矩阵分析(1)

合集下载

矩阵分析与计算--01-线性空间

《矩阵分析与应用》
张贤达清华大学出版社，2004年9月
矩阵与计算工具：MATLAB， MAPLE,LAPACK … 编程语言：C/C++, C#, Fortran，Java
14
矩阵分析与计算
考核方式：

闭卷考试：65%
课堂讨论，小报告： 35% 作业抽查，应该重视练习、讨论、算法设计、上机实践等环节。
矩阵是数学中的一个重要的基本概念，是代数学的一个主要研究对象，也是数学研究和应用的一个重要工具。“矩阵”这个词是由西尔维斯特（1814-1897）首先使用的，他是为了将数字的矩形阵列区别于行列式而发明了这个述语西尔维斯特一生致力于纯数学的研究，他和凯莱、哈在逻辑上，矩阵的概念应先于行列式的概念，密顿 (Hamilton)等人一起开创了英国纯粹数学的一个然而在历史上次序正好相反。繁荣局面．他的成就主要在代数方面，他同凯莱一起
18
本讲主要内容
线性空间定义与性质基、维数、坐标基变换与坐标变换
子空间
内积空间
19
一、线性空间

几何空间和 n 维欧氏空间的回顾推广思想：抽象出线性运算的本质，在任意研究对象的集合上定义具有线性运算的代数结构。
线性空间定义要点：

集合V 与数域F 向量的加法和数乘向量运算运算的性质刻画
矩阵分析与计算 Matrix Analysis and Computations
理学院 Email: mymath@ (民) 2011年9月
1

本科线性代数内容的简单回顾与讨论 1）线性代数主要内容 2）有什么用？工科学生最关心的大家在本科毕业设计中用了么？

矩阵分析引论--第一章线性空间与线性变换-线性空间的概念、基变换与坐标变换

二、线性空间的定义 1、数域
复数集的一个非空子集，含非零数，对和、差、积、商(除数不为零)运算封闭.
• 性质：
必包含0与1；有理数域是最小的数域.
目录上页下页返回结束
第一章第一二节线性空间的概念、基变换与坐标变换
2、线性空间
定义1-1（线性空间）设V是一非空集合，P是一数域，若
（1）在V上定义了一个二元运算(称为加法, a与b 的和记为a＋b）, 且 a , b V,有 a b V ;
（2）在P与V的元素之间还定义了一种运算(称为
数乘, k与a的数乘记为ka),
且 a V ,k P, 有 ka V ；
目录上页下页返回结束
第一章第一二节线性空间的概念、基变换与坐标变换
（3）加法与数乘满足以下八条规则：
(ⅰ) a b b a； (ⅱ) (a b ) a (b )；
第一章第一二节线性空间的概念、基变换与坐标变换
第一节线性空间的概念
一、线性代数回顾
★ n维向量：有序数组 ★ 线性运算：加法、数乘 ★ 运算律（八条） ★ 向量关系：线性相关、线性无关 ★ 向量空间 ★ 子空间 ★基
目录上页下页返回结束
第一章第一二节线性空间的概念、基变换与坐标变换
(ⅲ) a 0 a；
(ⅳ) a (a ) 0；
(ⅴ) 1a a；
(ⅵ) k(la ) (kl)a；
(ⅶ) (k l)a ka la ;(ⅷ) k(a b ) ka kb .
则称集合V为数域P上的线性空间或向量空间.
目录上页下页返回结束
第一章第一二节线性空间的概念、基变换与坐标变换
又若向量 b k1a1 k2a2 knan , 则b 也称为向量 a1,a2,,an 的线性组合，或称 b 可以由向量 a1,a2,,an 线性表示.

矩阵分析课件(1)f

A 第一组基下的坐标为 7 4 1 2 x1 , x2 , x3 , x4 3 3 3 3 利用坐标变换公式可以求得 A 在第二组基下的坐标为
向量
2 3 y1 1 y 2 3 y3 1 3 y4 1 3
R 则为实数域 R 上的一个线性空间。
例 5 设V是由系数在实数域R上，次数为n的 n次多项式f(x)构成的集合，其加法运算与数乘运算按通常规定，则V不是R上的线性空间。
7
二：向量的线性相关性
定义１给定向量组A : 1 , 2 ,, m，对于任何一组实数k1，k2， , km，向量
它的秩为 0. 注：线性无关向量组的最大无关组即其自身！
10
基本性质：（1）含有零向量的向量组一定线性相关；（2）整体无关部分无关；部分相关整体相关；（3）如果含有向量多的向量组可以由含有向量少的向量组线性表出，那么含有向量多的向量组一定线性相关；（4）向量组的秩是唯一的，但是其极大线性无关组并不唯一；（5）如果向量组（I）可以由向量组（II）线性表出，那么向量组（I）的秩向量组（II）的秩；（6）等价的向量组秩相同。
2
第一章
线性空间和线性变换
第一节线性空间
实数域R 复数域C
一：线性空间的定义与例子
定义设 V 是一个非空的集合， F 是一个数域，在集合 V 中定义两种代数运算, 一种是加法运算, 用来表示; 另一种是数乘运算, 用来表示, 并且这两种运算满足下列八条运算律：
运算的结果是 V中的元素
1 0 1 1 1 1 1 1 0 0 , 0 0 , 1 0 , 1 1
22

矩阵分析

∞ ∞
m× n
中的矩阵序列，并且 lim A k = A ， lim B k = B ，则
k →∞ k →∞
lim (α A k + β B k ) = α A + β B,
k →∞
∀α , β ∈ C ．
m× n
（2）
设 { A k }k =1 和 {B k }k =1 分别为 C
k →∞
∞
∞
∞ ∞
（2）
矩阵级数
∑ A k 为绝对收敛的充分必要条件是正项级数 ∑ A k 收敛.
k =1 k =1
∞
∞
（3）
设
∑A
k =1
k
为C
m× n
中的绝对收敛的级数，
∑B
k =1
k
为C
n×l
中的绝对收敛的级数，并且
∞
∞
∞
∞
A = ∑ A k , B = ∑ B k , 则 ∑ A k · ∑ B k 按任何方式排列得到的级数也是绝对收敛
根据这
m1 + m2 + ⋯ + ms = n 个方程，得到一个以 c0 , c1 ,⋯, c n−1 为未知数的线性方程组。事实上，
这即为以 λ1 , λ 2 , ⋯ , λ s 为插值节点的 Hermite 插值，因此方程组有唯一解。进一步，如果得到 A 的最小多项式 m(λ ) ，则类似有 f ( z ) = m( z ) g ( z ) + r ( z ) ，而且，此时的余式 r ( z ) 的次数可以更低，使得计算更为简单。对于函数满足的恒等式，只要能保证等式两边的矩阵函数同时为收敛的矩阵幂级数，则可以得到相应的矩阵函数恒等式，例如可以证明（Ⅰ） ∀A ∈ C

