线性代数(6)- 线性映射第四讲
线性泛函数
T ∈ L ( V , F ) T\in L(V,F) T∈L(V,F),则 T T T可以被称为是一个线性泛函数(Linear Functional)
对偶空间
V ′ = L ( V , F ) V'=L(V,F) V′=L(V,F),则 V ′ V' V′称为 V V V的对偶空间(Dual Space)
V V V是有限维度的,则可推出, V ′ V' V′是有限维度的且 d i m V ′ = d i m V dim\ V'=dim\ V dim V′=dim V
v 1 , … , v n v_1,\dots,v_n v1,…,vn是 V V V的一组基,则 v 1 , … , v n v_1,\dots,v_n v1,…,vn的对偶基(Dual Basis)是一个 V ′ V' V′上的向量组 φ 1 , … , φ n \varphi_1,\dots,\varphi_n φ1,…,φn,其中有 φ j ( v k ) = { 1 , k = j 0 , k ≠ j \varphi_j(v_k)= \begin{cases} 1,k=j\\ 0,k\neq j \end{cases} φj(vk)={1,k=j0,k=j
如果 V V V是有限维度的,则其的基对于 V ′ V' V′的对偶基是后者的基
对偶映射
T ∈ L ( V , W ) T\in L(V,W) T∈L(V,W),则 T T T的对偶映射(Dual Map) T ′ T' T′定义为 ∀ φ ∈ W ′ , T ′ ( φ ) = φ ∘ T \forall \varphi \in W',T'(\varphi)=\varphi \circ T ∀φ∈W′,T′(φ)=φ∘T
可推出, T ′ T' T′是线性映射,且有以下性质
- ∀ S , T ∈ L ( V , W ) , ( S + T ) ′ = S ′ + T ′ \forall S,T \in L(V,W),(S+T)'=S'+T' ∀S,T∈L(V,W),(S+T)′=S′+T′
- ∀ λ ∈ F , T ∈ L ( V , W ) , ( λ T ) ′ = λ T ′ \forall \lambda \in F,T\in L(V,W),(\lambda T)'=\lambda T' ∀λ∈F,T∈L(V,W),(λT)′=λT′
- ∀ T ∈ L ( U , V ) , S ∈ L ( V , W w ) , ( S T ) ′ = T ′ S ′ \forall T \in L(U,V),S\in L(V,Ww),(ST)'=T'S' ∀T∈L(U,V),S∈L(V,Ww),(ST)′=T′S′
零化子
U U U是向量空间 V V V的一个子集,则 U U U的零化子(Annihilator) U 0 U^0 U0定义为 U 0 = { φ ∈ V ′ ∣ ∀ u ∈ U , φ ( u ) = 0 } U^0=\lbrace \varphi \in V' \mid \forall u \in U,\varphi(u)=0\rbrace U0={φ∈V′∣∀u∈U,φ(u)=0}
可推出,零化子是一个子空间
V V V是有限维度的, U U U是它的子空间,则 d i m U + d i m U 0 = d i m V dim\ U+dim\ U^0=dim\ V dim U+dim U0=dim V
对偶映射的一些推论
V , W V,W V,W是有限维度的, T ∈ L ( V , W ) T \in L(V,W) T∈L(V,W),则有
- n u l l T ′ = ( r a n g e T ) 0 null\ T'=(range\ T)^0 null T′=(range T)0
- d i m n u l l T ′ = d i m n u l l T + d i m W − d i m V dim\ null \ T'=dim\ null\ T+dim\ W-dim\ V dim null T′=dim null T+dim W−dim V
- T T T是满射的当且仅当 T ′ T' T′是一一映射的
- r a n g e T ′ = ( n u l l T ) 0 range\ T'=(null\ T)^0 range T′=(null T)0
- d i m r a n g e T ′ = d i m r a n g e T dim\ range \ T'=dim\ range\ T dim range T′=dim range T
- T T T是一一映射的当且仅当 T ′ T' T′是满射的
矩阵的转置
矩阵 A A A的转置(Transpose) A t A^t At定义为 ( A t ) k , j = A j , k (A^t)_{k,j}=A_{j,k} (At)k,j=Aj,k
可推出 ( A C ) t = C t A t (AC)^t=C^tA^t (AC)t=CtAt
T ∈ L ( V , W ) T\in L(V,W) T∈L(V,W),则 M ( T ′ ) = ( M ( T ) ) t M(T')=(M(T))^t M(T′)=(M(T))t
矩阵的秩
矩阵的行秩(Row Rank)被定义为其行向量组展开的空间的维度,列秩(Colomn Rank)被定义为列向量组展开的空间的维度
V , W V,W V,W是有限维度的, T ∈ L ( V , W ) T\in L(V,W) T∈L(V,W)则 d i m r a n g e T dim\ range\ T dim range T等于 M ( T ) M(T) M(T)的列秩
可推出,一个矩阵的行秩总是等于列秩,于是统称为矩阵的秩