矩阵理论之线性代数基础(一)

   声明:本站部分内容来自互联网,如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。

28

一、线性空间和子空间的基本概念

数域:对加减乘除运算封闭,包含0,1的所有数称为数域。

线性空间:设V是一个非空集合,P是一个数域,在V中定义了一种代数运算加法,使得对于V中任意两元α,βlpha,etaα,β,在V中都有唯一的一个元vvv与之对应,称为vvv为αlphaα与βetaβ的和,记v=α+βv=lpha+etav=α+β。在P中还对应一种数乘运算,对于P中任一数kkk与V中任一元αlphaα相乘,在V中都有唯一元δdeltaδ与之对应,记为δ=k∗αdelta=k*lphaδ=k∗α。如果加法与数乘满足下列规则:

  • α+β=β+αlpha+eta=eta+lphaα+β=β+α
  • (α+β)+v=α+(β+v)(lpha+eta)+v=lpha+(eta+v)(α+β)+v=α+(β+v)
  • ∃0∈V,∀α∈V,α+0=αexist 0 in V, orall lpha in V, lpha+0=lpha∃0∈V,∀α∈V,α+0=α,这里0元素不一定是数值上的1,不同空间有不同的零元素。
  • ∀α∈V,∃β∈V,α+β=0 orall lpha in V, exist eta in V, lpha+eta=0∀α∈V,∃β∈V,α+β=0
  • 1α=α1lpha=lpha1α=α
  • k(lα)=(kl)αk(llpha)=(kl)lphak(lα)=(kl)α
  • (k+l)α=kα+lα(k+l)lpha=klpha+llpha(k+l)α=kα+lα
  • k(α+β)=kα+kβk(lpha+eta)=klpha+ketak(α+β)=kα+kβ
    则称V是数域P上的线性空间(向量空间)。
    TIPs:线性空间一定要满足加法和数乘这八条性质。线性空间对加法和数乘封闭。

线性空间维数定义:在线性空间V中存在n个线性无关的向量α1,⋯,αnlpha_1,cdots,lpha_nα1​,⋯,αn​,而V中任意n+1个向量都线性相关,则V是n维的线性空间,α1,⋯,αnlpha_1,cdots,lpha_nα1​,⋯,αn​称为V的一组基。dimV=ndimV=ndimV=n

子空间:设V是一个线性空间,W是V的一非空子集,W关于V的加法和数乘也构成一个线性空间,则称W是V的线性子空间。非零线性子空间至少有两个子空间,零子空间{0}{0}{0}和它本身。dimWdimW<dimV。
TIPs:证明线性空间W和V相同只需要证明二者维度相同即可。
一些结论:两个字空间的交集仍是子空间,两个在空间的交集不一定是子空间

二、矩阵分类

1、对称矩阵(A=ATA=A^TA=AT)

aij=ajia_{ij}=a_{ji}aij​=aji​

2、反对称矩阵(A=−ATA=-A^TA=−AT)

aij=−ajia_{ij}=-a_{ji}aij​=−aji​

3、hermite矩阵(A=AHA=A^HA=AH)

aij=aji‾a_{ij}=overline{a_{ji}}aij​=aji​​,复数域的对称矩阵

4、反hermite矩阵(A=−AHA=-A^HA=−AH)

aij=−aji‾a_{ij}=-overline{a_{ji}}aij​=−aji​​,复数域的反对称矩阵

5、正交矩阵(AAT=EAA^T=EAAT=E)

6、酉矩阵(AAH=EAA^H=EAAH=E)

