线代第七章讲义

合集下载

北京理工大学线性代数讲义第七章

北京理工大学线性代数讲义第七章
ies Representation of a Function of Matrices
x ˙ = ax
For a motivation of a function of a matrix, let us consider first the simplest ordinary differential equation
sin λ = cos λ = (1 + λ)−1 ln(1 + λ) we have = =
1 1 2 A + · · · + An + · · · ρ(A) < ∞ 2! n! 1 3 1 5 1 A2n+1 + · · · ρ(A) < ∞ sin A = A − A + A − · · · + (−1)n 3! 5! (2n + 1)! 1 1 1 cos A = E − A2 + A4 − · · · + (−1)n A2n + · · · ρ(A) < ∞ 2! 4! (2n)! eA = E+A+ (E + A)−1 ln(E + A) = E − A + A2 − A3 + · · · + (−1)n An + · · · ρ(A) < 1 1 1 1 = E − A2 + A3 − · · · + (−1)n+1 An + · · · ρ(A) < 1 2 3 n!
2 b2 = 1 2 A b0 1 3 b3 = 3! A b0 . . .
bk = . . .
1 k k! A b0
1 2 2 1 1 A t + A3 t3 + · · · + Ak tk + · · · 2! 3! k!

大学数学高数微积分第七章线性变换第七节课堂讲义

大学数学高数微积分第七章线性变换第七节课堂讲义

1 + 2 + … + (i - ) + … +s = 0 .
令 j = j ,j i , i = i - ,
则 1 , 2 , … , s 是
满足
1 + 2 + … + s = 0

( A iE )ri i 0 i 1,2, s
的向量.பைடு நூலகம்
所以
1 = 2 = … = i = … = s = 0 ,
证明 令
fi()(f( i))ri ( 1)r1 ( i1)ri1( i1)ri1 ( s)rs

Vi = f (A )V .
则 Vi 是 f (A ) 的值域.
由本节
的不变子空间.
显然 Vi 满足
例 3 若线性变换 A 与 B 是可交换的,则B 的核与值域都是 A -子空间.
在 B 的 核 V0 中 任 取 一 向 量 , 则 B ( A ) = (B A ) = (A B ) = A (B ) = A 0 = 0 .
所 以 A 在 B 下 的 像 是 零 , 即 A V0 . 这 就 证 明 了 V0 是 A - 子 空 间 . 在 B 的 值 域 B V 中 任 取 一 向量 B ,则
A ( B ) = B (A ) B V .
可知 Vi 是A
( A iE )ri Vi f ( A )V 0 .
其中i Vi .
当然 i 满足
(A iE)ri i 0 , i 1,2, s .
所以 i = 0,i =1, 2, … , s .
由此可得到第一点中的
表示法是唯一的.
再设有一向量
示成
(A iE)ri 的核. 把 表

大学高等数学ppt课件第七章1线性方程组的求解

大学高等数学ppt课件第七章1线性方程组的求解
所以,方程组(*)只有唯一的一组解
1
所以有
1
1
解得
1 1
1 1 0 1 1
0且 3
小结:
(1) 向量组
1 , 2 , , n
线性相关
齐次线性方程组
x11 x22
(2) 向量组
xnn 0
有非零解
1 , 2 , , n
线性无关
齐次线性方程组
是向量组 (, 1 21 , ),2 (2,3,6), =(5,8,13), 例2 设 1
1 , 2 , , n 线性表示,或称向量 1 , 2 , , n 的线性组合。
, kn ,使得 k11 k22
1 ,2 , ,n ,
,如果存在
knn 成立,
因为 1, 2,3 线性无关
k1 k3 0 所以有 k1 k 2 0 k k 0 2 3
解得
k1 k2 k3 0
所以向量组
1 2,2 3,3 1 线性无关。
例6 设 1 , 2 , 3 线性无关,又 1 1 2 23 , 2 2 3 , 3 21 2 33 ,试证明 1, 2 , 3 线性相关 证明 设 k11 k2 2 k3 3 0 则有
由于
所以
1, 2 ,, m
ki li k
线性无关,
(i 1,2, , m)
所以 可由向量组
1,2, ,m
且表示方法唯一 线性表示,
定理 向量组
1 , 2 ,, n
线性相关的充分必要条件
是该向量组中至少有一个向量可由其余的向量组线性
表示。
证明 因为向量组

