灰度线性变换
f=imread('Fig33.bmp')
[M,N]=size(f);
g=zeros(M,N);
f=double(f);
g=double(g);
k1=min(min(f));
k2=max(max(f));
a=k1+50;
b=k2-50;
c=k1-30;
d=k2+20;
for i=1:M
for j=1:N
if((f(i,j)>=a)&&(f(i,j)>=c))
g(i,j)=((d-c)/(b-a))*(f(i,j)-a)+c;
end
if(f(i,j)>=d);
g(i,j)=c;
end
if(f(i,j)>=b)
g(i,j)=d;
end
end
end
figure;
subplot(121);
imshow(f,[]);
subplot(122);
imshow(g,[])
图像反转I=imread('Fig33.bmp');
J=double(I);
J=-J+(256-1); %图像翻转线性变换
H=uint8(J);
subplot(1,2,1),imshow(I);
subplot(1,2,2),imshow(H)
膨胀变化A =imread('123.png');
se=strel('line',20,0);
B=imdilate(A,se);
imshow(B)
imwrite(B,'456.jpg')
腐蚀变换A=imread('12.jpg');
subplot(221),imshow(A);
title('腐蚀原始图像');
se1=strel('disk',2);
B=imerode(A,se1);
subplot(222),imshow(B);
title('disk(4)腐蚀后的图像');
se2=strel('disk',6);
C=imerode(A,se2);
subplot(223),imshow(C);
title('disk(6)腐蚀后的图像 ');
se3=strel('disk',8);
D=imerode(A,se3);
subplot(224),imshow(D);
title('disk(8)腐蚀后的图像 ');
找靶心I1=imread('123.jpg')
imshow(I1)
Ig=rgb2gray(I1);
Ie=edge(Ig,'canny',0.3);
S1=strel('disk',2)
I2=imclose(Ie,S1)
Is=bwmorph(I2,'fill',2);
S2=strel('disk',2);
Ik=imopen(Is,S2);
figure;
imshow(Ik)
浅谈高中数学线性变换的解题技巧 在新课改之后，要求高中生不仅要学会灵活运用学科基础知识解决问题，还要利用课余时间学习自身兴趣的知识点，使得每个人都能得到全面发展和锻炼。高中线性变换虽然作为选修章节，但是其所蕴含的内容是衔接高中与大学的关键点，掌握线性变换的基础知识也就是提前了解和学习了大学所要接触的高等数学知识模块，即矩阵问题。因此，笔者立足于高中选修的重要知识点——线性变换，先阐述其概念及性质，然后来探究如何巧妙解决高中数学中线性变换的难题，从而为初等数学过渡到高等数学做提前的准备。 标签：数学线性变换解题技巧 一、高中数学线性变换的概述 1.线性变换的概念 线性变换一般是指，在构建的xOy坐标系内，存在至少一个点或多个点的集合A与另一个相对应的至少一个或多个点的集合B两者之间按照一定规则可以相互变换，且不同的点与所转变后的点不相同，即在平面直角坐标系中，把形如进行几何变换，这就叫做线性变换。 2.线性变换的基本性质 线性变换具有三个基本性质，第一个性质是任何向量乘于零都为零，数学表达式为：T（0）=0；第二个性质是任何向量乘于任何一个负向量等于两个向量相乘的负数，数学表达式为：T（-a）=-T（a）；第三个性质是线性变换满足乘法交换律、结合律，即，其中A是一般矩阵，是平面直角坐标系内任意的两个向量，是任意实数。 二、高中数学线性变换的解题技巧 1.数形结合 例1：在平面直角坐标系xOy中，已知平面区域A={（x，y）|x + y≤1，且x≥0，y≥0}，求平面区域B={（x + y，x - y）|（x，y）∈A}的面積。 解析：本题考察的是线性变换结合不等式的应用难点，解决该问题首先要分析题干信息，根据题目给出的信息列出平面区域A的不等式条件。由于本题平面区域B存在与平面区域A相重合的未知数，因此要假设两个新的未知数替代B的条件，再将新的未知数条件代入A中就能很快确定B的向量表示，最后快速建立平面直角坐标系画出平面区域B的图形就能的出其面积的大小。 设：未知数u=x+y，v=x-y
