高等代数：4 矩阵的运算

4 矩阵的运算

4.1 矩阵的运算

1、数域K上两个矩阵称为相等，如果它们的行数相等，列数也相等，并且它们的所有元素对应相等。

2、定义1：设$A=(a_{ij}),B=(b_{ij})$都是数域K上$s\times n$矩阵，令
$$C=(a_{ij}+b_{ij}{)}_{s\times n},$$
则称矩阵C是矩阵A与B的和，记作$C=A+B$。

3、定义2：设$A=(a_{ij})$是数域K上$s\times n$矩阵，$k\in K$，令
$$M=(k{a}_{ij}{)}_{s\times n},$$
则称矩阵M是k与矩阵A的数量乘积，记作$M=kA$。

4、设$A=(a_{ij})$，矩阵$(-a_{ij})$称为A的负矩阵，记作—A。容易验证，矩阵的加法与数量乘法运算满足类似于n维向量的加法与数量乘法所满足的8条运算法则。并可由负矩阵概念定义矩阵减法运算。

5、定义3：设$A=(a_{ij}{)}_{s\times n}$，$B=(b_{ij}{)}_{n\times m}$，令
$$C=(c_{ij}{)}_{s\times m},$$
其中
$$c_{ij}=a_{i1}{b}_{1j}+a_{i2}{b}_{2j}+\cdots +a_{in}{b}_{nj}=\sum _{k=1}^n{a}_{ik}{b}_{kj},i=1,2,\dots ,s;j=1,2,\dots ,m.$$
则称矩阵C为矩阵A与矩阵B的乘积，记作$C=AB$。

注：

（1）只有左矩阵的列数与右矩阵的行数相同的两个矩阵才能相乘；

（2）乘积矩阵的$(i,j)$元等于左矩阵的第$i$行与右矩阵的第$j$列的对应元素的乘积之和；

（3）乘积矩阵的行数等于左矩阵的行数，乘积矩阵的列数等于右矩阵的列数。

6、对于$AB=0$，若$B\ne 0$，则称A是一个左零因子，若$A\ne 0$，则称B是是一个右零因子，左零因子和右零因子统称为零因子。显然，零矩阵是零因子，称为平凡的零因子。

7、矩阵的乘法适合结合律和左右分配律。另与数量乘法一起满足：$k(AB)=(kA)B=A(kB)$。

8、主对角线上元素都是1，其余元素为0的n级矩阵称为n级单位矩阵，记作$I_n$,或简记$I$。$kI$称为数量矩阵。

9、若$AB=BA$，则称A与B可交换。数量矩阵与任一同级矩阵可交换。

10、由于矩阵的乘法适合结合律，因此可定义n级矩阵A的非负整数次幂：
$$\begin{array}{rl}& A^m\stackrel{\text{def}}{=}A\cdot A\cdot \dots \cdot A,m\in Z^{+};\\ & A^0\stackrel{\text{def}}{=}I.\end{array}$$
容易看出，对于任意自然数$k,l$有：
$$A^k{A}^l=A^{k+l},(A^k{)}^l=A^{kl}.$$
注：由于矩阵乘法不满足交换律，故一般来说，$(AB{)}^k\ne A^k{B}^k$。

11、对于矩阵转置有：
$$\begin{array}{rl}(1)& (A+B{)}^{\prime }=A^{\prime }+B^{\prime };\\ (2)& (kA{)}^{\prime }=k{A}^{\prime };\\ (3)& (AB{)}^{\prime }=B^{\prime }{A}^{\prime }.\end{array}$$

4.2 特殊矩阵

1、对角矩阵

定义1：主对角线以外的元素全为0的方阵称为对角矩阵，简记作： d i a g { d 1 , d 2 , … , d n } diag\{d_1,d_2,\dots,d_n\} diag{d1​,d2​,…,dn​}。

