国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

第六章,線性變換,1-線性變換、表示矩陣、線性算子

這篇具有很好參考價(jià)值的文章主要介紹了第六章,線性變換,1-線性變換、表示矩陣、線性算子。希望對(duì)大家有所幫助。如果存在錯(cuò)誤或未考慮完全的地方,請(qǐng)大家不吝賜教,您也可以點(diǎn)擊"舉報(bào)違法"按鈕提交疑問(wèn)。


玩轉(zhuǎn)線性代數(shù)(32)線性變換的相關(guān)概念的筆記,相關(guān)證明以及例子見(jiàn)原文

線性變換

一個(gè)將向量空間V映射到向量空間W的映射L,如果對(duì)所有的 v 1 , v 2 ∈ V v_1,v_2\in V v1?,v2?V及所有的標(biāo)量 α \alpha α β \beta β,有 L ( α v 1 + β v 2 ) = α L ( v 1 ) + β L ( v 2 ) L(\alpha v_1+\beta v_2)=\alpha L(v_1)+\beta L(v_2) L(αv1?+βv2?)=αL(v1?)+βL(v2?)
則稱(chēng)L為V到W上的一個(gè)線性變換,記為 L : V → W L:V\rightarrow W L:VW
判斷方法:若L為V到W上的一個(gè)線性變換,等價(jià)于:
L ( v 1 + v 2 ) = L ( v 1 ) + L ( v 2 ) ; L ( λ v 1 ) = λ L ( v 1 ) L(v_1+v_2)=L(v_1)+L(v_2); L(\lambda v_1) = \lambda L(v_1) L(v1?+v2?)=L(v1?)+L(v2?);L(λv1?)=λL(v1?)

表示矩陣

對(duì)任一矩陣 A m ? n A_{m*n} Am?n?,可以定義一個(gè)由 R n R^n Rn R m R^m Rm的線性變換 L A L_A LA?,稱(chēng)A為 L A L_A LA?的表示矩陣。而每一線性變換均可由矩陣來(lái)定義,如果是 R n R^n Rn上的線性算子,則其對(duì)應(yīng)矩陣為n階方陣。

線性算子

如果V與W相同,稱(chēng) L : V → V L:V\rightarrow V L:VV為V上的一個(gè)線性算子,是一個(gè)向量空間到其自身的線性變換。

R 2 R^2 R2中特殊的線性變換

示意圖見(jiàn)原文

旋轉(zhuǎn)變換算子

A = ( cos ? θ ? sin ? θ sin ? θ cos ? θ ) A=\begin{pmatrix} \cos\theta & -\sin\theta \\ \sin\theta & \cos\theta \end{pmatrix} A=(cosθsinθ??sinθcosθ?)
繞逆時(shí)針旋轉(zhuǎn) θ \theta θ

反射變換算子

B 1 = ( 1 0 0 ? 1 ) B_1=\begin{pmatrix} 1 & 0 \\ 0 & -1 \end{pmatrix} B1?=(10?0?1?)
x軸對(duì)稱(chēng)
B 2 = ( ? 1 0 0 1 ) B_2=\begin{pmatrix} -1 & 0 \\ 0 & 1 \end{pmatrix} B2?=(?10?01?)
y軸對(duì)稱(chēng)

投影變換算子

C 1 = ( 1 0 0 0 ) C_1=\begin{pmatrix} 1 & 0 \\ 0 & 0 \end{pmatrix} C1?=(10?00?)
只取了x坐標(biāo),所以是投影到x軸
C 2 = ( 0 0 0 1 ) C_2=\begin{pmatrix} 0 & 0 \\ 0 & 1 \end{pmatrix} C2?=(00?01?)
只取了y坐標(biāo),所以是投影到y(tǒng)軸

伸壓變換算子

D 1 = ( t 0 0 1 ) D_1=\begin{pmatrix} t & 0 \\ 0 & 1 \end{pmatrix} D1?=(t0?01?)
x坐標(biāo)縮放t倍,y不變
D 2 = ( 0 0 0 t ) D_2=\begin{pmatrix} 0 & 0 \\ 0 & t \end{pmatrix} D2?=(00?0t?)
x坐標(biāo)不變,y縮放t倍