《矩阵分析》(第3版)史荣昌,魏丰.第一章课后习题答案

第1章线性空间和线性变换（详解）1-1 证：用iiE 表示n 阶矩阵中除第i 行，第i 列的元素为1外，其余元素全为0的矩阵.用ij E (,1,2,,1)i j i n <=-表示n 阶矩阵中除第i 行，第j 列元素与第j 行第i 列元素为1外，其余元素全为0的矩阵.显然，iiE ，ijE 都是对称矩阵，iiE 有(1)2n n -个.不难证明iiE ，ijE 是线性无关的，且任何一个对称矩阵都可用这n+(1)2n n -=(1)2n n +个矩阵线性表示，此即对称矩阵组成(1)2n n +维线性空间.同样可证所有n 阶反对称矩阵组成的线性空间的维数为(1)2n n -.评注:欲证一个集合在加法与数乘两种运算下是一个(1)2n n +维线性空间，只需找出(1)2n n +个向量线性无关，并且集合中任何一个向量都可以用这(1)2n n +个向量线性表示即可.1-2解: 11223344x x x x ααααα=+++令解出1234,,,x x x x 即可.1-3 解：方法一设11223344x x x x =+++A EE E E即123412111111100311100000x x x x ⎡⎤⎡⎤⎡⎤⎡⎤⎡⎤=+++⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦⎣⎦故12341231211203x x x x x x x x x x +++++⎡⎤⎡⎤=⎢⎥⎢⎥+⎣⎦⎣⎦于是12341231,2x x x x x x x +++=++=1210,3x x x +==解之得12343,3,2,1x x x x ==-==-即A 在1234,,,E E E E 下的坐标为(3,3,2,1)T--.方法二应用同构的概念，22R ⨯是一个四维空间，并且可将矩阵A 看做(1,2,0,3)T，1234,,,E E E E 可看做(1,1,1,1),(1,1,1,0),(1,1,0,0),(1,0,0,0)T T T T .于是有1111110003111020100311000001021000300011⎡⎤⎡⎤⎢⎥⎢⎥-⎢⎥⎢⎥→⎢⎥⎢⎥⎢⎥⎢⎥-⎣⎦⎣⎦因此A 在1234,,,E E E E 下的坐标为(3,3,2,1)T--.1-4 解：证：设112233440k k k k αααα+++=即1234123412313412411111110110110110k k k k k k k k k k k k k k k k k ⎡⎤⎡⎤⎡⎤⎡⎤+++⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦+++++⎡⎤==⎢⎥++++⎣⎦于是12341230,0k k k k k k k +++=++= 1341240,0k k k k k k ++=++=解之得12340k k k k ====故1234,,,αααα线性无关. 设123412341231341241111111011011011a b x x x x c d x x x x x x x x x x x x x ⎡⎤⎡⎤⎡⎤⎡⎤⎡⎤=+++⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦⎣⎦+++++⎡⎤=⎢⎥++++⎣⎦于是12341230,0x x x x x x x +++=++= 1341240,0x x x x x x ++=++=解之得122,x b c d a x a c =++-=-34,x a d x a b =-=-1234,,,x x x x 即为所求坐标.1-5 解：方法一（用线性空间理论计算）32312233410()121,,,021,1,(1),(1)p x x x x x y y x x x y y ⎡⎤⎢⎥⎢⎥⎡⎤=+=⎣⎦⎢⎥⎢⎥⎣⎦⎡⎤⎢⎥⎢⎥⎡⎤=---⎣⎦⎢⎥⎢⎥⎣⎦又由于23231,1,(1),(1)111101231,,,00130001x x x x x x ⎡⎤---⎣⎦⎡⎤⎢⎥-⎢⎥⎡⎤=⎣⎦⎢⎥-⎢⎥⎣⎦于是()p x 在基231,1,(1),(1)x x x ---下的坐标为11234111113012306001306000122y y y y -⎡⎤⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦方法二将3()12p x x =+根据幂级数公式按1x -展开可得32323()12(1)(1)(1)(1)(1)(1)(1)2!3!36(1)6(1)2(1)p x x p p p p x x x x x x =+''''''=+-+-+-=+-+-+- 因此()p x 在基231,1,(1),(1)x x x ---下的坐标为[]3,6,6,2T.评注：按照向量坐标定义计算，第二种方法比第一种方法更简单一些.1-6 解：①设[][]12341234,,,,,,=ββββααααP将1234,,,αααα与1234,,,ββββ代入上式得20561001133611001121011010130011⎡⎤⎡⎤⎢⎥⎢⎥-⎢⎥⎢⎥=⎢⎥⎢⎥--⎢⎥⎢⎥-⎣⎦⎣⎦P 故过渡矩阵1100120561100133601101121001110131122223514221915223112822-⎡⎤⎡⎤⎢⎥⎢⎥-⎢⎥⎢⎥=⎢⎥⎢⎥--⎢⎥⎢⎥-⎣⎦⎣⎦⎡⎤---⎢⎥⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦P②设1212343410(,,,)10y y y y ⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦ξββββ将1234,,,ββββ坐标代入上式后整理得11234792056181336027112111310130227y y y y -⎡⎤-⎢⎥⎢⎥⎡⎤⎡⎤⎡⎤⎢⎥-⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎢⎥⎢⎥⎣⎦评注：只需将,i i αβ代入过渡矩阵的定义[][]12341234,,,,,,=ββββααααP 计算出P .1-7 解：因为12121212{,}{,}{,,,}span span span +=ααββααββ由于秩1212{,,,}3span =ααββ，且121,,ααβ是向量1212,,,ααββ的一个极大线性无关组，所以和空间的维数是3，基为121,,ααβ. 方法一设1212{,}{,}span span ∈ξααββ，于是由交空间定义可知123411212111011030117k k k k -⎡⎤⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥--⎢⎥⎢⎥⎢⎥⎢⎥+++=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦解之得1222122,4,3(k l k l l l l =-==-为任意数)于是11222[5,2,3,4]T k k l =+=-ξαα(很显然1122l l ββ=+ξ)所以交空间的维数为1，基为[5,2,3,4]T-.方法二不难知12121212{,}{,},{,}{,}span span span span ''==ααααββββ其中2213[2,2,0,1],[,2,1,0]3TT ''=--=-αβ.又12{,}span 'αα也是线性方程组 13423422x x x x x x =-⎧⎨=-⎩ 的解空间.12{,}span 'ββ是线性方程组13423413232x x x x x x ⎧=-+⎪⎨⎪=-⎩ 的解空间，所以所求的交空间就是线性方程组1342341342342213232x x x x x x x x x x x x =-⎧⎪=-⎪⎪⎨=-+⎪⎪=-⎪⎩ 的解空间，容易求出其基础解系为[5,2,3,4]T-，所以交空间的维数为1，基为[5,2,3,4]T -.评注：本题有几个知识点是很重要的.12(1){,,,}n span ααα的基底就是12,,,nααα的极大线性无关组.维数等于秩12{,,,}n ααα.1212(2){,}{,}span span +ααββ1212{,,,}span =ααββ.(3)方法一的思路，求交1212{,}{,}span span ααββ就是求向量ξ，既可由12,αα线性表示，又可由12,ββ线性表示的那部分向量.(4)方法二是借用“两个齐次线性方程组解空间的交空间就是联立方程组的解空间”，将本题已知条件改造为齐次线性方程组来求解.1-8解:(1):解出方程组1234123420510640x x x x x x x x ---=⎧⎨---=⎩（Ⅰ）的基础解系,即是1V 的基, 解出方程组123420x x x x -++=（Ⅱ）的基础解系,即是2V 的基;(2): 解出方程组1234123412342051064020x x x x x x x x x x x x ---=⎧⎪---=⎨⎪-++=⎩的基础解系,即为12V V ⋂的基;(3):设{}{}1121,,,,,k l V span V span ααββ==,则11,,,,,k l ααββ的极大无关组即是12V V +的基. 1-9解:仿上题解.1-10解: 仿上题解.1-11 证：设210121()()()0k k l l l l --++++=ξξξξA AA①用1k -A从左侧成①式两端，由()0k=ξA 可得10()0k l -=ξA因为1()0k -≠ξA，所以00l =，代入①可得21121()()()0k k l l l --+++=ξξξA AA②用2k -A从左侧乘②式两端，由()0k=ξA可得00l =，继续下去，可得210k l l -===，于是21,(),(),,()k -ξξξξA AA线性无关.1-12 解：由1-11可知，n 个向量210,(),(),,()n -≠ξξξξAAA线性无关，它是V 的一个基.又由21212121[,(),(),,()][(),(),,()][(),(),,(),0]000010000100[,(),(),,()]0000010n n n n n n----⨯==⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦ξξξξξξξξξξξξξξA A A AA A A A AAA AA 所以A 在21,(),(),,()n -ξξξξA AA下矩阵表示为n 阶矩阵000100001000000010⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦评注：n 维线性空间V 中任何一组n 个线性无关的向量组都可以构成V 的一个基，因此21,(),(),,()n -ξξξξA AA是V 的一个基.1-13证: 设()()()111,,,,,,,,,,,r s m r s A A ξξξββααα==设11,,,,,,r r s ξξξξξ是的极大无关组，则可以证明11,,,,,,r r s ααααα是的极大无关组.1-14 解：(1)由题意知123123[,,][,,]=ααααααA A123123111[,,][,,]011001⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦βββααα设A在基123,,βββ下的矩阵表示是B ，则11111123111011103011001215001244346238--⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥==-⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎡⎤⎢⎥=---⎢⎥⎢⎥⎣⎦B P AP (2)由于0A ≠，故0=AX 只有零解，所以A的核是零空间.由维数定理可知A 的值域是线性空间3R .1-15解:已知()()2323,,,,A αααααα=11A(1) 求得式()()2323,,,,P εεεααα=11中的过渡矩阵P ,则1B P AP -=即为所求;(2)仿教材例1.5.1.(见<矩阵分析>史荣昌编著.北京理工大学出版社.) 1-16解:设()23,,A ααα=1,则{}23(),,;()R A span N A ααα=1就是齐次方程组0Ax = 的解空间. 1-17证:由矩阵的乘法定义知AB BA 与的主对角线上元素相等,故知AB BA 与的迹相等;再由1-18 题可证. 1-18证:对k 用数学归纳法证。

