科数网知识库
首页
目录
线性变换的矩阵表示式
日期:
2023-01-02 20:11
查看:
85
次
线性变换是一个很抽象的概念，如何将它具体化呢? 我们发现，如果给定线性空间 $V_n$ 的 一个基 $\alpha_1, \alpha_2, \cdots, \alpha_n$ 则对 $V_n$ 中任意向量 $\boldsymbol{\alpha}_1$ 有 $$ \alpha=k_1 \alpha_1+k_2 \alpha_2+\cdots+k_n \alpha_n, $$ 由线性变换的性质得: $$ T(\boldsymbol{\alpha})=k_1 T\left(\boldsymbol{\alpha}_1\right)+k_2 T\left(\boldsymbol{\alpha}_2\right)+\cdots+k_n T\left(\boldsymbol{\alpha}_n\right) . $$ 于是 $\boldsymbol{\alpha}$ 在 $T$ 下的像就由基的像 $T\left(\boldsymbol{\alpha}_1\right), T\left(\boldsymbol{\alpha}_2\right), \cdots, T\left(\boldsymbol{\alpha}_n\right)$ 所唯一确定. 而 $T(\boldsymbol{\alpha}) \in V(i=1,2, \cdots, n)$, 所以 $T\left(\boldsymbol{\alpha}_i\right) \in V(i=1,2, \cdots, n)$ 也可由基 $\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \cdots, \boldsymbol{\alpha}_n$ 来线性表示，即有 $$ \left\{\begin{array}{l} T\left(\boldsymbol{\alpha}_1\right)=a_{11} \boldsymbol{\alpha}_1+a_{21} \boldsymbol{\alpha}_2+\cdots+a_{n 1} \boldsymbol{\alpha}_n, \\ T\left(\boldsymbol{\alpha}_2\right)=a_{12} \boldsymbol{\alpha}_1+a_{22} \boldsymbol{\alpha}_2+\cdots+a_{n 2} \boldsymbol{\alpha}_n, \\ \cdots \quad \cdots \quad \cdots \quad \cdots \\ T\left(\boldsymbol{\alpha}_n\right)=a_{1 n} \boldsymbol{\alpha}_1+a_{2 n} \boldsymbol{\alpha}_2+\cdots+a_{n n} \boldsymbol{\alpha}_n . \end{array}\right. $$ 由上式得: $T\left(\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \cdots, \boldsymbol{\alpha}_n\right)=\left(T\left(\boldsymbol{\alpha}_1\right), T\left(\boldsymbol{\alpha}_2\right), \cdots, T\left(\boldsymbol{\alpha}_n\right)\right)=\left(\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \cdots, \boldsymbol{\alpha}_n\right) \boldsymbol{A}$ 其中 $$ \boldsymbol{A}=\left(\begin{array}{cccc} a_{11} & a_{12} & \cdots & a_{1 n} \\ a_{21} & a_{22} & \cdots & a_{2 n} \\ \vdots & \vdots & & \vdots \\ a_{n 1} & a_{n 2} & \cdots & a_{n n} \end{array}\right) $$ 矩阵 $A$ 称为线性变换 $T$ 在基 $\alpha_1, \alpha_2, \cdots, \alpha_n$ 下的矩阵. 显然，矩阵 $\boldsymbol{A}$ 由基的像 $T\left(\boldsymbol{\alpha}_1\right), T\left(\boldsymbol{\alpha}_2\right), \cdots, T\left(\boldsymbol{\alpha}_n\right)$ 唯一确定. 反之，如果给定一个矩阵 $\boldsymbol{A}$ 作为某个线性变换 $T$ 在基 $\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \cdots, \boldsymbol{\alpha}_n$ 下的矩阵，也就是给出了 这个基在变换下的像，根据变换 $T$ 保持线性关系的特性， 我们来推导变换 $T$ 必须满足的关系式. $V_n$ 中的任意向量记为 $\alpha=\sum_{i=1}^n x_i \alpha_l$ 有 $$ T \boldsymbol{\alpha}=T\left(\sum_{i=1}^n x_i \boldsymbol{\alpha}_i\right)=\sum_{i=1}^n x_i T\left(\boldsymbol{\alpha}_i\right)=\left(T\left(\boldsymbol{\alpha}_1\right), T\left(\boldsymbol{\alpha}_2\right), \cdots, T\left(\boldsymbol{\alpha}_n\right)\right)\left(\begin{array}{c} x_1 \\ x_2 \\ \vdots \\ x_n \end{array}\right)=\left(\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \cdots, \boldsymbol{\alpha}_n\right) \boldsymbol{A}\left(\begin{array}{c} x_1 \\ x_2 \\ \vdots \\ x_n \end{array}\right) \text {, } $$ 即 $T\left(\left(\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \cdots, \boldsymbol{\alpha}_n\right)\left(\begin{array}{c}x_1 \\ x_2 \\ \vdots \\ x_n\end{array}\right)\right)=\left(\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \cdots, \boldsymbol{\alpha}_n\right) \boldsymbol{A}\left(\begin{array}{c}x_1 \\ x_2 \\ \vdots \\ x_n\end{array}\right)$.   