由前面的讨论可知，并不是对于每一个线性变换都有一组基，使它在这组基 下的矩阵成为对角形.下面先介绍一下，在适当选择的基下，一般的一个线性变 换能化简成什么形状

对于给定的n维线性空间V,A∈L(V),如何才能选到V的一个基使关于 这个基的矩阵具有尽可能简单的形式由于一个线性变换关于不同基的矩阵是相 似的因而问题也可以这样提出在一切彼此相似的n阶矩阵中如何选出一个形 式尽可能简单的矩阵这一节介绍不变子空间的概念,来说明线性变换的矩阵的 化简与线性变换的内在联系

如果线性方程组的系数行列式不为零,即det(A)≠0, 则该方程组有唯一解。由克莱姆(cramer)法则,其解为 det() (i=1,2,…n det(A) 这种方法需要计算n+1个n阶行列式并作n次除法,而每个 n阶行列式计算需作(n-1)n!次乘法,计算量十分惊人

一、基本QR方法 60年代出现的QR算法是目前计算中小型矩阵的全部特征值与 特征向量的最有效方法。实矩阵、非奇异。 理论依据:任一非奇异实矩阵都可分解成一个正交矩阵Q和 一个上三角矩阵R的乘积,而且当R的对角元符号取定时,分解是 唯一的

一、线性变换的特征值和特征向量的概念

23.1从“我吃饭”开始 23.2从“结构”到“类” 23.3类的成员数据与成员函数 23.3.1成员数据初始化的疑问 23.3.2成员函数的实现

一、线性变换的乘法 设A,B是线性空间V的两个线性变换,定义它们的乘积为 (AB)(a)=A,B(a))(a∈V) 则线性变换的乘积也是线性变换 线性变换的乘法适合结合律,即 (AB)C=(BC)

1.用对分区间法求方程x2-2x3-4x2+4x+4=在区间[02]内的根,使误差不超过

设E1,E2,…,E是线性空间V的一组基,在这组基下,V中每个向量都有确定 的坐标,而向量的坐标可以看成P元素,因此向量与它的坐标之间的对应实质 上就是V到P的一个映射.显然这个映射是单射与满射,换句话说,坐标给出了 线性空间V与P的一个双射.这个对应的重要性表现在它与运算的关系上

定义 9 设 1 2 V ,V 是线性空间 V 的子空间，如果和 V1+V2 中每个向量  的分 解式