南航矩阵论习题四、五提示
南航矩阵论试卷
2．若 ，则 ；
3．若 ，则 ．
答案及评分标准:
1. ,这里 是可逆的Hermite矩阵,从而 .由于 ,所以 ,即 相似于Hermite半正定矩阵 .
2. .由题1的结论， 的特征值满足条件
于是 ．
3. .
3．证明矩阵幂级数 绝对收敛，并求其和．
答案及评分标准:
1. .
由于 ,所以 .
2.由矩阵2范数的相容性,有 ．另一方面，由题１的计算过程知 ，从而
，
即 ．
3.已知幂级数 的收敛半径为3,且 ,则矩阵幂级数 绝对收敛,且
.
共5页第5页
五、(20分)设 分别是n阶Hermite正定矩阵和半正定矩阵，证明：
3．问： 与矩阵 是否相似？并说明理由．
案及评分标准：
1.特征多项式为 ；初等因子为 .
2. 的最小多项式是 ，rdan标准形为 .
3.因为 的初等因子为 ，与 的初等因子不同,所以 与 不相似.
（5分）
共5页第2页
二、(20分)设 ，映射 使得
.
1．证明 是 的一个子空间，并求它的维数和基；
2．证明 是 的线性变换，并求 在题1所取基下的矩阵；
1．作出 的一个满秩分解；
2．求 的加号逆 ；
3．求方程组 的极小范数解（要求解中不含有参数t）．
答案及评分标准:
1. 的一种满秩分解为 ；
(注意：满秩分解不唯一，需要检验)．
2.因为 ,所以
.
3.由相容性,解得 ,从而极小范数解为 .
共5页第4页
四、(20分)设矩阵 .
1．求 ；
2．证明对于 中的任意矩阵 ，有 ；
南航矩阵论试卷
南京航空航天大学矩阵论07-08A试卷及答案.doc
南京航空航天大学研究生考试试卷r 1 1 -2'一、(20 分)设矩阵4= —2 —2 3 ,<-1 -1 1 >(1)求A的特征多项式和A的全部特征值；(2)求A的行列式因子、不变因子和初等因子；(3)求A的最小多项式，并计算A6+3A —2/;(4)写出A的Jordan标准型二、(20分)设Z?2"2是实数域上的全体2x2实矩阵构成的线性空间(按通常矩阵的加法和数与矩阵的乘法)。
(1)求尺2"2的维数，并写山其一组基；(2)设W是全体2x2实对称矩阵的集合，证明：W是/?2x2的子空间，并写出W的维数和一组基；(3)在W中定义闪积G4，B) = Zr(&4),其中人BeW,求出W的一组标准正交基；(4)给出尺〜2上的线性变换7\ T(A) = A+A r, VA G R^2写出线性变换T在(1)中所取基下的矩阵，并求7的核/^r(r)和值域/?(r)。
三、(20分)证明： 是C'w 上的矩阵范数并说明具有相容性（1）求矩阵A 的07?分解；（3）用广义逆判断方程组Av = 6是否相界？若相界，求其通解；若不相容，求其极小最小二乘解 五、（20分）证明：A,, >0, Ar-AgAjAuSO 。
(I-1 1、’2' 1 11，向量/?=11 、0 0b<2>四、（20分）已知矩阵4 =，5 3 2>12、 1）设矩阵汲二3 2 t ，B = 1 1 0.5/t 2； /<2 0.5/ 1 ,，其中f 为实数问当Z 满足什么条件时，A 〉B 成立？Ai A 2 A2 ^22>0,其巾 A u eCkxkau(1)设乂 =2 13 -1 21 ，喇"K, ML, h(2)设4 =(〜)e C ,IX \ 令p=n • max 騸⑶证明：-||<<||<<(2)设 n 阶 Hermite 矩阵 A =(3)己知Hermite 矩陈A =(七)€ (?■ , a ij〉工a ij (= l，2，".，n )，证明：A 正定一、（20 分）(2) VA ，fielV ，V 々e/?，贝ij v (A +B)7= A 7+ B 7= A+B , /. A + B G W ；v (M)7 =kA T = kA ； /.MeW 。
南航矩阵论课后习题答案
南航矩阵论课后习题答案南航矩阵论课后习题答案矩阵论是数学中的一个重要分支，广泛应用于各个领域，包括物理学、工程学、计算机科学等等。
南航的矩阵论课程是培养学生数学思维和解决实际问题的重要环节。
在课后习题中，学生需要运用所学的矩阵理论知识，解答各种问题。
下面是南航矩阵论课后习题的一些答案和解析。
1. 已知矩阵A = [1 2 3; 4 5 6; 7 8 9]，求A的逆矩阵。
解析：要求一个矩阵的逆矩阵，需要先判断该矩阵是否可逆。
一个矩阵可逆的充要条件是其行列式不为零。
计算矩阵A的行列式，得到det(A) = -3。
因此，矩阵A可逆。
接下来，我们可以使用伴随矩阵法求解逆矩阵。
首先，计算矩阵A的伴随矩阵Adj(A)，然后将其除以行列式的值，即可得到逆矩阵。
计算得到A的伴随矩阵为Adj(A) = [-3 6 -3; 6 -12 6; -3 6 -3]。
最后，将伴随矩阵除以行列式的值，即可得到矩阵A的逆矩阵A^-1 = [-1 2 -1; 2 -4 2; -1 2 -1]。
2. 已知矩阵A = [2 1; 3 4]，求A的特征值和特征向量。
解析：要求一个矩阵的特征值和特征向量，需要先求解其特征方程。
特征方程的形式为|A - λI| = 0，其中A为给定矩阵，λ为特征值，I为单位矩阵。
计算得到特征方程为|(2-λ) 1; 3 (4-λ)| = (2-λ)(4-λ) - 3 = λ^2 - 6λ + 5 = 0。
解这个二次方程，得到特征值λ1 = 1，λ2 = 5。
接下来，我们可以求解对应于每个特征值的特征向量。
将特征值代入(A - λI)x = 0，即可求解出特征向量。
对于特征值λ1 = 1，解得特征向量x1 = [1; -1]；对于特征值λ2 = 5，解得特征向量x2 = [1; 3]。
3. 已知矩阵A = [1 2; 3 4]，求A的奇异值分解。
解析：奇异值分解是将一个矩阵分解为三个矩阵的乘积：A = UΣV^T，其中U和V是正交矩阵，Σ是对角矩阵。
矩阵论及其应用习题四答案
矩阵论及其应用习题四答案矩阵论及其应用习题四答案矩阵论是数学中重要的分支之一，它研究的是矩阵的性质、运算规律以及在各个学科中的应用。
在学习矩阵论的过程中，习题是不可或缺的一部分，通过解答习题可以加深对矩阵理论的理解和应用。
下面是习题四的答案，希望能对大家的学习有所帮助。
1. 设A、B、C为同阶矩阵，证明：(AB)C=A(BC)解答：我们需要证明(AB)C的每个元素与A(BC)的对应元素相等。
设(AB)C的第i行第j列元素为x，A的第i行第k列元素为a，B的第k行第j列元素为b，C的第k行第j列元素为c。
则有：x = Σ(ai * bk * cj)，其中i、j、k为矩阵元素的下标。
而A(BC)的第i行第j列元素为y，可表示为：y = Σ(ai * bk * cj)，其中i、j、k为矩阵元素的下标。
由于x和y的表达式相同，所以(AB)C=A(BC)。
2. 设A为m×n矩阵，B为n×m矩阵，证明：(AB)A=A。
解答：我们需要证明(AB)A的每个元素与A的对应元素相等。
设(AB)A的第i行第j列元素为x，A的第i行第k列元素为a，B的第k行第j列元素为b。
则有：x = Σ(ai * bk * ak)，其中i、j、k为矩阵元素的下标。
而A的第i行第j列元素为y，可表示为：y = Σ(ai * bk * ak)，其中i、j、k为矩阵元素的下标。
由于x和y的表达式相同，所以(AB)A=A。
3. 设A为m×n矩阵，B为n×m矩阵，证明：(AB)B=B。
解答：我们需要证明(AB)B的每个元素与B的对应元素相等。
设(AB)B的第i行第j列元素为x，A的第i行第k列元素为a，B的第k行第j列元素为b。
则有：x = Σ(ak * bi * bj)，其中i、j、k为矩阵元素的下标。
而B的第i行第j列元素为y，可表示为：y = Σ(ak * bi * bj)，其中i、j、k为矩阵元素的下标。
矩阵理论第4章习题解答 (2)
矩阵理论第四章习题解答1. 习题1问题描述已知矩阵A和B定义如下：A = [1, 2, 3][4, 5, 6][7, 8, 9]B = [9, 8, 7][6, 5, 4][3, 2, 1]求矩阵C = A + B。
解答我们可以直接对A和B对应位置的元素进行相加，得到矩阵C。
A +B = [1+9, 2+8, 3+7][4+6, 5+5, 6+4][7+3, 8+2, 9+1]计算结果为：[10, 10, 10][10, 10, 10]2. 习题2问题描述已知矩阵A和B定义如下：A = [1, 2, 3][4, 5, 6][7, 8, 9]B = [9, 8, 7][6, 5, 4][3, 2, 1]求矩阵D = A - B。
解答我们可以直接对A和B对应位置的元素进行相减，得到矩阵D。
A -B = [1-9, 2-8, 3-7][4-6, 5-5, 6-4][7-3, 8-2, 9-1]计算结果为：[-2, 0, 2][4, 6, 8]3. 习题3问题描述已知矩阵A和B定义如下：A = [1, 2, 3][4, 5, 6][7, 8, 9]B = [2, 0, 1][1, 2, 1][0, 1, 2]求矩阵E = A * B。
解答我们可以通过矩阵乘法的定义来计算E。
矩阵乘法的定义为：矩阵C的第i行第j列的元素等于矩阵A的第i行与矩阵B的第j列对应元素的乘积之和。
对于矩阵A和B，可以计算得到矩阵E。
E = [1*2+2*1+3*0, 1*0+2*2+3*1, 1*1+2*1+3*2][4*2+5*1+6*0, 4*0+5*2+6*1, 4*1+5*1+6*2][7*2+8*1+9*0, 7*0+8*2+9*1, 7*1+8*1+9*2]计算结果为：E = [4, 7, 8][10, 13, 16][16, 19, 22]4. 习题4问题描述已知矩阵A定义如下：A = [1, 2, 3][4, 5, 6][7, 8, 9]求矩阵F = A^T，其中A^T表示A的转置矩阵。
南京航空航天大学2007-2014硕士研究生矩阵论matrixTheory试题
2 3 4 A 4 6 8 6 7 8 。 一（20 分） （1）设
2010 ~ 2011 学年《矩阵论》 课程考试 A 卷
（i）求 A 的特征多项式和 A 的全部特征值； （ii）求 A 的行列式因子，不变因子和初等因子； （iii）写出 A 的 Jordan 标准形；
1 A* A2 A* （3）证明： n 。
1 1 1 1 A 0 0 0 0 四、 （20 分）已知矩阵
（1）求矩阵 A 的 QR 分解；
1 2 0 1 b 1 1 2 1 ，向量 ，
（2）计算 A ；
17 6 14 60 A , B 45 16 3 13 ，试问 A 和 B 是否相似？并说明 （2）设
原因。
2 1 A 1 2 3 1 ，求 A 1 ， A 2 ， A ， A F ； 二（20 分） （1）设
（3）用广义逆判断方程组 Ax b 是否相容？若相容,求其通解;若不相容,求其极小最小二乘解。
五、 （20 分）
（1）设矩阵
问当 t 满足什么条件时, A B 成立？
5 3 2 0 1 A 3 2 t , B 1 1 2 t 2 2 0 .5 t
五（20 分）设
A ( a ij )
为 n 阶 Hermite 矩阵，证明：
3
存在唯一 Hermite 矩阵 B 使得 A B ；
2
（2）
（3） 如果 A 0 ，则 tr ( A)tr ( A ) n 。
1
如果 A 0 ，则 tr ( A ) (tr ( A)) ；
2
南京航空航天大学07-08矩阵论试卷(B)
满足什么条件时， 成立？ 问 t 满足什么条件时， A > B 成立？ 矩阵， （2）设 A 为 n 阶 Hermite 矩阵，对任意 x ∈ C , x ≠ 0 ，记 R( x ) = ）
n
x H Ax ， xH x
证明： 证明： λmin ( A) ≤ R( x ) ≤ λmax ( A), x ≠ 0 。 （3）设 n 阶 Hermite 矩阵 A = ）
矩阵论
南 京 航 空 航 天 大 学
研究生考试试卷
共 5 页 第 1 页
二 OO 七 ～二 OO 八 学年 考试日期: 考试日期: 学院 2008 年 学号 月
学期《 第 一 学期《 日
矩
阵
论
》课号： 课程编号： 成绩
1 2 − 2 （20 0 ， 一． （ 分）已知矩阵 A = 1 − 4 0 − 4 0
若不相容，求其极小最小二乘解。 若不相容，求其极小最小二乘解。
共 5
（20 分） 五． （
页
第 5 页
5 3 2 0 1 1 （1）设 A = 3 2 t , B = 1 ） 2 t 2 2 0.5t
