§2线性变换及其矩阵表示
线性变换与二阶矩阵 课件
x' y'
k1x, k2 y.
对应的二阶矩阵为
k1 0
0 k2 .
4.投影变换
设l是平面内一条给定的直线.对平面内的任意一点P作直线l
y p(x, y)
的垂线,垂足为点P' , 则称点P' 为点P在直线l上的投影.
将平面上每一点P变成它在直线l上的投影P' , 这个变换称为 关于直线l的投影变换.
例1 在直角坐标系xoy内,将每个点绕原点O按逆时针
方向旋转300的变换称为旋转角是300的旋转变换. (1)求点A(1,0)在这个旋转变换作用下的像A'; (2)写出这个旋转变换的表达式.
(1) A'( 3 , 1) 22
(2)x'
3 x 1 y, 2 2 (2)
y'
1 2
x
3 y. 2
是
x' y,
y'
x.
0 对应的二阶矩阵为 1
10.
一般地,我们把平面上的任意一点P变成它关于直线l的对称点 P'的线性变换叫做关于直线l的反射.
探究
在直角坐标系xoy内,直线l过原点,倾斜角为.
你能求出关于直线l的反射变换的坐标变换公式吗?
3.伸缩变换 在直角坐标系xoy内,将每个点的横坐标变为 原来的k1倍,纵坐标变为原来的k2倍,其中k1, k2 均为非零常数,我们称这样的几何变换为伸缩变换.
q2,且A B,求p, q, x, y.
在直角坐标系xoy内,每个点都绕原点O按逆时针方向旋转
1800.设点P(x, y)经过旋转后变成点P(' x', y' ), x', y'与x, y
矩阵分析与计算--02-线性变换
,n ) A , n ) B
基发生变化
A 与 B 的 关 系?
定理2 线性变换T 在不同基下的所对应的矩阵 是相似的
设T 在Vn的两个基1 , 2 , , n 及1 , 2 ,
,n ) P
, n
下的矩阵分别为A与B, 且有
(1 , 2 , , n)=(1 , 2 ,
线性变换的逆
基本性质
4)可逆线性变换把线性无关的向量组映射成向量 无关的向量组,即, 若x1 , x2 , 线性无关 xr 线性无关,则T ( x1 ), T ( x2 ), T ( xr )
线性变换的多项式
1.线性变换的幂
设T 为V中线性变换,n N , 定义 T T
n n
T
称之为T 的n次幂
T ( r 1 ) a1r 1 1 a2r 1 2 arr 1 r ar 1r 1 r 1 ,,anr 1 n T ( n ) a1n 1 a2n 2 arn1 r ar 1n r 1 ,,ann n
T( + )=T( )+T( ) T(k )=kT( )
, Vn
Vn , k P
则称T 为Vn到Vm的线性映射或线性算子
线性映射
Vn
Vm
T
应用:
T ( ) T ( )
k1T ( )
Vn , k2 P
k1
k2
k2T ( )
k1T ( ) k2T ( )
线性变换的逆
设T 为V的线性变换,若有V的线性变换S TS ST I 则称T 为可逆变换,称S 为T的逆变换, 记作T
-1
线性变换的逆
高等代数课件(北大版)第七章-线性变换§7.3
1,2, ,n A B
∴ + 在基 1, 2 , , n下的矩阵为A+B.
§7.3 线性变换的矩阵
② 1,2, ,n 1,2, ,n 1,2, ,n B 1, 2, , n B
1,2, ,n AB
∴ 在基 1, 2 , , n下的矩阵为AB.
③ k 1,2, ,n k 1 , ,k n k 1 , ,k n k 1 , , n
k 1, 2, , n k 1,2, , n A 1,2, ,n kA
∴ k 在基 1, 2 , , n下的矩阵为 kA.
§7.3 线性变换的矩阵
④ 由于单位变换(恒等变换) E对应于单位矩阵E.
所以, E
与 AB=BA=E 相对应.
因此,可逆线性变换 与可逆矩阵A对应,且 逆变换 - 1 对应于逆矩阵 A- 1.
x1
,
n
A
x2
xn
1, 2 ,
y1
,n
y2
1, 2 ,
yn
x1
,
n
A
x2
xn
由于 1, 2 ,
, n线性无关,所以
y1 x1
y2
=A
x2
.
yn xn
§7.3 线性变换的矩阵
4.同一线性变换在不同基下矩阵之间的关系
定理4 设线性空间V的线性变换 在两组基
显然,1,2 , ,n 也是一组基,且 在这组基下的
矩阵就是B.