线性变换习题 一、填空题 1. 设σ是3 P 的线性变换，(,,)(2,4,3)a b c b c a b a σ=+-，,,a b c P ?∈，1(1,0,0),ε= 2(0,1,0),ε=3(0,0,1)ε=是3P 的一组基，则σ在基123,,εεε下的矩阵为 _______________，又3123,P αεεε=-+∈则()σα=_________。 2. 设A 为数域P 上秩为r 的n 阶矩阵，定义n 维列向量空间n P 的线性变换σ：()A σξξ=， n P ξ∈，则()1dim (0)σ-＝ ，()dim ()n P σ＝ 。 3. 设P 上三维列向量空间V 的线性变换σ在基123,,ααα下的矩阵是11220 1121-?? ? ? ?-?? ，则σ在基213,,ααα下的矩阵是 。 4. 如果矩阵A 的特征值等于1，则行列式||A E -= 。 5. 设A =???? ? ??? ??21 1 12 1112 ，()X AX σ=是P 3上的线性变换，那么σ的零度= 。 6. 若n n A P ?∈，且2 A E =，则A 的特征值为 。 7. 在[]n P x 中，线性变换D (()f x )'()f x =，则D 在基211,,, ,n x x x -下的矩阵 为 。 8. 在22 P ?中，线性变换10:20A A σ??→ ???在基121001,,0000E E ???? == ? ????? 300,10E ??= ??? 40001E ?? = ???下的矩阵是 。 9. 设321502114A ?? ? = ? ??? 的三个特征值为1λ，2λ，3λ，则1λ+2λ+3λ= ， 1λ2λ3λ= 。 10. 数域P 上n 维线性空间V 的全体线性变换所成的线性空间()L V 为 维线性空间，
第六章 线性变换 映射：,X Y ≠?≠?，如果有一个法则σ，它使得X 中每个元素α，在Y 中有唯一确定的元素β与之对应，则称σ为X 到Y 的一个映射，记作:X Y σ→，()σαβ=，β称为α在σ下的象，α称为β在σ下的原象。 注：()(),X στασατα=??∈=对。 变换：一个集合到自身的映射。 线性变换的定义与性质 定义 设V 是数域F 上的线性空间，σ是V 的一个变换，如果满足条件： （1）()()()βσασβασV,α,β+=+∈?； （2）()()k F,αV,k αk σασ?∈?∈=， 则称σ是V 上的线性变换或线性算子。 (1), (2)等价于条件：,,,k l F V αβ?∈∈ ()()()σk αl βk σαl σβ+=+。 例：设σ：n n R R →，定义为()c αασ=，c 为常数。-----数乘 变换或位似变换。 c =0-----零变换，记为o 。 c =1-----恒等变换，记为ε。 例：设σ是把平面上的向量绕坐标原点逆时针旋转θ角的变换 设()()(),,,T T x y x y ασα''==，则
cos sin sin cos x x y y x y θθ θθ'=-??'=+? 记cos sin sin cos A θθθ θ-?? =??? ? ，则()A σαα=是一个线性变换。 例：判断下列变换是否是线性变换 (1) ()()12323,,1,,T T a a a a a σ=; (2) ()()12323,,0,,T T a a a a a σ=; (3) ()()12312231,,2,,T T a a a a a a a a σ=-+; (4) ()()212312 3,,,,3T T a a a a a a σ=. 线性变换的基本性质 （1）()θθσ=； （2）()()ασασ-=-； （3）线性变换保持向量的线性组合关系不变，即若s s αk αk αk β+++=Λ2211，则1122s s βk αk αk ασσσσ=+++L ； 若θ=+++s s αk αk αk Λ2211，则θσσσ=+++s s αk αk αk Λ2211。 （4）线性变换将线性相关的向量组映成线性相关的向量组。 线性变换的运算 ()V L ----线性空间V 上所有线性变换的集合。
1．在向量空间 3 F 3中,设1, 1, 1, 1, 是F3的两个基, F 3), 1) 3到 基§7.3 线性变换和矩 阵 1, 0, 1, 1 , 1, 1, 1 2, 1, 1 3 的过渡矩阵； 1,2,3 2) 在基1, 2, 3下的矩阵； 3)求基1, 2, 3下的矩阵； 4)设 (2,1,3) ,分别求在基 1, 2, 3与1 设三维向量空间V 的线性变换在基1, 2 , 3 下的矩阵是 a11a12a13 A a21a22a23 a31a32a33 1)求在基3, 2, 1下的矩阵； 2)求在基1,k 2 , 3下的矩阵, 其中0k F；2 2． 12 12 3 下的坐标．3) 在基3下的矩阵． 3．在向量空间M 2 (F) 中,定义线性变换 (x)= a b a b (X)= a c b d X c a d b
在基E11, E12, E21, E22下的矩阵. 4.在F 2 2中，求在基E11, E12, E21, E22下的矩阵为 1020 0102 A 3040 0304 的线性变换 . 5. 在n维向量空间V中， L(V)，存在向量V ，使得 n1 0，但 n 0 .证 明：V中存在一个基，使得在这个基下的矩阵是 0E n1 00 6. 设A s B，C s D,证明 A0B0 s 0C0C 7. 设A可逆，证明：AB^BA. 8. 在向量空间F3 3中，设 ab c c a b b c a A b c a ， B a b c， C c a b ca b b c a a b c 证明：A，B， C 彼此此相似. 9.设V 是数域 F 上n 维向量空间，证明：V 的与全体线性变换可交换的线性变换是数乘变换. 10.设V是数域F上n维向量空间，问V中是否有线性变换，，使其中I 是恒等变换，为什么？对无限维空间结论又如何？ I.
