《线性代数》课件.pptVIP

*************************************第六章：线性变换2保持性质线性变换保持向量加法和数乘运算，维持向量间的线性关系3基本类型包括旋转、缩放、投影和反射等基础线性变换4表示方法线性变换可用矩阵表示，简化了计算和分析线性变换是向量空间之间的映射，保持向量的线性结构。本章将介绍线性变换的定义、性质及其矩阵表示，探讨核空间与像空间的概念，并研究特殊的线性变换如相似变换和不变子空间。线性变换的理论不仅是线性代数的核心内容，也是现代几何学、物理学和工程学的基础工具。通过本章学习，你将能够理解和应用线性变换解决实际问题。6.1线性变换的定义线性变换的定义设V和W是向量空间，映射T:V→W称为线性变换（或线性算子），如果对任意向量u,v∈V和任意标量a,b，满足：T(au+bv)=aT(u)+bT(v)这一性质也称为线性性或线性叠加原理。等价条件映射T是线性变换的充要条件是同时满足：加法保持性：T(u+v)=T(u)+T(v)数乘保持性：T(av)=aT(v)基本性质线性变换具有以下基本性质：T(0)=0（零向量映射到零向量）T(u-v)=T(u)-T(v)T(Σa?v?)=Σa?T(v?)（保持线性组合）线性变换是线性代数中最核心的概念之一，它将向量空间的代数结构与几何变换、物理映射等概念联系起来。线性变换的例子包括：旋转、缩放、投影、反射等几何变换；微分和积分等数学运算；以及物理中的许多线性系统。理解线性变换的本质，就是理解线性这一概念在不同数学和物理情境中的统一体现。6.2线性变换的矩阵表示确定基向量选择向量空间V的一组基B={v?,v?,...,v?}和W的一组基C={w?,w?,...,w?}计算基向量的像对每个基向量v?，计算其像T(v?)，并用W的基表示：T(v?)=a??w?+a??w?+...+a??w?构建矩阵系数a??构成线性变换T关于基B和C的矩阵表示[T]??=(a??)应用矩阵若向量v在基B下的坐标为[v]?，则T(v)在基C下的坐标为[T(v)]?=[T]??[v]?线性变换的矩阵表示是线性代数中最强大的工具之一，它将抽象的线性变换转化为具体的矩阵运算。特别地，当V=W且使用相同的基时，线性变换T:V→V可由方阵[T]??表示。这种表示方法使我们能够系统地研究线性变换的性质，如可逆性、特征值和特征向量等。在计算机图形学中，变换矩阵被广泛用于表示旋转、缩放和投影等操作；在物理学中，量子力学算符就是希尔伯特空间上的线性变换，通常用矩阵表示。6.3相似变换相似的定义两个n阶方阵A和B称为相似的，如果存在可逆矩阵P，使得：B=P?1AP相似是矩阵之间的一种等价关系，表示同一线性变换在不同基下的表示。相似的性质相似矩阵具有许多相同的性质：行列式相等：|A|=|B|秩相等：r(A)=r(B)特征值相同（包括重数）迹相等：tr(A)=tr(B)可逆性相同：A可逆当且仅当B可逆相似变换是研究线性变换的重要工具。当我们改变向量空间的基时，同一线性变换的矩阵表示也会改变，但这些不同的矩阵表示是相似的。相似变换保持了线性变换的本质特性，如特征值、行列式和秩等。在实际应用中，我们常常通过相似变换将矩阵化为更简单的形式（如对角矩阵或约当标准形），以简化计算和分析。理解相似变换的概念，有助于深入理解线性变换的不变量和本质特征。6.4不变子空间不变子空间的定义对于线性变换T:V→V，若子空间W?V满足：对任意向量w∈W，都有T(w)∈W，则称W是T的不变子空间限制变换若W是T的不变子空间，则T在W上的限制T|W:W→W定义为：对任意w∈W，T|W(w)=T(w)常见的不变子空间平凡的不变子空间包括零空间{0}和整个空间V；更重要的不变子空间有T的核空间ker(T)和T的像空间im(T)特征子空间对应于特征值λ的特征子空间Eλ={v∈V|T(v)=λv}是T的重要不变子空间不变子空间是线性变换理论中的重要概念，它揭示了线性变换作用下空间的内部结构。理解不变子空间，有助于将复杂的线性变换分解为在较小子空间上的简单变换。例如，若V可分解为T的不变子空间的直和：V=W?⊕W?⊕...⊕W?，则研究T可归结为研究其在各个W?上的限制T|W?。这种分解在许多理论和应用中都非常有用，如动力系统分析、量子力学中的对称性和守恒量等。第七章