命题1：用一个对角矩阵左（右）乘一个矩阵A，就相当于用对角矩阵的主对角元分别去乘A的相应的行（列）。

2、基本矩阵

定义2：只有一个元素是1，其余元素全为0的矩阵称为基本矩阵。$(i,j)$元为1的基本矩阵记作$E_{ij}$。故：
$$A=(a_{ij}{)}_{s\times n}=\left[\begin{array}{cccc}{a}_{11}& a_{12}& ...& a_{1n}\\ a_{21}& a_{22}& ...& a_{2n}\\ ⋮& ⋮& & ⋮\\ a_{s1}& a_{s2}& ...& a_{sn}\end{array}\right]=a_{11}{E}_{11}+a_{12}{E}_{12}+\cdots +a_{sn}{E}_{sn}=\sum _{i=1}^s\sum _{j=1}^n{a}_{ij}{E}_{ij}.$$

命题2：用$E_{ij}$左乘一个矩阵A，就相当于把A的第j行搬到第i行的位置，而乘积矩阵的其余行全为零行；用$E_{ij}$右乘一个矩阵A，就相当于把A的第j列搬到第i列的位置，而乘积矩阵的其余列全为零列。故：
$$\begin{array}{rl}& E_{ij}{E}_{kl}=\{\begin{array}{ll}{E}_{il}& 当k=j;\\ 0& 当k\ne j.\end{array}\\ & E_{ij}A{E}_{kl}=a_{jk}{E}_{il}.\end{array}$$
3、上（下）三角矩阵

定义3：主对角线下（上）方元素全为0的方阵称为上（下）三角矩阵。

A为上三角矩阵的充分必要条件：
$$a_{ij}=0,当i>j.A=\sum _{i=1}^n\sum _{j=1}^n{a}_{ij}{E}_{ij}.$$
命题3：两个n级上三角矩阵A与B的乘积仍为上三角矩阵，并且AB的主对角线元素等于A与B的相应主对角元的乘积。两个n级下三角矩阵A与B的乘积仍为下三角矩阵，并且AB的主对角线元素等于A与B的相应主对角元的乘积。

4、初等矩阵

定义4：由单位矩阵经过一次初等行（列）变换得到的矩阵称为初等矩阵。容易得出，初等矩阵只有下面三种类型：

$$\begin{array}{rl}& I\stackrel{(j)+(i)\cdot k}{\to }P(j,i(k)),\\ & I\stackrel{(i,j)}{\to }P(i,j),\\ & I\stackrel{(i)\cdot c}{\to }P(i(c)),c\ne 0;\end{array}$$
设A是一个$s\times n$矩阵，它的行向量组是${\gamma }_1,{\gamma }_2,\dots ,{\gamma }_s$；列向量组是${\alpha }_1,{\alpha }_2,\dots ,{\alpha }_n$。则
$$\begin{array}{rl}& P(j,i(k))A=\left[\begin{array}{ccccccc}1& & & & & & \\ & \ddots & & & & & \\ & & 1& & & & \\ & & ⋮& \ddots & & & \\ & & k& \dots & 1& & \\ & & & & & \ddots & \\ & & & & & & 1\end{array}\right]\left[\begin{array}{c}{\gamma }_1\\ {\gamma }_2\\ ⋮\\ {\gamma }_s\end{array}\right]=\left[\begin{array}{c}{\gamma }_1\\ ⋮\\ {\gamma }_i\\ ⋮\\ k{\gamma }_i+{\gamma }_j\\ ⋮\\ {\gamma }_s\end{array}\right],\\ & AP(j,i(k))=({\alpha }_1,{\alpha }_2,\dots ,{\alpha }_n)\left[\begin{array}{ccccccc}1& & & & & & \\ & \ddots & & & & & \\ & & 1& & & & \\ & & ⋮& \ddots & & & \\ & & k& \dots & 1& & \\ & & & & & \ddots & \\ & & & & & & 1\end{array}\right]=({\alpha }_1,\dots ,{\alpha }_i+k{\alpha }_j,\dots ,{\alpha }_j,\dots ,{\alpha }_n)\end{array}$$
由上诉看出：
$$\begin{array}{rl}& 用P(j,i(k))左乘A，就相当于把A的第i行的k倍加到第j行上，其余行不变；\\ & 用P(j,i(k))右乘A，就相当于把A的第j列的k倍加到第i列上，其余列不变；\\ & 用P(i,j)左（右）乘A，就相当于把A的第i行（列）与第j行（列）互换，其余行（列）不变；\\ & 用P(i(c))(c\ne 0)左（右）乘A，就相当于用c乘A的第i行（列），其余行（列）不变。\end{array}$$
定理1：用初等矩阵左（右）乘一个矩阵A，就相当于A作了一次相应的初等行（列）变换。

