简介重庆邮电大学研究生《矩阵分析》期末试题及答案解析PDF内容围绕矩阵分析核心考点展开线性空间基与过渡矩阵、矩阵1范数与无穷范数、线性变换矩阵表示及核与值域、行列因子与Jordan标准型、正定Hermite矩阵及内积验证、满秩分解、正规矩阵谱分解、幂等矩阵Jordan块性质等。全卷共八大题每题均给出完整的规范推导与结论从α基与β基的过渡矩阵求解到Ax的范数计算再到线性变换核与值域的求解以及Jordan标准型的行列因子、不变因子、初等因子求法每一步均有详细推导过程可帮助备考研究生厘清概念、规范解题思路尤其对顺序主子式判定、Jordan块阶数等易错细节做了明确提示。资源共1个PDF文档整包约170KB内容精炼适合期末冲刺或系统复习时对照研读。目前已有274人学习作为重邮官方试题及详解对同类课程备考具有较高参考价值。1. 矩阵分析到底是什么一门把矩阵当“人”来研究的学问很多人第一次翻开矩阵分析的考卷心里会冒出一个念头这不就是线性代数换个名字吗如果你也这么想那看到第一大题“证明α1、α2、α3、α4是R^2×2的基”时大概率会愣住——线性代数里求个秩、解个方程组就能交差怎么到这里还得先证明一套“坐标系”合法这正是矩阵分析这门课的第一个台阶它不再把矩阵当成装满数字的表格而是把矩阵当成有性格、有结构的“研究对象”。线代教你用矩阵算题矩阵分析教你研究矩阵本身它能不能当坐标架、它的长度怎么量、它能不能被拆成更简单的零件。今天这份期末试题恰好把矩阵分析的几大核心考点串成了一条线看懂它你就看懂了这门课的地图。2. 基与过渡矩阵先搞懂“坐标是怎么来的”2.1 基不是“一组向量”而是一套坐标系统第一道题给了四个2×2矩阵α1[0 1; 1 1]α2[1 1; 0 1]α3[1 1; 1 0]α4[1 0; 1 1]要证明它们是R^2×2的基。很多人的第一反应是“把它们拉直成向量再拼成矩阵求秩”这思路没错但容易忽略一个关键点所谓基就是给这个空间定义了一套“刻度”。打个比方你在陌生城市问路别人说“往东走300米再往北走200米”。之所以能听懂是因为这个城市有东西南北和米这个单位。在R^2×2里天然刻度是β1[1 0; 0 0]β2[0 1; 0 0]β3[0 0; 1 0]β4[0 0; 0 1]也就是四个“只有一位是1”的矩阵。任何一个2×2矩阵都能写成这四个刻度的线性组合这就是“标准基”。而α1到α4是另一套刻度。要证明它们也能当地图上的经纬线必须同时满足两条第一它们互相不能替代——也就是线性无关谁都不能由另外几个拼出来第二它们能拼出任意一个2×2矩阵——也就是能张成整个空间。在2×2矩阵这个四维空间里只要四个向量线性无关张成空间这条会自动满足因为四维空间里四个线性无关的向量刚好铺满整个空间。所以这道题的核心动作只有一个验证线性无关。实际验证时把四个矩阵拉直成四维向量拼成一个4×4矩阵算行列式。行列式不为零线性无关就成立。这里有个容易忽略的细节矩阵的“拉直”顺序必须统一有的同学先把α1拉直又把α2按不同顺序拉直最后行列式算出来是零还以为是题目出错了——其实是你自己把坐标轴搞拧了。2.2 过渡矩阵两套坐标系的“翻译器”第二问是求β基到α基的过渡矩阵。这里先要分清方向题目问的是“从β到α的过渡矩阵”意思是一个向量在β基下的坐标怎么换算成它在α基下的坐标。继续用城市导航打比方。