《线性代数讲义》课件

《线性代数讲义》课件

在工程学中,性变换也得到了广泛的应用。例如,在图像处理中,可
以通过线性变换对图像进行缩放、旋转等操作;在线性控制系统分析中
,可以通过线性变换对系统进行建模和分析。
THANKS
感谢观看
特征向量的性质
特征向量与特征值一一对应,不同的 特征值对应的特征向量线性无关。
特征值与特征向量的计算方法
01
定义法
根据特征值的定义,通过解方程 组Av=λv来计算特征值和特征向 量。
02
03
公式法
幂法
对于某些特殊的矩阵,可以利用 公式直接计算特征值和特征向量 。
通过迭代的方式,不断计算矩阵 的幂,最终得到特征值和特征向 量。
矩阵表示线性变换的方法
矩阵的定义与性质
矩阵是线性代数中一个基本概念,它可以表示线性变 换。矩阵具有一些重要的性质,如矩阵的加法、标量 乘法、乘法等都是封闭的。
矩阵表示线性变换的方法
通过将线性变换表示为矩阵,可以更方便地研究线性 变换的性质和计算。具体来说,如果一个矩阵A表示 一个线性变换L,那么对于任意向量x,有L(x)=Ax。
特征值与特征向量的应用
数值分析
在求解微分方程、积分方程等数值问题时, 可以利用特征值和特征向量的性质进行求解 。
信号处理
在信号处理中,可以利用特征值和特征向量的性质 进行信号的滤波、降噪等处理。
图像处理
在图像处理中,可以利用特征值和特征向量 的性质进行图像的压缩、识别等处理。
05
二次型与矩阵的相似性
矩阵的定义与性质
数学工具
矩阵是一个由数字组成的矩形阵列,表示为二维数组。矩阵具有行数和列数。矩阵可以进行加法、数 乘、乘法等运算,并具有相应的性质和定理。矩阵是线性代数中重要的数学工具,用于表示线性变换 、线性方程组等。

线性代数第七章课件

线性代数第七章课件

2)对于R3中任一向量α=(a1, a2, a3)T,有
a1e1 a2e2 a3e3 .
由定义2.1知e1, e2, e3为R3的一个基,从而dim(R3)=3.
看过例2.1之后,读者关心的一定是解题背后的思路. 到底应该选几个向量、选什么样的向量来证明它们构成一 个基呢?解决这一问题的关键是分析线性空间元素构成时 的“自由度”.像例1的R3 ,它的向量都具有3个分量。每 个分量的位置体现了一个自由度.3个自由度就预示着维数 为3.寻找一个特征基的过程可以如下进行:让体现自由度 的各个不同位置的数字轮流地每次有一处取 1,其余处取0. 这样,有多少个自由度就得到多少个互不相同的向量(对 例2.1而言,按照这种方法得到的三个向量正是e1, e2, e3 ). 剩下的工作就是确切证明这组向量满足定义2.1中的1)、 2)两条,从而确认它们构成一个基.
正是由于一般线性空间与普通数组向量加法与数乘运 算性质的一致性,使我们可以把数组向量的那些基于线性 运算的概念以及与之相关的性质、命题,包括它们的证明 方法,都平移到线性空间中来。例如,对向量组线性相关 的定义,可以叙述如下: 设V是数域F上的线性空间,α1,α2, · · · ,αs 是V中向量, 如果存在数域F中不全为零的一组数k1, k2,· · · , ks,使
情况的线性空间称为有限维线性空间,符合第二种情况的 则称为无限维线性空间.本书中主要讨论有限维线性空间. 定义2.1 设V是数域F上的线性空间,如果V中存在n 个向量ε1,ε2,· · · ,ε n满足: 1) ε1, ε2 ,· · · ε n线性无关; 2) V中任何向量α均可由ε1,ε2,· · · ,εn线性表示,则称 ε1,ε2,· · · ,εn为V的一个基(或基底). 基的向量个数n称为 线性空间V的维数,记为dim(V). 零空间是不存在基的线性空间,其维数为零. 维数为n的线性空间称为n维线性空间.

