下载文档原格式
请双面打印/复印(节约纸张)工程矩阵理论主讲: 张小向第一章 线性空间与线性变换第一节 线性空间的基本概念 第二节 基, 维数与坐标变换 第三节 子空间的和与交 第四节 线性映射 第五节 线性映射的矩阵 第六节 线性映射的值域与核 第七节 几何空间线性变换的例子 第八节 线性空间的同构第一章 线性空间与线性变换§1.1 线性空间的基本概念第一章 线性空间与线性变换§1.1 线性空间的基本概念§1.1 线性空间的基本概念 一. 几个具体的例子 1.n= {(a1, …, an)T | a1, …, an ∈ }.2, 3).1. n. 2. [x]. 3. Mm×n( ). 4. { f(x) | f: → }. 5. = {x∈ | x > 0}. a⊕b = ab, ∀a, b∈ +; k⊗a = ak, ∀a∈ 6. V = {α}.+, +非空集合(特例: 2. [x] ={a0+a1x+…+anxn a11 a21 … am1| a1, …, an ∈ }. .3. Mm×n( ) =a12 … a1n a22 … a2n 诸aij ∈ … …… am2 … amn共 同 点系数域 两种运算 八条规则∀k∈ .α +α = α, kα = α, ∀k∈ .第一章 线性空间与线性变换§1.1 线性空间的基本概念第一章 线性空间与线性变换§1.1 线性空间的基本概念二. 线性空间的定义与性质 定义1.1.1 线性空间V(F). V——非空集合 F——数域 加法交换律 结合律 有零元素 每个元素都有负元素 1α = α k(lα) = (kl)α (k+l)α = kα + lα k(α+β) = kα + kβ定理1.1.1. (1) 零向量唯一; (2) 任一向量的负向量唯一; (3) 0α = θ; (4) kθ = θ; (5) (−1)α = −α, (−k)α = −(kα); (6) kα = θ ⇒ k = 0或α = θ.数乘272365083@1请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.1 线性空间的基本概念第一章 线性空间与线性变换§1.1 线性空间的基本概念三. 线性组合, 线性表示 1. 设α1, …, αk ∈V(F), x1, …, xk ∈F, 则称 x1α1 + … + xkαk 为α1, …, αk的一个线性组合. 2. 设α1, …, αk, β ∈ V(F). 若∃ x1, …, xk ∈ F s.t. β = x1α1 +…+ xkαk 则称β能由向量组α1, …, αk线性表示. 3. 若β1, …, βl都能由α1, …, αk线性表示,则称向量组β1, …, βl能由α1, …, αk线性表 示.四. 形式矩阵 设α1, …, αk , β1, …, βk ∈V(F). 1. 若α1 = β1, …, αk = βk , 则记(α1, …, αk) = (β1, …, βk). 2. 规定 (α1, …, αk) + (β1, …, βk) = (α1+β1, …, αk+βk). 3. 若a ∈F, 则规定 a(α1, …, αk) = (aα1, …, aαk).第一章 线性空间与线性变换§1.1 线性空间的基本概念第一章 线性空间与线性变换§1.1 线性空间的基本概念4. 若x1, …, xk ∈F, 则记 x1α1 +…+ xkαk = (α1, …, αk) x1 . xk 5. 若A = (A1, …, As) ∈ Mk×s(F), 则规定 (α1, …, αk)A = ((α1, …, αk)A1, …, (α1, …, αk)As). …注: 设α1, …, αk , β1, …, βk ∈V(F). a, b ∈ F, A, B ∈ Mk×s(F), C ∈ Ms×t(F). 记α = (α1, …, αk), β = (β1, …, βk), 则可以验证下列等式成立: ① a(α + β) = aα + aβ, ② (a+b)α = aα + bα, ③ a(bα) = (ab)α. ④ (α + β)A = αA + βA, ⑤ α(A+B) = αA + αB, ⑥ (αA)C = α(AC), ⑦ (aα)A = a(αA) = α(aA).第一章 线性空间与线性变换§1.1 线性空间的基本概念第一章 线性空间与线性变换§1.1 线性空间的基本概念五. 线性空间的子空间 定义1.1.2 子空间, W ≤ V(F) 定理1.1.2. 设∅ ≠ W ⊆ V(F), 则 W ≤ V(F) ⇔ W关于的加法和数乘封闭. 注: V(F)的两个平凡的子空间. {θ}, V(F)六. 由子集合{α1, α2, …, αk}生成的子空间 {α1, α2, …, αk}——生成系, 生成元集i=1 k∑ xiαi —— α1, α2, …, αk的一个线性组合 组合系数 W = { ∑ xiαi | ∀xi∈ F}.k记为L[α1, α2, …, αk]或span{α1, α2, …, αk}.i=1272365083@2请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.2 基, 维数与坐标变换第一章 线性空间与线性变换§1.2 基, 维数与坐标变换§1.2 基, 维数与坐标变换 一. 向量组的线性相关性 定义1.2.1 线性相关, 线性无关. 定理1.2.1 设(I) α1, α2, …, αs线性无关, 且能由 (II) β1, β2, …, βt线性表示, 则s ≤ t. 推论1 设(I)与(II)都线性无关, 且等价, 则s = t. 推论2 设(I)能由(II)线性表示, 且s > t, 则(I)必线性相关.二. 基、维数 定义1.2.2 基, 维数. 例子. 1. n. 2. [x], [x]n = {a0+a1x+…+an−1xn−1 | …}. 3. Mm×n( ). 4. { f(x) | f: → }. 5. = {x∈ | x > 0}. a⊕b = ab, ∀a, b∈ +; k⊗a = ak, ∀a∈ +, ∀k∈ . 6. V = {θ}.+第一章 线性空间与线性变换§1.2 基, 维数与坐标变换第一章 线性空间与线性变换§1.2 基, 维数与坐标变换定理1.2.2 若dimV = n, 则V中任意 n 个线性无 关的向量都构成V的一组基. 定理1.2.3 若W ≤ V, dimV = n, α1, …, αr 为W 的一组基, 则∃αr+1, …, αn∈ V 使得 α1, …, αr, αr+1, …, αn构成V的一组 基.三. 坐标 定义1.2.3 设α1, …, αn为V的一组基, ξ ∈ V. 若ξ = x1α1 + … + xnαn, 则称有序数组(x1, …, xn)为ξ在基 α1, …, αn下的坐标, (x1, …, xn)T称为ξ的坐标向量.第一章 线性空间与线性变换§1.2 基, 维数与坐标变换第一章 线性空间与线性变换§1.2 基, 维数与坐标变换定理1.2.4 设α1, …, αn为V的一组基, (β1, …, βr) = (α1, …, αn)x11 … x1r x11 … x1r xn1 … xnr … …四. 