矩阵论15

中国矿业大学2014～2015学年第1学期研究生《矩阵论》试卷答题时间:120分钟 考试方式:闭卷姓名_ _____学号____________院系__________任课老师____________得分______ 【一】（10分）已知矩阵a b A c d ⎛⎫=⎪⎝⎭，定义22R ⨯上的线性变换 (),T X AX X =∈22R ⨯求T 在基11122122,,,E E E E 下的矩阵。

【二】（15分） 已知矩阵313729214A -⎛⎫ ⎪=-- ⎪ ⎪--⎝⎭（1）求A 的不变因子、初等因子； （2）求A 的Jordan 标准形J ； （3）求可逆矩阵P 使1P AP J -=。

【三】（15分）已知矩阵010865A ⎪=- ⎪ ⎪-⎝⎭（1）求A 的特征多项式； （2）求A 的最小多项式；（3）把矩阵Ate 表示成关于A 的多项式。

【四】（10分）已知矩阵111032A ⎪= ⎪ ⎪⎝⎭，求A 的QR 分解。

【五】（10分） 已知矩阵0.20.70.30.6A ⎛⎫= ⎪⎝⎭（1）求1,A A ∞； （2）讨论矩阵幂级数0kk A∞=∑的敛散性；若收敛，求其和。

【六】（15分）已知下面矛盾方程组123131311221x x x x x x x ++=⎧⎪+=⎨⎪+=⎩ （1）求系数矩阵A 的满秩分解； （2）求A 的广义逆矩阵A +；（3）求该方程组的极小范数最小二乘解。

【七】（15分）()n n ij A a R ⨯=∈，证明：2,,max max ij ij i ji ja An a ≤≤⋅【八】（10分）假设A 是n 阶方阵，若A 不与任何对角阵相似，证明：存在多项式()f λ及正整数k ，使得()f A O ≠但[()]k f A O =。

参 考 答 案【一】（10分）已知矩阵a b A c d ⎛⎫=⎪⎝⎭，定义22R ⨯上的线性变换 (),T X AX X =∈22R ⨯求T 在基11122122,,,E E E E 下的矩阵。

