线性代数第五章 线性变换PPT课件
合集下载
线性空间与线性变换重要PPT课件
(5) a a;
(6) a ( a) ( a);
(7) a b a b;
(8) 1 a a1 a.
故在该加法和数乘运算下,对应集合构成实 数域上的线性空间。
第11页/共66页
注:线性空间的元素统称为“向量”,但它可以 是通常的向量,也可以是矩阵、多项式、函数等.
线性空间的简单性质:
若 (II) 组中的每个向量都能由向量组 (I) 线性表 示, 则称向量组 (II) 可由向量组 (I)线性表示, 若向量组 (I) 与向量组 (II) 能相互线性表示, 则 称这两个向量组等价.
性质 设A, B,C是向量组,则
(1)反身性:A与A等价 (2)对称性:A与B等价,则B与A等价 (3)传递性: A与B等价,B与C等价,则A与C等价.
即r(A)=2<3,故Ax=0存在非零解.
同理,对 1, 2 ,令
k11 k22 0
即
kk1120k2 0
k1 5k2 0
得k1 k2 0. 故 1, 2 线性无关.
注:向量组只包含两个非零向量 1,时2,则
1,2线性相关 ,使2 =1或1=2
第24页/共66页
线性相关性的判定
定理1 n维列向量组 1,2, ,s线性相关的充要条
特别地,当集合中定义的加法和乘数运算是通常 的实数间的加乘运算,则只需检验对运算的封闭性.
第7页/共66页
例1 实数域上的全体 m n 矩阵,对矩阵的加法
和数乘运算构成实数域上的线性空间,记作 Rmn.
Amn Bmn Cmn , Amn Dmn ,
易验证加法和数乘满足八条运算律.
Rmn是实数域上的线性空间.
3.1 线性空间的定义与性质
常见的几何空间:
(6) a ( a) ( a);
(7) a b a b;
(8) 1 a a1 a.
故在该加法和数乘运算下,对应集合构成实 数域上的线性空间。
第11页/共66页
注:线性空间的元素统称为“向量”,但它可以 是通常的向量,也可以是矩阵、多项式、函数等.
线性空间的简单性质:
若 (II) 组中的每个向量都能由向量组 (I) 线性表 示, 则称向量组 (II) 可由向量组 (I)线性表示, 若向量组 (I) 与向量组 (II) 能相互线性表示, 则 称这两个向量组等价.
性质 设A, B,C是向量组,则
(1)反身性:A与A等价 (2)对称性:A与B等价,则B与A等价 (3)传递性: A与B等价,B与C等价,则A与C等价.
即r(A)=2<3,故Ax=0存在非零解.
同理,对 1, 2 ,令
k11 k22 0
即
kk1120k2 0
k1 5k2 0
得k1 k2 0. 故 1, 2 线性无关.
注:向量组只包含两个非零向量 1,时2,则
1,2线性相关 ,使2 =1或1=2
第24页/共66页
线性相关性的判定
定理1 n维列向量组 1,2, ,s线性相关的充要条
特别地,当集合中定义的加法和乘数运算是通常 的实数间的加乘运算,则只需检验对运算的封闭性.
第7页/共66页
例1 实数域上的全体 m n 矩阵,对矩阵的加法
和数乘运算构成实数域上的线性空间,记作 Rmn.
Amn Bmn Cmn , Amn Dmn ,
易验证加法和数乘满足八条运算律.
Rmn是实数域上的线性空间.
3.1 线性空间的定义与性质
常见的几何空间:
线性代数——线性变换
例1.对下列矩阵A实施初等行变换把A化成阶梯形矩 阵.
2 1 1 1 1 1 1 2 A 4 6 2 2 3 6 9 7
2 r1 r2 4 r3 2 4 9 1 1 2
1 2 1 1 1 2 3 1 1 3 6 9 7
三、小结
1. 矩阵秩的概念
2. 求矩阵秩的方法 (1)利用定义 (即寻找矩阵中非零子式的最高阶数); (2)初等变换法
(把矩阵用初等行变换变成为行阶梯形矩阵,行 阶梯形矩阵中非零行的行数就是矩阵的秩).
思考题
设 A 为任一实矩阵 R( A A)与R( A)是否相等? ,
T
思考题解答
答 相等.
因为对于任一实向量 0, 当Ax 0时, x
0 1 0 0
0 0 0 0
0 0 1 0
0 0 0 0
c3 c 4
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 0
0 0 I 0 0
矩阵 I 称为矩阵 A 的标准形.
特点: I的左上角是一个单位矩阵,其余元素全
为零.
0 3 3 4 3
1 4 1 1 2 1 r2 (3) 0 1 1 2 3 0 5 5 3 6 0 3 3 4 3
1 1 4 1 1 2 r 5r 1 2 0 0 1 1 2 3 3 r 3r 4 2 0 5 5 3 6 0 0 3 3 4 3 0
1. 对调两行或两列; 2. 以数 k 0 乘某行或某列; 3. 以数 k 乘某行(列)加到另一 行(列)上去.
1、 对调两行或两列 对调 E 中第 i , j 两行,即 ( ri rj ),得初等方阵
2 1 1 1 1 1 1 2 A 4 6 2 2 3 6 9 7
2 r1 r2 4 r3 2 4 9 1 1 2
1 2 1 1 1 2 3 1 1 3 6 9 7
三、小结
1. 矩阵秩的概念
2. 求矩阵秩的方法 (1)利用定义 (即寻找矩阵中非零子式的最高阶数); (2)初等变换法
(把矩阵用初等行变换变成为行阶梯形矩阵,行 阶梯形矩阵中非零行的行数就是矩阵的秩).
思考题
设 A 为任一实矩阵 R( A A)与R( A)是否相等? ,
T
思考题解答
答 相等.
