工程计算5矩阵基础.pptVIP

Summer Grass Fade Arial Font Family 矩阵分析基础及计算 线性空间与线性变换； 内积空间，范数； 矩阵分解； 代数方程数值解 矩阵特征值问题的数值解 第二部分 矩阵分析基础及计算 1 线性空间与线性变换 2 内积空间，范数 3 矩阵分解 4 代数方程数值解 5 矩阵特征值问题的数值解 1 线性空间与线性变换 1.1 线性空间 1.2 基与坐标、坐标变换 1.3 线性子空间 1.4线性映射 1.5 线性映射的值域、核 1.6 线性变换的不变子空间 1.7 特征值和特征向量 1.1 线性空间 线性空间概念 1.1 线性空间 数乘矩阵运算也具有四条性质： 1.1 线性空间 例1.1.2 n元实向量集合Rn＝{α，β，?，…}，由线性代数知向量有加法运算与数乘向量运算。向量的加法运算具有四条性质： 1.1 线性空间 例1.1.3 设R[x]n＝{次数小于n的变量x的实系数多项式f(x)＝a0+a1x+a2x2+…+an-1xn-1集合}。R[x]n中的两个多项式f(x)与g(x)的加法按通常多项式加法运算一样，数乘多项式f(x)按通常数乘多项式运算一样。则多项式的加法运算具有四条性质： 1.1 线性空间 定义1.1.1 设V是一个非空集合，F是一个数域，在集合V的元素之间定义了加法运算。即对于V中任意两个元素α与β．在V中有唯一的元素?与它们相对应，称之为α与β的和，记为 ?＝α+β。 并且加法运算满足下面四条法则： 1.1 线性空间 在集合V的元素与数域F中的数之间还定义了一种运算．叫做数乘。即对于V中任一元素α与F中任一数k，在V中有唯一的一个元素?与它们对应，称为k与α的数乘积，记为?＝kα，并且数乘运算满足下面四条法则： 1.1 线性空间 例1.1.4 设A为实m×n矩阵，易证：齐次线性方程组Ax＝0的所有解(包括零解)的集合构成实数域R上的线性空间。这个空间为方程组Ax＝0的解空间，也称为矩阵A的核或零空间，常用N(A)表示。 1.1 线性空间 定义1.1. 2 设V是数域F上的线性空间，α1，α2，…，ar是V中一组向量，k1，k2，…，kr是数域F中一组数，若向量α可以表示为 1.1 线性空间 如果一组向量α1，α2，…，ar不线性相关，就称为线性无关 1.2 基与坐标、坐标变换 基与维数、坐标 1.2 基与坐标、坐标变换 我们经常把上式改写为 1.2 基与坐标、坐标变换 例1.2.1 试证：线性空间 1.2 基与坐标、坐标变换 对于R[x] n中任何一个向量(多项式) 1.2 基与坐标、坐标变换 基变换与坐标变换 1.2 基与坐标、坐标变换 称n阶方阵 1.2 基与坐标、坐标变换 坐标变换公式 1.2 基与坐标、坐标变换 坐标变换公式 1.2 基与坐标、坐标变换 由于α1，α2，…，an 线性无关，所以 1.2 基与坐标、坐标变换 例1.2.5 在R[x]n中，1，x，x2，…，xn-1与1，x-a，(x-a)2，…，(x-a)n-1为两组基，求前一组基到后一组基的过渡矩阵 1．3 线性子空间 线性子空间的概念 1．3 线性子空间 在线性子空间中，十分重要的一个特例是生成子空间 1．3 线性子空间 子空间的交、和 1．3 线性子空间 定理1.3.4(维数公式) 设V1与V2是线性空间V的两个子空间,则 1．3 线性子空间 子空间的直和、补子空间 1．3 线性子空间 (2)? (3) 设dim(V1+V2)＝dim V1 +dim V2= n1+ n2, 由定理1.3.3知 1．3 线性子空间 (3) ? (2) 因为α1，α2，…，a n1，β1，β2，…， βn2 构成V1+V2的一组基，故 1．3 线性子空间 定义1.3.5 设W，W1，W2是线性空间V的三个子空间，且 1.4 线性映射 线性映射定义 1.4 线性映射 例1.4.1 设B＝(bij)是m×n实矩阵，若映射T：Rn?Rm由下式确定 1.4 线性映射 例1.4.4 设映射S：R[x]n? R[x]n+1由下式确定 1.4 线性映射 线性映射的矩阵表示 1.4 线性映射 令 1.4 线性映射 坐标变换 1.4 线性映射 又 1.4 线性映射 线性映射T在给定基下的矩阵表示A是唯一的，它的逆问题就是下述定理 1.4 线性映射 令变换T ：V1?V2，它由下式确定 1.4 线性映射 和 1.4 线性映射 又因为 1.4 线性映射 最后证