§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 ,
- 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 (