第7章补充01—传递矩阵法祥解

合集下载

《动力学分析中的传递矩阵法》

三、传递矩阵法应用举例
3.2 输液管道的传递矩阵法
横向振动微分方程：
直管横向运动的单元传递矩阵
4 4矩阵
三、传递矩阵法应用举例
3.2 输液管道的传递矩阵法
同时考虑直管单元的轴向振动和横向振动，则单元的场传递矩阵为：
8 8矩阵
三、传递矩阵法应用举例
3.2 输液管道的传递矩阵法
弯曲处的点传递矩阵为：
2 2u 2 u a t 2 x 2
分离变量，将偏微分方程转化为常微分方程，求其通解
u( x, t ) U ( x)e it
U ( x) C cos x D sin x
由通解求出状态矢量中其他状态矢量。
Fu ( x) ES dU ( x) CES sin x DES cos x dx
三、传递矩阵汇报提纲
一、传递矩阵法原理二、传递矩阵法计算步骤
三、传递矩阵法应用举例
一、传递矩阵法原理
传递矩阵法属于一种半解析数值方法。基本思想是把整体结构离散成若干个子单元的对接与传递的力学问题，建立单元两端之间的传递矩阵，利用矩阵相乘对结构进行静力及动力分析。其应用领域涵盖结构的静力分析、动力特性分析（模态分析、稳定性分析）。传递矩阵法具有力学概念清晰，逻辑性强，建模灵活，计算效率高，无需建立系统的总体动力学方程等优点，尤其是可以方便地进行输流管道系统受迫振动响应的计算。
对于管单元i左侧节点而言，x=0。
U ( x) C [ B ( x 0)]1 D Fu ( x) L
对于管单元i右侧节点而言，x=l。
U ( x) C [ B( x l )] F ( x) R D u

《动力学分析中的传递矩阵法》教学文案

汇报人：杨行
汇报提纲
一、传递矩阵法原理二、传递矩阵法计算步骤三、传递矩阵法应用举例
一、传递矩阵法原理
传递矩阵法属于一种半解析数值方法。基本思想是把整体结构离散成若干个子单元的对接与传递的力学问题，建立单元两端之间的传递矩阵，利用矩阵相乘对结构进行静力及动力分析。其应用领域涵盖结构的静力分析、动力特性分析（模态分析、稳定性分析）。
传递矩阵法具有力学概体动力学方程等优点，尤其是可以方便地进行输流管道系统受迫振动响应的计算。
一、传递矩阵法原理
核心在于传递，传递矩阵指的是每个单元的左右两端状态矢量之间的关系，实则是一个线性方程组。传递矩阵包括场矩阵和点矩阵（集中质量、分支点、坐标转换点）。
2u t2
a2
2u x2
分离变量，将偏微分方程转化为常微分方程，求其通解
u(x,t)U(x)eit
U (x ) C c o x sD six n
由通解求出状态矢量中其他状态矢量。
F u (x ) Ed d S (x U )x C E sS ix n D EcS o xs
写成矩阵形式。
U (x )c o sx s inx C C F u (x ) E S s inxE S c o sx D [B (x )] D
则场传递矩阵为：
JXB(x)B1(0)
cosx E Ssinx
sinx 1 E Scosx 0
0 E S 1 E cS ossinxx
c 1 E o S s sin xx
三、传递矩阵法应用举例
3.1 管柱结构的传递矩阵法
边界条件：一端固定，一端自由
Z1,00
FT u1,0
Z(x)B(x)a
消去未知参数a，总的关系式为：得出传递矩阵：

传递矩阵法

传递矩阵法是研究转子系统动力学问题的有效手段。

传递矩阵法还具有其它方法(如摄动有限元素法)无法比拟的优点，例如，在做转子系统的临界转速、阻尼固有频率和稳定性计算分析时，由于流体密封交叉刚度、油膜轴承、阻尼项往往是不对称的，再加上陀螺力矩的影响；这样，用随机有限元素法形成的单元刚度矩阵和系统总体刚度矩矩阵往往也是不对称的，阻尼也不可以简单地以小阻尼或比例阻尼系统来替代，求解这样一个非对称系统的复特征值问题，目前还没有一个较为理想的方法。

而传递矩阵法没有随机有限元法在求解这些的问题时带来的这些困难。

因此，传递矩阵法在转子系统动力学问题的研究中占有主导的地位。

现代控制理论-传递矩阵

设A阵具有不相同的特征值(λi)，如果一个非零的向量pi，满足下式：
λi Pi = APi
称pi为特征向量。
4. 4 状态方程的线性变换
选取不同的状态变量有不同形式的状态方程，两组状态变量之间存在着线性变换。
x& = Ax + bu y = cx
x = px
x& = Ax + bu y = cx
= G(s)U(s) 【传递函数矩阵】
对于多输入多输出系统，初始条件为零时，输出的拉氏变换与输入的拉氏变换之比，称为传递函数矩阵，简称传递矩阵。
这里： G(s) = C(sI − A)−1B + D
(sI − A)−1 = adj[sI − A] sI − A
对于r维输入m维输出系统：
⎡Y1(s)⎤ ⎡G11(s) G12(s) L G1r(s)⎤⎡U1(s)⎤
b) 若A阵为友矩阵，且有n个互不相同的实数特征值λi
⎡0 1 0 L 0 ⎤
⎢ ⎢
0
01
⎥ ⎥
A=⎢ ⎢ ⎢
O
⎥
1
⎥ ⎥
⎢⎣−a0 −a1 L
−an−1 ⎥⎦
sI − A = 0
λi
3
2011-3-10
则下边的范德蒙特矩阵使A对角化
⎡1 1 L 1⎤
⎢ ⎢
λ1
λ2
L
λn
⎥ ⎥
P
=
⎢ ⎢ ⎢
λ12 M
P变换，
变换矩阵： p = [ p1 p2 L pn ]
x = px x& = px& = Ax + bu = Apx + bu
x& = p−1Apx + p−1bu = Ax + bu

