最新《矩阵分析》(第3版)史荣昌,魏丰.第一章课后习题答案教学内容

合集下载

第1章 线性空间与线性变换-1

第1章  线性空间与线性变换-1
例如:在正实数集R {a | a 0, a R} 中定义加法“”和数乘“”运算如下: a b ab, a a , a,b R , R 则R是数域R上的线性空间。
矩阵分析简明教程
事实上, a, b R a b ab R; R, a R a a R . 所以对定义的加法与数乘运算封闭. 下面一一验证八条线性运算规律: (1) a b ab ba b a; (2)(a b) c (ab) c (ab)c a(bc) a (b c); (3) R中存在零元素 1, 对于a R , 有
2
矩阵分析简明教程
例1 数域 F上的n维向量全体,按n维向量加法与n维 向量的数量乘法构成数域 F上的线性空间 F n 。 例2 数域 F 上 m n 阶矩阵全体,按矩阵的加法 和数乘,构成 F 上的线性空间 F mn 。 例3 数域 F上一元多项式全体按照多项式的加法以 及数与多项式的乘法构成 F 上的一线性空间 F[ x] 。
矩阵分析简明教程
第一章 线性空间与线性变换
矩阵分析简明教程
§1.1、线性空间的基本概念
线性空间是线性代数最基本的概念之一, 是矩阵论中极其重要的概念之一。它是向 量空间在元素和线性运算上的推广和抽象。
线性空间中的元素可以是向量、矩阵、多 项式、函数等,线性运算可以是我们熟悉 的一般运算,也可以是各种特殊的运算。
数的加法和数与函数的乘法构成线性空间 C[a, b]
矩阵分析简明教程
例6 齐次线性方程组 Ax 的所有解的集合构成数 域 R 上的线性空间 N ( A) ,称为 Ax 的解空间, 或矩阵 A 的核空间或零空间,即
N ( A) { x Rn | Ax , A Rmn} Ker( A)
向量个数 n 称为线性空间V 的维数,记为 dimV n

《应用多元分析》第三版(第一章 矩阵代数)

《应用多元分析》第三版(第一章  矩阵代数)

❖ 例1.6.4 设方阵A:p×p的p个特征值为λ1,λ2,⋯,λp,试证: (i)若A可逆,相应于λ1,λ2,⋯,λp的特征向量分别为x1,x2,⋯,xp, 则A−1的p个特征值为 ,相应的特征向量仍为x1,x2,⋯,xp; (ii)若A为幂等矩阵,则A的特征值为0或1; (iii)若A为正交矩阵,则A的特征值为1或−1。
置与大小顺序相反,即前面的数大于后面的数。例
如,τ(3142)=1+τ(1342)=3+τ(1234)=3。
行列式的一些基本性质
❖ (1)若A的某行(或列)为零,则|A|=0。 ❖ (2)|A′|=|A|。 ❖ (3)若将A的某一行(或列)乘以常数c,则所得矩阵的行列式为
c|A|。 ❖ (4)若A是一个p阶方阵,c为一常数,则|cA|=cp|A|。 ❖ (5)若互换A的任意两行(或列),则行列式符号改变。 ❖ (6)若A的某两行(或列)相同,则行列式为零。 ❖ (7)若将A的某一行(或列)的倍数加到另一行(或列),则所得行
a1a1 a1a2
a1a p 1
0
a2 a1
a2 a1
a2a
p
1
apa1
apa1
apa
p
0
1ቤተ መጻሕፍቲ ባይዱ
故有
aia j
1, 0,
若i j 若1 i j p
即a1,a2,⋯,ap为一组正交单位向量。同理,由AA′=I 可证a(1),a(2),⋯,a(p)也是一组正交单位向量。
§1.3 行列式
A1 diag
a 1 11
,
a 1 22
,
,
a
1 pp
❖ (7)若A和B为非退化方阵,则
A
0

