矩阵论、数值分析复习_2015

矩阵论复习题矩阵论复习题矩阵论作为线性代数的重要分支，涉及到矩阵的性质、运算以及应用等方面。

在学习矩阵论的过程中，复习题是提高理解和巩固知识的重要工具。

本文将通过一些典型的矩阵论复习题，帮助读者回顾和加深对矩阵论的理解。

1. 矩阵的乘法性质与运算规则(1) 证明矩阵的乘法不满足交换律，即AB≠BA。

(2) 若矩阵A是m×n阶矩阵，矩阵B是n×p阶矩阵，证明矩阵乘法满足结合律，即(AB)C=A(BC)。

(3) 证明单位矩阵是矩阵乘法的单位元，即对于任意矩阵A，有AI=IA=A。

2. 矩阵的逆与行列式(1) 若矩阵A可逆，证明其逆矩阵唯一。

(2) 若矩阵A可逆，证明其逆矩阵也可逆，且逆矩阵的逆等于A。

(3) 若矩阵A可逆，证明其转置矩阵也可逆，且转置矩阵的逆等于A的逆的转置。

(4) 证明若矩阵A可逆，则其行列式不为零，即|A|≠0。

3. 矩阵的特征值与特征向量(1) 若矩阵A的特征值为λ，证明矩阵A-λI的行列式为零，即|A-λI|=0。

(2) 若矩阵A的特征向量为v，证明对于任意非零实数k，kv也是矩阵A的特征向量。

(3) 若矩阵A的特征向量v1和v2对应于不同的特征值λ1和λ2，证明v1和v2线性无关。

(4) 若矩阵A的特征向量v对应于特征值λ，证明对于任意正整数n，(A^n)v对应于特征值λ^n。

4. 矩阵的相似与对角化(1) 若矩阵A与矩阵B相似，证明矩阵B与矩阵A相似。

(2) 若矩阵A与矩阵B相似，矩阵B可对角化，证明矩阵A也可对角化。

(3) 若矩阵A可对角化，证明A的特征向量组成的矩阵P可逆，且A=PDP^-1，其中D为对角矩阵。

通过复习以上的矩阵论题目，可以加深对矩阵的性质、运算规则、逆与行列式、特征值与特征向量以及相似与对角化的理解。

同时，通过解题的过程，还可以提高解决问题的能力和运用矩阵论知识的技巧。

希望读者能够充分利用这些复习题，巩固所学的矩阵论知识，为进一步深入学习打下坚实的基础。

矩阵论知识要点范文矩阵论（Matrix theory）是线性代数的一门重要分支，研究的是矩阵的性质、运算以及与线性方程组、线性变换等数学对象之间的关系。

矩阵论在多个领域中都有广泛的应用，如物理学、工程学、计算机科学等。

以下是一些矩阵论的重要知识要点：1.矩阵表示：矩阵由行、列组成，可以表示为一个矩形的数表。

矩阵的大小由行数和列数确定，常用的表示方法是用大写字母表示矩阵，如A、B、C等。

2.矩阵运算：矩阵可以进行加法和乘法运算。

矩阵的加法是对应元素相加，矩阵的乘法是按照一定规则进行计算得到一个新的矩阵。

3.矩阵的转置：矩阵的转置是将矩阵按照主对角线进行镜像变换得到的新矩阵。

对于一个m×n的矩阵，转置后得到一个n×m的矩阵。

4.矩阵的逆：对于一个可逆矩阵A，存在一个矩阵B，满足AB=BA=I，其中I为单位矩阵。

矩阵B称为矩阵A的逆矩阵，记作A^(-1)。

逆矩阵的存在与唯一性为解线性方程组提供了便利。

5.矩阵的秩：矩阵的秩是指矩阵中线性无关的行或列的最大个数。

秩是矩阵的一个重要性质，与矩阵的解空间、零空间等直接相关。

6.矩阵的特征值和特征向量：对于一个n阶矩阵A，如果存在一个非零向量x使得Ax=λx，其中λ为一个常数，则称常数λ为矩阵A的特征值，非零向量x称为对应于特征值λ的特征向量。