天津大学线性代数教材第七章

天津大学线性代数教材第七章

记 B = STAS, 知 B 是对称矩阵, 是二次型 g(Y ) 的矩阵.
7.2 化二次型为标准形
· 149 ·
如果所作的线性替换 X = SY 是满秩的, 则 S 是可逆矩阵, 线性替换 Y = S−1X 可把 g(Y ) 还原到 f (X), 此时的二次型 f 与 g 是等价的.
定义 7.1.4 设 A, B 为 n 阶矩阵, 若存在 n 阶可逆矩阵 S 使得
津 数 因此, 一个二次型能否化成标准形, 用矩阵的语言来说, 就是对称矩阵 A 能否与一个对 学 角矩阵合同. 由于 S 是可逆矩阵, 所以 r(A) = r(STAS) = r(B). 因此, 二次型 f 的标准形 天 大 中不为零的平方项的项数等于二次型 f 的秩.
津 7.2.1 正交线性替换法
天 实二次型的矩阵为实对称矩阵. 由定理 6.3.4 知, 对于实对称矩阵 A, 必存在 n 阶正交矩
阵 Q, 使得 QTAQ = Q−1AQ = diag(λ1, λ2, . . . , λn), 其中 λ1, λ2, . . . , λn 为矩阵 A 的全部
特征值, 即一个实对称矩阵合同于一个对角矩阵. 因此, 一个实二次型一定能化为标准形.
版 所 f (x1, x2, . . . , xn) =a11x21 + 2a12x1x2 + 2a13x1x3 + · · · + 2a1nx1xn 院 + a22x22 + 2a23x2x3 + · · · + 2a2nx2xn + · · · + annx2n
(7.1)
学 权 称为数域 P 上的 (n 元) 二次型. 当 P = R 时称之为实二次型. 版 令 aij = aji(i > j), 则 2aijxixj = aijxixj + ajixjxi(i > j), 于是 (7.1) 式可写成

大学数学高数微积分第七章线性变换第六节课件课堂讲解

大学数学高数微积分第七章线性变换第六节课件课堂讲解

知: 1 , 2 , … , r , r+1 , … , n 是 V
的一组基.
在这组基下, A 的矩阵就是 (1) .

证毕
若本请请若本本若想请本节请单若单想节若 本节请想若本请结单若节 本内请本单击若若想请本本请击结内请本本节想单内想节若结本 若单请束击若请容请想若节本 若单内节返本若结击单想请想节节本请束请单容若本若返单内结结节内节请击请击容想束想本单本若若返想已本本单单结内想节 想回内击容节想请击束若返单结请结节本已内内单击想节想击回束容本束容若单返单内内返请节结本结已击节结回结想想击击节束容本堂请按容返结内 结若内本结单已单内堂结想请击回束击容束容本返返结内结本已节本已按单若想回内请击回击容容束堂束本束结若按返内结返结本节钮已已内请单课本回回堂束击容 束想容束击课容结束单返返结节按已已本本堂结内回回堂结束容束钮击容想按单按返返结节本本课已已钮束想内回.结回堂结容束击束容!按单节,按课返返已,结已本本已 本束内回回击束结结钮!课堂束容堂束课按返按已本已本结钮.内堂钮击回回束堂,结 堂.结容束按按课束结返钮按已已本本内击回,结回钮!结束堂容堂结 堂按按返,已束束本.课,回课结钮!束钮.!容堂结课堂按.返按!已课束 课本钮钮束束,.回束结容钮按!束结堂堂按返.!已束本课钮钮课束 课结钮回按束堂,.,已本,.!!课束课结钮回钮,,..堂按钮已束本钮.!束课课结回!!堂,..!束,,按.钮!课结堂!束,,按..钮课.结!.束堂,,按课!.钮!!束课,钮.!束,课,钮!.,!. ,!.
另一方
在前
同构对
证毕
四、A 的秩、零度与空间维数的关系
定理 12 设 A 是 n 维线性空间 V 的线性变
换. 则 A V 的一组基的原像及 A -1(0) 的一组基合