§7.3 线性变换的矩阵
(3)相似矩阵的运算性质 ① 若 B1 X 1A1X , B2 X 1A2 X , 则 B1 B2 X 1( A1 A2 )X , B1B2 X 1( A1A2 )X . 即, A1 A2 B1 B2 , A1 A2 B1B2 .
线性空间与线性变换练习题
线性空间与线性变换练习题§1 线性空间1.设}|),,,({2121n n n x x x x x x V ===∈== R x 是否按向量的加法和数乘构成R 上的线性空间?若是,求出它的维数和一个基。
2.设⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧=+++∈⎪⎪⎭⎫ ⎝⎛=⨯022d c b a d c b a V R 是否按矩阵的加法和数乘构成R 上的线性空间?若是,求出它的维数和一个基。
3.证明n 阶实对称矩阵全体1V 和n 阶实反对称矩阵全体2V 均构成n n ⨯R 的子空间,并求它们的维数。
4.已知4R 中向量T )1,3,2,1(1=a , T )1,2,1,1(2-=a ,T )6,1,6,2(3---=a , T )1,7,4,3(4-=a ,求},,,Span{4321a a a a 的一个基和维数。
5.已知矩阵⎪⎪⎪⎭⎫ ⎝⎛=101102121k k k A ),,,(4321a a a a =(1)求A 的零空间}|{)(40Ax x A =∈=R N 的基与维数;(2)求T A 的零空间}|{)(30x A x A =∈=T T N R 的基与维数(3)求},,,Span{4321a a a a 一个基和维数。
6.已知3R 中的两组基为T )1,1,1(1=a ,T )1,0,1(2-=a ,T )1,0,1(3=a ,和T )1,2,1(1=b ,T )4,3,2(2=b ,T )3,4,3(3=b 。
(1)求向量T )4,2,2(=x 在基1a ,2a ,3a 下的坐标;(2)求从基1a ,2a ,3a 到基1b ,2b ,3b 的过渡矩阵;(3)求向量3212b b b z -+=在基1a ,2a ,3a 下的坐标;(4)求向量321424a a a y -+=在基1b ,2b ,3b 下的坐标。
7.已知3R 中的两组基为T )1,0,1(1=a ,T )1,1,1(2-=a ,T )1,1,1(3-=a ,和T )1,0,3(1=b ,T )0,0,2(2=b ,T )2,2,0(3-=b 。
矩阵论第一章第二节
是一个线性变换. 是一个线性变换
线性变换的简单性质 1.σ 为V的线性变换,则 . 的线性变换, 的线性变换
σ (0) = 0, σ ( −α ) = −σ (α ).
2.线性变换保持线性组合及关系式不变,即 .线性变换保持线性组合及关系式不变, 若 β = k1α1 + k2α 2 + L + krα r , 则 σ ( β ) = k1σ (α1 ) + k2σ (α 2 ) + L + krσ (α r ). 3.线性变换把线性相关的向量组的变成线性相关 . 的向量组. 的向量组 即
线性变换, 例. V = P[ x ]或P[ x ]n 上的求微商是一个 线性变换, 表示, 用D表示,即 表示
D : V → V , D( f ( x )) = f ′( x ), ∀f ( x ) ∈ V
例. 闭区间 [a , b] 上的全体连续函数构成的线性空间
C ( a , b ) 上的变换 J : C ( a , b ) → C ( a , b ) , J ( f ( x ) ) = ∫ f ( t )dt
则有
y1 x1 y2 x2 M = A M . y x n n
证:由已知有
σ ( ε 1 , ε 2 ,L , ε n ) = ( ε 1 , ε 2 ,L , ε n ) A,
x1 x2 ξ=( ε 1 , 2 ,L , ε n ) , ε M x n y1 y2 σ (ξ ) = ( ε 1 , 2 ,L , ε n ) . ε M y n
B = X AX .
−1
证:由已知,有 由已知,
σ ( ε 1 , 2 ,L , ε n ) = ( ε 1 , 2 ,L , ε n ) A, ε ε
高等代数--第七章 线性变换_OK
45
线性变换的乘法
首先,线性空间的线性变换作为映射的特殊 情形当然可以定义乘法。设A,B 是线性空间V 的两个线性变换,定义它们的乘积AB为
(A B )() A (B ()) ( V ).
容易证明,线性变换的乘积也是线性变换。事 实上,
(A B )( ) A (B ( )) A (B () B ())
A ( ) k1A (1) k2A (2) krA (r ),
14
又如果1 , 2 ,, r之间有一线性关系式 k11 k22 krr 0,
那么它们的象之间也有同样的关系
A ( ) k1A (1) k2A (2) krA (r ),
15
3. 线性变换把线性相关的向量组变成线性 相关的向量组.
