对偶映射的矩阵以及矩阵的秩

目录

我非常喜欢《linear algebra done right》这本书。其原因之一是这本书从头到尾都不是从矩阵到线性空间,而是从线性空间到矩阵。在 线性映射和矩阵的关系 一文中,我们从线性映射引出了矩阵, 这种自然的过渡不知道比从莫名其妙的行列式高明多少。说实话,大一的时候碰到行列式,然后进行各种稀奇古怪的计算时,我的内心是崩溃的,你现在还记得四阶行列式用伴随子计算的过程么?忘了最好!;好不容易从行列式出来,又突然进入了矩阵的泥潭,这完全是再次莫名其妙,等到线性映射出现的时候,已经“三而竭”了。尽管最后考了高分,那完全是填鸭式突击的结果。

在本文我们再次把矩阵和线性映射紧密联系。这次我们先给出矩阵转置的定义,然后论述矩阵的转置是如何和线性空间以及线性映射结合的。

1 对偶映射的矩阵

矩阵A的转置是通过互换A的行和列来完成的。确切的说,若Am×n的矩阵,则Atn×m矩阵,其元素由下面的等式给出: (At)k,j=Aj,k

转置有一个特别好的性质:对所有的m×n矩阵A,C和所有λF均有(A+C)tAt+Ct(λA)t=λAt

Am×n矩阵,Cn×p矩阵,则:(AC)t=CtAt

1km,1jp,则:

(AC)tj,k=(AC)k,j=nr=1Ak,rCr,j=nr=1(At)r,k(Ct)j,r=nr=1(Ct)j,r(At)r,k=(CtAt)j,k

即:(AC)t=CtAt

假设V有基v1,,vnV的对偶基φ1,,φn,并假设W有基w1,,wm以及W的对偶基ψ1,,ψm,于是M(T)是按VW的上述基对应的矩阵,M(T)时按照WV对应的矩阵计算。

则有对于TL(V,W),有M(T)=(M(T))t

这个命题的证明仅仅需要紧扣定义。

A=M(T),C=M(T),再设1jm,1kn,由M(T)的定义我们有:

T(ψj)=nr=1Cr,jφr

因为T(ψj)=ψjT ,所以,将上式两端作用到vk上,有:

(ψjT)(vk)=nr=1Cr,jφr(k)=Ck,j

另外,根据T(vk)的定义我们有:

(ψjT)(vk)=ψj(Tvk)=ψj(mr=1Ar,kwr)=mr=1Ar,kψj(wr)=Aj,k

综上有:Aj,k=Ck,j,即A=Ct

2 矩阵的秩

A是元素属于Fm×n矩阵:

  1. A的行秩是A的诸行在F1,n中的张成空间的维数;
  2. A的列秩是A的诸列在Fm,1中的张成空间的维数。

VW都是有限维的,TL(V,W),则dimrangeT等于M(T)的列秩。

v1,,vnV的基,w1,,wnW的基。则将wspan(Tv1,,Tvn)变为M(w)的函数是从span(Tv1,,Tvn)span(M(Tv1),,M(Tvn))的同构。于是dimspan(Tv1,,Tvn)=dimspan(M(Tv1),M(Tvn)) 等式右边的维数等于M(T)的列秩。

因为rangeT=span(Tv1,,Tvn),所以dimrangeT=dimspan(Tv1,,Tvn)

AFm,n,则A的行秩等于A的列秩。