5、对称矩阵

定义5：一个矩阵A如果满足$A^{\prime }=A$，那么称A是对称矩阵。

命题4：设A、B都是数域K上的n级对称矩阵，则$A+B，kA(k\in K)$都是对称矩阵。

命题5：设A、B都是数域K上的n级对称矩阵，则AB为对称矩阵的充分必要条件是A与B可交换。

6、斜对称矩阵

定义6：一个矩阵A如果满足$A^{\prime }=-A$，那么称A是斜对称矩阵。

命题6：数域K上奇数级斜对称矩阵的行列式等于0。

4.3 矩阵乘积的秩与行列式

1、定理1：设 A = ( a i j ) s × n , B = ( b i j ) n × m ， 则 ： r a n k ( A B ) ⩽ m i n { r a n k ( A ) , r a n k ( B ) } . A=(a_{ij})_{s \times n},B=(b_{ij})_{n \times m}，则：rank(AB)\leqslant min\{rank(A),rank(B)\}. A=(aij​)s×n​,B=(bij​)n×m​，则：rank(AB)⩽min{rank(A),rank(B)}.

2、定理2：设$A=(a_{ij}{)}_{n\times n},B=(b_{ij}{)}_{n\times n}，则：|AB|=|A||B|.$

3、定理3（Binet-Cauchy公式）：$A=(a_{ij}{)}_{s\times n},B=(b_{ij}{)}_{n\times s}，$
$$\begin{array}{rl}& (1)如果s>n，那么|AB|=0；\\ & (2)如果s⩽n，那么|AB|等于A的所有s阶子式与B的相应s阶子式的乘积之和，即\\ & |AB|=\sum _{1⩽v_1<v_2<\cdots <v_s⩽n}A\left(\begin{array}{c}1,2,\dots ,s\\ v_1,v_2,\dots ,v_s\end{array}\right)\cdot B\left(\begin{array}{c}{v}_1,v_2,\dots ,v_s\\ 1,2,\dots ,s\end{array}\right).\end{array}$$
4、命题1：设$A=(a_{ij}{)}_{s\times n},B=(b_{ij}{)}_{n\times s}，设正整数r⩽s$，
$$\begin{array}{rl}& (1)如果r>n，那么AB的所有r阶子式都等于0；\\ & (2)如果r⩽n，那么AB的任一r阶子式为\\ & AB\left(\begin{array}{c}{i}_1,i_2,\dots ,i_r\\ j_1,j_2,\dots ,j_r\end{array}\right)=\sum _{1⩽v_1<v_2<\cdots <v_r⩽n}A\left(\begin{array}{c}{i}_1,i_2,\dots ,i_r\\ v_1,v_2,\dots ,v_r\end{array}\right)\cdot B\left(\begin{array}{c}{v}_1,v_2,\dots ,v_r\\ j_1,j_2,\dots ,j_r\end{array}\right).\end{array}$$
5、矩阵A的一个子式如果行指标与列指标相同，那么称它为A的一个主子式。

4.4 可逆矩阵

1、定义1：对于数域K上矩阵A，如果存在数域K上矩阵B，使得
$$AB=BA=I\text{\hspace{1em}(1)}$$
那么称A是可逆矩阵（或非奇异矩阵）。

2、定义2：如果A是可逆矩阵，那么适合（1）式的矩阵B称为A的逆矩阵，记作$A^{-1}$。$A^{-1}$是唯一的。

3、定理1：数域K上n级矩阵A可逆的充分必要条件是$|A|\ne 0$。当A可逆时，
$$A^{-1}=\frac{1}{|A|}{A}^{\ast }.\text{\hspace{1em}(2)}$$
称$A^{\ast }$为A的伴随矩阵。满足$A{A}^{\ast }=A^{\ast }A=|A|I$。