高等代数 讲义 第七章

高等代数 讲义 第七章

(στ ) δ
= σ (τδ )
D( f ( x )) = f ′( x )
J ( f ( x ) ) = ∫ f ( t )dt
x
(2) Eσ = σ E = σ ,E为单位变换 (3)交换律一般不成立,即一般地,
( DJ ) ( f ( x ) ) = D ∫0 f ( t ) dt
x
στ ≠ τσ .
2.线性变换保持线性组合及关系式不变,即
若 β = k1α1 + k2α 2 + L + krα r , 则 σ ( β ) = k1σ (α1 ) + k2σ (α 2 ) + L + krσ (α r ).
例4. 闭区间 [a , b]上的全体连续函数构成的线性空间
C ( a , b ) 上的变换
σ ( X ) = AX , τ ( X ) = XB ,
∀X ∈ P n×n
则 σ ,τ 皆为 P n×n 的线性变换,且对 ∀X ∈ P n×n , 有
(στ )( X ) = σ (τ ( X )) = σ ( XB ) = A( XB ) = AXB , (τσ )( X ) = τ (σ ( X )) = τ ( AX ) = ( AX ) B = AXB .
= σ (τ (α )) + σ (τ ( β )) = (στ )(α ) + (στ )( β ), (στ )( kα ) = σ (τ ( kα )) = σ ( kτ (α )) = kσ (τ (α )) = k (στ )(α )
§7.1 线性变换的定义
2.基本性质
(1)满足结合律:
例1. 线性空间 R[ x ]中,线性变换
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
g ( λ ) | ( u 1 ( λ ) f 1 ( λ ) + " + u m ( λ ) f m ( λ )).
定义7.3 设 f (λ), g(λ) ∈ F[λ],如果多项式 d (λ) 是 f (λ) 与 g (λ) 的公因式,并且 f (λ) 与 g (λ) 的任一公因式 都是 d (λ) 的因式,则称 d (λ) 是 f (λ) 与 g (λ) 的一个最大 公因式. f (λ) 与 g (λ) 的首一最大公因式记为 (f (λ), g (λ)). 定义7.4 设 f (λ), g(λ) ∈ F[λ],如果多项式 h (λ) 是 f (λ) 与 g (λ) 的公倍式,并且 f (λ) 与 g (λ) 的任一公倍式 都是 h (λ) 的倍式,则称 h (λ) 是 f (λ) 与 g (λ) 的一个最小 公倍式. f (λ) 与 g(λ) 的首一最小公倍式记为 [f (λ), g (λ)].
λ ⎞ ⎟ − λ ⎟. 2⎟ −λ ⎠
例7.2 化 λ 矩阵为标准形:
0 0 ⎞ ⎛λ − a −1 ⎜ ⎟ λ − a −1 0 ⎟ ⎜ 0 . A(λ ) = ⎜ ⎟ λ − a −1 0 0 ⎜ ⎟ ⎜ 0 ⎟ λ 0 0 − a ⎝ ⎠
7.3 λ 矩阵的行列式因子和初等因子
定义7.9 设 A(λ) ∈ F [ λ ]n×n,并且 R ( A( λ ) ) = r , 1 ≤ k ≤ r , 则 A(λ) 的全部 k 阶子式的首一最大公因式称为 A(λ) 的 k 阶行列式因子,记为 Dk (λ ) . 例7.3 求下列 λ 矩阵的各阶行列式因子:
0 %
其中 di (λ) 是首一多项式,并且
d i ( λ ) | d i + 1 ( λ ) , i = 1, " , r − 1 .
在定理7.3中,与 λ 矩阵 A(λ) 等价的对角矩阵
⎛ d 1 (λ ) ⎜ ⎜ ⎜ S (λ ) = ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ d 2 (λ ) % d r (λ ) ⎞ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ 0⎠