目录 摘要 (1) Abstract (2) 引言 (3) 1 线性变换 (4) 1.1 线性变换的定义 (4) 1.1.1 线性变换的概念 (4) 1.1.2 线性变换的矩阵及矩阵表示 (4) 1.2 矩阵的相似对角化问题 (5) 1.2.1 相似对角化问题 (5) 1.2.2 矩阵的特征值与特征向量 (5) 2 线性变换的对角化 (7) 2.1 线性变换的对角化 (7) 2.1.1 线性对角化的提出 (7) 2.1.2 线性对角化的定义 (7) 2.2 线性变换的特征值与特征向量 (7) 2.2.1 线性变换的特征值与特征向量的概念 (7) 2.2.2 线性变换的特征多项式 (7) 2.3 线性变换对角化与矩阵对角化之间的联系 (8) 2.3.1 特征值与特征向量的联系 (8) 2.3.2 线性变换对角化与矩阵相似对角化之间的关系 (9) 2.3.3 线性变换可对角化的充要条件及推论 (9) 2.3.4 求线性变换对角化的方法和步骤 (10) 3 线性对角化问题的相关题目 (14) 总结 (16) 参考文献 (17) 致谢 (18)
摘要 线性变换是贯穿高等代数的重要内容之一，其研究价值不言而喻。本文尝试通过探讨矩阵对角化的知识点类比线性变换对角化的知识点，再通过矩阵的特征值与特征向量，以线性对角化问题为主要线索，着手研究线性变换特征值与特征向量的求解步骤以及线性对角化的基本条件，并且总结说明线性变换的对角化与矩阵对角化的联系，更进一步的，加深了解矩阵对角化与线性对角化的内容及要点。 关键词：线性变换的对角化问题；矩阵；特征值；特征向量
Linear transformation is an important part of higher algebra through its research value is self-evident. This paper attempts to explore the matrix diagonalization by knowledge points of analog linear transformation diagonalization knowledge, and through the eigenvalues and eigenvectors of the matrix, linear diagonalization problem as the main clue, started studying linear transformations eigenvalues and eigenvectors steps to solve the basic conditions and linear keratosis, and summary description of the linear transformation matrix diagonalization diagonalization with links to further deepen understanding of linear matrix diagonalization diagonalization content and points. Keywords: Changing existing diagonalization；Matrix；Eigenvalues；Eigenvectors
DLT 直接线性变换解法程序介绍 一、程序综合介绍：DLT结算程序 程序功能介绍：应用6个已知点计算左右片l 系数；然后应用已经求得的l系数求解物方空间坐标系坐标 程序名：SuYGDLT 程序界面： 程序界面有四个按钮，分别为读取文件，左片l系数计算，右片系数计算，物放坐标解算程序界面有四个编辑框，分别用来输出文件信息，左片l系数、右片l系数、以及无妨坐标结果 截图如下 程序使用介绍： 必须先点击导入文件按钮，导入文件方可进行正确的计算，如果未导入文件就点击左片平差或右片平差或无妨坐标解算就会弹出如下对话框：
读取数据后点击其它按钮进行其它计算。 程序文件格式： 数据文件分为两部分，KnownPoint，UNKnownPoint，分别代表已知点信息和待求点信息当文件读取程序读到“KnownPoint”时开始读取已知点信息，已知点信息格式如下 GCP1,1214.0000,1032.0000,1046.5180,1071.6652,9.201742,-9.672384,-2.726064 分别代表点名、左片相片X坐标、左片相片y坐标、右片相片x坐标、右片相片y坐标物方坐标X、Y、Z; 当文件读取到“END KnownPoint”时结束已知坐标的读取 待求点信息类似：文件格式截图如下： 程序运行结果与评估： 本程序区1-10号点作为已知点计算l近似值11-20号点作为未知点解求其物方三维坐标；
程序运行结果与所给参考值相似，应该可以证明其运算是正确的，运行结果截图如下： 二、程序编程思想及相关代码 程序编程思想及相关函数： 本程序设计DLTCalculation类作为l系数结算主程序，其成员变量及成员函数与作用介绍如下： CSuLMatrix LL;//左片L系数矩阵 CSuLMatrix RL;//右片L系数矩阵 int m_iKnownPointCount;//已知点个数 CControlPoint *m_pKnownPoint;//已知点 int m_iUnKnownPointCount;//未知点个数 CControlPoint *m_pUnKnownPoint;//未知点 public: CString LoadData(const CString& strFileName);//读取文件函数 int ifLoda;//判断是否导入数据 CString Datainfor;//文件信息存储 CString *SplitString(CString str,char split, int& iSubStrs); //分割函数 void LFormApproL(CSuLMatrix &LL);//计算左片L系数近似值 void RFormApproL(CSuLMatrix &RL);//计算右片L系数近似值 void FormLErrorEquations(CSuLMatrix LL,CMatrix &LM,CMatrix &LW);//组成左片系数矩阵和常数项矩阵 void LAdjust();//左片平差主函数 void FormRErrorEquations(CSuLMatrix RL,CMatrix &RM,CMatrix &RW);//组成右片系数矩阵和常数项矩阵 void RAdjust();//右片平差主函数 void Output(const CString& strFileName);//输出结果主程序
七、线性变换习题课 1．复习线性变换的概念 例1 将C看成R上的线性空间，变换是线性的，看成C上的线性空间则不是。 证明：R上：有== 又 故A是R上线性空间C的线性变换。 C上：取及，有，而，故A不是C上线性空间C的线性变换。 由上例，变换A是否为线性变换与所讨论的数域有关。 2．利用运算的意义，运算律推证线性变换的等式，利用线性变换与n阶方阵代数同构解决有关问题。 例2设A,B是线性变换，如果证明： ，（k>0） 证明: 由已知,对k=1结论成立,故考虑用数学归纳法. 对k用归纳法.当k=1时结论成立. K=2时,由已知 =AB=(BA+E)A+A-BA2 =BA2+A+A-BA2=2A 结论成立. 设当k时结论成立,即,也即. 当k+1时, =ABA k+AkA k-1-BA k+1=(BA+E)A k+kA k-BA k+1 =BA k+1+A k+kA k-BA k+1=(k+1)A k 所以结论对k+1也成立,从而对一切k1成立. 例3设V是数域P上n维线性空间,证明:V的与全体线性变换交换的线性变换是数乘变换. 证明: 需要表达出线性变换,联系到某基下的矩阵. 设令A,B在某基下的矩阵分别为A,B. 因为,所以由得AB=BA.由的任意 性,也是任意的,从而存在某个k使得A=kE为数量阵(P.204,,于是为数量变换. 有了变换乘积,进一步可考虑可逆变换. 3. 系统小结可逆线性变换的的等价条件,并举例说明一些基本论证方法. A可逆10存在使=E.