东北大学线性代数_第七章课后习题详解线性空间与线性变换

教学基本要求：1.了解线性空间、线性子空间、基、维数、坐标等概念.2.了解基变换和坐标变换，会求过渡矩阵.3.了解线性变换的概念，了解线性变换的矩阵.4.了解内积、欧几里得空间的概念.5.了解规范正交基，会用施密特(Schmidt)正交化法把欧几里得空间中的线性无关向量组规范正交化.第七章线性空间与线性变换(P151)线性空间的理论具有高度的概括性和广泛的应用性，是线性代数的中心内容之一.本章将把在第四章中介绍的R n中的有关概念推广，给出更具一般性的线性空间定义，并讨论线性空间中的“极大线性无关组”与“秩”，介绍线性变换的概念和线性变换的矩阵.一、线性空间的概念及其性质空间是集合，线性空间则是存在“封闭的”线性运算、符合“八条”的集合.线性空间的线性运算与数域密切相关.1. 数域数域K K是一个数集，且(1)0,1∈K；(2) K关于“+,-,×,÷运算”封闭.大家熟知的数域：有理数域Q，实数域R，复数域C.不熟悉的数域：Q(√2)={a+b√2|a,b∈Q}是数域.任意数域都包含有理数域.数域无穷多.2. 线性空间的定义和例子(P152)数域K上的线性空间V K若在非空集合V和数域K上定义了加法“⊕”和数乘法“⊗”两种线性运算：对∀α,β,γ∈V,∀k,l∈K，有唯一的α⊕β∈V和唯一的k⊗α∈V(即运算封闭)，且满足以下八条规律：“⊕”满足交换律α⊕β=β⊕α,∀α,β∈V；“⊕”满足结合律(α⊕β)⊕γ=α⊕(β⊕γ),∀α,β,γ∈V；“⊗”满足分配律k⊗(α⊕β)=(k⊗α)⊕(k⊗β),(k+l)⊗α=(k⊗α)⊕(l⊗α), (kl)⊗α=k⊗(l⊗α),∀α,β∈V,∀k,l∈K；V中有零元素“ο”α⊕ο=α,∀α∈V；每个元素有负元素∀α∈V,∃β∈V,∂α⊕β=ο，并记β=-α；“1⊗V ”的不变性1⊗α=α,∀α∈V ，则称V 是数域K 上的一个线性空间，记作V K .线性空间也称为向量空间，其中的元素(不论其含义如何)也称为向量. P 151第四章提到的向量空间R n 、齐次线性方程组的解空间V 和L(α1,α2,…,αm )都是线性空间.大家应该知悉的线性空间：1. 矩阵集合R m×n ={(a ij )m×n |a ij ∈R}关于通常的矩阵加法和数与向量的乘法是数域R 上的线性空间. (例7.1 P 152)2. 次数小于n 的所有一元多项式的集合{}n 1in i01n 1i 0R[x]a xa ,a ,,a R --==∈∑关于通常的函数加法与数与函数的乘法是数域R 上的线性空间. (例7.2 P 152)3. 一元多项式的集合{}ii i i 0R[x]a x a R +∞==∀∈∑关于通常的函数加法和数与函数的乘法是数域R 上的线性空间. P 1524. 区间[a,b]上所有连续函数的集合C[a,b]关于通常的函数加法与数与函数的乘法是数域R 上的线性空间. (例7.3 P 152)5. 区间[a,b]上具有一阶连续导数的函数的集合C 1[a,b]关于通常的函数加法与数与函数的乘法是数域R 上的线性空间.6. 数域R 按照数的加法和乘法构成数域R 上的线性空间R n . (例7.4 P 152)大家不熟悉的线性空间：7.正实数集合R +={a|a ∈R 且a>0}是数域R 上的线性空间.这里加法“⊕”和数量乘法“⊗”分别定义为：a ⊕b=ab,k ⊗a=a k ,∀a,b ∈R +,∀k ∈R . (例7.5 P 153)两种运算的封闭性易见，“⊕”的交换律、结合律，“⊗”的分配律易验证. R +有零元素1，每个元素a 有负元素a -1，“1⊗R +”具有不变性：1⊗a=a.3. 线性空间的基本性质(P 153)性质1线性空间中的零向量是唯一的.性质2线性空间中的每一个向量的负向量是唯一的. 性质3 0⊗α=ο, (-1)⊗α=-α,∀α∈V ；k ⊗ο=ο,∀k ∈K . 性质4 若k ⊗α=ο，则k =0或α=ο.* 定义和性质的直接意义：若某个集合不符合定义或性质中的任何一条，则它必不是线性空间.哪些集合不是线性空间？1. 数域R上的所有一元二次多项式的集合2ii0122i0V a x a,a,a R a0==∈≠⎧⎫⎨⎬⎩⎭∑且不是线性空间.因为V没有零元素.因为V关于函数的加法运算与数乘法运算均不封闭.2. n元非齐次线性方程组的解集合U={x|A x=β}(A∈R m×n)不是线性空间.因为U没有零元素.因为U没有负元素.因为U关于向量的加法运算与数乘法运算均不封闭.3. n阶实可逆矩阵的集合U={(a ij)n×n|a ij∈R且|(a ij)n×n|≠0}不是线性空间.因为U没有零元素.因为U关于矩阵的加法运算与数乘法运算均不封闭.4. 线性子空间(P154)线性空间V的子空间U若(1)U是V的非空子集；(2)U有与V相同的加法运算和数乘法运算；(3) U是线性空间，则称U是V的一个线性子空间，简称子空间. (定义7.2 P154)线性空间V的两个特殊的子空间：零子空间——只由V中零元素构成的子空间；全空间——V自身.零子空间和全空间称为V的平凡子空间，其他的叫V的非平凡子空间. P154定理7.1设U是线性空间V的非空子集，则U是V的子空间的充分必要条件是U对于V的加法和数乘运算是封闭的. (定理7.1 P154)例如，R n×n中的全体对称矩阵(反对称矩阵、上三角矩阵、下三角矩阵、对角矩阵)构成R n×n的一个子空间，但n阶可逆矩阵(或不可逆矩阵)的集合不是R n×n的子空间.(例7.6 P154)R[x]n是R[x]m(m≥n)的子空间，R[x]m是R[x]的子空间. P155在区间[a,b]上的函数集合C1[a,b]是C[a,b]的子空间. P155这里直接指出：在第三章中讨论n元数组时用到的线性表示、线性相关、线性无关、极大线性无关组和秩等概念都可以推广到线性空间中，由这些定义出发所得到的结论在线性空间中也都成立.设α1,α2,…,αs∈V K是线性空间V K的一组向量，那么集合L(α1,α2,…,αs)={k1α1+k2α2+…+k sαs|k1,k2,…,k s∈K}是线性空间V K的一个子空间，称为由α1,α2,…,αs生成的子空间. P155二、基维数坐标这里直接指出：在第三章中讨论n元数组时用到的线性表示、线性相关、线性无关、极大线性无关组和秩等概念都可以推广到线性空间中，由这些定义出发所得到的结论在线性空间中也都成立.线性空间要么只有零向量，要么有无穷多个向量.有无穷多个向量的线性空间有“极大线性无关组”、“秩”、“坐标”等概念.1. 基维数线性空间的基、维数、坐标的含义如下：基线性空间的“极大线性无关组”. (定义7.3 P155)维数线性空间的“极大线性无关组”中的向量个数. (定义7.3 P155)规定：仅含零向量的线性空间维数为0.如果线性空间有任意多个线性无关的向量，则称为无限维线性空间，维数为+∞. P155例如，R[x],C[a,b]都是无限维的线性空间.n 维数线性空间记为V n .以下仅讨论有限维的线性空间.例如，n 元齐次线性方程组A x =ο的基础解系是其解空间V={x |A x =ο}的基，维数为n-R(A).1,x,x 2,…,x n-1、1,1+x,1+x+x 2,…,1+x+…+x n-1和1,x-1,(x-1)2,…,(x-1)n-1等都是线性空间R[x]n 的基，R[x]n 的维数为n . (例7.7 P 155)100010001000000,,,,,000000000100010⎛⎫⎛⎫⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭⎝⎭⎝⎭000001⎛⎫ ⎪⎝⎭是线性空间R 2×3的一组基，100110,,000000⎛⎫⎛⎫⎪ ⎪⎝⎭⎝⎭111111111111,,,000100110111⎛⎫⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭⎝⎭是R 2×3的另一组基， R 2×3的维数为6. (例7.8 P 156)一般地，R m×n 是m×n 维线性空间.向量组α1,α2,…,αs 的一个“极大线性无关组”是生成空间L(α1,α2,…,αs )的一组基，R(α1,α2,…,αs )是该生成空间的维数.关于基、维数有以下结论：定理7.2设V n 是n 维线性空间，如果V n 中的向量组α1,α2,…,αm 线性无关，那么在V n 中必有n-m 个向量αm+1,αm+2,…,αn ，使得α1,α2,…,αm ,αm+1,αm+2,…,αn 是V n 的一组基. (定理7.2 P 156)定理7.2既说明基的存在性，同时给出得到基的一种方法.推论1 含有非零向量的线性空间存在基. (倒数第12行 P 156) 推论2 非空的欧氏空间存在规范正交基. (正数第11行 P 167)推论3 如果线性空间U 是线性空间V 的子空间，那么R(U)≤R(V).且若R(U)=R(V)，则必有U=V. (推论 P 156)2.坐标坐标向量由基线性表示的一组有序数. (定义7.4 P 156)同一个向量会随基的不同而有不同的坐标.例如，1,x,x 2是线性空间R[x]3的一组基，f(x)=-5x 2+3x-2在基1,x,x 2下的坐标为(-2,3,-5)T .而g(x)=2(x+1)2-3(x-4)-2=2x 2+x+12在基1,x,x 2下的坐标是(12,1,2)T ，在另一个基1,x-4,(x+1)2下的坐标则是(-2,-3,2)T . P 157向量111111⎛⎫⎪⎝⎭在R 2×3中基100020,,000000-⎛⎫⎛⎫⎪ ⎪⎝⎭⎝⎭001000000,,,000400020⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪-⎝⎭⎝⎭⎝⎭0000010⎛⎫ ⎪⎝⎭下的坐标为(-1,1/2,1,1/4,-1/2,1/10)T ，即11110002000111110000000002000000000111 .40002000104210-⎛⎫⎛⎫⎛⎫⎛⎫=-++ ⎪ ⎪ ⎪⎪⎝⎭⎝⎭⎝⎭⎝⎭⎛⎫⎛⎫⎛⎫+-+⎪ ⎪ ⎪-⎝⎭⎝⎭⎝⎭如果向量ξ在基α1,α2,…,αn 下的坐标为(x 1,x 2,…,x n )T ，仿照矩阵乘法，可以“形式地”记为1212n n x x (,,,)x =⎛⎫ ⎪ ⎪ ⎪ ⎪⎝⎭ξααα.3.线性空间的同构(P 157)坐标的引入，使得n 维抽象空间V n 中的元素与n 元有序数组(即通常意义上的向量)一一对应起来，且元素之间的线性运算也保持对应，这称为同构现象.线性空间U 与V 同构线性空间U 与V 的元素之间存在一一对应关系，且元素之间的线性运算也保持对应. (定义7.5 P 157)设U(11,⊕⊗)与V(22,⊕⊗)同构，且α1,α2∈U, β1,β2∈V,k ∈R ，则11221112221122, k k ↔↔⊕↔⊕⊗↔⊗αβαβαβαβαα线性空间的同构关系具有反身性、对称性、传递性. P 157可见，同一数域上的同维线性空间都同构. 同构的线性空间有相同的线性运算性质. P 158例如，R 2×3与R 6同构，有111211121313212223212223a a a a a a a a a a a a ⎛⎫ ⎪ ⎪ ⎪⎛⎫↔ ⎪⎪⎝⎭ ⎪⎪ ⎪ ⎪⎝⎭， 111112121111121213131313212122222323212122222323111211121313212223212223a +b a +b a +b a +b a +b a +b a +b a +b a +b a +b a +b a +b ka ka ka ka ka ka ka ka ka ka ka ka ⎛⎫ ⎪ ⎪ ⎪⎛⎫↔⎪ ⎪⎝⎭ ⎪⎪ ⎪ ⎪⎝⎭⎛⎫ ⎪ ⎪ ⎪⎛⎫↔⎪ ⎪⎝⎭ ⎪⎪ ⎝⎭，.⎪⎪由此可见，R 2×3中向量的线性相关性与在R 6中所对应的向量的线性相关性一致，R 2×3的基与R 6的基对应.三、基变换和坐标变换如果线性空间有非零向量，那么它就有无穷多元素，从而有不同的基，一个元素也会有不同的坐标，由此就有了以下概念.1.基变换(P 158)设α1,α2,…,αn 和β1,β2,…,βn 是线性空间V n 的两组基.基变换基之间的“线性表示”.即(β1,β2,…,βn )=(α1,α2,…,αn )C ， P 144该式称为基变换公式.过渡矩阵构成基变换的矩阵.上式中的C 称为由基α1,α2,…,αn 到基β1,β2,…,βn 的过渡矩阵. (定义7.6 P 159)过渡矩阵是可逆矩阵，因为n=R(β1,β2,…,βn )≤min{R(α1,α2,…,αn ),R(C)}=R(C)≤n.