• 线性变换及其基本性质


    定义 1 设有两个非空集合 A A A 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)β=Tα (αA)
    α 1 ∈ A \alpha_1 \in A α1A 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)αA}
    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 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,α2Vn(从而 α 1 + α 2 ∈ V \boldsymbol{\alpha}_1 + \boldsymbol{\alpha}_2 \in V α1+α2V),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 αVn λ ∈ R \lambda \in \R λR(从而 λ α ∈ V n \lambda \boldsymbol{\alpha} \in V_n λαVn),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 U m U_m Um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 )

    (y1y2ym)" role="presentation">(y1y2ym)
    =
    (a11a12a1na21a22a2nam1am2amn)" role="presentation">(a11a12a1na21a22a2nam1am2amn)
    (x1x2xn)" role="presentation" style="position: relative;">(x1x2xn)
    y1y2ym = a11a21am1a12a22am2a1na2namn x1x2xn
    就确定了一个从 R n \R^n Rn 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 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 αVn,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 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={ααVn,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

  • 相关阅读:
    Matlab深度学习实战一:LeNe-5图像分类篇MNIST数据集分十类且matlab提供模型框架全网为唯一详细操作流程
    实验四.路由器静态路由的配置
    第一讲:如何使用go-client连接k8s
    SpringBoot整合Hive(开启Kerberos认证)作三方数据源
    iptables知识手册
    @PutMapping、@PatchMapping、@DeleteMapping解析
    Coelho2021_GMGCv1 计算丰度的方法
    计算机网络第八章知识点回顾(自顶向下)
    CC1101RGPR射频收发器 Low-Power Sub-1GHz 射频收发器
    AI绘图开源工具Stable Diffusion WebUI前端API对接
  • 原文地址:https://blog.csdn.net/Changxing_J/article/details/127957512