线性代数二三事

第3章:线性变换之间的转化

3.1 不同基底之间的转换

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=2xy=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:VV\mathcal{T} : \mathcal{V} \longrightarrow \mathcal{V}以及线性空间V\mathcal{V}的两组基底

β={v1,v2,,vn};γ={u1,u2,,un}\beta = \lbrace \vec v_1, \vec v_2, \cdots, \vec v_n \rbrace ; \gamma = \lbrace \vec u_1, \vec u_2, \cdots, \vec u_n \rbrace

我们假设选取β\beta基底作为我们的“参考系”,那么对于任意的一个向量vV\vec v \in \mathcal{V}, 我们记该向量在基底β\beta 下的坐标为[v]β[\vec v]_{\beta}.此时我们设[T]β[\mathcal{T}]_{\beta}为线性变换在基底β\beta下的表达形式,那么只有这样,我们知道[T]β[v]β[\mathcal{T}]_{\beta} [\vec v]_{\beta}才有意义.如果此时我们假设[T]γ[\mathcal{T}]_{\gamma}为线性变换在基底γ\gamma下的表达形式,此时我们知道乘法 [T]γ[v]β[\mathcal{T}]_{\gamma} [\vec v]_{\beta}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[\mathcal{T}]_{\gamma}的形式非常简便,所以我们会考虑把[v]β[\vec v]_{\beta}转化为[v]γ[\vec v]_{\gamma}.我们假设线性变换Tβγ:[v]β[v]γ\mathcal{T}_{\beta}^{\gamma} : [\vec v]_{\beta} \longrightarrow [\vec v]_{\gamma}便是实现这一转化的媒介.设该变换的矩阵形式为P\vec P, 那么根据定义,我们有

P=([(v1)]γ[(v2)]γ[(vn)]γ)\vec P = \left(\begin{array}{||c|} \\ [(\vec v_1)]_{\gamma} & [(\vec v_2)]_{\gamma} & \cdots & [(\vec v_n)]_{\gamma} \\ \end{array}\right)

此时,我们便可以使用[T]γ[v]γ[\mathcal{T}]_{\gamma} [\vec v]_{\gamma}进行计算, 记[T]γ[v]γ=[w]γ[\mathcal{T}]_{\gamma} [\vec v]_{\gamma} = [\vec w]_{\gamma}.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\beta中.为此我们便可以使用Tβγ\mathcal{T}_{\beta}^{\gamma}的逆变换.下面的图便是一个非常直观的例子:

[v]β[T]β[Tv]βPP1[v]γ[T]γ[Tv]γ\begin{CD} [\vec v]_{\beta} @>{[\mathcal{T}]_{\beta}}>> [\mathcal{T} \vec v]_{\beta} \\ @V{\vec P}VV @AA{\vec P^{-1}}A \\ [\vec v]_{\gamma} @>{[\mathcal{T}]_{\gamma}}>> [\mathcal{T} \vec v]_{\gamma} \end{CD}

由此不难看出,对于任意的[v]β[\vec v]_{\beta}, 有[T]β[v]β=(P1[T]γP)[v]β[\mathcal{T}]_{\beta} [\vec v]_{\beta} = \left( \vec P^{-1} [\mathcal{T}]_{\gamma} \vec P \right) [\vec v]_{\beta}.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\mathbb{R}^2中,线性变换P\vec P满足以下性质:对于任意的xR2\vec x \in \mathbb{R}^2, P(x)\vec P(\vec x)的结果为将向量x\vec x投影至直线y=2xy = 2x上.那么对于任意的向量x=(ab)\vec x = \begin{pmatrix} a \\ b \end{pmatrix}而言, 计算其结果P(x)\vec P(\vec x)

解答 3.1

首先令β=((10);(01))\beta = \left( \begin{pmatrix} 1 \\ 0 \end{pmatrix} ; \begin{pmatrix} 0 \\ 1 \end{pmatrix} \right), 不难发现β\beta即为标准基底.随后我们选取两个特殊的向量:与直线y=2xy=2x垂直的向量以及与直线y=2xy = 2x重合的向量.那么我们便可以选取一组新的基底:γ=((21);(12))\gamma = \left( \begin{pmatrix} -2 \\ 1 \end{pmatrix} ; \begin{pmatrix} 1 \\ 2 \end{pmatrix} \right), 此时我们知道线性变换在基底γ\gamma下的矩阵形式便很容易求得:

