矩阵心得体会.docx

《矩阵论》学习心得体会 2011-2012 第一学期，我在李胜坤老师的引领下，逐步学习了科学出版社出版、徐仲和张凯院等编著的《矩阵论简明教程》第二版。该书是大学本科期间所学习的《线性代数》的矩阵部分内容的深化，从数域扩展到矩阵，要想充分理解“矩阵论”的精髓，就得先好好的将《线性代数》复习——掌握其基本概念及重要定理、结论。 该书有 8 个章节，第一章是矩阵的相似变换，第二章讲的是范数理论，第三章介绍的是矩阵分析，第四章详细介绍的是矩阵分解，第五章罗列的是特征值的估计与表示，第六章介 绍的是广义逆矩阵，第七章介绍的是矩阵的直积，最后一章介绍的是线性空间与线性变换。下面分章节谈论。 第一章中的特征值与特征向量、矩阵的相似对角化、向量内积是本科期间《线性代数》中的内容，我想作者的目的是借助以前大家都熟悉的知识，将我们引领到另一个崭新的知识 领域，起到承上启下的作用，让我们对《矩阵论》感到不陌生。该章中的 Jordan 标准形、Hamilton-Cayley 定理、酉相似的标准形是本科期间不曾深入学习的知识，这些知识为后续学习《矩阵论》吹响了号角。总之，第一章就是高等数学中的知识与“矩阵论”的衔接章节， 同时也是后续章节学习的非常重要基础章节。我们要学好《矩阵论》就得学好该章，理解记 忆其中的概念、结论。 第二章介绍向量范数与矩阵范数及其应用。介绍了向量范数的三公理、酉不变性、1 范、2 范、无穷范、p 范、加权范数（也叫椭圆范数）以及很重要的一个不等式——Cauchy-Schwarz 不等式、向量的收敛、发散性；矩阵范数的定义、m1 范、m 无穷范、F 范及其酉不变性， 矩阵范数与向量范数的相容性等。范数与矩阵的谱半径紧紧相连，有了范数作为研究矩阵的 数学工具，我们将会更易更深入的理解、研究矩阵，并用矩阵指导实际生产实践。 第三章矩阵分析和第四章矩阵分解各是矩阵论的最重要章节之一。通过对矩阵的收敛 性、矩阵级数、矩阵函数、矩阵微分、矩阵积分、矩阵四种分解等系统性学习研究，让我明白了矩阵理论在实际生活中的巨大作用——矩阵论将大大减少工程运算量及提高计算速度、精度。有了矩阵理论作指导，现实生活中很多不能解决或者很难解决的数学问题等都能够得 到很好的解决。比如，提高计算机的计算速度、优化数字信号处理算法等。 第五章介绍了矩阵的非常重要的参数——特征值的估计及其表示，介绍了特征值界定估 计、特征值包含区域等，让我们对特征值有了更进一步的了解，用书中的方法可以很高效的 确定特征值的范围、估计特征值的个数。是研究矩阵的有效方法，为计算特征值指明了方向， 解决了以前计算特征值的困扰。 第六章介绍的是广义逆矩阵，是逆矩阵的推广。广义逆矩阵是将可逆的方阵推广到不可 逆矩阵、长方矩阵。介绍了广义逆矩阵的概念、 逆矩阵的应用、Moor-Penrose 逆 A+的计算、性质以及在解线性方程组中的应用。我想该章更大的应用应该在解线性方程组中，解决生活 中的计算问题，提供了又一高效办法。 ~ 第七章矩阵的直积是很易懂的知识，是以前向量直积在矩阵中的推广。对矩阵直积的研究对信号处理与系统理论中的随机静态分析与随机向量过程分析等有重要的指导作用，同时也是重要的数学工具，是研究信号处理人员必备的数学工具。 第八章线性空间与线性变换，其中线性空间是几何空间与 n 维向量空间概念的推广与抽象，线性变换则反映了线性空间元素之间的一种最基本的联系。该章的学习需要我们充分发挥我们的空间想象能力，同时该章也将会大大的启迪我们思维的灵活性、唤醒沉睡已久的新思维。 通过《矩阵论简明教程》的学习，开阔了我的数学视野，给我思考问题、解决实际问题提供了新的思维方法。我将努力借助《矩阵论》，使自己在信号处理领域走的更远。