例7.1(例7.9 P 159) 在线性空间R[x]3中，由基1,x,x 2到基1,1+2x,1+2x+3x 2的过渡为(1,1+2x,1+2x+3x 2)=(1,x,x 2)111022003⎛⎫ ⎪ ⎪ ⎪⎝⎭， 111022003⎛⎫⎪ ⎪ ⎪⎝⎭即是由基1,x,x 2到基1,1+2x,1+2x+3x 2的过渡矩阵.例7.2 在线性空间R 2×2中，由基11121001E =,E ,0000=⎛⎫⎛⎫⎪ ⎪⎝⎭⎝⎭21220000E ,E 1001==⎛⎫⎛⎫⎪ ⎪⎝⎭⎝⎭到基121011B ,B ,0000==⎛⎫⎛⎫⎪ ⎪⎝⎭⎝⎭341111B ,B 1011==⎛⎫⎛⎫⎪ ⎪⎝⎭⎝⎭的过渡为 (B 1,B 2,B 3,B 4)=(E 11,E 12,E 21,E 22)1111011100110001⎛⎫⎪⎪ ⎪⎪⎝⎭，1111011100110001⎛⎫⎪⎪ ⎪⎪⎝⎭即是由基E 11,E 12,E 21,E 22到基B 1,B 2,B 3,B 4的过渡矩阵.2.坐标变换(P 159)坐标变换同一个向量在两组基下的坐标之间的变换.定理7.3 如果向量ξ在基α1,α2,…,αn 与基β1,β2,…,βn 下的坐标分别为x 和y ，那么x =C y ，其中C 是由基α1,α2,…,αn 到基β1,β2,…,βn 的过渡矩阵. (定理7.3 P 159)证 12n 12n 1212n(,,,)(,,,)Cn 1212n n y y (,,,)y x x(,,,)x βββαααβββξααα=⎧⎛⎫⎪ ⎪⎪ ⎪⎪ ⎪⎪ ⎪⎪⎝⎭=⇒⎨⎛⎫⎪⎪⎪ ⎪⎪ ⎪⎪⎪⎪⎝⎭⎩x =C y .例7.3 向量(1,2,1)T 在基e 1=(1,0,0)T ,e 2=(0,1,0)T ,e 3=(0,0,1)T 下的坐标为1,2,1，而基e 1,e 2,e 3到基η1=(1,1,1)T ,η2=(1,1,-1)T ,η3=(1,-1,-1)T 的过渡矩阵为111C 111111=---⎛⎫⎪ ⎪ ⎪⎝⎭，即(η1,η2,η3)=(e 1,e 2,e 3)C ，于是(1,2,1)T 在基η1,η2,η3下的坐标(x 1,x 2,x 3)T 满足(1,2,1)T =C(x 1,x 2,x 3)T .所以(x 1,x 2,x 3)T =C -1(1,2,1)T =(1,1/2,-1/2)T ，其中11011C 0112110-=--⎛⎫ ⎪⎪⎪⎝⎭.也可以直接求向量(1,2,1)T 在基η1,η2,η3下的坐标.设(1,2,1)T =(η1,η2,η3)(x 1,x 2,x 3)T ，得 (x 1,x 2,x 3)T =(η1,η2,η3)-1(1,2,1)T111111111212111112-=-=---⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭.例7.4(例7.10 P 159) 设121011B ,B ,0000==⎛⎫⎛⎫⎪ ⎪⎝⎭⎝⎭341111B ,B 1011==⎛⎫⎛⎫⎪ ⎪⎝⎭⎝⎭是线性空间R 2×2中的一组基，求向量12A 34=⎛⎫⎪⎝⎭在基下的坐标.解方法一向量A 在R 2×2中基11121001E =,E ,0000=⎛⎫⎛⎫ ⎪ ⎪⎝⎭⎝⎭21220000E ,E 1001==⎛⎫⎛⎫ ⎪ ⎪⎝⎭⎝⎭下的坐标为(1,2,3,4)T，及基B 1,B 2,B 3,B 4由1112212210010000E =,E ,E ,E 00001001===⎛⎫⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭⎝⎭过渡的过渡矩阵为11110111C 00110001=⎛⎫ ⎪⎪ ⎪⎪⎝⎭，所以向量A 在基B 1,B 2,B 3,B 4下的坐标(y 1,y 2,y 3,y 4)T =C -1(1,2,3,4)T =(-1,-1,-1,4)T ，即A=-B 1-B 2-B 3+4B 4.方法二设A=y 1B 1+y 2B 2+y 3B 3+y 4B 4，则1234y 11111y 20111y 30011y 40001=⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎪ ⎪ ⎪⎪ ⎪⎝⎭⎝⎭⎝⎭，所以11234y 111111y 011121y 001131y 000144---==-⎛⎫⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎪ ⎪ ⎪ ⎪⎪ ⎪ ⎪ ⎪⎪ ⎪⎝⎭⎝⎭⎝⎭⎝⎭. 故向量A 在基B 1,B 2,B 3,B 4下的坐标为(-1,-1,-1,4)T .四、线性变换及其矩阵表示线性空间V 到自身的映射称为V 的变换，能够保持线性运算关系的变换是线性变换，它反映线性空间的向量之间重要的、最基本的联系.1.线性变换线性空间V K 的线性变换T 满足线性运算的映射T: V K →V K ：T(α⊕β)=T(α)⊕T(β), T(k ⊗α)=k ⊗T(α),∀α,β∈V K ,∀k ∈K.(定义7.7 P 160)例7.5(例7.11 P 160) 线性空间R n×n 中的映射：T(A)=A T , A ∈R n×n ，是R n×n 中的一个线性变换.例7.6(例7.12 P161) 设A∈R n×n，线性空间R n中的映射：T(α)=Aα, α∈R n是R n中的一个线性变换.例7.7(例7.13 P161) 线性空间R[x]n中的微商运算：D(f(x))=f’(x), f(x)∈R[x]n是R[x]n中的一个线性变换.微商运算不是线性空间C1[a,b]的线性变换.例7.8(例7.14 P161) 设λ∈R，线性空间V n中的映射：T(α)=λα, α∈V n是V n中的一个线性变换. 当λ=1，称T是恒等变换；当λ=0，称T是零变换.线性变换的性质：P161(1)T(ο)=ο；(2)T(-α)=-T(α)；(3)T(k1α1+k2α2+…+k sαs)=k1T(α1)+k2T(α2)+…+k s T(αs).* T(α)=ο推不出α=ο.2.线性变换的矩阵线性变换的像线性空间的元素经线性变换映射的结果.T(α)是元素α经线性变换T : α→T(α)的像.线性变换在基下的矩阵以基表示基的像的矩阵(下式中的A称为线性变换T在基α1,α2,…,αn下的矩阵). (定义7.8 P162)(T(α1),T(α2),…,T(αn))=(α1,α2,…,αn)A.记(T(α1),T(α2),…,T(αn))T(α1,α2,…,αn)，那么 T(α1,α2,…,αn )=(α1,α2,…,αn )A .像在基下的坐标设α=x 1α1+x 2α2+…+x n αn ，并记x =(x 1,x 2,…,x n )T ，则T(α)=T(x 1α1+x 2α2+…+x n αn )=x 1T(α1)+x 2T(α2)+…+x n T(αn )=(T(α1),T(α2),…,T(αn ))x =(α1,α2,…,αn )A x ，所以像T(α)在基下的坐标为A x .例7.9(例7.15 P 162) 在线性空间R[x]n 中，求微商变换D 在基1,x,x 2,…,x n-1下的矩阵. 解由D(1)=0, D(x)=1,D(x 2)=2x,…,D(x n-1)=(n-1)x n-2，有(D(1),D(x),D(x 2),…,D(x n-1))=(0,1,2x,…,(n-1)x n-2)=(1,x,x 2,…,x n-1)01000020000n 1000-⎛⎫⎪ ⎪⎪ ⎪ ⎪ ⎪⎝⎭. 故微商变换D 在基1,x,x 2,…,x n-1下的矩阵为01000020000n 1000-⎛⎫⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭.类似地可得微商变换D 在基1,x,x 2/2!,…,x n-1/(n-1)!下的矩阵为10000100001000⎛⎫⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭.例7.10(例7.16 P 163) 求线性空间R 2×2中的线性变换：T(X)=X T , X ∈R 2×2在基111221100100E =,E ,E ,000010==⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭2200E 01=⎛⎫⎪⎝⎭下的矩阵. 解由T(E 11)=E 11, T(E 12)=E 21, T(E 21)=E 12, T(E 22)=E 22，得 T(E 11,E 12,E 21,E 22)=(E 11,E 21,E 12,E 22)=(E 11,E 12,E 21,E 22)100000101000001⎛⎫⎪⎪ ⎪⎪⎝⎭.100000101000001⎛⎫ ⎪⎪ ⎪⎪⎝⎭即为线性变换T 在基E 11,E 12,E 21,E 22下的矩阵.例7.11(例7.17 P 163)定理7.4(同一线性变换在不同基下的矩阵之间的关系) 设T 是线性空间V n 的线性变换，A,B 分别是T 在基α1,α2,…,αn 和β1,β2,…,βn 下的矩阵，那么B=C -1AC ，其中C 是由基α1,α2,…,αn 到基β1,β2,…,βn 的过渡矩阵. (定理7.4 P 164)证由 T(α1,α2,…,αn )=(α1,α2,…,αn )A ，T(β1,β2,…,βn )=(β1,β2,…,βn )B ， (β1,β2,…,βn )=(α1,α2,…,αn )C ，得T(β1,β2,…,βn )=T((α1,α2,…,αn )C)=T(α1,α2,…,αn )C=(α1,α2,…,αn )AC =(β1,β2,…,βn )C -1AC.由于线性变换在基下的矩阵唯一，所以B=C -1AC.定理7.4表明，一个线性变换在不同的基下的矩阵相似.例7.12(例7.18 P 165) 设线性空间V 2中的线性变换T 在基α1,α2下的矩阵为12A 05=⎛⎫⎪⎝⎭，求线性变换T 在基β1=α1+2α2,β2=2α1+5α2下的矩阵.解方法一因为(β1,β2)=(α1,α2)1225⎛⎫⎪⎝⎭, T(α1,α2)=(α1,α2)A ，所以T 在基β1,β2下的矩阵为 112121251025052501B -⎛⎫⎛⎫⎛⎫⎛⎫== ⎪ ⎪⎪ ⎪⎝⎭⎝⎭⎝⎭⎝⎭.方法二因为(β1,β2)=(α1,α2)1225⎛⎫⎪⎝⎭, T(α1,α2)=(α1,α2)A，所以T(β1,β2)=T(α1,α2)1225⎛⎫⎪⎝⎭=(α1,α2)A1225⎛⎫⎪⎝⎭=(β1,β2)-1121212250525⎛⎫⎛⎫⎛⎫⎪ ⎪⎪⎝⎭⎝⎭⎝⎭=(β1,β2)51001⎛⎫⎪⎝⎭，所以T在基β1,β2下的矩阵为51001⎛⎫ ⎪⎝⎭.五、欧氏空间具有度量性质的实线性空间——EuclidV空间(欧氏空间).1.定义和例子首先给出线性空间上的度量定义——内积.内积设V是实数域R上的一个线性空间，在V上定义一个二元函数，记作[α,β]，如果它满足：对∀α,β,γ∈V,∀k∈R，有(1) [α,β]=[β,α](对称性)；(2) [α+β,γ]=[α,γ]+[β,γ], [kα,β]=k[α,β](线性性)；(3) [α,α]≥0.且仅当α=ο时，[α,α]=0(正定性)，则称这个二元函数[α,β]是V上的内积. (定义7.9 P165)Euclid空间定义了内积的实线性空间. (定义7.9 P165)例如，向量空间R n中的内积，除了在第三章已定义的形式：[α,β]=a1b1+a2b2+…+a n b n，(这是常用形式)还可以定义为[α,β]=a1b1+2a2b2+…+na n b n.对应不同内积的欧氏空间被认为是不同的欧氏空间. P166例7.13(例7.19 P166) 在线性空间R[x]n中，定义[f(x),g(x)]=∫-11 f(x)g(x)dx, f(x),g(x)∈R[x]n.[f(x),g(x)]是R[x]n 中的内积，因此R[x]n 是欧氏空间.例7.14 在线性空间R m×n 中，定义mnij ij i 1j 1[A,B]a b ===∑∑, A=(a ij )n ,B=(b ij )n ∈R m×n .[A,B]是R m×n 中的内积，因此R m×n 是欧氏空间. P 166有了内积，在欧氏空间中就可以引入向量长度、向量的夹角等度量性的概念，而且有与R n 中的对应概念完全类似的性质.向量的长(或范数) |α. (定义7.10 P 166)|k α|=k|α|,∀α∈V n ,∀k ∈R .