矩阵论第三版答案详解

矩阵论第三版答案详解

矩阵论第三版答案详解矩阵论是数学中重要的一个分支,它在现代科学和工程领域中扮演着至关重要的角色。

作为矩阵论的教材,第三版的答案详解被广泛使用,为学生提供了全方位的指导和帮助。

本文将深入探讨这本书的一些重要内容及其作用。

首先,这本书中提供的答案详解对于学生来说是非常有价值的。

矩阵论是一门比较抽象的课程,难度较大,需要学生大量练习才能熟练掌握。

本书详细解答了书中的每一个问题,将数学公式和理论联系起来,对于深入理解矩阵论的原理具有重要的作用。

同时,答案详解中的解题方法和思路也为学生提供了参考,学生能够更好的掌握矩阵论的知识点。

其次,在学术研究领域,这本书提供的答案详解也发挥了重要的作用。

矩阵论作为数学中的一个分支,被广泛应用于现代科学和工程中。

对于科研工作者来说,矩阵论的理论和问题都是非常具有挑战性的。

在科研中,研究者需要掌握矩阵论的重要原理,并能够对各种复杂问题进行分析和解决。

而这本书提供的答案详解,可以帮助研究者更好的理解和掌握矩阵论的知识点,为科学和工程领域的研究工作提供帮助。

最后,这本答案详解还为教育教学提供了有益的参考。

矩阵论作为数学中的重要分支,被广泛纳入到高等教育课程中。

然而,由于其抽象性和难度较大,许多学生感到困难。

这本答案详解中提供的方法和思路可以帮助教师更好的教授这门课程,提高学生的学习兴趣和学习效果。

此外,这本书中详细的解答和讲解方法也为教育教学提供了可借鉴性,促进了教育教学的创新和改进。

总之,矩阵论第三版答案详解是一本非常有价值的书籍,对于学生、科研工作者和教师都具有重要的作用。

通过学习和掌握矩阵论的知识点和解题方法,我们能够更好地应用其理论和方法,为现代科学和工程领域的发展做出贡献。

矩阵分析第一章课件.ppt

矩阵分析第一章课件.ppt
是行满秩的。该系统是可观测的充分必要条件是可观测
性判别矩阵
C
V
CA
CAn
1
是列满秩的。
例 5:设
A
0 1
1 0
,
B
1 1
1 1
由于矩阵
B
AB
1 1
1 1 1 1 1 1
是行满秩的,所以相应的系统是可控制的。
二 矩阵理论在生物数学中的应用
在化的花瓣中存在一种特殊的生物模式。几乎所有 花,其花瓣数都是一种有规律的级数。例如百合花 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。 另外,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,同时植物的叶序中也存 在此种现象。这就是著名的Fibonacci级数模式。我 们称下面的数列
x2
4 3 , x3
1 3 , x4
2 3
同样可解出在第二组基下的坐标为
y1 1, y2 1, y3 1, y4 4
由此可以看出:一个向量在不同基底下的坐标是不相 同的。
基变换与坐标变换
设 1,2 , ,n(旧的)与 1, 2, , n (新的) 是 n 维线性空间V 的两组基底,它们之间的关系为
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

史荣昌魏丰版矩阵分析第一章(1)

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。

矩阵分析第章习题答案

矩阵分析第章习题答案

矩阵分析第章习题答案第三章1、已知()ij A a =是n 阶正定Hermite 矩阵,在n 维线性空间n C 中向量1212(,,,),(,,,)n n x x x y y y αβ==定义内积为(,)H A αβαβ=(1)证明在上述定义下,n C 是⾣空间;(2)写出n C 中的Canchy-Schwarz 不等式。

2、已知2111311101A --??=?-,求()N A 的标准正交基。

提⽰:即求⽅程0AX =的基础解系再正交化单位化。

3、已知308126(1)316,(2)103205114A A --??=-=-??----试求⾣矩阵U ,使得H U AU 是上三⾓矩阵。

提⽰:参见教材上的例⼦4、试证:在nC上的任何⼀个正交投影矩阵P 是半正定的Hermite 矩阵。

5、验证下列矩阵是正规矩阵,并求⾣矩阵U,使H U AU 为对⾓矩阵,已知131(1)612A=01(2)10000i A i -=??,434621(3)44326962260ii i A i i i i i +--=----?+--??11(4)11A -??=??6、试求正交矩阵Q ,使TQ AQ 为对⾓矩阵,已知220(1)212020A -=---??,11011110(2)01111011A -??-?=-??-??7、试求矩阵P ,使H P AP E =(或T P AP E =),已知11(1)01112i i A i i +=--??,222(2)254245A -??=---8、设n 阶⾣矩阵U 的特征根不等于1-,试证:矩阵E U +满秩,且1()()H i E U E U -=-+是Hermite 矩阵。

反之,若H 是Hermite 矩阵,则E iH +满秩,且1()()U E iH E iH -=+-是⾣矩阵。

证明:若||0+=E U ,观察0-=E U λ知1-为U 的特征值,⽭盾,所以矩阵E U +满秩。

《矩阵分析》课程教案

《矩阵分析》课程教案
难点:Hermite矩阵、Hermite二次齐次式,正定二次型、正定Hermite矩阵,Rayleigh商
讨 论
练 习
作 业
作业:第3章练习题中任选5题
教学要求
熟练掌握线性空间与线性变换,矩阵的Jordan标准型,内积空间,正规矩阵,Hermite矩阵,二次型,矩阵分解,特征值的估计与计算,矩阵的扰动问题,向量范数与矩阵范数,矩阵序列和级数,广义逆矩阵,矩阵函数等基本概念和基本方法。
教学方法
课堂讲述+实验演示+实际动手操作+作业+研究报告
教学手段
多媒体课件+案例+理论推导+编程实现
考核方式
结合课堂所学写一篇论文/开卷考试二者选一
教学参考资料
[1]《矩阵分析》,史荣昌,魏丰编著,北京理工大学出版社,2010.6,第3版
[2]《Matrix Methods in Data Mining and Pattern Recognition》,Lars Eldén,The SIAM series on Fundamentals of Algorithms,2007.2
本课程针对计算机应用技术专业研究生的知识结构背景,在其本科阶段所学的《线性代数》的基础之上,进一步深化和提高矩阵理论的相关知识,并着重培养学生运用矩阵分析的知识和方法解决计算机应用领域相关问题的能力。通过本课程的学习,使学生掌握矩阵理论的基本概念,基本理论和基本方法,全面了解和掌握矩阵的标准形、特征值与特征向量、矩阵分解、范数与矩阵函数等重点内容,了解近代矩阵理论中十分活跃的若干分支,为今后的进一步学习和研究打下扎实的基础。
山西财经大学研究生课程教案
课程名称
矩阵分析
课程编码

矩阵分析 史荣昌 魏丰 第三版 第一章-第四章 期末复习总结

矩阵分析 史荣昌 魏丰 第三版 第一章-第四章 期末复习总结

定义:若v1 ∩ v =0,则称v1与v 2 的和空间v1 + v 2 是直和,用记号v1 ⊕ v 2 表示

定理:设v1与v 2 是线性空间 v 的两个子空间,则下列命题是等价的


1) v1 + v 2 是直和
直和
2) dim(v1 + v 2 )= dim v1 + dim v 2
3)

