没有合适的资源?快使用搜索试试~ 我知道了~
首页工科研究生必备:矩阵分析引论——理论与应用结合的教材
工科研究生必备:矩阵分析引论——理论与应用结合的教材
5星 · 超过95%的资源 需积分: 50 40 下载量 190 浏览量
更新于2024-07-31
收藏 1.57MB PDF 举报
"《研究生基础课程矩阵分析引论》是一本针对工科硕士研究生的教材,由罗家洪和方卫东编著,由华南理工大学出版社出版。该书作为一门基础课程,旨在提供必要的矩阵分析理论知识,这是科研工作特别是理工科研究中的重要工具。全书共分为六个章节:线性空间与线性变换、内积空间、矩阵的标准形与分解、矩阵函数及其应用、特征值的估计与广义逆矩阵以及非负矩阵,内容覆盖了矩阵分析的基本理论和工科专业中常用的实用技巧。 在教学设计上,作者注重理论与实际应用的结合,使抽象的矩阵理论不再枯燥,通过将其与线性系统等实际问题相联系,帮助学生更好地理解和掌握。书中特别提及的第六章非负矩阵,尽管在课程中占比不多,但因其在实际工程和经济问题中的重要性而被选入,以增强学生的实际应用能力。 本书适合工科学生、教师以及工程技术人员阅读,不仅作为研究生阶段的学习资料,也对后续专业课程的学习以及深化矩阵理论的理解有很大帮助。自1992年首次出版以来,由于其实用性与深度,已被众多国内院校选用并多次修订和重印,反映出其在教育领域的广泛应用和认可度。 在编写过程中,作者强调了了解定义和定理背后的概念对于学习抽象数学的重要性,鼓励学生深入理解而非仅仅停留在表面。此外,本书还提供了一个简洁而全面的矩阵理论框架,使得读者在后续学术研究中能更加游刃有余。这是一本实用且富有深度的矩阵分析教材,对于提升工科研究生的理论素养和实际应用技能具有重要意义。"
资源详情
资源推荐
证明 有限维线性空间的维数就是它的最大线性无关组所含向量 的个 数 .设 V 与 V′
是两个同构的有 限维 线性空 间 , V 到 V′的同构映 射为 σ.又设 V 是 n 维的 , α
1
, α
2
, …, α
n
是 V 的一个最大线性无关组 , 由性质( 3)知 σ(α
1
) , σ(α
2
) , …, σ(α
n
)是 V′的 n 个线性无关
向量 .假如它还不是 V′的最大线性无关组, 则把它扩充成最大线性无关组
σ(α
1
) ,σ(α
2
) , …, σ(α
n
) ,σ(α
n + 1
) , …,σ(α
n + k
) .
(因为 σ是 V 到 V′的映射, 故 V′中的任一向量α′在 V 中都有原象α, 使得 α′= σ(α) .) 而
由性质(3)推出向量组
α1 , α2 , …, αn , αn + 1 , …, αn + k
线性无关 .这是一个矛盾 , 因此
σ(α
1
) ,σ(α
2
) , …,σ(α
n
)
是 V′的最大线性无关组 , 故 V′的维数是 n .
定理 1 8 数域 P 上的任意两个 n 维线性空间 V 与 V′都是同构的 .
证明 在 V 中选取一个基 α
1
, α
2
, … , α
n
, 则 V 中任一向量α可表示为
α = k
1
α
1
+ k
2
α
2
+ … + k
n
α
n
.
又设 β
1
, β
2
, …,β
n
为 V′的一个基 , 现做向量 α′如下
α′= k
1
β
1
+ k
2
β
2
+ … + k
n
β
n
,
则显然 α′∈ V′.因此 , V 中任一向量α都对应着 V′中的一个确定向量α′, 且 α′由 α唯一确
定 .又由于两个空间在构成上完全平等 , 所以每个 α′∈ V′, 也能对应着 V 中 一个唯 一确 定
的向量α .
由上面建立的对应法则易知 , 若 α→α′, 且 β→β′, 则
α+ β→ α′+ β′; kα→ kα′.
因此 , V 与 V′是同构的 .
推论 数域 P 上两个有限维线性空间同构的充要条件是维数相同 .
我们小结一下这一节 .由前面的说明及以上关于同构的讨论 , 可以知 道 , 同构的线性空
间有相同的代数性质(指那些仅与线性空间定义中两个运算有关的性质 , 而同构映射是保持
这两个运算的) , 因此 ,同构的线性空间是可以不加区别的 , 即认为是相同的 .其次 , 由于一切
n 维线性空间( 相同数域P 上的 )都与P
n
同构 , 这就可以用较具体的P
n
来认识比较抽象的 n
维线性空间 , 并且P
n
中许多性质照样可以搬到一般 n 维线性空间里来 .
