矩阵复习要点总结.docVIP

第一章 特征值和特征向量： 算法，以及决定特征值的代数重数和几何重数 特征值和特征向量的性质 相似（的性质） 方阵对角化 算法（包括判断能否对角化，求变换矩阵和对角阵。 应用（求，一阶线性常系数微分方程组。） Jordan 标准形 计算Jordan 标准形 特征向量法：比较代数重数和几何重数，几何重数= Jordan 块的个数 初等变换法：特征矩阵Smith 标准形(不变因子(初等因子(Jordan 标准形；（注：不变因子首1，而且） 行列式因子法：特征矩阵(行列式因子(不变因子(初等因子(Jordan 标准形 计算变换矩阵：先求特征向量，再求广义特征向量。 应用：求，一阶线性常系数微分方程组。 HC 定理 确定最小多项式 由Jordan 标准形中Jordan块的阶数 由特征多项式（n阶行列式因子）除 n-1 阶行列式因子。 2）求，和。（方法是辗转相除法，或待定系数法。） 内积和酉相似 内积：单位化，和Schmidt 正交化 酉相似：正规矩阵(酉相似于对角阵，求变换矩阵。 第二章 向量范数 两类向量范数：1，2，p, (-范数；椭圆范数 范数等价(作为度量工具，一样的度量效果。 方阵范数：方阵范数比向量范数多了乘法相容性。 两类方阵范数： 直接来源于向量范数，，和 诱导于，或从属于向量范数：，和。 向量范数与矩阵范数的关系 方阵范数与向量范数的相容性； 方阵范数与向量范数的相互构造。 范数的应用： 条件数： 求逆和线性方程组的误差分析； 谱半径： 与范数的关系 收敛矩阵的判定 矩阵幂级数收敛性的判定 第三章 1．矩阵序列： 1) 矩阵序列极限的性质 2) 收敛矩阵的判定 2. 矩阵级数： 1) 矩阵级数的收敛, 绝对收敛的性质 2) 矩阵幂级数的收敛的判定 (谱半径) 3) Neumann 级数。 3. 矩阵函数： 1）矩阵函数的定义： a) 用通常函数的幂级数来定义； b) 用 Jordan 标准形来定义； 2）矩阵函数的计算： a) 特征多项式很简单（只要一项，或两项）， 如 b) 对角矩阵，或可对角矩阵； c) 化成Jordan 标准形，计算； d) 待定系数法 （注：待定系数法是常用的方法，而对角阵和 Jordan 标准形方法在很容易求标准形和变换矩阵的前提下。） 3）矩阵函数的微分和积分 4) 矩阵函数的性质 4. 矩阵方程的应用: 解一阶线性常系数微分方程组, 连同初值条件. (要求和，然后应用公式。是把中的所有变成) (注: 这个方法可以解以前的所有方程组.) 第四章 1. 三角分解 1) Doolittle 分解，Crout 分解和LDU 分解 2）Choleski分解：对于正定矩阵 （这些分解的办法，最简单的是书上紧凑格式，而且还有备用的办法：第三类初等行变换(上三角矩阵，来得到任意一个LU分解，再进一步得到指定的分解。） 2. QR 分解： 1）Householder 变换 （分步完成，一次做好一列） 2）Givens 变换 （分步完成，做好一列需要多次旋转） 3）Schmidt 正交化求非奇异矩阵的分解。（把线性无关向量用正交向量，或者是单位正交向量表示，来得到QR分解） 3. 满秩分解： 1）由 ，初等行，列变换得到等价标准形，对标准形进行分解； 2）， 行变换得到Hermite 标准形，由 H 得到。 4. 奇异值分解： 注：满秩分解，奇异值分解在求广义逆中有重要作用。 第六章 1。 各种广义逆的定义，存在性和唯一性。 2。 1-逆 1）求解 （用S-P，或S-T） 2）应用于矩阵方程，和线性方程组：判断是否有解，如果有解，给出通解。 3。 Moore-Penrose 逆 : 1) 求解： a) 奇异值分解； b) 满秩分解。（注意求逆，和矩阵乘法不要算错） 应用于线性方程组：判断是否有解；如果有解，求其通解，和极小范数解；如果无解，求最小二乘解，和极小范数最小二乘解。 第八章 线性空间和线性变换 线性空间 例子：向量空间，矩阵空间，多项式空间 基本概念：线性表示，线性相关，线性无关，极大线性无关向量组， 等等 基本问题：给定线性空间中的一组向量， 如何决定极大线性无关向量组，秩和表示关系 基变换和坐标变换。 三个线性空间的标准基，维数和在标准基下的坐标 基变换下的过渡矩阵的定义和坐标变换公式 三种特殊情况： 标准基到一般的基的过渡矩阵（很容易被看出来） 设从基到基的过渡矩阵是， 则从基到基的过渡矩阵是。 设从基到基的过渡矩阵是，而从基到基