A是双射. A在基下的矩阵A可逆—有限维 例4 设是线性空间V的一组基,A是V上的线性变换,证明:可逆当且仅当线性无关. 证明:证法一: “”,,若=0,有B()=0,即=0,=0,即线性无关. “”线性无关, 因dimV=n,故使得 =A() 令使=() 易见,且,即 又任给设= 有()== 故,从A可逆. 证法二:利用双射 “” A是双射,则0==A() 得0=(0对应0) 故,线性无关. “”由dimV=n,V的任一向量可由唯一表示,即V中任一向量有唯一(要证明)原像(显然).故A是双射. 证法三:利用矩阵 A可逆A在下的矩阵A可逆 ()A也是一组基=n 线性无关 例5设,W1,W2是V的子空间,且,则可逆. 证明:由,有V,可设W1的一组基为, W2的一组
线性变换与矩阵的关系 学院：数学与计算机科学学院 班级：2011级数学与应用数学 ： 学号：
线性变换与矩阵的关系 （西北民族大学数学与应用数学专业， 730124） 指导教师 一、线性变换 定义1 设有两个非空集合V,U，若对于V中任一元素α，按照一定规则总有U中一个确定的元素β和它对应，则这个对应规则被称为从集合V到集合U的变换（或映射），记作β=T(α)或β=T α,( α∈V)。 设α∈V，T(α)= β,则说变换T把元素α变为β，β称为α在变换T下的象，α称为β在变换T下的源，V称为变换T的源集，象的全体所构成的集合称为象集，记作T(V)。即 T(V)={ β=T(α)|α∈V}, 显然T(V) ?U 注：变换的概念实际上是函数概念的推广。 定义2 设V n,U m分别是实数域R上的n维和m维线性空间，T是一个从V n到U m得变换，如果变换满足 （1）任给α1 ，α2∈V n，有T(α1+α2)=T(α1)+T(α2); （2）任给α∈V n，k∈R，都有 T(kα)=kT(α)。 那么，就称T为从V n到U m的线性变换。 说明：
○1线性变换就是保持线性组合的对应的变换。 ○2一般用黑体大写字母T,A,B,…代表现象变换，T(α)或Tα代表元 α在变换下的象。 ○3若U m=V n，则T是一个从线性空间V n到其自身的线性变换，称为线性空 V n中的线性变换。下面主要讨论线性空间V n中的线性变换。 二、线性变换的性质 设T是V n中的线性变换，则 (1)T(0)=0,T(-α)=-T(α); (2)若β=k1α1+k2α2+…+k mαm,则Tβ=k1Tα1+k2Tα2+…+k m Tα m; (3)若α1，…αm线性相关，则Tα1…Tαm亦线性相关； 注：讨论对线性无关的情形不一定成立。 (4)线性变换T的象集T(V n)是一个线性空间V n的子空间。 记S T={α|α∈V n,T α=0}称为线性变换T的核，S T是V n的子空间。 设V和W是数域F上的向量空间，而σ：V→W是一个线性映射。那么 (i)σ是满射Im(σ)=W; (ii)σ是单射Ker(σ)={0}
直接线性变换Matlab实现的程序源代码 function re=DLT(A,B) %imco为像方坐标，输入单位是像素 imco=A; %此处为控制点像方坐标，格式为2×n，单位：像素 %obco为物方坐标，输入单位是毫米 obco=B; %此处为控制点物方坐标，格式为n×3单位：毫米 imco_be=[];B=[];M=[]; for i=1:size(imco,2) imco_be=[imco_be;imco(:,i)]; end for i=1:size(imco,2) A1=[obco(i,:),1,0,0,0,0]; A2=[0,0,0,0,obco(i,:),1]; M=[M;A1;A2]; B1=obco(i,:).*imco_be(2*i-1); B2=obco(i,:).*imco_be(2*i); B=[B;B1;B2]; end M=[M,B]; N=M(1:11,:); L=N\(-imco_be(1:11,:)); X0=-((L(1)*L(9)+L(2)*L(10)+L(3)*L(11))/(L(9)*L(9)+L(10)*L(10)+L(11)*L(11))); Y0=-((L(5)*L(9)+L(6)*L(10)+L(7)*L(11))/(L(9)*L(9)+L(10)*L(10)+L(11)*L(11))); L=[L;0];M3=[];W=[]; for i=1:size(imco,2) xyz=obco(i,:); A=xyz(1)*L(9)+xyz(2)*L(10)+xyz(3)*L(11)+1; r2=(imco_be(2*i-1)-X0)*(imco_be(2*i-1)-X0)+(imco_be(2*i)-Y0)*(imco_be(2*i)-Y 0); M1=[A*(imco_be(2*i-1)-X0)*r2;A*(imco_be(2*i)-Y0)*r2]; M2=-[M(2*i-1:2*i,:),M1]/A; M3=[M3;M2]; W=[W;-[imco_be(2*i-1);imco_be(2*i)]/A]; end WP=M3'*W; NBBN=inv(M3'*M3); LP=-NBBN*WP; v=M3*LP+W; imco_be=imco_be+v; X0=-(LP(1)*LP(9)+LP(2)*LP(10)+LP(3)*LP(11))/(LP(9)*LP(9)+LP(10)*LP(10)+LP (11)*LP(11)); Y0=-(LP(5)*LP(9)+LP(6)*LP(10)+LP(7)*LP(11))/(LP(9)*LP(9)+LP(10)*LP(10)+LP (11)*LP(11)); 1