单位向量|α|=1.若α∈V n 且α≠ο，则α/|α|是单位向量. (规范性)向量的夹角<α,β>=arcos([α,β]/|α|·|β|), 0≤<α,β>≤π, α≠ο,β≠ο.(定义7.11 P 166) 易见，<α,β>=π/2 ⇔[α,β]=0, α≠ο,β≠ο.向量正交[α,β]=0. (定义7.12 P 166) 零向量与任意向量正交. 2.规范正交基在Euclid 空间中还有以下概念及结论：规范向量组向量长度皆为1的向量组.正交向量组/规范正交向量组向量均非零且互相正交(/既规范又正交)的向量组. (定义7.13 P 167)定理7.5 正交向量组必线性无关. (定理7.5 P 167)正交基/规范正交基由正交(/规范正交)向量组成的基. (定义7.14 P 167)定理7.6 在欧氏空间中，如果向量组α1,α2,…,αm 线性无关，则有规范正交向量组ε1,ε2,…,εm 与之等价. (定理7.6 P 167)定理7.6表明：任意非零欧氏空间都存在规范正交基.得到规范正交基的方法——Schmidt 正交化法.在欧氏空间中，规范正交基之间的过渡矩阵是正交矩阵.例7.15(例7.20 P 167) 在线性空间R[x]3中，按例7.13定义内积，求R[x]3的一个规范正交基. 解取R[x]3中的一个基：α1=1,α2=x,α3=x 2，令 β1=α1=1，β2=α2-([α2,β1]/[β1,β1])β1=x ，β3=α3-([α2,β1]/[β1,β1])β1-([α2,β2]/[β2,β2])β2=x 2-1/3. 再规范化，得规范正交基：ε1=√2/2,ε2=√6x/2,ε3=3√10(x 2-1/3)/4.六、应用实例[实例7-1]线性变换在二维计算机图形学中的应用 1. 旋转变换x cos sin x y sin cos y 'θ-θ⎛⎫⎛⎫⎛⎫= ⎪ ⎪⎪'θθ⎝⎭⎝⎭⎝⎭，即coc sin 0x x sin coc 0y y 00111'θ-θ⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪'=θθ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭，表示点(x,y)绕原点逆时针旋转θ角得到点(x ,,y ,)，换句话说，坐标系绕原点顺时针旋转θ角，点(x,y)在新坐标系下即为点(x ,,y ,).旋转变换是正交变换.2.伸缩变换x c x y c y '⎛⎫⎛⎫⎛⎫= ⎪ ⎪⎪'⎝⎭⎝⎭⎝⎭，即c0x x c 0y y 111'⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪'=⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭.3.平移变换00x x x y y y '+⎛⎫⎛⎫= ⎪ ⎪'+⎝⎭⎝⎭，即00001x x x x x 1y y y y y 111 1'+⎛⎫⎛⎫⎛⎫⎛⎫ ⎪ ⎪⎪ ⎪'==+⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭⎝⎭.线性变换的复合是线性变换.[实例7-2]调味品配制问题七、习题(P 173) 选择题： 1. A提示：线性空间必有零元素，所以R n 的子空间必包含原点. 2. A提示：(α1+α2,α2+α3,α3+α1)=(α1,α2/2,α3/3)101220033⎛⎫⎪⎪ ⎪⎝⎭.3. A提示：T(α1,α2,…,αn )=(α1,α2,…,αn )A.4.C (注意：当n>2，B 选项也不正确.)5.D (参见例7.20) 填空题：1. a=6提示：α1,α2线性无关，且121012101210110211021102211a 330a 000a 6---⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪→→ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪-⎝⎭⎝⎭⎝⎭2. 3提示：3阶反对称矩阵1213122313230a a a 0a a a 0⎛⎫⎪- ⎪ ⎪--⎝⎭中不同的数有3个. 3.-6,1,1提示：f(x)=x 2+2x-3=(x 2+x+2)+(x+1)-64.2312⎛⎫⎪--⎝⎭提示：(β1,β2)=(α1,α2)C ，即1111C 1201⎛⎫⎛⎫= ⎪ ⎪-⎝⎭⎝⎭.5.012122111⎛⎫ ⎪--- ⎪ ⎪⎝⎭提示：T(α1,α2,α3)=(000111,,010101--⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭) =(101111,,000001⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭)012122111⎛⎫ ⎪--- ⎪⎪⎝⎭解答题：1.(1)V={P(x)|P(x)=ax 2+bx+cx,a,b,c ∈R,a≠0}不是线性空间.因为若P(x)∈V ，则-P(x) ∈V ，但P(x)+(-P(x))=0∉V ，即V 关于多项式的加法运算不封闭. 因为P(x)∈V,0∈R ，但0·P(x)=0∉V ，即V 关于数与多项式的乘法运算不封闭. 因为V 没有零元素：P(x),-P(x)∈V ，但P(x)+(-P(x))=0∉V.(2)V={x |A x =β,β≠ο}不是线性空间.因为x ,y ∈V ，但x +y ∉V ，即V 关于向量的加法运算不封闭.因为x ∈V,0∈R ，但0x =ο∉V ，即V 关于数与向量的乘法运算不封闭. 因为V 没有负元素：x ∈V ，但-x ∉V. 因为V 没有零元素：A ο≠β，故ο∉V.(3)V={A|A ∈R n×n 且|A |≠0}不是线性空间.因为若A ∈V ，则-A ∈V ，但A +(-A)=O ∉V ，即V 关于矩阵的加法运算不封闭. 因为A ∈V,0∈R ，但0A=O ∉V ，即V 关于数与矩阵的乘法运算不封闭. 因为V 没有零元素：A ∈V ，则-A ∈V ，但A +(-A)=O ∉V .(4)V 1={A|A ∈R 3×3且A=A T }是线性空间. 因为V 1⊂R 3×3，R 3×3是线性空间，且A,B ∈V 1, k ∈R ⇒ A+B ∈V 1, kA ∈V 1，所以V 1是R 3×3的子空间.因此V 1是线性空间.V 2={A|A ∈R 3×3且A=-A T }是线性空间. 因为V 2⊂R 3×3，R 3×3是线性空间，且A,B ∈V 2, k ∈R ⇒ A+B ∈V 2, kA ∈V 2，所以V 2是R 3×3的子空间.因此V 2是线性空间.(5) V={X|XA=AX, A=1002⎛⎫⎪⎝⎭, X ∈R 2×2}是线性空间. 设X=a b c d ⎛⎫⎪⎝⎭，则由XA=AX ⇒X=a d ⎛⎫⎪⎝⎭.由于R 2×2是线性空间，且A,B ∈V, k ∈R ⇒ A+B ∈V, kA ∈V ，所以V 是R 2×2的子空间. 因此V 是线性空间.2. (4)V 1的一组基为100000000000,010,000,000000001⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭ 010*********,001,000000010100⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭， R(V 1)=6.V 2的一组基为010*********,001000000010100--⎛⎫⎛⎫⎛⎫⎪ ⎪⎪- ⎪ ⎪⎪ ⎪ ⎪⎪⎝⎭⎝⎭⎝⎭，R(V 2)=3.(5)V 的一组基为10,01⎛⎫⎛⎫⎪ ⎪⎝⎭⎝⎭，R(V)=2.3. 提示：即求α1,α2,α3,α4的“极大线性无关组”及其“秩”.4. (1) V1是R n的子空间.因为V1⊂R n，且∀x=(0,x2,…,x n)T,y=(0,y2,…,y n)T∈V1, k∈R，有x+y=(0,x2+y2,…,x n+y n)T∈V1,k x=(0,kx2,…,kx n)T∈V1.(2)V2不是R n的子空间.因为x=(1,x2,…,x n)T,y=(1,y2,…,y n)T∈V2，但x+y=(2,x2+y2,…,x n+y n)T∉V2.因为x∈V2, k∈R，但0x=(0,0,…,0)T∉V2.因为V2没有零元素：(0,0,…,0)T∉V2.因为V2没有负元素：x=(1,x2,…,x n)T∈V2，但-x=(-1,-x2,…,-x n)T∉V2.(3)V3是R n的子空间.因为V3⊂R n，且∀x=(x1,x2,…,x n)T,y=(y1,y2,…,y n)T∈V3, k∈R，有x+y=(x1+y1,x2+y2,…,x n+y n)T,k x=(kx1,kx2,…,kx n)T,其中x1+y1+x2+y2+…+x n+y n=0, kx1+kx2+…+kx n=0，所以kx1,kx2,…,kx n∈V3, k x∈V3.(4)V4不是R n的子空间.因为x=(1,0,…,0)T, y=(0,1,…,0)T∈V4，但x+y=(1,1,…,0)T∉V4.因为x∈V4, k∈R，但0x=(0,0,…,0)T∉V4.因为V4没有负元素：例如x=(1,0,…,0)T∈V4，但-x=(-1,0,…,0)T∉V4.(5)V5是R n的子空间.因为V5⊂R n，且∀x=(x,2x,…,nx)T, y=(y,2y,…,ny)T∈V5, k∈R，有x+y=(x+y,2(x+y),…,n(x+y))T∈V5,k x=(kx,2kx,…,nkx)T∈V5.(6)V6是R n的子空间.因为V6⊂R n，且∀x=(x1,y1,…,y1)T, y=(x2,y2,…,y2)T∈V6, k∈R，有x+y=(x1+x2,y1+y2,…,y1+y2)T∈V6,k x=(kx1,ky1,…,ky1)T∈V6.5. (1) V1是n-1维线性空间.e2,e3,…,e n是V1的一组基.因为x=(0,x2,…,x n)T=x2e2+ x3e3+…+x n e n.(3)V3是n-1维线性空间.(1,0,…,0,-1)T, (0,1,…,0,-1)T,…, (0,0,…,1,-1)T是V3的一组基.因为x=(x1,x2,…,x n)T∈V3，总有(x1,x2,…,x n)T=x1(1,0,…,0,-1)T+x2(0,1,…,0,-1)T+…+x n-1(0,0,…,1,-1)T.(5)V5是1维线性空间，x=(1,2,…,n)T是V5的一组基.因为x=(x,2x,…,nx)T=x(1,2,…,n)T.(6) V6是2维线性空间，(1,0,…,0,0)T, (0,1,…,1,1)T是V6的一组基.因为x=(x,y,…,y)T=x(1,0,…,0,0)T+y(0,1,…,1,1)T.6. 提示：(1)由于α1,α2,α3,α4∈R4，且(α1,α2,α3,α4)11111111212101411110020101110111----⎛⎫⎛⎫ ⎪ ⎪---⎪ ⎪=→⎪ ⎪-- ⎪ ⎪⎝⎭⎝⎭111111110111011100230023007400013----⎛⎫⎛⎫ ⎪ ⎪⎪ ⎪→→⎪ ⎪---- ⎪ ⎪-⎝⎭⎝⎭所以R(α1,α2,α3,α4)=4，故α1,α2,α3,α4是线性空间R4的一组基.(2)设β=(α1,α2,α3,α4)x.由于(α1,α2,α3,α4,β)10001010020010100013⎛⎫⎪⎪→⎪-⎪⎝⎭行变换，所以β在基α1,α2,α3,α4下的坐标为(1,2,-1,3)T.7. 提示：1,(x-a),(x-a)2,…,(x-a)n-1∈R[x]n.令k1+k2(x-a)+…+k n(x-a)n-1=0，显然有k1,k2,…,k n=0，故1,(x-a),(x-a)2,…,(x-a)n-1线性无关.设∀f(x)=a0+a1x+…+a n-1x n-1∈R[x]n，则f(x)=f(a)+f’(a)(x-a)+…+f(n-1)(a)(x-a)(n-1)/n!.因此，1,(x-a),(x-a)2,…,(x-a)n-1是线性空间R[x]n的一组基，且f(x)=1+x+…+x n-1在此基下的坐标为(1+a+…+a n-1, 1+2a+…+(n-1)a n-2,…,1)T.8. 