2 0.5t ,其中 t 是实数， 其中 是实数， 1
的不变因子、初等因子及最小多项式； （1）求 A 的不变因子、初等因子及最小多项式； ）
− 可逆变换矩阵 （2）求 A 的 Jordan 标准形 J 及可逆变换矩阵 P ，使得 P AP = J ； ） −1
1 2 − 2 是否收敛？ 0 . （3）问矩阵序列 { A } 是否收敛？ A = 1 − 4 ） 0 − 4 0
H
A11 H A12
研究生矩阵论课后习题答案(全)习题四
习题四1．求下列微分方程组的通解（1）⎪⎩⎪⎨⎧+=+=;34,2212211x x dt dxx x dt dx （2）⎪⎪⎪⎩⎪⎪⎪⎨⎧+=-+=+=. ,3233212321,x x dt dx x x x dt dxx x dt dx解：(1)设,3421⎪⎪⎭⎫⎝⎛=A ⎪⎪⎭⎫⎝⎛=21x x x ,则原方程组可写为 Ax dtdx=， 矩阵A 的特征方程为0)1)(5(3421=+-=----=-λλλλλA I ，则矩阵A 的特征值为51=λ,12-=λ,求得矩阵A 的特征向量分别为⎪⎪⎭⎫⎝⎛-⎪⎪⎭⎫ ⎝⎛11,21,令⎥⎦⎤⎢⎣⎡-=1211P ,则⎥⎦⎤⎢⎣⎡-=-1211311P ,有 Λ=⎥⎦⎤⎢⎣⎡-=-10051AP P ,1-Λ=P P A , 则⎥⎦⎤⎢⎣⎡+--+=⎥⎦⎤⎢⎣⎡-⎥⎦⎤⎢⎣⎡⎥⎦⎤⎢⎣⎡-==------Λt t tt t t tt t t t Ate e e e e e e e e e PPe e55555122231121100121131. 故该方程组的通解为⎪⎪⎭⎫⎝⎛--+-++=⎪⎪⎭⎫⎝⎛⎥⎦⎤⎢⎣⎡+--+==------t t t t t t ttt t tt At e c c e c c e c c e c c c c e e e e e e e e c e x )2()22()2()(31222312152121521215555其中21,c c 为任意常数.(2)设,110111110⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=A ⎪⎪⎪⎭⎫⎝⎛=321x x x x ,则原方程可写为Ax dtdx=， 矩阵A 的特征方程为0)1(2=-=-λλλA I ，则矩阵A 的特征值为01=λ,132==λλ.A 的属于特征值01=λ的特征向量为⎪⎪⎪⎭⎫ ⎝⎛-=1121η,由方程组⎩⎨⎧+==32322ηηηηηA A 解得A 的属于特征值132==λλ的广义特征向量为⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎭⎫ ⎝⎛=111,10132ηη.令[]⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-==111101112,,321ηηηP ,则⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡----=-1113121011P ,有11,100110000--==⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=PJP A J AP P ,由于⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=t t tJt e te e e 000001, 则⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡----⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-==-1113121010000011111011121t t tJt At e te e P Pe e ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-+-+--+-+-+-=t t tt t tt tt t t tt te e te te e e e e te e te te e 21111222,故方程组的通解为⎪⎪⎪⎭⎫⎝⎛⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-+-+--+-+-+-==32121111222c c c te e te te e e e e te e te te e c e x t t tt t tt tt t t tt At ,其中321,,c c c 为任意常数.2．求微分方程组Ax dtdx=满足初始条件ξ=)0(x 的解： （1）⎪⎪⎭⎫ ⎝⎛=⎪⎪⎭⎫ ⎝⎛=33,3421ξA ，（2）⎪⎪⎪⎭⎫⎝⎛=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--=001,102111121ξA .解:(1)由第1题知⎥⎦⎤⎢⎣⎡+--+=----t t t tt t tt Ate e e e e e e e e555522231,故微分方程组Ax dtdx=满足初始条件ξ=)0(x 的解为 ⎪⎪⎭⎫⎝⎛-+=⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡+--+==------t t t t t t ttt t tt Ate e e e e e e e e e e e e x 555555423322231ξ. (2)矩阵A 的特征方程为0)1)(3(2=+-=-λλλA I ,故矩阵A 的特征值为31=λ,132-==λλ.A 的属于特征值31=λ的特征向量为⎪⎪⎪⎭⎫ ⎝⎛=2121η,由方程组⎩⎨⎧-=-=32322ηηηηηA A 解得A 的属于特征值132-==λλ的广义特征向量为⎪⎪⎪⎭⎫ ⎝⎛-=⎪⎪⎪⎭⎫ ⎝⎛-=021,21232ηη,令[]⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--==022211122,,321ηηηP ,则⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡---=-24025122312811P,有 11,100110003--==⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--=PJP A J AP P ,又 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=---t t t t Jt e te e e e 000003, 故微分方程组Ax dtdx=满足初始条件ξ=)0(x 的解为 ξξ1-==P Pe e x Jt At ⎪⎪⎪⎭⎫ ⎝⎛⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡---⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--=---00124025*******000022211122813t t t te te e e⎪⎪⎪⎭⎫⎝⎛--+=---t t tt t t e e e e e e 44224481333. 3．求)(t Bu Ax dtdx+=满足条件ξ=)0(x 的解： （1）⎪⎪⎭⎫ ⎝⎛==⎪⎪⎭⎫ ⎝⎛-=⎪⎪⎭⎫⎝⎛=-21,)(,41,3421c c e t u B A tξ （2）⎪⎪⎪⎭⎫⎝⎛-==⎪⎪⎪⎭⎫ ⎝⎛=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---=101,1)(,262,0061011016ξt u B A解:(1)由第1题知⎥⎦⎤⎢⎣⎡+--+=----t t t tt t t t Ate e e e e e e e e555522231, 则⎪⎪⎭⎫⎝⎛--+-++=⎪⎪⎭⎫⎝⎛⎥⎦⎤⎢⎣⎡+--+=------t t t t t t ttt t tt Ate c c e c c e c c e c c c c e e e e e e e e e )2()22()2()(31222312152121521215555ξ,⎪⎪⎭⎫⎝⎛++-=⎪⎪⎭⎫⎝⎛-⎥⎦⎤⎢⎣⎡+--+=------------------v t t v t t v v v t v t v t v t v t v t v t v t v t A e e e e e e e e e e e e e e v Bu e6565)()(5)()(5)()(5)()(5)(6636314222231)(故 ⎥⎥⎦⎤⎢⎢⎣⎡+-+--=-----⎰t t t t t ttv t A e e te e e te dv v Bu e 550)(62121631)( 则该方程组的解为⎪⎪⎪⎪⎭⎫⎝⎛++--++---+++=+=-----⎰t t t t t t tv t A At te e c c e c c te e c c e c c dv v Bu e e t x 2])12()122[(312])212()21[(31)()(21521215210)(ξ(2)矩阵A 的特征方程为0)3)(2)(1(=+++=-λλλλA I ,则A 的特征值为11-=λ,3,232-=-=λλ,求得其特征向量分别为⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎭⎫ ⎝⎛=231,341,651321ηηη.令⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡----=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=-139********,2363451111P P ,有 11,300020001--==⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---=PJP A J AP P ,又 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=---t t t Jt e e e e 32000000, 则ξξ1-=P Pe e Jt At ⎪⎪⎪⎭⎫⎝⎛-⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡----⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=---101139248111000002363451112132t t te e e ⎪⎪⎪⎭⎫ ⎝⎛+-+-+-=------t t tt t t e e e e e e 32323289121243 , ⎪⎪⎪⎭⎫ ⎝⎛++-++-++-=⎪⎪⎪⎭⎫ ⎝⎛=---------------------)(3)(2)()(3)(2)()(3)(2)(1)()(2663852262)(v t v t v t v t v t v t v t v t v t v t J v t A e e e e e e e e eP Pe v Bu e故 ⎪⎪⎪⎪⎪⎭⎫ ⎝⎛-----+--=----------⎰373236453131)(3232320)(t t t tt t t tt tv t A e e e e e e e e e dv v Bu e则该方程组的解为⎪⎪⎪⎪⎪⎭⎫ ⎝⎛-----+--+⎪⎪⎪⎭⎫ ⎝⎛+-+-+-=+=----------------⎰37323645313189121243)()(3232323232320)(t tt tt t t tt t t t t tttv t A At e e e e e e e e e e e e e e e dv v Bu e e t x ξ ⎪⎪⎪⎪⎪⎭⎫ ⎝⎛-+-+-++-=---------3732212611165313114323232t t t tt t t tt e e e e e e e e e .4．求方程te y y y y -=+'+''+'''6116满足0)0()0()0(=''='=y y y 的解.