α1, αn1
α α α 定理:(1) R(T)=span{T( 1 ),T( 2 ),……T( n )} (2)rank(T)=rank(A)(A 为线性映射在基下的矩阵表示)


性质:
设 A 是 n 维线性空间V1 到 m 维线性空间V2 的线性映射,α1,α2, αn
是V1
的一组基,β1,
β
2
,
,βm
是V2 的一组基。线性映射 A 在这组基下的矩阵表示是 m*n 矩阵 A=( A1,A2, An
特征子
空间
V 性质:特征子空间 λi 是线性变换 T 的不变子空间。
定义:设v1和v 2 是数域 F 上的两个线性空间,映射 A:v1 → v 2 ,如果对任何两个向量 α1,α2 ∈ v1和任何数λ ∈ F
有 A( α1 + α2 )=A( α1 )+A( α2 ),A( λα1 )= λ A( α1 ),便称 映射 A 是由v 1到v 2 的线性映射
α1,α
2
,
αr
生成的子空间为
T
的不变子空间。
0 0 an,r +1 ann
λ α λ λ λ 定义:设 T 是数域 F 上 n 维线性空间 V 的线性变换,如果 V 中存在非零向量α,使得 T(α)= 0 , 0 ∈F.那么称 0 是 T 的一个特征值,称α是 T 的属于 0 的一个特征向量。

史荣昌魏丰版矩阵分析第三章(1)

史荣昌魏丰版矩阵分析第三章(1)

内积空间正规矩阵与第三章内积空间、正规矩阵与H -矩阵定义:设是实数域上的维线性空间,对于中的任意两个向量按照某一确定法则对应着一V R n V ,αβ个实数,这个实数称为与的内积,记为,并且要求内积满足下列运算条件:αβ(,)αβ1()(,)(,)αββα=2()(,)(,)(()(k k αβαβ=34000),,)(,)()(,),(,).αβγαγβγααααα+=+≥==当且仅当时这里是中任意向量,为任意实数,我们称带有这样内积的维线性空间为欧氏空间。

,,αβγV k n V 例1在中,对于nR 1212(,,,),(,,,)n n x x x y y y αβ==""规定11122(,)n nx y x y x y αβ=+++"容易验证是上的一个内积,从而成1(,)n R n R 为一个欧氏空间。

如果规定211222(,)n nx y x y nx y αβ=+++"容易验证也是上的一个内积,这样又成为另外一个欧氏空间2(,)n R n R又成为另外个欧氏空间。

例2在维线性空间中,规定n mR×nm T容易验证这是上的一个内积,这样对于(,):Tr()A B AB =n mR ×n mR ×这个内积成为一个欧氏空间。

例3在维线性空间中,规定2n n nC×(,):()HA B Tr AB =其中H表示中所有元素取共轭复数后再转置,容易验证是上的一个内积,从而连同这个内积一起成为酉空间。

B B (,)n n×n nC ×连同这个内积起成为酉空间。

C欧氏空间的性质)()β欧氏空间的性质:(1)(,,k k αβα==(2)(,)(,)(,))()ttαβγαβαγ++11(3)(,,i i i i i i k k αβαβ===∑∑(4)(,)(,)tti i i i k k αβαβ===∑∑11i i4242ii i ++⎡⎤(1)21i i ⎢⎥−+⎢⎥4212i i ⎢⎥−+−−⎣⎦6123i i +⎡⎤(2)1291i i ⎢⎥−−⎢⎥317i i ⎢⎥−+−⎣⎦⎡018(3)4i i −⎤⎢⎥100i i −−−⎢⎥−−⎦84i i ⎢⎥⎣3132i i +⎡(4)13415i i ⎤⎢⎥−+2155i i ⎢⎥⎢⎥−−⎣⎦标准正交基底与Schmidt 正交化方法定义为一组不含有零向量的向量组如果:设为组不含有零向量的向量组,如果内的任意两个向量彼此正交,则称其为正交向量组{}i α{}i α量组。