矩阵的特征值和特征向量可以用来描述线性变换的性质。

7.矩阵的相似性：如果存在一个可逆矩阵P，使得P^(-1)AP=B，则矩阵B与A相似。

相似矩阵具有一些相似的性质，如秩、迹、特征值等。

8.矩阵分解：矩阵分解是将一个复杂的矩阵表示分解为一些简单矩阵的乘积或和的形式，常见的分解方法有LU分解、QR分解、特征值分解等。

9. 矩阵的迹：矩阵的迹是主对角线上各个元素的和，记作tr(A)。

矩阵的迹与矩阵的特征值、秩等有一定的关系。

10.矩阵方程：矩阵方程是形如AX=B的方程，其中A、B为已知矩阵，X为未知矩阵。

矩阵方程的研究可以帮助解决线性方程组、线性变换等相关问题。

长 春 理 工 大 学
研 究 生 期 末 考 试 试 题 科目名称： 矩 阵 论 命题人：姜志侠 适用专业： 理 工 科 审核人： 开课学期：2014 ——2015 学年第 一 学期 □开卷 √闭卷
一、(10分) 设2
V R =，σ是V 的一个变换，对于任意的a V b ⎛⎫∈ ⎪⎝⎭，3a a b b b σ+⎛⎫⎛⎫= ⎪ ⎪⎝⎭⎝⎭， 证明σ是V 的一个可逆线性变换，并求1a b σ-⎛⎫ ⎪⎝⎭
．
二、(10分) 在22⨯R 中证明⎥⎦
⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡=0001,0011,0111,11114321E E E E 是一组基，并求矩阵⎥⎦
⎤⎢⎣⎡=3021A 在此基下的坐标． 三、(10分)已知正规矩阵⎥⎥⎥⎦
⎤⎢⎢⎢⎣⎡-=0000110i i A ，求酉矩阵U ，使得AU U H 为对角矩阵． 四、(10分) 设矩阵31412110A ⎛⎫ ⎪-- ⎪= ⎪ ⎪-⎝⎭
,求A 的行列式因子,不变因子,初等因子组，Jordan 标准形。

五、(10分) 求矩阵100111A ⎛⎫ ⎪= ⎪ ⎪⎝⎭
的奇异值分解.
六、(10分) 已知
210023120i A i +-⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦
， 试求 121,,,,m m m A A A A A ∞
∞. 七、(10分)
1) 已知函数矩阵⎪⎪⎭
⎫ ⎝⎛=32121x x x e A x x ，),,(321x x x x =；计算矩阵对矩阵的导数dA dx ． 2）设[]()∑∑==⨯==m i n j ij n m ij x X f x X 112,,求dX
df 。

. 八、(10分) 已知矩阵⎪⎪⎭
⎫ ⎝⎛-=5113A 求A 。

一、定义设V 是一个非空集合， F 为数域．上述的两种运算满足以下八条运算规律，那 么 就称为数域 F 上的线性空间．[ V, F, “+”, “.”, 8 ]判别线性空间的方法：一个集合，对于定义的加法和数乘运算不封闭，或者运算不满足八条性质的任一条，则此集合就不能构成线性空间．R[X]n 是次数不超过n 的多项式，构成了向量空间，其基是[1,X,X 2,……, X n ]。

P[X]n 是次数不超过n-1的多项式，构成了向量空间，其基是[1,X,X 2,……,X n-1]。

Q[X]n 是次数不超过n 的多项式，其中an 不等于0，不构成了向量空间,。

Ax=0的解空间，称为矩阵A 的核（零）空间，记N （A ）设A 为实数（或复数）m*n 矩阵，x 为n 维列向量，则m 维列向量集合V={y ∈R m (C m )|y=Ax,x ∈R n (C n ),A ∈R m*n (C m*n)}构成实（或复）数域R （或C ）上的线性空间，称为A 的列空间或A 的值域，记R （A ）。