解:令y x y x y x ''='==321,,,则⎪⎩⎪⎨⎧+---='''='='='-,6116 , ,32133221t e x x x y x x x x x 写成向量方程组为t Be Ax x -+=',其中⎪⎪⎪⎭⎫⎝⎛=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---=100,6116100010B A .对于矩阵A ,有J PAP=-1,其中⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---=-321,132********,9413211111J P P于是⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=---t tt Jt e e e e 32, 1-=P Pe e Jt At⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡+-+-+--+--+--+-+-+-+-=---------------------------t t t tt t t t t t t t t t t t t t t t t t t t tt t e e e e e e e e e e e e e e e e e e e e e e e e e e e 3232323232323232329827325182463491656126238526621由于⎪⎪⎪⎭⎫ ⎝⎛=000)0(x ,则⎰⎰----=+=tv v t A t v v t A At dv Be e dv Be e x e t x 0)(0)()0()(⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛-+-----+--+--=---------)1(29)1(8)1(23)1(4)1(21)1(221232232232t t tt t t t t t t t t tt t e e e e te e e e e te e e e e te故原方程的解为t t t t t t t t t e e e te e e e e te x y 322321414321)]1(21)1(2[21--------+-=-+--==5．试证明：若A 为2阶方阵，其特征值为21,λλ，特征向量为21,P P ，则方程Ax dtdx= 的解一定能表示成221121P e c P e c x t t λλ+=，其中21,c c 由下式确定:2211)0(P c P c x +=，然后利用这一结论求解定解问题：⎪⎪⎩⎪⎪⎨⎧⎥⎦⎤⎢⎣⎡=⎪⎪⎭⎫⎝⎛⎥⎦⎤⎢⎣⎡--=11)0(,651021x x x dt dx 的解,并将这一结论推广到n 阶方阵情形.(1)证明:令],[21P P P =,则,,121211--⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡=P P A AP P λλλλ于是x P P dt dx121-⎥⎦⎤⎢⎣⎡=λλ, x P dt dx P 1211--⎥⎦⎤⎢⎣⎡=λλ 令,1x P y -=则dtdxP dt dy 1-=,微分方程化为 y dt dy ⎥⎦⎤⎢⎣⎡=21λλ 其解为⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡=2121c c e e y t tλλ, 故方程Ax dtdx=的解一定能表示成 221121212121],[c e c P e c c c e e P P Py x t t t tλλλλ+=⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡== 若是定解问题,则21,c c 由2211)0(P c P c x +=确定.(2)解:矩阵⎥⎦⎤⎢⎣⎡--6510的特征值为5,121-=-=λλ,特征向量分别为⎪⎪⎭⎫ ⎝⎛-=⎪⎪⎭⎫ ⎝⎛-=51,1121P P , 则方程组⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡--=216510x x dt dx 的通解为⎪⎪⎭⎫ ⎝⎛--+=⎪⎪⎭⎫ ⎝⎛-+⎪⎪⎭⎫ ⎝⎛-------t t t t t te c e c e c e c e c e c 52152152155111,由于⎪⎪⎭⎫⎝⎛=11)0(x ,则⎩⎨⎧=--=+1512121c c c c , 解之,得⎪⎩⎪⎨⎧-==212321c c , 故原方程组的解为⎪⎪⎪⎪⎭⎫⎝⎛+--=⎪⎪⎭⎫ ⎝⎛----t t t t e e ee x x 552125232123. (3) n 阶方阵的情形:设微分方程组Ax dtdx=, 其中系数矩阵A 为n 阶可对角化矩阵，其特征值为n λλλ,,,21 ，特征向量分别为n P P P ,,,21 ，则该方程组的通解为n t n t P e c P e c P e c x n t λλλ+++= 221121,其中n c c c ,,,21 为任意常数.若为定解问题,则常数n c c c ,,,21 可由初始条件确定.6．已知),(0t t Φ是方程组)()()(t x t A dtt dx = 的转移矩阵，试证)(),(),(0000t A t t t t dt d ΦΦ-=. 证明:由于I t t t t =ΦΦ),(),(00,两边对0t 求导得,0),(),(),(),(000000=ΦΦ+ΦΦdt t t d t t t t dt t t d , 由于),(0t t Φ是方程组)()()(t x t A dtt dx =的转移矩阵,则 ),()(),(00t t t A dtt t d Φ=Φ, ),()(),(0000t t t A dt t t d Φ=Φ, 故0),()(),(),(),(000000=ΦΦ+ΦΦt t t A t t t t dt t t d , 两边右乘),(),(001t t t t Φ=Φ-,得 0)(),(),(0000=Φ+Φt A t t dt t t d , 即)(),(),(0000t A t t t t dt d ΦΦ-=. 7．求时变系统⎪⎩⎪⎨⎧===00)()()(x t x t x t A dtdx t t 的解，其中0),(x t A 分别如下：（1）⎪⎪⎭⎫ ⎝⎛=-101)(t e t A ，0,1100=⎪⎪⎭⎫ ⎝⎛=t x （2）⎪⎪⎪⎭⎫ ⎝⎛=⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡+=111,000)1(100110)(022x t t t A [该题有误: )()()()(1221t A t A t A t A ≠]（3）0,11,21)(00=⎪⎪⎭⎫ ⎝⎛-=⎪⎪⎭⎫ ⎝⎛=t x t t t A 解:（1）对任意的21,t t ,有)()(101)()(122121t A t A e e t A t A t t =⎥⎦⎤⎢⎣⎡+=--, 故方程组的转移矩阵为+⎪⎭⎫ ⎝⎛+⎪⎭⎫ ⎝⎛++=⎰=Φ⎰⎰⎰30200)()(!31)(!21)()0,(0t t t dv v A dv v A dv v A dv v A I e t t由于⎥⎦⎤⎢⎣⎡-=-⎰t e t dv v A t t01)(0, ⎥⎦⎤⎢⎣⎡-=⎪⎭⎫ ⎝⎛-⎰22200)1(2!21)(!21t e t t dv v A t t ,⎥⎦⎤⎢⎣⎡-=⎪⎭⎫ ⎝⎛-⎰323300)1(3!31)(!31t e t t dv v A t t , ……… ⎥⎦⎤⎢⎣⎡-=⎪⎭⎫ ⎝⎛--⎰n t n n n t t e nt t n dv v A n 0)1(!1)(!110 则⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++++-++++++++=- 323232!31!2110)1)(!31!211(!31!211)0,(t t t e t t t t t t t t Φ ⎥⎦⎤⎢⎣⎡-=⎥⎦⎤⎢⎣⎡-=-t t t t t t te e e e e e e 010)1(. 故该方程组的解为 ⎪⎪⎭⎫ ⎝⎛-=⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡-=Φ=t t t t t e e e e e x t t x 121101)0,()(0 (3) 由于)(t A 各元素在区间],0[t 上有界,则该方程组的转移矩阵为⎰⎰⎰++=t v t dv v A dv v A dv v A I t 00221101)()()()0,(Φ ⎰⎰⎰++21033002211)()()(v t v dv v A dv v A dv v A⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++++++++++= 4233428123122181231t t t t t t t t 故该方程组的解为⎪⎪⎪⎪⎭⎫ ⎝⎛+-+-+-++-+-=Φ= 43243208123218121231)0,()(t t t t t t t t x t t x 8．求下列定解问题的解：⎪⎩⎪⎨⎧=+=,00)(),()()()(x t x t u t B t x t A dt dx 其中（1）0,11,1)()(,101)(00=⎪⎪⎭⎫ ⎝⎛-=⎪⎪⎭⎫ ⎝⎛=⎥⎦⎤⎢⎣⎡=-t x t t u t B e t A t （2）⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎭⎫ ⎝⎛=⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡+=111,01)()(,000)1(100110)(022x t t u t B t t t A 解:(1)由于系统所对应的齐次系统的转移矩阵为 ⎥⎦⎤⎢⎣⎡-=Φ----00000),(20t t t t t t t e e e e t t , 则该系统的解为⎰Φ+Φ=t dv v Bu v t x t t x 00)(),()0,()( dv v e e e e e e e t v t v v t v t t t t⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡-+⎪⎪⎭⎫ ⎝⎛-⎥⎦⎤⎢⎣⎡-=⎰----10110102 ⎰⎪⎪⎭⎫ ⎝⎛-++⎪⎪⎭⎫ ⎝⎛-=----t v t v v t v t t dv e e e ve e 021 ⎪⎪⎪⎭⎫ ⎝⎛---++⎪⎪⎭⎫ ⎝⎛-=-1223211t t t t e t e e e ⎪⎪⎭⎫ ⎝⎛---+=-112321t e e t t。
04南航戴华《矩阵论》第四章l矩阵的因子分解
对初等下三角矩阵，当i <j 时，有
1 0 1 T T li 1,i Li (li ) L j (l j ) I li ei l j e j 1 l j 1, j 0 0 lni 0 1 l nj
4.1.3 Householder矩阵
取u = v = w, σ=2，并且w是单位向量，即 ||w|| =1，初等矩阵
H (w) E(w, w,2) I 2ww
H
(4.1.7)
称为Householder矩阵或初等Hermite矩阵。
定理4.1.2 Householder矩阵H(w)具有如下性质：
(U H AU U 1 AU B)
则称A正交（酉）相似于B。 定理4.5.1(Schur定理) 任何一个n 阶复矩阵A都酉相 似于一个上三角矩阵，即存在一个n 阶酉矩阵U 和 一个n阶上三角矩阵 R 使得
U AU R
H
(4.5.1)
其中R 的对角元是A 的特征值，它们可以按要求的 次序排列。
上（下）三角矩阵的性质
• 什么是矩阵的LU分解？ • 矩阵的LU分解是否存在？如果存在， LU分解 是否唯一？ • 如何计算矩阵的LU分解？ • LU分解有什么应用？
定理4.3.1（LU分解定理）设 A 是 n 阶非奇异矩 阵，则 存在唯一的单位下三角矩阵L和上三角矩 阵U使得 A LU 的充分必要条件是A的所有顺序主子式均非零, 即
H H
mn
,则
AH A与AAH的特征值均为非负实数 ；
(2)
A A与AA 的非零特征值相同，并 且非零特征 值的个数(重特征值按重数计算 )等于rank( A).