数域K上n级矩阵A可逆的充分必要条件汇总：
$$\begin{array}{rl}& 数域K上n级矩阵A可逆\\ ⟺& |A|\ne 0\\ ⟺& A为满秩矩阵\\ ⟺& A的行（列）向量组线性无关\\ ⟺& A的行（列）向量组为K^n的一个基\\ ⟺& A的行（列）空间等于K^n\\ ⟺& A可以表示成一些初等矩阵的乘积。\end{array}$$
命题1：设A与B都是数域K上的n级矩阵，如果$AB=I$，那么A与B都是可逆矩阵，并且$A^{-1}=B,B^{-1}=A$。

4、可逆矩阵的性质：
$$\begin{array}{rl}& 性质1：单位矩阵I可逆，且I^{-1}=I。\\ & 性质2：如果A可逆，那么A^{-1}也可逆，且(A^{-1}{)}^{-1}=A。\\ & 性质3：如果n级矩阵A、B都可逆，那么AB也可逆，并且(AB{)}^{-1}=B^{-1}{A}^{-1}。推广：(A_1{A}_2\dots A_s{)}^{-1}=A_s^{-1}\dots A_2^{-1}{A}_1^{-1}。\\ & 性质4：如果A可逆，那么A^{\prime }也可逆，并且(A^{\prime }{)}^{-1}=(A^{-1}{)}^{\prime }。\\ & 性质5：可逆矩阵经过初等行变换化成的简化行阶梯形矩阵一定是单位矩阵。\\ & 性质6：矩阵A可逆的充分必要条件是它可以表示成一些初等矩阵的乘积。\\ & 性质7：用一个可逆矩阵左（右）乘一个矩阵A，不改变A的秩。\end{array}$$

5、初等变换法求逆矩阵：
$$(A,I)\stackrel{\text{初等行变换}}{\to }(I,A^{-1})$$

4.5 矩阵的分块

1、对于分块矩阵$A=\left[\begin{array}{cc}{A}_1& A_2\\ A_3& A_4\end{array}\right],A^{\prime }=\left[\begin{array}{cc}{A}_1^{\prime }& A_3^{\prime }\\ A_2^{\prime }& A_4^{\prime }\end{array}\right]$。

2、分块矩阵相乘需满足下列条件：
$$\begin{array}{rl}& (1)左矩阵的列组数等于右矩阵的行组数；\\ & (2)左矩阵每个列组所含列数等于右矩阵相应行组所含行数。\end{array}$$
3、命题1：$设A是s\times n矩阵，B是n\times m矩阵，B的列向量组为{\beta }_1,{\beta }_2,\dots ,{\beta }_m。则$
$$AB=A({\beta }_1,{\beta }_2,\dots ,{\beta }_m)=(A{\beta }_1,A{\beta }_2,\dots ,A{\beta }_m).$$
推论1：$设A_{s\times n}\ne 0,B_{n\times m}的列向量组是{\beta }_1,{\beta }_2,\dots ,{\beta }_m。则$
$$AB=0⟺{\beta }_1,{\beta }_2,\dots ,{\beta }_m都是齐次线性方程组AX=0的解。$$
推论2：$设A_{s\times n}\ne 0,B_{n\times m}的列向量组是{\beta }_1,{\beta }_2,\dots ,{\beta }_m;C_{s\times m}的列向量组是{\delta }_1,{\delta }_2,\dots ,{\delta }_m。则$
$$AB=C⟺{\beta }_i是线性方程组AX={\delta }_i的一个解，i=1,2,\dots ,m.$$
4、分块矩阵的初等行变换：
$$\begin{array}{rl}& (1)把一个块行的左P倍（P是矩阵）加到另一个块行上，如\\ & \left[\begin{array}{cc}{A}_1& A_2\\ A_3& A_4\end{array}\right]\stackrel{(2)+P\cdot (1)}{\to }\left[\begin{array}{cc}{A}_1& A_2\\ P{A}_1+A_3& P{A}_2+A_4\end{array}\right];\\ & (2)互换两个块行的位置；\\ & (3)用一个可逆矩阵左乘某一块行（为的是可以把所得到的分块矩阵变回原来的分块矩阵）。\end{array}$$
类似的有分块矩阵的初等列变换。

把单位矩阵分块，并经过一次分块矩阵的初等行（列）变换得到的矩阵称为分块初等矩阵。

5、分块对角矩阵： d i a g { A 1 , A 2 , … , A s } , 其 中 A i 是 方 阵 , i = 1 , 2 , … , s . diag\{A_1,A_2,\dots,A_s\},其中A_i是方阵,i=1,2,\dots,s. diag{A1​,A2​,…,As​},其中Ai​是方阵,i=1,2,…,s.