坐标变换 V的两组基 , P, 可逆X=xn1 … xnr,p11 … p1n (β1, …, βn) = (α1, …, αn) … … … , pn1 … pnn 称P为从基α1, …, αn到β1, …, βn的过渡矩 阵.…则β1, …, βr线性无关 ⇔ 秩(X) = r.272365083@…3请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.2 基, 维数与坐标变换第一章 线性空间与线性变换§1.3 子空间的和与交四. 坐标变换 V的两组基 P, 可逆§1.3 子空间的和与交 一. 基本概念与结论 定义1.3.1 设V1, V2 ≤ V. V1与V2的和: V1 + V2 = {α1 + α2 | α1∈V1, α2∈V2}. V1与V2的交: V1∩V2 = {α∈V | α∈V1且α∈V2}. 定理1.3.1 V1, V2 ≤ V ⇒ V1 + V2, V1∩V2 ≤ V.p11 … p1n (β1, …, βn) = (α1, …, αn) … … … , pn1 … pnnξ = (α1, …, αn)X = (β1, …, βn)Y,(α1, …, αn)PY ⇒ X = PY, Y = P−1X. ——坐标变换公式 =第一章 线性空间与线性变换§1.3 子空间的和与交第一章 线性空间与线性变换§1.3 子空间的和与交注: ① 子空间V1∩V2与集合V1∩V2是一致的. ② 一般情况下, V1+V2 ≠ V1∪V2. 例如V =3,zOV1 = xOy平面, V2 = yOz平面, V1+V2 = V, V1∩V2 = y轴.定理1.3.2 (维数定理) 设V1, V2是V的两个有限维子空间, 则 dimV1 + dimV2 = dim(V1+V2) + dim(V1∩V2). 证明: (关键步骤) y(1) 取V1∩V2的一组基α1, …, αr ; (2) 把α1, …, αr扩充成V1的一组基 α1, …, αr, βr+1, …, βs ; (3) 把α1, …, αr扩充成V2的一组基 α1, …, αr, γr+1, …, γt ; (4) 验证α1, …, αr, βr+1, …, βs, γr+1, …, γt 线性无关(从而构成V1+V2的一组基).x③ V1+V2 = V1∪V2 的充分必要条件是 V1⊆V2 或 V2⊆V1.第一章 线性空间与线性变换§1.3 子空间的和与交第一章 线性空间与线性变换§1.3 子空间的和与交k1α1+…+krαr+kr+1βr+1+…+ksβs+lr+1γr+1+…+ltγt = 0 ⇒ lr+1γr+1+…+ltγt = −k1α1−…−krαr−kr+1βr+1−…−ksβs ∈ V1∩V2 ⇒ ∃l1, …, lr s.t. lr+1γr+1+…+ltγt = l1α1+…+lrαr i.e. l1α1+…+lrαr −lr+1γr+1−…−ltγt = 0 ⇒ l1 = … = lr = lr+1 = … = lt = 0 ⇒ k1α1+…+krαr+kr+1βr+1+…+ksβs = 0 ⇒ k1 = … = kr = kr+1 = … = ks = 0dimV1 + dimV2 = dim(V1+V2) + dim(V1∩V2) 例1(1) V = 3, V1 = xOy平面, V2 = yOz平面, V1+V2 = V, V1∩V2 = y轴, dimV1 = dimV2 = 2, dim(V1+V2) = 3, dim(V1∩V2) = 1. zOyx272365083@4请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.3 子空间的和与交第一章 线性空间与线性变换§1.3 子空间的和与交例1(2) V = V2 =2×2,V1 =x y z tx = y ≤ V,例1(3) V = V2 =2×2,V1 =x −x y −yx, y ∈ ≤ V,≤ V,x y z tx + y + z = 0 ≤ V,x y z tx y x yx, y ∈0 0V1+V2 = ______. V1∩V2 =x=y且x+y+z=0 ,则 0 0 , 构成V1的一组基, 1 −11 0 0 1 , 构成V2的一组基, 1 0 0 11 −1dimV1 = dimV2 = 3, dim(V1∩V2) = 2, 故dim(V1+V2) = 3 + 3 − 2 = 4 = dimV, 可见V1+V2 = V.故dimV1 = dimV2 = 2.x −x y −y ∈V2 ⇔ x = y. x −x 故V1∩V2 = x −x x ∈.第一章 线性空间与线性变换§1.3 子空间的和与交第一章 线性空间与线性变换§1.3 子空间的和与交可见1 −1 构成V1∩V2的一组基, 1 −1dim(V1∩V2) = 1. 故dim(V1+V2) = dimV1 + dimV2 − dim(V1∩V2) = 2 + 2 − 1 = 3. 事实上,1 0 0 1 1 −1 0 0 , , 1 0 , 0 1 线性相关, 0 0 1 −1二. 子空间的直和 定义1.3.2 设V1, V2 ≤ V. 若对于∀α∈V1+V2, ∃| α1∈V1, α2∈V2, s.t. α = α1 + α2, 则称V1 + V2为V1与V2的直和, 记为V1⊕V2.其中任意3个都线性无关, 因而构成V1+V2的 一组基.α = α1 + α2, α1∈V1, α2∈V2 ⇒ α = β1 + β2, β1∈V1, β2∈V2 α1 = β1, α2 = β2.第一章 线性空间与线性变换§1.3 子空间的和与交第一章 线性空间与线性变换§1.3 子空间的和与交定理1.3.3 设V1, V2 ≤ V, 则下列条件等价: (1) V1 + V2是直和; (2) V1 + V2中0分解式唯一, 即 0 = α1+α2 (αi∈Vi) ⇒ α1 = α2 = 0; (3) V1∩V2 = {0}; 当dimV1, dimV2 < ∞时, 上述条件还等价于 (4) dim(V1+V2) = dimV1 + dimV2.定理1.3.4 设V1 ≤ V, dimV = n, dimV1 = r, 则存在V的n−r维子空间V2使得 V = V1⊕V2. 定义1.3.3 设V1, …, Vs ≤ V, 则V1, …, Vs的和 V1 + … + Vs = {α1 +…+ αs | αi∈Vi}. 若对于∀α ∈ V1 + … + Vs , ∃| αi∈Vi (i = 1, …, s) s.t. α = α1 + … + αs , 则称V1 +…+ Vs为V1, …, Vs的直和, 记为V1⊕…⊕Vs .272365083@5请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.3 子空间的和与交第一章 线性空间与线性变换§1.3 子空间的和与交定理1.3.5 设Vi ≤ V (i = 1, …, s), 则TFAE: (1) V1 + … + Vs是直和; (2) V1 + … + Vs中0分解式唯一; (3) Vk∩Σi≠kVi = {0}, k = 1, …, s; 当dimVi < ∞ (i = 1, …, s)时, 上述条件还等价于 (4) Σ dimVi = dim( Σ Vi).i=1 i=1 s s例2. 