrix} 1 & 1 \\ 1 & -1 \end{pmatrix} = \begin{pmatrix} 2 & 0 \\ 1 & -1 \end{pmatrix}
|
||||
$$
|
||||
|
||||
$$
|
||||
B = P^{-1} A P = \frac{1}{2} \begin{pmatrix} 1 & 1 \\ 1 & -1 \end{pmatrix} \begin{pmatrix} 2 & 0 \\ 1 & -1 \end{pmatrix} = \frac{1}{2} \begin{pmatrix} 3 & -1 \\ 1 & 1 \end{pmatrix} = \begin{pmatrix} 3/2 & -1/2 \\ 1/2 & 1/2 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**复盘**:$B = P^{-1} A P$ 是**矩阵相似**的标准形式——$A$ 和 $B$ 必有相同的特征值、行列式、迹。
|
||||
|
||||
---
|
||||
|
||||
### 母题 7:抽象空间中的矩阵表示
|
||||
|
||||
> **题目**:$V = P[x]_2$(次数 $\le 2$ 的多项式),$T(p(x)) = p'(x)$(求导)。
|
||||
> 求 $T$ 在基 $\mathcal{A} = (1, x, x^2)$ 下的矩阵 $A$。
|
||||
|
||||
**解法**:
|
||||
|
||||
**Step 1**:求 $T(1), T(x), T(x^2)$:
|
||||
|
||||
- $T(1) = 0$
|
||||
- $T(x) = 1$
|
||||
- $T(x^2) = 2x$
|
||||
|
||||
**Step 2**:在 $\mathcal{A} = (1, x, x^2)$ 下表示:
|
||||
|
||||
- $T(1) = 0 = 0 \cdot 1 + 0 \cdot x + 0 \cdot x^2$ → 坐标 $(0, 0, 0)^T$
|
||||
- $T(x) = 1 = 1 \cdot 1 + 0 \cdot x + 0 \cdot x^2$ → 坐标 $(1, 0, 0)^T$
|
||||
- $T(x^2) = 2x = 0 \cdot 1 + 2 \cdot x + 0 \cdot x^2$ → 坐标 $(0, 2, 0)^T$
|
||||
|
||||
**Step 3**:构成矩阵
|
||||
$$
|
||||
A = \begin{pmatrix} 0 & 1 & 0 \\ 0 & 0 & 2 \\ 0 & 0 & 0 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**复盘**:求导运算在多项式空间中的矩阵是**移位 + 乘以次数**的稀疏矩阵。
|
||||
|
||||
---
|
||||
|
||||
### 母题 8:抽象变换的矩阵表示(综合)
|
||||
|
||||
> **题目**:$\mathbb{R}^3$ 中 $\alpha_1 = (1, 0, 1)^T, \alpha_2 = (1, 1, 0)^T, \alpha_3 = (0, 1, 1)^T$。
|
||||
> $T(\alpha_1) = (1, 2, 3)^T, T(\alpha_2) = (4, 5, 6)^T, T(\alpha_3) = (7, 8, 9)^T$。
|
||||
> 求 $T$ 在基 $\mathcal{A} = (\alpha_1, \alpha_2, \alpha_3)$ 下的矩阵 $A$。
|
||||
|
||||
**解法**:
|
||||
|
||||
**核心**:$A$ 的第 $j$ 列 = $T(\alpha_j)$ 在 $\mathcal{A}$ 下的坐标。
|
||||
|
||||
**Step 1**:求 $T(\alpha_1) = (1, 2, 3)^T$ 在 $\mathcal{A}$ 下的坐标。
|
||||
|
||||
设 $(1, 2, 3)^T = x_1 \alpha_1 + x_2 \alpha_2 + x_3 \alpha_3 = x_1(1, 0, 1)^T + x_2(1, 1, 0)^T + x_3(0, 1, 1)^T$
|
||||
$$
|
||||
= (x_1 + x_2, x_2 + x_3, x_1 + x_3)^T
|
||||
$$
|
||||
|
||||
→
|
||||
$$
|
||||
\begin{cases} x_1 + x_2 = 1 \\ x_2 + x_3 = 2 \\ x_1 + x_3 = 3 \end{cases}
|
||||
$$
|
||||
|
||||
$\Rightarrow x_1 = 1, x_2 = 0, x_3 = 2$ → 坐标 $(1, 0, 2)^T$