矩阵论知识点范文矩阵论是线性代数的一个分支，它研究矩阵的性质、运算和应用。

矩阵论广泛应用于各个学科领域，包括数学、物理、工程和经济等，是现代科学和工程领域中不可或缺的基础理论。

1.矩阵的基本概念矩阵是一个由数值排列成的矩形数组。

它的行数和列数分别定义了矩阵的维度。

矩阵的元素可以是实数或复数。

在矩阵中，每个元素都有一个唯一的位置，可以通过行和列的索引来定位。

2.矩阵的运算矩阵的运算包括加法、减法和乘法。

矩阵的加法和减法要求矩阵具有相同的维度，相应位置的元素进行运算。

矩阵的乘法是指将一个矩阵的每个元素与另一个矩阵相应位置的元素相乘，并将结果相加得到新的矩阵。

3.矩阵的转置和逆矩阵矩阵的转置是指将矩阵的行和列互换得到新的矩阵。

转置可以改变矩阵的维度，但不会改变矩阵中元素的值。

矩阵的逆是指如果一个矩阵乘以它的逆矩阵，结果将得到单位矩阵。

只有方阵才能有逆矩阵，非方阵没有逆矩阵。

4.矩阵的行列式矩阵的行列式是一个标量，用于描述矩阵的性质。

行列式的计算涉及矩阵的元素和它们的排列。

行列式可以用于判断矩阵是否可逆，以及计算矩阵的特征值和特征向量等。

5.矩阵的秩和矩阵方程矩阵的秩是指矩阵中非零行的最大数目。

秩可以用于判断矩阵的线性相关性和解矩阵方程的唯一性等。

矩阵方程是指将矩阵与向量或矩阵相乘得到一个新的矩阵，并求解出未知变量的值。

6.特征值和特征向量特征值是指矩阵与特征向量的线性组合等于特征值与特征向量的乘积。

特征值和特征向量可以用于描述矩阵的变换性质，如缩放、旋转和平移等。

7.矩阵的奇异值分解奇异值分解是将一个矩阵分解为三个矩阵的乘积。

奇异值分解可以用于矩阵压缩、数据降维和信号处理等方面。

8.矩阵的广义逆和广义特征值广义逆是指不可逆矩阵的逆矩阵。

广义逆可以用于解决线性方程组、最小二乘和正态方程等问题。

广义特征值是指矩阵与广义特征向量的线性组合等于广义特征值与广义特征向量的乘积。

9.矩阵的正交性和对称性正交矩阵是指矩阵的转置矩阵与原矩阵的乘积等于单位矩阵。

矩阵论矩阵论是线性代数的一个重要分支，它研究的是矩阵的性质、运算和应用。

在现代科学和工程领域中，矩阵论被广泛应用于各种数学模型的建立、数据处理和优化问题的求解等。

一、矩阵的定义与性质矩阵是由数个数值排列成矩形形状的数组。

在矩阵论中，通常用大写字母表示矩阵，如A、B、C等。

一个矩阵由m行n列的数值组成，可以表示为A = [aij]，其中i表示行的编号，j表示列的编号，aij表示矩阵A中第i行第j列的元素。

在矩阵论中，还有一些基本的运算符号和性质。

如矩阵的转置、加法、乘法等。

矩阵转置是指将矩阵的行列互换得到的新矩阵。

矩阵加法是指将两个具有相同维数的矩阵对应元素相加得到新矩阵。

矩阵乘法是指对矩阵的每个元素进行乘积运算，最终得到的新矩阵的元素是原矩阵对应行与对应列的乘积之和。

矩阵还有一些重要的性质。

如矩阵的对称性、零矩阵、单位矩阵等。

对称矩阵是指元素关于主对角线对称的矩阵，即a[i][j] = a[j][i]。

零矩阵是每个元素都为0的矩阵。

单位矩阵是指主对角线上元素都为1，其它元素都为0的矩阵。

单位矩阵在矩阵乘法运算中起到类似于数1的作用。

二、矩阵的运算与法则1. 矩阵的转置法则：(AB)T = BTAT。

即两个矩阵的乘积的转置等于这两个矩阵分别转置后的乘积。

这个法则在矩阵运算中经常被使用，可以简化复杂矩阵乘法的计算。

2. 矩阵的加法法则：矩阵加法满足交换律和结合律。

即A + B = B + A，(A + B) + C = A + (B + C)。

这些法则使得矩阵的加法运算可以像普通的数的加法一样直观和易于计算。

3. 矩阵的乘法法则：矩阵乘法满足结合律，但一般不满足交换律。

即(AB)C = A(BC)，但一般来说，AB ≠ BA。

这是因为矩阵乘法涉及到对矩阵的行和列进行运算，行和列的次序不同会导致运算结果的差异。

4. 零矩阵的性质：对于任意矩阵A，都有A + 0 = A，0A = 0。

即任何矩阵与零矩阵相加或相乘都不改变原矩阵。

习题一1.判断下列集合对指定的运算是否构成R 上的线性空间 （1）11{()|0}nij n n iii V A a a⨯====∑，对矩阵加法和数乘运算；（2）2{|,}n n T V A A R A A ⨯=∈=-，对矩阵加法和数乘运算；（3）33V R =；对3R 中向量加法和如下定义的数乘向量：3,,0R k R k αα∀∈∈=； （4）4{()|()0}V f x f x =≥，通常的函数加法与数乘运算。

解： （1）、（2）为R 上线性空间（3）不是，由线性空间定义，对0α∀≠有1α=α，而题（3）中10α= （4）不是，若k<0，则()0kf x ≤，数乘不满足封闭性。

2.求线性空间{|}n nT V A R A A ⨯=∈=的维数和一组基。

解：一组基10001010101010000000100..................0010010⎧⎫⎛⎫⎛⎫⎛⎫⎛⎫⎛⎫⎛⎫⎪⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎪⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎪⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎬⎪⎪⎪⎪⎪⎪⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎪ ⎪⎪ ⎪⎪⎪ ⎪⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭⎝⎭⎝⎭⎝⎭⎩⎪⎪⎪⎪⎭dim W =n (n +1)/23.如果U 1和U 2都是线性空间V 的子空间，若dim U 1=dim U 2，而且12U U ⊆，证明：U 1=U 2。