A x1A 1 x2A 2 xnA n x1B 1 x2B 2 xnB n B .
20
结论1的意义就是,一个线性变换完全被它 在一组基上的作用所决定。
2.设 1,2,,n是线性空间V的一组基。对于
任意一组向量 1,2,,n一定有一个线性变换A
使
A i i ,i 1, 2, , n.
46
A (B ()) A (B ( )) (A B )( ) (A B )( ),
(A B )(k) A (B (k)) A (kB ())
kA (B ()) k(A B )().
这说明AB是线性的。
既然一般映射的乘法适合结合律,线性变换
的乘法当然也适合结合律,即
(A B )C A (B C ).
29
例3 在 F 22 中定义线性变换 A
X
a c
b
d
X
2012第2学期第07次课 线性变换
定理:如果 η Aξ ,则 y Ax 。其中,A是A在 基 ε1 , ε2 ,..., εn 下对应的矩阵。
( Aε1 , Aε2 , ..., Aεn ) A( ε1 , ε2 , ..., εn ) ( ε1 , ε2 , ..., εn ) A
ξ (ε1 , ε2 ,..., εn ) x Aξ η Ax y
相似
A(η1 , η2 , ..., ηn ) A ( ε1 , ε2 , ..., εn ) X A( ε1 , ε2 , ..., εn ) X ( ε1 , ε2 , ..., εn ) A X
1 ( η , η , ..., η ) X A 1 2 n X 1 (η1 , η2 , ..., ηn ) X AX
称矩阵A为线性变换A在基 ε1 , ε2 , ..., εn 下的矩阵
线性变换与表示矩阵的关系
在取定基之后,n 维线性空间V/P上的线性变换与数 域P上的n级矩阵之间存在1-1对应关系.它表现在
在同一组基之下:
1. 2. 3. 4. 线性变换的和 ↔ 矩阵的和 线性变换的积 ↔ 矩阵的积 线性变换的数量乘积 ↔ 矩阵的数量乘积 线性变换的逆 ↔ 矩阵的逆 (如果可逆)
基在n维线性空间中起着极重要的作用
◦ 任意向量是基向量的线性组合 ◦ 在线性变换之下,任意向量的变换是基向量的变换的线性 组合
变换、基和像的关系
设V是数域P上的n维线性空间, ε1 , ε2 ,..., εn 是V的一组基. 设 ξ x1ε1 x2ε2 ... xn εn , 则
第二学期 高等代数
北京大学工学院2012级 2013.10
线性变换及其矩阵
部
资
例:零变换对应于零矩阵,数乘变换对应于数量矩阵。
“矩阵是线性空间中的线性变换的一个描述。在一个 线性空间中,只要我们选定一组基,那么对于任何一 个线性变换,都能够用一个确定的矩阵来加以描述。 ” 理解这句话的关键, 在于把 “线性变换” 与 “线性变换的一个描述” 区别开。 一个是那个对象, 一个是对那个对象的表述。 就好像我们熟悉的面向对象编程中, 一个对象可以有多个引用, 每个引用可以叫不同的名字, 但都是指的同一个对象。 如果还不形象,那就干脆来个很俗的类比。 比如有一个人,你打算给它拍照片,只要你给照相机选定了一个镜头位置, 那么就可以给这个人拍一张照片。这个照片可以看成是这个人的一个描述,但只 是一个片面的的描述,因为换一个镜头位置给这个人拍照,能得到一张不同的照 片,也是这个人的另一个片面的描述。所有这样照出来的照片都是这同一个人的 描述,但是又都不是这个人本身。 同样的,对于一个线性变换,只要你选定一组基,那么就可以找到一个矩阵
i =0 m
内
Hom(V)。
外 传
料
(ai ∈ K ) , 则
f (T ) = ∑ aiT i
i =0
m
也为 V 上的线性变换,称为多项式变换。
上面讨论了线性变换的定义与运算, 那么我们如何将抽象的线性变换形象化 的进行表示呢。下面我们探讨线性变换与矩阵的关系。 3. 线性变换的矩阵表示 根据线性变换的定义,要想确定一个线性变换,似乎需要把线性空间中所有
其中 A 为线性变换 T 在基 x1 , x2 ,..., xn 下的表达矩阵。 关于映射 σ ,我们有如下引理:
请 勿
= [T1 ( x1 , x2 ,
, xn )]B = ( x1 , x2 ,
线性变换的矩阵表示式
0 1 0 0 0 2 A 0 0 0 0 0 0
0 0
n 1
0
例3 在 R3中,T表示将向量投影到xOy平面的线性
变换,即
(1)取基为Ti(,xji,
k,
yj zk) xi 求T的矩阵;
yj ,
(2)取基为
i ,
j,
i
j
k,
求T的矩阵.