北京人说“往东3公里”换成上海人可能要说“往某个方向走多少公里”——两个城市用的方向基准不一样同一个地点两套描述之间需要一个换算表。过渡矩阵就是这个换算表。具体做法是把α1、α2、α3、α4分别看成β坐标下的向量写出每个α在β基下的坐标列然后按列拼成一个4×4矩阵。这个矩阵就是过渡矩阵。注意这里的“按列拼”特别容易翻车有人习惯按行拼拼出来的是另一个矩阵算出来的坐标换算结果全是错的。这道题还有个隐藏考点如果你求反了方向把过渡矩阵求成了从α到β的那后面所有涉及坐标换算的题都会跟着错。怎么检查拿一个具体的矩阵比如[1 0; 0 0]在β基下坐标是(1,0,0,0)你用过渡矩阵去算它在α基下的坐标再把算出来的坐标代回α的线性组合看能不能还原成[1 0; 0 0]。能还原说明方向对了还原不出来多半是过渡矩阵求反了。这一步检查只要一分钟但能避免整道题白做。提示过渡矩阵的核心是“坐标换算”不是“矩阵相乘”。先确定你要换算的是哪个方向再动手。3. 范数与线性变换给矩阵量尺寸给变换找落点3.1 矩阵范数一把量“矩阵有多大”的尺子第二题给了一个带虚数的矩阵A要算它的1范数和无穷范数。很多人学到这里会问矩阵又不是向量为什么也要量长度答案是矩阵分析里你经常要比较两个矩阵“差多少”比如迭代算到第几步能停误差可不可以接受都需要一把尺子。矩阵的1范数和无穷范数定义起来特别反直觉因为它们不是“把每个元素取绝对值加起来”而是分两步走1范数先对每一列把所有元素的模加起来得到一个列和再取这些列和里的最大值。无穷范数先对每一行把所有元素的模加起来得到一个行和再取这些行和里的最大值。通俗地说1范数问的是“哪一列最重”无穷范数问的是“哪一行最重”。这道题里矩阵A是3×2的算1范数时先算三列各自的模和挑最大的算无穷范数时先算两行各自的模和挑最大的。注意带虚数i的元素模是√(a²b²)不是直接把虚部忽略掉。第二问还要计算‖Ax‖1和‖Ax‖∞这里的x(1,1,1)^T是一个具体的向量。做法是先老老实实把Ax乘出来得到一个三维向量然后对这个向量再算一次1范数和无穷范数。这里最容易踩的坑是有人直接拿矩阵的范数去乘向量的范数以为‖Ax‖‖A‖·‖x‖。这是不对的范数的次乘性只给了一个不等式‖Ax‖≤‖A‖·‖x‖不是等式。必须先把Ax算出来再量这个结果向量的长度。从这道题能看出矩阵分析的一个特点它特别强调“先算再量”而不是“套公式出答案”。每一步都得知道自己在量什么东西量的是矩阵还是向量用的是哪把尺子。3.2 线性变换的矩阵表示同一个变换换个坐标系就换个长相第三题给了一个线性变换作用在三维向量上规则是([x,y,z]^T)[xy−z, yz, x2y]^T。要求它在自然基下的矩阵表示以及它的核与值域。线性变换的本质是一个“函数”输入一个向量输出另一个向量。矩阵表示则是把这个函数“翻译”成一张表格你把自然基的每一个基向量丢进看输出是什么把输出按列排好就得到了矩阵表示。比如把e1(1,0,0)^T丢进去得到(1,0,1)^T这就是矩阵的第一列e2对应第二列e3对应第三列。三步做完一个3×3矩阵就出来了。核与值域是理解线性变换的两个关键概念。核是“被压成零向量的那些输入向量”也就是所有满足(x)0的x。值域是“所有可能的输出向量”组成的集合。用现实打比方核就像一台碎纸机吞进去的所有文件不管文件原来长什么样出来的都是碎纸条值域就是这台碎纸机能产出的碎纸条形态的总和。求核就是解齐次方程组Ax0看自由变量有几个核的维数就是自由变量的个数。