南航双语矩阵论matrix theory第4章部分习题参考答案
)
If i is a root of p( ) 0 , then p(i ) 0 . We obtain that eigenvalue of C T with eigenvector x (1, i ,, in 2 , in 1 )T .
Exercise 16
Let be an orthogonal transformation on a Euclidean space V (an inner product space over the real number field). If W is a -invariant subspace of V, show that the orthogonal complement of W is also -invariant. Proof Let V W W , where W is -invariant. Let {u1 , u2 ,, uk } be an orthonormal basis for
0 1 T C x 0 0 0 0 1 0 0 0 0 0 0 an 0 an 1 0 an 2 1 a1
T
i i 1 2 2 i i i n2 n 1 n 1 i i i n 1 n n 1 a a a p ( i n i n 1 i 1 i i
C T x i x . Then i is an
(b) If p( ) has n distinct roots, then all roots of p( ) are eigenvalues of C T . We obtain that the characteristic polynomial of C T and p( ) have the same n distinct roots. And also they have the same degree and the same leading coefficient. Hence, the characteristic polynomial of C T is the same as p( ) . Since C and C T have the same characteristic polynomial, we know that p( ) is the characteristic polynomial of C.
南航07-14矩阵论试卷
南京航空航天大学07-14硕士研究生矩阵论试题2007 ~ 2008学年《矩阵论》 课程考试A 卷一、（20分）设矩阵⎪⎪⎪⎭⎫ ⎝⎛-----=111322211A ， （1）求A 的特征多项式和A 的全部特征值； （2）求A 的行列式因子、不变因子和初等因子；（3）求A 的最小多项式，并计算I A A 236-+；（4）写出A 的Jordan 标准形。
二、（20分）设22⨯R 是实数域R 上全体22⨯实矩阵构成的线性空间(按通常矩阵的加法和数与矩阵的乘法)。
（1）求22⨯R的维数，并写出其一组基；（2）设W 是全体22⨯实对称矩阵的集合， 证明：W 是22⨯R的子空间，并写出W 的维数和一组基；（3）在W 中定义内积W B A BA tr B A ∈=,),(),(其中，求出W 的一组标准正交基；（4）给出22⨯R 上的线性变换T ： 22,)(⨯∈∀+=R A A A A T T写出线性变换T 在（1）中所取基下的矩阵，并求T 的核)(T Ker 和值域)(T R 。
三、（20分）（1）设⎪⎪⎭⎫⎝⎛-=121312A ，求1A ，2A ，∞A ，F A ； （2）设nn ij C a A ⨯∈=)(，令ijji a n A ,*max ⋅=，证明：*是n n C ⨯上的矩阵范数并说明具有相容性；（3）证明：*2*1A A A n ≤≤。
四、（20分）已知矩阵⎪⎪⎪⎪⎪⎭⎫⎝⎛-=100100011111A ，向量⎪⎪⎪⎪⎪⎭⎫⎝⎛=2112b ， （1）求矩阵A 的QR 分解；（2）计算+A ；（3）用广义逆判断方程组b Ax =是否相容？若相容,求其通解;若不相容,求其极小最小二乘解。
五、（20分）（1）设矩阵⎪⎪⎪⎭⎫⎝⎛=⎪⎪⎪⎭⎫ ⎝⎛=15.025.011210,2223235t t B t t A ，其中t 为实数，问当t 满足什么条件时, B A >成立？（2）设n 阶Hermite 矩阵022121211>⎪⎪⎭⎫⎝⎛=A A A A A H，其中k k C A ⨯∈11，证明：0,012111122211>->-A A A A A H。
南航双语矩阵论matrix theory第5章部分习题参考答案
第五章部分习题参考答案Exercise 2Find determinant divisors and elementary divisors of each of the following matrices.(a) 1000100016733λλλλ-⎛⎫ ⎪- ⎪ ⎪- ⎪--+⎝⎭ (b)001010100000λλλλ⎛⎫⎪ ⎪ ⎪ ⎪⎝⎭ Solution（a ） 100010()0016733A λλλλλ-⎛⎫ ⎪-⎪= ⎪- ⎪--+⎝⎭det (())A λ432323376(1)(46)λλλλλλλλ=+--+=-++-222(1)(56)(1)(2)(3)λλλλλλ=-++=-++There is a 3x3 submatrix whose determinant is100det 10101λλ-⎛⎫ ⎪-=- ⎪ ⎪-⎝⎭. Hence, the determinant divisors are 123()()()1D D D λλλ===,4324()3376D λλλλλ=+--+. Invariant divisor are 123()()()1d d d λλλ===,4324()3376d λλλλλ=+--+ The elementary divisors of ()A λ are 2(1)λ-, 2λ+, 3λ+(b) 44()D λλ=, 123()()()1D D D λλλ===. There is a unique elementary divisor 4λExercise 3Let11a a A a ⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭ , a a B a εε⎛⎫ ⎪⎪= ⎪ ⎪⎝⎭be n n ⨯ matrices, where 0ε≠. Show that A and B are similar.Proof The Smith normal forms of both I A λ- and I B λ-are11()n a λ⎛⎫ ⎪⎪ ⎪ ⎪-⎝⎭.A andB have the same set of elementary divisors. Hence they are similar to each other.Exercise 4Let11a a A a ⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭ , 11a a B a ε⎛⎫ ⎪⎪= ⎪ ⎪⎝⎭be n n ⨯ matrices, where 0ε≠. Show that A and B are NOT similar.ProofThe determinant of I A λ- is ()n a λ- . The determinant of I B λ- is ()n a λε--. A and B have distinct characteristic polynomials. Hence, they are not similar.Exercise 6For each of the following matrices, find the Jordan Canonical Form J and matrix P such that 1P AP J -=(a) 040140122-⎛⎫ ⎪- ⎪ ⎪--⎝⎭(b)134478677-⎛⎫⎪- ⎪ ⎪-⎝⎭Solution(a)40140122I A λλλλ⎛⎫ ⎪-=-+ ⎪ ⎪-+⎝⎭Determinant divisors are 33()det()(2)D I A λλλ=-=+, 2()det()(2)D I A λλλ=-=+,1()1D λ= Invariant divisors are 23()(2)d λλ=+, 2()(2)d λλ=+, 1()1d λ= Elementary divisors are 2(2)λ+, (2)λ+A Jordan canonical form is 210020002-⎛⎫⎪- ⎪ ⎪-⎝⎭. Let123(,,)p p p P =, then1121233222p p p p p p p A A A =-=-=-Solving (2)x 0A I +=, that is, 123240012001200x x x -⎛⎫⎛⎫⎛⎫ ⎪⎪ ⎪-= ⎪⎪ ⎪ ⎪⎪ ⎪-⎝⎭⎝⎭⎝⎭, we obtain that {1p ,3p } form abasis for (2)((0,0,1),(2,1,0))T T N I A Span -= . Let 1(2,1,0)(0,0,1),p T T a b =+ To obtain 2p , we solve the system212(2)p p a A I a b ⎛⎫⎪-== ⎪ ⎪⎝⎭, that is,1232402120120y a y a y b -⎛⎫⎛⎫⎛⎫ ⎪⎪ ⎪-= ⎪⎪ ⎪ ⎪⎪ ⎪-⎝⎭⎝⎭⎝⎭. This system is consistent only if a b =. Let 1a b ==. Then 1(2,1,1)p T =, We solve the system above for vector2(1,0,0)p T =. Take 3(0,0,1)p T =.210100101P ⎛⎫ ⎪= ⎪ ⎪⎝⎭(b) 134478677I A λλλλ--⎛⎫ ⎪-=-+- ⎪ ⎪--⎝⎭23()det()(1)(3)D I A λλλλ=-=+-, 2()1D λ= , 1()1D λ=Invariant divisors are 23()(1)(3)d λλλ=+-, 2()1d λ=, 1()1d λ= Elementary divisors are 2(1)λ+, (3)λ-A Jordan canonical form is 110010003-⎛⎫⎪- ⎪ ⎪⎝⎭. Let123(,,)p p p P =, then11212333p p p p p p p A A A =-=-= 3(1,2,2)p T =, 1(1,2,1)p T =, 2(1,1,0)p T =--111212102P -⎛⎫⎪=- ⎪ ⎪⎝⎭Exercise 8Show that if p A I = for some positive integer p , then A is similar to a diagonal matrix over the complex number field.Proof Since p A I =, 1p x - is an annihilating polynomial. The minimal polynomial ()m x of A must divide 1p x -. Since the polynomial 1p x - has only single roots(单根)，()m x has only single roots. Therefore, by Theorem 5.2.7 (see lecture notes p124), matrix A is diagonalizable.Exercise 9Prove that if an n n ⨯ matrix satisfies 256A A I -=then A is diagonalizable.Proof Since 256A A I -=, 256x x -- is an annihilating polynomial of A . . The minimal polynomial ()m x of A must divide 256x x --. Since 256(6)(1)x x x x --=-+, the minimal polynomial must be a product of distinct linear factors. By Theorem 5.2.7 (see lecture notes p124), matrix A is diagonalizable.Exercise 10Show that if A is