线性相关与无关略所有二阶实矩阵组成的集合 ，对于矩阵的加法和数量乘法，构成实数域 上的一个线性空间．对于 中的矩阵例 1.1.11⎪⎪⎭⎫⎝⎛=⎪⎪⎭⎫ ⎝⎛=⎪⎪⎭⎫ ⎝⎛=⎪⎪⎭⎫ ⎝⎛=1000,0100,0010,000122211211E E E E ,4321224213122111⎪⎪⎭⎫⎝⎛=+++k k k k E k E k E k E k 有,0000 224213122111⎪⎪⎭⎫⎝⎛==+++O E k E k E k E k 因此 03321====⇔k k k k .,,,22211211线性无关即E E E E()(),,,,,,, 2121P n n αααβββ =基变换公式矩阵P 称为由基n ααα,,,21到基n βββ,,,21 的过渡矩阵．坐标变换公式 ,'''2121⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛n n x x x P x x x 例1.2.6略P11设V l ，V 2是线性空间V 的两个子空间， 可以验证: 21V V 构成V 的线性子空间．称为 21V V 为V l 与 V 2 的交空间．可以验证: 21V V + 构成V 的线性子空间．称21V V +为 V l 与 V 2 的和空间例1.3.5◆{}{}2122112121,span ,,span ,1,3,5,1,1,3,5,4,1,31,1,131,2ββααββαα==-=-=--==V V T TT T ）（）（），（），，（试求；(1)V l +V 2的基与维数；(2) 21V V 的基与维数● [解] (1)由定理3知{}212121,,,span ββαα=+V V 121,,βαα是极大无关组．故它是V 1+V 2的基，维数＝3，于是且，即）设（21212V V V V ∈∈∈ααα 24132211ββαααk k k k +=+=把2121,,,ββαα的坐标代入上式，解之得4342132,35,0k k k k k -===于是. 35,5,35,35214的向量表示为V V k T⎪⎭⎫ ⎝⎛--=α其维数=l线性映射：设V1，V2是数域F 上的两个线性空间，映射T ：V1->V2,如果对于任何两个向量a1,a2∈V1和任何数Ｋ∈Ｆ，都有T （a1+a2）=T(a1)+T(a2)；T （Ka1）=KT(a1)便称为映射。

矩阵论知识点最近考试不断，今天终于告一段落了。

矩阵论我花了将近两个礼拜复习，多少有点感悟，所以赶紧写下来，不然估计到时候又还给老师了，也希望自己的见解对你们也有帮助！！总的来说矩阵论就讲了如下6个知识点：（1）线性空间与线性变换（2）范数理论及其应用（3）矩阵分析及其应用（4）矩阵分解（5）特征值的估计（6）广义逆矩阵1.线性空间与线性变换1.1线性空间首先我们需要知道什么是空间？？空间其实就是向量的集合，而什么是线性空间呢？？线性空间就是满足8条性质的向量集合，这8条性质分别如下:所以矩阵论考试里面如果要你证明一个向量集合是线性空间？？只需要证明集合满足上述8条性质就可以了，该证明的难度在于怎么表示该集合中的向量。

然后对于线性空间中的元素（元素很多），我们肯定不可能通过枚举法将每个元素枚举出来的吧，这样不太现实。

最好的方法就是找到线性空间中的基，通过这些基和坐标我们就可以表示出线性空间中所有的向量。

针对上述想法，我们就应该考虑满足条件基的存在性和唯一性，得到的结果是这样的基是存在的但是不唯一！！当时这里就牵涉到另一个问题，线性空间的基是不唯一的，对于同一个元素在不同基下坐标肯定是不同的！！如果我们知道基与基之间的关系，我们是否可以知道坐标与坐标的关系，这就推导出了下面公式：之后的一个概念就是线性子空间，这个名词我们可以拆开进行理解，子空间说明了该空间是一个线性空间的子集，线性说明这个子空间满足齐次性和叠加性，具体形式如下：最后一个概念是线性子空间的交与和，这和集合的交与和性质差不多，这里我需要重点介绍的直和的概念，直和的概念和集合的并类似，不同的是直和中并的两个集合是不相交的，即两个集合中没有共同元素。

以上就是线性空间中所有的知识点。

1.2线性变换及其矩阵这一节出现一个概念叫做线性变换，记为T，出现线性变换的原因就是对于一个向量我们希望通过某种变换将该向量转变成我希望的目标向量，换句话说线性变换就相当于函数，自变量就相当于我们已知的向量，因变量就是我们的目标向量，这样应该好理解点。