《矩阵分析》(第3版)史荣昌,魏丰.第四章课后习题答案

《矩阵分析》(第3版)史荣昌,魏丰.第四章课后习题答案

第四章 矩阵分析4-1.(1)对矩阵A 只做初等行变换得到行简化阶梯形矩阵82100-55212311125141010551312114001-5582100-5521211251,0105513114001-55A B C A BC ⎡⎤⎢⎥-⎡⎤⎢⎥⎢⎥⎢⎥=-→⎢⎥⎢⎥⎢⎥-⎢⎥⎣⎦⎢⎥⎢⎥⎣⎦⎡⎤⎢⎥-⎡⎤⎢⎥⎢⎥⎢⎥=-=⎢⎥⎢⎥⎢⎥-⎢⎥⎣⎦⎢⎥⎢⎥⎣⎦=取于是即为其满秩分解表达式(2)对矩阵A 只做初等行变换得到行简化阶梯形矩阵1101010-10-1011110111123131000001110-10-101,0111123A B C A BC ⎡⎤⎡⎤⎢⎥⎢⎥=→⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎡⎤⎡⎤⎢⎥==⎢⎥⎢⎥⎣⎦⎢⎥⎣⎦=取于是即为其满秩分解表达式(3)对矩阵A 只做初等行变换得到行简化阶梯形矩阵12101212101212213300112124314500000048628100000001112121012,2300112146A B C A BC ⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥=→⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎡⎤⎢⎥⎡⎤⎢⎥==⎢⎥⎢⎥⎣⎦⎢⎥⎣⎦=取于是即为其满秩分解表达式(4)对矩阵A 只做初等行变换得到行简化阶梯形矩阵120111012011036142360011-1024022270000016121757300000010101201103136,0011-1020270000016173A B C A BC ⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥=→⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦=取于是即为其满秩分解表达式4-2.解:首先注意到A 的秩为1,同时计算出HAA 的特征值12=6=0λλ,,所以A 的奇异值1=6.σ然后分别计算出属于12λλ,的标准正交特征向量.]] []121211112121,1-1,1,.3111111=[,]T TH HU UV A UVV V VAηηηηη-====⎡⎤⎢⎥=∆==⎢⎥⎢⎥⎣⎦⎢⎥⎣⎦⎡⎢⎢⎢⎢⎢⎢⎥⎢⎥⎣⎦⎤⎥==⎢⎥⎥⎣⎦,记,现在计算取于是r000003333HrA U V⎤⎥⎤=⎥⎥⎢⎣⎦⎥⎦⎥⎢⎥⎣⎦=∆=⎦⎥⎦或者4-3.解:(1)容易验证H H H HAA A A BB B B==,所以A,B是正规矩阵.(2)下面求A的谱分解:[][]21231123232323111(+1)(-2)=2==-1.=2=.==-1=10-1=1-0.=0=.TTTTTH E A A G λλλλλλλξλλααααξξξξ-===故的特征值为:,对于特征值,其对应的特征向量对于特征值,其对应的特征向量,,,,1,将,正交化和单位化得,,于是2223311133311133311133300111110636221210003331110226H H G ξξξξ⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢=+=+⎢⎥⎢⎢⎥⎢⎢⎢⎥⎢⎣⎢⎥⎣⎦-⎡⎤-⎢⎥⎢⎥=+--⎢⎥⎢⎥-⎢⎥-⎣⎦122113331213331111236333=2A G G ⎡⎤⎡⎤--⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥=--⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥--⎢⎥⎢⎥⎣⎦⎣⎦-因此即为其谱分解.矩阵B 的谱分解参照矩阵A 的谱分解方法. 4-4. 解:已知矩阵024102211042A ⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦[][][]21231212331231231(+1)(+2),==-1=-2==-1=-2,1,0,4,0,1=-2=4,2,1.244[,,]102011T TTE A A A P P AP λλλλλλλλααλααααααα--==---⎡⎤⎢⎥==⎢⎥⎢⎥⎣⎦-=求得所以其对应的特征值为:,对应于特征值,其对应的特征向量对应于特征值,其对应的特征向量为:,,线性无关,所以矩阵可对角化,所以矩阵是单纯矩阵于是而且有:11231112223311161212100211010,()366002221333122112111=--=-=6331263126322433312263311212632T TTTT TT P G G βββαβαβαβ-⎡⎤-⎢⎥⎡⎤⎢⎥⎢⎥⎢⎥-=-⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎢⎥-⎢⎥⎣⎦⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎡⎤-⎢⎥⎢⎥⎢⎥=+=--⎢⎥⎢⎥⎢⎥--⎢⎥⎣⎦==取:,,,,,,,,令122433312263311212632A G G A ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦=-+故即为矩阵的谱分解表达式.4-5.解:[][][]12312i 20000-i 0000500000,=5==0000=51,0,02001,0,0,=1,0,0-i 00100H H H H TT T H HHA A AA AA AA U V A U A V λλλδληηη-⎡⎤⎡⎤⎢⎥==⎢⎥⎢⎥⎣⎦⎢⎥⎣⎦⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦⎡⎤⎢⎥⎡⎤⎢⎥==∆⎢⎥⎢⎥⎣⎦⎢⎥⎣⎦⎡⎤⎢=∆=⎢⎢⎣⎦,求出的特征值为,所以的奇异值为:求出对应于的特征根:==H⎡⎤⎥⎥⎥⎥⎢⎥⎣⎦4-6.