Keyboard shortcuts

Press ← or → to navigate between chapters

Press S or / to search in the book

Press ? to show this help

Press Esc to hide this help

第二章总结 · 线性映射与矩阵

已整理五节一览

节核心问题关键结论典型陷阱
2.1 映射与多项式怎么把两个空间「连起来」？映射（定义 2.1.1）、单 / 满 / 双射（定义 2.1.2）、相等与复合（定义 2.1.3、定义 2.1.4）、可逆与逆唯一（定义 2.1.5、定理 2.1.1）、可逆 ⟺ 双射（定理 2.1.2）、变换与置换（定义 2.1.6）；等势（定义 2.1.1）；多项式（定义 2.1.7）、带余除法（定理 2.1.3）、整除（定义 2.1.8）、公因式 / 公倍式（定义 2.1.9 / 2.1.10）、友矩阵（定义 2.1.11）复合顺序写反；IVI_V 与 IWI_W 混同；置换忘「有限集」前提
2.2 线性映射什么映射与线性运算相容？定义（定义 2.2.1）；十二例；保持线性组合（定理 2.2.1）；T(θ)=θ′T(\boldsymbol{\theta})=\boldsymbol{\theta}' 与相关性（推论 2.2.1）；单射判据（定理 2.2.2）；同维 + 单射 ⟹ 双射（推论 2.2.2）；L(V,W)L(V,W)（定理 2.2.3），dim⁡L=dim⁡V⋅dim⁡W\dim L=\dim V\cdot\dim W；N(T)N(T) / R(T)R(T)（定理 2.2.4）；亏加秩定理（定理 2.2.5）只验一条性质；判据方向记混；忘「维数相同」前提
2.3 矩阵与同构抽象的线性映射怎样才能「算」？矩阵的读法（定义 2.3.1：第 jj 列 =T(εj)=T(\varepsilon_j) 的坐标）；存在唯一性（定理 2.3.1）；同构与 L(V,W)≅Fm×nL(V,W)\cong F^{m\times n}（定义 2.3.2、定理 2.3.2）；同构 ⟺ 维数相等（定理 2.3.3）；坐标公式 β=Aα\beta=A\alpha（定理 2.3.4）；换基 B=P−1AQB=P^{-1}AQ 与相似 B=P−1APB=P^{-1}AP（定理 2.3.5、推论 2.3.4）；dim⁡N(T)=dim⁡N(A)\dim N(T)=\dim N(A)、dim⁡R(T)=rank⁡A\dim R(T)=\operatorname{rank}A（定理 2.3.6）矩阵形状 / 列含义写错；把矩阵当映射的固有属性；相抵与相似混同；同构降级成等势
2.4 特征值与特征向量哪些向量被映射「只拉伸、不转向」？翻译定理（特征对的翻译定理 2.4.1：AA 与 TT 的特征对互译，特征向量是坐标乘回基）；迹 / 行列式 / 幂与逆 / 相似不变量（迹、行列式与特征值 2.4.2–相似不变量 2.4.4）；特征子空间 Vλ=N(A−λI)V_\lambda=N(A-\lambda I)（特征子空间 2.4.3）与几何重数公式（几何重数的计算 2.4.6）；1≤1\le 几何 ≤\le 代数重数（重数不等式 2.4.7）；同特征多项式、不同几何重数的三矩阵（经典三矩阵：同一特征多项式，三种几何重数 2.4.2）求完坐标忘乘回基；特征子空间忘含零向量；两种重数混用
2.5 正交变换与酉变换哪些变换把「长度与角度」全部保住？正交 / 酉矩阵（正交矩阵与酉矩阵 2.5.1）与列向量刻画（列向量刻画 2.5.1）；四条等价刻画（四条等价刻画 2.5.4：保内积 ⟺ 保长度 ⟺ 标准正交基映为标准正交基 ⟺ 矩阵正交）；正交矩阵特征值 ∣λ∣=1|\lambda|=1 但未必 ±1\pm1（正交矩阵特征值的模 2.5.3）；Givens 旋转（Givens 旋转矩阵 2.5.3）分量清零（分量清零 2.5.6）；Householder（Householder 矩阵 2.5.4）：镜像、H2=IH^2=I、det⁡H=−1\det H=-1（Householder 矩阵的性质 2.5.7）复向量用转置不用共轭转置；酉内积展开忘第二变元共轭；Givens 连乘顺序写反；镜像当投影

一条主线

第一章给单个空间装上坐标（基与维数）；第二章把两个空间连起来。 先备好映射的语言（2.1），再要求与线性运算相容（2.2）。线性映射的两个不变量——零空间与值域——由亏加秩定理定量：「nn 个自由度 == mm 个被压死 ++ (n−m)(n-m) 个传下去」。取定基之后，抽象映射落地为矩阵，而且这个对应是一一对应且保持运算（L(V,W)≅Fm×nL(V,W)\cong F^{m\times n}，2.3）——于是抽象问题化为矩阵计算，而「换一组基」变成了「换一个相似 / 相抵的矩阵」。「挑一组让矩阵最简单的基」正是后面特征值理论的方向。