复数域的正交矩阵

7、对角矩阵

除对角线元素全为0的矩阵

三、空间分解和维数定理

quad设V1,V2V_1,V_2V1​,V2​是线性空间VVV的线性子空间,则dim(V1)+dim(V2)=dim(V1+V2)+dim(V1∩V2)dim(V_1)+dim(V_2)=dim(V_1+V_2)+dim(V_1 ∩ V_2)dim(V1​)+dim(V2​)=dim(V1​+V2​)+dim(V1​∩V2​)
证明:设dim(U)=s,dim(W)=t,dim(U∩W)=rdim(U)=s,dim(W)=t,dim(U∩W)=rdim(U)=s,dim(W)=t,dim(U∩W)=r,
任取U∪WU∪WU∪W的一组基α1,⋯,αrlpha_1,cdots,lpha_rα1​,⋯,αr​,
则UUU的一组基是α1,α2,⋯,αs,β1,⋯,βs−rlpha_1,lpha_2,cdots,lpha_s,eta_1,cdots,eta_{s-r}α1​,α2​,⋯,αs​,β1​,⋯,βs−r​,
WWW的一组基是α1,α2,⋯,αs,γ1,⋯,γt−rlpha_1,lpha_2,cdots,lpha_s,gamma_1,cdots,gamma_{t-r}α1​,α2​,⋯,αs​,γ1​,⋯,γt−r​,
则α1,α2,⋯,αs,β1,⋯,βs−rγ1,⋯,γt−rlpha_1,lpha_2,cdots,lpha_s,eta_1,cdots,eta_{s-r}gamma_1,cdots,gamma_{t-r}α1​,α2​,⋯,αs​,β1​,⋯,βs−r​γ1​,⋯,γt−r​是U+WU+WU+W的一组基。

  • 和空间的维数往往比空间维数的和小

四、相似矩阵

quad存在可逆矩阵PPP,使得B=P−1APB=P^{-1}APB=P−1AP,则A,BA,BA,B想似,具有相同的特征值和相同的行列式和相同的迹

五、矩阵的迹

quad矩阵的迹为矩阵主对角线元素和,tr(A)=∑inaii=∑inλitr(A)=sum_i^na_{ii}=sum_i^nλ_itr(A)=∑in​aii​=∑in​λi​

  • tr(AB)=tr(A)+tr(B)
  • tr(AAT)=∑i,j=1n∣aij∣2tr(AA^T)=sum_{i,j=1}^n |a_{ij}|^2tr(AAT)=∑i,j=1n​∣aij​∣2

六、投影矩阵

quad设V1,V2V_1,V_2V1​,V2​均是VVV的子空间,且V1+V2=VV_1+ V_2=VV1​+V2​=V , x∈V,y∈V1,z∈V2xin V, y in V_1, z in V_2x∈V,y∈V1​,z∈V2​,则xxx变为沿着V2V_2V2​到V1V_1V1​的投影变换称为V2V_2V2​到V1V_1V1​的投影算子,记为TTT,即Tx=yTx=yTx=y。投影算子TTT将整个空间VVV变到子空间V1V_1V1​。
quad一个重要性质T2=TT^2=TT2=T,即TTT是幂等算子
quad幂等矩阵的性质

  • AHA^HAH与I−AI-AI−A也是幂等矩阵
  • AAA的特征值非0即1
  • rank(A)=tr(A)rank(A)=tr(A)rank(A)=tr(A)
  • A(I−A)=(I−A)A=0A(I-A)=(I-A)A=0A(I−A)=(I−A)A=0
  • Ax=x,x∈R(A)Ax=x,x in R(A)Ax=x,x∈R(A)
  • N(A)=R(I−A),R(A)=N(I−A)N(A)=R(I-A),R(A)=N(I-A)N(A)=R(I−A),R(A)=N(I−A)

七、特征值

特征值性质

  • 矩阵A的行列式的值等于其所有特征值的积
  • 矩阵A可逆与0不是A的特征值等价

特征向量的性质

  • 属于不同特征值的特征向量线性无关
  • n阶方阵A可以对角化等价于A有n个线性无关的特征向量,等价于几何重数等于代数重数
  • 当几何重数小于代数重数时,不能对角化,但能块对角化