高等代数

高等代数理论基础69:线性函数

2019-04-19  本文已影响1人  溺于恐

线性函数

定义:设V是数域P上的一个线性空间,f是V到P的一个映射,若\forall \alpha,\beta\in V,k\in P,f满足

1.f(\alpha+\beta)=f(\alpha)+f(\beta)

2.f(k\alpha)=kf(\alpha)

则称f为V上的一个线性函数

性质:

1.设f是V上的线性函数

f(0)=0,f(-\alpha)=-f(\alpha)

证明:

f(0)=f(0\alpha)=0f(\alpha)=0

f(-\alpha)=f((-1)\alpha)=(-1)f(\alpha)=-f(\alpha)

2.若\beta\alpha_1,\alpha_2,\cdots,\alpha_s的线性组合

\beta=k_1\alpha_1+k_2\alpha_2+\cdots+k_s\alpha_s

f(\beta)=k_1f(\alpha_1)+k_2f(\alpha_2)+\cdots+k_sf(\alpha_s)

例:

1.设a_1,a_2,\cdots,a_n是P中任意数,X=(x_1,x_2,\cdots,x_n)P^n中的向量

函数f(X)=f(x_1,x_2,\cdots,x_n)=a_1x_1+a_2x_2+\cdots+a_nx_n即P上的一个线性函数

a_1=a_2=\cdots=a_n=0时,f(X)=0,称为零函数,可用0表示零函数

注:P^n上的任一线性函数都可表成这种形式

\varepsilon_i=(0,\cdots,0,\underset{第i个}{1},0,\cdots,0),i=1,2,\cdots,n

P^n中任一向量X=(x_1,x_2,\cdots,x_n)可表成X=x_1\varepsilon_1+x_2\varepsilon_2+\cdots+x_n\varepsilon_n

设f是P^n上一个线性函数

f(X)=f(\sum\limits_{i=1}^nx_i\varepsilon_i)=\sum\limits_{i=1}^nx_if(\varepsilon_i)

a_i=f(\varepsilon_i),i=1,2,\cdots,n

f(X)=a_1x_1+a_2x_2+\cdots+a_nx_n即上述形式

2.A是数域P上一个n级矩阵

A=\begin{pmatrix}a_{11}&a_{12}&\cdots&a_{1n}\\ a_{21}&a_{22}&\cdots&a_{2n}\\ \vdots&\vdots& &\vdots\\ a_{n1}&a_{n2}&\cdots&a_{nn}\end{pmatrix}

则A的迹Tr(A)=a_{11}+a_{22}+\cdots+a_{nn}是P上全体n级矩阵构成的线性空间P^{n\times n}上的一个线性函数

3.设V=P[x],t是P中一个取定的数,定义P[x]上的函数L_t

L_t(p(x))=p(t),p(x)\in P[x]

L_t(p(x))p(x)在t点的值

L_t(p(x))P[x]上的线性函数

若V是数域P上一个n维线性空间,取定V的一组基\varepsilon_1,\varepsilon_2,\cdots,\varepsilon_n​,对V上任意线性函数f及V中任意向量\alpha​

\alpha=x_1\varepsilon_1+x_2\varepsilon_2+\cdots+x_n\varepsilon_n

f(\alpha)=f(\sum\limits_{i=1}^nx_i\varepsilon_i)=\sum\limits_{i=1}^nx_if(\varepsilon_i),故f(\alpha)f(\varepsilon_1),\cdots,f(\varepsilon_n)的值唯一确定

反正,任给P中n个数a_1,a_2,\cdots,a_n,定义V上一个函数f

f(\sum\limits_{i=1}^nx_i\varepsilon_i)=\sum\limits_{i=1}^na_ix_i

为一个线性函数,且f(\varepsilon_i)=a_i,i=1,2,\cdots,n

定理:设V是P上一个n维线性空间,\varepsilon_1,\varepsilon_2,\cdots,\varepsilon_n是V的一组基,a_1,a_2,\cdots,a_n是P中任意n个数,存在唯一的V上线性函数f,使f(\varepsilon_i)=a_i,i=1,2,\cdots,n

上一篇 下一篇

猜你喜欢

热点阅读