nonsingular, then 1A - can be written as a polynomial of A .Proof Let 1110()n n n p x c c c λλλ--=++++ be the characteristic polynomial of A . The constant term of ()p x must not be zero since A is nonsingular. By Cayley-Hamilton Theorem,()p A O =. That is, 1110n n n A c A c A c I O --++++= . Thus,1121101()n n n A A c A c I c ----=-+++ , which is a polynomial of A .Exercise 11How many possible Jordan forms are there for a 66⨯ complex matrix with characteristic polynomial 42(2)(1)x x +-?Solution The possibilities for the sets of elementary divisors are { 42(2),(1)x x +-}, {4(2),(1),(1)x x x +--}{32(2),(2),(1)x x x ++-}, {3(2),(2),(1),(1)x x x x ++--} {222(2),(2),(1)x x x ++-}, {22(2),(2),(1),(1)x x x x ++--},{22(2),(2),(2),(1)x x x x +++-}, {2(2),(2),(2),(1),(1)x x x x x +++--}{2(2),(2),(2),(2),(1)x x x x x ++++-}, {(2),(2),(2),(2),(1),(1)x x x x x x ++++--}. For each set of elementary divisors, there is a Jordan canonical form up to similarity. There are 10 Jordan canonical forms up to similarity.Exercise 12Classify up to similarity all 33⨯ complex matrices A such that 3A I =.Solution An annihilating polynomial of A is 321(1)()()x x x x ωω-=---, where ω= A is diagonalizable.The possibilities for the minimal polynomial of A are1x -, x ω-, 2x ω-;(1x -)(x ω-), (x ω-)(2x ω-), (1x -)(2x ω-);2(1)()()x x x ωω---Up to similarity, all 33⨯ complex matrices A are100010001⎛⎫ ⎪ ⎪ ⎪⎝⎭, 000000ωωω⎛⎫⎪ ⎪ ⎪⎝⎭, 222000000ωωω⎛⎫ ⎪ ⎪ ⎪⎝⎭; 10001000ω⎛⎫⎪ ⎪ ⎪⎝⎭, 1000000ωω⎛⎫ ⎪ ⎪ ⎪⎝⎭; 22000000ωωω⎛⎫ ⎪⎪ ⎪⎝⎭, 2000000ωωω⎛⎫ ⎪ ⎪ ⎪⎝⎭;221000000ωω⎛⎫⎪ ⎪ ⎪⎝⎭,210001000ω⎛⎫⎪ ⎪ ⎪⎝⎭21000000ωω⎛⎫ ⎪ ⎪ ⎪⎝⎭Exercise 14If N is a nilpotent (幂零的) 33⨯ matrix over C , prove that 21128A I N N =+- satisfies2A I N =+, i.e., A is a square root of I N +. Use the binomial series for 1/2(1)t + to obtain asimilar formula for a square root of I N +, where N is any nilpotent n n ⨯ matrix over C .Use the result above to prove that if c is a non-zero complex number and N is a nilpotent complex matrix, then cI N +has a square root. Now use the Jordan form to prove that every non-singular complex n n ⨯ matrix has a square root.Solution If N is an n n ⨯ matrix and k N O =, then k x is an annihilating polynomial for N . The minimal polynomial of N must be of the form p x , where p n ≤ and p k ≤ since the minimal polynomial of a matrix divides its characteristic polynomial. Thus, n N O =.(1) If N is a nilpotent 33⨯ matrix, then 3N O =. By straightforward computation, we canverify that 2A I N =+.(2) If N is an n n ⨯ nilpotent matrix, n N O =.1/22111111(1)(1)((1)1)122222(1)122!(1)!n n t t t t n -----++=+++++- 1/22111111(1)(1)((1)1)122222()22!(1)!n n I N I N N N n -----++=++++-(3) Since1N c is a nilpotent matrix, 1I N c + has a square root 1/21()I N c+. cI N + has a square root 1/21/21()c I N c+.(4) Suppose that 12121()00()000()r d d d r J J P AP J J λλλ-⎛⎫ ⎪⎪==⎪ ⎪ ⎪⎝⎭. Then each ()k d k J λ has asquare root 1/2()k d k J λ since ()kd k J λ is of the form k I N λ+, where 0k λ≠ because A is nonsingular and N is nilpotent.Let 121/211/2211/2()000()000()r d d d r J J B P P J λλλ-⎛⎫⎪⎪=⎪ ⎪⎪⎝⎭, then 2B A =. Hence, A has a squareroot.Exercise 20Prove that the minimal polynomial of a matrix is equal to the characteristic polynomial if andonly if the elementary divisors are relatively prime in pairs.Proof Suppose that a Jordan canonical form of A is1212()000()000()r d d d r J J J J λλλ⎛⎫ ⎪⎪= ⎪ ⎪⎪⎝⎭(where 12,,,r λλλ are not necessarily distinct. Each ()id i J λ is a Jordan block.)The minimal polynomial of A is the same as that of J . The characteristic polynomial of A is the same as that of J . The elementary divisors of A are 11()d λλ-, , ()rd r λλ-The minimal polynomial of ()id i J λ is ()id i λλ-. The minimal polynomial of J is theleast common multiple (最小公倍式) of 11()d λλ-, , ()rd r λλ-. The characteristicpolynomial of J is 1212()()()()rd d d r p λλλλλλλ=--- .The least common divisor of 11()d λλ-, , ()rd r λλ- is equal to the product of11()d λλ-, , ()r d r λλ- if and only if ()j dj λλ-and ()k d k λλ-are relatively prime for j k ≠. Thus the minimal polynomial of a matrix is equal to the characteristic polynomial ifand only if the elementary divisors are relatively prime in pairs.。
南京航空航天大学研究生课程《矩阵论》内容总结与习题选讲
《矩阵论》复习提纲与习题选讲Chapter1 线性空间和内积空间内容总结：z 线性空间的定义、基和维数；z 一个向量在一组基下的坐标；z 线性子空间的定义与判断；z 子空间的交z 内积的定义；z 内积空间的定义；z 向量的长度、距离和正交的概念；z Gram-Schmidt 标准正交化过程；z 标准正交基。
习题选讲：1、设表示实数域3]x [R R 上次数小于3的多项式再添上零多项式构成 的线性空间（按通常多项式的加法和数与多项式的乘法）。
（1） 求的维数；并写出的一组基；求在所取基下的坐标；3]x [R 3]x [R 221x x ++ （2） 在中定义3]x [R ， ∫−=11)()(),(dx x g x f g f n x R x g x f ][)(),(∈ 证明：上述代数运算是内积；求出的一组标准正交基；3][x R （3）求与之间的距离；221x x ++2x 2x 1+−（4）证明：是的子空间；2][x R 3]x [R （5）写出2[][]3R x R x ∩的维数和一组基；二、 设22R ×是实数域R 上全体22×实矩阵构成的线性空间（按通常矩阵的加 法和数与矩阵的乘法）。
（1） 求22R ×的维数，并写出其一组基；（2） 在(1)所取基下的坐标； ⎥⎦⎤⎢⎣⎡−−3111（3） 设W 是实数域R 上全体22×实对称矩阵构成的线性空间（按通常矩阵的加法和数与矩阵的乘法）。
证明：W 是22R ×的子空间；并写出W 的维数和一组基；（4） 在W 中定义内积， )A B (tr )B ,A (T =W B ,A ∈求出W 的一组标准正交基；（5）求与之间的距离； ⎥⎦⎤⎢⎣⎡0331⎥⎦⎤⎢⎣⎡−1221 （6）设V 是实数域R 上全体22×实上三角矩阵构成的线性空间（按通常矩阵的加法和数与矩阵的乘法）。
证明：V 也是22R ×的子空间；并写出V 的维数和一组基；（7）写出子空间的一组基和维数。
南航矩阵论考试试题
南航矩阵论考试试题南航矩阵论考试试题南航矩阵论考试是一门重要的数学课程，旨在培养学生的逻辑思维和解决问题的能力。
本文将介绍一些典型的南航矩阵论考试试题，帮助读者更好地理解这门课程的内容和要求。
一、基础知识部分1. 请解释矩阵的定义和基本性质。
矩阵是由数个数按矩形排列而成的表格。
它的定义包括行数和列数两个维度，记作m×n。
矩阵有很多基本性质，如加法、数乘、转置等。
矩阵的加法满足交换律和结合律，数乘满足分配律。
矩阵的转置是将矩阵的行和列互换得到的新矩阵。
2. 什么是方阵和单位矩阵？方阵是行数等于列数的矩阵。
单位矩阵是一个对角线上全为1，其余元素全为0的方阵。
单位矩阵在矩阵运算中起到了重要的作用，类似于数学中的“1”。
二、矩阵运算部分1. 请计算以下矩阵的和：A = [1 2 3; 4 5 6]，B = [7 8 9; 10 11 12]。
矩阵的和等于对应位置元素相加得到的新矩阵。
根据题目给出的矩阵，可以计算得到A + B = [8 10 12; 14 16 18]。