6、分块上（下）三角矩阵：主对角线上子矩阵都是方阵，而位于主对角线上（下）方的所有矩阵都为0。

性质：$\left|\begin{array}{cc}A& 0\\ C& B\end{array}\right|=|A||B|.$

7、命题2：$设A、B分别是s\times n、n\times s矩阵，则$
$$\begin{array}{rl}& (1)\left|\begin{array}{cc}{I}_n& B\\ A& I_s\end{array}\right|=|I_s-AB|;\\ & (2)\left|\begin{array}{cc}{I}_n& B\\ A& I_s\end{array}\right|=|I_n-BA|;\\ & (3)|I_s-AB|=|I_n-BA|.\end{array}$$
8、命题3：$设A=\left[\begin{array}{cc}{A}_1& A_3\\ 0& A_2\end{array}\right]，其中A_1，A_2都是方阵。则A可逆当且仅当A_1，A_2都可逆，此时$
$$A^{-1}=\left[\begin{array}{cc}{A}_1^{-1}& -A_1^{-1}{A}_3{A}_2^{-1}\\ 0& A_2^{-1}\end{array}\right].$$

4.6 正交矩阵$\cdot$欧几里得空间$R^n$

1、定义1：实数域上的n级矩阵A如果满足：$A{A}^{\prime }=I$，那么称A是正交矩阵。

命题1：实数域上的n级矩阵A是正交矩阵
$$\begin{array}{rl}& ⟺A{A}^{\prime }=I\\ & ⟺A可逆，且A^{-1}=A^{\prime }\\ & ⟺A^{\prime }A=I\end{array}$$
正交矩阵具有下列性质：
$$\begin{array}{rl}& (1)I是正交矩阵；\\ & (2)若A和B是正交矩阵，则AB也是正交矩阵；\\ & (3)若A是正交矩阵，则A^{-1}（即A^{\prime }）也是正交矩阵；\\ & (4)若A是正交矩阵，则|A|=1或-1。\end{array}$$
命题2：设实数域上n级矩阵A的行向量组为${\gamma }_1,\dots ,{\gamma }_n$；列向量组为${\alpha }_1,\dots ,{\alpha }_n$。则
$$\begin{array}{rl}& (1)A为正交矩阵当且仅当A的行向量组满足：{\gamma }_i{\gamma }_j^{\prime }=\{\begin{array}{l}1,当i=j,\\ 0,当i\ne j;\end{array}\\ & (1)A为正交矩阵当且仅当A的列向量组满足：{\alpha }_i^{\prime }{\alpha }_j=\{\begin{array}{l}1,当i=j,\\ 0,当i\ne j.\end{array}\end{array}$$
引用Kronecker记号${\delta }_{ij},{\delta }_{ij}=\{\begin{array}{l}1,当i=j,\\ 0,当i\ne j.\end{array}$。故命题2可简记为：
$$\begin{array}{rl}& (1){\gamma }_i{\gamma }_j^{\prime }={\delta }_{ij},1⩽i,j⩽n;\\ & (2){\alpha }_i^{\prime }{\alpha }_j={\delta }_{ij},1⩽i,j⩽n;\end{array}$$

2、定义2：$在R^n中，任给\alpha =(a_1,a_2,\dots ,a_n),\beta =(b_1,b_2,\dots ,b_n)，规定$
$$(\alpha ,\beta )\stackrel{\text{def}}{=}{a}_1{b}_1+a_2{b}_2+\cdots +a_n{b}_n,\text{\hspace{1em}(1)}$$
这个二元实值函数$(\alpha ,\beta )称为R^n$的一个内积（通常也称为标准内积）。（1）式可写为$(\alpha ,\beta )=\alpha {\beta }^{\prime }$.