设A2 = A ∈ Fn×n, V1 = {X ∈ Fn | AX = 0}, V2 = {X∈Fn | AX = X}. 证明: Fn = V1⊕V2. 证明: (1) 容易验证V1, V2 ≤ Fn. (2) ∀α∈Fn, 有α = (α − Aα) + Aα, A(α − Aα) = Aα − A2α = 0, A(Aα) = A2α = Aα. 可见α ∈ V1+V2. 这就证明了Fn ⊆ V1+V2. 又因为V1+V2 ⊆ Fn, 所以Fn = V1+V2.第一章 线性空间与线性变换§1.3 子空间的和与交第一章 线性空间与线性变换§1.4 线性映射例2. 设A2 = A ∈ Fn×n, V1 = {X ∈ Fn | AX = 0}, V2 = {X∈Fn | AX = X}. 证明: Fn = V1⊕V2. 证明: (1) 容易验证V1, V2 ≤ (2) Fn = V1+V2. (3) 若α∈V1∩V2, 则α = Aα = 0. Fn. 可见V1∩V2 ⊆ {0}. 又因为{0} ⊆ V1∩V2, 所以V1∩V2 = {0}. 综上所述, Fn = V1⊕V2.§1.4 线性映射 一. 映射 定义1.4.1 像 原像 • • • 映射 • • • • • • 满射 • •第一章 线性空间与线性变换§1.4 线性映射第一章 线性空间与线性变换§1.4 线性映射• • 单射 注:• • •• • • 双射• • •f:→; a → |a| ;a→ √a2(∀a∈ ) (∀a∈ )g: →f = g —— ∀a∈ , f(a) = g(a) 一般地, 若映射f, g: A → B满足 f(a) = g(a) (∀a∈A) 则称映射f与g相等, 记为f = g.• • •• • •• •• • •不是映射不是映射272365083@6请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.4 线性映射第一章 线性空间与线性变换§1.4 线性映射• • • f • • •• • •• • • g • • • gf• • •注① 映射的复合运算满足结合律: f: A → B, g: B → C, h: C → D (hg)f = h(gf). A B f b• g C c• h D d•• • •a•[(hg)f](a) = (hg)[f(a)] = (hg)(b) = h[g(b)] = h{g[f(a)]} = h[(gf)(a)] = [h(gf)](a)f: A → B与g: B → C的乘积 gf: A → C定义为 ( gf )(a) = g[ f(a)] (∀a∈A).第一章 线性空间与线性变换§1.4 线性映射第一章 线性空间与线性变换§1.4 线性映射注② 1A: A → A, f: A → B, 1B: B → B f⋅1A = f, A a• 1A A a• f 1B⋅f = f. B b• 1B B b• • • • 双射f • • • • • • • • •f的逆映射( f⋅1A)(a) = f [1A(a)] = f(a) (1B⋅f )(a) = 1B[ f(a)] = f(a)若映射f: A → B, g: B → A满足 gf = 1A, fg = 1B, 则称g为f 的逆映射, 记为g = f −1. 注① g = f −1 ⇒ f = g−1. 注② f: A → B有逆映射⇔ f: A → B为双射.第一章 线性空间与线性变换§1.4 线性映射第一章 线性空间与线性变换§1.4 线性映射注② f: A → B有逆映射⇔ f: A → B为双射.证明: (⇒) 设f: A → B有逆映射g: B → A, 则 (1) ∀x, y ∈ A, 由 f(x) = f(y)可得 x = 1A(x) = gf(x) = gf(y) = 1A(y) = y. 可见 f: A → B为单射. (2) ∀b ∈ B, ∃a = g(b) ∈ A s.t. f(a) = f[g(b)] = fg(b) = 1B(b) = b. 可见 f: A → B为满射. 所以 f: A → B为双射.注② f: A → B有逆映射⇔ f: A → B为双射.证明: (⇐) 设 f: A → B为双射, 则 ∀b ∈ B, ∃| a ∈ A s.t. f(a) = b. 令g(b) = a, 可得 映射g: B → A. 而且 (1) ∀b ∈ B, 有 fg(b) = f[g(b)] = f(a) = b. 这就是说, fg = 1B. (2) ∀a ∈ A, 令b = f(a) ∈ B, 按g的定义, gf(a) = g[ f(a)] = g(b) = a. 这就是说, gf = 1A, 可见 f: A → B有逆映射g: B → A.272365083@7请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.4 线性映射第一章 线性空间与线性变换§1.4 线性映射例1. 设A为数域F上的n阶方阵, Fn = {(a1, …, an)T | a1, …, an∈F}. 映射f: Fn→ Fn定义为 f(x) = Ax. 证明下列条件等价: (1) f: Fn→ Fn为单射; (2) f: Fn→ Fn为满射; (3) A可逆.证明: (1)⇒(3) 假设A不可逆, 则|A| = 0, 故r(A) < n, 因而Ax = 0有非零解, 即存在x ≠ 0使得Ax = 0, 于是f(x) = Ax = 0 = A0 = f(0). 这与“f: F n→ F n为单射”矛盾. 所以A可逆. (3)⇒(1) 对于任意的x, y ∈ F n, 若f(x) = f(y), 即Ax = Ay, 因为A可逆, 所以x = A−1Ax = A−1Ay = y. 可见 f: F n→ F n为单射.第一章 线性空间与线性变换§1.4 线性映射第一章 线性空间与线性变换§1.4 线性映射证明: (2)⇒(3) 因为f: F n→ F n是满射, 所以存在n阶方阵B = (ξ1, …, ξn)使得 AB = (Aξ1, …, Aξn) = ( f(ξ1), ..., f(ξn)) = (e1, …, en) = I. 从而|A|×|B| = |AB| = |I| = 1, 故|A| ≠ 0, 因而A可逆. (3)⇒(2) 对于任意的y ∈ F n, 令x = A−1y, 则x ∈ F n, 而且f(x) = Ax = AA−1y = y. 可见f: F n→ F n为满射.二. 线性映射与线性变换 定义1.4.2 设U, V为数域F上的线性空间. 若映射 f: V → U保持加法和数乘, 即 f(α+β) = f(α) + f(β), f(kα) = kf(α), ∀α, β ∈ V, k ∈ F, 则称 f 为线性映射. 特别地, 当U = V时, 称线性映射 f: V → V为V上的线性变换. 注① f(kα+lβ) = kf(α) + lf(β), ∀α, β ∈ V, k ∈ F.第一章 线性空间与线性变换§1.4 线性映射第一章 线性空间与线性变换§1.4 线性映射注② Hom(V, U) = { f: V → U | f为线性映射}. 注③ 若 f ∈ Hom(V, U), 则 f(0V) = 0U; f(−α) = −f(α); f(x1α1+…+xsαs) = x1 f(α1) +…+ xs f(αs); α1, …, αs线性相关 ⇒ f(α1), …, f(αs)线性相关. 