矩阵论(正本).docVIP

矩阵论 第1章 线性空间和线性变换 1.1线性空间 一个数域F上的非空集合V，V的元素为a、b、c……，定义两种运算，一种是V内元素的加法，一种是V内元素与F域上元素的数乘，这两种运算满足加法交换律、结合律、分配律。线性空间中0元素唯一（具体形式未必是0），某元素的负元素唯一。 实线性空间、复线性空间 最大线性无关组，基表示线性空间，维数，向量在某基下的坐标， a={α}X，a={β}Y，{β}={α}C，∴X=CY N维线性空间一组向量线性相关/无关，等价于在该空间某基下坐标线性相关/无关 子空间：V中子集W，W的元素关于V中的线性运算仍然构成一个线性空间 零空间N(A)={X|AX=0}，列空间R(A)=L{A1,A2,…,AN}都是Fn的子空间 交空间、和空间，并运算的结果却未必是子空间 直和子空间：线性无关组分成两部分组成两个子空间，W1∩W2={0}，直和子空间，0的表达唯一，即0=w1+w2，w1∈W1，w2∈W2。 1.2内积空间 定义了内积的线性空间，内积的结果是数域上的元素。 内积运算的3个性质：对称性（共轭转置）、线性性、正定性。 实内积空间，欧式空间，向量长度欧几里得范数 复内积空间，酉空间 两个向量在同一个基下不同的坐标X，Y，因此两个向量的内积通过坐标联系，并产生了一个矩阵A，（α，β）=YHAX，该矩阵A为共轭转置相等的矩阵，即Hermite矩阵，而正定的Hermite矩阵又成为Grame矩阵。 正交补子空间 正交 夹角θ=acos[(α,β)/|α||β|] 内积与矩阵运算的转化： a={α}X=Σαixi，b={α}Y=Σαiyi (a,b)==YHAX 1.3线性变化 T(α)，α，像与原像 线性变换：加法和数乘 零变换，把所有的向量变成零向量；恒等变换；微分变换是线性变换，而积分不是 线性变换把线性相关组变成线性相关组，但不能保持线性无关性不变。 两个或多个线性变换的乘积、和、数乘仍是线性变换，线性变换可逆。 线性变换T在某基下{α}的矩阵A，T与A一一对应。T{α}={α}A 向量的坐标X，T后的坐标Y，则Y=AX 不变子空间：子空间W，T，T（α）∈W 正交变换：T为线性变换，若T不改变向量的内积，即（T（α），T（β））=（α，β），则T为内积空间上的正交变换，若空间为欧式空间，则称正交变换，若为酉空间，则为酉变换。 正交变换=保持向量长度不变=将标准正交基变为标准正交基 正交矩阵行列式值为±1，酉矩阵模长为1，正交矩阵C-1=CT、酉矩阵C-1=CH。 T在某两组基下矩阵分别为A，B，T{αi}={αi}A，T{βi}={βi}B，{βi}={αi}C，则B=C-1AC 直和补子空间→矩阵分割→对角矩阵 第2章 Jordan标准型 2.1线性变换的对角矩阵表示 T在某两组基下矩阵分别为A，B，T{αi}={αi}A，T{βi}={βi}B，{βi}={αi}C，则B=C-1AC 若线性变换T在某组基{ξi}下的矩阵A为对角阵diag{λi}，即T（ξ）=λiξi，则λ为特征值，特征向量{ξi}。 任一组基{αi}变换到{ξi}，有{ξi}={αi}X，T（ξ）={ξi}A={αi}AX=λ{ξi}={αi}λX 有AX=λX，λ仍是特征量，X为A关于λ的特征向量，T的特征向量{αi}X 特征子空间：{ξi}中极大线性无关组张成线性空间，为特征子空间，注意，该空间包括0 2.2Jordan矩阵的求法 代数重数：特征值重根的数量； 几何重数：同一个特征值对应特征向量的极大限线性无关数量。 （1）、求|λI-A|=0的特征多项式和特征值，相异的特征值分属不同的Jordan块，而某个特征值的重根数（代数重数）决定了该Jordan快的阶数（该Jordan块还包括若干子块） （2）、对每个不同的特征值λi求特征向量，根据式（A-λiI）X=0，求的最大线性无关向量组，如果是有代数重数的特征值，则无关组的个数（几何重数）决定了该特征值的分块数，注意，如果是无重根的特征值，则也是有可能有一个以上的特征向量 （3）、若几何重数小于代数重数，则根据递推式确定广义特征向量，直到递推过程不相容。 (A-λiI)α1=0 (A-λiI)β2=α1 (A-λiI)β3=β2 （4）、上述特征向量和广义特征向量构成Jordan链，组成可逆矩阵P，有JA=P-1AP 2.3最小多项式 矩阵多项式：矩阵为元素代入多项式，进行多项式运算 多项式矩阵：矩阵内元素为多项式 A和g（A）：特征值相同，A的相似阵B有P-1APP-1g（A）P，A为对角阵，则g（A）也为对角阵。 ，则 化零多项式：矩阵A或线性变换T代入运算为零的多项式，如A的特征多项式f（λ） 最小多项式mT：化零多项式中，次数最小，首项系数为1. 最小多