代数应用漫谈.pptVIP

R2上点的平移不能表示为坐标的线性变换，例如将点P1(x1, y1)平移到点P2(x1+a, y1+b)。 为了将平移表示为线性变换，引入齐次坐标 R2上点(x, y)对应于R3中的点P(x, y, 1) ，即xoy面上方1单位平面上，(x, y, 1)称为(x, y)的齐次坐标。 齐次坐标中，平移(x, y) ? (x+a, y+b) 表示为(x, y, 1) ? (x+a, y+b, 1) 变换矩阵 P1(x1, y1) 绕原点逆时针旋转? 角度得P2(x2, y2) R2中的任何线性变换都可用分块矩阵 乘以齐次坐标实现，其中A 是2阶变换矩阵。 P1(x1, y1)沿x、y轴方向分别缩放s, t 倍得P2(x2, y2) P1(x1, y1) 绕点M(a, b)逆时针旋转? 角度得P2(x2, y2) 1? 先将坐标系原点平移到 点M(a, b)，变换矩阵： 2? 再绕新原点M旋转， 变换矩阵： 3? 再将坐标系原点还原到 初始原点，变换矩阵： 4? 变换矩阵：T = T3 T2 T1 例1：对下图所示的笑脸图进行几何变换 1? 先用三角函数画脸形 dt = pi/20; t=0:dt:2*pi; xf=cos(t); yf=sin(t); %脸形曲线 fill(xf,yf,‘r’); %绘制脸形状 hold on; 2? 再画一双眼睛 xe(1,:)=0.08*xf-0.3; ye(1,:)=0.12*yf+0.2; %左眼 xe(2,:)=0.08*xf+0.3; ye(2,:)=ye(1,:); %右眼 plot(xe(1,:),ye(1,:),‘k’,‘linewidth’,5) %绘制左眼 plot(xe(2,:),ye(2,:),‘k’,‘linewidth’,5) %绘制右眼 xm0 = 0.5*cos(s); ym0 = 0.5*sin(s); %嘴形状 plot(xm1,ym1,‘k’,‘linewidth’,2); %绘制嘴 grid on; axis([-3, 3, -2.5, 2.5]); %坐标范围 3? 最后画嘴形 利用绘制笑脸图时获得的数据，对笑脸图形进行几何变换，即进行图形缩放、平移和旋转等操作。 计算程序：smile_04.m 例2：用动画形式表示平面图形的几何变换 先绘制进行动画演示的红色箭头： Pd=[0 -1 0 1;0 -1 3 -1]; %飞行箭头顶点 fill(Pd(1,:),Pd(2,:),‘r’); %绘制箭头图形 grid on; %网格 axis([-20, 20, -15, 15]); %坐标范围 利用动画函数geframe( )和movie( )，将连续的图片构成动画演示 演示程序：g_move01.m g_move02.m 奇异值分解应用：文本分类与图像压缩 根据特征值理论，对任意的n阶矩阵A，都成立 A与由其特征值构成的对角矩阵相似 A与若当标准形矩阵相似 对m ? n 阶矩阵A，是否有类似于方阵的结论？ 其中P 和Q 分别是m 阶和n 阶可逆矩阵，D是m ? n 阶对角矩阵。这样的分解称为奇异值分解 ( SVD )，是线性代数应用中最有用的矩阵分解。 奇异值与奇异值分解 命题1：对任意m ? n 阶矩阵A，ATA与AAT半正定， 且有相同的非零特征值。 设m ? n 阶矩阵A的秩为r，ATA的特征值为 则称 为矩阵A的奇异值。 命题2： m ? n 阶矩阵A 的秩为r ，则存在m 阶正交矩阵U 和n 阶正交矩阵V，使得 代数应用漫谈 学习线性代数到底有什么用？ 向量和矩阵的应用 线性方程组的应用 特征值理论的应用 线性变换的应用 线性代数是讨论代数学中线性关系经典理论的课程。 线性代数在经济管理、运筹学、社会科学、生物遗传学、电子工程、计算机科学、系统科学，甚至在互联网领域都有广泛的应用。 向量和矩阵用来表示实际问题的数学模