剪切變換算子

E 1 = ( 1 0 k 1 ) E_1=\begin{pmatrix} 1 & 0 \\ k & 1 \end{pmatrix} E1?=(1k?01?)
x不變,將x坐標(biāo)的k倍加到y(tǒng)上,離y軸越遠(yuǎn)(x絕對(duì)值越大)形變?cè)酱螅ù怪弊儞Q)
E 2 = ( 1 k 0 1 ) E_2=\begin{pmatrix} 1 & k \\ 0 & 1 \end{pmatrix} E2?=(10?k1?)
y不變,將y坐標(biāo)的k倍加到x上,離x軸越遠(yuǎn)(y絕對(duì)值越大)形變?cè)酱螅ㄋ阶儞Q)文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-695162.html

到了這里,關(guān)于第六章,線性變換,1-線性變換、表示矩陣、線性算子的文章就介紹完了。如果您還想了解更多內(nèi)容,請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來(lái)自互聯(lián)網(wǎng)用戶(hù)投稿,該文觀點(diǎn)僅代表作者本人,不代表本站立場(chǎng)。本站僅提供信息存儲(chǔ)空間服務(wù),不擁有所有權(quán),不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載,請(qǐng)注明出處: 如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實(shí)不符,請(qǐng)點(diǎn)擊違法舉報(bào)進(jìn)行投訴反饋,一經(jīng)查實(shí),立即刪除!

領(lǐng)支付寶紅包贊助服務(wù)器費(fèi)用

相關(guān)文章

  • 線性代數(shù)(應(yīng)用篇):第五章:特征值與特征向量、第六章:二次型

    線性代數(shù)(應(yīng)用篇):第五章:特征值與特征向量、第六章:二次型

    1.定義 設(shè) A A A 是 n n n 階方陣, λ λ λ 是一個(gè)數(shù),若存在 n n n 維非零列向量 ξ ξ ξ ,使得 A ξ = λ ξ ( ξ ≠ 0 ) Aξ=λξ quad (ξ≠0) A ξ = λ ξ ( ξ  = 0 ) 則稱(chēng) λ λ λ 是 A A A 的特征值, ξ ξ ξ 是 A A A 的對(duì)應(yīng)于(屬于)特征值 λ λ λ 的特征向量。 注: ①只有方陣才有特征值和特征

    2024年02月14日
    瀏覽(27)
  • 【考研數(shù)學(xué)】線性代數(shù)第六章 —— 二次型(2,基本定理及二次型標(biāo)準(zhǔn)化方法)

    了解了關(guān)于二次型的基本概念以及梳理了矩陣三大關(guān)系后,我們繼續(xù)往后學(xué)習(xí)二次型的內(nèi)容。 定理 1 —— (標(biāo)準(zhǔn)型定理)任何二次型 X T A X pmb{X}^Tpmb{AX} X T A X 總可以經(jīng)過(guò)可逆的線性變換 X = P Y pmb{X=PY} X = P Y ,即 P pmb{P} P 為可逆矩陣,把二次型 f ( X ) f(pmb{X}) f ( X ) 化為標(biāo)準(zhǔn)

    2024年02月07日
    瀏覽(37)
  • 高等代數(shù)(七)-線性變換03:線性變換的矩陣

    § 3 § 3 §3 線性變換的矩陣 設(shè) V V V 是數(shù)域 P P P 上 n n n 維線性空間, ε 1 , ε 2 , ? ? , ε n varepsilon_{1}, varepsilon_{2}, cdots, varepsilon_{n} ε 1 ? , ε 2 ? , ? , ε n ? 是 V V V 的一組基, 現(xiàn)在我們來(lái)建立線性變換與矩陣的關(guān)系. 空間 V V V 中任一向量 ξ xi ξ 可以經(jīng) ε 1 , ε 2 , ? ?

    2024年02月20日
    瀏覽(19)
  • 線性代數(shù)本質(zhì)系列(二)矩陣乘法與復(fù)合線性變換,行列式,三維空間線性變換

    線性代數(shù)本質(zhì)系列(二)矩陣乘法與復(fù)合線性變換,行列式,三維空間線性變換

    本系列文章將從下面不同角度解析線性代數(shù)的本質(zhì),本文是本系列第二篇 向量究竟是什么? 向量的線性組合,基與線性相關(guān) 矩陣與線性相關(guān) 矩陣乘法與復(fù)合線性變換 三維空間中的線性變換 行列式 逆矩陣,列空間,秩與零空間 克萊姆法則 非方陣 點(diǎn)積與對(duì)偶性 叉積 以線性

    2024年02月02日
    瀏覽(30)
  • 線性代數(shù) --- LU分解(Gauss消元法的矩陣表示)

    線性代數(shù) --- LU分解(Gauss消元法的矩陣表示)