|
||||
|
||||
**Step 2**:求 $T(\alpha_2) = (4, 5, 6)^T$ 在 $\mathcal{A}$ 下的坐标:
|
||||
$$
|
||||
\begin{cases} x_1 + x_2 = 4 \\ x_2 + x_3 = 5 \\ x_1 + x_3 = 6 \end{cases}
|
||||
$$
|
||||
$\Rightarrow x_1 = 2.5, x_2 = 1.5, x_3 = 3.5$ → 坐标 $(5/2, 3/2, 7/2)^T$
|
||||
|
||||
**Step 3**:求 $T(\alpha_3) = (7, 8, 9)^T$ 在 $\mathcal{A}$ 下的坐标:
|
||||
$$
|
||||
\begin{cases} x_1 + x_2 = 7 \\ x_2 + x_3 = 8 \\ x_1 + x_3 = 9 \end{cases}
|
||||
$$
|
||||
$\Rightarrow x_1 = 4, x_2 = 3, x_3 = 5$ → 坐标 $(4, 3, 5)^T$
|
||||
|
||||
**Step 4**:构成矩阵
|
||||
$$
|
||||
A = \begin{pmatrix} 1 & 5/2 & 4 \\ 0 & 3/2 & 3 \\ 2 & 7/2 & 5 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**复盘**:每次求坐标就是解一个 $3 \times 3$ 线性方程组(因 $\mathcal{A}$ 是 $\mathbb{R}^3$ 的基)。
|
||||
|
||||
---
|
||||
|
||||
> **口诀**:
|
||||
> - **列向量法**:$A$ 的第 $j$ 列 = $T(\alpha_j)$ 在基 $\mathcal{A}$ 下的坐标
|
||||
> - **基变换公式**:$B = P^{-1} A P$($P$ 是 $\mathcal{A} \to \mathcal{B}$ 的过渡矩阵)
|
||||
> - **复合变换**:$T_1 \circ T_2$ 对应 $A_1 A_2$($T_2$ 先作用)
|
||||
> - **求矩阵的核心**:把 $T(\alpha_j)$ 转化为**基 $\mathcal{A}$ 下的坐标**
|
||||
@@ -0,0 +1,363 @@
|
||||
# 题型6:线性变换的特征值与对角化
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 题目给出线性变换 $T$ 的矩阵 $A$,求 $T$ 的特征值与特征向量
|
||||
- 题目要求在某一基下将 $T$ 的矩阵对角化
|
||||
- 关键词:"特征值"、"特征向量"、"对角化"、"$\det(\lambda E - A) = 0$"
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[识别:特征值与对角化] --> B[求特征多项式]
|
||||
B --> C[det(λE - A) = 0]
|
||||
C --> D[解方程得特征值 λ₁, ..., λₙ]
|
||||
D --> E[对每个 λᵢ 解 (λᵢE - A)ξ = 0]
|
||||
E --> F[得基础解系 = 特征向量]
|
||||
F --> G{判断是否对角化}
|
||||
G -->|n 个线性无关特征向量| H[构成矩阵 P]
|
||||
G -->|无关向量数 < n| I[不可对角化]
|
||||
H --> J[P^(-1) A P = Λ]
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### A. 特征值与特征向量的定义
|
||||
|
||||
设 $T$ 是线性空间 $V$ 上的线性变换。若 $\exists \lambda \in F$ 和非零向量 $\xi \in V$ 使
|
||||
$$
|
||||
T(\xi) = \lambda \xi \iff (A - \lambda E) \xi = 0 \iff (\lambda E - A) \xi = 0
|
||||
$$
|
||||
|
||||
则 $\lambda$ 称为 $T$ 的**特征值**,$\xi$ 称为对应于 $\lambda$ 的**特征向量**。
|
||||
|
||||
### B. 求特征值
|
||||
|
||||
**Step 1**:写出特征多项式
|
||||
$$
|
||||
f(\lambda) = \det(\lambda E - A)
|
||||
$$
|
||||
|
||||
