LeoMath

线性代数基础 · 第 3 / 5 节

线性映射

保持加法与数乘的映射,由它对基的作用完全决定。

约 7 分钟

从一个问题开始

问题

在首页的实验里,你只拖动了两个箭头,整个平面上无穷多个点却都跟着动了。两个向量凭什么能控制所有点?

要回答这个问题,需要先弄清:哪一类变换"尊重"向量的加法与数乘。这类变换应该由它对基的作用完全决定。

观察

拖动下面两个基向量 𝐞1、𝐞2 的箭头端点。整个网格跟着变:所有直线仍然是直线,所有平行线仍然平行,原点不动,等距的格线仍然等距。

你只动了两个点,却决定了平面上每一个点去哪里。为什么?

交互实验线性变换
A=
行列式(有向面积) 1
特征值 1, 1

你观察到了什么?先动手,再回答。想清楚之后再看解释。

  1. 1.把 e₁ 和 e₂ 拖到同一条直线上,网格变成了什么?行列式是多少?
  2. 2.只拖 e₁,原点和 e₂ 所在的整条竖线动了吗?为什么?
  3. 3.按“旋转”,特征值显示为复数。平面上有没有哪条直线在旋转后仍是自己?
猜想

因为平面上任何向量都是 v=x𝐞1+y𝐞2,如果一个变换 T "尊重"加法和数乘,那它必须把 v 送到 xT(𝐞1)+yT(𝐞2)。T 对基的作用决定了一切。

定义

定义 3.1线性映射

设 V,W 是向量空间。映射 T:V→W 称为线性的,若对所有 u,v∈V、c∈ℝ,

T(u+v)=T(u)+T(v),T(cv)=cT(v).

两条合起来等价于 T(au+bv)=aT(u)+bT(v):线性映射保持线性组合。

注意 T(0)=T(0⋅0)=0⋅T(0)=0:线性映射一定把原点送到原点。所以平移 v↦v+b(b≠0)不是线性的,实验里原点永远不动就是这个原因。

定理与证明

定理 3.1线性映射由基上的值唯一决定

设 v1,…,vn 是 V 的基,w1,…,wn∈W 任意。则存在唯一的线性映射 T:V→W 使 T(vi)=wi。

证明

存在性。 任意 v∈V 有唯一坐标 v=∑civi(见向量)。定义 T(v)=∑ciwi。若 u=∑divi,则 au+bv=∑(adi+bci)vi,于是 T(au+bv)=∑(adi+bci)wi=aT(u)+bT(v)。所以 T 线性,且显然 T(vi)=wi。

唯一性。 若 S 也线性且 S(vi)=wi,则 S(v)=S(∑civi)=∑ciS(vi)=∑ciwi=T(v)。

这就是实验背后的定理:两个箭头(T(𝐞1) 和 T(𝐞2))决定了整个平面的去向。n 维空间的线性映射,由 n 个向量决定。

定理 3.2线性映射把直线映成直线(或点)

若 T 线性,则直线 {p+tv:t∈ℝ} 的像是 {T(p)+tT(v)}:当 T(v)≠0 时是直线,否则是一个点。平行直线的像仍平行(或退化)。

证明

T(p+tv)=T(p)+tT(v),直接由线性性得到。方向向量 v 相同的直线,像的方向向量都是 T(v)。

这解释了实验里"直线仍是直线、平行仍平行"。而"压扁"预设中所有点被压到一条直线上,就是 T(𝐞1) 与 T(𝐞2) 共线、T(v)=0 有非零解的情形。

定义 3.2核与像

ker⁡T={v∈V:T(v)=0} 称为 T 的核;im⁡T={T(v):v∈V} 称为 T 的像。两者都是子空间。

定理 3.3秩–零化度定理

若 V 有限维,则 dim⁡ker⁡T+dim⁡im⁡T=dim⁡V。

证明

取 ker⁡T 的基 u1,…,uk,扩充为 V 的基 u1,…,uk,v1,…,vr。断言 T(v1),…,T(vr) 是 im⁡T 的基。

张成:任意 T(v),v=∑aiui+∑bjvj,故 T(v)=∑bjT(vj)。

无关:若 ∑bjT(vj)=0,则 T(∑bjvj)=0,所以 ∑bjvj∈ker⁡T,可写成 ∑aiui。由 u,v 全体线性无关得所有 bj=0。

于是 dim⁡im⁡T=r=dim⁡V−k。

在实验里:T(𝐞1),T(𝐞2) 不共线时核是 {0},像是整个平面(0+2=2);共线且非零时核是一条直线,像也是一条直线(1+1=2)。

用矩阵计算器试一试 →

常见错误

线性映射一定把 0 映到 0。所以平移 v↦v+b(b≠0)不是线性的;中学里叫"线性函数"的 y=kx+b,在 b≠0 时也不是线性映射(它是仿射映射)。检验线性性时,先看 T(0)。

应用

应用旋转、投影、微分都是线性映射
  • 平面绕原点旋转 θ:线性。𝐞1↦(cos⁡θ,sin⁡θ),𝐞2↦(−sin⁡θ,cos⁡θ)。
  • 到 x 轴的投影:线性,核是 y 轴。
  • 微分 D:p↦p′ 在多项式空间上:线性,D(af+bg)=af′+bg′。核是常数多项式。

最后一个例子说明为什么线性代数会在二阶线性方程里出现:解微分方程就是求一个线性映射的核。

注

下一节矩阵要做的事只有一件:把 T(𝐞1),T(𝐞2) 的坐标写成两列,这就是矩阵。矩阵是线性映射的记法,不是别的什么东西。

练习

已完成 0 / 2

1
线性映射 T:ℝ2→ℝ2 满足 T(1,0)=(2,1),T(0,1)=(0,3)。求 T(1,2) 的第二个坐标。

填精确值,可以写成分数,如 1/3。

2
下列哪个映射是线性的?
第 2 题的答案

讨论

发现错误、有疑问或建议,也可以直接写信到 620026600@qq.com

还没有评论。写下你的理解、疑问,或者指出这一页的错误。

登录后参与讨论