第七章线性变换3．在P[x]中，Af(x)f(x)，Bf(x)xf(x)，证明： ABBA=E． 『解题提示』直接根据变换的定义验证即可． 证明任取f(x)P[x]，则有 =(A BBA)f(x)ABf(x)BAf(x)A(xf(x))B(f(x)) (xf(x))xf(x)f(x)Ef(x)， 于是ABBA=E． 4．设A,B是线性变换，如果ABBA=E，证明： kkk k1,k1ABBAA． 『解题提示』利用数学归纳法进行证明． 证明当k2时，由于ABBA=E，可得 22()()2 ABBAAABBAA B BAAA， 因此结论成立． 假设当ks时结论成立，即ssss1 ABBAA．那么，当ks1时，有 s1s1(s s)()ssss(s1)s ABBAAABBAA B BAAAAA， 即对ks1结论也成立．从而，根据数学归纳法原理，对一切k1结论都成立． 『特别提醒』由 AE可知，结论对k1也成立． 5．证明：可逆映射是双射． 『解题提示』只需要说明可逆映射既是单射又是满射即可． 1证明设A是线性空间V上的一个可逆变换．对于任意的,V，如果AA，那么，用 A 作用左右两边，得到A AAA，因此A是单射；另外，对于任意的V，存在1()1() 1()1() 1V A，使得 1 AA(A)，即A是满射．于是A是双射．
-1-
『特别提醒』由此结论可知线性空间V上的可逆映射A是V到自身的同构． 6．设1,2,,n是线性空间V的一组基，A是V上的线性变换，证明A可逆当且仅当 A1,A2,,A n线性无关． 证法1若A是可逆的线性变换，设k AkAkA0 ，即 1122nn A(kkk nn)0． 1122 而根据上一题结论可知A是单射，故必有k kk0，又由于 1,2,,n是线性无关的， 1122nn 因此k 1k2k n0．从而A1,A2,,A n线性无关． 反之，若A 1,A2,,A n是线性无关的，那么A AA也是V的一组基．于是，根据 1,2,,n 教材中的定理1，存在唯一的线性变换B，使得B(A i)i，i1,2,,n．显然 BA(i)i，A B(A i)A i，i1,2,,n． 再根据教材中的定理1知，ABBAE．所以A是可逆的． 证法2设A在基 1,2,,n下的矩阵为A，即 A(,,,n)(A,A,,A n)(,,,n)A． 121212 由教材中的定理2可知，A可逆的充要条件是矩阵A可逆． 因此，如果A是可逆的，那么矩阵A可逆，从而A 1,A2,,A n也是V的一组基，即是线性无 关的．反之，如果A AA是线性无关，从而是V的一组基，且A是从基 1,2,,n到1,2,,n A1,A2,,A n的过渡矩阵，因此A是可逆的．所以A是可逆的线性变换． 『方法技巧』方法1利用了上一题的结论及教材中的定理1构造A的逆变换；方法2借助教材中的定理2，将线性变换A可逆转化成了矩阵A可逆． 9．设三维线性空间V上的线性变换A在基1,2,3下的矩阵为 aaa 111213 A aaa． 212223 aaa 313233 1）求A在基3,2,1下的矩阵；
§3 线性变换和矩阵 一、线性变换关于基的矩阵 设V 是数域P 上n 维线性空间.n εεε,,,21 V 的一组基，现在建立线性变换与 矩阵关系. 空间V 中任意一个向量ξ可以被基n εεε,,,21 线性表出，即有关系式 n n x x x εεεξ+++= 2211 (1) 其中系数是唯一确定的，它们就是ξ在这组基下的坐标.由于线性变换保持线性关系不变，因而在ξ的像A ξ与基的像A 1ε,A 2ε,…，A n ε之间也必然有相同的关系： A ξ=A （n n x x x εεε+++ 2211） =1x A (1ε)+2x A (2ε)+…+n x A (n ε) (2) 上式表明，如果知道了基n εεε,,,21 的像，那么线性空间中任意一个向量ξ 的像也就知道了，或者说 1. 设n εεε,,,21 是线性空间V 的一组基，如果线性变换?与?在这组基上 的作用相同，即 A i ε= B i ε， ,,,2,1n i = 那么A = B . 结论1的意义就是，一个线性变换完全被它在一组基上的作用所决定.下面指出，基向量的像却完全可以是任意的，也就是 2. 设n εεε,,,21 是线性空间V 的一组基，对于任意一组向量n ααα,,,21 一定有一个线性变换?使 A i ε=i α .,,2,1n i = 定理1 设n εεε,,,21 是线性空间V 的一组基，n ααα,,,21 是V 中任意n 个 向量.存在唯一的线性变换?使