注④ 若 f: V → U 满足 f(α) = 0, ∀α∈V, 则 f ∈ Hom(V, U), 称为零映射, 记为0.注⑤ 若 f: V → V 满足 f(α) = α, ∀α∈V, 则 f ∈ Hom(V, V), 称为V上的恒等变换, 记为 I 或 IdV . 注⑥ 对于 f ∈ Hom(V, U), 可以把 ( f(α1), …, f(αs))记为f(α1, …, αs). 相应地, 可以把 f(x1α1+…+xsαs) = x1 f(α1) +…+ xs f(αs) 改写成 ( α1, ), …, f(α f((α1, …, αs)X) = f(f(α1…, αs)X. s))X272365083@8请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.4 线性映射第一章 线性空间与线性变换§1.4 线性映射三. 线性映射的运算 定义1.4.3 (1) 线性运算 设 f, g ∈ Hom(V, U), k ∈ F. 定义 ( f + g)(α) = f(α) + g(α), (kf )(α) = kf(α), ∀α∈V. (2) 复合运算 设 f∈Hom(V, U), g∈Hom(U, W). 定义 (gf )(α) = g[ f(α)], ∀α∈V.注: 对于V上的线性变换 f 及正整数s, 定义 f 0 = I, f 1 = f, f 2 = ff, …, f s = ff s−1. 定理1.4.1(1) 设 f, g ∈ Hom(V, U), k ∈ F, 则 f + g, kf ∈ Hom(V, U). (2) 设 f∈Hom(V, U), g∈Hom(U, W), 则 gf∈ Hom(V, W). 证明: (2) (gf )(kα+lβ) = g[ f(kα+lβ)] = g[kf(α) + lf(β)] = kg[ f(α)] + lg[ f(β)] = k(gf )(α) + l(gf )(β).第一章 线性空间与线性变换§1.4 线性映射第一章 线性空间与线性变换§1.5 线性映射的矩阵定理1.4.2 设 f ∈ Hom(V, U). 若 f 可逆, 则 f −1 ∈ Hom(U, V). 证明: ∀ξ, η ∈ U, k, l ∈ F, 令α = f −1(ξ ), β = f −1(η)∈ V, 则 f [ f −1(kξ + lη)] = kξ + lη = kf(α) + lf(β) = f(kα + lβ), 故 f −1(kξ + lη) = kα + lβ = kf −1(ξ ) + lf −1(η).§1.5 线性映射的矩阵 一. 线性映射在给定的基偶下的矩阵 设α1, …, αn为V的一组基, β1, …, βs为U的一组基, f ∈ Hom(V, U), 则存在A = (aij)s×n使得 ( f(α1), …, f(αn)) = (β1, …, βs)a11 … a1n as1 … asn,简记为 f(α1, …, αn) = (β1, …, βs)A. 称为 f 在基偶{α1, …, αn}与{β1, …, βs}下 的矩阵表示. A —— f 在基偶…下的矩阵.……第一章 线性空间与线性变换§1.5 线性映射的矩阵第一章 线性空间与线性变换§1.5 线性映射的矩阵特别地, 设α1, …, αn为V的一组基, f ∈ Hom(V, V), 则存在A = (aij)n×n使得 ( f(α1), …, f(αn)) = (α1, …, αn)a11 … a1n an1 … ann注① 零映射在任意基偶下的矩阵都是O; 恒等变换在任一组基下的矩阵都是I. 注② 设α1, …, αn为V的一组基, ,…简记为 f(α1, …, αn) = (α1, …, αn)A. 称为 f 在基{α1, …, αn}下的矩阵表示. A —— f 在基{α1, …, αn}下的矩阵.…β1, …, βs为U的一组基, f(α1, …, αn) = (β1, …, βs)A. 若ξ = x1α1 + … + xnαn = (α1, …, αn)X, 则 f(ξ) = f(x1α1 + … + xnαn) = x1 f(α1) + … + xn f(αn) = ( f(α1), …, f(αn))X = f(α1, …, αn)X = (β1, …, βs)AX.272365083@9请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.5 线性映射的矩阵第一章 线性空间与线性变换§1.5 线性映射的矩阵例2. 在 [x]n中, D[p(x)] = p′(x), D(1, x, x2, …, xn−2, xn−1)0 0 0 . 0 … 0 1 0 … 0 0 0 2 … 0 … 2, …, xn−2, xn−1) 0 0 0 = (1, x, x n−2 0 0 0 … 0 0 0 0 … 0 … … …例3. D: [x]n → D(1, x, x2,[x]n−1, D[p(x)] = p′(x), …, xn−2, xn−1)0 0 0 . …0 1 0 … 0 0 0 2 … 0 = (1, x, x2, …, xn−2) 0 0 0 … … … ……n−1…0 0 0 … 0 n−1n−2例4. 设A ∈F s×n, f: F n → F s, f(X) = AX. f(e1, …, en) = (Ae1, …, Aen) = AIn = A = IsA = (ε1, …, εs)A.第一章 线性空间与线性变换§1.5 线性映射的矩阵第一章 线性空间与线性变换§1.5 线性映射的矩阵二. 线性映射在两对基偶下的矩阵间的联系 定理1.5.1 设 f ∈ Hom(V, U), 其中 V的一组基α1, …, αn到另一组基 β1, …, βn的过渡矩阵为P; U的一组基ξ1, …, ξs到另一组基 η1, …, ηs的过渡矩阵为Q. 若 f(α1, …, αn) = (ξ1, …, ξs)A, f(β1, …, βn) = (η1, …, ηs)B, 则B = Q−1AP.证明: (β1, …, βn) = (α1, …, αn)P (η1, …, ηs) = (ξ1, …, ξs)Q f(α1, …, αn) = (ξ1, …, ξs)A f(β1, …, βn) = (η1, …, ηs)B⇒(ξ1, …, ξs)AP = f(α1, …, αn)P = f((α1, …, αn)P) = f(β1, …, βn) = (η1, …, ηs)B = (ξ1, …, ξs)QB ⇒ AP = QB ⇒ B = Q−1AP.第一章 线性空间与线性变换§1.5 线性映射的矩阵第一章 线性空间与线性变换§1.5 线性映射的矩阵定理1.5.2 设 f ∈ Hom(V, V), 其中 V的一组基α1, …, αn到另一组基 β1, …, βn的过渡矩阵为P. 若 f(α1, …, αn) = (α1, …, αn)A, f(β1, …, βn) = (β1, …, βn)B, 则B = P−1AP.三. 线性变换运算的矩阵 设V的一组基为α1, …, αn , 线性变换 f: V→V在这组基下的矩阵记为 [ f ]. 