首页 >
线性变换
✍ dations ◷ 2025-04-04 11:18:36 #线性变换
向量 · 向量空间 · 行列式 · 矩阵标量 · 向量 · 向量空间 · 向量投影 · 外积 · 内积 · 数量积 · 向量积矩阵 · 行列式 · 线性方程组 · 秩 · 核 · 迹 · 单位矩阵 · 初等矩阵 · 方块矩阵 · 分块矩阵 · 三角矩阵 · 非奇异方阵 · 转置矩阵 · 逆矩阵 · 对角矩阵 · 可对角化矩阵 · 对称矩阵 · 反对称矩阵 · 正交矩阵 · 幺正矩阵 · 埃尔米特矩阵 · 反埃尔米特矩阵 · 正规矩阵 · 伴随矩阵 · 余因子矩阵 · 共轭转置 · 正定矩阵 · 幂零矩阵 · 矩阵分解 (LU分解 · 奇异值分解 · QR分解 · 极分解 · 特征分解) · 子式和余子式 · 拉普拉斯展开 ·线性空间 · 线性变换 · 线性子空间 · 线性生成空间 · 基 · 线性映射 · 线性投影 · 线性无关 · 线性组合 · 线性泛函 · 行空间与列空间 · 对偶空间 · 正交 · 特征向量 · 最小二乘法 · 格拉姆-施密特正交化 ·在数学中,线性映射(有的书上将“线性变换”作为其同义词,有的则不然)是在两个向量空间(包括由函数构成的抽象的向量空间)之间的一种保持向量加法和标量乘法的特殊映射。线性映射从抽象代数角度看是向量空间的同态,从范畴论角度看是在给定的域上的向量空间所构成的范畴中的态射。“线性算子”也是与“线性映射”有关的概念。但是不同数学书籍上对“线性算子”的定义存在区别。在泛函分析中,“线性算子”一般被当做“线性映射”的同义词。而有的书则将“线性算子”定义为“线性映射”的自同态子类(详见下文)。为叙述方便,本条目在提及“线性算子”时,采用后一种定义,即将线性算子与线性映射区别开来。设
V
{displaystyle V}
和
W
{displaystyle W}
是在相同域
K
{displaystyle K}
上的向量空间。法则
f
:
V
→
W
{displaystyle f:Vrightarrow W}
被称为是线性映射,如果对于
V
{displaystyle V}
中任何两个向量
x
{displaystyle x}
和
y
{displaystyle y}
与
K
{displaystyle K}
中任何标量
a
{displaystyle a}
,满足下列两个条件:这等价于要求对于任何向量
x
1
,
…
,
x
m
{displaystyle x_{1},ldots ,x_{m}}
和标量
a
1
,
…
,
a
m
{displaystyle a_{1},ldots ,a_{m}}
,方程成立。偶尔地,
V
{displaystyle V}
和
W
{displaystyle W}
可被看作在不同域上的向量空间。那么必须指定哪些基础域要被用在“线性”的定义中。如果
V
{displaystyle V}
和
W
{displaystyle W}
被看作前面的域
K
{displaystyle K}
上的空间,我们谈论的就是
K
{displaystyle K}
-线性映射。例如,复数的共轭是
R
{displaystyle R}
-线性映射
C
→
C
{displaystyle Crightarrow C}
,而不是
C
{displaystyle C}
-线性映射。从向量空间
V
{displaystyle V}
到数域K的线性映射有一个特别的名字,叫做“线性泛函”。线性泛函分析就是将空间维度增加到无穷维(包括不可数无穷维)的高等线性代数。线性泛函分析是泛函分析最成熟的分支,但泛函分析最早研究的是有关向量空间
V
{displaystyle V}
上的实值函数(它们一般是非线性映射)的变分学问题。从定义立即得出
f
(
0
)
=
0
{displaystyle f(0)=0}
。因此线性映射有时叫做均匀线性映射(参见线性泛函)。“线性变换”和“线性算子”是与“线性映射”有关的名称。但不同作者会按个人喜好对“线性变换”和“线性算子”下不同的定义。这导致这2个概念与“线性映射”的关系比较乱,没有统一的标准。从向量空间
A
{displaystyle A}
内的向量映射到同一个空间