因为对于任一实向量 0, 当Ax 0时, x
0 1 0 0
0 0 0 0
0 0 1 0
0 0 0 0
c3 c 4
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 0
0 0 I 0 0
矩阵 I 称为矩阵 A 的标准形.
特点: I的左上角是一个单位矩阵,其余元素全
为零.
0 3 3 4 3
1 4 1 1 2 1 r2 (3) 0 1 1 2 3 0 5 5 3 6 0 3 3 4 3
1 1 4 1 1 2 r 5r 1 2 0 0 1 1 2 3 3 r 3r 4 2 0 5 5 3 6 0 0 3 3 4 3 0
1. 对调两行或两列; 2. 以数 k 0 乘某行或某列; 3. 以数 k 乘某行(列)加到另一 行(列)上去.
1、 对调两行或两列 对调 E 中第 i , j 两行,即 ( ri rj ),得初等方阵
复旦大学精品课程《线性代数》课件,线性变换课件复习资料
O x·n n
x
L x
图5.2: 镜像变换
∴ y1 + y2 = σ (x1 ) + σ (x2 ) = σ (x1 + x2 ) ∈ Im (σ ) (3). 数乘封闭性, 对∀c ∈ F ∀x ∈ Ker (σ ) , ∀y ∈ Im (σ ) , σ (cx) = cσ (x) = c0 = 0 ⇒ cx ∈ Ker (σ ) ∃x ∈ V 使得y = σ (x) , 则cy = cσ (x) = σ (cx) ∈ Im (σ )
由此左分配律成立,即 σ · (τ + π ) = σ · τ + σ · π . 同理可证明右分配律成立. 对∀c ∈ F, σ, τ ∈ L(V ), 有 [(cσ ) · τ ] (•) = (cσ ) (τ (•)) = cσ (τ (•)) = c (σ · τ ) (•) 从而, (cσ ) · τ = c (σ · τ )成立. 同理可证 σ · (cτ ) = c (σ ·). 综上所述, L(V )是F 上的代数. 例 7. 设σ, τ 为R2 空间上的线性变换, 分别定义如下: ∀ 求α= −3 2
第五章
线性变换
上 一 章 中 介 绍 了 线 性 空 间 的 概 念, 本 章 将 讨 论 线 性 空 间 之 间 的 联 系. 它 们 之 间 的 联 系 主 要 反 映 为 线 性 空 间 之间的映射, 所以研究定义域和值域都是线性(子)空间的映射是数学分析的基本目标之一, 其中最简单和最基 本的一类映射是线性变换(Linear Transformation). 它也是线性代数中一个主要研究对象.
证: 验证L(V )上关于线性变换的乘法满足定义5.4中的三个条件: (1) 对 ∀σ, τ, π ∈ L(V ), 有 (σ · τ ) · π = (σ · τ ) (π (•)) = σ (τ (π (•))) = σ ((τ · π ) (•)) = σ · (τ · π ) (2) L(V )中元素V 上的恒等变换“1V ”即为e, 且对∀σ ∈ V , 满足 1V · σ = σ · 1V = σ , 因此恒等变换 是L(V )的恒等元. (3) 对∀σ, τ, π ∈ L(V ), 有 [σ · (τ + π )] (•) = σ ((τ + π ) (•)) = σ (τ (•) + π (•)) = σ (τ (•)) + σ (π (•)) = (σ · τ ) (•) + (σ · π ) (•)
x
L x
图5.2: 镜像变换
∴ y1 + y2 = σ (x1 ) + σ (x2 ) = σ (x1 + x2 ) ∈ Im (σ ) (3). 数乘封闭性, 对∀c ∈ F ∀x ∈ Ker (σ ) , ∀y ∈ Im (σ ) , σ (cx) = cσ (x) = c0 = 0 ⇒ cx ∈ Ker (σ ) ∃x ∈ V 使得y = σ (x) , 则cy = cσ (x) = σ (cx) ∈ Im (σ )
由此左分配律成立,即 σ · (τ + π ) = σ · τ + σ · π . 同理可证明右分配律成立. 对∀c ∈ F, σ, τ ∈ L(V ), 有 [(cσ ) · τ ] (•) = (cσ ) (τ (•)) = cσ (τ (•)) = c (σ · τ ) (•) 从而, (cσ ) · τ = c (σ · τ )成立. 同理可证 σ · (cτ ) = c (σ ·). 综上所述, L(V )是F 上的代数. 例 7. 设σ, τ 为R2 空间上的线性变换, 分别定义如下: ∀ 求α= −3 2
第五章
线性变换
上 一 章 中 介 绍 了 线 性 空 间 的 概 念, 本 章 将 讨 论 线 性 空 间 之 间 的 联 系. 它 们 之 间 的 联 系 主 要 反 映 为 线 性 空 间 之间的映射, 所以研究定义域和值域都是线性(子)空间的映射是数学分析的基本目标之一, 其中最简单和最基 本的一类映射是线性变换(Linear Transformation). 它也是线性代数中一个主要研究对象.
证: 验证L(V )上关于线性变换的乘法满足定义5.4中的三个条件: (1) 对 ∀σ, τ, π ∈ L(V ), 有 (σ · τ ) · π = (σ · τ ) (π (•)) = σ (τ (π (•))) = σ ((τ · π ) (•)) = σ · (τ · π ) (2) L(V )中元素V 上的恒等变换“1V ”即为e, 且对∀σ ∈ V , 满足 1V · σ = σ · 1V = σ , 因此恒等变换 是L(V )的恒等元. (3) 对∀σ, τ, π ∈ L(V ), 有 [σ · (τ + π )] (•) = σ ((τ + π ) (•)) = σ (τ (•) + π (•)) = σ (τ (•)) + σ (π (•)) = (σ · τ ) (•) + (σ · π ) (•)
线性代数课件PPT复习四五章
0 0 0
1
a1 a2
1
an
0 0 0
0 0 0
a1 a2
1
1
an
a1
a2 a1
a3 a2
an an1
此即 在基底
1,
2
,
,
n
下的坐标.8
例3 在R3中取两组基
1 (1,2,1)T ,2 (2,3,3)T ,
1 (3,1,4)T , 2 (5,2,1)T ,
对应.