**Step 2**:解方程 $f(\lambda) = 0$,得到所有特征值 $\lambda_1, \lambda_2, \ldots, \lambda_n$(含重数)。
|
||||
|
||||
> 注意:特征值之和 = $\text{tr}(A)$,特征值之积 = $\det A$。
|
||||
|
||||
### C. 求特征向量
|
||||
|
||||
**Step 1**:对每个特征值 $\lambda_i$,解齐次方程组
|
||||
$$
|
||||
(\lambda_i E - A) x = 0
|
||||
$$
|
||||
|
||||
**Step 2**:求基础解系,即为对应 $\lambda_i$ 的特征向量。
|
||||
|
||||
**Step 3**:不同特征值的特征向量**线性无关**。
|
||||
|
||||
### D. 对角化判定
|
||||
|
||||
**定理**:$T$ 可对角化 $\iff$ $T$ 有 $n$ 个线性无关的特征向量(即每个 $\lambda_i$ 的几何重数 = 代数重数)。
|
||||
|
||||
**Step 1**:对每个特征值 $\lambda_i$,求 $(\lambda_i E - A) x = 0$ 的基础解系,得到 $k_i$ 个无关向量。
|
||||
|
||||
**Step 2**:若 $\sum k_i = n$,则 $T$ 可对角化;否则不可对角化。
|
||||
|
||||
### E. 对角化步骤
|
||||
|
||||
**Step 1**:求 $T$ 的 $n$ 个线性无关特征向量 $\xi_1, \ldots, \xi_n$。
|
||||
|
||||
**Step 2**:构成矩阵 $P = (\xi_1, \ldots, \xi_n)$。
|
||||
|
||||
**Step 3**:则
|
||||
$$
|
||||
P^{-1} A P = \Lambda = \text{diag}(\lambda_1, \lambda_2, \ldots, \lambda_n)
|
||||
$$
|
||||
|
||||
其中 $\lambda_j$ 是 $\xi_j$ 对应的特征值。
|
||||
|
||||
> 🔑 **关键**:$P$ 的列是特征向量,$\Lambda$ 对角线上是**对应列**的特征值。
|
||||
|
||||
### F. 特征子空间
|
||||
|
||||
**定义**:$V_{\lambda_i} = \{\alpha \in V \mid (T - \lambda_i \mathcal{I})(\alpha) = 0\} = \ker(T - \lambda_i \mathcal{I})$
|
||||
|
||||
**维数**:$\dim V_{\lambda_i} = n - \text{r}(A - \lambda_i E)$
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- **陷阱 1**:特征向量必须**非零**——零向量不是任何特征值的特征向量
|
||||
- **陷阱 2**:$\det(\lambda E - A) = 0$ 中,**$\lambda$ 在前**(不是 $\det(A - \lambda E)$,虽然它们差 $(-1)^n$)
|
||||
- **陷阱 3**:求特征向量时,**单个特征值**可能对应**多个无关特征向量**(几何重数 > 1)
|
||||
- **陷阱 4**:对角化矩阵 $P^{-1} A P$ 中,$P$ 的列与 $\Lambda$ 对角线**对应**——不是任意顺序都能对角化
|
||||
- **陷阱 5**:特征值总重数 $\sum$ 代数重数 = $n$,但 $\sum$ 几何重数 ≤ $n$
|
||||
- **陷阱 6**:相似变换不改变特征值——验证 $P^{-1} A P$ 是否对角,只需检查 $A$ 是否有 $n$ 个无关特征向量
|
||||
|
||||
## 经典母题
|
||||
|
||||
### 母题 1:求特征值与特征向量
|
||||
|
||||
> **题目**:$T$ 在某基下矩阵 $A = \begin{pmatrix} 1 & 2 \\ 2 & 1 \end{pmatrix}$,求 $T$ 的特征值与特征向量。
|
||||
|
||||
**解法**:
|
||||
|
||||
**Step 1:特征多项式**
|
||||
$$
|
||||
\det(\lambda E - A) = \begin{vmatrix} \lambda - 1 & -2 \\ -2 & \lambda - 1 \end{vmatrix} = (\lambda - 1)^2 - 4 = \lambda^2 - 2\lambda - 3 = (\lambda - 3)(\lambda + 1)
|
||||
$$
|
||||
|
||||
**Step 2:特征值**
|
