经济类硕士必修课之矩阵分析

矩阵分析•第一节线性空间一：线性空间的定义与例子定义设是一个非空的集合，是一个数域，在集和中定义两种代数运算,一种是加法运算,用来表示;另一种是数乘运算,用来表示,并且这两种运算满足下列八条运算律：VFV第一章线性空间和线性映射（1）加法交换律（2）加法结合律()()（3）零元素在中存在一个元素，使得对于任意的都有00VV（4）负元素对于中的任意元素都存在一个元素使得V01（5）()()klkl（6）（7）()klkl（8）()kkk称这样的为数域上的线性空间。VF例1全体实函数集合构成实数域上的线性空间。RRR例2复数域上的全体型矩阵构成的集合为上的线性空间。CmnCmnmmC例3实数域上全体次数小于或等于的多项式集合构成实数域上的线性空间Rn[]nRxR例4表示实数域上的全体无限序列组成的的集合。即RR123,[,,,]1,2,3,iaFRaaai在中定义加法与数乘：则为实数域上的一个线性空间。123123112233123123[,,,][,,,][,,,][,,,][,,,]aaabbbabababkaaakakakaRRR例6在中满足Cauchy条件的无限序列组成的子集合也构成上的线性空间。Cauchy条件是：使得对于都有0,0,N,mnNmnaaRR定义:线性组合；线性表出；线性相关；线性无关；向量组的极大线性无关组；向量组的秩基本性质：（1）含有零向量的向量组一定线性相关；（2）整体无关部分无关；部分相关整体相关；（3）如果含有向量多的向量组可以由含有向量少的向量组线性表出，那么含有向量多的向量组一定线性相关；（4）向量组的秩是唯一的，但是其极大线性无关并不唯一；（5）如果向量组（I）可以由向量组（II）线性表出，那么向量组（I）的秩向量组（II）的秩；（6）等价的向量组秩相同。二：线性空间的基本概念及其性质例1实数域上的线性空间中，函数组是一组线性无关的函数，其中为一组互不相同的实数。例2实数域上的线性空间中，函数组是一组线性无关的函数，其中为一组互不相同的实数。例3实数域上的线性空间中，函数组也是线性无关的。RRR12,,,nxxxeee12,,,nRRR12,,,nxxx12,,,nRRR1,cos,cos2,,cosxxnx定义设为数域上的一个线性空间。如果在中存在个线性无关的向量使得中的任意一个向量都可以由线性表出则称为的一个基底；为向量在基底下的坐标。此时我们称为一个维线性空间，记为例1实数域上的线性空间中向量组与向量组VFn12,,,nV12,,,nV1122nnkkk12,,,nV12(,,,)Tnkkk12,,,nVndim.VnR3R(1,0,0),(1,1,0),(1,1,1)线性空间的基底，维数与坐标变换都是的基。是3维线性空间。例2实数域上的线性空间中的向量组与向量组都是的基。是4维线性空间。例3实数域上的线性空间中的向量组10111111,,,0000101122R01101111,,,11110110R22R(0,1,1),(1,0,1),(1,1,0)3R3R22RR[]nRx与向量组都是的基底。的维数为注意：通过上面的例子可以看出线性空间的基底并不唯一，但是维数是唯一确定的。利用维数的定义线性空间可以分为有限维线性空间和无限维线性空间。目前，我们主要讨论有限维的线性空间。例4在4维线性空间中，向量组21,,,,nxxx21,2,(2),,(2)nxxx[]nRx[]nRx1.n22R01101111,,,11110110与向量组是其两组基，求向量在这两组基下的坐标。解：设向量在第一组基下的坐标为10111111,,,000010111234AA1234(,,,)Txxxx于是可得解得同样可解出在第二组基下的坐标为123412011034111111110110xxxx12347412,,,3333xxxx12341,1,1,4yyyy由此可以看出：一个向量在不同基底下的坐标是不相同的。基变换与坐标变换设（旧的）与（新的）是维线性空间的两组基底，它们之间的关系为12,,,n12,,,nVn11221212,,,,1,2,,iiininiinniaaaaaina1112121222121212,,,,,nnnnnnnaaaaaaaaa将上式矩阵化可以得到下面的关系式：称阶方阵n111212122212nnnnnnaaaaaaPaaa是由旧的基底到新的基底的过渡矩阵，那么上式可以写成定理：过渡矩阵是可逆的。1212,,,,,nnPP任取，设在两组基下的坐标分别为与，那么我们有：称上式为坐标变换公式。例1在4维线性空间中，向量组V12,,,Tnxxx12,,,Tnyyy1122nnxyxyPxy22R12340110,,11111111,,011012341011,,00001111,,1011与向量组1234A为其两组基，求从基到基的过渡矩阵，并求向量在这两组基下的坐标。