解:()()()1231212112204002000i ,0100-i 000000(-1)(-4)=4,=1,=02=2,=1,14=1,0,04=0,1,010,0100H H H H T H TH A A AA E AA AA AA AA U λλλλλλλααμμμμ⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥===⎢⎥⎢⎥⎢⎥⎣⎦⎢⎥⎢⎥⎣⎦⎣⎦-=⇒⎡⎤∆=⎢⎥⎣⎦⎡⎤⎢⎥==⎢⎢⎣⎦,所以的奇异值为:特征值为的单位特征向量为:特征值为的单位特征向量为:于是1111100-i 102100110-i 00H H H HV A U A U V -⎥⎥⎡⎤=∆=⎢⎥⎣⎦⎡⎤⎡⎤⎡⎤⎢⎥=∆=⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎢⎥⎣⎦因此所以4-7.解:(1) 首先求出矩阵A 的特征多项式212322082(+2)(-6)06=-2==6A (6E-A)=14204206E-A=8400000000E A aa a λλλλλλλλλ---=--=---⎡⎤⎡⎤⎢⎥⎢⎥--→-⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦所以其特征值为:,由于是单纯矩阵,从而r 有此可知:a=0;(2) 由上知a=0;()21231212331112223220=820-(+2)(-6)006==6;=-2,==6=0 =001=-2=0125524551TT T H H A E A A G G λλλλλλλλααλαααααα⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦⇒⎫⎪⎭⎫⎪⎭⎛⎫ ⎪ ⎪⎪=+== ⎪ ⎪ ⎪ ⎪⎝⎭所以,求出对应于的单位正交特征向量为:,,,求出对应于的单位特征向量为:因此,的投影矩阵,31212552455062H A G G α⎛⎫- ⎪ ⎪ ⎪=- ⎪ ⎪ ⎪ ⎪⎝⎭=-4-8.解: (1)3i -13i -1-i 0i -i 0i -1-i 0-1-i 0,.HH H A A AA A A A ⎡⎤⎡⎤⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦=,所以是正规矩阵 (2)()()())()()()212311223312312314122 1.2==-1=0,-i,1,,=0.8801,0.3251i,0.3251,=0.4597,0.6280i 0.6280,=TTTTTE A λλλλλλλλαλαλααααηηη-=+-+=+==-===求出与求出与求出与对应的特征向量为:将单位化得到单位特征向量为:,111222333112233,,=TH H HG G G A G G G ηηηηηηλλλ⎛ ⎝⎭===++所以4-9.解:对矩阵A 只作初等行变换100071415610290102000147712401525001772655700000310007141102901020077,1245250017726500000.A ABC BC A -⎡⎤⎢⎥-⎡⎤⎢⎥⎢⎥-⎢⎥⎢⎥=→→⎢⎥⎢⎥--⎢⎥⎢⎥--⎢⎥⎣⎦⎢⎥⎣⎦-⎡⎤⎢⎥-⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥--⎢⎥⎢⎥⎢⎥⎣⎦⎢⎥⎣⎦= 的秩为,且前三个列向量线性无关,故容易验证:4-10.解: 对矩阵A 只作初等行变换110130-331321421=261070013339311100000211012130-3321,210013333.2113210-361,93A A B C BC A A B C ⎡⎤⎢⎥⎡⎤⎢⎥⎢⎥⎢⎥→→⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎢⎥⎢⎥⎣⎦⎡⎤⎡⎤⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎢⎥⎣⎦=⎡⎤⎢⎥==⎢⎥⎢⎥⎣⎦ 的秩为,且第一,第三个列向量线性无关,故容易验证:的秩为,且第二,第三个列向量线性无关,故10992100133.BC A ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦=容易验证:4-11.解:()()1231231231231===0=00=0004400TTTH A Schmidt U R U A R ααααααυυυυυυ-⎛ ⎝⎛⎝⎛⎝⎡⎢⎢⎢==⎢⎢⎢⎢⎣⎡⎥⎢⎥⎢⎥=-⎢⎥⎢⎥⎢⎥⎢⎣⎦将,,的列向量,,用方法标准正交化得,命,,,则111335---1444420111==-=--2222-1131=.H x R U b Ax b -⎥⎡⎤⎡⎤⎢⎥⎢⎥⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦不难验证4-12.解:5000000005,0,0A H H AA AA ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦因为的特征值为,故4-13.解:2123111111202000202(-4),=4==0A=2=2.=4==,10111012HH HT T HHHAAE AA AAAA UV A Uλλλλλλαλ-⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦-=∆=⎡⎤=∆=∙=⎢⎥⎢⎥⎣⎦⎢⎥所以的特征值,,的奇异值为,的特征值的单位特征向量u u因此:不难验1122124.3.443301001HHHHH HA U VAAUA AU A A VU=∆=⎢⎥⎢⎥⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎡⎢⎢=⎢⎥⎢⎥⎣⎦=证这是定理表达形式.下面介绍定理..表述形式.又的零特征值所对应的次酉矩阵的零特征值所对应的次酉矩阵V于是AA的酉矩阵与的酉矩阵分别为V⎤⎥⎥=⎢⎥⎥⎢⎥⎥⎥⎦⎥⎦,且2000000HD A UDV ⎡⎤∆⎡⎤⎢⎥==⎢⎥⎢⎥⎣⎦⎢⎥⎣⎦=不难验证4-14. 解:()()()12312111121111400010(1)(4),000=4=1=02=2=1=14=1001=01010==010010010=U V 010H HH H H H H H AA E AA AA A AA u AA u U u u V A U i A λλλλλλλαα-⎡⎤⎢⎥=-=--⎢⎥⎢⎥⎣⎦⎡⎤∆⎢⎥⎣⎦⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦⎡⎤=∆=⎢⎥⎣⎦∆=,的特征值,,所以的奇异值,,的特征值为的单位特征向量的特征值为的单位特征向量于是因此所以3222121010043300=0=110010(,)=010,V=V 0001100201001001000100HH Hi AA u U U U U i A UDV i ⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎢⎥⎣⎦⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦⎡⎤⎡⎤⎢⎥==⎢⎥⎢⎥⎣⎦⎢⎥⎣⎦⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎣⎦⎢⎥⎢⎥⎣⎦⎣⎦若要写成定理..