2. 请计算以下矩阵的积：C = [1 2; 3 4]，D = [5 6; 7 8]。
矩阵的乘法需要注意行列对应元素的乘积。
根据题目给出的矩阵，可以计算得到C × D = [19 22; 43 50]。
三、线性方程组部分1. 请解以下线性方程组：2x + 3y = 8，4x - 5y = 7。
线性方程组可以转化为矩阵的形式，即AX = B，其中A为系数矩阵，X为未知数矩阵，B为常数矩阵。
根据题目给出的线性方程组，可以得到矩阵形式为：[2 3] [x] [8][4 -5] [y] = [7]通过矩阵的逆运算，可以解得x = 3，y = 2。
2. 请解以下线性方程组：x + 2y + 3z = 6，2x - y + z = 1，3x + 4y + 5z = 10。
同样地，将线性方程组转化为矩阵形式：[1 2 3] [x] [6][2 -1 1] [y] = [1][3 4 5] [z] [10]通过矩阵的逆运算，可以解得x = 1，y = 2，z = 1。
南京航空航天大学07-08矩阵论答案(B)
∞
= 5； A
= 23 ；
T 1 2
∵ λ ( A A) = {3, 5,15} ， ∴ A 2 = [λmax ( A A)] = 15 。
的特征向量， （2）设 x ∈ C 是 A 相应于特征值 λ 的特征向量，∴ Ax = λ x , x ≠ 0 ， ）
n
两 边 取 矩 阵 范 数 导 出 的 C 上 向 量 范 数 可 得 ： λ x = λ x = Ax ≤ A x ，
Ik
0 , In−k
使得 PAP
H
A11 = 0
=B， A22 − A A A12 0
H 12 −1 11
H − ∵ A11 > 0, A22 − A12 A111 A12 > 0,∴ B > 0, 从而有 A > 0 。
5 ∆ 1 = 5 > 0, ∆ 2 = 1 > 0 ， ∆ 3 = A − B = 1 − t 2 > 0 4
即−
2 2 成立。 <t< 时 A > B 成立。 5 5
H
矩阵， （2）∵ A 是 Hermite 矩阵，∴ 存在酉矩阵 U ，使得 U AU = diag{λ1 , λ2 ,⋯ , λn } ， ） 由此可知： 由此可知： λmin ( A) I ≤ A ≤ λmax ( A) I ，
共 3 页 ∴ ∀x ∈ C n , x ≠ 0 ，有 λmin ( A) ≤ R( x ) =
−1
第 3 页
x H Ax ≤ λmax ( A) 。 xH x
− 存在，构造可逆矩阵 （3）∵ A11 > 0,∴ A11 存在，构造可逆矩阵 P = ） − A H A− 1 12 11
南航矩阵论第一章作业答案与提示
矩阵论作业答案与提示第一章（P41-P44）8提示：设044332211=+++ααααx x x x ，解得04321====x x x x ，因此4321,,,αααα线性无关．10（1）提示：考虑n 阶反对称矩阵构成的线性空间V ．设ij α是处的元素为1，处的元素为-1，而其余元素均为零的n 阶反对称矩阵（），则),(j i ),(i j j i <n n n 2n ,123112,,,,,,,−ααααL L L A ij 线性无关．又若V a α∈=)(，则有∑≤<≤=nj i ijija A 1α，即A 可以由n n n n ,1223112,,,,,,,−αααααL L L 线性表示，因此.2)1(12)2()1()dim(−=+++−+−=n n n n V L 同理，若V 是n 阶对称矩阵构成的线性空间，则.2)1()dim(+=n n V 12提示：设A x x x x =+++44332211αααα，解得1,1,3,24321−===−=x x x x ，因此A 在基4321,,,αααα下的坐标是.)1,1,3,2(T −−18提示：（1）对任意P ,,∈∈k W Y X ，直接验证W kX Y X ∈+,．（2）在中取向量W )(i i e diag =α，其中表示第i 个分量为1，其余分量为零的n 维行向量，，则i e n i ,,2,1L =n ααα,,,21L 线性无关．又若，则由W x X n n ij ∈=×)(XA AX =得到，即)(0j i x ij ≠=),,,(2211nn x x x diag X L =．于是∑==ni i ii x X 1α，即X 可由n ααα,,,21L 线性表示．因此n ααα,,,21L 是的一组基，而．W n W =)dim(19（1）提示：设},{},,{212211ββααspan V span V ==，则},,,{212121ββααspan V V =+．由于121,,βαα是向量组2121,,,ββαα的极大线性无关组，所以，而3)dim(21=+V V 121,,βαα是21V V +的一组基．接下来，求的维数和基．设21V V I 21V V I ∈α，则有24132211ββαααk k k k −−=+=，从而024132211=+++ββααk k k k ．解这个向量方程得到：,,3,4,4321k k k k k k k k =−=−==其中k 是任意常数．此时,)4,3,2,5()3()4(2121T k k k −−−=−=−=ββααα即．于是})4,3,2,5{(21T span V V −−−=I 1)dim(21=V V I ，而是的一组基． T )4,3,2,5(−−−21V V I 21提示：设,)1,,1,1(,)1,1,0,,0(,)0,,1,1,0(,)0,,0,1,1(121Tn T n T T L L L L =−=−=−=−αααα则},,,{},{},,,,{112121211n n n n span V V span V span V ααααααα−−=+==L L ．由于n n ααα,,,11−L 线性无关，所以它们构成n R 的一组基，从而．注意到，于是． n R V V =+21}0{21=V V I n R V V =+⋅2124提示：在V 中取向量,1100,0010,0011321⎟⎟⎠⎞⎜⎜⎝⎛=⎟⎟⎠⎞⎜⎜⎝⎛=⎟⎟⎠⎞⎜⎜⎝⎛=ααα 则321,,ααα线性无关，且321αααc b a c c b a a ++=⎟⎟⎠⎞⎜⎜⎝⎛+， 从而，而3)dim(=V 321,,ααα是V 的一组基．定义映射如下：3:R V →σ,)(⎟⎟⎟⎠⎞⎜⎜⎜⎝⎛=⎟⎟⎠⎞⎜⎜⎝⎛+c b a c c b a a σ 由于是向量在基T c b a ),,(⎟⎟⎠⎞⎜⎜⎝⎛+=c c b a a α321,,ααα下的坐标，所以σ是V 到3R 的同构映射．27（1）提示：首先将321,,ααα化为标准正交向量组，得到.)2,1,1,2(101,)2,3,3,2(261,)1,2,2,1(101321T T T −−−=−=−=εεε其次，解方程组，求得基础解系，将其单位化，得0321===x x x TT T εεεT )3,2,2,3(4−=αT )3,2,2,3(2614−=ε，则4321,,,εεεε是V 的标准正交基．最后，直接计算，得到311010εεα+=． （2）解答：212321362),31(4103,26,21εεαεεε+=−===x x ．。
南航双语矩阵论matrixtheory第7章部分习题参考答案
第七章部分习题参考答案Exercise 1Show that a normal matrix A is Hermitian if its eigenvalues are all real.Proof If A is a normal matrix, then there is a unitary matrix that diagonalizes A . That is, there is a unitary matrix U such thatHA U D U =where D is a diagonal matrix and the diagonal elements of D are eigenvalues of A . If eigenvalues of A are all real, then()H H H H H H A UDU UD U UDU A ====Therefore, A is Hermitian.Exercise 2Let A and B be Hermitian matrices of the same order. Show that AB is Hermitian if and only ifAB BA =. ProofIf A B B A =, then ()()H H H H AB BA A B AB ===. Hence, AB is Hermitian.Conversely, if AB is Hermitian, then ()H AB AB =. Therefore, H H AB B A BA ==. Exercise 3Let A and B be Hermitian matrices of the same order. Show that A and B are similar if they have the same characteristic polynomial.Proof Since matrix A and B have the same characteristic polynomial, they have the same eigenvalues 12,,,n λλλ . There exist unitary matrices U and V such that12diag(,,,)H n U AU λλλ= , 12diag(,,,)H n V BV μμμ= .Thus,H H U AU V BV =. (11,H H U U V V --==)That is 1()H H UV AUV B -=. Hence, A and B are similar.Exercise 4Let A be a skew-Hermitian matrix, i.e., H A A =-, show that (a) I A - and I A + are invertible.(b) 1()()I A I A --+ is a unitary matrix with eigenvalues not equal to 1-. Proof of Part (a)Method 1: (a) since H A A =-, it follows that()()H I A I A I AA I A A -+=-=+For any x 0≠()()0x x x x x x x x x x H H H H H HH I A A A A A A +=+=+> Hence, ()()I A I A -+ is positive definite. It follows that ()()I A I A -+ is invertible. Hence, both I A - and I A + are invertible.Method 2:If I A - is singular, then there exists a nonzero vector x such that()x 0I A -=. Thus, x x A =,x x x x H H A =. (1)Since x x H is real, it follows that()x x x x H H H A =.That is x x x x H H H A =. Since H A A =-, it follows thatx x x x H H A -= (2)Equation (1) and (2) implies that 0x x H =. This contradicts the assumption that x is nonzero. Therefore, I A - is invertible.Method 3:Let λ be an eigenvalue of A and x be an associated eigenvector. x x A λ=x x x x H H A λ=. ()x x x x x x x x x x x xH H H H H H H H A A A λλ===-=-Hence, λ is either zero or pure imaginary. 