解 即
Ti i ,
(1)
TTkj
j, 0,
1
T (i , j , k ) (i , j , k ) 0
0 1
0 0.
0 0ቤተ መጻሕፍቲ ባይዱ0
T i ,
(2)
T T
j ,
i j
,
即
1 0 1
T ( , , ) ( , , ) 0 1 1.
0 0 0
此例表明:同一个线性变换在不同的基下一般 有不同的矩阵.
i 1
i 1
x1
(T ( 1),T (
2),
,T (
n))
x2
xn
x1
( 1 , 2 , , n)A x2 ,
xn
即
T ( 1 , 2 ,
,
n)
x1 x2
( 1 , 2 ,
,
n) A
x1 x2 .
x
n
xn
上式唯一地确定了一个变换T ,并且所确定的 变换T是以A为矩阵的线性变换.
x
n
xn
可知 : 在基 1 , 2 , , n下,
的坐标为
x1
x2 ;
xn
T ( )的坐标为
x1
T ( ) A x2 .
1-2 线性变换及其矩阵表示
定理2:设x1,x2,…,xn是数域K上n维线性空间V的一 组基,在这组基下,V上的每一个线性变换都与 Kn×n中的唯一一个矩阵对应,且具有以下性质: ① 线性变换的和对应于矩阵的和; ② 线性变换的数量乘积对应于矩阵的数量乘积; ③ 线性变换的乘积对应于矩阵的乘积; ④ 可逆线性变换与可逆矩阵对应,且逆变换对应 于逆矩阵。 推论1:设T是线性空间V的一组基x1,x2,…,xn下的 f 矩阵, ( x ) am x m am 1 x m 1 a1 x a0 , 则线 性变换f(T)在同一组基下的矩阵是: f ( A) am Am am 1 Am 1 a1 A a0 I .
2. 线性变换的矩阵表示
(a) 线性变换在给定基下的矩阵表示 设x1,x2,…,xn是n维线性空间V的一组基,T是V上 的线性变换。
对于V中的任意一个向量x,必存在数域K中的一 组数k1,k2,…,kn使得 x k1 x1 k2 x2 kn xn , 从而有 T ( x ) k1T ( x1 ) k2T ( x2 ) knT ( xn ). 这表明,T(x)由T(x1),T(x2),…,T(xn)完全确定。
设T为线性空间V的线性变换,若有V上的变换S 使得:TS=ST=Te,则称T为可逆变换,并称S为T 的逆变换,记为S=T-1。 1. 可逆变换的逆变换仍然是线性变换。 2. 线性变换T可逆当且仅当T是一一对应。 3. 可逆线性变换把线性无关的向量组变成线性无 关的向量组。 4. 设x1,x2,…,xn是线性空间V的一组基,T是V上的 线性变换,则T可逆当且仅当T(x1),T(x2),…,T(xn)也 是V的一组基。 (T1T2 )1 T21T11 . 5. 若T1,T2都是可逆变换,则
机械原理课件-线性变换及其矩阵表示
(c) 线性变换的运算 设T1,T2是线性空间V的两个线性变换,定义它们 T1 T2 x T1 x T2 x , x V . 的和为: T1+T2仍然是线性空间V上的线性变换。 设T是线性空间V的线性变换,定义它的负变换 为: (-T)(x)=-T(x)。这也是一个线性变换。 设T是线性空间V的线性变换,k∈K,定义数乘 变换为:(kT)(x)=kT(x)。这也是一个线性变换。 注:线性空间V上的全体线性变换所构成的集合 对于线性变换的加法与数量乘法构成数域K上的 一个线性空间。
这是一个线性变换。来自 ( )例3 考虑V=Pn[x]中的微分变换:
D : V V , D( f ( x )) f ( x ), f ( x ) V ,
这是一个线性变换。
例4 考虑[a,b]上的所有连续函数构成的线性空间 C[a,b]上的积分变换:
J : C a , b C a , b , J f x f x dx ,
√
×
2 T f ( x ) f ( x ). 2.在 Pn[ x ] 中,
×
√ × .√
T , V 非零固定. 3.在线性空间V中,
4. 在 C
n n
nn 固定. T X AX , A C 中,
T ( x) x . 5.复数域C看成是自身上的线性空间,
(b) 线性变换 从集合S 到集合S的映射也称为变换。 设V为数域K上线性空间,若变换 T : V V 满足: T x y T x T y, T kx kT x , x , y V , k K , 则称T是线性空间V上的线性变换。 单位变换(恒等变换):Te : Te x x , x V , 零变换: T0 : T0 x 0, x V , 数乘变换:K : K x kx , x V . 上述定义中的条件可以等价的写成: T kx ly kT x lT y .