提示：(1)设(β1,β2,β3)=(α1,α2,α3)C，则过渡矩阵C=(α1,α2,α3)-1(β1,β2,β3)=…(2)设α=(α1,α2,α3)x，则α在基α1,α2,α3下的坐标为x=(α1,α2,α3)-1α=…设α=(β1,β2,β3)y，则α在基β1,β2,β3下的坐标为y=(β1,β2,β3)-1α=……或y=(β1,β2,β3)-1α=C-1(α1,α2,α3)-1α=C-1x=……9. 提示：(1)(α1,α2,α3)=(1,1+x,1+x+x2)=(1,x,x2)111 011 001⎛⎫ ⎪ ⎪ ⎪⎝⎭⇒过渡矩阵C=111011001⎛⎫ ⎪⎪ ⎪⎝⎭.(2)因为3+2x+x 2=(1,x,x 2)321⎛⎫ ⎪ ⎪ ⎪⎝⎭=(α1,α2,α3)1111310112100111-⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪= ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭，所以向量3+2x+x 在基α1,α2,α3下的坐标为(1,1,1)T .10. 提示：(1)、(3)、(4)是；(2)不是.(注：当n≠2时，(4)不是.)(2)因为T(A+B)=A+B+1101⎛⎫ ⎪⎝⎭=T(A)+T(B)-1101⎛⎫⎪⎝⎭≠T(A)+T(B).因为T(kA)=kA+1101⎛⎫ ⎪⎝⎭≠k A+k 1101⎛⎫ ⎪⎝⎭=kT(A) (当k≠1).(4)设A=11122122a a a a ⎛⎫ ⎪⎝⎭,B=11122122b b b b ⎛⎫ ⎪⎝⎭，则A *=22122111a a a a -⎛⎫⎪-⎝⎭,B *= 22122111b b b b -⎛⎫ ⎪-⎝⎭,(A+B)*=2222121221211111a b (a b )(a b )a b +-+⎛⎫ ⎪-++⎝⎭，且T(A+B)=(A+B)*=A *+B *,T(kA)=(kA)*=kT(A).11. 提示：首先求基在线性变换T 下的像：T(E 11),T(E 12),T(E 21),T(E 22)，然后将其表示为T(E 11,E 12,E 21,E 22)=(E 11,E 12,E 21,E 22)C ，那么C 即为所求矩阵.(1)T(E 11,E 12,E 21,E 22)=(1111⎛⎫ ⎪--⎝⎭,0101⎛⎫ ⎪-⎝⎭,1111⎛⎫ ⎪⎝⎭,0101⎛⎫⎪⎝⎭)=(E 11,E 12,E 21,E 22)1010111110101111---⎛⎫ ⎪⎪ ⎪⎪⎝⎭，所以线性变换T 在该基下的矩阵为1010111110101111---⎛⎫ ⎪⎪ ⎪⎪⎝⎭.(3) T(E 11,E 12,E 21,E 22)=(2000⎛⎫ ⎪⎝⎭,0110⎛⎫ ⎪⎝⎭,0110⎛⎫ ⎪⎝⎭,0002⎛⎫⎪⎝⎭)=(E 11,E 12,E 21,E 22)2000011001100002⎛⎫⎪⎪⎪ ⎪⎝⎭. 所以线性变换T 在该基下的矩阵为2000011001100002⎛⎫⎪⎪⎪⎪⎝⎭.(4)T(E 11,E 12,E 21,E 22)=(0001⎛⎫⎪⎝⎭,0100-⎛⎫ ⎪⎝⎭,0010⎛⎫ ⎪-⎝⎭,1000⎛⎫⎪⎝⎭) =(E 11,E 12,E 21,E 22)000010000101000⎛⎫⎪- ⎪ ⎪-⎪-⎝⎭１. 所以线性变换T 在该基下的矩阵为000010000101000⎛⎫⎪-⎪ ⎪-⎪-⎝⎭１.12. 提示：T(ε1)=(1,1,1)T , T(ε2)=(2,-1,1)T , T(ε3)=(0,0,1)T ，T(ε1,ε2,ε3)=( (1,1,1)T , (2,-1,1)T , (0,0,1)T )=(ε1,ε2,ε3)120110111⎛⎫ ⎪- ⎪ ⎪⎝⎭.则120110111⎛⎫⎪- ⎪ ⎪⎝⎭即为所求矩阵.13. 提示：(1)因为T(ε1,ε2,ε3)=(ε1,ε2,ε3)120111011-⎛⎫⎪- ⎪ ⎪-⎝⎭，所以线性变换T 在基ε1,ε2,ε3下的矩阵为120111011-⎛⎫⎪- ⎪ ⎪-⎝⎭.(2)因为(η1,η2,η3)=(ε1+ε2+ε3,ε1+ε2,ε1)=(ε1,ε2,ε3)111110100⎛⎫⎪⎪⎪⎝⎭，所以T(η1,η2,η3)=T(ε1,ε2,ε3)111 110 100⎛⎫ ⎪ ⎪ ⎪⎝⎭=(ε1,ε2,ε3)120111011-⎛⎫⎪-⎪⎪-⎝⎭111110100⎛⎫⎪⎪⎪⎝⎭=(η1,η2,η3)1111110100-⎛⎫⎪⎪⎪⎝⎭120111011-⎛⎫⎪-⎪⎪-⎝⎭111110100⎛⎫⎪⎪⎪⎝⎭=010 111 012⎛⎫ ⎪ ⎪⎪--⎝⎭，所以线性变换T在基η1,η2,η3下的矩阵为010 111 012⎛⎫ ⎪ ⎪⎪--⎝⎭.14. 提示：依题意有T(ε1,ε2,ε3)=(ε1,ε2,ε3)111213212223313233a a aa a aa a a⎛⎫ ⎪ ⎪ ⎪⎝⎭.(1)因为(ε3,ε2,ε1)=(ε1,ε2,ε3)001010100⎛⎫⎪⎪⎪⎝⎭，所以T(ε3,ε2,ε1)=T(ε1,ε2,ε3)001 010 100⎛⎫ ⎪ ⎪ ⎪⎝⎭=(ε1,ε2,ε3)111213212223313233a a aa a aa a a⎛⎫⎪⎪⎪⎝⎭001010100⎛⎫⎪⎪⎪⎝⎭=(ε3,ε2,ε1)1111213212223313233001a a a001 010a a a010 100a a a100-⎛⎫⎛⎫⎛⎫ ⎪ ⎪⎪ ⎪ ⎪⎪ ⎪ ⎪⎪⎝⎭⎝⎭⎝⎭=(ε3,ε2,ε1)111213212223313233001a a a 001010a a a 010100a a a 100⎛⎫⎛⎫⎛⎫⎪⎪⎪ ⎪⎪⎪ ⎪⎪⎪⎝⎭⎝⎭⎝⎭=(ε3,ε2,ε1)333231232221131211a a a a a a a a a ⎛⎫⎪ ⎪ ⎪⎝⎭333231232221131211a a a a a a a a a ⎛⎫⎪⎪ ⎪⎝⎭即为所求矩阵. (2)因为(ε1,k ε2,ε3)=(ε1,ε2,ε3)1000k 0001⎛⎫⎪⎪ ⎪⎝⎭，所以T(ε1,k ε2,ε3)=T(ε1,ε2,ε3)1000k 0001⎛⎫ ⎪⎪ ⎪⎝⎭=(ε1,ε2,ε3)111213212223313233a a a a a a aa a ⎛⎫⎪ ⎪ ⎪⎝⎭1000k 0001⎛⎫ ⎪ ⎪ ⎪⎝⎭=(ε1,k ε2,ε3)11000k 0001-⎛⎫ ⎪ ⎪ ⎪⎝⎭111213212223313233a a a a a a a a a ⎛⎫⎪ ⎪ ⎪⎝⎭1000k 0001⎛⎫⎪ ⎪ ⎪⎝⎭=(ε1,k ε2,ε3)10001k 0001⎛⎫ ⎪ ⎪ ⎪⎝⎭111213212223313233a a a a a a a a a ⎛⎫⎪ ⎪ ⎪⎝⎭1000k 0001⎛⎫ ⎪ ⎪ ⎪⎝⎭=(ε1,k ε2,ε3)111213212223313233a ka a a k a a k a ka a ⎛⎫⎪ ⎪ ⎪⎝⎭，所以111213212223313233a ka a a k a a k a ka a ⎛⎫⎪⎪ ⎪⎝⎭即为所求矩阵. (3)因为(ε1+ε2,ε2,ε3)=(ε1,ε2,ε3)100110001⎛⎫⎪⎪ ⎪⎝⎭，所以T(ε1+ε2,ε2,ε3)=T(ε1,ε2,ε3)100110001⎛⎫ ⎪⎪ ⎪⎝⎭=(ε1,ε2,ε3)111213212223313233a a a a a a aa a ⎛⎫⎪ ⎪ ⎪⎝⎭100110001⎛⎫ ⎪ ⎪ ⎪⎝⎭=(ε1+ε2,ε2,ε3)1100110001-⎛⎫ ⎪ ⎪ ⎪⎝⎭111213212223313233a a a a a a a a a ⎛⎫⎪ ⎪ ⎪⎝⎭100110001⎛⎫⎪ ⎪ ⎪⎝⎭=(ε1+ε2,ε2,ε3)100110001⎛⎫ ⎪- ⎪ ⎪⎝⎭111213212223313233a a a a a a a a a ⎛⎫⎪ ⎪ ⎪⎝⎭100110001⎛⎫ ⎪ ⎪ ⎪⎝⎭=(ε1+ε2,ε2,ε3)11121213211122122212231331323233a a a a a a a a a a a a a a a a +⎛⎫⎪-+--- ⎪ ⎪+⎝⎭，所以11121213211122122212231331323233a a a a a a a a a a a a a a a a +⎛⎫⎪-+--- ⎪ ⎪+⎝⎭即为所求矩阵.15.提示：T(x 2e x ,2xe x ,e x )=((x 2+2x)e x ,(x+1)e x ,e x )=(x 2e x ,xe x ,e x )100210011⎛⎫ ⎪⎪ ⎪⎝⎭，100210011⎛⎫⎪ ⎪ ⎪⎝⎭即为所求矩阵.16.提示：(α1,α2,α3,α4)=2141r r r 2r 11101110102101110111011123110111--⎛⎫⎛⎫ ⎪ ⎪- ⎪ ⎪→ ⎪ ⎪---- ⎪ ⎪---⎝⎭⎝⎭()3242123r r r r r r r 11110121011101110000000000000000++-⨯-⎛⎫⎛⎫ ⎪⎪---- ⎪ ⎪→→ ⎪ ⎪ ⎪⎪⎝⎭⎝⎭，故由α1,α2,α3,α4生成的子空间V 的一组基为(1,1,0,2)T ,(1,0,1,3)T .正交化：(1,0,1,3)T -7(1,1,0,2)T /6=(-1,-7,6,4)T /6 // (-1,-7,6,4)T 单位化：√6(1,1,0,2)T /6,√102(-1,-7,6,4)T /102.故空间V 的一组规范正交基为√6(1,1,0,2)T /6, √102(-1,-7,6,4)T /102.17. 提示：先求出一个基础解系，然后正交化、规范化.18. 证明 []T A A ,A (A )A α=αα=ααT T T (A A)=αα=αα=α.19. 提示：(1)关于y 轴对称；(2)投影到x 轴； (3)关于直线y=x 对称； (4)逆时针旋转900.20. 提示：由T(A,B,C,D)=(A ’,B ’,C ’,D ’)，有T((x,y)T )=A(x,y)T .(1)T((x,y)T )=(-x,y)T =10x 01y -⎛⎫⎛⎫⎪⎪⎝⎭⎝⎭；(2)T((x,y)T )=(x,2y)T =10x 02y ⎛⎫⎛⎫⎪⎪⎝⎭⎝⎭； (3)T((x,y)T )=(2x+2y,-x+y)T =22x 11y ⎛⎫⎛⎫⎪⎪-⎝⎭⎝⎭.21. 参见P 171页上的例7.21.八、计算实践实践指导：(1)理解线性空间、线性子空间、基、维数和坐标等概念，会求线性空间的基、维数和坐标；(2)了解基变换和坐标变换，会求基的过渡矩阵； (3)了解线性变换的概念，会求线性变换的矩阵；(4)了解内积、Euclid 空间的概念，会用施密特（Schmidt ）方法将线性无关的向量组正交标准化； (5)了解标准正交基、正交矩阵的概念及它们的性质，会求标准正交基.例7.1 设A,B 都是n 阶正交矩阵，证明： (1) A T 是正交矩阵；(2)A -1是正交矩阵； (3)AB 是正交矩阵；(4)A O O B ⎛⎫ ⎪⎝⎭是正交矩阵.提示：(1)A 是正交矩阵 ⇒A T A=E ⇒A T (A T )T =E ⇒A T 是正交矩阵. (2)A 是正交矩阵⇒A -1(A T )-1=A -1(A -1)T =E ⇒A -1是正交矩阵. (3) AB 是正交矩阵⇒AB(AB)T =ABB T A T =E ⇒AB 是正交矩阵.(4) AB 是正交矩阵⇒TT T A O A O A O A O E O B O B O B OB ⎛⎫⎛⎫⎛⎫⎛⎫==⎪ ⎪⎪ ⎪⎝⎭⎝⎭⎝⎭⎝⎭⇒A O O B ⎛⎫⎪⎝⎭是正交矩阵.例7.2 设A=(a ij )n 为正交矩阵，证明： (1)det(A)=1或det(A)=-1；(2)当det(A)=1时，a ij =A ij ；当det(A)=-1时，a ij =-A ij ，其中A ij (i, j=1,2,…,n )是元素a ij 的代数余子式. 提示：A 是正交矩阵 ⇔A T A=E ⇒det 2(A)=1⇒det(A)=±1. 另一方面，由A *A=det(A)E ，得A *=det(A)A -1=det(A)A T ，故ij ij ijij A a , A 1,A a ,A 1.⎧==⎪⎨=-=-⎪⎩当当例7.3 设A,B 都是n 阶正交矩阵，且det(A)+det(B)=0，证明：det(A+B)=0. 提示：det(A)+det(B)=0 ⇒det(A)·det(B)=-1. 再由 B T (A+B)A T =B T +A T =(A+B)T⇒det(B)·det (A+B)·det(A)=det (A+B) ⇒-det (A+B)=det (A+B) ⇒det (A+B)=0。