A i ε=i α .,,2,1n i = 定义2 设n εεε,,,21 是数域P 上n 维线性空间V 的一组基，A 是V 中的一个 线性变换.基向量的像可以被基线性表出： ???????+++=+++=+++=. ,,22112222112212211111n nn n n n n n n n a a a A a a a A a a a A εεεεεεεεεεεε 用矩阵表示就是 A （n εεε,,,21 ）=（A (1ε)，A ?(2ε)，…， A (n ε)） =A n ),,,(21εεε (5) 其中 ?????? ? ??=nn n n n n a a a a a a a a a A 2122221 11211 矩阵A 称为线性变换A 在基n εεε,,,21 下的矩阵. 例 1 设m εεε,,,21 是n )(m n >维线性空间V 的子空间W 的一组基，把它 扩充为V 的一组基n εεε,,,21 .指定线性变换A 如下 ???+====. ,,1,0,,,2,1,n m i A m i A i i i εεε 如此确定的线性变换A 称为子空间W 的一个投影.不难证明 A 2=A 投影A 在基n εεε,,,21 下的矩阵是
浅谈矩阵的特征值与特征向量的应用(终稿)
浅谈矩阵的特征值与特征向量的应用 摘要 特征值与特征向量在现代科学中有重要的应用。本文介绍了特征值与特征向量的定义以及性质，并且给出了在线性空间中线性变换的特征值、特征向量与矩阵中的特征值、特征向量之间的关系。然后介绍了几种特征值与特征向量的求解方法。最后介绍了特征值与特征向量在实际中的应用，如在数学领域中、物理中以及经济发展与环境污染增长模型中的应用等等。 关键字：特征值；特征向量；应用；矩阵；初等变换 Abstract Eigenvalues and eigenvectors have important applications in modern science. This paper introduces the definition and nature of the eigenvalues and eigenvectors, eigenvalues and gives linear space of linear transformations, eigenvectors and eigenvalues of the relationship matrix, feature vectors. Then introduces several eigenvalues and eigenvectors of solving methods. Finally, the eigenvalues and
eigenvectors in practical application, such as in the fields of mathematics, physics, economic development and environmental pollution growth model and the application, and so on. Keys words：eigenvalue；eigenvector；application；matrix；elementary； 目录 浅谈矩阵的特征值与特征向量的应用 (2) 摘要 (2) Abstract (2) 第1章引言 (4) 1.1 研究背景 (4) 1.2 研究现状 (5) 1.3 本文研究目的及意义 (6) 第2章特征值与特征向量的一般理论 (6) 2.1 特征值与特征向量的定义和性质 (6) 2.1.1 特征值与特征向量的定义 (7) 2.1.2 特征值与特征向量的性质 (7) 2.2 特征值与特征向量的一般求解方法 (8) 2.2.1 一般数字矩阵的简单求解 (8)
浅谈线性代数在生活中的应用 线性代数是代数的一个重要学科，那么什么是代数呢？代数英文是Algebra,源于阿拉伯语。其本意是“结合在一起”。也就是说代数的功能是把许多看似不相关的事物“结合在一起”，也就是进行抽象。抽象的目的不是为了显示某些人智商高，而是为了解决问题的方便！为了提高效率。把一些看似不相关的问题化归为一类问题。线性代数中的一个重要概念是线性空间（对所谓的“加法”和“数乘”满足8条公理的集合），而其元素被称为向量。也就是说，只要满足那么几条公理，我们就可以对一个集合进行线性化处理。可以把一个不太明白的结构用已经熟知的线性代数理论来处理，如果我们可以知道所研究的对象的维数(比如说是n)，我们就可以把它等同为R^n，量决定了质！多么深刻而美妙的结论！上面我说的是代数的一个抽象特性。这个对我们的影响是思想性的！如果我们能够把他用在生活中，那么我们的生活将是高效率的。 下面简要谈一下线性代数的具体应用。线性代数研究最多的就是矩阵了。矩阵又是什么呢？矩阵就是一个数表，而这个数表可以进行变换，以形成新的数表。也就是说如果你抽象出某种变化的规律，你就可以用代数的理论对你研究的数表进行变换，并得出你想要的一些结论。 另外，进一步的学科有运筹学。运筹学的一个重要议题是线性规划，而线性规划要用到大量的线性代数的处理。如果掌握的线性代数及线性规划，那么你就可以讲实际生活中的大量问题抽象为线性规划问题。以得到最优解：比如你是一家小商店的老板，你可以合理的安排各种商品的进货，以达到最大利润。如果你是一个大家庭中的一员，你又可以用规划的办法来使你们的家庭预算达到最小。这些都是实际的应用啊！ 总之，线性代数历经如此长的时间而生命力旺盛，可见它的应用之广！ 线性代数是高等代数的一大分支。我们知道一次方程叫做线性方程，讨论线性方程及线性运算的代数就叫做线性代数。在线性代数中最重要的内容就是行列式和矩阵。行列式和矩阵在十九世纪受到很大的注意, 而且写了成千篇关于这两个课题的文章。向量的概念, 从数学的观点来看不过是有序三元数组的一个集合, 然而它以力或速度作为直接的物理意义, 并且数学上用它能立刻写出 物理上所说的事情。