第2章 线性变换(矩阵论)
则
1 2 T (1 ) T (2 ) T (1 2 ) R(T ) , k1 kT(1) T (k1) R(T ) ,( k P ), 即 R(T ) 对 V 中的线性运算封闭,所以, R(T ) 是V 的线性子空间. 再设, Ker(T ) ,即T () 0 ,T ( ) 0 ,可知
f (T ) amT m am1T m1 a0 I
为线性变换T 的多项式.可以证明 f (T ) 也是V 的一个线性变换.
这些运算具有下列性质:
(1) T mn T mT n , (T m )n T mn ,( m, n 为非负整数). 当 T 可逆时, m, n 可为负整数.
(2)设 f (x), g(x) P[x] ,如果 h(x) f (x) g(x) , t(x) f (x)g(x) ,
T ( ) span{T (1),T (2 ), ,T (n )} ,
从而
R(T ) span{T (1),T (2 ), ,T (n )} ,
故
R(T ) span{T (1),T (2 ), ,T (n )} .
定理 2.1.3 设 T 是 n 维线性空间V 上的一个线性变换,则 dim(R(T )) dim(Ker(T )) n .
(2) n ( n 为正整数)个线性变换 T 的乘积 T n TT T
称为 T 的 n 次幂.特别地,当 n 0时,令 T 0 I .当T 可逆时, 定义 T 的负 n ( n 为正整数)次幂为
T n (T 1 ) n .
(3)设 P[x] 为数域 P 上多项式全体构成的线性空间,且
线性代数第二章矩阵及其运算
ann 0
0
5. 形如 下面两个矩阵 的方阵称为下三角矩阵(lower triangular matrix).
a11 0 a21 a22
an1
an2
0 0
0
0
ann
an1
0 a1n
a2n1
a2n
ann1 ann
6. 若方阵 A (aij )n 中 aij a ji , 则称为对称矩阵 (symmetric matrix). 即
一、线性方程组
定义1 设有 n 个未知数 m 个方程的线性方
程组
a11 x1 a12 x2 L a1n xn b1 ,
a21 x1 a22 x2 L LLL
a2n xn L
b2 ,
am1 x1 am2 x2 L amn xn bm .
(1)
其中aij 表示第i个方程第j个未知数的系数(coefficient), bi 是第i个方程的常数项(constant),i=1,2,…,m, j =1,2,…, n.
a11 b11
A
B
a21
b21
L
a12 b12 L a22 b22 L
LL
am1 bm1 am2 bm2 L
L
L
L
L
称为单位阵(unit
matrix),
记作 En . 0 0 L 1
4. 形如 下面两个矩阵 的方阵称为上三角矩阵(upper triangular matrix).