||||
$\lambda_1 = 3, \lambda_2 = -1$
|
||||
|
||||
**Step 3:特征向量**
|
||||
|
||||
对 $\lambda_1 = 3$:
|
||||
$$
|
||||
(3E - A) \xi = \begin{pmatrix} 2 & -2 \\ -2 & 2 \end{pmatrix} \xi = 0 \Rightarrow \xi_1 = \begin{pmatrix} 1 \\ 1 \end{pmatrix}
|
||||
$$
|
||||
|
||||
对 $\lambda_2 = -1$:
|
||||
$$
|
||||
(-E - A) \xi = \begin{pmatrix} -2 & -2 \\ -2 & -2 \end{pmatrix} \xi = 0 \Rightarrow \xi_2 = \begin{pmatrix} 1 \\ -1 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**结论**:$\lambda_1 = 3$ 对应特征向量 $k_1 (1, 1)^T$($k_1 \neq 0$);
|
||||
$\lambda_2 = -1$ 对应特征向量 $k_2 (1, -1)^T$($k_2 \neq 0$)。
|
||||
|
||||
**复盘**:2 阶、2 个不同特征值 → 必有 2 个无关特征向量 → 必可对角化。
|
||||
|
||||
---
|
||||
|
||||
### 母题 2:对角化
|
||||
|
||||
> **题目**:将 $A = \begin{pmatrix} 1 & 2 \\ 2 & 1 \end{pmatrix}$ 对角化,求 $P$ 与 $\Lambda$。
|
||||
|
||||
**解法**:
|
||||
|
||||
由母题 1,特征向量 $\xi_1 = (1, 1)^T, \xi_2 = (1, -1)^T$。
|
||||
|
||||
$$
|
||||
P = (\xi_1, \xi_2) = \begin{pmatrix} 1 & 1 \\ 1 & -1 \end{pmatrix}, \quad \Lambda = \begin{pmatrix} 3 & 0 \\ 0 & -1 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**验证**:
|
||||
$$
|
||||
P^{-1} A P = \begin{pmatrix} 3 & 0 \\ 0 & -1 \end{pmatrix} \checkmark
|
||||
$$
|
||||
|
||||
**复盘**:$P$ 的列 = 特征向量,$\Lambda$ 对角线 = 对应特征值。
|
||||
|
||||
---
|
||||
|
||||
### 母题 3:3 阶矩阵的对角化
|
||||
|
||||
> **题目**:$A = \begin{pmatrix} 1 & 2 & 2 \\ 2 & 1 & 2 \\ 2 & 2 & 1 \end{pmatrix}$,判断是否可对角化,若可以,求 $P$ 和 $\Lambda$。
|
||||
|
||||
**解法**:
|
||||
|
||||
**Step 1:特征多项式**
|
||||
$$
|
||||
\det(\lambda E - A) = \begin{vmatrix} \lambda - 1 & -2 & -2 \\ -2 & \lambda - 1 & -2 \\ -2 & -2 & \lambda - 1 \end{vmatrix}
|
||||
$$
|
||||
|
||||
利用矩阵结构 $A = I + 2J$($J$ 全 1 矩阵),$J$ 的特征值为 $3, 0, 0$,故 $A$ 的特征值为 $1 + 2 \cdot 3 = 5, 1, 1$。
|
||||
|
||||
**Step 2:特征值**
|
||||
$\lambda_1 = 5, \lambda_2 = \lambda_3 = 1$
|
||||
|
||||
**Step 3:特征向量**
|
||||
|
||||
对 $\lambda_1 = 5$:
|
||||
$$
|
||||
(5E - A) \xi = \begin{pmatrix} 4 & -2 & -2 \\ -2 & 4 & -2 \\ -2 & -2 & 4 \end{pmatrix} \xi = 0
|
||||
$$
|
||||
|
||||
易得 $\xi_1 = (1, 1, 1)^T$。
|
||||
|
||||
对 $\lambda_2 = 1$:
|
||||
$$
|
||||
(E - A) \xi = \begin{pmatrix} 0 & -2 & -2 \\ -2 & 0 & -2 \\ -2 & -2 & 0 \end{pmatrix} \xi = 0