四句话带走

  1. 线性映射 = 先算后映 = 先映后算：可加性 + 齐次性，两条缺一不可；它必须保持原点不动，所以平移一般不是线性变换。
  2. 单射判据是本章的枢纽：TT 单射 ⟺ N(T)={θ}N(T)={\boldsymbol{\theta}} ⟺ 把无关组映成无关组；而「像相关 ⟹ 原相关」永远只有单向成立。
  3. 亏加秩定理是维数守恒：dim⁡N(T)+dim⁡R(T)=dim⁡V\dim N(T)+\dim R(T)=\dim V 的证明用基扩充——「证维数、构造基，一定要用扩充的方式」（01:27:22 老师原话）。
  4. 矩阵是映射的坐标版：AA 的第 jj 列是 T(εj)T(\varepsilon_j) 的坐标——这句话既是写矩阵的算法，也是读矩阵的钥匙；它让 2.2 的一切（亏加秩、秩、零空间）原封不动搬到矩阵上（定理 2.3.6）。

素材状态与后续

  • 2.1–2.2：第 3 周录播（2026-09-22）已授，含课堂口述、板书引用与「考试信号」标注。课堂遗留：亏加秩定理的证明课上证到「R(T)=span⁡{T(hm+1),⋯ ,T(hn)}R(T)=\operatorname{span}{T(h_{m+1}),\cdots,T(h_n)}」处下课（板书 98:26 已圈出目标 dim⁡R(T)=n−m\dim R(T)=n-m），线性无关那一步本编已在 定理 2.2.5 补完，供提前对照。
  • 2.3：课件已入库（《2.3 矩阵与同构》25 页，现存 _sources/matrix/），尚无录播；本编按课件整理并补全了课件省略的证明，相关笔误与前提问题见勘误。
  • 2.4–2.5：第 5 周录播（2026-10-08，第二章收尾讲）已授，两节依转录稿整理、盒子自动编号；官方课件入库后再做编号对照与勘误。
  • 后续方向：2.6 应用：图的矩阵表示、2.7 章节测验——待素材到位后按同样流程补全。2.3 已为它们铺好三块地基：相似（B=P−1APB=P^{-1}AP）、rank⁡A\operatorname{rank}A 的映射含义（定理 2.3.6）、同构与维数（定理 2.3.3）；2.4–2.5 又接上了「特征值 = 对角化的原料」与「正交 / 酉矩阵 = 最舒服的过渡矩阵」两条线。

建议反复做的「母题」

母题一题串起什么做完应能复述
去年考题良定义、基、坐标唯一性、线性验证「为什么先证是映射、再证线性？」
两组基的变换（例 2.1.B、例 2.2.B）基与坐标、过渡矩阵、坐标不能直接搬用、矩阵诱导映射「同一坐标数组配不同基，差在哪里？」
亏加秩证明（2.2.5）基扩充、子空间、像的无关性「为什么 dim⁡R(T)\dim R(T) 恰好是 n−mn-m？」
两组基定义的映射，求矩阵矩阵读法、过渡矩阵、可逆性「TT 的矩阵为什么恰好是过渡矩阵 PP？」
换基把矩阵变对角过渡矩阵、相似、特征方向的萌芽「同一变换，为什么换基能变简单？」
差分方程解空间的维数友矩阵、状态递推、同构量维数「为什么解空间恰好是 nn 维？」

学完之后

按下面的顺序收尾：先回忆、再自测、后反查、最后串一遍。

  1. 闭卷回忆卡：先确认 12 张定义卡与 13 张定理卡能从空白纸上叫出来（定义关键词、定理前提与结论、证明第一行）。
  2. 综合自测卷：闭卷计时 90 分钟、100 分制，覆盖 2.1–2.5。不看分数，看每道错题卡在哪一步。
  3. 学习目标自检表：把失分点对到 K / S / A 目标，回到正文对应小节重读该节的「即时自测」。
  4. 习题集：只重做做过记号的题；B 组的证明题看自己能否写出结构完整、每步有依据的证明。
  5. 勘误与补注：把「常见错误」逐条读一遍——能自己说清「正交矩阵特征值必为 ±1\pm1」错在哪一步、复内积从第二变元提公因子为什么要取共轭，就算过关。
  6. 解题工具箱：把本章的流程卡（单侧逆、GS / 投影、特征值与对角化）与二级结论（单射判据、相似不变量、谱映射）过一遍，做几道题让流程上手。
  7. 第二章总览：最后用一节一句话把「映射 → 线性映射 → 矩阵 → 特征值 → 正交 / 酉」串成一条线，能自己复述即算过关。