求值域就是看矩阵A列向量张成的空间也就是求列空间的维数。这里有一个特别好用的关系核的维数加上值域的维数正好等于这个空间的维数。如果你算出来核是1维、值域是2维而空间是3维说明算对了如果加起来不等于3肯定中间某一步出了问题。这道题还隐含了一个概念同一个线性变换在不同基下的矩阵长得不一样但它们的本质是同一个变换。自然基下的矩阵是一张“默认照片”换到别的基下就是“美颜照”或“素颜照”变化的是外貌不变的是那个变换本身。这就是后面Jordan标准型要讨论的话题——怎么挑一个最好的坐标系让变换的长相最简洁。4. 从行列因子到Jordan标准型矩阵的“身份证”怎么读4.1 行列因子、不变因子、初等因子三层层层递进的识别码第四题给的矩阵A是一个分块对角矩阵要求求行列因子、不变因子、初等因子和Jordan标准型。这是很多初学者最头疼的部分因为一下子冒出来三个名词不知道它们之间是什么关系。可以把矩阵A想象成一个人这三样东西是他的身份信息但详细程度不同行列因子只说“这个人的血型是什么”它描述的是矩阵各阶非零子式的最大公因子信息量最少。不变因子在行列因子的基础上把信息整理成“血型身高指纹”它是由行列因子两两相除得到的能唯一确定矩阵的相似类。初等因子进一步细化成“血型身高指纹具体疤痕位置”它把不变因子进一步拆成不可再分的因子直接告诉你每个特征值对应几个Jordan块。实际做法里行列因子是通过求各阶行列式因子算出来的。对一个n阶矩阵第k个行列因子是“所有k阶子式的最大公因式”要求首一多项式。得到行列因子后不变因子就是相邻两个行列因子相除d1D1d2D2/D1d3D3/D2依次类推。初等因子则是不变因子里那些不能继续分解的因子比如(λ−1)²、(λ−2)这种。这道题的矩阵是分块对角形式一个2阶块加两个1阶块计算时可以先分别求每个块的因子再合并。这里有个常见误操作有人直接对整个矩阵求各阶子式忽略了分块结构结果算了半天还容易出错。分块矩阵的因子计算是有捷径的先看每个子块再综合起来。4.2 Jordan标准型挑一个最舒服的坐标系看矩阵Jordan标准型是很多人学矩阵分析时最“玄学”的部分。它的出现是因为不是每个矩阵都能对角化。不能对角化的矩阵就像一个人换了好几个角度拍照总有一张脸被遮住拍不全。Jordan标准型就是“尽量拍全”的方案——把能对角化的部分对角化实在对角化不了的部分就在对角线旁边放几个1组成Jordan块。第四题的A对角线是2、0、2、2看起来有两个不同的特征值。求Jordan标准型的关键是看每个特征值对应几个Jordan块、每块多大。这个信息就藏在初等因子里每个初等因子对应一个Jordan块块的阶等于因子的次数。比如某个特征值λ对应的初等因子是(λ−2)³那它就是一个3阶Jordan块形状是[2 1 0; 0 2 1; 0 0 2]如果对应的是(λ−2)和(λ−2)²两个因子那就是一个1阶块加一个2阶块。这里特别容易混两个相同特征值的Jordan块由于写法不同有人会把1阶块看成2阶块或者把Jordan块的个数数错。判断标准只有一个——数清楚初等因子的个数和次数。Jordan标准型的价值在于它把所有相似的矩阵统一成一种标准长相。两个矩阵长得很不一样但如果它们的Jordan标准型一样那它们本质上就是同一个线性变换在不同坐标系下的投影。换句话说Jordan标准型是矩阵的“身份证号”长相可以变身份证号不能变。