形式还得计算U,V.特征值为的单位特征向量故所以4-15.解:242-24-2422-4-2-2-2252-2-5H i i A i i i i A i i i i -⎡⎤⎡⎤⎢⎥⎢⎥==-=⎢⎥⎢⎥⎢⎥⎢⎥-⎣⎦⎣⎦由于所以A 是反Hermite 矩阵.2123121233111222-424+22==(+6i)(-3i)-22A ==-6i =3i.==-6i =0==3i 221=i -33354i2i -999-TTT H H iE A i i iA G λλλλλλλλλλλααλααααα+-=⎛ ⎝⎛⎫ ⎪⎝⎭=+= 的特征值,属于特征值的正交单位特征向量,属于特征值的正交单位特征向量,,因此的正交投影矩阵为233124i529992i 2899944i 2i 9994i 429992i 219996i 3i H G A A G G αα⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎡⎤-⎢⎥⎢⎥⎢⎥==-⎢⎥⎢⎥⎢⎥--⎢⎥⎣⎦=-所以的谱分解式为:+4-16..解:130i 2202031-i 022HA A ⎡⎤⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎣⎦由于所以A 是Hermite 矩阵.()21231212331112213--i 220-20==(-2)(+1)31-i 0-22A ==2=-1.==2=010=0=-1=01i 022010i 1-022TTTH H E A A G G λλλλλλλλλλλααλααααα-=⎡⎤⎢⎥⎢⎥=+=⎢⎥⎢⎥⎢⎥⎣⎦ 的特征值,属于特征值的正交单位特征向量,,,属于特征值的正交单位特征向量因此的正交投影矩阵为233121i 0-22010i 10222-H A A G G αα⎡⎤⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎣⎦=所以的谱分解式为:4-17. . .解:先求A 的特征值和特征向量,由21234-603+50=(-1)(+2)36-1==1=-2.E A A λλλλλλλλλ--=故的特征值为:,()()()()1231212331123=1-3-60360=0360=2-1,0=0,0,1=-2-3-60360=0360=-11,1201111,,101()=122011010TTT Tx x x x x x P P λααλαααα-⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦--⎡⎤⎡⎢⎥==--⎢⎥⎢⎥⎣⎦⎣当时,由方程组求得特征向量为:,,当时,由方程组求得特征向量为:,所以,()()()1231112223312=1,1,0,=-1,-2,1,=1,2,022*******,1201211202TTTT TT G G A A G G βββαβαβαβ⎤⎢⎥⎢⎥⎢⎥⎦--⎡⎤⎡⎤⎢⎥⎢⎥=+=--==⎢⎥⎢⎥⎢⎥⎢⎥--⎣⎦⎣⎦=-因此于是所求投影矩阵为的谱分解表达式为4-18.解: 因为()()1122r r 1122r 20112012012r 11122r r 1122r r 220111011201=+++=++++=++++=(G +G ++G )+()++()=(++++)G +(++++)G ++(+k k k k r s s ss s s s s s A G G G A G G G f a a a a f A a E a A a A a A a a G G G a G G G a a a a a a a a a a λλλλλλλλλλλλλλλλλλλλλλλ=+++++++++ 若则()()()211122+++)=G +G ++s s r ra a f f f G λλλλλ 4-19.解:方法一:A 是单纯矩阵()()()()()31234123123441234-1-11-11-1=(-1)(+3)-11-11-1-1===1=-3.===1=1100=101,0=-100,1=-3=1-1-1,111-11100-1,,,=010-10011T T TTE A A P λλλλλλλλλλλλλλαααλααααα-=⎡⎤⎢⎢=⎢⎢⎣故的特征值为:,属于特征值的正交单位特征向量,,,,,,,,,属于特征值的正交单位特征向量,,所以1123411122331111-44443111--4444,()=1311--44441131444413111131=-=-4444444411131111=-=--44444444314+T TTT TT TT P A G ββββαβαβαβ-⎡⎤⎢⎥⎢⎥⎢⎥⎥⎢⎥⎥⎢⎥⎥⎢⎥⎥⎢⎥⎦⎢⎥⎢⎥⎣⎦⎛⎫⎛⎫⎪ ⎪⎝⎭⎝⎭⎛⎫⎛⎫ ⎪ ⎪⎝⎭⎝⎭=+=因此,,,,,,,,,,,,,,因此的正交投影矩阵为11444131144441131444411134444⎡⎤-⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥--⎢⎥⎣⎦244121111-4444111144441111--444411114444-3H G A A G G αβ⎡⎤-⎢⎥⎢⎥⎢⎥--⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥---⎢⎥⎣⎦=所以的谱分解式为:方法二:A 是正规矩阵.由方法一中已知A 的特征值1234===1=-3λλλλ,,把1234αααα,,,Schmidt 方法标准正交化得123441112233244=00=0=1111=--22223111444413114444+113144441113444411-44T T TTT T TH G G υυυαυυυυυυυυυ⎫⎫⎛⎪⎪ ⎭⎝⎭⎛⎫⎪⎝⎭⎡⎤-⎢⎥⎢⎥⎢⎥-⎢⎥=+=⎢⎥⎢⎥-⎢⎥⎢⎥--⎢⎥⎣⎦-==,,,把单位化得 ,,,正交投影矩阵121144111144441111--444411114444-3A A G G ⎡⎤⎢⎥⎢⎥⎢⎥--⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥---⎢⎥⎣⎦=所以的谱分解式为:。