可验证$R^n$的标准内积具有以下性质：
$$\begin{array}{rl}& (1)(\alpha ,\beta )=(\beta ,\alpha )，对称性\\ & (2)(\alpha +\gamma ,\beta )=(\alpha ,\beta )+(\gamma ,\beta )，线性性1\\ & (3)(k\alpha ,\beta )=k(\alpha ,\beta )，线性性2\\ & (4)(\alpha ,\alpha )⩾0，等号成立当且仅当\alpha =0。（正定性）\end{array}$$
定义了内积之后，n维向量空间$R^n$就被称为一个欧几里得空间。

在欧几里得空间$R^n$中规定向量$\alpha 的长度：|\alpha |\stackrel{\text{def}}{=}\sqrt{(\alpha ,\alpha )}.$

长度为1的向量称为单位向量，把非零向量$\alpha$乘以$\frac{1}{|\alpha |}$称为把**$\alpha$单位化**。

如果$(\alpha ,\beta )=0$，那么称$\alpha 与\beta$是正交的，记作$\alpha \perp \beta$。非零向量组成的向量组如果向量两两正交，则称为正交向量组。类似可定义正交单位向量组。

命题3：欧几里得空间$R^n$中，正交向量组一定是线性无关的。

根据命题3得，欧几里得空间$R^n$ 中，n个向量组成的正交向量组一定是$R^n$的一个基，称它为正交基。n个单位向量组成的向量组称为标准正交基。

命题4：实数域上n级矩阵A是正交矩阵的充分必要条件为：A的行（列）向量组是欧几里得空间$R^n$的一个标准正交基。

3、定理1：$设{\alpha }_1,\dots ,{\alpha }_s是欧几里得空间R^n中一个线性无关的向量组，令$
$$\begin{array}{rl}& {\beta }_1={\alpha }_1\\ & {\beta }_2={\alpha }_2-\frac{({\alpha }_2,{\beta }_1)}{({\beta }_1,{\beta }_1)}{\beta }_1,\\ & \dots \\ & {\beta }_s={\alpha }_s-\sum _{j=1}^{s-1}\frac{({\alpha }_s,{\beta }_j)}{({\beta }_j,{\beta }_j)}{\beta }_j,\end{array}\text{\hspace{1em}(2)}$$
$则{\beta }_1,{\beta }_2,\dots ,{\beta }_s是正交向量组，并且{\beta }_1,{\beta }_2,\dots ,{\beta }_s与{\alpha }_1,\dots ,{\alpha }_s等价。$

定理1称为施密特（Schmidt）正交化过程。只要再进行单位化，就能得到正交单位向量组，即$R^n$的标准正交基。

4.7 从$K^n到K^s$的线性映射

1、定义1：设$S和S^{\prime }$是两个集合，如果存在一个对应法则$f$，使得集合$S$中每一个元素a，都有集合$S^{\prime }$中唯一确定的元素b与之对应，那么称$f$是集合$S$到$S^{\prime }$的一个映射，记作
$$\begin{array}{rl}f:& S\to S^{\prime }\\ & a\mapsto b,\end{array}$$
其中，b称为a在$f$下的象，a称为b在$f$下的一个原象。b在$f$下的原象集记作$f^{-1}(b)。$a在$f$下的象用符号$f(a)$或$fa$表示，于是映射$f$也可以记成
$$f(a)=b,a\in S$$
2、设$f$是集合S到集合S’的一个映射，则把S叫做映射$f$的定义域，把S’叫做$f$的陪域。S的所有元素在$f$下的象组成的集合叫做$f$的值域或**$f$的象**，记作$f(S)$或Im$f$。即
f ( S ) = Im f = def { f ( a )   ∣   a ∈ S } = { b ∈ S ′   ∣   存 在 a ∈ S 使 f ( a ) = b } . f(S)=\text{Im}f\xlongequal{\text{def}}\{f(a)\,|\,a\in S\}=\{b\in S'\,|\,存在a\in S使f(a)=b\}. f(S)=Imfdef {f(a)∣a∈S}={b∈S′∣存在a∈S使f(a)=b}.
3、设$f$是集合S到集合S’的一个映射，如果$f(S)=S^{\prime }$，那么称$f$是满射（或$f$是S到S’上的映射）。$f$是满射当且仅当$f$的陪域中每一个元素都有至少一个原象。

如果映射$f$的定义域S中不同的元素的象也不同，那么称$f$是单射（或$f$是一对一映射）。$f$是单射当且仅当从$a_1,a_2\in S$且$f(a_1)=f(a_2)$可以推出$a_1=a_2。$

