LeoMath

线性代数基础

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\mathbf e_1、e2\mathbf e_2 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=(1001)A=\begin{pmatrix}\textcolor{#c2452d}{1}&\textcolor{#1f7a4d}{0}\\\textcolor{#c2452d}{0}&\textcolor{#1f7a4d}{1}\end{pmatrix}
行列式(有向面积) 1
特征值 1, 1
猜想

因为平面上任何向量都是 v=xe1+ye2v=x\mathbf e_1+y\mathbf e_2,如果一个变换 TT "尊重"加法和数乘,那它必须把 vv 送到 xT(e1)+yT(e2)xT(\mathbf e_1)+yT(\mathbf e_2)。TT 对基的作用决定了一切。

定义

定义 2.1线性映射

设 V,WV,W 是向量空间。映射 T:V→WT:V\to W 称为线性的,若对所有 u,v∈Vu,v\in V、c∈Rc\in\mathbb R, T(u+v)=T(u)+T(v),T(cv)=cT(v).T(u+v)=T(u)+T(v),\qquad T(cv)=cT(v).

两条合起来等价于 T(au+bv)=aT(u)+bT(v)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)=0T(0)=T(0\cdot0)=0\cdot T(0)=0:线性映射一定把原点送到原点。所以平移 v↦v+bv\mapsto v+b(b≠0b\ne0)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 2.1线性映射由基上的值唯一决定

设 v1,…,vnv_1,\dots,v_n 是 VV 的基,w1,…,wn∈Ww_1,\dots,w_n\in W 任意。则存在唯一的线性映射 T:V→WT:V\to W 使 T(vi)=wiT(v_i)=w_i。

证明

存在性。 任意 v∈Vv\in V 有唯一坐标 v=∑civiv=\sum c_iv_i(见向量)。定义 T(v)=∑ciwiT(v)=\sum c_iw_i。若 u=∑diviu=\sum d_iv_i,则 au+bv=∑(adi+bci)viau+bv=\sum(ad_i+bc_i)v_i,于是 T(au+bv)=∑(adi+bci)wi=aT(u)+bT(v)T(au+bv)=\sum(ad_i+bc_i)w_i=aT(u)+bT(v)。所以 TT 线性,且显然 T(vi)=wiT(v_i)=w_i。

唯一性。 若 SS 也线性且 S(vi)=wiS(v_i)=w_i,则 S(v)=S(∑civi)=∑ciS(vi)=∑ciwi=T(v)S(v)=S(\sum c_iv_i)=\sum c_iS(v_i)=\sum c_iw_i=T(v)。

这就是实验背后的定理:两个箭头(T(e1)T(\mathbf e_1) 和 T(e2)T(\mathbf e_2))决定了整个平面的去向。nn 维空间的线性映射,由 nn 个向量决定。

定理 2.2线性映射把直线映成直线(或点)

若 TT 线性,则直线 {p+tv:t∈R}\{p+tv:t\in\mathbb R\} 的像是 {T(p)+tT(v)}\{T(p)+tT(v)\}:当 T(v)≠0T(v)\ne0 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)T(p+tv)=T(p)+tT(v),直接由线性性得到。方向向量 vv 相同的直线,像的方向向量都是 T(v)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)T(\mathbf e_1) 与 T(e2)T(\mathbf e_2) 共线、T(v)=0T(v)=0 有非零解的情形。

定义 2.2核与像

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

定理 2.3秩–零化度定理

若 VV 有限维,则 dim⁡ker⁡T+dim⁡im⁡T=dim⁡V\dim\ker T+\dim\operatorname{im}T=\dim V。

证明

取 ker⁡T\ker T 的基 u1,…,uku_1,\dots,u_k,扩充为 VV 的基 u1,…,uk,v1,…,vru_1,\dots,u_k,v_1,\dots,v_r。断言 T(v1),…,T(vr)T(v_1),\dots,T(v_r) 是 im⁡T\operatorname{im}T 的基。

张成:任意 T(v)T(v),v=∑aiui+∑bjvjv=\sum a_iu_i+\sum b_jv_j,故 T(v)=∑bjT(vj)T(v)=\sum b_jT(v_j)。

无关:若 ∑bjT(vj)=0\sum b_jT(v_j)=0,则 T(∑bjvj)=0T(\sum b_jv_j)=0,所以 ∑bjvj∈ker⁡T\sum b_jv_j\in\ker T,可写成 ∑aiui\sum a_iu_i。由 u,vu,v 全体线性无关得所有 bj=0b_j=0。

于是 dim⁡im⁡T=r=dim⁡V−k\dim\operatorname{im}T=r=\dim V-k。

在实验里:T(e1),T(e2)T(\mathbf e_1),T(\mathbf e_2) 不共线时核是 {0}\{0\},像是整个平面(0+2=20+2=2);共线且非零时核是一条直线,像也是一条直线(1+1=21+1=2)。

常见错误

线性映射一定把 00 映到 00。所以平移 v↦v+bv\mapsto v+b(b≠0b\ne0)不是线性的;中学里叫"线性函数"的 y=kx+by=kx+b,在 b≠0b\ne0 时也不是线性映射(它是仿射映射)。检验线性性时,先看 T(0)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\theta:线性。e1↦(cos⁡θ,sin⁡θ)\mathbf e_1\mapsto(\cos\theta,\sin\theta),e2↦(−sin⁡θ,cos⁡θ)\mathbf e_2\mapsto(-\sin\theta,\cos\theta)。
  • 到 xx 轴的投影:线性,核是 yy 轴。
  • 微分 D:p↦p′D:p\mapsto p' 在多项式空间上:线性,D(af+bg)=af′+bg′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)T(\mathbf e_1),T(\mathbf e_2) 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

01
线性映射 T:R2→R2T:\mathbb R^2\to\mathbb R^2 满足 T(1,0)=(2,1)T(1,0)=(2,1),T(0,1)=(0,3)T(0,1)=(0,3)。求 T(1,2)T(1,2) 的第二个坐标。
02
下列哪个映射是线性的?