第3章:线性变换之间的转化
第3章 线性变换之间的转化
在上一章中,我们学习了线性变换的基本性质,我们知道当线性变换选定基底之后便有了矩阵.因此对于同一个线性变换而言,如果选定的基底不同,所表达出的矩阵也就不同.这些矩阵不同基底下面的矩阵之间有着怎样的联系?完成本章的学习,读者便会对这一概念有着更加深刻的理解.
如果读者此时还有印象,想必会记得在第二章第一节里面我举了一个例子:求出把向量投影到直线y=2x上的变换矩阵.那么理想情况下便是取两个分别与直线平行,垂直的向量作为基底,此时的线性变换矩阵便会十分简单.但是我们最后却混淆了不同的基底,导致计算结果出错. 我们现在来重新审视一下这个问题:考虑线性变换T:V⟶V以及线性空间V的两组基底
β={v1,v2,⋯,vn};γ={u1,u2,⋯,un}
我们假设选取β基底作为我们的“参考系”,那么对于任意的一个向量v∈V, 我们记该向量在基底β
下的坐标为[v]β.此时我们设[T]β为线性变换在基底β下的表达形式,那么只有这样,我们知道[T]β[v]β才有意义.如果此时我们假设[T]γ为线性变换在基底γ下的表达形式,此时我们知道乘法
[T]γ[v]β没有意义,我们需要将二者转化到同一个基底里面.我们不妨假设
[T]γ的形式非常简便,所以我们会考虑把[v]β转化为[v]γ.我们假设线性变换Tβγ:[v]β⟶[v]γ便是实现这一转化的媒介.设该变换的矩阵形式为P, 那么根据定义,我们有
P=([(v1)]γ[(v2)]γ⋯[(vn)]γ)
此时,我们便可以使用[T]γ[v]γ进行计算, 记[T]γ[v]γ=[w]γ.我们最后需要做的即为将该向量重新变化至我们所选定的基底β中.为此我们便可以使用Tβγ的逆变换.下面的图便是一个非常直观的例子:
[v]βP↓⏐[v]γ[T]β[T]γ[Tv]β⏐↑P−1[Tv]γ
由此不难看出,对于任意的[v]β, 有[T]β[v]β=(P−1[T]γP)[v]β.这样一来,我们就完成了不同基底之间的转换.那么现在我们就可以回到之前所提到的例子了:
例题 3.1
在平面直角坐标系R2中,线性变换P满足以下性质:对于任意的x∈R2,
P(x)的结果为将向量x投影至直线y=2x上.那么对于任意的向量x=(ab)而言, 计算其结果P(x)
解答 3.1
首先令β=((10);(01)), 不难发现β即为标准基底.随后我们选取两个特殊的向量:与直线y=2x垂直的向量以及与直线y=2x重合的向量.那么我们便可以选取一组新的基底:γ=((−21);(12)), 此时我们知道线性变换在基底γ下的矩阵形式便很容易求得:
[P]γ=(0001)此时,如果要求出[P]β, 我们便可以使用形如上一页图中的转换.我们设线性变换Q:[v]β⟶[v]γ, 那么我们便可以求出矩阵Q, 矩阵Q即为
Q=((10))γ((01))γ如果要求(10)γ, 则我们需要求满足条件的线性组合:
λ1(−21)+λ2(12)=(10)此时我们有λ1=−52;λ2=51, 同样我们可以求(01)γ, 因此我们便可以求得Q为
Q=(−52515152).那么此时,参考我们上一页给出的图表,我们有
P(x)=((−52515152))−1(0001)(−52515152)(x)=(51525254)x.
对于这种形如A=Q−1PQ的形式,我们用矩阵的相似来定义该关系.
定义 3.1
对于n×n矩阵A,B而言, 如果存在n×n可逆矩阵P, 使得
A=P−1BP,
我们则称n×n矩阵 A,Q为相似矩阵 (Similar Matrix), 一般记作A≃B.
不难看出,相似矩阵之间还是一个等价关系,即相似矩阵满足自反性,对称性和传递性.有兴趣的读者可以自行证明.
定理 3.1
设A,B,C∈Mn, 则
① A≃A
② A≃B⟹B≃A
③ A≃B;B≃C⟹A≃C
定理 3.2
设矩阵A≃B, 则det(A)=det(B)
证明
根据定义,若A≃B, 那么存在可逆矩阵Q,使得A=Q−1BQ, 那么det(A)=det(Q−1BQ)=det(Q−1)det(B)det(Q)=det(Q)1det(B)det(Q)=det(B), 因此定理3-2得证.
∎