1. 行秩、列秩、矩阵的秩 把矩阵的每一行看成一个向量，则矩阵可被认为由这些行向量组成， 把矩阵的每一列看成一个向量，则矩阵可被认为由这些列向量组成。 定义1：矩阵的行向量的秩，就称为矩阵的行秩; 矩阵的列向量的秩，就称为矩阵的列秩

一、内容小结 1.正交矩阵的定义与性质 2.特征值特征向量的定义与性质 3.相似矩阵的定义与性质 4.矩阵可对角化的条件 5.实对称矩阵特征值特征向量的性质

一正交矩阵的定义与性质 1.定义 若n阶方阵A满足A'A=E,则称A为正交矩阵 2.性质 (1)=±1;(:'=e,A'A=1,a=1) (2)A,B为正交矩阵,则AB也是正交矩阵; (:(AB)(AB)=B'(A'A) B=B'B=E.) (3)A是正交矩阵A-1=A;AA=E) (4)A是正交矩阵A也是正交矩阵;

2．1 引言 2．2 早期发展 2．3 傅里叶处理器 2．4 线性系统与卷积 2．5 空间滤波 2．6 照相图像的恢复 2．7 全息术 2．8 傅里叶变换全息图 2．9 相关和卷积 2．10 结论

6.1线性映射 6.2线性变换的运算 6.3线性变换和矩阵 6.4不变子空间 6.5特征值和特征向量 6.6可以对角化矩阵

1.1R\的极限理论 在线性代数中我们学习了n维向量空间V={x1…x)x,∈R,1=1,…,n我们在 V,中定义了加法和数乘.特别的我们还定义了V,中的内积(,) 设x=(x1…xn),y=(1…,yn)是V中的向量,定义x与y的内积(x,y)为

定义 2 所谓数域 P 上一个 n 维向量就是由数域 P 中 n 个数组成的有序数组

第一节 线性映射 第二节 线性变换的运算 第三节 线性变换和矩阵 第四节 不变子空间 第五节 特征根和特征向量 第六节 可以对角化的矩阵

6.1 n维空间的线性变换 6.2 方阵的特征值和特征向量 6.3 相似矩阵与矩阵的对角化 6.4 实对称矩阵的对角化 6.5 二次型及其标准形 6.6 奇异值分解简介 6.7 应用实例 6.8 习题

一、线性变换及其运算 定义:设V是数域K上的线性空间,T是V到自身的一个映射,使得对于V中的任意元素x均存在唯一的 y∈V与之对应,则称T为V的一个变换或算子