注意不变因子和初等因子都携带信息但不完全等价。初等因子把每个特征值的Jordan块信息拆得更细两个矩阵可以有相同的不变因子就一定也有相同的初等因子反之亦然。5. 误区与易混Hermite正定、正规矩阵、谱分解、满秩分解到底谁是谁5.1 Hermite矩阵和正定矩阵对称与“正能量”是两回事第五题给了一个矩阵A要证明它是正定Hermite矩阵。很多人把Hermite和正定当成一回事这是矩阵分析里最经典的误区。Hermite矩阵的定义是A^HA也就是矩阵的共轭转置等于它自己。你可以把它想成“复数世界里的对称矩阵”实数对称矩阵是沿对角线翻转不变Hermite矩阵是沿对角线翻转后再取共轭不变。它的关键性质是特征值一定是实数。正定矩阵的定义是“对任意非零向量xx^H A x 0”。翻译成大白话这个矩阵定义了一个“能量函数”任何非零向量输入进去算出来的能量都大于零。它的关键性质是所有顺序主子式都大于0。这道题的提示就直接告诉了你——用顺序主子式来判断。两者的关系是Hermite矩阵不一定是正定的比如有个负特征值就不是正定正定矩阵也不一定非得是Hermite的但在很多教材语境里说“正定矩阵”默认指Hermite正定矩阵。这道题先证明A是Hermite再证明它正定两步必须分开做第一步验证共轭转置等于自己第二步验证所有顺序主子式大于0。少一步都算没证完。紧接着第二问验证(,)^H 定义了一个内积。这里的内积验证要检查三条性质共轭对称性、对第一个变量的线性性、正定性。其中正定性正好依赖于第一步证明的“A是正定Hermite矩阵”所以这道题是一环扣一环的前面的结论没证完后面的验证就缺少支撑。5.2 正规矩阵与可对角化不是所有“漂亮”矩阵都能谱分解第七题给的矩阵A是一个上三角矩阵要证明它是正规矩阵再求谱分解。正规矩阵的定义是A^H A A A^H也就是“矩阵和它的共轭转置能交换”。这个定义看起来平淡无奇但它背后藏着一个大结论一个矩阵可以酉对角化也就是能被酉矩阵变成对角矩阵当且仅当它是正规矩阵。换句话说正规矩阵可以被一套正交坐标系“拍成正脸照”的矩阵。常见的误区是把“正规矩阵”和“Hermite矩阵”混为一谈。Hermite矩阵是正规矩阵的一个子集Hermite矩阵一定正规但正规矩阵不一定是Hermite的。举例子酉矩阵U满足U^H U I它也是正规矩阵但不一定是Hermite矩阵。正规矩阵这个家族里住着Hermite矩阵、酉矩阵、实对称矩阵、实正交矩阵一大批“行为端正”的成员。谱分解则是正规矩阵特有的“拆解方式”把矩阵A拆成特征值的加权和Aλ1 P1 λ2 P2 … λk Pk其中每个Pi是一个投影矩阵把向量投影到对应特征值的特征子空间上。打个比方白光经过棱镜分成七色光谱分解就是把一个复杂的矩阵“分光”让每个特征值对应一束光投影矩阵决定这束光的方向特征值决定这束光的强度。求谱分解的步骤是先求出特征值再对每个特征值求对应的特征向量归一化后构造投影矩阵Pi ui ui^H最后验证所有投影矩阵加起来等于单位矩阵。这里容易出错的是特征向量没归一化就构造投影矩阵导致投影矩阵不是幂等的分解完对不上原矩阵。检查方法是把分解结果重新加起来看能不能复原A。5.3 满秩分解与分解家族别把“拆法”搞混第六题要求求矩阵A的满秩分解这是很多人的知识盲区因为线性代数里很少讲它。满秩分解说的是任何一个秩为r的矩阵A都能拆成一个列满秩矩阵F和一个行满秩矩阵G的乘积AF G其中F是n×r列满秩矩阵G是r×m行满秩矩阵。