A
{displaystyle A}
内的线性映射是一类重要的线性映射,而且是一种自同态。是否给它一个特殊的术语作为名称就导致了不同作者做法的分歧。比如Axler的书将“线性映射”和“线性变换”当做同义词,但“线性算子”则用于定义这种线性映射中特殊的自同态映射。龚昇的书也将“线性算子”定义为线性的自同态映射。李尚志的书则将线性自同态映射称为“线性变换”。而泛函分析教材中一般将“线性变换”和“线性算子”都当做“线性映射”的别称,彼此不加区别。为避免词义混乱,本条目暂将“线性算子”视作在同一空间内的“线性映射”(即认为二者存在区别),并将“线性变换”当做“线性映射”的同义词。认定“线性算子”仅指从向量空间
A
{displaystyle A}
内的向量映射到同一个空间
A
{displaystyle A}
内的线性映射。即“线性算子”只是“线性映射”的其中一种。“线性算子”是从向量空间到其自身的线性映射(自同态),而“线性映射”则只是一般的同态(不一定是自同态)。如果
V
{displaystyle V}
和
W
{displaystyle W}
是有限维的,并且在这些空间中有选择好的基,则从
V
{displaystyle V}
到
W
{displaystyle W}
的所有线性映射可以被表示为矩阵。反过来说,矩阵生成线性映射的例子:如果
A
{displaystyle A}
是实数的
m
×
n
{displaystyle mtimes n}
矩阵,则规定
f
(
x
)
=
A
x
{displaystyle f(x)=Ax}
描述一个线性映射
R
n
→
R
m
{displaystyle R^{n}rightarrow R^{m}}
(参见欧几里得空间)。设
{
v
1
,
⋯
,
v
n
}
{displaystyle {v_{1},cdots ,v_{n}}}
是
V
{displaystyle V}
的一个基。则在
V
{displaystyle V}
中所有向量
v
{displaystyle v}
是唯一的由在的系数
c
1
,
⋯
,
c
n
{displaystyle c_{1},cdots ,c_{n}}
确定的。如果
f
:
V
→
W
{displaystyle f:Vrightarrow W}
是线性映射,这蕴涵了这个函数
f
{displaystyle f}
是完全由的值确定的。现在设
{
w
1
,
…
,
w
m
}
{displaystyle {w_{1},dots ,w_{m}}}
是
W
{displaystyle W}
的基。则可以表示每个
f
(
v
j
)
{displaystyle f(v_{j})}
的值为如果把这些值放置到
m
×
n
{displaystyle mtimes n}
矩阵
M
{displaystyle M}
中,则可以方便的使用它来计算
f
{displaystyle f}
对在
V
{displaystyle V}
中任何向量的值。如果我放置
c
1
,
⋯
,
c
n
{displaystyle c_{1},cdots ,c_{n}}
的值到
n
×
1
{displaystyle ntimes 1}
矩阵
C
{displaystyle C}
,我们有
M
C
=
f
(
v
)
{displaystyle MC=f(v)}
。一个单一的线性映射可以由很多矩阵表示。这是因为矩阵的元素的值依赖于选择的基。二维空间
R
2
{displaystyle R^{2}}
的线性变换的一些特殊情况有:两个线性映射的复合映射是线性的:如果
f
:
V
→
W
{displaystyle f:Vrightarrow W}
和
g
:
W
→
Z
{displaystyle g:Wrightarrow Z}
是线性的,则
g
∘
f
:
V
→
Z
{displaystyle gcirc f:Vrightarrow Z}
也是线性的。若线性映射可逆,则该线性映射的逆也是线性映射。如果
f
1
:
V
→
W
{displaystyle f_{1}:Vrightarrow W}
和
f
2
:
V
→
W
{displaystyle f_{2}:Vrightarrow W}