第七章 矩阵的Jordan标准形
7.1 一元多项式 7.2 λ 矩阵及其标准形 7.3 λ 矩阵的行列式因子和初等因子 7.4 矩阵相似的条件 7.5 矩阵的 Jordan 标准形 7.6 Cayley 定理与最小多项式
7.1 一元多项式
定义7.1 设 F 是数域,n 是非负整数,λ 是一个文字, 称形式表达式
a ij (λ ) = bij (λ ), i , j = 1," , n, 则称 A( λ ) 与 B( λ ) 相等,记为 A( λ ) = B(λ ).
如果 n 阶矩阵 A( λ ) 的次数为 k ,则 A( λ ) 可表为 A( λ ) = A0 λ k + " + Ak − 1 λ + Ak , ( A0 ≠ 0 ) 其中 Ai 是 n 阶数字矩阵 . 例如
⎛ λ2 + λ ⎜ A(λ ) = ⎜ 0 ⎜ ⎝ 0 0
λ
0
0 ⎞ ⎟ 0 ⎟ λ + 1⎟ ⎠
定理7.4 等价的 λ 矩阵具有相同的秩和相同的各阶 行列式因子.
以下计算 λ 矩阵 A(λ) 的行列式因子. 设 A(λ) 的 Smith 标准形为
⎛ d 1 (λ ) ⎞ ⎜ ⎟ d 2 (λ ) ⎜ ⎟ ⎜ ⎟ % ⎜ ⎟ d r (λ ) ⎜ ⎟, ⎜ ⎟ 0 ⎜ ⎟ ⎜ % ⎟ ⎜ ⎟ 0⎠ ⎝
q(λ ) 和 r (λ ) 分别称为 g(λ ) 除 f (λ ) 的商和余式.
定义7.2 设 f ( λ ), g ( λ ) ∈ F [ λ ],如果存在多项式 h(λ ) 使得 f (λ ) = h(λ ) g (λ ) ,则称多项式 g (λ) 整除 f (λ),记 为 g ( λ ) | f ( λ ). 如果 g ( λ ) | f ( λ ) ,则称 g ( λ ) 是 f ( λ ) 的因式, f ( λ ) 是 g ( λ ) 的倍式 .
定理7.5 λ 矩阵 A(λ) 的 Smith 标准形唯一.
n× n 定理7.6 设 A(λ ), B(λ ) ∈F [λ ] ,则 A(λ ) ≅ B(λ ) 的充
k = m,
Ai = Bi , i = 0, 1, " , k .
设 A( λ ), B( λ ) 都是 n 阶 λ 矩阵,则有 | A(λ)B(λ)| = |A(λ)|| B(λ)|.
定义7.6 设 A(λ) ∈ F [λ]n×n,如果 A(λ) 中有一个 r 阶子式不为零 (1 ≤ r ≤ n) ,而所有 r + 1 阶子式(如果有的话) 全为零, 则称 A(λ) 的秩为 r, 记为 R(A(λ)) = r. 定义7.7 设 A(λ) ∈ F [λ]n×n,如果存在一个 n 阶 λ 矩阵 B(λ),使得
其中 d i (λ ) ( i = 1," , r ) 是首项系数为 1 的多项式,并且
d i ( λ ) | d i + 1 ( λ ) , i = 1, " , r − 1,
则 A(λ) 的各阶行列式因子为
⎧ D1 ( λ ) = d 1 ( λ ), ⎪ ⎪ D 2 ( λ ) = d 1 ( λ )d 2 ( λ ), ⎨ """"" ⎪ ⎪ ⎩ D r ( λ ) = d 1 ( λ )d 2 ( λ ) " d r ( λ ).
系数全为零的多项式称为零多项式,零多项式是唯一 没有次数的多项式.
n− i f ( λ ) = a λ 设 ∑ i , i =0 n
g (λ ) = ∑ Hale Waihona Puke i λm − i,如果i =0
m
deg f ( λ ) = deg g ( λ ), a j = b j , j = 0 , 1, 2 , "
如果 n 阶 λ 矩阵 A( λ ) 可表为 A( λ ) = A0 λ + " + Ak − 1 λ + Ak , A0 ≠ 0 ,