定理1.5.3 设 f, g ∈ Hom(V, V), k ∈ F, 则 (1) [ f + g] = [ f ] + [g]. (2) [kf ] = k[ f ]. (3) [ fg] = [ f ][g]. (4) f 可逆⇒[ f −1] = [ f ]−1.272365083@10请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.5 线性映射的矩阵第一章 线性空间与线性变换§1.5 线性映射的矩阵证明: (1)( f + g)(α1, …, αn) = (( f + g)(α1), …, ( f + g)(αn)) = ( f(α1)+g(α1), …, f(αn)+g(αn)) = ( f(α1), …, f(αn)) + (g(α1), …, g(αn)) = f(α1, …, αn) + g(α1, …, αn) = (α1, …, αn)[ f ] + (α1, …, αn)[g] = (α1, …, αn){[ f ]+[g]}.证明: (2)(kf )(α1, …, αn) = ((kf )(α1), …, (kf )(αn)) = (kf(α1), …, kf(αn)) = k( f(α1), …, f(αn)) = kf(α1, …, αn) = k{(α1, …, αn)[ f ]} = (α1, …, αn){k[ f ]}.第一章 线性空间与线性变换§1.5 线性映射的矩阵第一章 线性空间与线性变换§1.5 线性映射的矩阵证明: (3)( fg)(α1, …, αn) = (( fg)(α1), …, ( fg)(αn)) = ( f(g(α1)), …, f(g(αn))) = f(g(α1), …, g(αn)) = f(g(α1, …, αn)) = f((α1, …, αn)[g]) = f(α1, …, αn)[g] = ((α1, …, αn)[ f ])[g] = (α1, …, αn)([ f ][g]).证明: (4) 设[ f −1] = B, 即 f −1(α1, …, αn) = (α1, …, αn)B, 则(α1, …, αn) = ( ff −1)(α1, …, αn) = f( f −1(α1, …, αn)) = f((α1, …, αn)B) = f(α1, …, αn)B = ((α1, …, αn)[ f ])B = (α1, …, αn)([ f ]B), 由此可得[ f ]B = I, 因而[ f −1] = B = [ f ]−1.第一章 线性空间与线性变换§1.5 线性映射的矩阵第一章 线性空间与线性变换§1.5 线性映射的矩阵例5. 设dimV = n, f ∈ Hom(V, V), f 2 = I. 证明: [ f ]相似于 Ir O (0 ≤ r ≤ n). O −In−r证明: 令V1 = {α∈V | f(α) = α}, V2 = {α∈V | f(α) = −α}, 则V1, V2 ≤ V 且V1∩V2 = {0}. 1 1 ∀α∈V, 令β = −(α +f(α)), γ = −(α −f(α)), 2 2 则由f 2 = I 可得 f(β) = β, f(γ) = γ, 故β ∈V1, γ ∈V2, α = β + γ ∈V1 + V2. 可见V1 + V2 ⊆ V ⊆ V1 + V2.因而V = V1 + V2 = V1⊕V2 . 设V1的一组基为α1, …, αr , V2的一组基为βr+1, …, βn , f 在V的基α1, …, αr , βr+1, …, βn下的矩阵为 Ir O . O −In−r 由定理1.5.2可知, [ f ]相似于 Ir O . O −In−r272365083@11请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.5 线性映射的矩阵第一章 线性空间与线性变换§1.5 线性映射的矩阵四. 不变子空间 定义1.5.1 设 f ∈ Hom(V, V), W ≤ V. 若∀α∈W, 有 f(α)∈W, 则称W为V的关于 f 的不变子空间, 简称为 f 的不变子空间. 此时, 定义 f |W: W → W; α → f(α), 则 f |W ∈ Hom(W, W), 称为f 在W上 的限制.例如: ① 例5中, f ∈ Hom(V, V), f 2 = I, 则 V1 = {α∈V | f(α) = α}, V2 = {α∈V | f(α) = −α} 都是 f 的不变子空间. ② ∀ f ∈ Hom(V, V), {0}和V都是 f 的不变子空间.第一章 线性空间与线性变换§1.5 线性映射的矩阵第一章 线性空间与线性变换§1.6 线性映射的值域与核注: 设dimV = n, f ∈ Hom(V, V), V = U⊕W, 其中U, W都是 f 的不变子空间, U的一组基为α1, …, αr , W的一组基为βr+1, …, βn , 则 f |U(βi) = 0, i = r+1, …, n, f |W(αi) = 0, i = 1, …, r. 设 f |U在U的基α1, …, αr下的矩阵为A, f |W在W的基βr+1, …, βn下的矩阵为B, 则 f 在V的基α1, …, αr , βr+1, …, βn下的矩 A O 阵为 O B .§1.6 线性映射的值域与核 一. 定义 设 f ∈ Hom(V, U), 则称 f(V) = { f(α) |α∈V}为 f 的值域, 记为R( f ); 称K( f ) = {α∈V | f(α) = 0}为 f 的核. VK( f )U f → f(V) 0U第一章 线性空间与线性变换§1.6 线性映射的值域与核第一章 线性空间与线性变换§1.6 线性映射的值域与核二. 性质 定理1.6.1 设 f ∈ Hom(V, U), 则 (1) R( f ) ≤ U. (2) K( f ) ≤ V. (3) 当U = V时, R( f )和K( f )都是 f 的不变子空间. VK( f )U f → f(V) 0U例1. 设A ∈ Fs×n, f: Fn→ Fs定义为 f(X) = AX. 则R( f ) = {AX | X ∈ Fn} ≤ Fs, 这是A的列空间, 也称为A的值域, 记为R(A); K( f ) = {X ∈ Fn | AX = 0}, 这是AX = 0的解空间, 也称为A的核, 记为K(A).272365083@12请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.6 线性映射的值域与核第一章 线性空间与线性变换§1.6 线性映射的值域与核定理1.6.2 设 f ∈ Hom(V, U), dimV < ∞, 则 dimR( f ) + dimK( f ) = dimV. VK( f )U f → f(V) 0U ...... ...证明: 设α1, …, αk为K( f )的一组基, α1, …, αk, αk+1, …, αn为V的一组基, 则R( f ) = span{ f(αi) | i = 1, …, n} = span{ f(αi) | i = k+1, …, n}. 