【矩阵论专栏】
A 线性变换的定义
(1)定义1(线性变换)设
V!,V2是同一数域
F上的线性空间,
T是
V1→V2的映射,若对
V1中任意向量
α,β,以及数域
F中任意元素
k,有:
T(α+β)=Tα+Tβ
T(kα=kTα)
则称
T为线性空间
V1到
V2的线性变换(或线性算子)。
例1:
例2:
例3:
B 线性变换的矩阵表示
设
T是
Vn→Vm的线性变换,
Bα={α1,α2,...,αn}与
Bβ={β1,β2,...,βm}分别是
Vn与
Vm的基。
因为
Tαi∈Vm,i=1,2,..,n.设
Tαi在基
Bβ={β1,β2,...,βm}下的坐标为:
Ai=⎣⎢⎢⎡a1i..ami⎦⎥⎥⎤,i=1,2,...,n.即有
Tαi=BβAi,i=1,2,…,n.
记
TBα={Tα1,Tα2,...,Tαn}
则有:
TBα={Tα1,Tα2,...,Tαn}={BβA1,BβA2,...,BβAn}=Bβ{A1,A2,...,An}=BβA
其中
A=[A1,A2,...,An]
A:每一列对应的都是
Bα里的向量αi做完线性变换T后,Tαi在基Bβ下的坐标
定义2 称矩阵
A为线性变换
T在基偶
{Bα,Bβ}下的矩阵。若
T是
Vn→Vn(自身)的线性变换,则取
Bβ=Bα,此时
A是方阵,简称为
T在基
Bα下的矩阵。
A=[A1,A2,...,An]
其中
Ai是
Tαi在像空间
Bβ下的坐标。
例子:
从A可以看出
T使得向量在
α1方向扩大十倍,在其他方向不变。
例子:
2)中的
[1,0,0]T:取A第一列
C 零空间与值空间
(1)定义3(零空间和值空间)设
T是
Vn→Vm的线性变换,记
N(T)={ξ∈Vn∣Tξ=0}
R(T)={Tξ∈Vm∣ξ∈Vn}称
N(T)为T的零空间(核)
称
R(T)为T的值空间(值域)
易知,
N(T)是
Vn的子空间;
R(T)是
Vm的子空间。
(2)定义4(零度与秩)设
T是
Vn→Vm的线性变换,记
null(T)=dimN(T)
rank(T)=dimR(T)称
null(T)为
T的零度,
称
rank(T)为
T的秩。
(3)定理1设
T是
Vn→Vm的线性变换,
Bα={α1,α2,...,αn}与
Bβ={β1,β2,...,βm}分别是
Vn与
Vm的基,
T在基偶
{Bα,Bβ}下的矩阵为
A,则有:
1)null(T)=diN(A)=n−rank(A)
2)rank(T)=dimR(A)=rank(A)
3)rank(T)+null(T)=n
例题:
(4)求零空间
N(T)与值空间
R(T)的基的一般方法:
设
T是
Vn→Vm的线性变换,
Bα={α1,α2,...,αn}与
Bβ={β1,β2,...,βn}分别是
Vn与
Vm的基。
1)求零空间
N(T)的基:
- 先求出
T在基偶
{Bα,Bβ}下的矩阵
A;
- 求出齐次线性方程组
Ax=0的基础解析:
x1,x2,...,xr
- 则
Bαx1,Bαx2,...,Bαxr为
N(T)的基。
2)求值空间
R(T)的基:
- 先求出基
Bα中向量变换后的像
Tα1,Tα2,..,Tαn的极大线性无关组即为
R(T)的基。
例子: