Files
2026-10-04 11:44:56 +08:00

8.1 KiB
Raw Permalink Blame History

题型4:线性变换的判定(含像、核、秩)

识别特征

  • 题目给出映射 $T: V \to U$,要求验证是否为线性变换
  • 题目要求计算 T 的核 $N(T)$、像 $R(T)$、秩 \text{r}(T)
  • 关键词:"验证"、"线性变换"、"核"、"像"、"秩"、"零度"

解题流程

flowchart TD
    A[识别:线性变换判定] --> B{类型判断}
    B -->|验证线性| C[验证 T(kα+lβ) = kT(α)+lT(β)]
    B -->|求核 N T| D[解 T(α) = 0]
    B -->|求像 R T| E[求 T(α₁)..T(αₙ) 张成]
    B -->|求秩 零度| F[dim R T + dim N T = n]
    C --> G[得出结论]
    D --> G
    E --> G
    F --> G

通法步骤

A. 验证线性变换

核心:$\forall \alpha, \beta \in V,\ \forall k, l \in F$,


T(k\alpha + l\beta) = kT(\alpha) + lT(\beta)

Step 1:验证 $T(\alpha + \beta) = T(\alpha) + T(\beta)$(加法保持)

Step 2:验证 $T(k\alpha) = kT(\alpha)$(数乘保持)

等价合并:直接验证 $T(k\alpha + l\beta) = kT(\alpha) + lT(\beta)$。

反例速判:

  • 若 T(\mathbf{0}) \neq \mathbf{0} → 必非线性
  • 若 T(\alpha + \beta) \neq T(\alpha) + T(\beta) → 必非线性

B. 求核 N(T)

定义:N(T) = \{\alpha \in V \mid T(\alpha) = \mathbf{0}\}

求法:

  1. 设 \alpha = (x_1, \ldots, x_n)^T
  2. 解方程 $T(\alpha) = \mathbf{0}$(齐次线性方程组)
  3. 化为齐次方程组的基础解系

结果:核是一个子空间,基础解系即为核的基。

C. 求像 R(T)

定义:R(T) = \{T(\alpha) \mid \alpha \in V\}

求法:

  1. 取 V 的一组基 \alpha_1, \ldots, \alpha_n
  2. 计算 T(\alpha_1), \ldots, T(\alpha_n)
  3. 求 T(\alpha_1), \ldots, T(\alpha_n) 的极大线性无关组

结果:像是一个子空间,该极大无关组即为像的基。

D. 秩-零度定理


\dim V = \dim R(T) + \dim N(T) = \text{r}(T) + \text{nullity}(T)

应用:

  • 求 \dim R(T) 困难时,先求 $\dim N(T)$,再用公式
  • 求 \dim N(T) 困难时,先求 $\dim R(T)$,再用公式

E. 特殊线性变换的判定技巧

变换 T 判定
T(\alpha) = A\alpha 必为线性(矩阵乘法)
T(\alpha + \beta) = T(\alpha) + T(\beta) 但 T(k\alpha) \neq kT(\alpha) 非线性
$T(\alpha) = c$(常数) T(\mathbf{0}) = c \neq \mathbf{0} → 非线性

常见陷阱

  • 陷阱 1:只验证 $T(\alpha + \beta) = T(\alpha) + T(\beta)$,忘了数乘
  • 陷阱 2:混淆"核"与"像"——N(T) 是使 T(\alpha) = \mathbf{0} 的 $\alpha$,R(T) 是 T(\alpha) 的集合
  • 陷阱 3:混淆"零空间"与"零变换"——N(T) 是集合,\mathcal{O} 是变换
  • 陷阱 4:求秩时忘记要用极大无关组
  • 陷阱 5:抽象空间中漏验零元(如 T(\mathbf{0}) = \mathbf{0} 看似显然,实则需验证)

经典母题

母题 1:验证线性变换

题目:设 $T: \mathbb{R}^3 \to \mathbb{R}^3$,$T(x, y, z) = (x + y, y + z, z + x)$。验证 T 是线性变换。

解法:

设 $\alpha = (x_1, y_1, z_1), \beta = (x_2, y_2, z_2)$,$k, l \in \mathbb{R}$。

Step 1:验证加法


T(\alpha + \beta) = T(x_1 + x_2, y_1 + y_2, z_1 + z_2) = ((x_1 + x_2) + (y_1 + y_2), (y_1 + y_2) + (z_1 + z_2), (z_1 + z_2) + (x_1 + x_2))

= (x_1 + y_1, y_1 + z_1, z_1 + x_1) + (x_2 + y_2, y_2 + z_2, z_2 + x_2) = T(\alpha) + T(\beta) \checkmark

Step 2:验证数乘


T(k\alpha) = T(kx_1, ky_1, kz_1) = (kx_1 + ky_1, ky_1 + kz_1, kz_1 + kx_1) = k(x_1 + y_1, y_1 + z_1, z_1 + x_1) = kT(\alpha) \checkmark

结论:T 是线性变换。

复盘:两个等式都成立 → 是线性变换。也可直接验证 $T(k\alpha + l\beta) = kT(\alpha) + lT(\beta)$。


母题 2:否定变换的线性

题目:判断 $T: \mathbb{R}^2 \to \mathbb{R}^2$,T(x, y) = (x + 1, y + 1) 是否为线性变换。

解法:

反例 1:T(\mathbf{0}) = T(0, 0) = (1, 1) \neq (0, 0) = \mathbf{0} → $T(\mathbf{0}) \neq \mathbf{0}$。

直接否定:T(\mathbf{0}) = \mathbf{0} 是线性变换的必要条件(由 T(k\alpha) = kT(\alpha) 推出)。T(\mathbf{0}) = (1, 1) \neq \mathbf{0} → 必然非线性。

结论:T 不是线性变换。

复盘:T(\mathbf{0}) \neq \mathbf{0} 是最快速的否定判据。


母题 3:求核 N(T)

题目:$T: \mathbb{R}^3 \to \mathbb{R}^3$,$T(x, y, z) = (x + y, y + z, x - y)$,求 $N(T)$。

解法:

设 $T(x, y, z) = \mathbf{0}$,即


\begin{cases} x + y = 0 \\ y + z = 0 \\ x - y = 0 \end{cases}

由第 1、3 式:x = -y 且 x = y → $y = 0, x = 0$。 由第 2 式:$z = 0$。

核:$N(T) = {(0, 0, 0)}$,$\dim N(T) = 0$。

矩阵法:$A = \begin{pmatrix} 1 & 1 & 0 \ 0 & 1 & 1 \ 1 & -1 & 0 \end{pmatrix}$,\det A = ?


\det A = 1 \cdot (0 - (-1)) - 1 \cdot (0 - 1) + 0 = 1 + 1 = 2 \neq 0

→ A 满秩 → Ax = 0 只有零解 → \dim N(T) = 0 ✓

复盘:\det A \neq 0 时 $N(T) = {\mathbf{0}}$。


母题 4:求像 R(T) 与秩

题目:$T: \mathbb{R}^3 \to \mathbb{R}^2$,$T(x, y, z) = (x + y, y + z)$,求 R(T) 和 $\text{r}(T)$。

解法:

方法一:求 $\dim R(T)$

设 $A = \begin{pmatrix} 1 & 1 & 0 \ 0 & 1 & 1 \end{pmatrix}$,对 A 行阶梯化:


A \xrightarrow{r_1 - r_2} \begin{pmatrix} 1 & 0 & -1 \\ 0 & 1 & 1 \end{pmatrix}

2 个主元 → \text{r}(A) = 2 → $\dim R(T) = 2$。

方法二:求像的基

取 $\alpha_1 = (1, 0, 0)^T, \alpha_2 = (0, 1, 0)^T, \alpha_3 = (0, 0, 1)^T$(标准基):


T(\alpha_1) = (1, 0)^T, \quad T(\alpha_2) = (1, 1)^T, \quad T(\alpha_3) = (0, 1)^T

显然 (1, 0)^T, (1, 1)^T, (0, 1)^T 张成 $\mathbb{R}^2$。

结论:$R(T) = \mathbb{R}^2$,$\text{r}(T) = 2$。

核-零度验证:\dim R(T) + \dim N(T) = 3 → $\dim N(T) = 1$(解方程 x + y = 0, y + z = 0 → x = -y, z = -y → 基础解系 $(1, -1, 1)^T$)。

复盘:求像有两种方法——矩阵求秩或求像的基,结果一致。


母题 5:秩-零度定理的应用

题目:T: \mathbb{R}^5 \to \mathbb{R}^3 是线性变换,已知 $\dim R(T) = 2$,求 $\dim N(T)$。

解法:

由秩-零度定理:


\dim V = \dim R(T) + \dim N(T)

5 = 2 + \dim N(T)

\dim N(T) = 3

结论:$\dim N(T) = 3$。

复盘:秩-零度定理是线性变换理论的核心,必背。


母题 6:抽象空间中的线性变换

题目:$V = P[x]_2$(次数 \le 2 的多项式),$T(p(x)) = p'(x)$(求导)。验证 T 是线性变换,求 $N(T)$、$R(T)$、$\text{r}(T)$。

解法:

验证线性:

  • T(p + q) = (p + q)' = p' + q' = T(p) + T(q) ✓
  • T(kp) = (kp)' = kp' = kT(p) ✓

→ T 是线性变换。

求核 $N(T)$:

T(p(x)) = 0 \Leftrightarrow p'(x) = 0 \Leftrightarrow p(x) 是常数多项式。

核:$N(T) = {c \mid c \in \mathbb{R}}$,$\dim N(T) = 1$。

求像 $R(T)$:

T(p(x)) = p'(x) 是次数 \le 1 的多项式,即 $R(T) = P[x]_1$。

秩:$\text{r}(T) = \dim P[x]_1 = 2$。

秩-零度验证:\dim N(T) + \dim R(T) = 1 + 2 = 3 = \dim P[x]_2 ✓

复盘:抽象空间(多项式、矩阵、函数)中的线性变换,判定方法相同。


母题 7:复合变换的线性

题目:T_1, T_2 都是 V \to V 的线性变换,证明 $T_1 \circ T_2$(先 T_2 后 $T_1$)也是线性变换。

证法:


(T_1 \circ T_2)(k\alpha + l\beta) = T_1(T_2(k\alpha + l\beta)) = T_1(kT_2(\alpha) + lT_2(\beta))

= kT_1(T_2(\alpha)) + lT_1(T_2(\beta)) = k(T_1 \circ T_2)(\alpha) + l(T_1 \circ T_2)(\beta)

故 T_1 \circ T_2 是线性变换。

复盘:复合变换保持线性。注意:$T_1 \circ T_2 \neq T_2 \circ T_1$(乘法不一定交换)。


口诀:

  • 验证线性:T(k\alpha + l\beta) = kT(\alpha) + lT(\beta)
  • 快速否定:T(\mathbf{0}) \neq \mathbf{0} → 非线性
  • 求核:解 T(\alpha) = \mathbf{0}
  • 求像:求 T(\alpha_1), \ldots, T(\alpha_n) 的极大无关组
  • 秩-零度:\dim V = \dim R(T) + \dim N(T)