传递矩阵法matlab程序

传递矩阵法matlab程序传递矩阵法是一种用于计算机程序中传递和操作矩阵的方法，在Matlab中，它被广泛应用于矩阵运算和数据处理等领域。

本文将介绍传递矩阵法的原理和在Matlab中的具体实现。

传递矩阵法是一种通过矩阵传递来操作数据的方法。

它的基本原理是将需要进行操作的数据存储在矩阵中，然后通过矩阵的传递，实现对数据的处理和计算。

这种方法的优势在于可以利用矩阵的高效运算能力，简化程序的编写和调试过程。

在Matlab中，可以使用矩阵操作函数来实现传递矩阵法。

例如，可以使用矩阵的乘法运算来实现矩阵的传递。

假设我们有两个矩阵A 和B，我们希望将矩阵A的数据传递给矩阵B，可以使用如下的Matlab代码实现：```B = A;```这样，矩阵B就完全复制了矩阵A的数据。

通过这种方式，我们可以在程序中传递矩阵，进行各种操作和计算。

除了简单的传递，传递矩阵法还可以实现更复杂的操作。

例如，可以通过传递矩阵进行矩阵的相加、相减、相乘等运算。

假设我们有两个矩阵A和B，我们希望将它们相加得到矩阵C，可以使用如下的Matlab代码实现：```C = A + B;```这样，矩阵C的每个元素都等于矩阵A和矩阵B对应元素的和。

通过传递矩阵法，我们可以很方便地实现这样的矩阵运算。

除了矩阵的运算，传递矩阵法还可以用于数据处理和分析。

例如，可以通过传递矩阵来实现数据的转置、截取、排序等操作。

假设我们有一个矩阵A，我们希望将它的每一列按照从大到小的顺序进行排序，可以使用如下的Matlab代码实现：```B = sort(A,'descend');```这样，矩阵B的每一列都按照从大到小的顺序进行了排序。

通过传递矩阵法，我们可以在Matlab中进行各种复杂的数据处理和分析。

传递矩阵法在Matlab中的应用非常广泛。

无论是矩阵运算、数据处理还是图像处理，都可以通过传递矩阵法来实现。

它不仅提高了程序的效率和可读性，还简化了程序的编写和调试过程。

传递矩阵法

• 传递矩阵法：线性振动的近似计算方法
传递矩阵法适用于计算链状结构的固有频率和主振型
多个圆盘的扭振，连续梁，气轮机和发电机的转轴系统
特征：可简化为无质量的梁上带有若干个集中质量的横向振动系统特点：将链状结构划分为一系列单元，每对相邻单元之间的传递矩阵的阶数等于单元的运动微分方程的阶数，因此传递矩阵法对全系统的计算分解为阶数很低的各个单元的计算，然后加以综合，从而大大减少计算工作量。（1）轴盘扭转振动系统（2）梁的横向弯曲振动系统
第 i 个梁段左端与第i-1梁段右端状态变量的传递关系：
1 li li /(2 Ei I i ) li /(6 Ei I i ) y y 2 0 1 li /( Ei I i ) li /(2 Ei I i ) 0 0 M M 1 li F 0 1 s i 0 0 Fs i 1
Z0R H0P Z0L , Z1LA H1f Z0R , Z1RA H1P Z1LA , Z2R H2Z1RA , Z3R H3Z2R
• 这时需要考虑分支系统对齿轮A的影响，重新推导。
• 假定齿轮A、B的转动惯量可以忽略不计，其传动比为 n，由于是外啮合，则其转角关系为： 1B n1A R • 扭矩关系为： M1R A nM1B • 分支系统的传递关系为： Z R H Z R
M 1 A
R
1 2 2 n I4 2 1 I4 k4
0 L 1 M 1 A
其中
1 2 2 n I4 P H1 2 I 4 1 k4
0 1
L
I1
1 R R 1 1 1 k 98 2 M I M M 2 2 2 2 I 1 1 1 9.8 1 9.8 / 98 k 1 R R 1 1 R 1 k 98 2 M M 2 2 3 2 I 1 I M 2 19.6 1 19.6 / 196 2 k

多体系统传递矩阵法及其应用

多体系统传递矩阵法及其应用多体系统是由许多互相作用的体组成的复杂体系，如分子、原子、晶体等。

传递矩阵法是一种处理多体系统的方法，它能够高效地计算多体系统在空间中的相互作用关系，是现代物理学研究中不可或缺的重要手段。

传递矩阵法最早应用于固体物理领域中的声子传输问题。

其基本思想是通过计算相邻体间的相互作用关系，得出整个体系中体与体之间的传递矩阵。

具体来说，传递矩阵法假设每个体以弹性球体为模型，并将每个弹性球体中储存的平面波能量互相传递，形成整个体系中的传递矩阵。

这种方法在研究固体中光声声子的传输、声子光子的散射等问题中具有重要的应用价值。

除了固体物理领域，传递矩阵法还广泛应用于原子、分子的电子结构计算以及化学反应机理的模拟等领域。

计算和分析分子/团簇数据在化学特异性中的作用是大量分子和聚集体计算化学和物理学领域的重要问题。

基于传递矩阵法可以对分子结构、物理特性以及从催化到切削的各种机械和电子反应进行分析和预测。

在实际应用中，传递矩阵法的计算和建模过程也面临着许多挑战，如有限的计算能力、模型精度等问题。

为了解决这些问题，一些改进的传递矩阵法，如多重散射和Greens函数方法等也被提出，以提高计算精度和效率。

同时，也有越来越多的科研工作者尝试将传递矩
阵法与机器学习等前沿技术相结合，从而拓展传递矩阵法的应用范围和精度，实现更加智能化的计算和数据分析。

总之，传递矩阵法在物理、化学、材料学、和计算机科学等领域都扮演着重要的角色。

通过该方法，我们可以更加深入地理解多体系统内部的相互作用关系，进而更好地预测和优化系统的性质和行为，为理论和实践应用提供了新的思路和创新性解决方案。

传递矩阵法分类教学内容

传递矩阵法分类
典型的传递矩阵计算方法有Myklestad-Prohl 传递矩阵法和Riccati 传递矩阵法。

Myklestad-Prohl 传递矩阵法有很多优点，如矩阵的维数不会随着转子系统的自由度数的增加而增加、计算效率高、程序设计简单、占用内存少等等，所以在实际工程中得到了很广泛的应用。