|
||||
$$
|
||||
|
||||
方程:$x_2 + x_3 = 0, x_1 + x_3 = 0, x_1 + x_2 = 0$ → $x_1 = x_2 = -x_3$。
|
||||
|
||||
基础解系:$\xi_2 = (1, 1, -2)^T$,$\xi_3 = (-1, 1, 0)^T$(或 $(1, -1, 0)^T$)。
|
||||
|
||||
**Step 4:判断对角化**
|
||||
|
||||
3 个线性无关的特征向量 $\xi_1, \xi_2, \xi_3$ → **可对角化**。
|
||||
|
||||
**Step 5:构造 $P$ 和 $\Lambda$**
|
||||
$$
|
||||
P = \begin{pmatrix} 1 & 1 & -1 \\ 1 & 1 & 1 \\ 1 & -2 & 0 \end{pmatrix}, \quad \Lambda = \begin{pmatrix} 5 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**复盘**:$\lambda_2 = 1$ 是**二重特征值**,但有**两个**无关特征向量 → 几何重数 = 代数重数 → 可对角化。
|
||||
|
||||
---
|
||||
|
||||
### 母题 4:不可对角化情形
|
||||
|
||||
> **题目**:$A = \begin{pmatrix} 1 & 1 \\ 0 & 1 \end{pmatrix}$,判断 $T$ 是否可对角化。
|
||||
|
||||
**解法**:
|
||||
|
||||
**Step 1:特征多项式**
|
||||
$$
|
||||
\det(\lambda E - A) = (\lambda - 1)^2
|
||||
$$
|
||||
|
||||
**Step 2:特征值**
|
||||
$\lambda_1 = \lambda_2 = 1$(二重)
|
||||
|
||||
**Step 3:特征向量**
|
||||
$$
|
||||
(E - A) \xi = \begin{pmatrix} 0 & -1 \\ 0 & 0 \end{pmatrix} \xi = 0 \Rightarrow \xi_1 = \begin{pmatrix} 1 \\ 0 \end{pmatrix}
|
||||
$$
|
||||
|
||||
只有 1 个无关特征向量(几何重数 = 1 < 代数重数 = 2)。
|
||||
|
||||
**结论**:$T$ **不可对角化**。
|
||||
|
||||
**复盘**:重特征值 + 特征向量不足 → 不可对角化。**Jordan 块**使其无法对角化。
|
||||
|
||||
---
|
||||
|
||||
### 母题 5:用矩阵相似处理对角化
|
||||
|
||||
> **题目**:已知 $A = \begin{pmatrix} 1 & 4 \\ 2 & 3 \end{pmatrix}$,求 $A^n$。
|
||||
|
||||
**解法**:
|
||||
|
||||
**Step 1**:特征多项式
|
||||
$$
|
||||
\det(\lambda E - A) = (\lambda - 1)(\lambda - 3) - 8 = \lambda^2 - 4\lambda - 5 = (\lambda - 5)(\lambda + 1)
|
||||
$$
|
||||
|
||||
特征值:$\lambda_1 = 5, \lambda_2 = -1$。
|
||||
|
||||
**Step 2**:特征向量
|
||||
- $\lambda_1 = 5$: $(5E - A) \xi = \begin{pmatrix} 4 & -4 \\ -2 & 2 \end{pmatrix} \xi = 0$ → $\xi_1 = (1, 1)^T$
|
||||
- $\lambda_2 = -1$: $(-E - A) \xi = \begin{pmatrix} -2 & -4 \\ -2 & -4 \end{pmatrix} \xi = 0$ → $\xi_2 = (2, -1)^T$
|
||||
|
||||
**Step 3**:构造 $P = \begin{pmatrix} 1 & 2 \\ 1 & -1 \end{pmatrix}$,$P^{-1} = -\frac{1}{3} \begin{pmatrix} -1 & -2 \\ -1 & 1 \end{pmatrix} = \frac{1}{3} \begin{pmatrix} 1 & 2 \\ 1 & -1 \end{pmatrix}$
|
||||
|
||||
**Step 4**:$A = P \Lambda P^{-1}$,$A^n = P \Lambda^n P^{-1}$
|
