【推导】线性变换与在基下的矩阵一一对应

前置定义 1　设 T T T 是线性空间 V n V_n Vn 中的线性变换，在 V n V_n Vn 中取定一个基 α 1 , α 2 , ⋯ , α n \boldsymbol{\alpha}_1,\boldsymbol{\alpha}_2,\cdots,\boldsymbol{\alpha}_n α1,α2,⋯,αn，如果这个基在变换 T T T 下的像（用这个基线性表示）为
{ T ( α 1 ) = a 11 α 1 + a 21 α 2 + ⋯ + a n 1 α n ) T ( α 2 ) = a 12 α 1 + a 22 α 2 + ⋯ + a n 2 α n ) ⋯ ⋯ ⋯ T ( α n ) = a 1 n α 1 + a 2 n α 2 + ⋯ + a n n α n ) (1) \left\{ \begin{aligned} & T(\boldsymbol{\alpha}_1) = a_{11} \boldsymbol{\alpha}_1 + a_{21} \boldsymbol{\alpha}_2 + \cdots + a_{n1} \boldsymbol{\alpha}_n) \\ & T(\boldsymbol{\alpha}_2) = a_{12} \boldsymbol{\alpha}_1 + a_{22} \boldsymbol{\alpha}_2 + \cdots + a_{n2} \boldsymbol{\alpha}_n) \\ & \cdots \cdots \cdots \\ & T(\boldsymbol{\alpha}_n) = a_{1n} \boldsymbol{\alpha}_1 + a_{2n} \boldsymbol{\alpha}_2 + \cdots + a_{nn} \boldsymbol{\alpha}_n) \\ \end{aligned} \right. \tag{1} ⎩⎪⎪⎪⎪⎨⎪⎪⎪⎪⎧T(α1)=a11α1+a21α2+⋯+an1αn)T(α2)=a12α1+a22α2+⋯+an2αn)⋯⋯⋯T(αn)=a1nα1+a2nα2+⋯+annαn)(1)
记 T ( α 1 , α 2 , ⋯ , α n ) = ( T ( α 1 ) , T ( α 2 ) , ⋯ , T ( α n ) ) T(\boldsymbol{\alpha}_1,\boldsymbol{\alpha}_2,\cdots,\boldsymbol{\alpha}_n) = (T(\boldsymbol{\alpha}_1), T(\boldsymbol{\alpha}_2), \cdots, T(\boldsymbol{\alpha}_n)) T(α1,α2,⋯,αn)=(T(α1),T(α2),⋯,T(αn))，则上式 ( 6 ) (6) (6) 可表示为
T ( α 1 , α 2 , ⋯ , α n ) = ( α 1 , α 2 , ⋯ , α n ) A (2) T(\boldsymbol{\alpha}_1,\boldsymbol{\alpha}_2,\cdots,\boldsymbol{\alpha}_n) = (\boldsymbol{\alpha}_1,\boldsymbol{\alpha}_2,\cdots,\boldsymbol{\alpha}_n) \boldsymbol{A} \tag{2} T(α1,α2,⋯,αn)=(α1,α2,⋯,αn)A(2)
其中
A = ( a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ) \boldsymbol{A} = \begin{pmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \\ \end{pmatrix} A=⎝⎜⎜⎜⎛a11a21⋮an1a12a22⋮an2⋯⋯⋯a1na2n⋮ann⎠⎟⎟⎟⎞
那么， A \boldsymbol{A} A 就称为线性变换 T T T 在基 α 1 , α 2 , ⋯ , α n \boldsymbol{\alpha}_1,\boldsymbol{\alpha}_2,\cdots,\boldsymbol{\alpha}_n α1,α2,⋯,αn 下的矩阵。

