Processing math: 0%

线性代数 Cheat Sheet 1-8:线性变换介绍

  对于矩阵方程 A \boldsymbol x = \boldsymbol b,可以将矩阵 A 看成一种对象,它通过乘法“作用”于向量 \boldsymbol x,产生新向量 A \boldsymbol x = \boldsymbol b。解方程 A \boldsymbol x = \boldsymbol b(假设Am \times n 的矩阵),就是求出 \mathbb{R}^n 中的所有向量 \boldsymbol x,它们经过乘以 A 的“作用”后变为 \mathbb{R}^m 中的 \boldsymbol b

  由 \mathbb{R}^n\mathbb{R}^m 的一个变换(或称函数映射T 是一个规则,它把 \mathbb{R}^n 中的每个向量 \boldsymbol x 对应到 \mathbb{R}^m 中的一个向量 T(\boldsymbol x)。集 \mathbb{R}^n 称为 T定义域\mathbb{R}^m 称为 T余定义域(或取值空间)。符号 T: \mathbb{R}^n \rightarrow \mathbb{R}^m 说明 T 的定义域是 \mathbb{R}^n,余定义域是 \mathbb{R}^m。对于 \mathbb{R}^n 中的向量 \boldsymbol x\mathbb{R}^m 中的向量 T(\boldsymbol x) 称为 \boldsymbol x(在 T 作用下)的。所有像 T(\boldsymbol x) 的集合称为 T值域

1. 矩阵变换

  对于 \mathbb{R}^n 中的每个 \boldsymbol xT(\boldsymbol x)A \boldsymbol x 计算得到,其中 Am \times n 矩阵。有时将这样一个矩阵变换记为 \boldsymbol x \rightarrow A\boldsymbol x。当 An 列时,T 的定义域为 \mathbb{R}^n;当 A 的每列有 m 个元素时,T 的余定义域为 \mathbb{R}^mT 的值域为 A 的列的所有线性组合的集合。

  对于线性方程组 T(\boldsymbol x) = \boldsymbol b,即 A \boldsymbol x = \boldsymbol b,其解的唯一性问题可以用矩阵变换的语言表述为:\boldsymbol b 是否是 \mathbb{R}^n唯一\boldsymbol x 的像;其解的存在性问题,可以表述为:是否存在 \mathbb{R}^n 中的 \boldsymbol x 使得它的像为 \boldsymbol b

2. 线性变换

  定义 当满足以下条件时,变换(或映射)T线性的:
(i) 对 T 的定义域中的一切 \boldsymbol u, \boldsymbol vT(\boldsymbol u + \boldsymbol v) = T(\boldsymbol u) + T(\boldsymbol v)
(ii) 对 T 的定义域中的一切 \boldsymbol u 和数 cT(c \boldsymbol u) = cT(\boldsymbol u)

  由上面定义中的两个性质,容易推出:若 T 是线性变换,则

\begin{equation} T(\boldsymbol 0) = \boldsymbol 0 \end{equation}

且对 T 的定义域中的一切向量 \boldsymbol u\boldsymbol v 以及数 cd,有:

\begin{equation} T(c\boldsymbol u + d\boldsymbol v) = cT(\boldsymbol u) + dT(\boldsymbol v) \tag{1} \end{equation}

  对于所有 \boldsymbol u, \boldsymbol vc, d,若一个变换满足 (1),则它必是线性的。(1) 式中,取 c = d = 1 可得 (i),取 d = 0 可得 (ii)。

  重复应用 (1) 式可以得到有用的推广:

\begin{equation} T(c_1\boldsymbol v_1 + \cdots + c_p\boldsymbol v_p) = c_1 T(\boldsymbol v_1) + \cdots + c_p T(\boldsymbol v_p) \tag{2} \end{equation}

在工程和物理中,(2) 式称为叠加原理