||||
|
||||
$$
|
||||
\Lambda^n = \begin{pmatrix} 5^n & 0 \\ 0 & (-1)^n \end{pmatrix}
|
||||
$$
|
||||
|
||||
$$
|
||||
A^n = \begin{pmatrix} 1 & 2 \\ 1 & -1 \end{pmatrix} \begin{pmatrix} 5^n & 0 \\ 0 & (-1)^n \end{pmatrix} \cdot \frac{1}{3} \begin{pmatrix} 1 & 2 \\ 1 & -1 \end{pmatrix}
|
||||
$$
|
||||
|
||||
$$
|
||||
= \frac{1}{3} \begin{pmatrix} 5^n + 2(-1)^n & 2 \cdot 5^n - 2(-1)^n \\ 5^n - (-1)^n & 2 \cdot 5^n + (-1)^n \end{pmatrix}
|
||||
$$
|
||||
|
||||
**复盘**:**对角化的核心应用**是**计算矩阵的幂**——$A^n = P \Lambda^n P^{-1}$。
|
||||
|
||||
---
|
||||
|
||||
### 母题 6:抽象空间中的特征值
|
||||
|
||||
> **题目**:$V = P[x]_2$,$T(p(x)) = p'(x)$(求导)。求 $T$ 的特征值与特征向量。
|
||||
|
||||
**解法**:
|
||||
|
||||
**Step 1**:写出 $T$ 在基 $\mathcal{A} = (1, x, x^2)$ 下的矩阵
|
||||
$$
|
||||
A = \begin{pmatrix} 0 & 1 & 0 \\ 0 & 0 & 2 \\ 0 & 0 & 0 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**Step 2**:特征多项式
|
||||
$$
|
||||
\det(\lambda E - A) = \lambda^3 = 0
|
||||
$$
|
||||
|
||||
**特征值**:$\lambda_1 = \lambda_2 = \lambda_3 = 0$(三重)
|
||||
|
||||
**Step 3**:特征向量
|
||||
|
||||
$(\lambda E - A) \xi = 0$,即 $-A \xi = 0$。
|
||||
$A \xi = 0$ → $\xi_2 = 0, 2\xi_3 = 0, 0 = 0$ → $\xi_3 = 0, \xi_2 = 0$,$\xi_1$ 任意。
|
||||
|
||||
**特征向量**:仅 $(c, 0, 0)^T$($c \neq 0$),即常数多项式 $c$。
|
||||
|
||||
**结论**:仅有 1 个线性无关特征向量 → **不可对角化**。
|
||||
|
||||
**复盘**:抽象空间中的特征值问题,**转化为矩阵的对应问题**。
|
||||
|
||||
---
|
||||
|
||||
### 母题 7:综合对角化(多基复合)
|
||||
|
||||
> **题目**:$T$ 在基 $\mathcal{A}$ 下的矩阵 $A = \begin{pmatrix} 1 & 1 \\ 0 & 2 \end{pmatrix}$,从 $\mathcal{A}$ 到 $\mathcal{B}$ 的过渡矩阵 $P = \begin{pmatrix} 1 & 1 \\ 1 & 2 \end{pmatrix}$。求 $T$ 在 $\mathcal{B}$ 下的矩阵 $B$,并讨论 $B$ 是否可对角化。
|
||||
|
||||
**解法**:
|
||||
|
||||
**Step 1**:$B = P^{-1} A P$
|
||||
|
||||
$P^{-1} = \begin{pmatrix} 2 & -1 \\ -1 & 1 \end{pmatrix}$($\det P = 1$)
|
||||
|
||||
$$
|
||||
AP = \begin{pmatrix} 1 & 1 \\ 0 & 2 \end{pmatrix} \begin{pmatrix} 1 & 1 \\ 1 & 2 \end{pmatrix} = \begin{pmatrix} 2 & 3 \\ 2 & 4 \end{pmatrix}
|
||||
$$
|
||||
|
||||
$$
|
||||
B = P^{-1} A P = \begin{pmatrix} 2 & -1 \\ -1 & 1 \end{pmatrix} \begin{pmatrix} 2 & 3 \\ 2 & 4 \end{pmatrix} = \begin{pmatrix} 2 & 2 \\ 0 & 1 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**Step 2**:$B$ 的特征值
