線性變換與矩陣的對應
題目
Let \(T : V \longrightarrow W\) be a linear transformation, and \(V, W\) have finite dimension. Show that there exists a matrix representation of \(T\).
想法與解法
林其璜 says
想法
首先,我們要先知道線性變換的定義,如下
令 \(V, W\) 為兩向量空間,若函數 \(T : V \longrightarrow W\) 具有以下性質
則稱 \(T\) 為一線性變換。
因為一般的向量空間是抽象的,因此我們無法直接寫出矩陣,必須要透過兩組有序基底(ordered basis),分別將 \(V\) 和 \(W\) 的元素刻劃出來,我們才有辦法寫出矩陣表達式。
透過基底,我們可以將 \(V, W\) 內的元素用 \(\mathbb{R}^n\) 上的向量表示出來,這樣一來我們就可以帶入單位向量來幫助我們找出 \(T\) 所對應的矩陣,最後我們只需要驗證此矩陣與 \(T\) 代表了相同的變換。
解法
令 \(\dim(V) = n\) 及 \(\dim(W) = m\),因為 \(V, W\) 是向量空間,所以存在基底 \(\mathfrak{B}_1\) 和 \(\mathfrak{B}_2\) 使得 \(\vspan(\mathfrak{B}_1) = V\) 且 \(\vspan(\mathfrak{B}_2) = W\)。
令 \(\mathfrak{B}_1 = \{\beta_1, \beta_2,\ \dots, \beta_n\}\),則我們知道 \([\beta_i]_{\mathfrak{B}_1} = \be_i\) 也就是分別對應到 \(\mathbb{R}^n\) 上的標準基底,還記得要找出矩陣的行向量,我們可以利用標準基底來做,例如 \(A\be_1\) 就是 \(A\) 的第一個行向量,因此在這邊我們也可以利用相同的概念找出 \(T\) 所對應的矩陣的行向量。
因為 \([\beta_1]_{\mathfrak{B}_1} = \be_1\),所以 \(T(\beta_1)\) 實際上就對應了 \(A\be_1\) 這個動作,此時我們需要使用 \(\mathfrak{B}_2\) 來表現 \(T(\beta_1)\),也就是 \([T(\beta_1)]_{\mathfrak{B}_2}\),此時我們令 \(A = [T]_{\mathfrak{B}_1}^{\mathfrak{B}_2}\),則我們可以將 \(A\) 寫成以下形式
找到 \(A\) 之後,我們接著證明 \(A\) 真的代表了 \(T\) 這個線性變換,只要證明對於所有 \(V\) 中的元素 \(\bv\),有 \(A[\bv]_{\mathfrak{B}_1} = [T(\bv)]_{\mathfrak{B}_2}\) 即可。
對於任意 \(V\) 中的元素 \(\bv\),可以寫成以下表示法 \([\bv]_{\mathfrak{B}_1} = \begin{bmatrix} v_1 \\ v_2 \\ \vdots \\ v_n \end{bmatrix}\),則根據線性變換的定義,我們有以下
到此我們證明了對於任意兩個有限維的線性空間之間的線性變換 \(T\),都具有其對應的矩陣表示法。