17
0 1 0
0
故在该基底下的矩阵为
0
A
0
1
0
0
0
0
1
0 0 0
0
A的特征多项式为
1 0
0
0 1
0
| E A |
n
00 0
1
00 0
故A的特征根为 =0 (n重)
把=0 代入 ( E A)X 0 得基础解系1 (1,0, ,0)T
因此,A的属于特征根=0的特征向量为
20
1. 计算A的特征多项式 | E−A| ; 2. 求特征方程 |E−A| = 0的全部根1, 2, ···, n, 也就
是A的全部特征值;
3. 对于特征值i, 求齐次方程组(iE−A)x = 0 的非零 解, 也就是对应于i 的特征向量.
[求出一组基础解系,它们就是对应于该特征根的线性无关
特征向量,它们的所有非零线性组合即为属于该特征根的
全部特征向量.]
注意:一般说求特征向量是求全部的特征向量,而 且要保证特征向量不为零. 如 k1X1+k2X2 (k1, k2不同时为0)
16
4. 掌握相似矩阵的概念、性质及矩阵可相似对角化 的充要条件及方法.
线性变换的特征值和特征向量ppt课件
➢矩阵的特征向量是线性变换的特征向量在基下的坐标 ➢随着基的变化而变化
相似的矩阵有相同的特征多项式, 因此有相同的特征值
12.08.2020
9
.
例题 3.5
解: (1) 特征多项式; (2) 求特征值; (3) 求解相应的齐次线性方程组; (4) 以矩阵的特征向量为坐标构造变换特征向量; (5) 写出特征子空间.
12.08.2020
1
.
例子: 线性变换的矩阵
12.08.2020向量
1) 特征向量与经过线性变换后的向量共线.
12.08.2020
3
.
例子
12.08.2020
4
.
例子
思考: 对于n维欧氏空间中的镜像变换求出其特征值和特征向量.
12.08.2020
5
.
特征子空间, 矩阵的特征值与特征向量
12.08.2020
13
.
例题
因此, 矩阵R在实数域上没有特征值. 如果把R看成复数域上的矩阵, 则有两个特征值, 但没有几何意义.
特征值与特征向量与矩阵所在的数域有关系
12.08.2020
14
.
特征值与行列式, 迹
12.08.2020
15
.
§3 线性变换的特征值与特征向量
在有限维的线性空间中,取定一组基后,线性变换的矩阵就 确定下来。线性变换在不同基下的矩阵是相似的。这一节 初步讨论如何选择基,使得线性变换的矩阵的形式尽量简单。
线性变换的特征值与特征向量 若干例子 矩阵的特征值与特征向量 特征值与特征向量的求法
➢ 特征多项式, 齐次线性方程组 特征值的一些重要性质
如果存在非零列向量X使得
12.08.2020
相似的矩阵有相同的特征多项式, 因此有相同的特征值
12.08.2020
9
.
例题 3.5
解: (1) 特征多项式; (2) 求特征值; (3) 求解相应的齐次线性方程组; (4) 以矩阵的特征向量为坐标构造变换特征向量; (5) 写出特征子空间.
12.08.2020
1
.
例子: 线性变换的矩阵
12.08.2020向量
1) 特征向量与经过线性变换后的向量共线.
12.08.2020
3
.
例子
12.08.2020
4
.
例子
思考: 对于n维欧氏空间中的镜像变换求出其特征值和特征向量.
12.08.2020
5
.
特征子空间, 矩阵的特征值与特征向量
12.08.2020
13
.
例题
因此, 矩阵R在实数域上没有特征值. 如果把R看成复数域上的矩阵, 则有两个特征值, 但没有几何意义.
特征值与特征向量与矩阵所在的数域有关系
12.08.2020
14
.
特征值与行列式, 迹
12.08.2020
15
.
§3 线性变换的特征值与特征向量
在有限维的线性空间中,取定一组基后,线性变换的矩阵就 确定下来。线性变换在不同基下的矩阵是相似的。这一节 初步讨论如何选择基,使得线性变换的矩阵的形式尽量简单。
线性变换的特征值与特征向量 若干例子 矩阵的特征值与特征向量 特征值与特征向量的求法
➢ 特征多项式, 齐次线性方程组 特征值的一些重要性质
如果存在非零列向量X使得
12.08.2020
5.4第5章 线性空间与线性变换
7
4. 线性变换T的象集T (V n )是一个线性空间V n ( 的子空间), 称为线性变换T的象空间. 证明 设 1 , 2 T (Vn ), 则有 1 , 2 Vn ,
使 T1 1 , T 2 2 , 从而
1 2 T1 T 2 T (1 2 ) T (Vn ), (因1 2 Vn ); k1 kT1 T (k1 ) T (Vn ), (因k1 Vn ),
所以, B X AX
1
18
例19 设V是一个二维线性空间, 1 , 2 是一组基,线性 变换 在 1 , 2 下的矩阵是 2 1 1 0
1 1 1 , 2 为V的另一组基,且 (1 ,2 ) (1 , 2 ) 1 2 求 在基 1 , 2 下的矩阵.
19
小结
R 给定了线性空间 R 的一组基以后, 中的线 性变换与 R nn 中的矩阵形成一一对应.因此,在 线阵.
n n
同一变换在不同基下的矩阵是相似的.