矩阵分析所有习题及标准答案

矩阵分析所有习题及标准答案

习题3-16
#3-16:设若A,BHnn,且A为正定Hermite矩阵, 试证:AB与BA的特征值都是实数.
证1:由定理3.9.4,A1/2是正定矩阵,于是 A-1/2(AB)A1/2=A1/2BA1/2=MHmn, 即AB相似于一个Hermite矩阵M. ∴ (AB)=(M)R,得证AB的特征值都是实数. 又 A1/2(BA)A-1/2=A1/2BA1/2=MHmn, 即BA相似于一个Hermite矩阵M. ∴ (BA)=(M)R,得证BA的特征值都是实数.
习题3-25
#3-25:A*=-A(ASHnn) U=(A+E)(A-E)-1Unn. (ASHnnAE的特征值全不为0,从而AE可逆)
解: U*=U-1 ((A-E)*)-1(A+E)*=(A-E)(A+E)-1 (-A-E)-1(-A+E)=(A-E)(A+E)-1 (A+E)-1(A-E)=(A-E)(A+E)-1 (A-E)(A+E)=(A+E)(A-E) A2-E=A2-E
n
j
nn使U*AU=R为 3 1 6 #3-3(1):已知A= ,试求UU 2 0 5 上三角矩阵. 解:det(E-A)=(+1)3给出=-1是A的3重特征值. 显然,1=(0,1,0)T是A的一个特征向量.作酉矩阵 V=(1,2,3),2=(1,0,0)T,3=(0,0,1)T,则
习题3-14
#3-14:若AHmn,A2=E,则存在UUnn使得 U*AU=diag(Er,-En-r).
证:存在UUnn使得 A=Udiag(1,…,n)U*, (*) 其中1,…,n是A的特征值的任意排列. ∵ A2=E=Udiag(1,…,1)U* 和 A2=Udiag(1,…,n)U*Udiag(1,…,n)U* =Udiag(12,…,n2)U* ∴ i2=1,即i=1,i=1,…,n,. 取1,…,n的排列使特征值1(设共有r个)全排在 前面,则(*)式即给出所需答案.

《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》课程教案

《矩阵分析》课程教案
内容
Jordan标准形的概念 用MATLAB求Jordan标准形
教学 重点 难点
重点:Jordan标准形
难点:无
讨论 练习 作业
练习:用MATLAB求Jordan标准形
参考 资料
教学
后记
教学单元
3时 间2015.10.14周三上午1-4节
时 间2015.10.21周三上午1-4节
教学 内容
第3章内积空间、正规矩阵、Hermite矩阵
教学 要求
要求学生熟练掌握矩阵函数的Jordan表示、多项式表示和幕级数表示及其相应
的计算方法。
教学 方法
理论讲解+案例教学
教学
内容
6.1矩阵多项式、最小多项式
6.2矩阵函数及其Jordan表示
6.3矩阵函数的内插多项式表示与多项式表示
6.4矩阵函数的幕级数表示
6.5矩阵指数函数与矩阵三角函数
教学 重点 难点
Matrix Approximati on
Prin cipal Comp onent An alysis
Solvi ng Least Squares Problems
Con diti on Number and Perturbati on Theory for the Least Squares Problem
SIAM series on Fundamentals of Algorithms,2007.2
[3]《Foundations of Data Science»,John Hopcroft,Ravindran Kannan,Version 11/4/2014
教学单元
1
时间
2015.9.23周三上午1-4节

矩阵分析课件

矩阵分析课件

x , x , , x
n
例 3
实数域
R 上的线性空间 R 中,函数组 1,cos x,cos 2 x, ,cos nx
R
也是线性无关的。
例 4 实数域
R 上的线性空间空间 R R 中,函数组
1,cos x,cos2 x
2
是线性相关 函数组
cos 2 x 2cos 2 x 1
sin x,cos x,sin x,cos x, ,
最大(线性)无关向量组
定义3 设有向量组A,如果在A中能选出r个向量
A0 : 1 , 2 ,, r,满足 (1)向量组 A0 : 1 , 2 ,, r 线性无关; (2)向量组A中任意r 1个向量(如果 A中有
r 1个向量的话)都线性相 关, 那末称向量组 A0是
向量组A的一个 最大线性无关向量组 (简称 最大 数r称为向量组 无关组) ; 最大无关组所含向量个 的秩 . 只含零向量的向量组没 有最大无关组,规定
第一章
线性空间和线性映射
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, 在集和 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

a
n 1
R 上的线性空间。Hilbert条件是:
2
n
收敛
例8 在
R

中有界的无限序列组成的子集也构成
R 上的线性空间。一个无限序列 [a1, a2 , a3, ]
称为有界的,如果存在一个实数
r , 使得

矩阵分析习题附答案

矩阵分析习题附答案

一、空题(每小题5分,共30分)1、若矩阵A =0110101002103202211010352234⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦的满秩分解为A =BC ,则 B =⎡⎢⎢⎢⎢⎣⎤⎥⎥⎥⎥⎦,C =⎡⎢⎢⎢⎣⎤⎥⎥⎥⎦。

解:由初等行变换A =0110101002103202211010352234⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦→01101011300112200011010000⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥--⎢⎥⎢⎥⎣⎦→1310100222133001022200011010000000⎡⎤--⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥--⎢⎥⎢⎥⎣⎦, 知:B =110021221352⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦,C =13101002221330010222110001⎡⎤⎢⎥--⎢⎥⎢⎥⎢⎥⎢⎥-⎢⎥-⎢⎥⎢⎥⎣⎦。

2、矩阵A =101010403-⎡⎤⎢⎥⎢⎥⎢⎥-⎣⎦的最小多项式为()ϕλ= 。

解:由于[]()()()21011011000100100140300314001I A λλλλλλλλλλ⎡⎤+---⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥-=-→-→-⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥--++⎣⎦-⎣⎦⎢⎥⎣⎦ 知A 的初等因子为(λ—1),(λ—1)2,故A 的最小多项式为()ϕλ=(λ—1)2。