但是，这种方法在大量应用的过程中，人们发现这种方法也存在一些问题，就是当计算的频率较高、或者结构支承的刚度很大、或者结构的自由度较多时，会出现数值不稳定的现象，从而使计算分析结果的精度大大下降［2~3,39〜40］。

为此，1978年Horner和Pilley提出了Riccati 传递矩阵法［39］，这种方法保留了Myklestad-Prohl 传递矩阵法的全部优点，且计算精度高，数值上也比较稳定。

Riccati 传递矩阵法在使用过程中遇到的另一个问题是在特征根的搜索过程中剩余量有许多无穷大奇点，因此可能产生增根现象，1987年王正在研究了这一现象后给出了这种奇点的消除方法［40］。

第7章补充01—传递矩阵法分析

k
3)
2 4
J
2
k
2
2
J
4
J k
4 2 J
k
4
3
2
1 J k
2)
2020年10月18日
X S X R
R
i 《振i动力i学1》
1
Si 2 Ji
1/ ki
1 2 (Ji / k8 i )
线性振动的近似计算方法 / 传递矩阵法
两端边界条件： T1L T3R 0
(i)
i
mi 1
mi
li Ei Ii
第 i 个梁段受力分析
平衡条件：
FL s,i
FR s,i1
M
L i
MR i1
FsR,i1li
梁段两端位移和转角分析
设第i个梁段距离左端x远的截面的弯矩、转角和挠度分别为：
M i (x)，i (x)，yi (x)
第 i 个单元
li
y
M
L i
L i
FR s,i1
MR i 1
J2
令： 1 1
第一个圆盘左端状态：
T
L 1
1 0
第一个圆盘右端状态：
T
R 1
1
2
J
01 1
1 0
2J
k2 J3
2020年10月18日
X
R i
SiP
X
L i
《振动力学》
SiP
1
2 Ji
7
0 1
线性振动的近似计算方法 / 传递矩阵法
k1 k2 k J1 J2 J J3 2J
X
R i
SiP
SiF
X
R i 1

传递矩阵法

第 i 个梁段左端与第i-1梁段右端状态变量的传递关系：
1 li li /(2 Ei I i ) li /(6 Ei I i ) y y 2 0 1 li /( Ei I i ) li /(2 Ei I i ) 0 0 M M 1 li 0 1 Fs i 0 0 Fs i 1
M iL
：盘转角
2
M：盘侧面扭矩
i i 当圆盘以频率作简谐振动时，有：
代入圆盘运动微分方程即：
M iR M iL 2 Iii
2 I M i i 1
R
第i个圆盘左右两侧状态向量的传递关系：点传递矩阵
1 H 2 Ii
（2）梁的横向弯曲振动系统
ZiL1 ZiR1
(i 1)
i
ZiL
ZiR
(i )
mi 1
mi
li Ei I i
第 i 个单元传递矩阵法可用于分析梁的横向弯曲振动一个典型单元包括一个无质量梁段和一个集中质量。第 i 个梁段长 li，抗弯刚度 EiIi，集中质量为mi。状态变量构成：
X (y
ZiR HiP ZiL ZiL HiF ZiR 1
第i-1个圆盘右侧到第 i 个圆盘右侧的状态变量传递关系：
R Z iR H iP Z iL H iP H if Z iR H Z 1 i i 1
单元传递矩阵
1 Hi H H 2 I i
P i F i
Z0R H0P Z0L , Z1LA H1f Z0R , Z1RA H1P Z1LA , Z2R H2Z1RA , Z3R H3Z2R

传递矩阵法

传递矩阵法
传递矩阵法，也称为状态转移矩阵法，是一种用来求解动态规划问题的方法。

它是将原问题分成多段子问题，每一段子问题都可以用状态转移矩阵表示，最后把多个子问题求解出来，并最终组合在一起，得到最优解的方法。

传递矩阵法是动态规划中最常使用的一种方法，它的核心思想是：将原问题分解成小问题，然后将小问题求解出来，最后再组合在一起，求出最优解。

传递矩阵法的具体步骤如下：
1、分析问题：对需要求解的问题进行分析，找出问题的目标函数，状态转移方程式，以及约束条件。

2、构建状态转移矩阵：根据上述分析结果，构建状态转移矩阵，并填充状态转移方程式中的变量，形成状态转移矩阵。

3、求解状态转移矩阵：对状态转移矩阵进行求解，根据问题的特点，可以采用递推法、回溯法、逐步增加法等求解方法，求解出状态转移矩阵。

4、解决问题：根据求解出来的状态转移矩阵，解决问题，得到最优解。

传递矩阵法是一种求解动态规划问题的非常常用的方法，其优点是可以将原问题分解成小问题，并将小问题求
解出来，最后再组合在一起，求出最优解，比较简单易行。

但是其缺点也很明显，需要分析的问题必须能够被分解成小问题。

此外，传递矩阵法的时间复杂度依然较大，所以在解决复杂问题时，可能会遇到时间上的限制。

传递矩阵

4.传递矩阵法4.1传递矩阵法对泵轴的弯曲振动分析如图所示，将主轴简化个简支梁模型，一端固定，另一端自由n 级阶梯圆柱。

在最右端作用有弯矩n M ，轴向力n N 。

各阶柱长度为i L ，惯性矩为i I ，弹性模量为E ，这些量为已知量。

1）现用传递矩阵法研究阶梯柱。

将阶梯轴分成若干单元。

按照截面的不同，将阶梯轴分成12,,.......n x x x 个单元。

使每一节轴的截面相等。

2）去其中1x 单元进行受力分析，得出该单元的传递矩阵。

1.单元的受力情况，坐标系统和质量值如图所示。

把该单元每个横截面上的挠度y 、转角0=y '、弯矩M 、铀向力N 构成一状态矢量{()}[(),(),(),()]T U x y x y x M x N x '=。

如在该单元的x=0的截面上状态矢量为00000{},,,TU y y M N ⎡⎤'=⎣⎦，在x=1L 的截面上状态矢量为1]111{},,,T U y y M N '⎡⎤=⎣⎦。

该单元任一截面x 的弯矩0()()o o M x M N y y =--其绕曲线微分方程为10()()o o EI y x M N y y ''=+-4-1-1将（4-1-1）整理简化，（其中211oN k EI =）。

2201101()M y k y k y N ''+=+4-1-2 利用在结构力学中的常系数微分方程的初参数解，求出4-1-2式的通解为下式00111sin (1cos )o oy My y k x k x k N '=++- 4-1-3对4-1-3求导得：111cos sin ooM y y k x k k x N ''=+ 4-1-4对4-1-4求导：21110sin cos o l M y y k k x k k x N '''=-+ 4-1-5 故101111()sin cos N o M x EI y y EI k k x M k x '==-+ 4-1-6 由x 轴方向的平衡条件可得：01()N N N x ==4-1-7由4-1-3，4-1-4，4-1-6，4-1-7得矩阵形式11111001111011110sin 1cos 10()()sin 0cos 0()0sin cos 0()0000k x k x k EI k y y x y y x k x k x EI k M M x EI k k xk x N N x -⎡⎤⎢⎥⎧⎫⎧⎫⎢⎥⎪⎪⎪⎪''⎢⎥⎪⎪⎪⎪=⎨⎬⎨⎬⎢⎥⎪⎪⎪⎪⎢⎥⎪⎪⎪⎪⎢⎥-⎩⎭⎩⎭⎢⎥⎣⎦4-1-8或写成 10{()}[()]{}U x W x U = 4-1-9(9)式中{ U}o,{ U(x)}分别为该单元始端截面及任一截面的状态矢量。

传输矩阵法

传输矩阵法一、传输矩阵法概述 1. 传输矩阵在介绍传输矩阵的模型之前，首先引入一个简单的电路模型。

如图1(a)所示，在(a)中若已知A 点电压及电路电流，则我们只需要知道电阻R ，便可求出B 点电压。

传输矩阵具有和电阻相同的模型特性。

(a)(b)图1 传输矩阵模型及电路模拟模型如图1(b)所示，有这样的关系式存在：E 0=M(z)E 1。

M(z)即为传输矩阵，它将介质前后空间的电磁场联系起来，这和电阻将A 、B 两点的电势联系起来的实质是相似的。

图2 多层周期性交替排列介质传输矩阵法多应用于多层周期性交替排列介质（如图2所示）， M(z)反映的介质前后空间电磁场之间的关系，而其实质是每层薄膜特征矩阵的乘积，若用j M 表示第j 层的特征矩阵，则有：1 2 3 4 …… j …… N（1）其中，（2）j δ为相位厚度，有（3）如公式（2）所示，j M 的表示为一个2×2的矩阵形式，其中每个矩阵元都没有任何实际物理意义，它只是一个计算结果，其推导过程将在第二部分给出。

2. 传输矩阵法在了解了传输矩阵的基础上，下面将介绍传输矩阵法的定义：传输矩阵法是将磁场在实空间的格点位置展开，将麦克斯韦方程组化成传输矩阵形式，变成本征值求解问题。

从其定义可以看出，传输矩阵法的实质就是将麦克斯韦方程转化为传输矩阵，也就是传输矩阵法的建模过程，具体如下：利用麦克斯韦方程组求解两个紧邻层面上的电场和磁场，从而可以得到传输矩阵，然后将单层结论推广到整个介质空间，由此即可计算出整个多层介质的透射系数和反射系数。