证明：因为dim U 1=dim U 2，故设{}12,,,r ααα为空间U 1的一组基，{}12,,,r βββ为空间U 2的一组基2U γ∀∈，有()12r X γγβββ=而()()1212r r C αααβββ=，C 为过渡矩阵，且可逆于是()()()11212121r r r X C X Y U γγγγβββαααααα-===∈由此，得21U U ⊆又由题设12U U ⊆，证得U 1=U 2。

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。

习题一1.判断下列集合对指定的运算是否构成R 上的线性空间 （1）11{()|0}nij n n iii V A a a⨯====∑，对矩阵加法和数乘运算；（2）2{|,}n n T V A A R A A ⨯=∈=-，对矩阵加法和数乘运算；（3）33V R =；对3R 中向量加法和如下定义的数乘向量：3,,0R k R k αα∀∈∈=； （4）4{()|()0}V f x f x =≥，通常的函数加法与数乘运算。

解： （1）、（2）为R 上线性空间（3）不是，由线性空间定义，对0α∀≠有1α=α，而题（3）中10α= （4）不是，若k<0，则()0kf x ≤，数乘不满足封闭性。

2.求线性空间{|}n nT V A R A A ⨯=∈=的维数和一组基。

解：一组基10001010101010000000100..................0010010⎧⎫⎛⎫⎛⎫⎛⎫⎛⎫⎛⎫⎛⎫⎪⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎪⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎪⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎬⎪⎪⎪⎪⎪⎪⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎪ ⎪⎪ ⎪⎪⎪ ⎪⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭⎝⎭⎝⎭⎝⎭⎩⎪⎪⎪⎪⎭dim W =n (n +1)/23.如果U 1和U 2都是线性空间V 的子空间，若dim U 1=dim U 2，而且12U U ⊆，证明：U 1=U 2。

证明：因为dim U 1=dim U 2，故设{}12,,,r ααα为空间U 1的一组基，{}12,,,r βββ为空间U 2的一组基2U γ∀∈，有()12r X γγβββ=而()()1212r r C αααβββ=，C 为过渡矩阵，且可逆于是()()()11212121r r r X C X Y U γγγγβββαααααα-===∈由此，得21U U ⊆又由题设12U U ⊆，证得U 1=U 2。

这个帖子对于矩阵论学的不够好的同学很有帮助，对学的好的人也有益处。

具体我就不说了，看完自有体会。

如果觉得好，就赞一个吧！学习过线性代数的朋友也可以看看，也能从中受益的。

帖子的内容是对矩阵论的一个串讲，个人觉得还不错，能够帮助梳理知识点。

加深理解。

矩阵论主要研究的是线性空间以及在线性空间中的一些操作，主要是线性变换。

当然书中主要是针对有限维的情况来讨论的，这样的话就可以用向量和矩阵来表示线性空间和线性变换，同其他的数学形式一样，矩阵是一种表达形式（notation），而这一方面可以简洁地表达出我们平时遇到的如线性方程和协方差关系的协方差矩阵等，另一方面又给进一步的研究或者问题的简化提供了一个平台。

如特征值分析、稳定性分析就对应着诸如统计分布和系统稳定性等实际问题。

而一系列的分解则可以方便方程的数值计算。

作为矩阵论的学习，我们需要了解具体的一些计算究竟是怎么算的，但更关键的是要知道各个概念和方法的实际意义，各个概念之间的关系。

首先介绍的是线性空间，对于线性空间中的任意一个向量的表示由基（相当于度量单位）和坐标（相当于具体的尺度），基既然作为度量标准了，当然要求对每一个向量都适用，同时这个标准本身也应该尽可能的简洁，那么就得到了基定义的两点约束１、基的组成向量线性无关；２、线性空间中的任一个向量都可以由基的线性表示。

基作为一种“计量标准”，当然可能会存在多种形式，只要满足上面的两点条件，因而就有必要解决不同的度量标准之间的转换关系，从而得到过渡矩阵的概念，同时可以使用这种转换关系（过渡矩阵）去完成度量量（坐标）之间的转换。

在完成了线性空间这一对象的认识和表达之后，下面需要研究对象和对象之间的关系。

这里主要是线性变换，线性变换针对于实际对象主要完成类似于旋转和尺度变换方面的操作，而这种操作也牵涉到表达的问题。

为了保持与空间的一致性，我们也同样是在在特定的基下来表示，从而线性变换就具体化为一个变换矩阵，并且，在不同的基下对应的变换矩阵当然也不相同，这里的不同的变换矩阵的关系就是相似的概念。