20
思考题
已知R 的两个线性变换
22
T ( X ) XN , S ( X ) MX , X R22
这样,在取定一组基之后,就建立了由数域P上的n维 线性空间V的线性变换到数域P上的 n n 矩阵的一个 13 映射.
定理3 设 1 , 2 ,, n 是数域P上n维线性空间V的一组基, 在这组基下,V的每个线性变换都唯一对应一个 n n 矩阵,这个对应具有以下性质: 1)线性变换的和对应于矩阵的和; 2)线性变换的乘积对应于矩阵的乘积; 3)线性变换的数量乘积对应于矩阵的数量乘积; 4)可逆的线性变换与可逆矩阵对应,且逆变换对应于 逆矩阵.
4. 线性变换T的象集T (V n )是一个线性空间V n ( 的子空间), 称为线性变换T的象空间. 证明 设 1 , 2 T (Vn ), 则有 1 , 2 Vn ,
使 T1 1 , T 2 2 , 从而
1 2 T1 T 2 T (1 2 ) T (Vn ), (因1 2 Vn ); k1 kT1 T (k1 ) T (Vn ), (因k1 Vn ),
所以, B X AX
1
18
例19 设V是一个二维线性空间, 1 , 2 是一组基,线性 变换 在 1 , 2 下的矩阵是 2 1 1 0
1 1 1 , 2 为V的另一组基,且 (1 ,2 ) (1 , 2 ) 1 2 求 在基 1 , 2 下的矩阵.
19
小结
R 给定了线性空间 R 的一组基以后, 中的线 性变换与 R nn 中的矩阵形成一一对应.因此,在 线阵.
n n
同一变换在不同基下的矩阵是相似的.
20
思考题
已知R 的两个线性变换
22
T ( X ) XN , S ( X ) MX , X R22
这样,在取定一组基之后,就建立了由数域P上的n维 线性空间V的线性变换到数域P上的 n n 矩阵的一个 13 映射.
定理3 设 1 , 2 ,, n 是数域P上n维线性空间V的一组基, 在这组基下,V的每个线性变换都唯一对应一个 n n 矩阵,这个对应具有以下性质: 1)线性变换的和对应于矩阵的和; 2)线性变换的乘积对应于矩阵的乘积; 3)线性变换的数量乘积对应于矩阵的数量乘积; 4)可逆的线性变换与可逆矩阵对应,且逆变换对应于 逆矩阵.
第五章 线性变换 S2 线性变换的矩阵
522522的过渡矩阵为m即14由线性变换在同一基底下矩阵的唯一性可知这就是线性变换在不同基底下的矩阵之间的关系15矩阵间bm1am这种关系可以用一个新的概念来描述性质ii对称性iii传递性定义设ab为两个n阶矩阵
第五章 线性变换
第二节 n维线性空间中线性 变换的矩阵
只讨论n维线性空间V上的线性变换T. 研究线性变换T和n阶矩阵之间的关系.
x11 x2 2
xn n
又T是线性变换,(保持线性组合不变)必有
2
T T ( x1 1 x2 2 x1T 1 x2T 2
xn n ) xnT n
(1)
这说明当已知 T 1 ,T 2 , ,T n 时,每个向量的象 由(1)确定,即线性变换被完全确定.
T x2 x 3 x3 x1
求T在基底
1 0 0 e1 0 , e2 1 , e3 0 0 0 1
下的矩阵A.
解:由T的定义知 1 0 1
T [T 1 , T 2 , x2 ,T n ] [T 1 , T 2 , x n
xnT n
,T n ]X
(3)
T [T 1 , T 2 ,
(2)代入(3)得到
, T n ] X ( 1 , 2 ,
T ( 1 , 2 ,
, n M ) (T 1 , 2 ,
, n ) M
[T 1 ,T 2 ,
1 ,2 ,
,T n ]M 1 , 2 ,
,n M AM
1
, n AM
第五章 线性变换
第二节 n维线性空间中线性 变换的矩阵
只讨论n维线性空间V上的线性变换T. 研究线性变换T和n阶矩阵之间的关系.
x11 x2 2
xn n
又T是线性变换,(保持线性组合不变)必有
2
T T ( x1 1 x2 2 x1T 1 x2T 2
xn n ) xnT n
(1)
这说明当已知 T 1 ,T 2 , ,T n 时,每个向量的象 由(1)确定,即线性变换被完全确定.
T x2 x 3 x3 x1
求T在基底
1 0 0 e1 0 , e2 1 , e3 0 0 0 1
下的矩阵A.
解:由T的定义知 1 0 1
T [T 1 , T 2 , x2 ,T n ] [T 1 , T 2 , x n
xnT n
,T n ]X
(3)
T [T 1 , T 2 ,
(2)代入(3)得到
, T n ] X ( 1 , 2 ,
T ( 1 , 2 ,
, n M ) (T 1 , 2 ,
, n ) M
[T 1 ,T 2 ,
1 ,2 ,
,T n ]M 1 , 2 ,
,n M AM
1
, n AM
线性代数-线性空间与线性变换PPT课件
例1
次数不超过
n
的多项式的全体,记作
P
x
,
n
即
P x n p x anx n a1x a0 an, ,a1,a0 ,
对于通常的多项式加法、数乘多项式的乘法构成线性空间.
这是因为:通常的多项式加法、数乘多项式的乘法两种运算显然满足线性运算规律,
故只要验证
P
x
对运算封闭.
n
一、线性空间的定义
1
0 ,
E 22
0
1
线性无关,所以 E11, E12 , E21, E22 是 M2
的一个基,向量
A
a11 a21
a12 a22
在这个基下的
坐标就是 a11, a12, a21, a22 T .