1 .5 线性变换的概念
设 V 是数域 P 上的线性空间 .这里把从 V 到 V 的映射称为 V 的变 换 , 线性变换是其
中最简单、最基本的一种变换 , 它与矩阵、线性空间等都有密切联系 , 是矩阵理论的主要研究
对象之一 .
如无特别指出 , 以下几节提到的线性空间 , 都是指数域 P 上的线性空间 .
定义 1 7 数域 P 上的线性空间 V 的一个变换 T 称为线性变换 ,如果对任意 α,β∈ V
及 k∈ P, 都有
T (α + β) = T(α) + T(β) , T( kα) = kT(β) .
111 线性空间与线性变换
由此定义可见 ,线性变换 T 是 V→ V 的“保持 向量加 法”及“数量乘法”的 变换 .线性变
换 T 的定义也可以叙述为:
若 T 是 V 到 V 的映射 ,如果在 T 的作用下 ,α→α′, β→β′, 则有
α+ β→ α′+ β′; kα→ kα′.
这里 α,β为 V 中任意元素 , k 为 P 中任意数, 则 T 便称为线性空间 V 的一个线性变换 .
把上述的 T (α)或 α′称为向量α∈ V 在线性 变换 T 下的象 , 而 α叫 T (α) 或 α′的原
象 .我们约定 , V 的两个线性变换 T 与 S 认为是相等的 , 当且只当对任何 α∈ V , 均有
T (α) = S(α) .
例 1 9 对每个 α= ( x
1
, x
2
, x
3
, x
4
) ∈R
4
, 由等式
T(α) = ( x
1
+ x
2
- 3 x
3
- x
4
, 3 x
1
- x
2
- 3 x
3
+ 4 x
4
, 0 , 0) ∈ R
4
定义的变换 T 是 R
4
的线性变换 .
例 1 10 设 B, C 是R
n× n
的两个给定的矩阵 , 如果对任一 X∈R
n× n
, 定义 T 为
T( X) = BXC,
则 T 是线性空间R
n× n
的线性变换 .
例 1 11 在实多项式空间 R[ t]中 , 由
T( p( t) ) =
d
d t
p( t) , p( t) ∈ R[ t]
定义的变换(求导运算) T 是线性变换 .
例 1 12 在由闭区间 [ a, b]上全体连续函数构成的实线性空间 R[ a, b]中, 由
T ( f( t) ) =
∫
b
a
f ( u)d u ( a < t ≤ b)
定义的变换也是线性变换 .
例 1 13 把线性空间 V 的每个向量都映射到零向量的变换叫做零变换 ; 把 V 中每个
向量都映射到自身的变换叫做单位变换 .易知这两个变换都是线性变换 .
线性变换有下列简单性质:
(1 ) 若 T 是线性变换 ,则
T(0) = 0 ; T( - α) = - T(α) .
这是因为
T (0 ) = T (0α) = 0 T(α) = 0;
T( - α) = T [ ( - 1)α] = ( - 1 ) T(α) = - T(α) .
(2) 线性变换 T 保持向量的线性组合与线性关系式 ,即
β =
∑
m
i = 1
k
i
α
i
T(β) =
∑
m
i = 1
k
i
T (α
i
) ;
∑
m
i = 1
k
i
α
i
= 0
∑
m
i = 1
k
i
T (α
i
) = 0 .
(3) 线性变换把线性相关向量组变成线性相关向量组 .
这两个性质的证明是容易的 , 留给读者作为练习 .注意 ,由(3) 不能认为线性变换都能把
线性无关向量组变为线性无关向量组 .一个简单例子是零变换 , 它把任何线性无关向量组变
成线性相关向量组 {0} .
读者可能发现同构映射与线性变换的定义有点类似 , 数学上像这种相近、相似的概念很
多 , 但应加以区分 .读者试比较这两个概念的相同点和不同点 .
21 矩阵分析引论
现在来讨论线性变换的运算 .设 V 是数域 P 上的线性空间, T
1
, T
2
, T
3
是 V 的三个 线
性变换 , 定义下列三种运算:
(1 )线性变换的和
对每个 α∈ V, 满足
T(α) = T
1
(α) + T
2
(α)
的变换 T 称为线性变换 T
1
与 T
2
的和 , 并记作 T = T
1
+ T
2
.
