当前位置: 移动技术网 > IT编程>开发语言>.net > 高等代数学习心得

高等代数学习心得

2020年07月10日  | 移动技术网IT编程  | 我要评论

高等代数学习心得

由于课时原因,本科阶段学习高等代数时会跳过很多非常重要的内容,而这些内容又经常出现在考研试题中,为了帮助大家学好代数学,这里将我学习高代的方法与心得写出来。

高代注重整体逻辑性,学习高代需要始终贯穿着一条主线:简化
简化首先包括化简矩阵,如我们有矩阵与对角矩阵相似的概念;而往往它的要求过于苛刻,那么我们放宽条件,只要求矩阵与一个准对角矩阵相似;若这个条件仍然无法满足,我们还有Jordan标准型这个有力武器,对复数域上任意一个线性变换(请注意线性变换和矩阵的结论是平行的),在V中一定存在一组基,使得该线性变换在这组基下的矩阵为若尔当型。
那么我们会问,什么情况下线性变换会有Jordan标准型?答案是:当线性变换A的最小多项式(极小多项式)能够分解为一次因式的乘积时,那么线性变换A有Jordan标准型。
当然,有的线性变换的最小多项式可以分解为一次因式的乘积,有的不可以。若不可以怎么办?难道我们就找不到它的标准型了吗?当然可以,条件继续放宽,我们不要求线性变换的最小多项式可以分解为一次因式的乘积,于是还有终极武器:矩阵的有理标准型!
我们通过以上分析可以看出:对角矩阵、准对角矩阵、Jordan标准型、有理标准型在思路上都高度类似,都是为了找到矩阵的最简形式。对角矩阵、Jordan标准型、有理标准型都是特殊的准对角矩阵;若准对角矩阵A中的A1,A2,A3,,AnA_1,A_2 ,A_3 ,⋯,A_n都是数,那A就变成对角矩阵;若准对角矩阵A中的A1,A2,A3,,AnA_1,A_2 ,A_3 ,⋯,A_n都是jordan块,则A变成Jordan标准型;若准对角矩阵A中的A1,A2,A3,,AnA_1,A_2 ,A_3 ,⋯,A_n都是友矩阵,则A变成有理标准型。随着条件的放宽,最后任意一个矩阵都可以找到它的标准型……
或者说,我们为什么要学习λ矩阵理论和有理标准型理论?就是为了找到矩阵的最简表示。有了这个思路,我们就可以做到融会贯通。

我们在学习矩阵的秩时,有多少同学思考过这个问题:秩的含义到底是什么?这里给出其几何解释:矩阵乘法对应了一个变换,把一个向量变成同维数的另一个向量。在这个变换的过程中,向量会发生旋转,伸缩或镜像的变化。矩阵不同,向量变化的结果也会不同。如果矩阵对某一个向量或某些向量只发生伸缩变换,不对这些向量产生旋转效果,那么这些向量就是这个矩阵的特征向量,伸缩的比例就是特征值。
一个变换的特征向量是这样一种向量,它经过这种特定的变换后保持在某个直线上不转动,只是进行长度上的伸缩而已。

大家在学习特征子空间时,有没有问过自己:为什么特征值的代数重数总是大于等于特征值的几何重数?从直观上理解:因为每个特征值所对应的特征子空间可能会亏损----子空间会重合,子空间重合不是子空间直和,所以特征子空间的维数会变小,造成其维数小于特征值的代数重数。

在线性空间中,我们需要特别注意的是线性空间的同构与空间的分解问题!这是两大核心问题。对同构的理解:若两个具体的空间同构,则可以将这两个空间的结构抽象出来,仅观察其元素个数与运算法则,则这两个空间是一模一样的(都具有相同的空间结构)。
线性空间的分解与对应矩阵的分解的结论是平行的。在一组基下,对线性空间分解就是对它在一组基下的矩阵分解。线性空间的每个子空间WiW_i都对应着矩阵的标准型(是个准对角矩阵)中的每个AiA_i,这个结论非常重要。