a11a12 0 a22
0 0
a1n
a2n
ann
a11 a1n1 a1n
a21
a2n1
0
a11 a12 L a1n
高等代数线性变换解析
(3)
A ( BC ) = ( A B )C
(4) k( AB ) = ( kA )B = A ( kB ) 例1 在R 2中,设A(x, y)=(y, x),B(x, y)=(0, x),则A, B是R2中的 线性变换,求A + B,AB,BA,3A-2B。
线性变换
§2 线性变换的运算
三、可逆的线性变换
A m n A m A n ,
(A m )n A mn ,
m, n N
若A是可逆的,则以上法则对任意整数m,n都成立。
注意: 由于线性变换的乘法不满足交换律,故( AB ) ≠ A B 。
n
n n
线性变换 定义5 设
§2 线性变换的运算
f ( x) an xn an1xn1 a1x a0 P[ x]
线性变换
§3 线性变换的矩阵
定理2 设 1 , 2 ,, n 是数域 P 上 n 维线性空间 V 的一组基,
A, B∈L(V), 且 A, B 在这组基下的矩阵分别为A和B,则在该 组基下: (1) A + B 的矩阵是 A+B;
(2) AB 的矩阵是 AB; (3) kA 的矩阵是 kA; (4) 若A 是可逆的,则矩阵 A 也可逆,且A-1的矩阵是A-1。
矩阵的相似性是由 线性变换所决定的
则 B 为线性变换 A 在基 1 ,2 ,,n 下的矩阵。 A A
1 , 2 ,, n
A可逆的充要条件是它在 一组基下的矩阵A可逆
例5 设 V是数域P上的n维线性空间,则L(V)与P n×n同构。
例6 设 A1,A2是 n 维线性空间 V 的两个线性变换,证明: A2V⊂A1V 的充要条件是存在线性变换 A 使得 A2=A1A 。
第二讲 线性变换及其矩阵
3
第二讲 线性变换及其矩阵
一、线性变换及其运算
1. 定义 设 V 是数域 K 上的线性空间,T 是 V 到自身的一个映射,若 V , 均存在唯一 的 V 与之对应,则称 T 为 V 的一个变换(或算子),记为T ( ) . 称 为 在变换 T 下的象, 为 的原象。 若变换 T 还满足, V , k,l K,有T (k l ) kT () lT ( ).则称 T 为线性变换。
T 1,2,
,n (T (1),T (2),
,T (n)) 1,2,
a11 a12
,n
a21 a22
an1 an2
1,2, ,n 下的矩阵。
1
a1n
a2n
1,
2
,
ann
称 A (aij )nn 为 T 在基 ,n A
R(T ) T ( ) | V n 为 T 的值域; N(T ) | V n,T () 称为T 的核。
易证 R(T ) 和 N (T ) 均为V n 的子空间,分别称为 T 的像空间和核(零)空间,称 dim R(T ) 、 dim N (T ) 为T 的秩和零度。 2、定理 设 T 为V n 上的线性变换, 1,2, ,n 为V n 的一组基,则
(1) R(T ) SpanT (1),T (2), T(n);(2) dim R(T ) dim N(T ) n ;
特别地,若 A 是线性变换 T 的矩阵,则 dim R(T ) = dim R( A) ,dim N(T ) = dim N ( A) .
线性变换的矩阵
线性变换可以用矩阵表示,矩阵 的行数和列数分别与输入和输出 空间的维数相等。
线性变换的性质
01
02
03
线性变换具有齐次性,即对于任 意标量k和任意向量x,有 kT(x)=T(kx)。
线性变换具有加法性质,即对于 任意两个向量x和y,有 T(x+y)=T(x)+T(y)。
线性变换具有数乘性质,即对于 任意标量k和任意向量x,有 T(kx)=kT(x)。
04
线性变换的矩阵表示方法
向量空间中的线性变换
线性变换的定义
线性变换是向量空间中一种保持向量加法和标量乘法不变的映射。
线性变换的性质
线性变换具有传递性、加法性质、数乘性质和结合性质。
线性变换的分类
根据映射的性质,线性变换可以分为可逆线性变换和不可逆线性 变换。
向量空间中的矩阵表示
矩阵的定义
矩阵是数学中一个重要的概 念,它由数字组成,按照一 定的排列顺序形成。
线性变换的几何意义
线性变换可以理解为在向量空间中,将一个向量 进行平移、旋转、缩放等几何变换。
线性变换可以用来描述物理现象,如力的合成与 分解、速度和加速度的合成等。
线性变换可以用来解决实际问题,如图像处理、 信号处理、控制系统等领域。
02
矩阵与线性变换的关系
矩阵表示线性变换
01
矩阵是线性变换的一种简洁表示形式,可以将线性变换中的 变换关系用矩阵的形式表示出来。
矩阵乘法的结果是一个新的向量,这个向量的坐标值是原向量在新的基下 的坐标值。
线性变换的矩阵表示
01
对于一个给定的线性变换,可 以找到一个矩阵,使得该矩阵 左乘任意向量时,等价于对该 向量进行该线性变换。
线性变换的矩阵表示及相似矩阵
线性变换的矩阵表示及相似矩阵
【例5-10】
在上一节【例5-7】的平面解析几何中,定义了将平面 绕原点O逆时针旋转θ角的线性变换Tθ.取定R2中的基 ε1=(1,0)T,ε2=(0,1)T,则容易验证Tθ在这组基下的矩阵即为
(v1,v2,…,vn)=(α1,α2,…,αn)A
线性变换的矩阵表示及相似矩阵
其中vi(i=1,2,…,n)是V中任意的向量.根据定理52,则存在V上的一个线性变换σ,满足
σ(αi)=vi,i=1,2,…,n 由于 [σ(α1),σ(α2),…,σ(αn)] =(v1,v2,…,vn)=(α1,α2,…,αn)A 故矩阵A是σ在基α1,α2,…,αn下的矩阵表示.因此 φ(σ)=A.这样φ是一个满射.