    ???????? ????????首先, LU分解實(shí)際上就是用矩陣的形式來(lái)記錄的高斯消元的過(guò)程 。其中,對(duì)矩陣A進(jìn)行高斯消元后的結(jié)果為矩陣U,是LU分解后的兩個(gè)三角矩陣中其中之一。U是一個(gè)上三角矩陣,U就是上三角矩陣upper triangle的首字母的大寫(xiě)。 ? ? ? ? 高斯消元的每一步都

    2024年02月02日
    瀏覽(51)
  • 線性代數(shù)|證明:線性變換在兩個(gè)基下的矩陣相似

    前置定義 1(基變換公式、過(guò)渡矩陣) 設(shè) α 1 , ? ? , α n boldsymbol{alpha}_1,cdots,boldsymbol{alpha}_n α 1 ? , ? , α n ? 及 β 1 , ? ? , β n boldsymbol{beta}_1,cdots,boldsymbol{beta}_n β 1 ? , ? , β n ? 是線性空間 V n V_n V n ? 中的兩個(gè)基, { β 1 = p 11 α 1 + p 21 α 2 + ? + p n 1 α n β 2

    2024年02月03日
    瀏覽(30)
  • 線性代數(shù)的學(xué)習(xí)和整理6:如何表示向量/矩陣? 矩陣就是向量組,矩陣的本質(zhì)是什么?

    線性代數(shù)的學(xué)習(xí)和整理6:如何表示向量/矩陣? 矩陣就是向量組,矩陣的本質(zhì)是什么?

    目錄 0 參考的知識(shí)點(diǎn)和目錄 1 向量 1.1 向量的概念 1.2 向量如何表示 1.3 向量/矩陣的優(yōu)秀表示方法:即向量空間內(nèi)的有向線段 2 矩陣 2.1?矩陣就是多個(gè)列向量的集合/合并( 而不是 +),矩陣就是多個(gè)列向量的一種簡(jiǎn)化書(shū)寫(xiě)方式? 2.2 矩陣的加法? =等價(jià)于=? 向量的加法 2.3 矩陣

    2024年02月07日
    瀏覽(27)
  • 矩陣?yán)碚搹?fù)習(xí)部分——線性代數(shù)(3)初等變換、逆矩陣

    一、初等變換3種方式 對(duì)調(diào)矩陣的兩行(兩列); 以 k =? 0 k not = 0 k  = 0 乘某一行(列)所有元素; 某一行(列)元素 k k k 倍加到另一行(列); 二、初等矩陣 初等矩陣是指由單位矩陣經(jīng)過(guò)一次初等變換得到的矩陣。 左乘初等矩陣 = 行變換 右乘初等矩陣 = 列變換 初等矩

    2024年02月04日
    瀏覽(29)
  • MIT線性代數(shù)筆記-第31講-線性變換及對(duì)應(yīng)矩陣

    MIT線性代數(shù)筆記-第31講-線性變換及對(duì)應(yīng)矩陣

    線性變換相當(dāng)于是矩陣的抽象表示,每個(gè)線性變換都對(duì)應(yīng)著一個(gè)矩陣 例: 考慮一個(gè)變換 T T T ,使得平面上的一個(gè)向量投影為平面上的另一個(gè)向量,即 T : R 2 → R 2 T:R^2 to R^2 T : R 2 → R 2 ,如圖: ? ??圖中有兩個(gè)任意向量 v ? , w ? vec{v} , vec{w} v , w 和一條直線,作 v ?

    2024年02月03日
    瀏覽(35)
  • 線性代數(shù)-初等行變換與初等行矩陣

    線性代數(shù)-初等行變換與初等行矩陣

    初等行變換 :在矩陣的行上進(jìn)行 倍加 、 倍乘 、 對(duì)換 變換 初等行矩陣 :在單位矩陣上應(yīng)用初等行變換得到的矩陣 初等行矩陣 乘上矩陣 ,就相當(dāng)于在矩陣 上實(shí)施了對(duì)應(yīng)的初等行變換。 ** ** 倍加 :將第二行乘2加在第三行上,r3’ = 2 * r2 + r3. 所用的初等行矩陣 為: ,即單

    2024年02月11日
    瀏覽(27)

覺(jué)得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請(qǐng)作者喝杯咖啡吧~博客贊助

支付寶掃一掃領(lǐng)取紅包,優(yōu)惠每天領(lǐng)

二維碼1

領(lǐng)取紅包

二維碼2

領(lǐng)紅包