二、基变换与坐标变换
设1,2, ,n 与 1, 2, , n 是线性空间Vn 中的两个基,且
第5章 线性空间与线性变换 20
目录/Contents
第5章 线性空间与线性变换 21
5.2 维数、基与坐标
一、线性空间的基、维数与坐标 二、基变换与坐标变换
一、线性空间的基、维数与坐标
第5章 线性空间与线性变换 22
定义 1 在线性空间V 中,如果存在n 个元素1,2, ,n 满足
(i) 1,2, ,n 线性无关; (ii) V 中任一元素 总可由1,2, ,n 线性表示,
x1, x2, , xn ,使
x11 x22 xnn ,
x1, x2, , xn 这组有序数就称为元素 在基1,2, ,n 下的坐标,并记作
x1, x2,
,xn
T
.
一、线性空间的基、维数与坐标
第5章 线性空间与线性变换 25
《线性变换的矩阵》课件
3
基变换与矩阵的关系
基变换可以用矩阵表示,矩阵的运算可以用来实 现基变换。
06
应用实例与习题解析
线性变换在实际问题中的应用
图像处理
线性变换可用于图像的缩放、旋 转和平移等操作,实现图像的变
换和增强。
机器人控制
线性变换在机器人控制中用于描述 机器人的关节运动和姿态变化。
物理模拟
在物理模拟中,线性变换可用于描 述物体的运动轨迹和速度变化。
矩阵乘法与线性变换的关系
矩阵乘法是线性代数中的基本运算之一,它可以用来表示 线性变换。当一个矩阵乘以一个向量时,相当于对向量进 行了一次线性变换。因此,通过矩阵乘法,可以将线性变 换转化为数学运算,方便进行计算和分析。
矩阵乘法的规则是,第一个矩阵的列数必须等于第二个矩 阵的行数,且结果矩阵的行数等于第一个矩阵的行数,列 数等于第二个矩阵的列数。在进行矩阵乘法时,需要按照 特定的顺序进行计算,即先进行行运算再进行列运算。
一个向量空间存在一组基 ,且基的个数是有限的。
线性变换在不同基下的表示形式
矩阵表示法
线性变换可以用矩阵表示,不同 基下的矩阵不同。
矩阵的运算
线性变换的加法、数乘、乘法等 运算可以用矩阵的运算实现。
基变换与线性变换的关系
1 2
基变换
改变向量空间的基底,不改变向量空间的结构。
线性变换与基变换的关系
线性变换在不同基下的表示形式不同,但变换性 质不变。
逆矩阵定义
对于n阶方阵A,如果存在n阶方阵B ,使得AB=BA=E(E为单位矩阵), 则称A为可逆矩阵,B为A的逆矩阵。
逆矩阵的性质
逆矩阵的求法
通过高斯消元法或LU分解等方法求解 。
逆矩阵是唯一的,逆矩阵与原矩阵的 乘积为单位矩阵。
线性代数课件PPT第五章 线性变换 S1 线性变换的定义
由于T1(p+q)=1, 但T1(p)+T1(q)=1+1=2,
所以
T1(p+q)T1(p)+T1(q).
18
5
T(kp1)=A(kp1)=kAp1=kT(p1).
所以, 变换T是线性变换.
y P'
记
x y
r cos r sin
, 于是
T
x y
x cos x sin
y sin y cos
p
o
x
r r
cos cos
cos sin
r sin sin r sin cos
r r
cos( sin(
)),
例5 设V是数域F上的线性空间,k是F中的某个数 , 定义V的变换如下:
k
这是一个线性变换,称为由数k决定的数乘变换.
当k=1时,便得恒等变换,当k=0时,便得零变换 .
8
例6: 在R3中定义变换: T(x1, x2, x3)= (x12, x2+x3, 0),
则T不是R3的一个线性变换.
证明: 对任意的=(a1, a2, a3), =(b1, b2, b3)R3, T( + )=T(a1+b1, a2+b2, a3+b3)
上式表明: 变换T把任一向量按逆时针方向旋转角.
一般地, 在线性空间Rn中, 设A为n阶方阵, xRn, 变换 T(x)=Ax是本节所定义的线性变换.
事实上, 对任意的x, xRn,
T(x+x) =A(x+x) =Ax+Ax =T(x)+T(x),
T(kx) =A(kx)=kAx =kT(x).
6
线性代数第5章课件
内积是向量的一种运算,用矩阵的记号表示,当 x与 y 都是列向量时,有
[x,y] = x' y
例 计算[x, y],其中x, y如下 : (1)x = (0,1,5,-2), y = (-2,0,-1,3); (2)x = (-2,1,0,3), y = (3,-6,8,4),
解 (1) [ x, y] = 0 • (-2) 1• 0 5• (-1) (-2) • 3 = -11
第五章
特征值与二次型
第五章主要内容
第一节 向量的内积 第二节 方阵的特征值与特征向量 第三节 相似矩阵 第四节 化二次型为标准型 第五节 正定二次型
第一节 向量的内积
定义1 设有n 维向量
x1
y1
x = x2 , y = y2
....
xn
yn
令 [x,y] = x1 y1+ x2 y2 +…+ xn yn, 则 [x,y] 称为向量x与 y 的 内积
定义2 令 x = [x, x] = x12 x22 xn2
称为 n 维向量 x 的长度(或范数)
x
若向当量xx
=10时,则, 称xxx为是单单位位向量向.量.
