【Section】线性无关
【定义】Rn中一组向量{v1,…,vp}称为线性无关的,若向量方程
x1v1+c2v2+…+cpvp=0
仅有平凡解。向量组(集)称为线性相关的,若存在不全为零的权c1,…,cp,使
x1v1+c2v2+…+cpvp=0
【理解阐述】线性相关是不全为零的权c1,…,cp可以是向量{v1,…,vp}的和为零,也就是说向量组中任一向量可以由其他向量的线性组合形成。
【定理8】若一个向量组的向量个数超过每个向量元素个数,那么这个向量组线性相关。就是说,Rn中任意向量组{v1,…,vp},当p>n时线性相关。
【Section】线性变换介绍
由Rn到Rm的一个变换(或称函数、映射)T是一个规则,它把Rn中每个向量x对应以Rm中的一个向量T(x)。集Rn称为T的定义域,而Rm称为T的余定义域(或取值空间)。Rm中向量T(x)称为x(在T作用下)的像。所有像T(x)的集合称为T的值域。
本节的新名词是非常重要,因为矩阵乘法的动态观点对理解线性代数和建立时变物理系统的数学模型起着关键作用。
举个简单的例子来说明这个变换
上面作图的matlab代码如下
[v1,v2]=meshgrid(-1:0.1:1.5,-1:0.1:1); %A=(1,-3;3,5;-1,7); u=(2;-1); x=v1-3*v2; y=3*v1+5*v2; z=-1*v1+7*v2; surf(x,y,z); xlabel('x axis'); ylabel('y axis'); hold on; plot3(0,0,0,'k.'); hold on; plot3(1,3,-1,'*'); hold on; plot3(-3,5,7,'*'); hold on; plot3(2,-1,0,'r+'); hold on; plot3(2,6,-2,'mpentagram'); %2*(1;3;-1) hold on; plot3(3,-5,-7,'mpentagram'); %-1*(-3;5;7) hold on; plot3(5,1,-9,'mpentagram'); %A*u=(5,1,-9) |
【理解阐述】通过上面的分析,我们可以这样来理解Ax,变换A是mXn的矩阵,还可以表示为{v1,…,vp}。它将一个向量集x映射到另一个向量集。从几何角度来看,它将标准坐标基中的向量x,按照x的坐标值表示到以v1,…,vp为坐标基的空间(可能是线、面等)中。
【理解阐述】线性变换可以有2中解释,其实没什么差别。对于Ax(A为mXn的矩阵):
1.将向量x投射到由A确定空间中,投射方法是:以A中的各个向量作为坐标基,按向量x的坐标值进行投射。
2.由A确定的m维空间中,n个向量按照x中对应的系数相加。
总结部分常见的变换(形式如Ax)
R3->R2 :由A确定的二维空间中的3个向量{v1,v2,v3},使用向量x的三维坐标值作为权,求v1,v2,v3的和。
R2->R3 :这可以理解为将标准平面上的点投射到空间中的另一个平面,这个平面由A中的2个向量和零向量确定,它的坐标基是由A中的2个向量确定。
Rn->Rn :将一个坐标基上的坐标变换到另一个坐标基的坐标(坐标值不变), 这些坐标的数值都是基于标准基的。
【定义】变换(或映射)T称为线性的,若
(i).对T的定义域中一切u,v,T(u+v)=T(u)+T(v)。
(ii).对一切u和标量c,T(cu)=cT(u)。
【Section】线性变换的矩阵
【定理10】设T:Rn->Rm为线性变换,则存在唯一的矩阵A,使
T(x)=Ax,对Rn中一切x
事实上,A是mXn矩阵,它的第j列是向量T(ej),其中ej是单位矩阵In的第j列:
A=[T(e1)…T(en)] (3)
(3)中的矩阵A称为线性变换T的标准矩阵。
【理解阐述】上面的地理说明了一个构造线性变换中矩阵A的方式,比如下面的例子。
R2中的几何线性变换:
【定义】
映射T:Rn->Rm称为到Rm上的映射,若Rm中任一b都至少有一Rn中的x与之对应。(也称为满射)
映射T:Rn->Rm称为一对一映射(或1:1),若Rm中每个b是Rn中至多一个x的像(也称为单射。)
【定理11】设T:Rn->Rm为线性变换,则T是一对一当且仅当方程Ax=0仅有平凡解。
【定理12】设T:Rn->Rm是线性变换,设A为T的标准矩阵,则
a.T把Rn映上到Rm,当且仅当A的列生成Rm.
b.T是一对一的,当且仅当A的列是线性无关。