第一章第一章第6题实数域R 上的全体n 阶对称（反对称）矩阵，对矩阵的加法和数量乘法。

解：实数域R 上的全体n 阶矩阵，对矩阵的加法和数量乘法构成R 上的线性空间n n R ⨯,记 {}{}A A R A A W A A RA A V T n n T nn -=∈==∈=⨯⨯,/;,/以为，对任意的,,,,B B A A V B A TT==∈则(),B A B A T+=+即V B A ∈+,所以V 对加法运算是封闭的；对任意的A A R k V A T=∈∈,,,则(),,V kA kA kA T∈=即所以V 对数乘运算封闭；所以，V 是nn R⨯的一个线性子空间，故V 构成实数域R 上的一个线性空间。

同理可证，W 也是一个线性空间。

P41第一章第8题(参考P10例题 1.2.5) 证明：存在1k ,2k ,3k ,4k 使得112233440k k k k αααα+++=即11111k ⎡⎤⎢⎥⎣⎦+21101k ⎡⎤⎢⎥⎣⎦+31110k ⎡⎤⎢⎥⎣⎦+41011k ⎡⎤⎢⎥⎣⎦=0 解12341231341240000k k k k k k k k k k k k k +++=⎧⎪++=⎪⎨++=⎪⎪++=⎩ 得12340k k k k ====所以1α，2α，3α，4α线性无关P42第1章第12题解：因为A=x 1α1+x 2α2+x33α+x 4α4即x 1+x 2+x 3+x 4=1x 1+x 2+x 3=2x 1+x 3+x 4=-2x 1+x 2+x 4=0⇒x 1=-2x2=3x 3=1 x 4=-1所以A 的坐标为[x 1,x 2,x 3,x 4]T=[-2,3,1,-1]TP42第一章第13题 答案 f(x)=3+1-n 2x( 泰勒展开))(f x '=2(n-1)2-n x(x)f ''=2(n-1)(n-2)3-n x ……)1(f -n (x)=2(n-1)! )(f n (x)=0f(1)=5 )1(f '=2(n-1) (1)f ''=2(n-1)(n-2) ……)1(f -n (1)=2(n-1)!f(x)=f(1)+ )1(f '(x-1)+!21(1)f ''2)1(-x +……+)!1(1-n )1(f -n (1)1)1(--n x=5+2(n-1)(n-2)+!2)2)(1(2--n n 2)1(-x +……+)!1()1(2--n n ！1)1(--n x=5+211-n C (x-1)+221-n C 2)1(-x +……+211--n n C 1)1(--n x取f(x)=3+1-n 2x在基1, (x-1), 2)1(-x , ……,1)1(--n x 下的坐标为（5 , 211-n C , 221-n C ,…… , 211--n n C T) 教材P42习题14：求基T)0,0,0,1(1=α，T )0,0,1,0(2=α，T )0,1,0,0(3=α，T )1,0,0,0(4=α，到基T )1,1,1,2(1-=β，T )0,1,3,0(2=β，T )1,2,3,5(3=β，T )3,1,6,6(4=β的过度矩阵，确定向量Tx x x x ),,,(4321=ξ在基1β，2β，3β，4β，下的坐标，并求一非零向量，使它在这两组基下的坐标相同。

矩阵论练习15（度量矩阵与Schmidt正交化）度量矩阵设 \(e_1,\cdots,e_n\) 是 \(V\) 的基，\(\alpha,\beta\in V\)的坐标是\[X=[x_1,\cdots,x_n]^T,Y=[y_1,\cdots,y_n]^T \]则\[<\alpha,\beta>=\sum_{i=1}^n\sum_{j=1}^n x_i\overline{y}_j<e_i,e_j> =X^TA\overline{Y} \]其中 \(A=(<e_i,e_j>)_{n\times n}\)，称 \(A\) 是 \(V\) 在基 \(e_1,\cdots,e_n\) 下的度量矩阵。

设 \(e_1,\cdots,e_n\) 是 \(V\) 的标准正交基，则 \(A=I\) 是单位矩阵，此时 \(<\alpha,\beta>_V = X^T \overline{Y}=Y^H X = <X,Y>_{C^n}\).也就是说，在标准正交基下，空间 \(V\) 中的两个向量的内积等于它们坐标的内积。