向量的长度具有下述性质:
(i)非负性:当x 0时,x 0;当x = 0时,x =0;
(ii)齐次性: x = x ;
(iii)三角不等式 : x y x y ;
上述从线性无关向量组a1 , …,ar 导出 1, 2 ,K , r 的 过程称为施密特正交化过程。它不仅满足1, 2 ,K , r 与a1 , …,ar 等价,还满足:对任何k ( 1≤ k ≤r ) ,向量组 1, 2 ,K , k 与a1 , …,ak 等价。
线性变换和矩阵PPT课件
f : A
第3页/共30页
7.3.2 坐标变换
设V 是数域F上一个n 维向量空间, {1, 2 ,, n}
是V 的一个基, ξ关于这个基的坐标是 (x1, x2,, x而n ),
σ(ξ)的坐标是
( y1, y2,,问yn:).
( y1, y2,和, yn )
(x1, x2,, xn ), 之间有什么关系呢?
2. 对称性:如果 A ~ B ,那么 B ~ A ;
因为由 B T 1AT 得 A TBT 1 (T 1)1 BT 1.
第26页/共30页
3. 传递性:如果 A ~ B 且 B ~ C 那么 A ~ C
事实上,由 B T 1AT和C U 1BU 得
C (U 1T 1) A(TU ) (TU )1 A(TU ).
这样一来从lv到mf必然存在着一个对应关系映射丌妨记为是数域f上一个n维向量空间的一个基关于这个基的坐标是最后等式表明的坐标所组成综合上面所述我们得到坐标变换公式
7.3.1 线性变换的矩阵
现在设V是数域F上一个n维向量空间,令σ是V 的一个线性变换,取定V的一个基 {1,2 , ,n}, 令
(1) a111 a212 an1n (2 ) a121 a222 an2n
单位向量 1, 2 作为V2 的基.令σ是将 V2的每一向
量旋转角θ的一个旋转. σ是 的一V2 个线性变换.我
们有
1 1 cos 2 sin ,
2 1 sin 2 cos.
所以σ关于基 1,2的矩阵是
cos sin
sin cos
设 V2,它关于基 1,2 的坐标是 x1, x2 ,而
………………………………………
(n ) a1n1 a2n2 annn
第3页/共30页
7.3.2 坐标变换
设V 是数域F上一个n 维向量空间, {1, 2 ,, n}
是V 的一个基, ξ关于这个基的坐标是 (x1, x2,, x而n ),
σ(ξ)的坐标是
( y1, y2,,问yn:).
( y1, y2,和, yn )
(x1, x2,, xn ), 之间有什么关系呢?
2. 对称性:如果 A ~ B ,那么 B ~ A ;
因为由 B T 1AT 得 A TBT 1 (T 1)1 BT 1.
第26页/共30页
3. 传递性:如果 A ~ B 且 B ~ C 那么 A ~ C
事实上,由 B T 1AT和C U 1BU 得
C (U 1T 1) A(TU ) (TU )1 A(TU ).
这样一来从lv到mf必然存在着一个对应关系映射丌妨记为是数域f上一个n维向量空间的一个基关于这个基的坐标是最后等式表明的坐标所组成综合上面所述我们得到坐标变换公式
7.3.1 线性变换的矩阵
现在设V是数域F上一个n维向量空间,令σ是V 的一个线性变换,取定V的一个基 {1,2 , ,n}, 令
(1) a111 a212 an1n (2 ) a121 a222 an2n
单位向量 1, 2 作为V2 的基.令σ是将 V2的每一向
量旋转角θ的一个旋转. σ是 的一V2 个线性变换.我
们有
1 1 cos 2 sin ,
2 1 sin 2 cos.
所以σ关于基 1,2的矩阵是
cos sin
sin cos
设 V2,它关于基 1,2 的坐标是 x1, x2 ,而
………………………………………
(n ) a1n1 a2n2 annn
高等代数选讲第五讲 线性变换
( 3 ) (0,0,1) (0,0,0)
1 0 0 ( 1 , 2 , 3 ) ( 1 , 2 , 3 ) 0 1 0 1 1 0
15
2、线性变换运算与矩阵运算
定理2 设 1 , 2 ,, n 为数域P上线性空间V的一组
2、线性变换保持线性组合及关系式不变,即 若 k11 k2 2 kr r , 则 ( ) k1 (1 ) k2 ( 2 ) kr ( r ).
3、线性变换把线性相关的向量组变成线性相关的
向量组.
4
注意
3的逆不成立,即 1 , 2 , , r 线性相关, 1 , 2 ,, r未必线性相关.
(2) E E ,E为单位变换
(3)交换律一般不成立,即一般地,
6
例1
线性空间 R[ x]中,线性变换
D f x f x
J f x f t dt
x 0
x
DJ f xP 设线性空间 的线性变换 为
( x1 , x2 , x3 ) ( x1 , x2 , x1 x2 )
求 在标准基 1 , 2 , 3 下的矩阵. 解: ( 1 ) (1,0,0) (1,0,1)
( 2 ) (0,1,0) (0,1,1)
基,在这组基下,V的每一个线性变换都与 P
n 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) 线性变换的乘积对应于矩阵的乘积; (3) 线性变换的数量乘积对应于矩阵的数量乘积;
16
(4) 可逆线性变换与可逆矩阵对应,且逆变换对应 于逆矩阵.
- 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)。
第五章 线性变换
第一节 线性变换的基本概念
一、集合之间的映射
定义1 设 M 和 N 是两个非空集合.如果对于 M 中 任意一个元素 x ,按照某个对应法则 f , 总存在 N 中一个确定的元素 y 与之对应, 则称这个对应法则 f 为从集合 M 到 N 的一个映射.
通常用英文小写字母 f , g,h, 表示映射.
则称 f 是一个一一对应, 或者双射. 例1 设 M 是一个非空集合,定义 M 到 M 的对应 f , 满足
f(x)x, xM ,
则 f 是 M 到自身的一个映射, 我们称其为集合 M
的单位映射,或恒等映射,记为 i d M .