矩阵分析课件(1-1,4)

其中k , l 表示数域F中的任意数, , 表示V中任意元素. 称这样的V 为数域F 上的线性空间.
显然, 例1.1.1 1.1.3都是实数域R上的线性空间.下面再举几个例子 :
例1.1.4 设A为实m n矩阵, 易证 : 齐次线性方程组Ax 0的所有解(包括零解)的集合构成实数域R上的线性空间.这个空间为方程组 Ax 0的解空间, 也称为矩阵A的核或零空间, 常记为N ( A).
称n阶方阵
a11 a21 P= a n1
a12 a22 an 2
a1n a2 n ann
是由基1 , 2 ,
, n到基1 , 2 ,
, n的过渡矩阵。于是上 ,n ) P
式可写成（1 , 2 ,
, n）＝(1 , 2 ,

n n
1＝（0,0,
T ,1）是 Rn的一组基，称 1 , 2 , , n为Rn的
标准正交基。
例1.2.1 试证：线性空间 R[ x ]n a0 a1 x
是n维的，并求a0 a1 x ,( x a )n1 下的坐标。
an1 x n1 ai R
定义1.3.1 设W 为域F 上的n维线性空间V的子集合，若 W 中元素满足
（1）若， W , 则＋ W ; (2) W ， F , 则 W .
则称W 是线性空间V的一个子空间。
a1i a 2i , n ) ani
( i 1, 2,
, n)
把这n个关系式用矩阵可表示为
（ 1 , 2 , , n ) (1 , 2 , a11 a21 , n ) a n1 a12 a22 an 2 a1n a2 n ann