题⽬假设 \(V\) 在基 \(e_1,e_2\) 下的度量矩阵是 \(A=[1,2;2,5]\), 求 \(V\) 的⼀组标准正交基。

解答1. 正交化：度量矩阵包含了各个基的内积信息。

令 \(\beta_1=e_1\)，则\(\beta_2 = e_2 -\frac{<e_2,\beta_1>}{<\beta_1,\beta_1>}\beta_1 =e_2 - 2e_1\)2. 标准化：\(<\beta_1,\beta_1>=<e_1,e_1>=1\)。

\(\beta_2\) 的在基 \(e_1,e_2\) 下的坐标为 \([-2,1]^T\)，则 \(<\beta_2,\beta_2>=[-2,1]A[-2,1]^T=1\)，因此\(\gamma_1 = \frac{\beta_1}{\| \beta_1 \|} = \beta_1=e_1\)\(\gamma_2 = \frac{\beta_2}{\| \beta_2 \|} = \beta_2=e_2-2e_1\)即是 \(V\) 的⼀组标准正交基。

第一章 线性空间与线性映射 习题一 (43-45)1、（1）对于V y x ∈∀,，x y x y x y x y y x y x y x y x +=⎪⎪⎭⎫⎝⎛+++=⎪⎪⎭⎫ ⎝⎛+++=+112211112211；（2）对于V z y x ∈∀,,，⎪⎪⎭⎫ ⎝⎛+++++++=⎪⎪⎭⎫⎝⎛+++++++=⎪⎪⎭⎫ ⎝⎛+⎪⎪⎭⎫ ⎝⎛+++=++))()(1111112221111112112211121112211z y z x y x z y x z y x y x z z y x y x z y x z z y x y x y x z y x ，⎪⎪⎭⎫ ⎝⎛+++++++=⎪⎪⎭⎫⎝⎛+++++++=⎪⎪⎭⎫ ⎝⎛++++⎪⎪⎭⎫ ⎝⎛=++))()(1111112221111111122211111221121z y z x y x z y x z y x z y x z y z y x z y x z y z y z y x x z y x ，即)()(z y x z y x ++=++。

（3）对于⎪⎪⎭⎫⎝⎛=00θ和V x ∈∀，显然x x x x x x x =⎪⎪⎭⎫ ⎝⎛=⎪⎪⎭⎫⎝⎛+++=+21121000θ； （4）对于V x ∈∀，令⎪⎪⎭⎫⎝⎛--=2211x x x y ， 则θ=⎪⎪⎭⎫⎝⎛=⎪⎪⎭⎫ ⎝⎛--+-=⎪⎪⎭⎫ ⎝⎛--+⎪⎪⎭⎫ ⎝⎛=+0021221211221121x x x x x x x x x x x y x ，即x y -=。

（5）对于R ∈∀μλ,和V x ∈∀，有x x x x x x x x x x x x x x x x x x x x x x x )()()]()[(21)()()2(21)()()]1()1([21)1(21)1(2121212212122212121221121212121μλμλμλμλμλμλμλμλμλμλμλλμμμλλμλμλμμμμλλλλμλ+=⎪⎪⎭⎫ ⎝⎛+=⎪⎪⎪⎭⎫⎝⎛+-++++=⎪⎪⎪⎭⎫ ⎝⎛--+++++=⎪⎪⎪⎭⎫ ⎝⎛+-+-+++=⎪⎪⎪⎭⎫⎝⎛-++⎪⎪⎪⎭⎫ ⎝⎛-+=+（6）对于R ∈∀λ和V y x ∈∀,，有⎪⎪⎪⎭⎫⎝⎛+-++++=⎪⎪⎭⎫ ⎝⎛+++=+211112211112211))(1(21)()()(y x y x y x y x y x y x y x y x λλλλλλ， ⎪⎪⎪⎭⎫ ⎝⎛+-++++=⎪⎪⎪⎭⎫ ⎝⎛-+-++-++++=⎪⎪⎪⎭⎫ ⎝⎛+-++-++=⎪⎪⎪⎭⎫⎝⎛-++⎪⎪⎪⎭⎫ ⎝⎛-+=+211112211112212211122111122122121121212121))(1(21)()()1(21)1(21)()1(21)1(21)1(21)1(21y x y x y x y x y x y y x y x y x y x y x y y x x y x y y y x x x y x λλλλλλλλλλλλλλλλλλλλλλλλλλλλλλλλλλ，即y x y x λλλ+=+)(。