例 6 设 $R^3$ 上线性变换 $T$ 定义为 $T\left(\begin{array}{l}x_1 \\ x_2 \\ x_3\end{array}\right)=\left(\begin{array}{c}2 x_1-x_2 \\ x_2+x_3 \\ 2 x_1\end{array}\right)$, 分别求 $T$ 在基 $$ \boldsymbol{e}_1=\left(\begin{array}{l} 1 \\ 0 \\ 0 \end{array}\right), \boldsymbol{e}_2=\left(\begin{array}{l} 0 \\ 1 \\ 0 \end{array}\right), \boldsymbol{e}_3=\left(\begin{array}{l} 0 \\ 0 \\ 1 \end{array}\right) \text { 与基 } \boldsymbol{\alpha}_1=\left(\begin{array}{l} 1 \\ 0 \\ 0 \end{array}\right), \boldsymbol{\alpha}_2=\left(\begin{array}{l} 1 \\ 1 \\ 0 \end{array}\right), \boldsymbol{\alpha}_3=\left(\begin{array}{l} 1 \\ 1 \\ 1 \end{array}\right) \text { 下的矩阵. } $$ $$ \begin{aligned} & T\left(\begin{array}{l} 1 \\ 0 \\ 0 \end{array}\right)=\left(\begin{array}{l} 2 \\ 0 \\ 2 \end{array}\right)=2 \boldsymbol{\alpha}_1-2 \boldsymbol{\alpha}_2+2 \boldsymbol{\alpha}_3=\left(\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \boldsymbol{\alpha}_3\right)\left(\begin{array}{c} 2 \\ -2 \\ 2 \end{array}\right), \\ & T\left(\begin{array}{l} 1 \\ 1 \\ 0 \end{array}\right)=\left(\begin{array}{l} 1 \\ 1 \\ 2 \end{array}\right)=0 \boldsymbol{\alpha}_1-\boldsymbol{\alpha}_2+2 \boldsymbol{\alpha}_3=\left(\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \boldsymbol{\alpha}_3\right)\left(\begin{array}{c} 0 \\ -1 \\ 2 \end{array}\right), \\ & T\left(\begin{array}{l} 1 \\ 1 \\ 1 \end{array}\right)=\left(\begin{array}{l} 1 \\ 2 \\ 2 \end{array}\right)=-\boldsymbol{\alpha}_1+0 \boldsymbol{\alpha}_2+2 \boldsymbol{\alpha}_3=\left(\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \boldsymbol{\alpha}_3\right)\left(\begin{array}{c} -1 \\ 0 \\ 2 \end{array}\right), \end{aligned} $$ $$ \text { 可得 } T\left(\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \boldsymbol{\alpha}_3\right)=\left(\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \boldsymbol{\alpha}_3\right)\left(\begin{array}{ccc} 2 & 0 & -1 \\ -2 & -1 & 0 \\ 2 & 2 & 2 \end{array}\right) \text {, } $$ $T$ 在基 $\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \boldsymbol{\alpha}_3$ 下的矩阵为 $$ \boldsymbol{B}=\left(\begin{array}{ccc} 2 & 0 & -1 \\ -2 & -1 & 0 \\ 2 & 2 & 2 \end{array}\right) . $$ 可见，同一个线性变换在不同的基下有不同的矩阵.    定义2 线性变换的像空间 $T\left(V_n\right)$ 的维数，称为线性变换 $T$ 的秩. 显然，若 $\boldsymbol{A}$ 是 $T$ 的矩阵，则 $T$ 的秩就是 $R(\boldsymbol{A})$. 若 $T$ 的秩为 $r$ ，则 $T$ 的核 $S_T$ 的维 数为 $n-r$.
本系统使用
启明星知识库Kbase
搭建，最后更新于
2023-01-02 20:11
，如果您有意见或建议请点击
反馈
。