是线性的,则它们的和
f
1
+
f
2
{displaystyle f_{1}+f_{2}}
也是线性的(这是由
(
f
1
+
f
2
)
(
x
)
=
f
1
(
x
)
+
f
2
(
x
)
{displaystyle left(f_{1}+f_{2}right)left(xright)=f_{1}left(xright)+f_{2}left(xright)}
定义的)。如果
f
:
V
→
W
{displaystyle f:Vrightarrow W}
是线性的,而a是基础域K的一个元素,则定义自 (af)(x) = a (f(x))的映射af也是线性的。所以从
V
{displaystyle V}
到
W
{displaystyle W}
的线性映射的集合
L
(
V
,
W
)
{displaystyle Lleft(V,Wright)}
自身形成在
K
{displaystyle K}
上的向量空间,有时指示为
H
o
m
(
V
,
W
)
{displaystyle mathrm {Hom} left(V,Wright)}
。进一步的说,在
V
=
W
{displaystyle V=W}
的情况中,这个向量空间(指示为
E
n
d
(
V
)
{displaystyle mathrm {End} (V)}
)是在映射复合下的结合代数,因为两个线性映射的复合再次是线性映射,所以映射的复合总是结合律的。给定有限维的情况,如果基已经选择好了,则线性映射的复合对应于矩阵乘法,线性映射的加法对应于矩阵加法,而线性映射与标量的乘法对应于矩阵与标量的乘法。自同态的线性映射在泛函分析和量子力学中都有很重要的地位。按前文约定,我们用“线性算子”来简称它。(注意泛函分析中所说的“线性算子”不一定是自同态(endomorphism)映射,但我们为了照顾不同书籍的差异以及叙述的方便,暂用“线性算子”来称呼这种自同态。)线性算子
f
:
V
→
V
{displaystyle f:Vrightarrow V}
是
V
{displaystyle V}
的自同态;所有这种自同态的集合
E
n
d
(
V
)
{displaystyle mathrm {End} (V)}
与如上定义的加法、复合和标量乘法一起形成一个结合代数,带有在域
K
{displaystyle K}
上的单位元(特别是一个环)。这个代数的乘法单位元是恒等映射
i
d
:
V
→
V
{displaystyle mathrm {id} :Vrightarrow V}
。若
V
{displaystyle V}
的自同态也刚好是同构则称之为自同构。两个自同构的复合再次是自同构,所以
V
{displaystyle V}
的所有的自同构的集合形成一个群,
V
{displaystyle V}
的自同构群可表为
A
u
t
(
V
)
{displaystyle mathrm {Aut} (V)}
或
G
L
(
V
)
{displaystyle mathrm {GL} (V)}
。因为自同构正好是那些在复合运算下拥有逆元的自同态,所以
A
u
t
(
V
)
{displaystyle mathrm {Aut} (V)}
也就是在环
E
n
d
(
V
)
{displaystyle mathrm {End} (V)}
中的可逆元群。如果
V
{displaystyle V}
之维度
n
{displaystyle n}
有限
E
n
d
(
V
)
{displaystyle mathrm {End} (V)}
同构于带有在
K
{displaystyle K}
中元素的所有
n
×
n
{displaystyle ntimes n}
矩阵构成的结合代数,且
V
{displaystyle V}
的自同态群同构于带有在
K
{displaystyle K}
中元素的所有
n
×
n
{displaystyle ntimes n}
可逆矩阵构成的一般线性群
G
L
(
n
,
K
)
{displaystyle mathrm {GL} (n,K)}
。如果
f
:
V
→
W
{displaystyle f:Vrightarrow W}