k
n 阶 λ 矩阵 B ( λ ) 可表为 B ( λ ) = B0 λ m + " + B m − 1 λ + B m , B0 ≠ 0 ,
则 A( λ ) = B( λ ) 的充分必要条件为
则称 f ( λ ) 与 g ( λ ) 相等,记为 f ( λ ) = g ( λ ). 多项式运算满足交换律、结合律、分配律和消去律, 且
deg( f ( λ ) ± g ( λ )) ≤ max{deg f ( λ ), deg g ( λ )};
deg( f (λ ) g (λ )) = deg f (λ ) + deg g (λ ).
7.2 λ 矩阵及其标准形
定义7.5 设 aij(λ) (i, j = 1, 2, …, n) 是数域 F 上的多项 式,以 aij(λ) 为元素的 n 阶矩阵
⎛ a11 (λ ) a12 (λ ) ⎜ ⎜ a 21 (λ ) a 22 (λ ) A(λ ) = ⎜ " " ⎜ ⎜ a (λ ) a (λ ) n2 ⎝ n1 " a1n (λ ) ⎞ ⎟ " a2 n (λ ) ⎟ " " ⎟ ⎟ " a nn (λ ) ⎟ ⎠
b11 ( λ ) ≠ 0, b11 ( λ ) | bij ( λ ) , i , j = 1," , n.
定理7.3 设 A(λ) = (aij(λ)) ∈ F [λ]n×n,且 R(A(λ)) = r, 则
⎛ d 1 (λ ) ⎜ ⎜ ⎜ A(λ ) ≅ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ d 2 (λ ) % d r (λ ) ⎞ ⎟ ⎟ ⎟ ⎟, ⎟ ⎟ ⎟ ⎟ 0⎠
于是
(1) D1 (λ ) | D2 (λ ), D2 (λ ) | D3 (λ ), ", Dr −1 (λ ) | Dr (λ ),
D2 (λ ) Dr (λ ) (2) d1 (λ ) = D1 (λ ), d2 (λ ) = , ", dr (λ ) = . D1 (λ ) Dr −1 (λ )
A( λ ) B ( λ ) = B ( λ ) A( λ ) = E ,
则称 λ 矩阵 A(λ) 是可逆的,并称 B(λ) 为 A(λ) 的逆矩阵, 记作 A-1(λ). 定理7.2 设 A(λ) ∈ F [λ]n×n,则 A(λ) 可逆的充分必 要条件是 | A(λ) | 是非零常数.
下列变换称为 λ 矩阵的初等变换: (1)λ 矩阵的两行(列)互换位置; (2)λ 矩阵的某一行(列)乘以非零常数 k; (3)λ 矩阵某一行(列)的 ϕ ( λ ) 倍加到另一行(列), 其中 ϕ ( λ ) 是 λ 的多项式. 由单位矩阵 E 经过一次 λ 矩阵的初等变换所得到的 矩阵称为 λ 矩阵的初等矩阵. 三种初等矩阵分别记为 E(i, j),E(i(k)),E(i, j( ϕ )),它 们都是可逆矩阵,并且逆矩阵还是初等矩阵.
定理7.1 设 f ( λ ), g ( λ ) ∈ F[ λ ] 且 g (λ ) ≠ 0 ,则存在 唯一的多项式 q ( λ ), r ( λ ) ∈ F [ λ ],使得
f ( λ ) = q( λ ) g (λ ) + r (λ ),
其中 deg r (λ ) < deg g ( λ ) 或 r (λ ) = 0.
称为 n 阶多项式矩阵或 n 阶 λ 矩阵.称 k = max{ deg aij(λ) | i, j =1, 2, …, n } 为矩阵 A(λ) 的次数,记为 k = deg A(λ ). 数域 F 上的全体 n 阶 λ 矩阵记为 F [λ]n×n.
n× n 设 A(λ ) = (aij (λ )), B(λ ) = (bij (λ )) ∈ F [λ ] ,若
相关文档
最新文档