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。

第一讲线性空间一、线性空间的定义及性质[知识预备]★集合：笼统的说是指一些事物（或者对象）组成的整体集合的表示：枚举、表达式集合的运算：并（），交（）另外，集合的“和”（＋）：并不是严格意义上集合的运算，因为它限定了集合中元素须有可加性。

★数域：一种数集，对四则运算封闭（除数不为零）。

比如有理数域、实数域（R）和复数域（C）。

实数域和复数域是工程上较常用的两个数域。

线性空间是线性代数最基本的概念之一，也是学习现代矩阵论的重要基础。

线性空间的概念是某类事物从量的方面的一个抽象。

1．线性空间的定义：设V是一个非空集合，其元素用x,y,z等表示；K是一个数域，其元素用k,l,m等表示。

如果V满足[如下8条性质，分两类]（I）在V中定义一个“加法”运∈时，有唯一的和算，即当x,y V+∈（封闭性），且加法运算x y V满足下列性质（1）结合律()()++=++；x y z x y z（2）交换律 x y y x +=+；（3）零元律 存在零元素o ，使x +o x =；（4）负元律 对于任一元素x V ∈，存在一元素y V ∈，使x y +=o ，且称y 为x 的负元素，记为（x -）。

则有()x x +-= o 。

（II ）在V 中定义一个“数乘”运算，即当x V ∈，k K ∈时，有唯一的kx V ∈（封闭性），且数乘运算满足下列性质（5）数因子分配律()+=+；k x y kx ky（6）分配律()+=+；k l x kx lx（7）结合律()()=；k lx kl x=；（8）恒等律1x x [数域中一定有1]则称V为数域K上的线性空间。

注意：1）线性空间不能离开某一数域来定义，因为同一个集合，如果数域不同，该集合构成的线性空间也不同。

（2）两种运算、八条性质数域K中的运算是具体的四则运算，而V中所定义的加法运算和数乘运算则可以十分抽象。

（3）除了两种运算和八条性质外，还应注意唯一性、封闭性。

唯一性一般较显然，封闭性还需要证明，出现不封闭的情况：集合小、运算本身就不满足。

习题一1.判断下列集合对指定的运算是否构成R 上的线性空间 （1）11{()|0}nij n n iii V A a a⨯====∑，对矩阵加法和数乘运算；（2）2{|,}n n T V A A R A A ⨯=∈=-，对矩阵加法和数乘运算；（3）33V R =；对3R 中向量加法和如下定义的数乘向量：3,,0R k R k αα∀∈∈=； （4）4{()|()0}V f x f x =≥，通常的函数加法与数乘运算。

解： （1）、（2）为R 上线性空间（3）不是，由线性空间定义，对0α∀≠有1α=α，而题（3）中10α= （4）不是，若k<0，则()0kf x ≤，数乘不满足封闭性。

2.求线性空间{|}n nT V A R A A ⨯=∈=的维数和一组基。

解：一组基10001010101010000000100..................0010010⎧⎫⎛⎫⎛⎫⎛⎫⎛⎫⎛⎫⎛⎫⎪⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎪⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎪⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎬⎪⎪⎪⎪⎪⎪⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎪ ⎪⎪ ⎪⎪⎪ ⎪⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭⎝⎭⎝⎭⎝⎭⎩L L L ⎪⎪⎪⎪⎭dim W =n (n +1)/23.如果U 1和U 2都是线性空间V 的子空间，若dim U 1=dim U 2，而且12U U ⊆，证明：U 1=U 2。

证明：因为dim U 1=dim U 2，故设{}12,,,r αααL 为空间U 1的一组基，{}12,,,r βββL 为空间U 2的一组基2U γ∀∈，有()12r X γγβββ=L L而()()1212r r C αααβββ=L L ，C 为过渡矩阵，且可逆于是()()()11212121r r r X C X Y U γγγγβββαααααα-===∈L L L L L L由此，得21U U ⊆又由题设12U U ⊆，证得U 1=U 2。