[P]γ=(0001)[\vec P]_{\gamma} = \begin{pmatrix} 0 & 0 \\ 0 & 1 \end{pmatrix}

此时,如果要求出[P]β[\vec P]_{\beta}, 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\vec Q: [\vec v]_{\beta} \longrightarrow [\vec v]_{\gamma}, 那么我们便可以求出矩阵Q\vec Q, 矩阵Q\vec Q即为

Q=(((10))γ((01))γ)\vec Q = \left(\begin{array}{||} \\ \left( \begin{pmatrix} 1 \\ 0 \end{pmatrix} \right)_{\gamma} & \left( \begin{pmatrix} 0 \\ 1 \end{pmatrix} \right)_{\gamma} \\ \end{array}\right)

如果要求(10)γ\begin{pmatrix} 1 \\ 0 \end{pmatrix}_{\gamma}, 则我们需要求满足条件的线性组合:

λ1(21)+λ2(12)=(10)\lambda_1 \begin{pmatrix} -2 \\ 1 \end{pmatrix} + \lambda_2 \begin{pmatrix} 1 \\ 2 \end{pmatrix} = \begin{pmatrix} 1 \\ 0 \end{pmatrix}

此时我们有λ1=25;λ2=15\lambda_1 = - \frac{2}{5} ; \lambda_2 = \frac{1}{5}, 同样我们可以求(01)γ\begin{pmatrix} 0 \\ 1 \end{pmatrix}_{\gamma}, 因此我们便可以求得Q\vec Q

Q=(25151525).\vec Q = \begin{pmatrix} -\frac{2}{5} & \frac{1}{5} \\ \frac{1}{5} & \frac{2}{5} \end{pmatrix}.

那么此时,参考我们上一页给出的图表,我们有

P(x)=((25151525))1(0001)(25151525)(x)=(15252545)x.\vec P(\vec x) = \left(\begin{pmatrix} -\frac{2}{5} & \frac{1}{5} \\ \frac{1}{5} & \frac{2}{5} \end{pmatrix} \right)^{-1} \begin{pmatrix} 0 & 0 \\ 0 & 1 \end{pmatrix} \begin{pmatrix} -\frac{2}{5} & \frac{1}{5} \\ \frac{1}{5} & \frac{2}{5} \end{pmatrix} (\vec x) = \begin{pmatrix} \frac{1}{5} & \frac{2}{5} \\ \frac{2}{5} & \frac{4}{5} \end{pmatrix}\vec x.

对于这种形如A=Q1PQ\vec A = \vec Q^{-1} \vec P \vec Q的形式,我们用矩阵的相似来定义该关系.

定义 3.1

对于n×nn\times n矩阵A,B\vec A,\vec B而言, 如果存在n×nn\times n可逆矩阵P\vec P, 使得 A=P1BP\vec A = \vec P^{-1} \vec B \vec P, 我们则称n×nn \times n矩阵 A,Q\vec A,\vec Q相似矩阵 (Similar Matrix), 一般记作AB\vec A \simeq \vec 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

A,B,CMnA,B,C \in M_n, 则

AAA \simeq A

ABBAA \simeq B \Longrightarrow B \simeq A

AB;BCACA \simeq B ; B \simeq C \Longrightarrow A \simeq C

定理 3.2

设矩阵ABA \simeq B, 则det(A)=det(B)\det(A) = \det(B)

证明

根据定义,若ABA \simeq B, 那么存在可逆矩阵QQ,使得A=Q1BQA = Q^{-1}BQ, 那么det(A)=det(Q1BQ)=det(Q1)det(B)det(Q)=1det(Q)det(B)det(Q)=det(B)\det(A) = \det(Q^{-1}BQ) = \det(Q^{-1}) \det(B) \det(Q) = \displaystyle{\frac{1}{\det(Q)}} \det(B) \det(Q) = \det(B), 因此定理3-2得证.