解：容易计算出下面的矩阵表达式1234,,,1234,,,12341234,,,,,,211033311103331210333121133312347412,,,3333xxxx向量第一组基下的坐标为利用坐标变换公式可以求得在第二组基下的坐标为AA11122334421103331111013331211033341211333yxyxyxyx例2教材13页例1.2.6第三节线性空间的子空间定义设为数域上的一个维线性空间，为的一个非空子集合，如果对于任意的以及任意的都有那么我们称为的一个子空间。例1对于任意一个有限维线性空间，它必有两个平凡的子空间，即由单个零向量构成的子空间FVnVW,W,klFklWVWV以及线性空间本身。例2设，那么线性方程组的全部解为维线性空间的一个子空间，我们称其为齐次线性方程组的解空间。当齐次线性方程组有无穷多解时，其解空间的基底即为其基础解系；解空间的维数即为基础解系所含向量的个数。例3设为维线性空间中的一组向量，那么非空子集合0VmnAR0AXnnR0AX12,,,snV121122,,,sssispankkkkF构成线性空间的一个子空间，称此子空间为有限生成子空间，称为该子空间的生成元。的基底即为向量组的极大线性无关组，的维数即为向量组的秩。例4实数域上的线性空间中全体上三角矩阵集合，全体下三角矩阵集合，全体对称矩阵集合，全体反对称矩阵集合分别都构成的子空间，V12,,,s12,,,sspan12,,,s12,,,sspan12,,,snnRRnnR问题：这几个子空间的基底与维数分别时什么？子空间的交与和7.线性变换的特征值与特征向量定义设是数域上的线性空间的一个线性变换，如果对于数域中任一元素，中都存在一个非零向量，使得那么称为的一个特征值，而称为的属于特征值的一个特征向量。现在设是数域上的维线性空间，中取定一个基，设线性变换在这组基下的矩阵是，向量在这组基下的坐标是，。那么我们有fFVF0V0()f0ff0VFnV12,,,nfAX0F由此可得定理：是的特征值是的特征值是的属于的特征向量是的属于的特征向量因此，只要将的全部特征值求出来，它们就是线性变换的全部特征值；只要将矩阵的属于的全部特征向量求出来，分别以它们为坐标的向量就是的属于的全部特征向量。00()fAXX0f0Af0XA0AfA0f0例1设是数域上的3维线性空间，是上的一个线性变换，在的一个基下的矩阵是求的全部特征值与特征向量。解：的特征多项式为VKffV123,,222214241AfVA2222214241(3)(6)IA所以的特征值是（二重）与。对于特征值，解齐次线性方程组得到一个基础解系：A363(3)0IAX210,201TT从而的属于的极大线性无关特征向量组是于是的属于的全部特征向量是这里为数域中不全为零的数对。对于特征值，解齐次线性方程组得到一个基础解系：3f1122132,2f3112212,,kkkkK12,kkK6(6)0IAX122T从而的属于的极大线性无关特征向量组是于是的属于的全部特征向量这里为数域中任意非零数。相似矩阵的性质：相似矩阵有相同的特征多项式，有相同的特征f63123223,kkKf6kK值，有相同的行列式值，有相同的秩，有相同的迹，有相同的谱。矩阵的特征值与特征向量的性质：（1）阶矩阵的属于特征值的全部特征向量再添上零向量，可以组成的一个子空间，称之为矩阵的属于特征值的特征子空间，记为，不难看出正是特征方程组的解空间。（2）属于不同特征值的特征向量是线性无关的。An0nRA00V0V0()0IAX（3）设是的个互不同的特征值，的几何重数为，是对应于的个线性无关的特征向量，则的所有这些特征向量仍然是线性无关的。（4）任意一个特征值的几何重数不大于它的代数重数。12,,,rAriiq12,,,iiiiqiiq12111212122212,,,;,,,;,,,rqqrrrq（5）一个特征向量不能属于不同的特征值。8.矩阵的相似对角化定义数域上的维线性空间的一个线性变换称为可以对角化的，如果中存在一个基底，使得在这个基底下的矩阵为对角矩阵。我们在中取定一个基底，设线性变换在这个基下的矩阵为，那么可以得到下面的定理定理：可以对角化可以对角化。定理：阶矩阵可以对角化的充分必要条件是FnVfVfV12,,,nfAfAAn有个线性无关的特征向量。定理：阶矩阵可以对角化的充分必要条件是每一个特征值的代数重数等于其几何重数。例1判断矩阵是否可以对角化？解：先求出的特征值AnnA311201112AA于是的特征值为（二重）由于是单的特征值，它一定对应一个线性无关的特征向量。下面我们考虑231121112(1)(2)IA121,21122于是从而不可以相似对角化。例2设是数域上的3维线性空间，是上的一个线性变换，在的一个基下的矩阵是2111111221001110000IA222()2,()1rI