若ck+1 f(αk+1) + … + cn f(αn) = 0, 则 f(ck+1αk+1 + … + cnαn) = 0, 即ck+1αk+1 + … + cnαn ∈ K( f ), 故存在c1, …, ck使得 ck+1αk+1 + … + cnαn = c1α1 + … + ckαk , 即c1α1 + … + ckαk − ck+1αk+1 − … − cnαn = 0, 由此可得ck+1 = … = cn = 0. 可见 f(αk+1), …, f(αn) 线性无关, 故dimR( f ) + dimK( f ) = dimV.第一章 线性空间与线性变换§1.6 线性映射的值域与核第一章 线性空间与线性变换§1.6 线性映射的值域与核例2. 设A = 1 1 , f(X) = AX, ∀X∈ 2×2. (1) 分别求R( f )及K( f )的一组基, (2) R( f ) + K( f )是否为直和. 解: 取 2×2的一组基E11, E12, E21, E22. 则R( f ) = span{ f(E11), f(E12), f(E21), f(E22)}, 其中 f(E11) = f(E21) = E11 + E21, f(E12) = f(E22) = E12 + E22, 且E11 + E21, E12 + E22线性无关, 因此, E11 + E21, E12 + E22构成R( f )的一组 基.1 1设X = x1 x2 , 则 3 4 AX ⇔ x1 + x3 = x2 + x4 = 0 ⇔ X = x1(E11 − E21) + x2(E12 − E22). 又因为E11 − E21, E12 − E22线性无关, 可见E11 − E21, E12 − E22构成K( f )的一组基. (E11 + E21, E12 + E22, E11 − E21, E12 − E22)1 0 1 0x x= (E11, E12, E21, E22) 0 1 0 1 ,1 0 −1 0 0 1 0 −1第一章 线性空间与线性变换§1.6 线性映射的值域与核第一章 线性空间与线性变换§1.6 线性映射的值域与核(E11 + E21, E12 + E22, E11 − E21, E12 − E22)1 = (E11, E12, E21, E22) 0 1 0 1 0 1 0 0 其中r 0 1 −1 1 = 4. 1 0 0 0 1 0 −1 0 1 0 1 1 0 −1 0 0 1 , 0 −1故E11 + E21, E12 + E22, E11 − E21, E12 − E22线性 无关, 因而R( f ) + K( f )为直和.事实上, 若B ∈ R( f ) ∩ K( f ), 则存在X∈ 2×2 使得B = AX, 而且AB = O. 于是可得 2AX = A2X = A(AX) = AB = O, 故B = AX = O. 可见R( f ) ∩ K( f ) = {O}, 因此R( f ) + K( f )为直和.272365083@13请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.6 线性映射的值域与核第一章 线性空间与线性变换§1.6 线性映射的值域与核例3. 设A = 0 0 , f(X) = AX, ∀X∈ 2×2. (1) 分别求R( f )及K( f )的一组基, (2) R( f ) + K( f )是否为直和. 解: 取 2×2的一组基E11, E12, E21, E22. 则R( f ) = span{ f(E11), f(E12), f(E21), f(E22)}, 其中 f(E11) = f(E12) = O, f(E21) = E11, f(E22) = E12, 且 E11, E12 线性无关, 因此, E11, E12构成R( f )的一组基.0 1设X = x1 x2 , 则 3 4 AX ⇔ x3 = x4 = 0 ⇔ X = x1E11 + x2E12. 又因为E11, E12 线性无关, 可见E11, E12构成K( f )的一组基. 因为R( f ) = span{E11, E12} = K( f ), 因此R( f ) + K( f )不是直和.x x第一章 线性空间与线性变换§1.7 几何空间线性变换的例子第一章 线性空间与线性变换§1.7 几何空间线性变换的例子§1.7 几何空间线性变换的例子 一. 辐射相似变换 f:3二. 平行于某矢量的投影变换 对于任意的OP ∈P e23,e3→3OP → kOP (k > 0).设OP = x1e1 + x2e2 + x3e3, 令 f(OP) = x1e1 + x2e2, 则 f ∈ Hom(3, 3),e3 P O e1 1 0 0 0 0 0 e2O e1f在3的任意一组基下的矩阵都是kI.OP − f(OP) // e3,→ 0<k<1 压缩→ k>1 放大f 在e1, e2, e3下的矩阵为 0 1 0 , R( f ) = span{e1, e2}, K( f ) = span{e3}.第一章 线性空间与线性变换§1.7 几何空间线性变换的例子第一章 线性空间与线性变换§1.7 几何空间线性变换的例子三. 平行于某一方向的压缩(或延伸) 对于任意的OP ∈3,四. 平行于某一方向的推移 对于任意的OP ∈P e23,e3e3P e2设OP = x1e1 + x2e2 + x3e3,f(OP) = x1e1 + x2e2 + ax3e3, O (a > 0).e13, 3),设OP = x1e1 + x2e2 + x3e3,O e1f(OP) = (x1+ax2)e1 + x2e2 + x3e3, (a ≠ 0). 则 f ∈ Hom(3, 3),则 f ∈ Hom(OP − f(OP) // e3,1 0 0 0 0 a→OP − f(OP) // e1, f 在e1, e2, e3下的矩阵为 0 1 0 .0 0 1 1 a 0f 在e1, e2, e3下的矩阵为 0 1 0 .272365083@14请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.7 几何空间线性变换的例子第一章 线性空间与线性变换§1.7 几何空间线性变换的例子五. 旋转变换 见下一章. 六. 镜像变换 见下一章.平面上的例子:0 • 7 • 5 7 0 • 7 • 5 6• 0 5 x 7 0 y5 0 1 0 −0.2 1 0 5 x 7 0 y • 5 −1第一章 线性空间与线性变换§1.7 几何空间线性变换的例子第一章 线性空间与线性变换§1.7 几何空间线性变换的例子平面上的例子:平面上的例子:β αAβ = 0.5β2 0 A = 0 0.5β αcosφ sinφ B = −sinφ cosφ π/6Aα = 2 α第一章 线性空间与线性变换§1.7 几何空间线性变换的例子第一章 线性空间与线性变换§1.8 线性空间的同构平面上的例子: Cβ = β§1.8 线性空间的同构 一. 定义 设V, U都是数域F上的线性空间. 若∃双射σ∈ Hom(V, U), 则称V与U同构, 记为V ≅ U. 并且称σ为V到U的一个同构映射.βCα = − αα0 C = −1 1 0272365083@15请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.8 线性空间的同构第一章 线性空间与线性变换§1.8 线性空间的同构→二. 