第二章线性映射与线性变换辩析.pptVIP

线性变换T的矩阵化简为一个块对角矩阵（对角矩阵）与线性空间分解为若干个不变子空间的直和是相当的。 定义：设A 为一个n 阶复矩阵，如果其满足 AAH=AHA=I 则称A是酉矩阵，一般记为A?Un?n。 设A为一个n 阶实矩阵，如果其满足 AAT=ATA=I 则称A 是正交矩阵,一般记为A?En?n。 §2.7 酉变换与酉（正交）矩阵Unitary transformation and Unitary matrix（Orthogonal matrix） 例1 是一个正交矩阵 是一个正交矩阵 是一个酉矩阵 酉矩阵与正交矩阵的性质： 设 A,B是酉矩阵，那么 设 ，那么 定理1： 设 ，A是一个酉矩阵的充分必要条件为A 的 n个列（或行）向量组是标准正交向量组。 定义2 设T是n为酉（欧氏）空间V的线性变换，如果对任意的?，??V都有 则称T是V的酉（正交）变换。 正交变换保持V中的内积不变，根据定义，显然正交变换也保持欧氏空间中向量的长度、距离及向量间的夹角等几何属性不变。 酉（正交）变换 定理2　设 是欧氏空间 上的一个线性变换，则下列命题是等价的： （1） T是正交变换； （2） T保持向量的长度不变，即 ||T?||=||?||; （3） 若 是V的一组标准正交基，则 也是V的标准正交基； （4） T在V的任意一组标准正交基下的矩阵表示 A为正交矩阵。 证明： 若线性变换保持长度不变，即 展开上式 同样有 根据定义显然成立。 左式=(T?, T?)+2(T(?), T(?))+(T?, T?)=(?,?)+2(T(?),T(?))+(?, ?) 右式=(?, ?)+2(?,?)+(?, ?) 化简得 (T(?), T(?))=(?,?) # 因此 则 对任意 ，令 显然成立。 设 在 下的矩阵为 ，即 由于 也是标准正交基，所以 A 是两组标准正交基间的过渡矩阵，因此 A是正交矩阵。 设 是正交矩阵，则 所以 也是标准正交基。 注 鉴于正交的重要性，所以相应的正交变换显得尤为重要。Householder变换（即反射变换）和Givens变换（即旋转变换）是两种最重要的正交变换，它们的作用主要是在数值算法中构造正交基。 补充：两种基本的图形变换 例1（旋转变换或Givens变换）将线性空间 中的所有向量均绕原点顺时针旋转角 ，这时像 与原像 之间的关系为 例2（反射变换或Householder变换）将 中任一向量x 关于横轴做反射得向量y。这时像(x2,y2) 与原像 (x1,y1)之间的关系为 从几何上看，图形经过旋转变换或反射变换后只是位置改变了，形状和大小都没有改变，也就是说变换前后的图形是全等的，即这两种变换都是正交变换。 将这两种变换扩展到n维欧氏空间，得到两类重要的正交变换： 一般形式的Givens矩阵为： 第j列 第i列 对应的变换称为Givens变换，或初等旋转变换：在n维欧式空间中取一组标准正交基e1,e2…en，沿平面[ei,ej]旋转。 第i行 第j行 定理 　对任意非零向量??Rn，存在有限个Givens变换的乘积 T，使得 其中 为标准单位向量。 即通过有限次Givens变换可以将向量旋转到某个坐标轴上。 Givens变换在简化矩阵方面有重要应用，对非零n维向量，通过有限次Givens变换，可将其后任意r 个分量变为零，特别地，r=n-1时，得 如图，显然有正交分解 因此向量 关于“与e2 轴正交的直线e1”对称的镜像向量的表达式为 HouseHolder变换 类似地，可定义将向量 变换为关于