《矩阵分析》(第3版)史荣昌,魏丰.第一章课后知识题目解析

第1章线性空间和线性变换（详解）1-1 证：用ii E 表示n 阶矩阵中除第i 行，第i 列的元素为1外，其余元素全为0的矩阵.用ij E (,1,2,,1)i j i n <=-表示n 阶矩阵中除第i 行，第j 列元素与第j 行第i 列元素为1外，其余元素全为0的矩阵.显然，ii E ，ij E 都是对称矩阵，ii E 有(1)2n n -个.不难证明ii E ，ij E 是线性无关的，且任何一个对称矩阵都可用这n+(1)2n n -=(1)2n n +个矩阵线性表示，此即对称矩阵组成(1)2n n +维线性空间. 同样可证所有n 阶反对称矩阵组成的线性空间的维数为(1)2n n -.评注:欲证一个集合在加法与数乘两种运算下是一个(1)2n n +维线性空间，只需找出(1)2n n +个向量线性无关，并且集合中任何一个向量都可以用这(1)2n n +个向量线性表示即可.1-2解: 11223344x x x x ααααα=+++令解出1234,,,x x x x 即可.1-3 解：方法一设11223344x x x x =+++A E E E E即123412111111100311100000x x x x ⎡⎤⎡⎤⎡⎤⎡⎤⎡⎤=+++⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦⎣⎦故 12341231211203x x x x x x x x x x +++++⎡⎤⎡⎤=⎢⎥⎢⎥+⎣⎦⎣⎦于是12341231,2x x x x x x x +++=++=1210,3x x x +==解之得12343,3,2,1x x x x ==-==-即A 在1234,,,E E E E 下的坐标为(3,3,2,1)T--.方法二应用同构的概念，22R ⨯是一个四维空间，并且可将矩阵A 看做(1,2,0,3)T，1234,,,E E E E 可看做(1,1,1,1),(1,1,1,0),(1,1,0,0),(1,0,0,0)T T T T .于是有1111110003111020100311000001021000300011⎡⎤⎡⎤⎢⎥⎢⎥-⎢⎥⎢⎥→⎢⎥⎢⎥⎢⎥⎢⎥-⎣⎦⎣⎦因此A 在1234,,,E E E E 下的坐标为(3,3,2,1)T--.1-4 解：证：设112233440k k k k αααα+++=即1234123412313412411111110110110110k k k k k k k k k k k k k k k k k ⎡⎤⎡⎤⎡⎤⎡⎤+++⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦+++++⎡⎤==⎢⎥++++⎣⎦于是12341230,0k k k k k k k +++=++= 1341240,0k k k k k k ++=++=解之得12340k k k k ====故1234,,,αααα线性无关. 设123412341231341241111111011011011a b x x x x c d x x x x x x x x x x x x x ⎡⎤⎡⎤⎡⎤⎡⎤⎡⎤=+++⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦⎣⎦+++++⎡⎤=⎢⎥++++⎣⎦于是12341230,0x x x x x x x +++=++= 1341240,0x x x x x x ++=++=解之得122,x b c d a x a c =++-=-34,x a d x a b =-=-1234,,,x x x x 即为所求坐标.1-5 解：方法一（用线性空间理论计算）32312233410()121,,,021,1,(1),(1)p x x x x x y y x x x y y ⎡⎤⎢⎥⎢⎥⎡⎤=+=⎣⎦⎢⎥⎢⎥⎣⎦⎡⎤⎢⎥⎢⎥⎡⎤=---⎣⎦⎢⎥⎢⎥⎣⎦又由于23231,1,(1),(1)111101231,,,00130001x x x x x x ⎡⎤---⎣⎦⎡⎤⎢⎥-⎢⎥⎡⎤=⎣⎦⎢⎥-⎢⎥⎣⎦于是()p x 在基231,1,(1),(1)x x x ---下的坐标为11234111113012306001306000122y y y y -⎡⎤⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦方法二将3()12p x x =+根据幂级数公式按1x -展开可得32323()12(1)(1)(1)(1)(1)(1)(1)2!3!36(1)6(1)2(1)p x x p p p p x x x x x x =+''''''=+-+-+-=+-+-+- 因此()p x 在基231,1,(1),(1)x x x ---下的坐标为[]3,6,6,2T.评注：按照向量坐标定义计算，第二种方法比第一种方法更简单一些.1-6 解：①设[][]12341234,,,,,,=ββββααααP将1234,,,αααα与1234,,,ββββ代入上式得20561001133611001121011010130011⎡⎤⎡⎤⎢⎥⎢⎥-⎢⎥⎢⎥=⎢⎥⎢⎥--⎢⎥⎢⎥-⎣⎦⎣⎦P 故过渡矩阵1100120561100133601101121001110131122223514221915223112822-⎡⎤⎡⎤⎢⎥⎢⎥-⎢⎥⎢⎥=⎢⎥⎢⎥--⎢⎥⎢⎥-⎣⎦⎣⎦⎡⎤---⎢⎥⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦P②设1212343410(,,,)10y y y y ⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦ξββββ将1234,,,ββββ坐标代入上式后整理得11234792056181336027112111310130227y y y y -⎡⎤-⎢⎥⎢⎥⎡⎤⎡⎤⎡⎤⎢⎥-⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎢⎥⎢⎥⎣⎦评注：只需将,i i αβ代入过渡矩阵的定义[][]12341234,,,,,,=ββββααααP 计算出P .1-7 解：因为12121212{,}{,}{,,,}span span span +=ααββααββ由于秩1212{,,,}3span =ααββ，且121,,ααβ是向量1212,,,ααββ的一个极大线性无关组，所以和空间的维数是3，基为121,,ααβ. 方法一设1212{,}{,}span span ∈ξααββ，于是由交空间定义可知123411212111011030117k k k k -⎡⎤⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥--⎢⎥⎢⎥⎢⎥⎢⎥+++=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦解之得1222122,4,3(k l k l l l l =-==-为任意数)于是11222[5,2,3,4]T k k l =+=-ξαα(很显然1122l l ββ=+ξ)所以交空间的维数为1，基为[5,2,3,4]T-.方法二不难知12121212{,}{,},{,}{,}span span span span ''==ααααββββ其中2213[2,2,0,1],[,2,1,0]3TT ''=--=-αβ.又12{,}span 'αα也是线性方程组 13423422x x x x x x =-⎧⎨=-⎩ 的解空间.12{,}span 'ββ是线性方程组13423413232x x x x x x ⎧=-+⎪⎨⎪=-⎩ 的解空间，所以所求的交空间就是线性方程组1342341342342213232x x x x x x x x x x x x =-⎧⎪=-⎪⎪⎨=-+⎪⎪=-⎪⎩ 的解空间，容易求出其基础解系为[5,2,3,4]T-，所以交空间的维数为1，基为[5,2,3,4]T -.评注：本题有几个知识点是很重要的.12(1){,,,}n span ααα的基底就是12,,,nααα的极大线性无关组.维数等于秩12{,,,}n ααα.1212(2){,}{,}span span +ααββ1212{,,,}span =ααββ.(3)方法一的思路，求交1212{,}{,}span span ααββ就是求向量ξ，既可由12,αα线性表示，又可由12,ββ线性表示的那部分向量.(4)方法二是借用“两个齐次线性方程组解空间的交空间就是联立方程组的解空间”，将本题已知条件改造为齐次线性方程组来求解.1-8解:(1):解出方程组1234123420510640x x x x x x x x ---=⎧⎨---=⎩（Ⅰ）的基础解系,即是1V 的基,解出方程组123420x x x x -++=（Ⅱ）的基础解系,即是2V 的基; (2): 解出方程组1234123412342051064020x x x x x x x x x x x x ---=⎧⎪---=⎨⎪-++=⎩的基础解系,即为12V V ⋂的基;(3):设{}{}1121,,,,,k l V span V span ααββ==,则11,,,,,k l ααββ的极大无关组即是12V V +的基. 1-9解:仿上题解.1-10解: 仿上题解.1-11 证：设210121()()()0k k l l l l --++++=ξξξξA AA①用1k -A从左侧成①式两端，由()0k=ξA 可得10()0k l -=ξA因为1()0k -≠ξA，所以00l =，代入①可得21121()()()0k k l l l --+++=ξξξA AA②用2k -A从左侧乘②式两端，由()0k=ξA可得00l =，继续下去，可得210k l l -===，于是21,(),(),,()k -ξξξξA AA线性无关.1-12 解：由1-11可知，n 个向量210,(),(),,()n -≠ξξξξAAA线性无关，它是V 的一个基.又由21212121[,(),(),,()][(),(),,()][(),(),,(),0]000010000100[,(),(),,()]0000010n n n n n n----⨯==⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦ξξξξξξξξξξξξξξA A A AA A A A AAA AA 所以A在21,(),(),,()n -ξξξξA AA 下矩阵表示为n 阶矩阵0000100001000000010⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦评注：n 维线性空间V 中任何一组n 个线性无关的向量组都可以构成V 的一个基，因此21,(),(),,()n -ξξξξA AA是V 的一个基.1-13证: 设()()()111,,,,,,,,,,,r s m r s A A ξξξββααα==设11,,,,,,r r s ξξξξξ是的极大无关组，则可以证明11,,,,,,r r s ααααα是的极大无关组.1-14 解：(1)由题意知123123[,,][,,]=ααααααA A123123111[,,][,,]011001⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦βββααα设A在基123,,βββ下的矩阵表示是B ，则11111123111011103011001215001244346238--⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥==-⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎡⎤⎢⎥=---⎢⎥⎢⎥⎣⎦B P AP (2)由于0A ≠，故0=AX 只有零解，所以A的核是零空间.由维数定理可知A的值域是线性空间3R .1-15解:已知()()2323,,,,A αααααα=11A(1) 求得式()()2323,,,,P εεεααα=11中的过渡矩阵P ,则1B P AP -=即为所求; (2)仿教材例1.5.1.(见<矩阵分析>史荣昌编著.北京理工大学出版社.) 1-16解:设()23,,A ααα=1,则{}23(),,;()R A span N A ααα=1就是齐次方程组0Ax = 的解空间. 1-17证:由矩阵的乘法定义知AB BA 与的主对角线上元素相等,故知AB BA 与的迹相等;再由1-18 题可证.1-18证:对k 用数学归纳法证。

史荣昌魏丰版矩阵分析第一章(1)

矩阵分析主讲教师：张艳霞矩阵理论的应用微分方程、概率与统计、优化、信号处理、控制工程、经济理论等等。

工程经济理论等等如需更深入地学习和了解在自己专业的应用，可如需更深入地学习和了解在自己专业的应用可参考：《矩阵分析与应用》，张贤达著，清华大学出版社；《Matrix Analysis for Scientists & Engineers》:Alan J. Laub，SIAM.第章第一章线性空间和线性变换线性空间的基本概念及其性质线性空间的基底，维数, 坐标变换线性空间的基底维数线性空间的子空间，交与和线性映射及其值域、核线性变换及其矩阵表示矩阵（线性变换）的特征值与特征向量矩阵的可对角化条件第一节第节线性空间一：线性空间的定义与例子线性间的义定义设是一个非空的集合，是一个数域，V F 在集合中定义两种代数运算,一种是加法运算,来表示另种是运算用来表示V 用来表示; 另一种是数乘运算, 用来表示, +i并且这两种运算满足下列八条运算律：（1）加法交换律αββα+=+（2）加法结合律()()αβγαβγ++=++（3）零元素: 在中存在一个元素，使得对于V 0任意的都有V α∈0αα+=（4）负元素: 对于中的任意元素都存在一V α个元素使得β0αβ+=（5）i =1αα（6）()()k l kl αα=（7）()k l k l ααα+=+（8）()k k k αβαβ+=+为数域F 称这样的上的线性空间。