是线性的,我们定义
f
{displaystyle f}
的核和像(或称值域)为ker
(
f
)
{displaystyle operatorname {ker } (f)}
是
V
{displaystyle V}
的子空间,而
Im
(
f
)
{displaystyle operatorname {Im} (f)}
是
W
{displaystyle W}
的子空间。下面的叫做秩-零化度定理的维度公式经常是有用的:dim
(
I
m
(
f
)
)
{displaystyle dim(mathrm {Im} (f))}
的数也叫做“
f
{displaystyle f}
的秩”(rank)并写为
r
k
(
f
)
{displaystyle mathrm {rk} (f)}
,有时写为
ρ
(
f
)
{displaystyle rho (f)}
;
dim
(
ker
(
f
)
)
{displaystyle dim(ker(f))}
的数也叫做“
f
{displaystyle f}
的零化度”(nullity)并写为
v
(
f
)
{displaystyle v(f)}
。如果
V
{displaystyle V}
和
W
{displaystyle W}
是有限维的,基已经选择好并且
f
{displaystyle f}
被表示为矩阵
A
{displaystyle A}
,则
f
{displaystyle f}
的秩和零化度分别等于矩阵
A
{displaystyle A}
的秩和零化度。多重线性映射是线性映射最重要的推广,它也是格拉斯曼代数和张量分析的数学基础。其特例为双线性映射。
相关
- 空气栓塞空气栓塞(air embolism)是指气体形成气泡进入循环系统中,空气栓塞属于栓子(血液中游离的固体,液体或气体团块),潜水意外可能造成空气栓塞,也有一些因为医源性的处置造成。动脉空气栓
- 寡行和孤行在排版中,寡行(widow)及孤行(orphan)是一段落开始或结束的一行在一栏的结束或开始处,不同资料定义的寡行和孤行有些不一致,可能某一资料定义的寡行,在另一资料中反而定义为孤行。《
- 命理算命,或称命理学,是一种利用个人资讯,例如脸与手的纹路,出生八字、姓名笔划等配合术数来预测一个人的性格、能力、未来发展或判断命运吉凶福祸等的行为。算命很早就传播至东亚其
- 同意同意(consent)是指一个人自愿接受与自身有关,由其他人提出的提议或是意愿。在几个领域中已广泛使用到同意的概念,包括法侓、医疗以及性行为等。同意可以分为几种,包括默示同意(英
- 髟髟部,为汉字索引中的部首之一,康熙字典214个部首中的第一百九十个(十划的则为第四个)。就繁体和简体中文中,髟部归于十划部首。髟部只以上方为部字。且无其他部首可用者将部首归
- 亚变种在植物分类学中,变种(拉丁文:varietas,简称写做 var.)为一种分类级别,位于种与亚种之下、变型(英语:Form (botany))之上;作为种下分类群,生物学名会采用三名法。有一种枕形仙人掌“Esco
- 里士满县里奇蒙县(Richmond County, Georgia)是美国乔治亚州东北部的一个县,北邻南卡罗莱纳州。面积851平方公里。根据美国2000年人口普查,共有人口199,775人,2005年人口195,796人。1996
- 艾托罗人艾托罗(Etoro)或艾多娄(Edolo)人,是巴布亚新几内亚的一个部落和民族,2007年时美国国家地理学会估计该族群仍有不到1,668位艾托罗语(英语:Edolo language)使用者。其传统生活领域位于
- 在永恒之门《在永恒之门》(Op de drempel van de eeuwigheid),或称《悲痛的老人》是一幅梵高1890年5月初在圣雷米精神病院完成的油画, 此画基于其1882年在海牙绘成的铅笔草稿完成,画中人物
- 沃尔特·格罗佩斯Peter Behrens (1908–1910)法古斯工厂 工艺联盟展览(英语:Werkbund Exhibition (1914)) 包豪斯 格罗皮厄斯屋(英语:Gropius House) 巴格达大学(英语:University of Baghdad) 约翰·