3.1 Linear Transformations

从这一章开始，就讨论本书的主题线性变换了。定义很像subspace的定义，线性变换是一个满足$T(c\alpha +\beta )=cT(\alpha )+T(\beta )$的函数。常见的例子有zero transformation，differentiation transformation，矩阵乘法的transformation，积分transformation等。
如果$T$是一个linear transformation，那么$T(0)=0$，且$T$保持linear combination。Theorem 1说明$V$的一组基可以用唯一的线性变换指到$W$的任何一组$\dim V$数量的向量上，特别地，任意一个linear transformation $T$ 是唯一地由其 images of standard basis 决定。并且可以使用由 images of standard basis 为行组成的矩阵来显式表示出来。
接下来讨论的是range和null space，二者都是subspace，由定义可以证。range的dimension称为rank of T，null space的dimension称为nullity of T。Theorem 2是线性代数中一个很重要的定理：$rank(T)+nullity(T)=\dim V$。由此可以得到关于矩阵的Theorem 3：矩阵的行rank和列rank相同。证明中要使用到方程组解空间的维数是$n-r$，其中$r$为系数矩阵行空间dimension的结论。

Exercises

1. Which of the following functions $T$ from $R^2$ into $R^2$ are linear transformations?

( a ) $T(x_1,x_2)=(1+x_1,x_2)$

( b ) $T(x_1,x_2)=(x_2,x_1)$

( c ) $T(x_1,x_2)=(x_1^2,x_2)$

( d ) $T(x_1,x_2)=(\sin x_1,x_2)$

( e ) $T(x_1,x_2)=(x_1-x_2,0)$

Solution:
( a ) No, since $T(2(1,0))=T(2,0)=(1+2,0)=(3,0)\ne 2(2,0)=2T(1,0)$.
( b ) Yes, since
$$\begin{array}{rl}T(c(x_1,x_2)+(y_1,y_2))& =(c{x}_2+y_2,c{x}_1+y_1)\\ & =c(x_2,x_1)+(y_2,y_1)\\ & =cT(x_1,x_2)+T(y_1,y_2)\end{array}$$
( c ) No.
( d ) No.
( e ) Yes, since
$$\begin{array}{rl}T(c(x_1,x_2)+(y_1,y_2))& =(c{x}_1+y_1-</\\ & \\ & \end{array}$$