（四）【矩阵论】（线性变换）线性变换的定义|线性变换的矩阵表示|零空间与值空间

【矩阵论专栏】

A 线性变换的定义

（1）定义1（线性变换）设$V_{!}，V_2$是同一数域$F$上的线性空间，$T$是$V_1\to V_2$的映射，若对$V_1$中任意向量$\alpha ，\beta$，以及数域$F$中任意元素$k$，有：$$T(\alpha +\beta )=T\alpha +T\beta$$$$T(k\alpha =kT\alpha )$$
则称$T$为线性空间$V_1$到$V_2$的线性变换（或线性算子）。

例1：

例2：

例3：

B 线性变换的矩阵表示

设$T$是$V^n\to V^m$的线性变换， B α = { α 1 , α 2 , . . . , α n } \Beta_\alpha=\{\alpha_1,\alpha_2,...,\alpha_n\} Bα​={α1​,α2​,...,αn​}与 B β = { β 1 , β 2 , . . . , β m } \Beta_\beta=\{\beta_1,\beta_2,...,\beta_m\} Bβ​={β1​,β2​,...,βm​}分别是$V^n$与$V^m$的基。

因为$T{\alpha }_i\in V^m,i=1,2,..,n.$设$T{\alpha }_i$在基 B β = { β 1 , β 2 , . . . , β m } \Beta_\beta=\{\beta_1,\beta_2,...,\beta_m\} Bβ​={β1​,β2​,...,βm​}下的坐标为：$$A_i=\left[\begin{array}{c}{a}_{1i}\\ .\\ .\\ a_{mi}\end{array}\right],i=1,2,...,n.$$即有$T{\alpha }_i={\mathrm{B}}_{\beta }{A}_i$，i=1,2,…,n.

记 T B α = { T α 1 , T α 2 , . . . , T α n } T\Beta_{\alpha}=\{T\alpha_1,T\alpha_2,...,T\alpha_n\} TBα​={Tα1​,Tα2​,...,Tαn​}

则有： T B α = { T α 1 , T α 2 , . . . , T α n } = { B β A 1 , B β A 2 , . . . , B β A n } = B β { A 1 , A 2 , . . . , A n } = B β A T\Beta_\alpha=\{T\alpha_1,T\alpha_2,...,T\alpha_n\}=\{\Beta_\beta A_1,\Beta_\beta A_2,...,\Beta_\beta A_n\}=\Beta_\beta\{A_1,A_2,...,A_n\}=\Beta_\beta A TBα​={Tα1​,Tα2​,...,Tαn​}={Bβ​A1​,Bβ​A2​,...,Bβ​An​}=Bβ​{A1​,A2​,...,An​}=Bβ​A

其中$A=[A_1,A_2,...,A_n]$

$A$：每一列对应的都是${\mathrm{B}}_{\alpha }里的向量{\alpha }_i做完线性变换T后，T{\alpha }_i在基{\mathrm{B}}_{\beta }下的坐标$

定义2 称矩阵$A$为线性变换$T$在基偶 { B α ， B β } \{\Beta_{\alpha}，\Beta_{\beta}\} {Bα​，Bβ​}下的矩阵。若$T$是$V^n\to V^n$（自身）的线性变换，则取${\mathrm{B}}_{\beta }={\mathrm{B}}_{\alpha }$，此时$A$是方阵，简称为$T$在基${\mathrm{B}}_{\alpha }$下的矩阵。$$A=[A_1，A_2，...，A_n]$$
其中$A_i$是$T{\alpha }_i$在像空间${\mathrm{B}}_{\beta }$下的坐标。

---

基到基的过渡矩阵P与线性变换在基偶下的矩阵A的联系：

• 共同点：它们的每一列都是向量的坐标。
• 不同：过渡矩阵是另外一个基的每个向量在原来那个基下的坐标。线性变换原像空间里面那个基里的向量做完线性变换后在像空间这个基下的坐标。P是同一个空间下基之间坐标的关系。A是不同空间之间的。
  例子：
  
  从A可以看出$T$使得向量在${\alpha }_1$方向扩大十倍，在其他方向不变。

---

例子：

2)中的$[1,0,0{]}^T$：取A第一列

C 零空间与值空间

（1）定义3（零空间和值空间）设$T$是$V^n\to V^m$的线性变换，记 N ( T ) = { ξ ∈ V n ∣ T ξ = 0 } N(T)=\{\xi\in V^n|T\xi=0\} N(T)={ξ∈Vn∣Tξ=0} R ( T ) = { T ξ ∈ V m ∣ ξ ∈ V n } R(T)=\{T\xi\in V^m|\xi\in V^n\} R(T)={Tξ∈Vm∣ξ∈Vn}称$N(T)$为T的零空间（核）
称$R(T)$为T的值空间（值域）
易知，$N(T)$是$V^n$的子空间；$R(T)$是$V^m$的子空间。

---

（2）定义4（零度与秩）设$T$是$V^n\to V^m$的线性变换，记$$null(T)=dimN(T)$$$$rank(T)=dimR(T)$$称$null(T)为$$T$的零度,
称$rank(T)$为$T$的秩。

---

（3）定理1设$T$是$V^n\to V^m$的线性变换， B α = { α 1 , α 2 , . . . , α n } \Beta_\alpha=\{\alpha_1,\alpha_2,...,\alpha_n\} Bα​={α1​,α2​,...,αn​}与 B β = { β 1 , β 2 , . . . , β m } \Beta_\beta=\{\beta_1,\beta_2,...,\beta_m\} Bβ​={β1​,β2​,...,βm​}分别是$V^n$与$V^m$的基，$T$在基偶 { B α , B β } \{\Beta_\alpha,\Beta_\beta \} {Bα​,Bβ​}下的矩阵为$A$，则有：$$1)null(T)=diN(A)=n-rank(A)$$ $$2)rank(T)=dimR(A)=rank(A)$$ $$3)rank(T)+null(T)=n$$

例题：

---

（4）求零空间$N(T)$与值空间$R(T)$的基的一般方法：

设$T$是$V^n\to V^m$的线性变换， B α = { α 1 , α 2 , . . . , α n } \Beta_\alpha=\{\alpha_1,\alpha_2,...,\alpha_n\} Bα​={α1​,α2​,...,αn​}与 B β = { β 1 , β 2 , . . . , β n } \Beta_\beta=\{\beta_1,\beta_2,...,\beta_n\} Bβ​={β1​,β2​,...,βn​}分别是$V^n$与$V^m$的基。
1）求零空间$N(T)$的基：

• 先求出$T$在基偶 { B α ， B β } \{\Beta_\alpha，\Beta_\beta\} {Bα​，Bβ​}下的矩阵$A$;
• 求出齐次线性方程组$Ax=0$的基础解析：$$x_1,x_2,...,x_r$$
• 则${\mathrm{B}}_{\alpha }{x}_1,{\mathrm{B}}_{\alpha }{x}_2,...,{\mathrm{B}}_{\alpha }{x}_r$为$N(T)$的基。

2）求值空间$R(T)$的基：

• 先求出基${\mathrm{B}}_{\alpha }$中向量变换后的像$T{\alpha }_1,T{\alpha }_2,..,T{\alpha }_n$的极大线性无关组即为$R(T)的基。$

例子：