为什么需要这种分解因为一个矩阵如果不满秩很多运算不好做。把它拆成一个“瘦高”的F和一个“矮胖”的G两个因子都比原矩阵性质更好很多计算就方便了。比如求广义逆、解最小二乘问题都常用满秩分解做铺垫。具体求法一般是先对A做初等行变换化成行最简形找到主元列的位置F取A的对应主元列组成G取行最简形的前r行。这个做法看起来简单但有一个超常见的坑F必须来自原矩阵的列不能来自行最简形的列。有人图省事直接把行最简形的前r列当F结果算完FG不等于A检查半天才发现是F取错了。说到矩阵分解这一章里聚齐了好几个成员特别容易混分解类型核心思路适合场景满秩分解AF GF列满秩、G行满秩广义逆、最小二乘Jordan分解拆成Jordan块的块对角研究相似结构与特征值几何信息谱分解拆成特征值×投影矩阵的加权和正规矩阵的“分光”表示LU分解拆成下三角×上三角解线性方程组区分它们有个简单的记忆方式满秩分解是“按秩拆”Jordan分解是“按特征值结构拆”谱分解是“按特征值方向拆”LU分解是“按消元过程拆”。它们不是竞争关系而是从不同角度解剖同一个矩阵考卷上让你用哪个你要能判断出出题人想要的是哪把手术刀。6. 什么时候用得上、什么时候别硬套矩阵分析考卷背后的判断力第八题是一个很有代表性的综合题已知A²Arank(A)rn要证明A的Jordan块全是1阶的、特征值只能是1或0如果A是Hermite矩阵还有酉矩阵U让U^H A U[Er 0; 0 0]以及|AE|1。这道题表面考Jordan标准型、Hermite矩阵的性质实际上考的是你“看到条件能不能判断出该用什么工具”。A²A说明A是幂等矩阵它本质上是一个投影矩阵的“代数化身”。投影矩阵的含义是“第一次投影落到某个平面上再投影一次还在同一个平面上”所以它作用后不会再产生额外维度。这直接推出一个关键结论A的Jordan块要是出现了2阶或更高阶那A²的秩一定会比A的秩小因为高阶Jordan块会让“再乘一次”再多压掉一维。既然rank(A²)rank(A)说明每个Jordan块都只能是1阶的矩阵可对角化。特征值只能是1和0这件事也可以用A²A直接推设Axλx两边左乘A得到A²xλAxλ²x又因为A²xAxλx所以λ²λ特征值只能是0或1。这一招在考场上特别实用不用算矩阵直接根据定义推。至于|AE|1原因是Hermite矩阵的特征值是实数而A的特征值已经被限定为1或0所以AE的特征值只能是2或1行列式等于特征值乘积自然大于1。这里要提醒自己|AE|不是“A的行列式加E的行列式”而是把AE作为一个整体求行列式用特征值乘积最方便。那“什么时候别硬套”呢我的血泪经验是看到条件是“A²A”不要再按一般矩阵去算Jordan标准型先想幂等看到“A是Hermite”不要再怀疑特征值是不是复数直接按实数处理看到“满秩分解”不要把F取成行最简形的列看到“过渡矩阵”先判断是哪个基到哪个基的方向。矩阵分析考的不是计算量是你能不能一眼识别题型、选对工具。说实话这种识别能力不是看书看出来的是踩坑踩出来的。我刚学的时候第五题第二问的内积验证我上来就验证共轭对称性完全忘了正定性依赖第一问的结论结果那一步直接空着没写。从那以后我每次拿到这类题都强制自己先圈出条件里的关键词写下“这道题该用什么定理”再动手计算整个人的准确率高了一大截。希望帮到你——下次翻开这类卷子别慌先认题型再动笔。本文还有配套的精品资源点击获取