设V_1,V_2是数域\mathbb{F}上两个线性空间,映射\mathscr{A}:V_1→V_2,如果它保持加法和数乘法:
则称\mathscr{A}为从线性空间V_1到V_2的线性映射,如果V_1和V_2是同一个线性空间,则称\mathscr{A}为线性变换。从V_1到V_2的所有线性映射构成的集合记为\mathscr{L}(V_1, V_2)
例如,映射
不是线性映射;映射
是线性映射
现证明性质(3)
事实上,由于\alpha_1,\alpha_2,...,\alpha_s线性相关,不失一般性,不妨设
于是
因此,\mathscr{A}(\alpha_1), \mathscr{A}(\alpha_2),...,\mathscr{A}(\alpha_s)线性相关
特别要注意,若\alpha_1, \alpha_2, ..., \alpha_s \in V_1线性无关,则\mathscr{A}(\alpha_1), \mathscr{A}(\alpha_2), ..., \mathscr{A}(\alpha_s)不一定线性无关
给定\mathbb{F}上的线性空间V_1, V_2,及线性映射\mathscr{A}:V_1\to V_2。设\dim(V_1)=n, \dim(V_2)=m,并设\varepsilon_1,\varepsilon_2,...,\varepsilon_n为V_1的一个基(称为入口基);\eta_1, \eta_2,...,\eta_m为V_2的一个基(称为出口基)。记第j个入口基向量\varepsilon_j \in V_1在\mathscr{A}下的像\mathscr{A}(\varepsilon_j)\in V_2在出口基\eta_1, \eta_2,...,\eta_n下的坐标为
即
则由\mathbb{F}^m中的向量组a_1, a_2,...,a_n拼成的矩阵
称为\mathscr{A}在相应的入口基和出口基下的表示
定义记号
即线性映射作用在向量组拼成的矩阵上,定义为向量组中每个向量的像按原顺序所成的向量组(简称为向量组的像)拼成的矩阵。则有下面的公式
用文字表示,读作
事实上,只要确定了线性映射两个空间的基(例如(\varepsilon_1,\cdots,\varepsilon_n)和(\beta_1,\cdots,\beta_m)),就有唯一确定的一个矩阵A与之对应,而且矩阵A的每一个列向量就是对应的原基向量映射后的坐标;反之,如果基确定,任何一个矩阵都唯一确定了一个线性映射
我个人理解,线性映射其实就是将一个m维的矩阵,转换为n维的矩阵,而在转换过程中,需要一个m\times n的矩阵A,这类似于PyTorch中的nn.Linear(m, n, bias=False)函数
设线性映射\mathscr{A}:V_1\to V_2在入口基\varepsilon_1, \varepsilon_2,...,\varepsilon_n和出口基\eta_1, \eta_2,...,\eta_m下的矩阵表示为A,又设\alpha \in V_1在入口基下的坐标为x \in \mathbb{F}^n,则\mathscr{A}(\alpha)\in V_2在出口基下的坐标为Ax\in \mathbb{F}^m
证明:也就是要证\mathscr{A}(\alpha)=\begin{bmatrix}\eta_1 & \eta_2 & \cdots & \eta_m\end{bmatrix}(Ax)
因为
证毕
设B=\begin{bmatrix}1 & 2 \\ 1 & 1 \\ 0 & 1\end{bmatrix}\mathscr{A}:\mathbb{R}^2\to \mathbb{R}^3由下式确定
试求\mathscr{A}在基\alpha_1=(1, 0)^T, \alpha_2=(0,1)^T与基\beta_1=(1,0,0)^T,\beta_2=(0,1,0)^T,\beta_3=(0,0,1)^T下的矩阵表示A
解:因为\mathscr{A}(\alpha_1)=(1, 1, 0)^T, \mathscr{A}(\alpha_2)=(2, 1, 1)^T
又由\begin{bmatrix}\mathscr{A}(\alpha_1) & \mathscr{A}(\alpha_2)\end{bmatrix}=\begin{bmatrix}\beta_1 & \beta_2 & \beta_3\end{bmatrix}A
求线性映射\mathscr{A}:R[x]_{n+1}\to R[x]_n
在基1, x, x^2, ..., x^n与基1, x, x^2,..., x^{n-1}下的矩阵表示D
解:因为\mathscr{A}(1)=0, \mathscr{A}(x)=1,...,\mathscr{A}(x^n)=nx^{n-1}
又由\begin{bmatrix}\mathscr{A}(1) & \mathscr{A}(x) & \cdots & \mathscr{x^n}\end{bmatrix}=\begin{bmatrix}1 & x & \cdots & x^{n-1}\end{bmatrix}A