向量用于梯度, 散度, 旋度就更有说服力。同样, 行列式和矩阵如导数一样（虽然dy/dx 在数学上不过是一个符号, 表示包括△y/△x 的极限的长式子, 但导数本身是一个强有力的概念, 能使我们直接而创造性地想象物理上发生的事情）。因此，虽然表面上看，行列式和矩阵不过是一种语言或速记，但它的大多数生动的概念能对新的思想领域提供钥匙。然而已经证明这两个概念是数学物理上高度有用的工具。 线性代数学科和矩阵理论是伴随着线性系统方程系数研究而引入和发展的。行列式的概念最早是由十七世纪日本数学家关孝和提出来的，他在1683 年写了一部叫做《解伏题之法》的著作，意思是“ 解行列式问题的方法” ，书里对行列式的概念和它的展开已经有了清楚的叙述。Vandermonde 是第一个对行列式理论进行系统的阐述( 即把行列' 式理论与线性方程组求解相分离) 的人。并且给出了一条法则，用二阶子式和它们的余子式来展开行列式。就对行列式本身进行研究这一点而言，他是这门理论的奠基人。Laplace 在1772 年的论文《对积分和世界体系的探讨》中, 证明了Vandermonde 的一些规则, 并推广了他的展开行列式的方法, 用r 行中所含的子式和它们的余子式的集合来展 开行列式，这个方法现在仍然以他的名字命名。德国数学家雅可比（Jacobi ）
【例9.15】已知系统具有如下形式 u y y y y 66116')2()3(=+++ 试求此系统对角形式的状态方程。 解 令 y x =1，'2y x =，) 2(3y x = 即 21x x =& 32x x =& u x x x x 661163213+---=& 写成矩阵—向量形式 u x x x x x x ?? ?? ??????+????????????????????---=????? ?????6006116100010321321&&& (9.76) []?? ?? ? ?????=321001x x x y 可以看出A 阵为友矩阵，且A 的特征值为 321321-=-=-=λλλ，， 即 321λλλ≠≠ 。 这时我们选转换矩阵P 形式为 ??????? ???? ?????=---11211 2 22 2 121 111 n n n n n n P λλλλλλλλλΛ M ΛM M ΛΛΛ n 为相同的阶数，这里n =3。 本题中 ???? ??????---=921321111 P 令x=Pz 将上式代入(9.42)式，得： Bu APz z P +=& CPz y Bu P APz P z =+=--11& 系统可写为
????????????????????---??????????---??????????---=??????????32132194132111161161000105.05.111435.05.23z z z z z z &&&u ???????????????? ????---+6005.05.111435.05.23 u z z z z z z ???? ??????-+????????????????????---=????? ?????363300020001321321&&& 输出方程为 [][]?? ?? ? ?????=????????????????????---=321321111921321111001z z z z z z y
三维线性变换 陈祥科 1、线性空间 (2) 1.1、线性空间的代数定义 (2) 1.2 线性空间的基和维度 (2) 2、线性变换 (2) 2.1、变换的定义 (2) 2.2、线性变换的定义 (2) 2.3线性变换的性质 (3) 2.4、线性变换下的坐标变换 (3) 2.5、线性变换的矩阵表示： (3) 3、三维图形的几何变换 (4) 3.1平移变换 (5) 3.2缩放变换 (5) 3.3绕坐标轴的旋转变换 (5) 3.4绕任意轴的旋转变换 (6) 4、三维线性变换的应用实例 (7) 4.1 三维图形变换理论 (7) 4.1.1 三维图形的几何变换 (7) 4.1.2 组合三维几何变换 (8) 4.1.3 围绕任意轴的旋转矩阵的推导 (9) 4.1.4 三维图形的轴侧投影变换 (9) 4.2 叉车稳定性试验的仿真 (10) 4.2.1 纵向稳定性试验的仿真 (10) 4.2.2 横向稳定性试验的仿真 (11) 4.3 结论 (12)
1、线性空间 1.1、 线性空间的代数定义 一个定义了加法与数乘运算，且对这些运算封闭，空间中任意向量都属于数域P ，并满足八条算律的集合为数域P 上的线性空间。 1.2 线性空间的基和维度 对于一个数域上的线性空间R ，由n 个属于R 的元素组成的一个线性无关组，如果R 中的任意一个元素都是这n 个元素的线性组合，那么这个线性空间的维度为n ，且这个线性无关组为R 的一组基。显然，三维空间的基有3个元素组成。三维线性空间的的两组基分别为(0,0,1)和(1,0,0)、(0,1,0)。 2、线性变换 2.1、变换的定义 变换是广义概念的函数，它是这样定义的，如果存在2个非空集合A 、B ，α是A 中的任意元素，如果在集合B 中必定有一个元素β与集合A 中的α元素对应，则称这个对应关系是集合A 到集合B 的一个变换，变换也称为映射，记为T ，即有等式 β=T(α) 称β为α在T 变换下的象，称α为β在T 变换下的源，集合A 称为变换T 的源集，A 在变换T 下的所有象称为象集，显然象集是B 的子集。 2.2、线性变换的定义 R 是数域F 上的线性空间，σ是R 的一个变换，并且满足 ()()()()() a k ka b a b a σσσσσ=+=+ 其中a,b ∈R ，k ∈F 则称σ是R 的一个线性变换（这是由R 到R 自身的一个映射）。线性变换定义的意义是，将R 的任意2个元素的和进行变换等同于将这2个元素分别进行变换后再求和，将R 的任意元素的数乘进行变换等同于将这个元素先进行变换再数乘。下面是线性变换的另一种表述方式： )()()(βσασβασl k l k +=+ F l k R ∈∈?,,,βα