|
||||
|
||||
$\det(\lambda E - B) = (\lambda - 2)(\lambda - 1) = 0$ → $\lambda_1 = 2, \lambda_2 = 1$
|
||||
|
||||
**Step 3**:特征向量
|
||||
- $\lambda_1 = 2$: $(2E - B) \xi = \begin{pmatrix} 0 & -2 \\ 0 & 1 \end{pmatrix} \xi = 0$ → $\xi_1 = (1, 0)^T$
|
||||
- $\lambda_2 = 1$: $(E - B) \xi = \begin{pmatrix} -1 & -2 \\ 0 & 0 \end{pmatrix} \xi = 0$ → $x_1 + 2x_2 = 0$ → $\xi_2 = (2, -1)^T$
|
||||
|
||||
**结论**:$B$ 有 2 个无关特征向量 → **可对角化**。
|
||||
|
||||
$P' = \begin{pmatrix} 1 & 2 \\ 0 & -1 \end{pmatrix}$,$(P')^{-1} B P' = \begin{pmatrix} 2 & 0 \\ 0 & 1 \end{pmatrix} = \Lambda$
|
||||
|
||||
**复盘**:**相似矩阵有相同的特征值**——$A$ 和 $B$ 特征值相同($1, 2$)。
|
||||
|
||||
---
|
||||
|
||||
### 母题 8:特征值与对角化综合应用
|
||||
|
||||
> **题目**:设 $A = \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix}$,求 $A^{100}$。
|
||||
|
||||
**解法**:
|
||||
|
||||
**Step 1**:特征值
|
||||
|
||||
$\det(\lambda E - A) = \lambda^2 - 1 = 0$ → $\lambda_1 = 1, \lambda_2 = -1$
|
||||
|
||||
**Step 2**:特征向量
|
||||
|
||||
- $\lambda_1 = 1$: $(E - A) \xi = \begin{pmatrix} 1 & -1 \\ -1 & 1 \end{pmatrix} \xi = 0$ → $\xi_1 = (1, 1)^T$
|
||||
- $\lambda_2 = -1$: $(-E - A) \xi = \begin{pmatrix} -1 & -1 \\ -1 & -1 \end{pmatrix} \xi = 0$ → $\xi_2 = (1, -1)^T$
|
||||
|
||||
**Step 3**:构造 $P = \begin{pmatrix} 1 & 1 \\ 1 & -1 \end{pmatrix}$,$P^{-1} = \frac{1}{2} \begin{pmatrix} 1 & 1 \\ 1 & -1 \end{pmatrix}$
|
||||
|
||||
**Step 4**:$A^{100} = P \Lambda^{100} P^{-1}$
|
||||
|
||||
$$
|
||||
\Lambda^{100} = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix} = E \quad (\text{因为 } 1^{100} = 1, (-1)^{100} = 1)
|
||||
$$
|
||||
|
||||
$$
|
||||
A^{100} = P E P^{-1} = E = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**复盘**:$\Lambda^{100}$ 中 $(-1)^{100} = 1$,所以 $A^{100} = E$。这是**矩阵对角化求高次幂**的经典应用。
|
||||
|
||||
---
|
||||
|
||||
> **口诀**:
|
||||
> - **特征值**:解 $\det(\lambda E - A) = 0$
|
||||
> - **特征向量**:解 $(\lambda E - A) \xi = 0$
|
||||
> - **可对角化**:$n$ 个无关特征向量(几何重数 = 代数重数)
|
||||
> - **对角化公式**:$P^{-1} A P = \Lambda$($P$ 的列 = 特征向量)
|
||||
> - **应用**:$A^n = P \Lambda^n P^{-1}$
|
||||
Reference in New Issue
Block a user