性质 定理1.8.1 设σ为线性空间V到U的同构映射, 则中向量α1, …, αk线性无关 ⇔ σ(α1), …, σ(αk)线性无关. 证明: (⇒) 设α1, …, αk线性无关, 则 c1σ(α1) + … + ckσ(αk) = 0 ⇒ σ(c1α1 + … + ckαk) = 0 = σ(0) ⇒ c1α1 + … + ckαk = 0 ⇒ c1 = … = ck = 0. 可见σ(α1), …, σ(αk)线性无关.→→第一章 线性空间与线性变换§1.8 线性空间的同构第一章 线性空间与线性变换§1.8 线性空间的同构二. 性质 定理1.8.1 设σ为线性空间V到U的同构映射, 则中向量α1, …, αk线性无关 ⇔ σ(α1), …, σ(αk)线性无关. 证明: (⇐) 设σ(α1), …, σ(αk)线性无关, 则 c1α1 + … + ckαk = 0 ⇒ c1σ(α1) + … + ckσ(αk) = σ(c1α1 + … + ckαk) = σ(0) = 0 ⇒ c1 = … = ck = 0. 可见α1, …, αk线性无关.三. 判定 定理1.8.2 设V与U是数域F上的有限维线性空 间, 则V ≅ U ⇔ dimV = dimU. 证明: (⇒) 设σ为V到U的一个同构映射, 则R(σ) = U, K(σ) = {0}. 故dimV = dimR(σ) + dimK(σ) = dimU.第一章 线性空间与线性变换§1.8 线性空间的同构第一章 线性空间与线性变换§1.8 线性空间的同构(⇐) 设dimV = dimU = n, α1, …, αn为V的一组基, ξ1, …, ξn为U的一组基. 对于任意的α = a1α1 + … + anαn ∈ V, 令σ(α) = a1ξ1 + … + anξn, 则 (1) σ : V → U为单射. 事实上, … (2) σ : V → U为单射. 事实上, … (3) σ ∈ Hom(V, U). 事实上, … 故V ≅ U.(1) σ : V → U为单射. 事实上, 若α = a1α1 +…+ anαn, β = b1α1 +…+ bnαn, 且σ(α) = σ(β), 则 a1ξ1 + … + anξn = b1ξ1 + … + bnξn, 故(a1−b1)ξ1 + … + (an−bn)ξn = 0, 由此可得 a1−b1 = … = an−bn = 0, 即(a1, …, an) = (b1, …, bn), 因而α = a1α1 +…+ anαn = b1α1 +…+ bnαn = β.272365083@16请双面打印/复印(节约纸张)第一章 线性空间与线性变换§1.8 线性空间的同构第一章 线性空间与线性变换§1.8 线性空间的同构(2) σ : V → U为满射. 事实上, ∀ξ∈U, 设ξ = a1ξ1 + … + anξn, 于是令α = a1α1 +…+ anαn, 则α ∈ V 且σ(α) = a1ξ1 + … + anξn = ξ.(3) σ ∈ Hom(V, U). 事实上, ∀α = a1α1 +…+ anαn, β = b1α1 +…+ bnαn, k, l ∈ F, 有 σ(kα + lβ) = σ((ka1+ lb1)α1 +…+ (kan+ lbn)αn) = (ka1+ lb1)ξ1 + … + (kan+ lbn)ξn = k(a1ξ1 +…+ anξn) + l(b1ξ1 +…+ bnξn) = kσ(α) + lσ(β).第一章 线性空间与线性变换§1.8 线性空间的同构第一章 线性空间与线性变换§1.8 线性空间的同构四. 例子 1. [x]n = {a0+…+an−1xn−1 | a0, …, an−1x∈ }. dim [x]n = n = dim 事实上, 容易验证n,2. dimM2×3( ) = 6, 故M2×3( ) ≅ 事实上, 容易验证6.故 [x]n ≅n;n.σ : M2×3( ) →a11 a12 a13 a21 a22 a236;σ : [x]n →a0+…+an−1xn−1 → 为同构映射.a0 an−1 …a11 a12 a → a13 21 a22 a23为同构映射.第一章 线性空间与线性变换§1.8 线性空间的同构3.= {x∈ | x > 0}. a⊕b = ab, ∀a, b∈ +; k⊗a = ak, ∀a∈ +, ∀k∈ . dim + = 1, 故 + ≅ . 事实上, 容易验证 → ; x → logax++为同构映射.272365083@17。
基变换与坐标变换的关系与应用基变换和坐标变换是线性代数中的重要概念，它们之间存在一定的关系，并且在许多领域中有广泛的应用。
本文将探讨基变换和坐标变换的关系以及它们在实际应用中的应用案例。
1. 基变换与坐标变换的概念在线性代数中，基是向量空间中一组线性无关的向量。
基变换是将一个向量空间的基转换为另一个基的过程。
而坐标是描述向量在某个基下的表示方式。
坐标变换是从一个基的坐标系转换到另一个基的坐标系的过程。
可以说基变换是在向量空间中改变基的方向和大小，而坐标变换是在坐标系中改变坐标的表示。
2. 基变换与坐标变换的关系基变换和坐标变换之间存在紧密的联系。
考虑一个向量在一个基下的坐标表示，如果我们将该基进行变换，那么基相应的坐标系也会发生变化。
而坐标变换是基变换的结果，通过基变换，我们可以得到向量在新基下的坐标表示。
换句话说，基变换决定了坐标变换的方式。
3. 基变换与坐标变换的应用基变换和坐标变换在许多科学领域中有广泛的应用。
3.1 三维坐标变换在三维计算机图形学和计算机视觉中，我们经常需要对三维空间中的对象进行坐标变换。
通过基变换和坐标变换，我们可以将对象从世界坐标系转换到相机坐标系或者屏幕坐标系。
这样可以实现对象在三维空间中的旋转、缩放和平移等操作。
3.2 坐标系的正交化在机器学习领域中，正交化是一个常见的操作。
通过对数据进行基变换，可以将原始数据映射到一个正交基的坐标系中，从而方便进行数据分析和处理。
例如，在主成分分析（PCA）中，我们通过基变换将数据投影到一个新的基上，实现数据的降维和特征提取。
3.3 图像处理中的颜色空间转换在图像处理中，颜色空间的转换是一个重要的任务。
基于RGB颜色模型的图像可以通过基变换和坐标变换转换到其他颜色空间，如HSV、Lab等。
这样可以方便地实现图像的亮度、饱和度和色彩的调整。
3.4 机器人运动规划中的坐标变换在机器人运动规划中，坐标变换是一个关键的步骤。
通过基变换，可以将机器人末端执行器的位置和姿态从机器人局部坐标系转换到全局坐标系，从而方便进行运动轨迹的规划和控制。
基变换与坐标变换的理解在线性代数的学习过程中，我们经常会遇到基变换和坐标变换的概念。
这两个概念是线性代数中非常重要的概念，对于理解矩阵变换和向量空间变换起着至关重要的作用。
基变换的概念和意义在向量空间中，基是一个线性无关且张成整个向量空间的向量集合。
基变换指的是由一个基向量集合变换为另一个基向量集合的过程。
当我们进行基变换时，实际上是在改变向量表示的方式，但是向量本身不会发生变化。
基变换的本质是将原向量空间中的向量通过一种线性变换映射到一个新的基向量空间中，从而使得原空间中的向量在新的基下有着不同的坐标表示。
通过基变换，我们可以更加方便地对向量空间进行分析和处理。