3、设1010221202A ⎡⎤=⎢⎥⎣⎦,则N (A )的一个标准正交基为。

解:由于1213531235452101020222212020x x x x x Ax x x x x x x x ⎡⎤⎢⎥⎢⎥++⎡⎤⎡⎤⎡⎤⎢⎥===⎢⎥⎢⎥⎢⎥+++⎢⎥⎣⎦⎣⎦⎣⎦⎢⎥⎢⎥⎣⎦等价于 135252020x x x x x ++⎡⎤⎡⎤=⎢⎥⎢⎥-⎣⎦⎣⎦,而其解空间的一个基为 α1=(-1,0,1,0,0)T ,α2=(0,0,0,1,0)T ,α3=(-2,2,0,0,1)T对其作标准正交化即得其一个标准正交基为(0,0,0)T ,(0,0,0,1,0)T ,(0,T 4、设12121121,;,2013e e e e ⎡⎤⎡⎤⎡⎤⎡⎤''====⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦为2R 的两个基,T 为2R 的线性变换,且1213(),()21T e T e ⎡⎤⎡⎤''==⎢⎥⎢⎥⎣⎦⎣⎦, 则T 在基12,e e 下的矩阵为A =⎡⎤⎢⎥⎣⎦。

最新矩阵分析课后习题解答(整理版)

最新矩阵分析课后习题解答(整理版)

第一章线性空间与线性变换(以下题目序号与课后习题序号不一定对应,但题目顺序是一致的,答案为个人整理,不一定正确,仅供参考,另外,此答案未经允许不得擅自上传)(此处注意线性变换的核空间与矩阵核空间的区别)1.9.利用子空间定义,)R对m C满足加(AR是m C的非空子集,即验证)(A法和数乘的封闭性。

1.10.证明同1.9。

1.11.rankA n A N rankA A R -==)(dim ,)(dim (解空间的维数)1.13.提示:设),)(-⨯==n j i a A n n ij (,分别令T i X X ),0,0,1,0,0( ==(其中1位于i X 的第i 行),代入0=AX X T ,得0=ii a ;令T ij X X )0,0,10,0,1,0,0( ==(其中1位于ij X 的第i 行和第j 行),代入0=AX X T ,得0=+++jj ji ij ii a a a a ,由于0==jj ii a a ,则0=+ji ij a a ,故A A T -=,即A 为反对称阵。

若X 是n 维复列向量,同样有0=ii a ,0=+ji ij a a ,再令T ij i X X ),0,1,0,0,,0,0( ='=(其中i 位于ij X 的第i 行,1位于ij X 的第j 行),代入0=AX X H ,得0)(=-++ij ji jj ii a a i a a ,由于0==jj ii a a ,ij ji a a -=,则0==ji ij a a ,故0=A1.14.AB 是Hermite 矩阵,则AB BA A B AB H H H ===)(1.15.存在性:令2,2HH A A C A A B -=+=,C B A +=,其中A 为任意复矩阵,可验证C C B B H H -==,唯一性:假设11C B A +=,1111,C C B B HH -==,且C C B B ≠≠11,,由1111C B C B A H H H -=+=,得C A A C B A A B HH =-==+=2,211(矛盾)第二章酉空间和酉变换(注意实空间与复空间部分性质的区别)2.8 法二:设~2121),,()0,0,1,0,0)(,,(X e e e e e e e n T n i ==(1在第i 行);~2121),,()0,0,1,0,0)(,,(Y e e e e e e e n T n j ==(1在第j 行) 根据此题内积定义⎩⎨⎧≠===j i j i X Y e e H j i 01),~~( 故n e e e ,,21是V 的一个标准正交基。

矩阵分析-(1)(终)

矩阵分析-(1)(终)
第一章 线性空间和线性映射
《矩阵分析》 · 徐赐文
《矩阵分析》
1.教材:
《矩阵分析》史荣昌编,北京理工大学出版社
2.参考书:
《矩阵分析学习指导》魏丰,史荣昌等编, 北京理工大学出版社
2014-3-16
第一章 线性空间和线性映射
《矩阵分析》 · 徐赐文
难点: 求线性映射的值域、核的基与维数
2014-3-16
第一章 线性空间和线性映射
《矩阵分析》 · 徐赐文
首先, 我们回忆一下《线性代数》中的向量.
向量的运算及性质
负向量: 向量 ( a1 , a2 ,, an ) 称为向量 的负向量
2014-3-16
第一章 线性空间和线性映射
《矩阵分析》 · 徐赐文
向量的差: ( )
2014-3-16
第一章 线性空间和线性映射
《矩阵分析》 · 徐赐文
2014-3-16
第一章 线性空间和线性映射
《矩阵分析》 · 徐赐文
2014-3-16
第一章 线性空间和线性映射
《矩阵分析》 · 徐赐文
2014-3-16
第一章 线性空间和线性映射
《矩阵分析》 · 徐赐文
2014-3-16
第一章 线性空间和线性映射
2014-3-16
第一章 线性空间和线性映射
《矩阵分析》 · 徐赐文
2014-3-16
第一章 线性空间和线性映射
《矩阵分析》 · 徐赐文
2014-3-16
第一章 线性空间和线性映射
《矩阵分析》 · 徐赐文
2014-3-16
第一章 线性空间和线性映射
《矩阵分析》 · 徐赐文
2014-3-16
  1. 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. 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. 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)。

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。

相关文档
最新文档