第1,2章线性空间与线性变换解说.ppt

题型举例 例 §1·4 线性变换(Linear Transformations) 一、??线性变换的概念 1. 线性变换的来历； Definition： （i）T是V上的映射：T：V?V。 (ii) T具有线性性： T（?＋?）=T（?）＋T（?） (保持加法的三角形法则) T（k?）=kT（ ? ） (保持比例关系) 2 线性变换的性质： （i） T(0)=0 （ii） T(－?)=－T(?) （iii）T(k1?1+k2?2+···+km?m?)=k1T(?1)+k2T(?2)+...+kmT(?m) 3 线性变换的象空间和零空间 设线性变换T：V?V， 象空间 Im(T)=｛?： ???V，?=T(?)｝ ? 零空间 Ker(T)=｛?：??V，T ( ?) =0 ｝ 定义： T 的秩=dim R（T）； T 的零度=dim N（T） 线性变换保持线性相关性不变！ 例?(P018)? Rn中的变换 T：设A ?Rn×n是一个给定的 矩阵，?X?Rn，T(X)=AX。 (1)T是线性变换； (2)Ker(T)是AX=0的解空间； (3)Im(T)=Span{a1，a2，…，a n}, 其中ai是矩阵A的列向量； (4)dimKer(T)+dimIm(T)=n 4 线性变换的运算 设T1，T2都是空间V中的线性变换，常见的用它们构成的新的变换： （i） T1＋T2 ? ???V， （T1＋T2）（?）=T1（?）＋T2（?） （ii） T1T2 ? ???V， (T1T2)（?）=T1（T2（?）） （iii） kT ? ???V， （kT）（?）=k（T（?）） （iv） 若T －1是可逆变换，T－1 ? T－1( ?)= ?当且仅当T(?)=?。 定义 二、 线性变换的矩阵 1 线性变换的矩阵与变换的坐标式 Purpose:将抽象的线性变换与矩阵对应起来 T的矩阵 二、 线性变换的矩阵 总结：V上线性变换的特点分析： 定义变换T ? 确定基中向量的象T（?i）。 定义T（?i） ?确定它在基下{?i}的坐标A i 。 定义变换T ?确定矩阵A=[A1，A2，…，An] 2 线性变换运算的矩阵对应： 设V上的线性变换T1，T2，它们在同一组基下的矩阵：T1?A1；T2?A2 （i） （T1＋T2） ? （A1＋A2） （ii） （T1T2） ? A1A2 （iii） （kT） ? kA （iv） T－1 ? A－1 3 不同基下的变换矩阵 两组基{?1，?2，…,? n }，{?1，?2，…, ? n }， （?1?2…? n）=（?1?2…? n ）C T（?1 ?2… ? n ）=（?1 ?2… ? n）A T（?1 ?2 … ? n）=（?1 ?2 … ? n）B ??????? 同一个线性变换在不同基下的矩阵是相似的 B=C－1AC 1 2 3 例??已知 定义映射 T： (1)证明T是V上的线性变换； (2)求V的一组基，使得T在这组基下的矩阵为对角阵。 Step1. 确定基中向量的象T（?i）； Step2. 确定它在基下{?i}的坐标A i ； Step3. 确定矩阵A=[a1，a2，…，an]； Step4. 将A对角化并计算所求的矩阵。 2.1 内积与欧氏空间Inner Product Euclidian Spaces 内积的作用：研究高维空间中的几何问题。 1 Example: R3上的内积定义 2 内积的公理化定义 Definition：要点 ? 内积(?，?)是二元运算：V×V→ R ? (?，?)的公理性质 ? (?，?)是任何满足定义的运算。 ? 讨论(?，?1＋?2), (?，k?)  3 常见的内积空间： R n ； Remark: 对于