线性变换及其基本性质
定义 1 设有两个非空集合 A A A 和 B B B,如果对于 A A A 中任一元素 α \alpha α,按照一定的规则,总有 B B B 中一个确定的元素 β \beta β 和它对应,那么,这个对应规则称为 从集合 A A A 到集合 B B B 的映射。我们常用字母表示一个映射,譬如把上述映射记作 T T T,并记
β = T ( α ) 或 β = T α ( α ∈ A ) \beta = T(\alpha) \hspace{1em} 或 \hspace{1em} \beta = T \alpha \ (\alpha \in A) β=T(α)或β=Tα (α∈A)
设 α 1 ∈ A \alpha_1 \in A α1∈A, T ( α 1 ) = β 1 T(\alpha_1) = \beta_1 T(α1)=β1,就说映射 T T T 把元素 α 1 \alpha_1 α1 变成 β 1 \beta_1 β1, β 1 \beta_1 β1 称为 α 1 \alpha_1 α1 在映射 T T T 下的像, α 1 \alpha_1 α1 称为 β 1 \beta_1 β1 在映射 T T T 下的原像。 A A A 称为映射 T T T 的定义域,像的全体所构成的集合称为 像集,记作 T ( A ) T(A) T(A),即
T ( A ) = { β = T ( α ) ∣ α ∈ A } T(A) = \{ \beta=T(\alpha) | \alpha \in A \} T(A)={β=T(α)∣α∈A}
显然 T ( A ) ⊂ B T(A) \subset B T(A)⊂B。
定义 2 设 V n V_n Vn, U m U_m Um 分别是 n n n 维和 m m m 维线性空间, T T T 是一个从 V n V_n Vn 到 U m U_m Um 的映射,如果映射 T T T 满足:
(i)任给 α 1 , α 2 ∈ V n \boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2 \in V_n α1,α2∈Vn(从而 α 1 + α 2 ∈ V \boldsymbol{\alpha}_1 + \boldsymbol{\alpha}_2 \in V α1+α2∈V),有
T ( α 1 + α 2 ) = T ( α 1 ) + T ( α 2 ) T(\boldsymbol{\alpha}_1 + \boldsymbol{\alpha}_2) = T(\boldsymbol{\alpha}_1) + T(\boldsymbol{\alpha}_2) T(α1+α2)=T(α1)+T(α2)
(ii)任给 α ∈ V n \boldsymbol{\alpha} \in V_n α∈Vn, λ ∈ R \lambda \in \R λ∈R(从而 λ α ∈ V n \lambda \boldsymbol{\alpha} \in V_n λα∈Vn),有
T ( λ α ) = λ T ( α ) T(\lambda \boldsymbol{\alpha}) = \lambda T(\boldsymbol{\alpha}) T(λα)=λT(α)
那么, T T T 就称为从 V n V_n Vn 到 U m U_m Um 的 线性映射,或称为 线性变换。
例如,关系式
( y 1 y 2 ⋮ y m ) = ( a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ a m 1 a m 2 ⋯ a m n ) ( x 1 x 2 ⋮ x n ) \begin{pmatrix} y_1 \\ y_2 \\ \vdots \\ y_m \end{pmatrix} = \begin{pmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & & \vdots \\ a_{m1} & a_{m2} & \cdots & a_{mn} \\ \end{pmatrix} \begin{pmatrix} x_1 \\ x_2 \\ \vdots \\ x_n \end{pmatrix} ⎝⎜⎜⎜⎛y1y2⋮ym⎠⎟⎟⎟⎞=⎝⎜⎜⎜⎛a11a21⋮am1a12a22⋮am2⋯⋯⋯a1na2n⋮amn⎠⎟⎟⎟⎞⎝⎜⎜⎜⎛x1x2⋮xn⎠⎟⎟⎟⎞
就确定了一个从 R n \R^n Rn 到 R m \R^m Rm 的映射,并且是个线性映射。