例2 设 是全体整数的集合,定义 到 的对 应 f , 满足
f(n)2n, n,
例6 设 F [ x ] 是以数域 F 上的数作为系数的多项式 的全体, 按多项式的加法和数量乘法, 构成 F 上 的线性空间. 对于任意
f( x ) a n x n a n 1 x n 1 a 1 x a 0 F [ x ] ,
定义 f ( x ) 的微商 , 满足
( f( x ) ) f ( x ) n a n x n 1 ( n 1 ) a n 1 x n 2 a 1
性质2 如果 是 1,2, ,s的线性组合, 且组合
系数是 k1,k2, ,ks, 即
k 11 k 22 k s s,
f(M )={f(x )|x M }.
定义2 设 f 是从集合 M 到 N 的映射.如果 f (M) = N, 那么称 f 是从 M 到 N 的满映射,或简称为满射.
定义2’ 设 f 是从集合 M 到 N 的映射.如果对于 N 中 的每一个元素 y ,都存在 M 中元素 x ,使得 y = f (x), 则称 f 是一个满射. 定义3 设 f 是从集合 M 到 N 的映射.如果 M 中不同
量 T ( ) 在坐标系 O x y 下的坐标记为 ( x2 , y 2 ) ,那么坐
标( x1 , y1 ) 和 ( x 2 , y 2 ) 满足下面关系:
xy22csoins csoisnxy11.
三、线性变换的基本性质及运算
设 是 V 上的一个线性变换.则有
性质1 (0) 0, ()().
f(x)xa, x,
则 f 不是一个映射.因为,对于任意的 0xa,
xa .
定义5 设 f 和 g 都是从集合 M 到 N 的映射,如果
对于任意的 xM,都有 f(x)g(x),
则称映射 f 与 g 相等,记为 f = g .
定义6 设 f 是从集合 M 到 N 的一个映射, g 是从 集合 N 到 P 的一个映射,则对于 M 中的任意元素
特别地,我们也将一个非空集合 M 到自身的映 射称为上的一个变换.
如果映射 f 将 M 中的元素 x 对应到集合 N 中的 元素 y ,则记
y f (x) 或 f (x) y
此时,称 y 为 x 在映射 f 下的像,而称 x 为 y 在映射 f 下的原像.
如果 f 是从集合 M 到 N 的映射, 则将在 f 下的 像的全体所构成的集合, 称为映射 f 的像集, 记为 f (M), 即
将称其为单位变换,或者恒等变换,记为 ,即
(), V.
定义 V 上的一个变换 0 ,使得
0()0, V.
显然, 它是一个线性变换, 称其为零变换.
设数 k F ,定义 V 上的一个变换 k ,满足
k () k , V .
它也是一个线性变换,称其为数乘变换.当 k 1 时,
它即为单位变换 ;当 k 0 时, k 为零变换.
元素在 f 下的像也不同, 即只要 x1 x2 ,就有
f (x1) f (x2), 则称 f 是从集合 M 到 N 的单映射,或简称为单射.
定义4 设 f 是从集合 M 到 N 的映射.如果 f 既是 满射也是单射,即 f 满足
1) f (M) = N ;
2)对于任意的 x 1 , x 2 ,只要 f(x1)f(x2), 就有 x1 x2 ,
于是 是 F [ x ] 到自身的一个映射.
容易验证, 是 F [ x ] 上的一个线性变换.
例7 在平面解析几何中,将坐标系绕原点 O 逆时针
旋转角 , 如果一个向量 在直角坐标系O x y 下的
坐标为( x1, y1 )T , 将其旋转之后对应的向量记为T ( ), 可以证明 T 构成 2 维空间 2 的一个线性变换.将向
x ,存在 P 中唯一确定的元素 g ( f (x)) 与之对应, 这样得到一个 M 到 P 的映射,记为 g f , 将这个 映射称为 f 与 g 的乘积或复合映射,即 g f 是集合
M 到 P 的映射,满足 gf(x ) g (f(x )), x M .
显然, 对于任意从集合 M 到 N 的映射 f , 都有 idN ff idMf.
则 f 是 到自身的映射,且 f 是一个单射但不是 满射. 例3 设 M n ( )是实数域上的所有 n 阶方阵的集合. 定义 M n ( ) 到 的对应 f ,满足
f(A ) |A |, A M n (),
则 f 是 M n ( ) 到 的一个映射,且 f 是一个满射但 不是单射.
例4 设 a 是一个已知的正数, 是所有正实数的 集合. 定义 到 的对应,满足
二、线性变换的定义 定义8 设 V 是数域 F 上的一个线性空间.如果 V
上的一个变换 , 满足 1)对于任意的 , V , 有
( ) () ();
2)对于任意的 V ,k F ,有
(k)k(),
则称 为线性空间 V 上的一个线性变换,通常用希
腊ห้องสมุดไป่ตู้母 ,,, 表示.
例5 显然,V 上的单位映射 i d V 是一个线性变换,
另外,映射的乘积还满足结合律.
定义7 设 f 是从集合 M 到 N 的一个映射,如果存 在 N 到 M 的一个映射 g, 使得
g f idM, f g idN,
则称 f 是一个可逆映射, 并将映射 g 称为 f 的逆映 射. 定理1 设 f 是从集合 M 到 N 的一个映射, 则 f 是 可逆映射当且仅当 f 是一个一一对应.
第一节 线性变换的基本概念
一、集合之间的映射
定义1 设 M 和 N 是两个非空集合.如果对于 M 中 任意一个元素 x ,按照某个对应法则 f , 总存在 N 中一个确定的元素 y 与之对应, 则称这个对应法则 f 为从集合 M 到 N 的一个映射.