V例1全体实函数集合构成实数域上的线性空间。

R 例2复数域上的全体型矩阵构成的集C m n ×合为上的线性空间。

m n × C C 例3实数域上全体次数小于或等于的多项式R n 集合构成实数域上的线性空间;1[]n R x +R 实数域上全体次数等于的多项式集合不构成实数域上的线性空间;R n R二：线性空间的基本概念及其性质定义:线性组合；线性表出；线性相关；线性无关；向量组的极大线性无关组；向量组的秩向量组的极大线性无关组向量组的秩R例1实数域上的函数空间中，函数组2x x1,cos,cos2是线性相关的函数组。

矩阵分析第一章

类似地, 还可定义多个集
注 1.1.3 (表示映射的带尾与不带尾的箭头的区别) 从集合 S 到集合 S 的映射 f 这一事实用不带尾的箭头表示, 即 f :S →S ; 而映射 f 把集合 S 中的元素 a ∈ S 映为集合 S 中的元素 b ∈ S 这一事实, 用带尾的箭头表示, 即 f :a ab. 这种记号约定在数学文献中已很普遍. 另外, 要习惯于将运算视为映射的观点. 例如, 整数集合 Z 上的加法运算+就决定了如下映射
[α1
α2
理解; 右边的 0 为线性空间 V 中的零元素. 另一方面, V 中的向量组 α ,α ,K,α 线性无关, 就是以该向量组拼成的抽象矩阵为系数矩阵的抽象齐次线性方程组
n n n n n
几何空间中的有向线段} = { AB : A, B两点都取遍几何空间} ,
这里第二个加号“+”按例 1.1.1 中的(1.1.2)式来理解; 给定 f ∈ F ( I , R ) ,
n
f + g : t a f (t ) + g (t ) , f ⋅ k : t a f (t ) ⋅ k ,
n n 1 2 p 1 2 p
称为向量组 α ,α ,K,α 拼成的抽象矩阵.
1 2 p
[α1
α2 L α p ]
定义 1.1.3 (向量组的线性相关性) 设 V 是 F 上的线性空间, α ,α ,K,α 是V 中的一个向量组. (1) 向量组 α , α ,K, α 称为线性相关的, 如果存在不全为零的 p 个数 k ∈ F ,
2
或写成列
( s1 , s2 ) ≠ ( s2 , s1 ) .
依赖于约定, 或有时只是为了节省书写篇幅. 这里应注意顺序: 合的积. 特别地, 我们有

矩阵分析第一章

矩阵的代数性质1.矩阵是线性映射的表示：线性映射的相加表示为矩阵的相加线性映射的复合表示为矩阵的相乘2.矩阵是一种语言，它是表示复杂系统的有力工具。

学习矩阵理论的重要用途之一就是学会用矩阵表示复杂系统的关系，培养根据矩阵推演公式的能力是学习矩阵论的目的之一。

定义一个矩阵有几种方式：可以通过定义矩阵的每一个元素来定义一个矩阵，也可以通过矩阵具有的性质来定义一个矩阵。

如：对称矩阵可以定义为：a ij =a ji也可以定义为: (x, Ay)=(Ax,y),还可以定义为： Ax=∇f(x), 其中f(x)=x T Ax/2,即它对向量x 的作用相当于函数f(x)在x 处的梯度。

3. 矩阵可以表示为图像矩阵的大小可以表示为图像。

反之，一幅灰度图像本身就是矩阵。

图像压缩就是矩阵的表示问题.这时矩阵相邻元素间有局部连续性，既相邻的元素的值大都差别不大。

4. 矩阵是二维的(几何性质)矩阵能够在二维的纸张和屏幕等平面媒体上表示，使得用矩阵表示的问题显得简单清楚，直观，易于理解和交流。

很多二元关系很直观的就表示为矩阵，如关系数据库中的属性和属性值，随机马尔科夫链的状态转移概率矩阵，图论中的有向图或无向图的矩阵表示等。

第一章：线性空间和线性变换1. 线性空间集合与映射集合是现代数学最重要的概念，但没有严格的定义。

集合与其说是一个数学概念，还不如说是一种思维方式，即用集合(整体)的观点思考问题。

整个数学发展的历史就是从特殊到一般，从个体到整体的发展历程。

集合的运算及规则，两个集合的并、交运算以及一个集合的补；集合中元素没有重合，子集，元素设S ，S'为集合映射：为一个规则σ：S → S', 使得S 中元素a 和S'中元素对应，记为 a'=σ(a),或σ：a →a'. 映射最本质的特征在于对于S 中的任意一个元素在S'中仅有唯一的一个元素和它对应。

映射的原象，象；映射的复合。

矩阵分析1

矩阵分析矩阵分析是数学中一门重要的分支，主要研究矩阵及其运算规律、性质和应用。

矩阵分析被广泛应用于各个领域，如物理学、经济学、工程学、信息科学、生物学等，成为现代科技和工程中不可或缺的一部分。

一、矩阵介绍矩阵是一种数学对象，由m行n列的元素数排列成一个矩形阵列。

一般用大写字母A、B、C等表示矩阵，而用小写字母a、b、c等表示元素。

如下所示：A = [a11 a12 (1)a21 a22 (2)… … …am1 am2 … amn]其中，a11、a12、a21和a22等都是矩阵A的元素，其中第i行第j列的元素表示为aij，i表示行数，j表示列数。

二、矩阵的运算矩阵的运算包括加、减、乘和求逆，下面分别介绍。

1、加法令A、B是两个矩阵，则矩阵的加法定义为相加其对应的元素。

例如，如果A和B都是两行两列的矩阵，则A + B的结果为：A +B = [a11+b11 a12+b12a21+b21 a22+b22]2、减法矩阵的减法也是按照对应元素相减的规则。

例如，如果A和B都是两行两列的矩阵，则A - B的结果为：A -B = [a11-b11 a12-b12a21-b21 a22-b22]3、乘法矩阵乘法是指将一个矩阵的行乘以另外一个矩阵的列的结果所组成的矩阵。

例如，如果A是m行n列的矩阵，B是n行p列的矩阵，则它们的乘积C是m行p列的矩阵，C中第i行第j列的元素可以表示为：Cij = Σk=1,2,…n aikbkj其中，Σ表示求和符号，k表示矩阵A和B相乘的公共维度，即行数或列数。

4、求逆如果矩阵A是非奇异矩阵，即其行列式不为0，则可以求出其逆矩阵A-1，使得A×A-1=I，其中I为单位矩阵。

求逆矩阵的公式如下：A-1 = 1/|A| adj(A)其中，|A|表示A的行列式，adj(A)表示A的伴随矩阵。

三、矩阵的性质矩阵有很多基本的性质，其中包括：1、矩阵的行和列数可以不相等；2、矩阵可以相加和相乘，但不可以相减和相除；3、矩阵加法和乘法有结合律、分配律和交换律；4、矩阵乘法不满足交换律，即AB≠BA。