不妨设 V n V_n Vn, U m U_m Um 分别是 n n n 维和 m m m 维线性空间, T T T 是一个从 V n V_n Vn 到 U m U_m Um 的映射,则线性变化具有下述基本性质:
性质 1 T ( 0 ) = 0 T(\boldsymbol{0}) = \boldsymbol{0} T(0)=0
证明 根据定义 2,任给 α ∈ V n \boldsymbol{\alpha} \in V_n α∈Vn,则有 T ( 0 ) = T ( 0 α ) = 0 T ( α ) = 0 T(\boldsymbol{0}) = T(0 \boldsymbol{\alpha}) = 0 T(\boldsymbol{\alpha}) = \boldsymbol{0} T(0)=T(0α)=0T(α)=0。得证。
性质 2 T ( − α ) = − T ( α T(-\boldsymbol{\alpha}) = - T(\boldsymbol{\alpha} T(−α)=−T(α)。
证明 根据定义 2,有 T ( − α ) = T [ ( − 1 ) × α ] = ( − 1 ) × T ( α ) = − T ( α ) T(-\boldsymbol{\alpha}) = T[(-1) \times \boldsymbol{\alpha}] = (-1) \times T(\boldsymbol{\alpha}) = - T(\boldsymbol{\alpha}) T(−α)=T[(−1)×α]=(−1)×T(α)=−T(α)。得证。
性质 3 若 β = k 1 α 1 + k 2 α 2 + ⋯ + k m α m \boldsymbol{\beta} = k_1 \boldsymbol{\alpha}_1 + k_2 \boldsymbol{\alpha}_2 + \cdots + k_m \boldsymbol{\alpha}_m β=k1α1+k2α2+⋯+kmαm,则 T ( β ) = k 1 T ( α 1 ) + k 2 T ( α 2 ) + ⋯ + k m T ( α m ) T(\boldsymbol{\beta}) = k_1 T(\boldsymbol{\alpha}_1) + k_2 T(\boldsymbol{\alpha}_2) + \cdots + k_m T(\boldsymbol{\alpha}_m) T(β)=k1T(α1)+k2T(α2)+⋯+kmT(αm)。
证明见 “【证明】线性映射不影响向量组的线性组合”。
性质 4 若 α 1 , α 2 , ⋯ , α m \boldsymbol{\alpha}_1,\boldsymbol{\alpha}_2,\cdots,\boldsymbol{\alpha}_m α1,α2,⋯,αm 线性相关,则 T ( α 1 ) , T ( α 2 ) , ⋯ , T ( α m ) T(\boldsymbol{\alpha}_1),T(\boldsymbol{\alpha}_2),\cdots,T(\boldsymbol{\alpha}_m) T(α1),T(α2),⋯,T(αm) 亦线性相关。
证明见 “【证明】若向量组线性相关,则向量组的线性映射也线性相关”。
性质 5 线性变换 T T T 的像集 T ( V n ) T(V_n) T(Vn) 是一个线性空间。
证明见 “【证明】线性变换的像集是一个线性空间”。
线性空间 T T T 的像集 T ( V n ) T(V_n) T(Vn) 的线性空间,称为线性变换 %T% 的 像空间。
性质 6 使 T ( α ) = 0 T(\boldsymbol{\alpha}) = \boldsymbol{0} T(α)=0 的 α \boldsymbol{\alpha} α 的全体
N T = { α ∣ α ∈ V n , T ( α ) = 0 } N_T = \{ \boldsymbol{\alpha} | \boldsymbol{\alpha} \in V_n, T(\boldsymbol{\alpha}) = \boldsymbol{0} \} NT={α∣α∈Vn,T(α)=0}
也是一个线性空间。
证明见 “【证明】线性变换的核是一个线性空间”。
N T N_T NT 称为线性变换 T T T 的 核。
线性变换及其基本性质相关推荐
- 【推导】线性变换的矩阵表达式
前置定义 1 设 V n V_n Vn, U m U_m Um 分别是 n n n 维和 m m m 维线性空间, T T T 是一个从 V n V_n Vn 到 U m U_m Um 的映射 ...