线性变换的矩阵表示及相似矩阵
【例5-11】
在空间R3中,取定一个直角坐标系{O;e1,e2,e3}.对于R3 中的任意一个向量xe1+ye2+ze3,令 ρ(xe1+ye2+ze3)=xe1+ye2,显然ρ是R3的一个线性变换.又 e1,e2,e3是R3的一组基,直接验证可得ρ关于这组基的矩阵 表示为
称式(5-8)的矩阵A为σ在基α1,α2,…,αn下的矩阵表示.
线性变换的矩阵表示及相似矩阵
提示
σ在基α1,α2,…,αn下的矩阵表示A是式(5-7) 右端α1,α2,…,αn的系数矩阵的转置;矩阵A的第j 列(a1j,a2j,…,anj )T就是σ(α j)在基α1,α2,…,αn下 的坐标向量,j=1, 2,… ,n.
线性变换的矩阵表示 及相似矩阵
线性变换的矩阵表示及相似矩阵
第二章线性映射与线性变换
2维空间的线性变换
3维空间的线性变换
§2.1 线性映射及其矩阵表示
定义1 设V1,V2是数域P的两个线性空间,A 是V1到V2
的一个映射,如果对V1中任意两个向量,和任意数kP
I (A)=detA,A P nn
不是线性映射。
线性映射的性质
定理1 设A 是线性空间V1到V2的线性映射,则 (1) A (0)=0, (2) A (-)=-A ()
(3)若1, 2… m 是V1的一组向量,k1, k2,…kmP,有
A (k11+ k22 …+km m)=k1A (1)+ k2A (2)+…+km A (m) (4)若1, 2… m 是V1的一组线性相关向量,则A (1),A (2),
(2)线性变换的数乘:( k T ) ( ) k T ( ) ;
(3)线性变换的乘法:T1T2()=T1(T2())
则可以验证,T1+T2,kT, T1T2都是线性变换,因此L (V,V ) 是数 域P上的线性空间。 注:数乘变换和线性变换的数乘运算是两个不同的概念.
特殊的变换:
(1)对任意的k∈P,定义数乘变换K(x)=kx,
于逆矩阵.
➢L(V,V)与Pnn同构;
例2 设线性空间R3 的线性变换 为
()= ( x1 , x 2 , x 3 ) ( x1 , x 2 , x1 x 2 )
求 在自然基底 1 , 2 , 3下的矩阵.
解: ( 1 ) (1, 0, 0) (1, 0,1)
( 2 ) (0,1,0) (0,1,1)
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
而这个变换的规律显然由矩阵 A 所确定。
例 5.2.1 问以下矩阵对 R 2 上的任意点 x,由 x Ai x ( i 1,2,3,4,5)确定了 什么样的变换?
(1)
A1
1 0
01 ;
(2)
A2
0 1
10 ;
(4)
A4
cos sin
sin cos
;
(5)
A5
1 0
0 0
。
解
(1)由于对任意点
图 5.2.4
所以 A4 确定的变换将任意一个点 x 绕原点旋转了角度 的点 x (见图 5.2.4)。
(5)由于对任意点
x
x y
,有
y
x
x
1 0
00
x y
x 0
,
所以 A5 确定的变换将任意一个点 x 变成它在 x 轴上的
x x
图 5.2.5
投影点 x (见图 5.2.5)。
在上面的讨论中,变换由矩阵 A 确定,因此称 A 为变换矩阵。其中,A1 与 A2 确定的变换称为反射变换或镜像变换, A3 确定的变换称为相似变换( 称为相 似比),而 A4 确定的变换称为旋转变换,A5 确定的变换称为射影变换,它们都属 于最简单的几何变换。
A( x) A(x1, x2 , x3 )
。 T
x12 x22 , x22 x32 , x32 x12
则对于 R ,有
A(x) (x1 )2 (x2 )2 , (x2 )2 (x3 )2 , (x2 )2 (x1 )2 T | | A( x) 。
显然,当 x 0 且 0 时, A(x) A(x),因此 A 不是线性变换。
y x 对称的点 x (见图 5.2.2)。
(3)由于对任意点
x
x y
,有
x
0
0
x y
x y
,
所以 A3 确定的变换将任意一个点 x 变成在它与原点连线
上,与原点距离伸缩为| | 倍的点 x ,当 0 时, x 与 x
x x
图 5.2.2
y
x
x x
在原点同侧;当 0 时, x 点在原点另一侧;当 0 ,
