线性代数应该这样学读后感

开始

线代考试大概是9初，之前学的云里雾里，最近我又重新看了一遍，总结了我学了以后有关的想法，希望能和大家探讨。
虽然前面很罗嗦，但是全部看下来，整本书的思路很清晰，就是寻找能够让算子的矩阵简单表示的基。
需要注意的一些点：

1. 讨论的是复空间上的（说实话，实化这部分我没看明白，还得好好理解）。
2. 算子：就是从$V$映射到$V$的线性映射，简单来说就是值域定义域相同
3. $T{|}_U$的意思是以$U$为定义域的映射$T$。因为很多时候定理是否成立和定义域以及映射本身都有关，于是用这个记号。

第一个矩阵是上三角阵。

所有复空间的算子都能找到一组基，使其有上三角表示。
这里的证明方法很巧妙，构造了一个空间$U=range(T-\lambda I)$先证明这个空间成立，再证明由这个空间张成的基也成立。
构造的方法是找到$U$的基，然后一个一个扩张为$V$的基。
由于施密特法正交化，使得产生的规范正交基张成的空间和原来向量张成空间一样，所以复空间上算子可以更好的表示为一组规范正交基和上三角阵，这就是著名的舒尔定理。

第二个矩阵是对角阵。

条件是复空间的正规算子（复谱定理），实空间的自伴算子才有（实谱定理）。
原因是正规算子有$||Tu||=||u||$，然后根据伴随的矩阵是共轭转置，可以发现上三角转置以后下面变成了$0$，两个一对应就知道只有主对角元不是$0$
对角阵对应的基是本征向量，由于可以用施密特法规范化，所以也可以写成规范正交基。
可以说，这个方法除了要求比较严格以外，向量和矩阵都很容易求。

第三个矩阵是方块对角阵

由于对角阵要求太高，于是退而求其次，找到了一个对角元素都是上三角矩阵，其他元素都是$0$的矩阵。
称为广义本征向量，每个小矩阵就是广义本征空间。
具体算的方法是$(T-{\lambda }_{k}I{)}^{\dim V}v=0$可以求出本征值对应的基，每个本征值对应的基可以写成一个小矩阵，矩阵的秩就是本征值的重数，对角线的元素也就是本征值，对角线以上元素需要自己算。

第四个矩阵是若尔当形（有的地方叫约当标准型）

发现幂零算子的矩阵可以化简为主对角线上部分是$1$，其他部分都是$0$的矩阵，而广义本征空间上$(T-{\lambda }_{j}I){|}_{G({\lambda }_j,T)}$是幂零的（广义本征向量的定义就是使$T-{\lambda }_{i}I$的某个次幂映射后为$0$的向量，因此广义本征空间可以使$T-\lambda I$是幂零映射），每个小矩阵可以写为小的若尔当形，最后组合成大的若尔当形。

总结

书中其他的内容感觉就是为上面这四步做理论基础。书上很多证明还是很巧妙的，就是不知道考试怎么考。

我总结了书上的一些定理什么的，可惜由于是截图用markdown写的，所以传上来图片都没了，如果想看看的朋友可以私信我。

最后祝大家门门满绩!