易证 T
1
+ T
2
也是 V 的线性变换 .
(2 )线性变换的乘积
对每个 α∈ V, 满足
T(α) = T
1
( T
2
(α) )
的变换 T 称为线性变换 T
1
与 T
2
的乘积 , 记作 T = T
1
T
2
, 则 T 也是线性变换( 事实上 , 大
家可以发现乘积就是函数复合运算的一个推广) .
证明 对任何 α,β∈ V 及 k∈P ,有
( T
1
T
2
) (α + β) = T
1
( T
2
(α + β) ) = T
1
( T
2
(α) + T
2
(β) )
= T1 ( T2 (α) ) + T1 ( T2 (β) ) = ( T1 T2 ) (α) + ( T1 T2 ) (β) ,
T
1
T
2
( kα) = T
1
( T
2
( kα) ) = T
1
( kT
2
(α) )
= ( kT
1
) ( T
2
(α) ) = ( kT
1
T
2
) (α) .
(3)线性变换的数量乘法
对每个 α∈ V, k∈P, 满足
T (α) = k( T
1
(α) )
的变换 T 称为数 k 与线 性变 换 T1 的数量乘积 (法 ) , 记为 T = kT1 .易证 kT1 也是线性变
换 .( - 1) T
1
简记为 - T
1
.
上述三种运算是线性变换的基本运算 , 这些运算具有下列性质:
(1 ) 对线性空间 V 的任意三个线性变换 T1 , T2 , T3 , 结合律成立, 即有
T
1
( T
2
T
3
) = ( T
1
T
2
) T
3
.
(2) V 中线性变换的加法满足交换律及结合律 .
(3 ) V 中线性变换的乘法对加法的分配律成立 .
(4 ) V 的零变换 0 及 V 的任一线性变换 T , 满足关系式
T + 0 = T , T + ( - T) = 0 .
(5)数量乘法满足以下关系式
( kl) T = k( lT) , ( k + l) T = kT + lT ,
k( T
1
+ T
2
) = kT
1
+ kT
2
, 1 T = T .
这里 , k , l∈P, T
1
, T
2
及 T 为 V 的任意线性变换 .
由于零变换及单位变换都是线性变换 , 所以线性空间 V 的所有线性变换组成的集合不
会是空集 , 因而由以上的讨论得知: 数域 P 上的线性空间 V 的全体线性变换组成的集合, 对
于线性变换的加法及数量乘法 , 也构成数域 P 的一个线性空间 ,并用 L( V )来表示 .
我们来研究线性变换的逆变换的问题 .
定义 1 8 设 I 为线性空间 V 的单位线性变换, T 为 V 的线性变换 .如果存在 V 的一
311 线性空间与线性变换
个线性变换 S , 使得
TS = ST = I,
则称线性变换 T 是可逆的 , 而 S 称为 T 的逆变换 , 记为 T
- 1
.
读者可以证明: 当线性变换 T 可逆时 , 其逆变换 T
- 1
也是线 性变 换 .当然 , 正如矩阵 那
样 , 并非每个线性变换都是可逆的 .
例 1 14 设 T 是线性空间 V 的线性变换 ,则
T( V ) = Tα α∈ V
是 V 的子空间 , 称为象子空间 .证明留给读者 . T ( V )的维数叫做线性变换 T 的秩 .
例 1 15 设 T 是线性空间 V 的线性变换 ,则集合
K = α∈ V Tα = 0
是 V 的子空间 , 证明留给读者 .这个子空间称为线性变换 T 的核 ( kernel) , 并记为 ker( T)
或 T
- 1
(0) (这只是代表0的原象组成的集合 , 而不表示 T 的可逆 ) .
由例 1 14 及例 1 15 可以进一步推得下述定理 .
定理 1 9 设 T 是 n 维线性空间 V 的线性变换 , 则有维数关系
dim T ( V ) + dim T
- 1
(0 ) = n .
证明 设 dim T
- 1
(0) = s, α
1
, α
2
, …, α
s
是核 T
- 1
(0)的一个基 .我们将它扩充 ,使
α
1
, α
2
, … , α
s
, β
1
, β
2
, …,β
t
成为 V 的一个基 , 显然 s + t = n .如能证明
dim T( V ) = t ,
则定理便得证 .现设 α是 V 的任一向量 ,则有
α =
∑
s
i = 1
k
i
α
i
+
∑
t
j = 1
l
j
β
j
.
由于 T (α
i
) = 0 ( i = 1, 2, … , s) , 所以
T(α) =
∑
t
j = 1
l
j
T(β
j
) .