1 and 1- can not be eigenvalues of A . Hence, I A -and I A + are invertible.Method 4: Since H A A =-, A is normal. There exists a unitary matrix U such that 12diag(,,,)H n U AU λλλ=12()()diag(,,,)H H H H H H n U AU U A U U AU λλλ==-= 12diag(,,,)n λλλ= 12diag(,,,)n λλλ- Each j λ is pure imaginary or zero.12(diag(,,,))H n I A U I U λλλ-=- 12diag(1,1,,1))H n I A U U λλλ-=---Since 10i λ-≠ for 1,2,,j n = , det ()0I A -≠. Hence, I A - is invertible. Similarly, we can prove that I A + is invertible.Proof of Part (b) Method 1:Since ()()()()I A I A I A I A +-=-+, it follows that11[()()]()()H I A I A I A I A ---+-+11()()()()H H I A I A I A I A --=+--+ ( Note that 11()()H H P P --= if P is nonsingular.) 11()()()()I A I A I A I A --=-+-+ 11()()()()I A I A I A I A I --=--++=Hence, 1()()I A I A --+ is a unitary matrix. Denote 1()()B I A I A -=-+.Since 111(1)(1)()()()()2()I B I I A I A I A I A I A I A -----=---+=-++-+=-+,1det()(2)det[()]0n I B I A ---=-+≠Hence, 1- can not be an eigenvalue of 1()()I A I A --+. Method 2:By method 4 of the Proof of Part (a),12diag(1,1,,1))H n I A U U λλλ-=---12diag(1,1,,1))H n I A U U λλλ+=+++1()()I A I A --+1212111diag(,,,))111H n nU U λλλλλλ---=+++ The eigenvalues of 1()()I A I A --+ are1212111,,,111n nλλλλλλ---+++ , which are all not equal to 1-.Method 3: Since ()()()()I A I A I A I A +-=-+, it follows that 11()()()()I A I A I A I A ---+=+-If 1- is an eigenvalue of 1()()I A I A --+, then there is a nonzero vector x , such that1()()x x I A I A --+=-. That is 1()()x x I A I A -+-=-.It follows that()()x x I A I A -=-+.This implies that x 0=. This contradiction shows that 1- can not be an eigenvalue of1()()I A I A --+.Exercise 6If H is Hermitian, show that i I H - is invertible, and 1(i )(i )U I H I H -=+- is unitary. Proof Let i A H =-. Then A is skew-Hermitian. By Exercises #4, I A - and I A + are invertible, and 1()()U I A I A -=-+ is unitary. This finishes the proof.Exercise 7Find the Hermitian matrix for each of the following quadratic forms. And reduce each quadratic form to its canonical form by a unitary transformation (a) 12312131213(,,)i i f x x x x x x x x x x x =+-+ Solution()1123123230i 1(,,)i 00100x f x x x x x xx x ⎛⎫⎛⎫ ⎪ ⎪=- ⎪⎪ ⎪⎪⎝⎭⎝⎭, 0i 1i 00100A ⎛⎫⎪=- ⎪ ⎪⎝⎭3d e t ()2I A λλλ-=-. Eigenvalues of Aare 1λ2λ=, and 30λ=.Associated unit eigenvectors are1i 1,)22u T =-, 2i 1,)22u T =-, and3u T =, respectively. 123,,u u u form an orthonormal set.Let 123(,,)u u u U =, and x y U =. Then we obtain the canonical form1122y yExercise 9Let A and B be Hermitian matrices of order n , and A be positive definite. Show that AB issimilar to a real diagonal matrix.Proof Since A is positive definite, there exists an nonsingular Hermitian matrix P such thatHA P P = 1()H H AB PP B P P BP P -==AB is similar to H P BP . Since H P BP is Hermitian, it is similar to a real diagonal matrix. Hence, AB is similar to a real diagonal matrix.Exercise 10Let A be an Hermitian matrix of order n . Show that there exists a real number 0t such that t I A +is positive definite. Proof 1: The matrix t I A + is Hermitian for real values of t . If the eigenvalues of A are 12,n λλλ ，，, then the eigenvalues of t I A +are 12,,n t t t λλλ+++ ，. Let12max{,,}n t λλλ> ，Then the eigenvalues of t I A + are all positive. And hence, tI A +is positive definite.Proof 2: The matrix t I A + is Hermitian for real values of t . Let r A be the leading principle minor of A of order r .d e t ()r r r t I A t +=+terms involving lower powers in t .Hence, det()r r t I A + is positive for sufficiently large t .Thus, if t is sufficiently large, all leading principal minors of t I A + will be positive.That is, there exists a real number 0t such that det()r r t I A + is positive for 0t t > and for each r . Thus t I A + is positive definite for 0t t >. Exercise 11 Let11121222HA A A A A ⎛⎫= ⎪⎝⎭be an Hermitian positive definite matrix. Show that 1122det()det()det()A A A ≤Proof We first prove that if A is Hermitian positive definite and B is Hermitian semi-positivedefinite, then det()det()A B A +≥. Since A is positive definite, there exists a nonsingular hermitian matrix P such thatHA P P = 11(())H H AB P I P B P P --+=+ 11det()det()det(())H A B A I P B P --+=+11()H I P B P --+ is positive semi- definite. Its eigenvalues are all greater than or equal to 1.Thus11det(())1H I P B P --+≥111121112112111222H H I O A A I A A A A I A A O I --⎛⎫-⎛⎫⎛⎫⎪ ⎪⎪-⎝⎭⎝⎭⎝⎭11112111112112212111222121112H H A A A O I A A O A A A A O A A A A O I ---⎛⎫-⎛⎫⎛⎫== ⎪ ⎪ ⎪--⎝⎭⎝⎭⎝⎭ 122121112H A A A A -- is positive definite, and 1121112H A A A - is positive semi-definite, and11122121112det()det()det()H A A A A A A -=-Hence, 111222212111212111222121112det()det()det(H H H A A A A A A A A A A A A ---=-+≥-）This finishes the proof.Exercise 12Let A be a positive definite Hermitian matrix of order n . Show that the element in A with the largest norm must be in the main diagonal.Proof Let ()ij A a =. Suppose that 00i j a is of the largest norm, where 00i j ≠. Consider the principal minor 00000000i i i j i j j j a a a a ⎛⎫⎪ ⎪⎝⎭. It must be positive definite since A is positive definite. (Recall that an Hermitian matrix is positive definite iff all its principal minors are positive.) Thus, 00000000det 0i i i j i j j j a a a a ⎛⎫⎪> ⎪⎝⎭. On the other hand, 000000000000002det 0i i i j i i j j i j i j j j a a a a a a a ⎛⎫⎪=-≤ ⎪⎝⎭since 00i j a is of the largest norm.(Remark: The diagonal elements in an Hermitian matrix must be real.)This contradiction implies that the element in A with the largest norm must be in the main diagonal.。
矩阵理论第4章习题解答