定义详 “【推导】线性变换的矩阵表达式”。

根据前置定义 1，显然，矩阵 A \boldsymbol{A} A 由基的像 T ( α 1 ) , ⋯ , T ( α n ) T(\boldsymbol{\alpha}_1),\cdots,T(\boldsymbol{\alpha}_n) T(α1),⋯,T(αn) 唯一确定，即由线性变换 T T T 可唯一地确定一个矩阵 A \boldsymbol{A} A。下面推导由一个矩阵 A \boldsymbol{A} A 也可唯一地确定一个线性变换 T T T。

将 V n \boldsymbol{V}_n Vn 中的任意元素记为 α = ∑ i = 1 n x i α i \boldsymbol{\alpha} = \sum_{i=1}^n x_i \boldsymbol{\alpha}_i α=∑i=1nxiαi，根据前置定义 1 的式 ( 2 ) (2) (2)，有
T ( ∑ i = 1 n x i α i ) = ∑ i = 1 n x i T ( α i ) = ( T ( α 1 ) , T ( α 2 ) , ⋯ , T ( α n ) ) ( x 1 x 2 ⋮ x n ) = ( α 1 , α 2 , ⋯ , α n ) A ( x 1 x 2 ⋮ x n ) \begin{aligned} T(\sum_{i=1}^n x_i \boldsymbol{\alpha}_i) & = \sum_{i=1}^n x_i T(\boldsymbol{\alpha}_i) \\ & = (T(\boldsymbol{\alpha}_1),T(\boldsymbol{\alpha}_2),\cdots,T(\boldsymbol{\alpha}_n)) \begin{pmatrix} x_1 \\ x_2 \\ \vdots \\ x_n\end{pmatrix} \\ & = (\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \cdots, \boldsymbol{\alpha}_n) \boldsymbol{A} \begin{pmatrix} x_1 \\ x_2 \\ \vdots \\ x_n\end{pmatrix} \end{aligned} T(i=1∑nxiαi)=i=1∑nxiT(αi)=(T(α1),T(α2),⋯,T(αn))⎝⎜⎜⎜⎛x1x2⋮xn⎠⎟⎟⎟⎞=(α1,α2,⋯,αn)A⎝⎜⎜⎜⎛x1x2⋮xn⎠⎟⎟⎟⎞
即
T [ ( α 1 , α 2 , ⋯ , α n ) ( x 1 x 2 ⋮ x n ) ] = ( α 1 , α 2 , ⋯ , α n ) A ( x 1 x 2 ⋮ x n ) (3) T \left[ (\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \cdots, \boldsymbol{\alpha}_n) \begin{pmatrix} x_1 \\ x_2 \\ \vdots \\ x_n\end{pmatrix} \right] = (\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \cdots, \boldsymbol{\alpha}_n) \boldsymbol{A} \begin{pmatrix} x_1 \\ x_2 \\ \vdots \\ x_n\end{pmatrix} \tag{3} T⎣⎢⎢⎢⎡(α1,α2,⋯,αn)⎝⎜⎜⎜⎛x1x2⋮xn⎠⎟⎟⎟⎞⎦⎥⎥⎥⎤=(α1,α2,⋯,αn)A⎝⎜⎜⎜⎛x1x2⋮xn⎠⎟⎟⎟⎞(3)
上式 ( 3 ) (3) (3) 唯一地确定一个变换 T T T，可以验证确定的变换 T T T 是以 A \boldsymbol{A} A 为矩阵的线性变换。总之，以 A \boldsymbol{A} A 为矩阵的线性变换 T T T 由关系式 ( 3 ) (3) (3) 唯一确定。