如果映射$f$既是单射，又是满射，那么称$f$是双射（或$f$是S到S’的一个一一对应）。$f$是双射当且仅当陪域中每一个元素都有唯一的一个原象。

映射$f$与映射$g$称为相等，如果他们的定义域相等，陪域相等，并且对应法则相同。（$即\forall x\in S,有f(x)=g(x)$）。

集合S到自身的一个映射，通常称为S上的一个变换。

4、定义2：映射$f:S\to S$，如果把S中每一个元素对应到它自身，即$\forall x\in S,有f(x)=x$，那么称$f$是恒等映射（或S上的恒等变换），记作：$1_s$。

5、定义3：相继施行映射$g:S\to S^{\prime }和f:S^{\prime }\to S^{\prime \prime }，得到S到S^{\prime \prime }$的一个映射，称为$f与g$的乘积（或合成），记作$fg$。即
$$(fg)(a)\stackrel{\text{def}}{=}f(g(a)),\forall a\in S.$$
定理1：映射的乘法适合结合律。即如果$h:S\to S^{\prime },g:S^{\prime }\to S^{\prime \prime },f:S^{\prime \prime }\to S^{\prime \prime \prime }$，那么$f(gh)=(fg)h.$

注意映射的乘法不适合交换律，但对于$f:S\to S^{\prime },有f{1}_s=1_{s}f=f.$

6、定义4：设$f:S\to S^{\prime }$，如果存在一个映射$g:S^{\prime }\to S使得fg=gf=1_s$，那么称映射$f$是可逆的，此时称$g是f$的一个逆映射。

定理2：映射$f:S\to S^{\prime }$是可逆的充分必要条件为$f$是双射。

7、定义5：数域K上的向量空间$K^n到K^s$的一个映射$\sigma$如果保持加法和数量乘法，即$\forall \alpha ,\beta \in K^n,k\in K$，有
$$\begin{array}{rl}\sigma (\alpha +\beta )& =\sigma (\alpha )+\sigma (\beta ),\\ \sigma (k\alpha )& =k\sigma (\alpha ),\end{array}$$
那么称$\sigma 是K^n到K^s$的一个线性映射。

设A是数域K上$s\times n$矩阵，令
$$\begin{array}{rl}A:& K^n\to K^s\\ & \alpha \mapsto A\alpha ,\end{array}\text{\hspace{1em}(1)}$$
则容易验证A是$\sigma 是K^n到K^s$的一个线性映射。

事实1：数域K上n元线性方程组$AX=\beta$有解
$$\begin{array}{rl}⟺& 存在\gamma \in K^n,使得A\gamma =\beta \\ ⟺& 存在\gamma \in K^n,使得A(\gamma )=\beta \\ ⟺& \beta \in \text{Im}A.\end{array}$$
事实2：设数域K上$s\times n$矩阵A的列向量组是${\alpha }_1,\dots ,{\alpha }_n$，则
$$\begin{array}{rl}& \beta \in \text{Im}A\\ ⟺& 线性方程组AX=\beta 有解\\ ⟺& \beta \in <{\alpha }_1,\dots ,{\alpha }_n>.\end{array}$$
因此$\text{Im}A=<{\alpha }_1,\dots ,{\alpha }_n>$

即，由（1）式定义的映射A的象（值域）等于矩阵A的列空间，从而Im$A$是$K^s$的一个子空间。

事实3：设数域K上齐次线性方程组$AX=0$的解空间是W，则
$$\eta \in W⟺A\eta =0⟺A(\eta )=0.$$
8、定义6：设$\sigma 是K^n到K^s$的一个映射，$K^n$的一个子集 { α ∈ K n ∣ σ ( α ) = 0 } \{\alpha \in K^n|\sigma(\alpha)=\bold 0\} {α∈Kn∣σ(α)=0}称为$\sigma$的核，记作：Ker $\sigma$

容易验证Ker $\sigma$是$K^n$的一个子空间。

由（1）式定义的线性映射A的核等于齐次线性方程组$AX=0$的解空间。即：Ker $\sigma =W$

综上，有：
$$dim\text{Ker}A+dim\text{Im}A=dim{K}^n.$$