为了解线性方程组,我们引入了线性代数中两个重要的研究对象:向量空间和矩阵。 线性方程组的一般形式为: 引入矩阵后,转化为非常简洁的矩阵方程形式: 而引入向量空间后,线性方程组就变为向量方程: 其中, 并设矩阵 A 的列向量组为:
然而,通常的线性空间没有度量(向量的长度、夹角、垂直等)的概念,这就限制了线性空间的广泛应用,因此需要引入二次型和双线性函数来构造内积,这样就导出了内积空间,当然相应的线性变换就升华为与内积有关的线性变换:正交变换、对称变换等。继续前行的话,就是各种空间和算子理论。 对线性代数的框架有了基本的认知后,下面我们分别来讨论矩阵和向量空间。我们首先看矩阵。 一、矩阵 矩阵这部分内容主要是围绕着矩阵的运算和性质来展开的。 在线性代数中,矩阵主要有如下类型的运算:
像线性运算、转置、共轭、伴随、迹在这里就不过多讨论了。另外矩阵的秩我们放到向量空间中再来讨论。下面着重讨论矩阵的乘法、求逆(就是初等变换,相当于除法)【我个人喜欢把矩阵的初等变换看作矩阵乘法的逆运算,即求逆】和行列式。大家对初等变换要给予充分的重视,因为几乎线性代数中所有的运算都可以用矩阵的初等变换来加以解决。 下面是和初等变换、逆矩阵有关的一些重要结论: 关于矩阵运算的性质我们在文末再列出来。下面我们来讨论向量空间。 二、向量空间 在数学物理中,通常把一般复杂的情况转化为特殊简单的情形。比如:
非齐次线性方程组的一般解可表示为其自身的特解再加上齐次线性方程组的通解。因此我们首先来讨论齐次线性方程组。 齐次线性方程组 的解只有两种情况:只有零解、有非零解。
接下来我们讨论方阵的行列式。 三、行列式 根据性质定义距离. 根据性质定义行列式 行列式按一行展开定理 最后我们来讨论矩阵的特征值和特征向量。 四、特征值和特征向量 既然矩阵是一种映射,当这个映射保持某些性质不变时,这种性质就是该矩阵的某种特征。因此,如果矩阵保持一个向量的方向不变,则这个向量就是矩阵的特征向量。即若 就称为矩阵 A 的特征向量,而称为矩阵 A 的特征值。 一个矩阵的性质完全由其特征值和特征向量决定。这可以按如下两种方式理解: (1) (2) 以上两点对理解特征值和特征向量非常关键! 关于特征值和特征向量的性质,这里就不再赘述。 另外,关于二次型的理论,在某种意义上来说,可以认为二次型是某种内积(当然,二次型有五种:正定,负定,半正定,半负定,不定。不同的二次型对应不同的内积)。 最后我们列出关于矩阵运算的性质以结束本文: |
|