综上所述，线性变换与矩阵之间有一一对应的关系。

由关系式 ( 3 ) (3) (3)，可见 α \boldsymbol{\alpha} α 与 T ( α ) T(\boldsymbol{\alpha}) T(α) 在基 α 1 , α 2 , ⋯ , α n \boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \cdots, \boldsymbol{\alpha}_n α1,α2,⋯,αn 下的坐标分别为
α = ( x 1 x 2 ⋮ x n ) , T ( α ) = A ( x 1 x 2 ⋮ x n ) \boldsymbol{\alpha} = \begin{pmatrix} x_1 \\ x_2 \\ \vdots \\ x_n \end{pmatrix}, \hspace{1em} T(\boldsymbol{\alpha}) = \boldsymbol{A} \begin{pmatrix} x_1 \\ x_2 \\ \vdots \\ x_n \end{pmatrix} α=⎝⎜⎜⎜⎛x1x2⋮xn⎠⎟⎟⎟⎞,T(α)=A⎝⎜⎜⎜⎛x1x2⋮xn⎠⎟⎟⎟⎞
即按坐标表示，有
T ( α ) = A α T(\boldsymbol{\alpha}) = \boldsymbol{A} \boldsymbol{\alpha} T(α)=Aα

【推导】线性变换与在基下的矩阵一一对应相关推荐

【证明】线性变换在两个基下的矩阵相似
前置定义 1(基变换公式.过渡矩阵) 设 α 1 , ⋯ , α n \boldsymbol{\alpha}_1,\cdots,\boldsymbol{\alpha}_n α1,⋯,αn 及 β ...
正交变换在基下的矩阵都是可逆阵_矩阵分析与应用（一，矩阵基础知识）
前言:花了一个半月时间学习了北大丘维声的<高等代数>.北理史荣昌的<矩阵分析>.清华张贤达的<矩阵分析与应用>:北大与哈工大的网课. 本质:(万物皆矩阵)矩阵论主 ...
【矩阵论笔记】线性变换在不同基偶下的矩阵之间的关系
研究在不同基下的线性变换,是为了找到比较简单的形式在同一个线性空间不同基下的线性变换之间的关系我们为了找比较简单的形式例题这个就是套公式的形状,是一个比较固定的求法.把这个特征向量构成的矩阵P ...
【线性代数】——向量于不同基下的“线性变换”与对角化有感
最近看了三蓝一棕,对于线性代数中的<基变换>有了更好的理解. 众所周知我们大部分场合都是默认使用二维的直角坐标系的,基于这个坐标系的向量表示基,我称其为"主基"好了. ...
ppt_第十三章_DNA_数术推导与RNA_X_THF_DD元基芯片与肽逻辑
第十三章_DNA_数术推导与RNA_X_THF_DD元基芯片与肽逻辑理解这章节,首先要先进行元基的 O N的数量来进行统计酸碱腐蚀度比值,进行罗盘归纳元基的活性,和元基的酸碱腐蚀性,主要体现在元基 ...
python如何定义矩阵_基础 | Python下的矩阵定义 (下)
关键词:线性代数 / 矩阵 / 基本定义矩阵对于算法就如同人对于食物般的关系,已经到了密不可分的状态了,在神经网络里,矩阵代表了每层神经元之间的链接,在集成算法里,矩阵记录了每次分类器更新的残差,在 ...
量子计算（八）：观测量和计算基下的测量
文章目录观测量和计算基下的测量一.观测量二.计算基下的测量三.投影测量观测量和计算基下的测量一.观测量量子比特(qubit)不同于经典的比特(bit),一个量子比特|>可以同时处于 ...
线性变换到底是什么以及与矩阵之间的联系
由于图形学碰到了线性变换的知识,仔细深究才发现之前学的都只是浅尝辄止,实在惭愧,因此所幸花点时间补一下相关知识. 首先,什么是线性变换? 百度百科说的当然是一些很牛逼的废话,没啥卵用.根据b站上的视频 ...
matlab对多个矩阵循环,MATLAB：在不使用循环的情况下提取矩阵的多个部分
有许多方法可以在没有循环的情况下完成此操作.大多数解决方案涉及将向量x和y扩展为更大的索引矩阵,并且可能使用函数 REPMAT, BSXFUN或 SUB2IND中的一个或多个.可以在 here找到用于 ...

【推导】线性变换与在基下的矩阵一一对应

【推导】线性变换与在基下的矩阵一一对应相关推荐

最新文章

热门文章