当然 , T(α)∈ T( V ) , 所以上式表示 T( V )中的任一向量都是向量组
T(β
1
) , T(β
2
) , …, T (β
t
) 1 15
的线性组合 .现证向量组 1 15 线性无关 .设有
∑
t
i = 1
c
i
T (β
i
) = 0 . 1 16
则有 T
∑
t
i = 1
c
i
β
i
= 0 .
所以 β =
∑
t
i = 1
c
i
β
i
∈ T
- 1
(0) .
从而 β可由 T
- 1
(0 )的基 α1 , α2 , …, αs 线性表出 , 即
β =
∑
s
j = 1
d
j
α
j
,
因此得
∑
t
i = 1
c
i
β
i
-
∑
s
j = 1
d
j
α
j
= 0 . 1 17
41 矩阵分析引论
但已知 α
1
, α
2
, …, α
s
与β
1
,β
2
, … ,β
t
是 V 的一个基 , 故式 1 17 中一切 c
i
= 0, 一切 d
j
= 0
( i = 1, 2, …, t; j = 1 ,2 , … , s) .因此 , 从式 1 16 导出了 c
1
= c
2
= … = c
t
= 0, 这证明了向量
组 1 15 是线性无关的 .
这样 , 就证明了
T (β
1
) , T (β
2
) , … , T(β
t
)
是 T ( V )的一组基 , 从而 T ( V )的维数等于 t .定理得证 .
1 .6 线性变换的矩阵
在上节已经得知:线性空间的所有线性变换组成的集合 , 对于线性变换的加法及数量乘
法 , 也构成一个线性空间 L( V ) .若 V 是数域 P 上的 n 维线性空间 , 那么 L( V ) 的维数是多
少 ? 它与线性空间P
n× n
有什么关系 ? 这就是本节要讨论的问题 .
先来证明一个定理 .
定理 1 10 设 V 是数域 P 上的一个 n 维线性空间 ,α
1
, α
2
, …, α
n
是它的一个 基 , 又
β
1
, β
2
, …,β
n
是 V 的任意 n 个向量 , 则存在唯一的一个线性变换 T , 使得
T (α
1
) = β
1
, T(α
2
) = β
2
, … , T(α
n
) = β
n
. 1 18
证明 先来证明存在性 .对 V 中任一向量α, 有
α =
∑
n
i = 1
k
i
α
i
,
由等式
T (α) =
∑
n
i = 1
k
i
β
i
1 19
定义 V 的一个变换 T , 易证 T 是线性变换 .现取 α= α
i
, 则由式 1 19 即得
T(αi ) = βi ( i = 1, 2, …, n) .
即线性变换 T 是满足条件 1 18 的 .
再证唯一性 .若除了满足条件 1 18 的线性变换 T 外 , 还有线性变换 S 也满足条件
S(α
1
) = β
1
, S(α
2
) = β
2
, … , S (α
n
) = β
n
.
现任取 α∈ V, 且设
α =
∑
n
i = 1
k
i
α
i
,
则有
T (α) = T
∑
n
i = 1
kiαi =
∑
n
i = 1
ki T (αi ) =
∑
n
i = 1
kiβi ;
同理有
S(α) =
∑
n
i = 1
k
i
β
i
.
即对任一 α∈ V, 都有 T (α) = S(β) , 所以 T = S .这就证明了唯一性 .证毕 .
此定理的唯一性部分说明:一个线性变换完全被它的一个基上的作用( 基的象)所决定 .
为简单起见 , 以后我们用 Tα代替 T(α) .
511 线性空间与线性变换
剩余184页未读,继续阅读
hu_juntao
- 粉丝: 0
- 资源: 3
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- Hadoop生态系统与MapReduce详解
- MDS系列三相整流桥模块技术规格与特性
- MFC编程:指针与句柄获取全面解析
- LM06:多模4G高速数据模块,支持GSM至TD-LTE
- 使用Gradle与Nexus构建私有仓库
- JAVA编程规范指南:命名规则与文件样式
- EMC VNX5500 存储系统日常维护指南
- 大数据驱动的互联网用户体验深度管理策略
- 改进型Booth算法:32位浮点阵列乘法器的高速设计与算法比较
- H3CNE网络认证重点知识整理
- Linux环境下MongoDB的详细安装教程
- 压缩文法的等价变换与多余规则删除
- BRMS入门指南:JBOSS安装与基础操作详解
- Win7环境下Android开发环境配置全攻略
- SHT10 C语言程序与LCD1602显示实例及精度校准
- 反垃圾邮件技术:现状与前景
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功