《矩阵分析》(第3版)史荣昌,魏丰.第一章课后习题答案讲课讲稿

《矩阵分析》(第3版)史荣昌,魏丰.第一章课后习题答案第1章线性空间和线性变换（详解）1-1 证：用ii E 表示n 阶矩阵中除第i 行，第i 列的元素为1外，其余元素全为0的矩阵.用ij E (,1,2,,1)i j i n <=-L 表示n 阶矩阵中除第i 行，第j 列元素与第j 行第i 列元素为1外，其余元素全为0的矩阵.显然，ii E ，ij E 都是对称矩阵，ii E 有(1)2n n -个.不难证明ii E ，ij E 是线性无关的，且任何一个对称矩阵都可用这n+(1)2n n -=(1)2n n +个矩阵线性表示，此即对称矩阵组成(1)2n n +维线性空间.同样可证所有n 阶反对称矩阵组成的线性空间的维数为(1)2n n -.评注:欲证一个集合在加法与数乘两种运算下是一个(1)2n n +维线性空间，只需找出(1)2n n +个向量线性无关，并且集合中任何一个向量都可以用这(1)2n n +个向量线性表示即可.1-2解: 11223344x x x x ααααα=+++令解出1234,,,x x x x 即可.1-3 解：方法一设11223344x x x x =+++A E E E E即123412111111100311100000x x x x ⎡⎤⎡⎤⎡⎤⎡⎤⎡⎤=+++⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦⎣⎦ 故12341231211203x x x x x x x x x x +++++⎡⎤⎡⎤=⎢⎥⎢⎥+⎣⎦⎣⎦于是12341231,2x x x x x x x +++=++=1210,3x x x +==解之得12343,3,2,1x x x x ==-==-即A 在1234,,,E E E E 下的坐标为(3,3,2,1)T --.方法二应用同构的概念，22R ⨯是一个四维空间，并且可将矩阵A 看做(1,2,0,3)T ，1234,,,E E E E 可看做(1,1,1,1),(1,1,1,0),(1,1,0,0),(1,0,0,0)T T T T .于是有1111110003111020100311000001021000300011⎡⎤⎡⎤⎢⎥⎢⎥-⎢⎥⎢⎥→⎢⎥⎢⎥⎢⎥⎢⎥-⎣⎦⎣⎦因此A 在1234,,,E E E E 下的坐标为(3,3,2,1)T --.1-4 解：证：设112233440k k k k αααα+++=即1234123412313412411111110110110110k k k k k k k k k k k k k k k k k ⎡⎤⎡⎤⎡⎤⎡⎤+++⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦+++++⎡⎤==⎢⎥++++⎣⎦于是12341230,0k k k k k k k +++=++=1341240,0k k k k k k ++=++=解之得12340k k k k ====故1234,,,αααα线性无关. 设123412341231341241111111011011011a b x x x x c d x x x x x x x x x x x x x ⎡⎤⎡⎤⎡⎤⎡⎤⎡⎤=+++⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦⎣⎦+++++⎡⎤=⎢⎥++++⎣⎦于是12341230,0x x x x x x x +++=++= 1341240,0x x x x x x ++=++=解之得122,x b c d a x a c =++-=-34,x a d x a b =-=-1234,,,x x x x 即为所求坐标.1-5 解：方法一（用线性空间理论计算）32312233410()121,,,021,1,(1),(1)p x x x x x y y x x x y y ⎡⎤⎢⎥⎢⎥⎡⎤=+=⎣⎦⎢⎥⎢⎥⎣⎦⎡⎤⎢⎥⎢⎥⎡⎤=---⎣⎦⎢⎥⎢⎥⎣⎦又由于23231,1,(1),(1)111101231,,,00130001x x x x x x ⎡⎤---⎣⎦⎡⎤⎢⎥-⎢⎥⎡⎤=⎣⎦⎢⎥-⎢⎥⎣⎦于是()p x 在基231,1,(1),(1)x x x ---下的坐标为11234111113012306001306000122y y y y -⎡⎤⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦方法二将3()12p x x =+根据幂级数公式按1x -展开可得32323()12(1)(1)(1)(1)(1)(1)(1)2!3!36(1)6(1)2(1)p x x p p p p x x x x x x =+''''''=+-+-+-=+-+-+- 因此()p x 在基231,1,(1),(1)x x x ---下的坐标为[]3,6,6,2T.评注：按照向量坐标定义计算，第二种方法比第一种方法更简单一些. 1-6 解：①设[][]12341234,,,,,,=ββββααααP将1234,,,αααα与1234,,,ββββ代入上式得20561001133611001121011010130011⎡⎤⎡⎤⎢⎥⎢⎥-⎢⎥⎢⎥=⎢⎥⎢⎥--⎢⎥⎢⎥-⎣⎦⎣⎦P 故过渡矩阵1100120561100133601101121001110131122223514221915223112822-⎡⎤⎡⎤⎢⎥⎢⎥-⎢⎥⎢⎥=⎢⎥⎢⎥--⎢⎥⎢⎥-⎣⎦⎣⎦⎡⎤---⎢⎥⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦P②设1212343410(,,,)10y y y y ⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦ξββββ将1234,,,ββββ坐标代入上式后整理得11234792056181336027112111310130227y y y y -⎡⎤-⎢⎥⎢⎥⎡⎤⎡⎤⎡⎤⎢⎥-⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎢⎥⎢⎥⎣⎦评注：只需将,i i αβ代入过渡矩阵的定义[][]12341234,,,,,,=ββββααααP计算出P .1-7 解：因为12121212{,}{,}{,,,}span span span +=ααββααββ由于秩1212{,,,}3span =ααββ，且121,,ααβ是向量1212,,,ααββ的一个极大线性无关组，所以和空间的维数是3，基为121,,ααβ.方法一设1212{,}{,}span span ∈ξααββI ，于是由交空间定义可知123411212111011030117k k k k -⎡⎤⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥--⎢⎥⎢⎥⎢⎥⎢⎥+++=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦解之得1222122,4,3(k l k l l l l =-==-为任意数)于是11222[5,2,3,4]T k k l =+=-ξαα(很显然1122l l ββ=+ξ)所以交空间的维数为1，基为[5,2,3,4]T -. 方法二不难知12121212{,}{,},{,}{,}span span span span ''==ααααββββ其中2213[2,2,0,1],[,2,1,0]3TT ''=--=-αβ.又12{,}span 'αα也是线性方程组13423422x x x x x x =-⎧⎨=-⎩ 的解空间.12{,}span 'ββ是线性方程组13423413232x x x x x x ⎧=-+⎪⎨⎪=-⎩ 的解空间，所以所求的交空间就是线性方程组1342341342342213232x x x x x x x x x x x x =-⎧⎪=-⎪⎪⎨=-+⎪⎪=-⎪⎩ 的解空间，容易求出其基础解系为[5,2,3,4]T -，所以交空间的维数为1，基为[5,2,3,4]T -.评注：本题有几个知识点是很重要的.12(1){,,,}n span αααL 的基底就是12,,,n αααL 的极大线性无关组.维数等于秩12{,,,}n αααL .1212(2){,}{,}span span +ααββ1212{,,,}span =ααββ.(3)方法一的思路，求交1212{,}{,}span span ααββI 就是求向量ξ，既可由12,αα线性表示，又可由12,ββ线性表示的那部分向量.(4)方法二是借用“两个齐次线性方程组解空间的交空间就是联立方程组的解空间”，将本题已知条件改造为齐次线性方程组来求解.1-8解:(1):解出方程组1234123420510640x x x x x x x x ---=⎧⎨---=⎩（Ⅰ）的基础解系,即是1V 的基, 解出方程组123420x x x x -++=（Ⅱ）的基础解系,即是2V 的基; (2): 解出方程组1234123412342051064020x x x x x x x x x x x x ---=⎧⎪---=⎨⎪-++=⎩的基础解系,即为12V V ⋂的基;(3):设{}{}1121,,,,,k l V span V span ααββ==L L ,则11,,,,,k l ααββL L 的极大无关组即是12V V +的基. 1-9解:仿上题解.1-10解: 仿上题解.1-11 证：设210121()()()0k k l l l l --++++=ξξξξL A AA①用1k -A从左侧成①式两端，由()0k=ξA可得10()0k l -=ξA因为1()0k -≠ξA，所以00l =，代入①可得21121()()()0k k l l l --+++=ξξξL A A A②用2k -A从左侧乘②式两端，由()0k=ξA可得00l =，继续下去，可得210k l l -===L ，于是21,(),(),,()k -ξξξξL A AA 线性无关.1-12 解：由1-11可知，n 个向量210,(),(),,()n -≠ξξξξL A AA线性无关，它是V 的一个基.又由21212121[,(),(),,()][(),(),,()][(),(),,(),0]000010000100[,(),(),,()]00000010n n n n n n----⨯==⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦ξξξξξξξξξξξξξξL L L L L L L M M M M L LA A A AA A A A AAA A A 所以A在21,(),(),,()n -ξξξξL A AA下矩阵表示为n 阶矩阵00001000010000000010⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦L L L M M M M L L评注：n 维线性空间V 中任何一组n 个线性无关的向量组都可以构成V 的一个基，因此21,(),(),,()n -ξξξξL A A A是V 的一个基.1-13证: 设()()()111,,,,,,,,,,,r s m r s A A ξξξββααα==L L L L L 设11,,,,,,r r s ξξξξξL L L 是的极大无关组，则可以证明11,,,,,,r r s αααααL L L 是的极大无关组. 1-14 解：(1)由题意知123123[,,][,,]=ααααααA A123123111[,,][,,]011001⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦βββααα 设A在基123,,βββ下的矩阵表示是B ，则11111123111011103011001215001244346238--⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥==-⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎡⎤⎢⎥=---⎢⎥⎢⎥⎣⎦B P AP (2)由于0A ≠，故0=AX 只有零解，所以A的核是零空间.由维数定理可知A的值域是线性空间3R .1-15解:已知()()2323,,,,A αααααα=11A(1) 求得式()()2323,,,,P εεεααα=11中的过渡矩阵P ,则1B P AP -=即为所求; (2)仿教材例1.5.1.(见<矩阵分析>史荣昌编著.北京理工大学出版社.) 1-16解:设()23,,A ααα=1,则{}23(),,;()R A span N A ααα=1就是齐次方程组0Ax = 的解空间. 1-17证:由矩阵的乘法定义知AB BA 与的主对角线上元素相等,故知AB BA 与的迹相等;再由1-18 题可证. 1-18证:对k 用数学归纳法证。