我们在学习λ矩阵时,如何求若当标准型是一个重要的问题。课本346页例2的方法是先求初等因子,再确定若当标准型;这个方法有时不一定奏效,因为对λEAλE-A进行化简时很可能出错。在丘维声老师写的高等代数学习指导书下册432页定理一中,我们可以直接得出矩阵Jordan标准型中主对角元为λjλ_j的若当块的总数以及t级若当块Jt(λj)J_t (λ_j)的个数。由此可以直接确定出矩阵的若当标准型!
课本316页定理14,要求“互素的一次因式的乘积”,其实就是“不同的一次因式的乘积”,要求最小多项式的每一项为一次因式。且每一项的次数最高为1次。若写成定理“一次因式的乘积”则表示最小多项式的每一项的次数可以大于1。一定要注意表述,若为“不同的一次因式的乘积”,则A可以和对角矩阵相似;若为“一次因式的乘积”,则A可以和准对角矩阵相似。

高代专项问题

学习高代需要特别注意的几类问题有:矩阵分解问题、矩阵的谱分解问题、矩阵秩等式与不等式、秩一矩阵理论、扩基定理证明、维数公式证明、子空间分解定理证明、根子空间分解定理证明、子空间覆盖定理(课本272页第六章第8节补充题的第5题,极其重要)、线性变换、λ矩阵、线性变换、范数(背会几种常用的范数就行)、同时相似对角化问题、同时正交对角化问题、同时上三角化问题、AX=XA矩阵方程、AX-XB=C矩阵方程、求AnA^n、已知矩阵A求满足A=X^2的矩阵X、Householder变换等等……
矩阵分解是高代课程中的一大类问题,具体包括:满秩分解、QR分解、Schur分解、三角分解、奇异值分解、半正定矩阵的平方分解、极分解。
上面每个定理的证明其实就是一道大题,都很重要,很多定理都是课本上的习题,只不过没有以定理的形式展现出来,但是要注意识别,需要都会,掌握它们的方法很简单,就是背会,慢慢消化理解;其实建议课本上所有定理的证明都需要背会。

推荐教材

高代课本、丘维声老师的高等代数学习指导书(第二版)(特别推荐)、钱吉林老师的高等代数题解精粹(书中错误较多,需要注意甄别)。建议先把课本后的习题都自己做一遍(不是看一遍答案),然后,钱吉林老师的书上的例题都背会(并不难),丘维声老师的书用来拔高,提高对空间分解、线性变换、λ矩阵等重要内容的理解。
上面内容看似很多,但不用畏惧它,其实只是一些小知识点,需要我们穿起来,形成整体观。希望大二的学生学完数分高代可以继续坚持做题,别丢了基本功,否则到了大三会发现半年时间复习不完数分高代,而十分焦虑。

其他

1.建议合理安排课外时间。不是所有比赛都要参加,如果感觉自己不适合数学建模比赛,就果断放弃!不要再耗费精力做无用功。希望大家对自己有个正确的认识,不要人云亦云,看见别人参加比赛自己也要参加,若数学建模不适合你,就别参加了(其实好多学校复试都不看数学建模成绩)。
但并不是说比赛没用,复试很看重项目、参赛经历,比如有很多学校非常注重能力,初试成绩与复试成绩各占50%,既要求学生初试成绩好,还要平常参加比赛,但我们要参加一些有水平的比赛,适合自己的比赛,如大学生数学竞赛,别在没用的比赛上浪费时间。初试成绩只是一个入场券,复试才是真正的斗兽场。千万别小看复试,觉得只学好初试的几门课就行,认为复试老师随便问些问题就结束了。必须要有项目或比赛经历。
2.学好C语言,并不是所有比赛就要用matlab。C语言也有很多数学库,比如NTL库,PARI/GP,GMP等。可以尝试如何用C++构造一个有限域,并在其上进行运算,或者用C++描绘多项式,实现多项式的运算。
3.再次强调:初试与复试同样重要,各占50%,缺一不可。

本文地址:https://blog.csdn.net/jiaobei4704/article/details/107223874

如对本文有疑问, 点击进行留言回复!!

相关文章:

验证码:
移动技术网