图 5.2.3
x 为原点(见图 5.2.3)。
(4)对任意点
x
x y
,将其记为
r r
cos sin
,则有
x
A4
x y
x
cos sin
sin cos
r r
cos sin
y x
x
x
r r
(cos (sin
cos cos
sin cos
sin sin
) )
r r
cos( sin(
) )
,
§2 线性变换及其矩阵表示
几个简单的几何变换
我们先从 R 2 谈起。容易发现,若给定了一个 2×2 矩阵
A
a11 a21
a12 a22
,
则对平面上任意点(即向量)
x
x y
,通过矩阵与向量的乘 a22
x y
xy
,
可以唯一确定了平面上的一点 x 。 x 可以看成是由 x 经过某种变换得到的点,
若 A 满足线性性质,即对于任意 x,y U 及 , K,成立 A ( x+ y ) = A (x) + A ( y ),
则称 A 为线性空间 U 到 V 上的一个线性变换。 特别地,从线性空间 U 到其自身的线性变换称为 U 上的线性变换。 显然,例 5.2.1 中的五个变换都是 R 2 上的线性变换。 几个最简单的线性变换是: (1)线性空间 U 上的恒等变换(单位变换)I:对于任意 xU,I (x) = x。 (2)线性空间 U 到 V 上的零变换 0:对于任意 xU,0(x) = 0。
从这几个具体例子容易归纳出:
(1)设 x1 和 x2 都是平面上的点,若对它们的线性组合1 x1 2 x2 作上述变 换,可以先对 x1 和 x2 作上述变换后再线性组合,即
Ai (1 x1 2 x2 ) =1 (Ai x1) 2 ( Ai x2 ) 。 也就是说,由矩阵确定的变换都满足线性运算规则。
dx
p(x) q(x) )
= d [ p(x) ] + d [ q(x) ] = D(p)+ D (q),
dx
dx
由定义,D 是 Pn 上的线性变换。
例 5.2.3
求定积分运算
L
(
f
)
=
b
a
f
(x)dx是
C[a,b] 到
R
上的线性变换。实际上,
L 的线性性质就是定积分的线性性质。
例 5.2.4 设映射 A : R3 R3定义为
显然,借助矩阵会给讨论问题带来很大方便。于是自然要问,既然有一个矩 阵就决定了一个变换,那么什么样的变换才可以通过矩阵来表示?进一步,这 样的变换有哪些更一般的性质?下面来回答这些问题。
线性变换及其矩阵表示
定义 5.2.1 设 U,V 是 K 上的线性空间,K 为 R 或 C ,A 是 U 到 V 的映 射,即对于任意 xU,存在唯一的像 zV,使得 A (x) = z。
x
x y
,有
x
1 0
01
x y
x y
,
所以 A1 确定的变换将任意一个点 x 变成它关于 x 轴对
称的点 x (见图 5.2.1)。
(3)
A3
0
0
;
y x
x
x 图 5.2.1
(2)由于对任意点
x
x y
,有
y x y=x
x
0 1
1 0
x y
y x
,
所以 A2 确定的变换将任意一个点 x 变成它关于直线
(2)如需要先将 x 关于直线 y = x 作对称,再旋转角度 ,则有
x
cos sin
sin cos
0 1
1 0
x
cos sin
sin cos
0 1
10 x ,
也就是说,由矩阵确定的变换可以复合,复合的变换矩阵恰是各个变换矩阵的 乘积。
(3)有些变换可以通过相反的过程再变换回去,即变换是可逆的,有些则 不可逆。如上面由 A1 — A4 确定的变换都是可逆的,而 A5 确定的变换不可逆。而 通过观察发现,恰恰 A1 — A4 都是可逆矩阵,而 A5 是不可逆矩阵。因而可以设想, 若矩阵 A 不可逆,那么 A 确定的变换不可逆;若 A 可逆,那么 A 确定的变换可 逆,且确定逆变换的矩阵正是 A1。
定义 5.2.2 设 A 是线性空间 U 到 V 的线性变换,B 是线性空间 V 到 W
例 5.2.2
证明求导运算
D
=
d dx
是
Pn
的上的线性变换。
证 对与 Pn 中的任意元素 p p(x) , p(x) 是不超过 n 次的多项式,于是 D(p)
=
d dx
[
p(
x)
]是不超过
n
1
次的多项式,即
D(p)
Pn
。
对于任意 p(x) , q(x) Pn 及 , R,由求导运算法则,
D( p+ q) = d (