通常用英文小写字母 f , g,h, 表示映射.
则称 f 是一个一一对应, 或者双射. 例1 设 M 是一个非空集合,定义 M 到 M 的对应 f , 满足
f(x)x, xM ,
则 f 是 M 到自身的一个映射, 我们称其为集合 M
的单位映射,或恒等映射,记为 i d M .
例2 设 是全体整数的集合,定义 到 的对 应 f , 满足
f(n)2n, n,
例6 设 F [ x ] 是以数域 F 上的数作为系数的多项式 的全体, 按多项式的加法和数量乘法, 构成 F 上 的线性空间. 对于任意
f( x ) a n x n a n 1 x n 1 a 1 x a 0 F [ x ] ,
定义 f ( x ) 的微商 , 满足
( f( x ) ) f ( x ) n a n x n 1 ( n 1 ) a n 1 x n 2 a 1
性质2 如果 是 1,2, ,s的线性组合, 且组合
系数是 k1,k2, ,ks, 即
k 11 k 22 k s s,
f(M )={f(x )|x M }.
定义2 设 f 是从集合 M 到 N 的映射.如果 f (M) = N, 那么称 f 是从 M 到 N 的满映射,或简称为满射.
定义2’ 设 f 是从集合 M 到 N 的映射.如果对于 N 中 的每一个元素 y ,都存在 M 中元素 x ,使得 y = f (x), 则称 f 是一个满射. 定义3 设 f 是从集合 M 到 N 的映射.如果 M 中不同
量 T ( ) 在坐标系 O x y 下的坐标记为 ( x2 , y 2 ) ,那么坐
标( x1 , y1 ) 和 ( x 2 , y 2 ) 满足下面关系:
xy22csoins csoisnxy11.
三、线性变换的基本性质及运算
设 是 V 上的一个线性变换.则有
性质1 (0) 0, ()().
f(x)xa, x,
则 f 不是一个映射.因为,对于任意的 0xa,
xa .
定义5 设 f 和 g 都是从集合 M 到 N 的映射,如果
对于任意的 xM,都有 f(x)g(x),
则称映射 f 与 g 相等,记为 f = g .
定义6 设 f 是从集合 M 到 N 的一个映射, g 是从 集合 N 到 P 的一个映射,则对于 M 中的任意元素
特别地,我们也将一个非空集合 M 到自身的映 射称为上的一个变换.
如果映射 f 将 M 中的元素 x 对应到集合 N 中的 元素 y ,则记
y f (x) 或 f (x) y
此时,称 y 为 x 在映射 f 下的像,而称 x 为 y 在映射 f 下的原像.
如果 f 是从集合 M 到 N 的映射, 则将在 f 下的 像的全体所构成的集合, 称为映射 f 的像集, 记为 f (M), 即
将称其为单位变换,或者恒等变换,记为 ,即
(), V.
定义 V 上的一个变换 0 ,使得
0()0, V.
显然, 它是一个线性变换, 称其为零变换.
设数 k F ,定义 V 上的一个变换 k ,满足
k () k , V .
它也是一个线性变换,称其为数乘变换.当 k 1 时,
它即为单位变换 ;当 k 0 时, k 为零变换.
元素在 f 下的像也不同, 即只要 x1 x2 ,就有
f (x1) f (x2), 则称 f 是从集合 M 到 N 的单映射,或简称为单射.
定义4 设 f 是从集合 M 到 N 的映射.如果 f 既是 满射也是单射,即 f 满足
1) f (M) = N ;
2)对于任意的 x 1 , x 2 ,只要 f(x1)f(x2), 就有 x1 x2 ,
于是 是 F [ x ] 到自身的一个映射.
容易验证, 是 F [ x ] 上的一个线性变换.
例7 在平面解析几何中,将坐标系绕原点 O 逆时针
旋转角 , 如果一个向量 在直角坐标系O x y 下的
坐标为( x1, y1 )T , 将其旋转之后对应的向量记为T ( ), 可以证明 T 构成 2 维空间 2 的一个线性变换.将向
x ,存在 P 中唯一确定的元素 g ( f (x)) 与之对应, 这样得到一个 M 到 P 的映射,记为 g f , 将这个 映射称为 f 与 g 的乘积或复合映射,即 g f 是集合
M 到 P 的映射,满足 gf(x ) g (f(x )), x M .
显然, 对于任意从集合 M 到 N 的映射 f , 都有 idN ff idMf.
则 f 是 到自身的映射,且 f 是一个单射但不是 满射. 例3 设 M n ( )是实数域上的所有 n 阶方阵的集合. 定义 M n ( ) 到 的对应 f ,满足
f(A ) |A |, A M n (),
则 f 是 M n ( ) 到 的一个映射,且 f 是一个满射但 不是单射.
例4 设 a 是一个已知的正数, 是所有正实数的 集合. 定义 到 的对应,满足
二、线性变换的定义 定义8 设 V 是数域 F 上的一个线性空间.如果 V
上的一个变换 , 满足 1)对于任意的 , V , 有
( ) () ();
2)对于任意的 V ,k F ,有
(k)k(),
则称 为线性空间 V 上的一个线性变换,通常用希
腊ห้องสมุดไป่ตู้母 ,,, 表示.
例5 显然,V 上的单位映射 i d V 是一个线性变换,
另外,映射的乘积还满足结合律.
定义7 设 f 是从集合 M 到 N 的一个映射,如果存 在 N 到 M 的一个映射 g, 使得
g f idM, f g idN,
则称 f 是一个可逆映射, 并将映射 g 称为 f 的逆映 射. 定理1 设 f 是从集合 M 到 N 的一个映射, 则 f 是 可逆映射当且仅当 f 是一个一一对应.