第四章 习题解答1. 证明：实对称矩阵A 的所有特征值在区间[],a b 上的充要条件是对任何0a λ<,0λ-A E 是正定矩阵；而对任何0a λ<,0λ-A E 是负定矩阵.证：因为A 为实对称矩阵，所以存在正交矩阵Q ，使得{}12,,n diag λλλ T A =Q Q ，其中特征值[],i a b λ∈.{}010200,,n diag λλλλλλλ--- T A -E =Q Q ,所以对于00,0i a λλλ∀<->知A 为正定矩阵；00,0i b λλλ∀>-<知A 为负定矩阵. 2. 设A ,B 都是实对称矩阵, A 的一切特征值在区间[],a b 上, B 的一切特征值在区间[],c d 上. 证明: A+B 的特征值必在区间[],a c b d ++.证：设A ,B 的特征值分别为()()()12n b A A A a λλλ≥≥≥≥≥ ， ()()()12n d B B B c λλλ≥≥≥≥≥ ，又因为A ,B 为实对称矩阵，所以A ,B 为Hermite 矩阵，由定理18知，A+B 的特征值()k λ+A B ，1,2,,k n ∀= . 有()()()()()1k n k k λλλλλ+≤+≤+A B A B A B .即()()()()()()()1k k n k k k a c c d b dλλλλλλλ+≤+≤+≤+≤+≤+≤+A A B A B A B A 3 设P 是酉矩阵，()1,,n A diag a a = ，证明PA 的特征值μ满足不等式m M μ≤≤，其中，{}min i im a =，{}max i iM a =.证：因为P 是酉矩阵，所以HP P E =，又因为()()HH H H PA PA A P PA A A ==，所以由Browne 定理知，PA 的特征值μ满足不等式minminmaxmaxiiiiμ=≤≤=而minmin i iia m ==，maxmax i iia M ==，所以 m M μ≤≤.4．用圆盘定理证明9121081110401001-⎡⎤⎢⎥⎢⎥⎢⎥-⎢⎥⎣⎦A =至少有两个实特征值. 证: A 的4个盖尔圆为{}1|94G z z =-≤,{}2|82G z z =-≤, {}3|41G z z =-≤,{}4|11G z z =-≤,它们构成的两个连通区域部分为1123S G G G = , 24S G =, 易知1S 与2S 都关于实轴对称, 因为实矩阵的复特征值必成对共轭出现, 所以2S 中含有A 的一个特征值, 而1S 中至少含有A 的一个实特征值, 因此A 中至少有两个实特征值. 5 参见课本135页中的例1. 6 用圆盘定理估计7-168-1678885⎡⎤⎢⎥-⎢⎥⎢⎥--⎣⎦A =的特征值和A 的谱半径, 然后选取一组正数123,,p p p 对A 的特征值作更细的估计. 解: A 的3个特征值在它的2个盖尔圆724z -≤,516z +≤得并集中, 且()31r A ≤. 因为矩阵A 有相同的主对角元素，所以，无法通过选取正数123,,p p p 给出更精细的估计.7证明141414141525115161636161171737⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦A =的谱半径()1r <A . 证: 113:||44S z -≤，223:||55S z -≤，333:||66S z -≤，433:||77S z -≤，故矩阵A 的盖尔,圆盘位于单位圆内且只与单位圆交于1，又因为||0E A -≠，所以知()1r <A .8. 证明14141141251515161636161717147⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦A =的谱半径()1r =A . 证: 113:||44S z -≤，223:||55S z -≤，333:||66S z -≤，443:||77S z -≤，故矩阵A 的盖尔,圆盘位于单位圆内且只与单位圆交于1，又因为()det 10=I -A , 所以()1r =A . 9．举例说明：（1）在有两个盖儿圆构成构成的连通部分中，可以在每一个盖儿圆中恰有一个特征值. （2）不一定每个盖尔圆中必有一个特征值.解：（1）如122-1⎛⎫ ⎪⎝⎭A =，故250λλ-=-=E A，1,2λ=（2）如1-0.80.50⎛⎫ ⎪⎝⎭A =，故20.40λλλ-=-+=E A，(1,211.2λ=±11．设()n,nij a =∈C A ，满足()1,2,,ij ij j ia a i n ≠>=∑ 则（1）A 可逆； （2）1det .nii ij j i i a a ≠=⎛⎫≥- ⎪⎝⎭∑∏A 证：（1）因为A 为严格对角占优矩阵，由定理4知，A 可逆。
南航矩阵论课后习题 习题6
习题 67. 证：（1）. ()1,(), 1.I I I I ρρ=≤∴≥(2). 设对应λ的特征向量为α，即λαα=A ，从而αλα11=-A ，则ααλαλ111-==A α1-≤A ，即11-≤A λ，也就是11-≥A λ.12. 证：(1) 设rank(A)=r. 因为)(max 2A A A H λ=，矩阵A A H 是Hermite 矩阵，其特征值是非负实数，记为10r λλ≥≥> ，于是得12λ=A ，且)(A A t AHr F=21A =≥λ另一方面，F A =2A ≤=，故有2FF A A A ≤≤(2).（32.A A ∞∞≤≤ 证明：由定理6.2.9及（2）的结论，知 2221.A A Am A ∞∞≤≤于是2AA ∞≤。
设0,111max n nij i j i mj j Aa a ∞≤≤===∑∑ ，又)())000001/21/22,,111/2max2,nni ji j i i j j i i aa e AA e e AA I e A λT H==TH⎫≤=⎪⎭≤⋅⋅=∑∑2A A ∞≤。
所以不等式成立。
14.提示：证明：由Schur 定理知，存在一个酉矩阵U 和一个上三角矩阵R ，使得112122,n n n r r r U AU R λλλH ⎛⎫ ⎪⎪== ⎪ ⎪⎝⎭ 于是2222112222212121,21,nnij F FFi j n n n ni j a AU AURr r λλλλH ==-=====++++++≥∑∑∑1221122221112{,,},(){||,,||},||,,||(||)(()),.n HH H n n nn ij Fi j H A AP diag A A P P Pdiag P a tr A A λλλλλλ-==∴∃=∴=ΛΛ=∴==∑∑ H H正规,酉矩阵P, s.t.P 为A A 的特征值.再结合A 可知等号成立19.22.,,)0.||||0..||||||||||||,||||,..T n j k nnk kj j k kj j j kj kn nk kj kj j kj kx x x x a x x a x x a a ≠≠≠≠≠=≠=-∴≤≤≤∑∑∑∑ 1jkk kk kk 反证:若A 奇异,则Ax=0有非零解x,x=(x 记max 考察Ax=0的第k 个方程:a a 即a 与条件矛盾命题正确。
南航矩阵论研究生试卷及答案
(2)求广义逆矩阵 ;
(3）求该线性方程组的极小最小二乘解.
解答：(1) 矩阵 ， 的满秩分解为
．…………………(5分)
(2) .……………………（10分)
(３）方程组的极小最小二乘解为 ．…………(5分)
共６页第5页
四、(２0分)已知幂级数 的收敛半径为3,矩阵 .
(1) 求 ;
，
证明 是 的一个内积;
(3)求 在题(2)所定义的内积下的一组标准正交基；
(4)证明 是 的线性变换，并求 在题（1)所取基下的矩阵.
解答：(１) 的一组基为 维数为3.
……………………………………(5分）
(2)直接验证内积定义的四个条件成立.……………………………(4分)
(3) 标准正交基 .…………（５分）
(4）由于 ，所以 是 的一个变换.又直接验证,知
,
因此 是 的一个线性变换.………………………………（3分)
线性变换 在基 下的矩阵为
.……………………………………………(3分)
二、(2０分）设三阶矩阵 ， ， .
(１)求 的行列式因子、不变因子、初等因子及Jordan标准形;
(2)利用 矩阵的知识，判断矩阵 和 是否相似，并说明理由.
南京航空航天大学２012级硕士研究生
共６页 第１页
20１２~201３学年第１学期《矩阵论》课程考试A卷
考试日期:2013年１月15日课程编号:Ａ080０0１命题教师:阅卷教师:
学院专业学号姓名成绩
一、(20分)设 是 的一个线性子空间,对任意 ，定义： ,其中 .
(1)求 的一组基和维数；
（2)对任意 ，定义：
解答: ( 的行列式因子为 ;…(3分)
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
习题四提示
2证明：（1）以H
UV A -为子块的分块矩阵⎥⎦
⎤
⎢⎣⎡-m H
H
I V
O UV A 左乘两个可逆分块矩阵，可得
⎥
⎦
⎤
⎢⎣⎡-=⎥⎦⎤⎢⎣⎡-⎥⎦⎤⎢⎣⎡⎥⎦⎤⎢⎣⎡---U A V I O U A I V O UV A I O U I I A V O I H m m H H
m n
m H n
11 上式中A 可逆，且由题意知U A V I H m 1--可逆，因此等式右边可逆，即等式左边可逆，所以可分析得H UV A -可逆，得证。
（2）由上面可知
[]
I
A UV A UV I A V I U A V U A V I U A UV I A V I U A V U A UV A UV A V I U A V U I A V I U A V U A A UV A H H H
H
H
H
H H H H H H H H H =+-=----=-+---=-----------------------111
1
1
1
1
111111111
1111))(()()()()(
∴可知111111)()(--------=-A V I U A V U A A UV
A H H H
1:()(),()(),().
:().(),
.
0,0)
T T T T T r AB r A m r AB r I m r A m AA B A AA AB I x x AA x -≤≤==∴==∴=∀≠> 5.必要性充分性:由条件非奇异设(对
121122*********..
;,
,,))..
,H H U AU B U U AU D BU D D D U D U U D U D A B ∃=∃==∴=∴H H 1H 2112必要性酉阵使得U 酉阵,使得U U 是对角元素分别为A,B 特征值的对角阵.
(U (U 酉相似于D 充分性：对分别用定理4.5.4,找出所需的酉矩阵。
19.先设出A 的所有特征根，运用推论4.5.1仅需证A 特征值为1或0即可。
20.类似于上题。
习题五提示
4. (1). 只需说明1 和-1不是A 的特征根即可(利用行列式).
(2).
1111|()()||()()()()||()()||()|0..
I I A I A I A I A I A I A I A I A I A -------+=-++--+=-+--+≠∴结论成立2222119.0., 1..
H i n n A AA I U I I λλλλλλλλλλλλλλλ∴∃>===∴=∴==∴= H 1n H H 1n 1n H H 1n H H 1n 为Hermite 矩阵,酉矩阵U, s.t. A=Udiag{,,}U ,再由正定性知:Udiag{,,}U Udiag{,,}U Udiag{,,}U diag{,,}=U =A=Udiag{,,}U =A=Udiag{1,,1}U
2
1
1
2
10..
,.()(),,.H
AB A n S A S S AB S S S B S SBS S BS B AB --∴∃=∴===∴∴ 为Hermite 是显然的正定阶可逆Hermite 阵使得非负定其特征值为非负数特征值也为非负数,从而非负定.
11. 利用Th.5.2.7.
:.(1,,)0(1,,);(1,,)0(1,,).0(1,,)
i i i i i j i i n i n i n i n AB i n λλσσλσσ=∴>==∴≥=≡= 12.提示充分性是显然的仅需证明必要性.设为A 的n 个特征值,据条件知:
设为B 的n 个特征值,据条件知:下面说明为的n 个特征值,再说明即可.
113.,0,1,,.11,1,,.||(1)(1) 1.0(1,,)0.
n A Hermite i n I A i n I A i n A λλλλλ∴≥=∴++≥=∴+=++≥⇔==⇔= i i i 为非负定阵它的所有特征值的所有特征值为等号成立
1
1
1
1
:,,,||:|||||||()||||||()|,H H
H
H H A Hermite n Q A Q Q A B A B Q Q B Q I Q BQ Q A I Q BQ ----∃=++=+=++14.提示利用为正定阶可逆阵使得代入得再用13题结论.
24. 类似与定理5.3.2证法.。