前言:
线性代数的一个中心目标:给定一个算子T,V有一个基使得T关于此基有比较简单的矩阵,换种说法:就是让M(T)有很多0
映射的种类
- 零映射:0
- 恒等映射:I
某个向量空间上的函数,他把元素都映射成自己本身 - 微分映射:differentiation
这个函数是线形的。 - 积分映射:integration、
这个函数是线形的 - 后向移位映射:multiplication by x^2
- Fn到Fm的映射
- 乘以X^2映射
映射的影响
由向量出发,延伸扩展到矩阵,接着定义了矩阵的加法和乘法规则。
映射的运算定义了矩阵的加法规则和乘法规则
映射的延伸
一个向量空间到其自身的映射!引申出特征值和特征向量(本征值或本征向量)
算子:把一个向量空间映射到自身(对象是向量)
对V向量空间进行直和分解V= U1+U2+…Um(注意加号是直和运算),其中每个Ui都是V的真子空间。
T把把其中的每个Ui映射到自身:Tu = ku(当U为一维子空间时)(k为T的本征值,称U是T的本征向量)
如果V是复向量空间,那么我们已经知道,V有一个基使得T关于此基的矩阵的第一列除第一个元素之外全为零。
+
+
+
+
详情参考:线性代数应该这样学 Sheldon Axler