矩阵分析(1)

W1 V1 V2
W2 V1 V3 0 p 0 0 pR W3 V1 V3 a q e 0 a,q,eR
W4 V1 V2 V1 V2 a b c 0 a,b, c R
3 子空间与维数定理
第一章线性空间与线性变换
n维线性空间有且只有n个线性无关的向量
基任何一组n个线性无关的向量。可以有无数组基。
基向量通常记作 e1, e2 ,L , en
向量x的基表示
x 1e1 2e2 L nen
i 称为坐标或分量
1 线性空间的概念
有两组基，分别为
e1, e2 ,L , en 和 e1, e2 ,L , en
dim(V1 V2 ) dimV1 dimV2 dim(V1 I V ) 若是直和，则有
dim(V1 V2 ) dimV1 dimV2
3 子空间与维数定理
第一章线性空间与线性变换
子空间的交集 W V1 V2 是子空间
零向量属于W
任取 x, y W，则 x, y Vi ，所以
零子空间
由单个的零向量组成的子集零维
平凡子空间线性空间 V 本身 n 维
子空间之例
W x x y z, 任意, P, 给定y, z V
3 子空间与维数定理
第一章线性空间与线性变换
设V1和V2为V的子空间，有以下结果
交集W V1 I V2 x x V1, x V2 , 也是子空间；
x y Vi , i 1,2
又 P, x W
x Vi
x W
3 子空间与维数定理
第一章线性空间与线性变换
V1 a b 0 0 a,b R V2 0 0 c 0 c R V3 0 d e 0 a,b R

矩阵分析第一章.

Φ
=
பைடு நூலகம்φ

(ωˆ 2
M
)T
,
φ(ωˆ K )T
d1

d
=
d2 M

d K
问题的解满足：
Gα + ΦT µ = g Φα = d
设G>0（正定），约束方程 Φα = d 相容，则求解以上矩阵
方程组可得：
( ) ( ) µ = ΦG−1ΦT −1 ΦG−1g − d ( ) α = G−1 g − ΦT µ
例二：矩阵理论在生物数学中的应用
13世纪欧洲数论学家Fibonacci发现了花瓣的个数有一个规律：
百合花的花瓣有3瓣；毛茛属的植物有5瓣花；许多翠雀属的植物有8瓣花；万寿菊的花瓣有13瓣；紫菀属的植物有21瓣花；大多数的雏菊有34，55，89 瓣花
在向日葵的花盘内葵花籽的螺旋式排列中也可以发现类似的排列模式，同时植物的叶序也存在此种现象
其中u(t)为ℓ维输入变量，x(t)为n维状态变量，y(t)为m维输出变量，A, B, C分别为n×n, n×ℓ和m×n矩阵。
定义：对于系统(A, B, C)的任意一个初始状态，如果可以找到一个输入u(t)，在有限时间内把系统从初始状态驱动到原点，则称该系统是能控的；否则，称该系统是不能控的。
数乘：∀y∈V, k∈R, ∃x∈Cn, 使y = Ax, (kx)∈Cn, ky = k(Ax) = A(kx), 即ky ∈V。显然满足数乘四法则。
V 是C上的线性空间。称V为A的值域，常用R(A)表示，即:
R(A) = {y∈Cm| y = Ax, x∈Cn, A∈Cm×n}
二：向量的线性相关性
应用矩阵来表示和求解问题的例子还有很多很多

矩阵分析-(1)

第一章线性空间和线性映射
《矩阵分析》 · 徐赐文
2013-11-18
第一章线性空间和线性映射
《矩阵分析》 · 徐赐文
2013-11-18
第一章线性空间和线性映射
《矩阵分析》 · 徐赐文
2013-11-18
第一章线性空间和线性映射
《矩阵分析》 · 徐赐文
2013-11-18
第一章线性空间和线性映射
《矩阵分析》 · 徐赐文
2013-11-18
第一章线性空间和线性映射
《矩阵分析》 · 徐赐文
2013-11-18
第一章线性空间和线性映射
《矩阵分析》 · 徐赐文
2013-11-18
第一章线性空间和线性映射
《矩阵分析》 · 徐赐文
2013-11-18
第一章线性空间和线性映射
《矩阵分析》 · 徐赐文
第一章线性空间和线性映射
《矩阵分析》 · 徐赐文
2013-11-18
第一章线性空间和线性映射
《矩阵分析》 · 徐赐文
2013-11-18
第一章线性空间和线性映射
《矩阵分析》 · 徐赐文
2013-11-18
第一章线性空间和线性映射
《矩阵分析》 · 徐赐文
2013-11-18
第一章线性空间和线性映射
《矩阵分析》 · 徐赐文
2013-11-18
第一章线性空间和线性映射
《矩阵分析》 · 徐赐文
2013-11-18
第一章线性空间和线性映射
《矩阵分析》 · 徐赐文
2013-11-18
第一章线性空间和线性映射
《矩阵分析》 · 徐赐文
2013-11-18

2016矩阵分析-第1章多项式矩阵与矩阵多项式-1.4(讲)