- 线性代数与解析几何——Part3 线性空间 线性变换
线性代数与解析几何--Part3 线性空间 & 线性变换 1. 线性空间 1. 数组空间 & 线性关系 2. 秩 3. 子空间.基与维数 4. 一般线性空间 5. 同构 2. 线性变换 ...
- 清华大学公开课线性代数2——第5讲:线性变换2
此博客停止更新迁移至SnailDove's Blog,查看本文点击此处 清华大学公开课:线性代数2--第五讲:线性变换2 目录 目录 前言 恒等变换与基变换 基变换的应用 一张256x256的灰度图像 ...
- 清华大学公开课线性代数2——第4讲:线性变换1
此博客停止更新迁移至SnailDove's Blog,查看本文点击此处 笔记源自:清华大学公开课:线性代数2--第4讲:线性变换1 目录 目录 前言 线性变换的定义性质运算 向量空间的定义 线性变换的 ...
- 一图胜千言,这本交互式线代教科书让你分分钟理解复杂概念,佐治亚理工出品...
点击我爱计算机视觉标星,更快获取CVML新技术 本文转载自机器之心. 选自gatech.edu 作者:Dan Margalit.Joseph Rabinoff 机器之心编译 参与:张倩 常言道,一图抵 ...
- 收藏 | 佐治亚理工出品交互式线代教科书!
点上方蓝字计算机视觉联盟获取更多干货 在右上方 ··· 设为星标 ★,与你不见不散 仅作学术分享,不代表本公众号立场,侵权联系删除 转载于:机器之心 AI博士笔记系列推荐 周志华<机器学习> ...
- 高等代数 线性映射(第9章)1 概念,运算,核与象
一.线性映射及其运算(9.1) 1.线性映射的定义与性质 (1)线性映射的定义: (2)一些线性映射的例子: 注:例7中的kkk不一定是数,但习惯上仍然称该线性变换为数乘变换 命题1:对任何线性映射f ...
- 【直观详解】线性代数的本质
转载自:https://charlesliuyx.github.io/2017/10/06/%E3%80%90%E7%9B%B4%E8%A7%82%E8%AF%A6%E8%A7%A3%E3%80%91 ...
- 矩阵知识:正交矩阵、行列式、子式与代数余子式
一.正交矩阵 1.1 RnR^nRn的标准正交基 定义 Rn中的n个向量η1,η2,...,ηn满足:(1)两两正交:ηiTηj=0(i≠0)(2)都是单位向量,即∣∣ηi∣∣=1,i=1,2,... ...
最新文章
- Zebra斑马打印机指令编程进阶(语言通用)--利用指令绘制出图像打印
- 前端_JavaScript_Method
- redis 控制调用频率
- 全城瘫痪!因韩国电信公司大火 首尔陷断网危机
- Linux 安装 FFmpeg
- java实验册_Java实验报告册Java实验报告册.doc
- Python模拟决赛现场最终得分计算过程
- Spring Cloud 服务注册与发现 [ eureka ]
- 中关村程序员的 996 强制加班与工作效率成正比吗?
- [在windows上使用Unix工具]cygwin
- 计算机对用户算题任务的加工过程,操作系统原理答案
- 容易遗忘的JS知识点整理
- PDF在文字方面的一个缺陷
- 【数学建模】CUMCM-2017A CT系统参数标定及成像 思路及部分代码
- python分解GIF图
- HDU-1728-逃离迷宫
- 冰汽朋克侦查机器人_寒霜朋克全系统解析攻略 冰汽时代全法典全科技详解
- 金山词霸2010牛津旗舰破解版【最完美的】的使用方案
- 越有钱越抠门 李嘉诚西装一穿就是十年
- 哪些情况会造成小程序违规或下架