在实际应用中，基变换也被广泛应用于图像处理、机器学习等领域。
例如，在计算机图形学中，基变换可以帮助我们更好地理解和描述图形的变化和转换。
坐标变换的概念和意义坐标变换是指在给定基的基础上，改变向量在这个基下的坐标表示的过程。
坐标变换实际上是一种基变换的特例，特别是当基是标准正交基时，坐标变换可以简化为矩阵乘法的形式。
通过坐标变换，我们可以将向量从一个坐标系表示转换为另一个坐标系表示，这在实际应用中具有重要意义。
在机器人学中，坐标变换可以帮助我们描述机器人在不同坐标系下的位置关系，从而控制机器人的运动。
在三维图形学中，坐标变换也是不可或缺的工具，可以帮助我们实现图形对象的平移、旋转等操作。
基变换与坐标变换的关系基变换和坐标变换之间有着密切的联系。
在实际应用中，基变换可以通过矩阵乘法来表示，而坐标变换也可以通过矩阵乘法来表示。
基变换和坐标变换的关系可以从几何和代数的角度进行理解。
从几何上看，基变换可以看作是一种向量空间的旋转、拉伸和压缩等操作，而坐标变换则是在这个基的基础上描述向量的位置关系的操作。
从代数的角度看，基变换可以看作是基向量的线性组合，坐标变换可以看作是向量在不同基向量下的系数表示。
通过矩阵的乘法运算，我们可以很方便地实现基变换和坐标变换的转换。
基变换与坐标变换基变换与坐标变换是数学中的一个概念，它们都是研究变换形式的基础工作。
它们是将一个空间中的向量投影到另一个空间的过程。
基变换是指一种变换，它使空间的向量的基本特征保持不变。
坐标变换是指把数据由一种坐标系转换为另一种坐标系的过程，如从极坐标转换到直角坐标。
基变换可以分为几何和代数两种形式，每种形式都有不同的用途。
几何变换是指对点或向量空间中的向量应用一定的变换，来改变其形状或尺寸。
几何变换可以表示为一组线性方程，其作用是把输入空间中的点映射到输出空间中的点。
常见的几何变换包括旋转和缩放。
代数变换是指把一个空间中的点映射到另一个空间中的点，通过使用多项式来完成。
代数变换可以用来改变一个点的位置，形状，尺寸等属性，例如抛物线变换和二次变换等。
坐标变换是把一种坐标系的数据转换到另一种坐标系的过程。
坐标变换的基本原理是把一个物体的坐标从一个坐标系（原坐标系）转换到另一个坐标系（目标坐标系）。
常见的坐标变换有从极坐标到直角坐标的变换，从直角坐标到极坐标的变换，从笛卡尔坐标到其他坐标系的变换以及曲面坐标变换等等。
在工程中，基变换和坐标变换都经常被用来实现特定的工程目标。
基变换可以被用来改变数据的形状，比如在图像处理中，可以使用基变换来缩放和旋转图像。
坐标变换可以被用来将一个坐标系的数据转换到另一个坐标系，比如在机器人攻击中，可以使用坐标变换来实现从直角坐标到极坐标的变换。
总而言之，基变换和坐标变换在数学和工程中是非常重要的概念。
基变换可以用来改变空间中向量的特征，而坐标变换则可以用来将一种坐标系的数据转换到另一种坐标系。
它们在许多领域中都有重要用途，例如图像处理，机器人控制，计算机视觉，空间分析等方面，广泛应用于实际工程中。
基变换和坐标变换在数学和物理学中，基变换和坐标变换是两个重要的概念。
基变换是指在一个向量空间中改变基底的操作，而坐标变换则是在不同基底下表示同一个向量或矩阵时的转换方式。
基变换基是向量空间中一个特殊的向量组，它可以用来表示向量空间中的任意向量。
在基变换中，我们改变基底的选择，从而影响向量在新基底下的表示。
假设有一个向量空间V，它有一组基${\\mathbf{v}_1, \\mathbf{v}_2, \\ldots,\\mathbf{v}_n}$。
我们可以通过线性组合的方式表示V中的任意向量$\\mathbf{v}$：$$ \\mathbf{v} = c_1\\mathbf{v}_1 + c_2\\mathbf{v}_2 + \\ldots +c_n\\mathbf{v}_n $$其中$c_1, c_2, \\ldots, c_n$为标量系数。
现在，我们要将V中的向量$\\mathbf{v}$表示在另一组基${\\mathbf{u}_1,\\mathbf{u}_2, \\ldots, \\mathbf{u}_n}$下。
假设向量$\\mathbf{v}$在新基底下的表示为${\\mathbf{w}_1, \\mathbf{w}_2, \\ldots, \\mathbf{w}_n}$，我们可以表示$\\mathbf{v}$在新基底下的线性组合为：$$ \\mathbf{v} = d_1\\mathbf{w}_1 + d_2\\mathbf{w}_2 + \\ldots +d_n\\mathbf{w}_n $$我们想要找到向量$\\mathbf{v}$在新基底下的系数$d_1, d_2, \\ldots, d_n$。
这个过程就是基变换。
坐标变换坐标变换是指向量在不同基底下的表示方式的转换。
假设有两组基${\\mathbf{v}_1, \\mathbf{v}_2, \\ldots, \\mathbf{v}_n}$和${\\mathbf{u}_1,\\mathbf{u}_2, \\ldots, \\mathbf{u}_n}$，以及向量$\\mathbf{v}$在这两组基底下的坐标分别为${\\mathbf{c}}$和${\\mathbf{d}}$。
《咼等代数与解析几何》课程教学大纲一、课程基本信息1、课程名称：高等代数与解析几何（上、下）2、课程编号：03030001/23、课程类别：学科基础课4、总学时/学分：160/105、适用专业：信息与计算科学6、开课学期：第一、二学期二、课程与人才培养标准实现矩阵说明掌握自然科学基础知识和数学专业所需的技术基础及专业知识，掌握分析问题、解决问题的科学方法；通过所学专业基础知识，获取数学专业知识的能力，更新知识和应用知识的能力。
三、课程的地位性质与目的本课程是数学与应用数学专业学生的重要的基础课程，是现代信息科学中不可缺少的数学工具。
高等代数与解析几何最突出的特点就是代数与几何在知识与理论上的有机结合，在思想和方法上的融会贯通。
主要目的是掌握本门课程的基本理论和基本方法；同时通过本课程的教学，锻炼和提高学生的思维能力，培养学生分析问题和解决问题的能力，培养学生创新能力，提高学生的数学素养。
四、学时分配表五、课程教学内容和基本要求总的目标：通过本课程的学习要求学生对高等代数与解析几何的基本概念、基本定理有比较全面、系统认识，能把几何的观点与代数的方法结合起来，“代数为几何提供研究方法，几何为代数提供直观背景”，逐步培养学生运用几何与代数相结合的方法分析问题、解决问题的能力，培养学生抽象的思维能力及空间想象能力。
本课程各章的教学内容和基本要求如下：第一章向量代数【教学内容】1、向量的线性运算2、向量的共线与共面3、用坐标表示向量4、线性相关性与线性方程组5、n维向量空间6、几何空间向量的内积7、几何空间向量的外积8、几何空间向量的混合积【基本要求】理解向量的概念，掌握向量的线性运算、内积、外积、混合积运算；熟悉向量间垂直、共线、共面的条件；会用坐标进行向量的运算。
【教学重点及难点】重点：向量的概念，向量的线性运算、内积、外积、混合积运算；用坐标进行向量的运算。
难点：向量间垂直、共线、共面的条件。
第二章行列式【教学内容】1、映射与变换2、置换的奇偶性3、矩阵4、行列式的定义理解n阶行列式的概念及性质，掌握常见类型的行列式的计算；熟悉克拉默法则。