A1 0 A 0 A 2 并设 A1 , A2 的最小多项式分别为 g1 ( x ), g2 ( x ).
则A的最小多项式为 g1 ( x ), g2 ( x )的最小公倍式.
2016级矩阵分析
1.4 矩阵的零化问题
推广：若A是一个准对角矩阵
A1 A2 A s 且 Ai 的最小多项式为 gi ( x ), i 1,2,..., s 则A的最小多项式是为 [ g1 ( x ), g2 ( x ),..., gs ( x )].
A 的最小多项式没有重根.
2016级矩阵分析
1.4 矩阵的零化问题
练习：
1 1 求矩阵 A 1 1 1 1 1 1 的最小多项式. 1
2016级矩阵分析
1.4 矩阵的零化问题
解： A的特征多项式
x 1 1 f ( x ) | E AE | 1
1.4 矩阵的零化问题
1 0 2 8 5 4 2 A 0 1 1 , 2 A 3 A A A 4E . 例1. 设求 0 1 0
3 f ( ) E A 2 1 解：A的特征多项式
用 f ( )去除 2 8 3 5 4 2 4 g( ), 得
g( ) f ( )(2 5 4 3 5 2 9 14) (24 2 37 10)
2016级矩阵分析
1.4 矩阵的零化问题
f ( A) 0,
2 A8 3 A5 A4 A2 4 E 24 A2 37 A 10 E
3 48 26 0 95 61 0 61 34
2016级矩阵分析

史荣昌魏丰版矩阵分析第二章(1)

例1
求下列 λ 矩阵的Smith标准形。标准形
0 0 (λ − 1)2 0 0
⎡ 0 ⎢ 0 ⎢ (1) ( ) ⎢ 0 ⎢ 2 ⎣λ − λ
3
3
2
⎡ 1− λ ⎢ A(λ ) = ⎢ λ ⎢1 + λ 2 ⎣
λ2 λ ⎤ ⎥ λ −λ ⎥ λ 2 −λ 2 ⎥ ⎦
⇒ D3 (λ ) = λ + λ
2
注意：观察 D1 (λ ), D2 (λ ), D3 (λ ) 三者之间的关系。定理：等价 λ 矩阵有相同的各阶行列式因子，从而有相同的秩有相同的秩。
0 ⎤ −λ ⎥ ⎥ −λ 2 ⎥ ⎦
0 ⎡1 ⎢0 −λ ⎢ 2 ⎢ 0 − λ ⎣
⎤ ⎥ 3 2 −λ − λ + λ ⎥ −λ 4 − λ 3 − λ ⎥ ⎦ 0
⎤ ⎥ ⎥ λ (λ + 1)⎥ ⎦ 0 0
0 ⎤ −λ 3 − λ 2 + λ ⎥ ⎥ −λ 2 − λ ⎥ ⎦
⎡1 0 ⎢0 λ ⎢ ⎢ ⎣0 0
i列 i
行 j 行
定理对一个 m × n 的 λ -矩阵 A( λ ) 的行作初等行变换，相当于用相应的 m 阶初等矩阵左乘 A(λ ) 。对 A( λ ) 的列作初等列变换，相当于用相应的 n 阶初等矩阵右乘 A(λ ) 。
P ( i , j )−1 = P ( i , j ), P ( i ( c ))−1 = P ( i ( c −1 )),
⎡ λ2 + λ − 4 λ−2 λ −1 ⎤ ⎢ 2 ⎥ 2 ⎢ 4λ + 3λ − 7 3λ − 3 λ + 3λ − 4 ⎥ ⎢ 4λ 2 + 3λ − 5 3λ − 2 λ 2 + 3λ − 4 ⎥ ⎣ ⎦

矩阵分析(1)

f ( ) 0 AX 0 X
由此可得定理：
0 是 f 的特征值 0 是 A 的特征值是 f 的属于0 的特征向量 X是 A 的属于0 的特征向量
因此，只要将 A 的全部特征值求出来，它们就是线性变换 f 的全部特征值；只要将矩阵 A的属于0 的全部特征向量求出来，分别以它们为坐标的向量就是 f 的属于 0 的全部特征向量。
例 1 设 V 是数域 K上的3维线性空间，f 是 V 上的一个线性变换，f 在V 的一个基 1,2 ,3 下的
矩阵是
2 2 2
A 2
1
4

2 4 1
求 f 的全部特征值与特征向量。
解： A 的特征多项式为
2 2 2 I A 2 1 4

y2

a21
a22
...
a2
n

x2

... ... ... ... ... ...

ym

am1
am2
...
amn

xn

线性映射与矩阵之间的一一对应关系
线性映射 f 在给定基下的矩阵表示 A 是唯一的，
反之，给定一个 m n 矩阵A (aij )mn ，那么存
下的坐标。
（3）求向量 , A( ) 在基 1, 2 , 3下的坐标。
对于有限维的线性空间 V ，线性变换 A 在不同基下的矩阵表示有什么关系？对于线性空间 V 已知两组基 {1,2 ,L ,n},{1, 2,L , n}，而且
[1, 2,L , n ] [1,2,L ,n ]P

北理版矩阵分析课件

1 0
1 0
,
1 1
1 0
,
1 1
1 1
是其两组基，求向量坐标。
A
1 3
2 4 在这两组基下的
解：设向量 A 在第一组基下的坐标为 ( x1, x2 , x3, x4 )T
于是可得
1 2 0 1 1 0 3 4 x1 1 1 x2 1 1
1 1 1 1 x3 0 1 x4 1 0
解得
x1
7, 3
求 V1 V2 、V1 V2 的基与维数。
第一章第一节函数
解：设 V1 V2 ，则 V1， V2
所以可令 k11 k22 = l11 l22
故
k11 k22 l11 l22
这是关于 k1, k2 , l1, l2 的齐次方程组，即
k1
(1 , 2
,
1,
2
)
注意：通过上面的例子可以看出线性空间的基底并不唯一，但是维数是唯一确定的。利用维数的定义线性空间可以分为有限维线性空间和无限维线性空间。目前，我们主要讨论有限维的线性空间。
例 4 在4维线性空间 R22 中，向量组
0 1
1 1
,
1 1
0 1
,
1 0
1 1
,
1 1
1 0
与向量组
1 0
0 0
,
组互不相同的实数。
例 2 实数域 R 上的线性空间 RR 中，函数组
x1 , x2 , , xn
是一组线性无关的函数，其中 1,2 , ,n为一
组互不相同的实数。
例 3 实数域 R 上的线性空间 RR 中，函数组
1,cos x,cos2x,,cosnx

矩阵分析(1)

矩阵分析与计算--01-线性空间

矩阵分析引论--第一章 线性空间与线性变换-线性空间的概念、 基变换与坐标变换

矩阵分析课件(1)f

矩阵分析

《矩阵分析》(第3版)史荣昌,魏丰.第一章课后习题答案

矩阵分析课件(1-1,4)

《矩阵分析》(第3版)史荣昌,魏丰.第一章课后知识题目解析

史荣昌魏丰版矩阵分析第一章(1)

矩阵分析第一章

矩阵分析 第一章

矩阵分析1

《矩阵分析》(第3版)史荣昌,魏丰.第一章课后习题答案讲课讲稿

矩阵分析(1)

矩阵分析第一章.

矩阵分析-(1)

2016矩阵分析-第1章多项式矩阵与矩阵多项式-1.4(讲)

史荣昌魏丰版矩阵分析第二章(1)

矩阵分析(1)

北理版矩阵分析课件

矩阵分析引论--第一章线性空间与线性变换-线性空间的概念、基变换与坐标变换

矩阵分析第一章