传输矩阵法的特点：矩阵元少（4个），运算量小，速度快；关键：求解矩阵元；适用介质：多层周期性交替排列介质。

二、传输矩阵的基础理论——薄膜光学理论 1.麦克斯韦方程组麦克斯韦方程组由四个场量：D 、E 、B 、H ，两个源量：J 、ρ以及反映它们之间关系的方程组成。

而且由媒质方程中的参数ε、μ、σ反映介质对电磁场的影响。

利用传递矩阵法和Riccati传递矩阵法分析转子临界转速

利用传递矩阵法和Riccati 传递矩阵法分析转子临界转速一、所需求解转子参数将转子简化为如下所示：三个盘的参数为：1232221232221230.0160.050.0160.0120.0250.012P P P d d d I kg m I kg m I kg m I kg m I kg m I kg m ⎪=⋅=⋅=⋅⎨⎪=⋅=⋅=⋅⎩ 另，阶梯轴的三段轴的截面惯性矩分别为： 414243 1.73.20.9J cm J cm J cm ⎧=⎪=⎨⎪=⎩三段轴的单位长度轴段的质量分别为：1232.45/3.063/1.587/m kg m m kg m m kg m =⎧⎪=⎨⎪=⎩二、试算转轴的传递矩阵取试算转速1200/p rad s ω== ; 则，各轴段的传递矩阵分别为：第1段840.061.7102.45/l m J m m kg m -=⎧⎪=⨯⎨⎪=⎩1 1.0006e+000 6.0007e-002 5.2943e-007 1.0588e-008 3.7356e-002 1.0006e+000 1.7649e-005 5.2943e-007 6.3506e+003 1.2701e+002 1.0006e+000 6.0007e-002 2.1170e+005 6.3506e+003 3.7356e-002 H = 1.0006e+000⎧⎪⎪⎨⎪⎪⎩ 第2段840.153.2103.063/l m J m m kg m -=⎧⎪=⨯⎨⎪=⎩2 1.0145e+000 1.5044e-001 1.7595e-006 8.7927e-008 3.8782e-001 1.0145e+000 2.3506e-005 1.7595e-006 4.9669e+004 2.4821e+003 1.0145e+000 1.5044e-001 6.6353e+005 4.9669e+004 3.8782e-001 H = 1.0145e+000⎧⎪⎪⎨⎪⎪⎩ 第3段840.053.2103.063/l m J m m kg m -=⎧⎪=⨯⎨⎪=⎩3 1.0002e+000 5.0002e-002 1.9531e-007 3.2552e-009 1.4358e-002 1.0002e+000 7.8128e-006 1.9531e-007 5.5135e+003 9.1890e+001 1.0002e+000 5.0002e-002 2.2054e+005 5.5135e+003 1.4358e-002 H = 1.0002e+000⎧⎪⎪⎨⎪⎪⎩ 第4段840.033.2103.063/l m J m m kg m -=⎧⎪=⨯⎨⎪=⎩4 1.0000e+000 3.0000e-002 7.0313e-008 7.0313e-010 3.1013e-003 1.0000e+000 4.6875e-006 7.0313e-008 1.9848e+003 1.9848e+001 1.0000e+000 3.0000e-002 1.3232e+005 1.9848e+003 3.1013e-003 H = 1.0000e+000⎧⎪⎪⎨⎪⎪⎩ 第5段840.10.9101.587/l m J m m kg m -=⎧⎪=⨯⎨⎪=⎩5 1.0053e+000 1.0011e-001 2.7788e-006 9.2607e-008 2.1163e-001 1.0053e+000 5.5614e-005 2.7788e-006 1.1430e+004 3.8094e+002 1.0053e+000 1.0011e-001 2.2877e+005 1.1430e+004 2.1163e-001 H = 1.0053e+000⎧⎪⎪⎨⎪⎪⎩ 第6段840.060.9101.587/l m J m m kg m -=⎧⎪=⨯⎨⎪=⎩6 1.0007e+000 6.0008e-002 1.0000e-006 2.0000e-008 4.5706e-002 1.0007e+000 3.3338e-005 1.0000e-006 4.1137e+003 8.2272e+001 1.0007e+000 6.0008e-002 1.3714e+005 4.1137e+003 4.5706e-002 H = 1.0007e+000⎧⎪⎪⎨⎪⎪⎩ 此6段传递矩阵均采用MATLAB 编程求解，MATLAB 的源文件为H.m 三、采用传递矩阵法进行各段轴的状态参数的传递初始参数列阵为:0101010120101012011Pd d X X I I p M p I Q mp x θθωθ⎛⎫⎛⎫ ⎪⎪ ⎪ ⎪ ⎪=⎛⎫ ⎪-- ⎪⎪ ⎪ ⎪⎝⎭⎝⎭ ⎪⎝⎭令011X =，则初始矩阵可化为：010*******.046e θθ⎛⎫⎪⎪ ⎪ ⎪⎝⎭以初始矩阵乘第一轴段的传递矩阵，则可得第一段轴的终端状态参数：1011011011010.06306+ 1.0541.102 +5890 3.0885 26566.0 5..7062556k k k k e e X M Q θθθθθ⎛⎫⎛⎫⎪ ⎪ ⎪ ⎪= ⎪ ⎪ ⎪ ++⎪⎝⎭⎝⎭由于考虑支座的支撑刚度系数变化从5101*101*10，先取51*10，那么100001000010001KK k⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥-⎣⎦，此处510k =，则可得支座A 后第2段的起始端参数阵为： 020102010201560201 0.06306 + 1.0541.102 + 5890.0 3.088*10260.2 5.149*2.01076X M Q θθθθθ⎛⎫⎛⎫ ⎪ ⎪ ⎪ ⎪= ⎪ ⎪⎪ ++⎪⎝⎭⎝⎭用第2段的传递矩阵乘此矩阵，可得第2段终端参数：20120120120166 0.2402+ 2.4721.282 + 19.11900.0 1.147*1099133.0 6.170477*1k k k k X M Q θθθθθ⎛⎫⎛⎫ ⎪ ⎪ ⎪ ⎪= ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭++用中间圆盘的传递矩阵乘第2段终端参数阵，即可得第3段起始端参数：03010306103016307010.2402 + 2.472 1.282 + 1958022.0 1.848*102.52*10 3.11*10.47X M Q θθθθθ+⎛⎫⎛⎫ ⎪ ⎪ ⎪ ⎪= ⎪ ⎪⎪ ⎭⎝⎭+⎪⎝ 用第3段传递矩阵乘其始端参数矩阵：'013'013'013'6356017 0.3238 + 3.9092.231+ 401.855*10 3.419*102.581*10 3.178*10.02k k k k X M Q θθθθθ⎛⎫⎛⎫ ⎪ ⎪⎪ ⎪= ⎪ ⎪⎪ ⎪⎪⎝⎭++⎝⎭ 用上式乘以支座刚度矩阵，得其终端参数：01305667130130130.3238 + 3.9092.231 + 40.01.855*10 3.419*102.549*10 3.1392*10k k k k X M Q θθθθθ⎛⎫⎛⎫⎪ ⎪⎪ ⎪= ⎪ ⎪⎪ ⎪ ⎝⎭⎭+⎪+⎝ 则，根据可得： ,则可得支座B 后第4段的起始端参数阵为：560104010401040104670.3238 + 3.9092.231 + 40.01.855*10 3.419*102.549*10 3.139*102X M Q θθθθθ⎛⎫⎛⎫ ⎪ ⎪⎪ ⎪= ⎪ ⎪⎪ ⎪⎪⎝⎭⎝++⎭ 同上，用此段轴的传递函数乘其起始端的状态参数，可得：4014014014015667 0.4056 + 5.372 3.281 + 582.626*10 4.369*102.597*10 3..172*20k k k k X M Q θθθθθ+⎛⎫⎛⎫⎪ ⎪ ⎪ ⎪= ⎪ ⎪⎪ ⎪⎝⎭⎝⎭+则，根据40k M =可得：01-16.64θ= 则，可得第5段的起始参数矩阵：050750505-1.3753.69601.12*10X M Q θ⎛⎫⎛⎫ ⎪ ⎪ ⎪ ⎪= ⎪ ⎪ ⎪ ⎭⎝-⎪⎝⎭ 其中，5θ为铰链处的转角。

传递函数矩阵分析

常设： N(s)为q p阵
1．若
N (s) N (s)R(s) D(s) D(s)R(s)
R(s)
称
右
公
因
式
；
若
N (s) D(s)
L(s) N (s) L(s)D(s)
L(s)称左公因式；
第17页，本讲稿共52页
2．最大公因式：
gcrd（右）：（1）R(s)是 N(s),D(s)的公因式；
第4页，本讲稿共52页
定理 6-1：方阵 Q(s)为单模阵，当且仅当Q1(s) 也是一个多项式矩阵。
证：” ”： Q(s)为单模矩阵 Q1(s) 为多项式；
∵Q(s)为单模矩阵，
1
∴detQ(s)=c，故 Q1(s) =adjQ(s)/detQ(s)= c adjQ(s) ∵adjQ(s)为多项式，∴ Q1(s) 也为多项式
第2页，本讲稿共52页
多项式阵的一般性质
1．线性相关与无关
称 p 个多项式 q1 (s), q2 (s) q p (s) 线性相关，当且仅当存
在一组不全为 0 的多项式1(s) p (s) 使 1 (s)q1 (s) 2 (s)q2 (s) p (s)q p (s) 0 成立。
0
0
1,k1 (s)
1,k2 (s) 2,k2 (s)
1,k3 (s) 2,k3 (s)
1,kr (s) 2,kr (s)
QH
(
S
)
0
0
0
3,k3 (s)
3,kr (s)
r,kr (s)
0
0
0
第10页，本讲稿共52页
算法（化 Q(s)为 QH (s) 的方法为初等变换）：见书 394 页 H 矩阵的特点：（1）前 r 行为非零行，后（q-r）行为零行；（2）每行最左边元素为首一多项式；（3）矩阵为梯形结构；

传输矩阵法

传输矩阵法一、传输矩阵法概述 1. 传输矩阵在介绍传输矩阵的模型之前，首先引入一个简单的电路模型。

如图1(a)所示，在(a)中若已知A 点电压及电路电流，则我们只需要知道电阻R ，便可求出B 点电压。

传输矩阵具有和电阻相同的模型特性。

(a)(b)图1 传输矩阵模型及电路模拟模型如图1(b)所示，有这样的关系式存在：E 0=M(z)E 1。

M(z)即为传输矩阵，它将介质前后空间的电磁场联系起来，这和电阻将A 、B 两点的电势联系起来的实质是相似的。

传输矩阵法的特点：矩阵元少（4个），运算量小，速度快；关键：求解矩阵元；适用介质：多层周期性交替排列介质。

而且由媒质方程中的参数ε、μ、σ反映介质对电磁场的影响。

第7章 补充01—传递矩阵法祥解

《动力学分析中的传递矩阵法》

《动力学分析中的传递矩阵法》教学文案

传递矩阵法

现代控制理论-传递矩阵

东北大学线性代数_第七章课后习题详解线性空间与线性变换

传递矩阵法matlab程序

传递矩阵法

多体系统传递矩阵法及其应用

传递矩阵法分类教学内容

第7章 补充01—传递矩阵法分析

传递矩阵法

传递矩阵法

传递矩阵

传输矩阵法

利用传递矩阵法和Riccati传递矩阵法分析转子临界转速

传递函数矩阵分析

传输矩阵法

第7章补充01—传递矩阵法祥解

第7章补充01—传递矩阵法分析