基于直接线性变换算法的普通数码相机检校的应用研究 孔 建 黄建魏 沈 周 (西南交通大学 四川成都 610031 中铁十局 山东济南 520000) 摘要：本文采用直接线性变换（DLT ）算法，完成了普通数码相机检校的应用研究。通过编程实验，解算普通数码相机在不同焦距情况下内方位元素（00,x y ,f ）以及畸变参数（径向畸变系数1k ，2k 、偏心畸变系数1p ，2p ），同时对直接线性变换方法中l 初值的问题给出解决方案。提出了解决控制点布设在一个近似平面上解算l 系数初始值的方法，并且依据实验数据分析了在不同焦距下，相机内方位元素和光学畸变参数的变化情况。 关键字：直接线性变换；相机检校；径向畸变；偏心畸变 Abstract In this paper, to complete a common application of digital camera calibration by using the direct linear transformation algorithm. This paper have solved different elements of interior orientation （00,x y ,f ）and distortion parameters （Radinal Distortion 1k ， 2k ,Decentering Distortion 1p ，2p ）of ordinary digital camera focal length by the programming experiments and meanwhile, put forward the solutions of the initial value problem in the direct linear transformation method. Proposed a solution in an approximate control points for solving plane initial value coefficient method, and analyzed the changes of the camera orientation elements and optical distortion parameters in the base of experimental data at different focal lengths. 1 概述 在数字摄影测量中，数字影像的获取，通常采用的是专业的摄影设备。这些专业设备的价格昂贵，对非专业部门是无法应用的。随着数码相机技术的发展与进步，普通数码相机在数字摄影测量领域中得到了广泛的应用，尤其是在近景数字摄影测量、无人机低空摄影测量的应用中，表现出了巨大的优势。普通数码相机不仅价格便宜，且操作方便，是专业摄影机不能比拟的。随着数码相机技术的
第七章 线性变换练习题参考答案 一、填空题 1．设123,,εεε是线性空间 V 的一组基，V 的一个线性变换σ在这组基下的矩阵是33112233(),,ij A a x x x V αεεε?==++∈则 σ在基321,,εεε下的矩阵B ＝1,T AT -而可逆矩阵T ＝001010100?? ? ? ??? 满足1,B T AT -=σα在基123,,εεε下的坐标为123x A x x ?? ? ? ??? . 2．设A 为数域P 上秩为r 的n 阶矩阵，定义n 维列向量空间n P 的线性变换:(),n A P σσξξξ=∈,则1(0)σ-＝{}|0,n A P ξξξ=∈，()1dim (0)σ-＝n r -，()dim ()n P σ＝r . 3．复矩阵()ij n n A a ?=的全体特征值的和等于1n ii i a =∑ ，而全体特征值的积等于 ||A . 4．设σ是n 维线性空间V 的线性变换，且σ在任一基下的矩阵都相同，则σ为__数乘__变换 . 5．数域P 上n 维线性空间V 的全体线性变换所成的线性空间()L V 为2n 维线性空间，它与n n P ?同构. 6．设n 阶矩阵A 的全体特征值为12,,,n λλλ ，()f x 为任一多项式，则()f A 的全体特征值为12(),(),,()n f f f λλλ . 7．设???? ??=2231A ，则向量??? ? ??11是A 的属于特征值 4 的特征向量． 8．若????? ? ?--=100001011A 与1010101k B k ?? ?=-- ? ???相似，则k = -1/2 ． 9．设三阶方阵A 的特征多项式为322)(23+--=λλλλf ，则=||A 3 ．