第五专题 矩阵的数值特征 （行列式、迹、秩、相对特征根、范数、条件数） 一、行列式 已知A p ×q , B q ×p , 则|I p +AB|=|I q +BA| 证明一：参照课本194页，例4.3. 证明二：利用AB 和BA 有相同的非零特征值的性质； 从而I p +AB ，I q +BA 中不等于1的特征值的数目 相同，大小相同；其余特征值都等于1。 行列式是特征值的乘积，因此|I p +AB|和|I q +BA|等于特征值（不等于1）的乘积，所以二者相等。 二、矩阵的迹 矩阵的迹相对其它数值特征简单些，然而，它在许多领域，如数值计算，逼近论，以及统计估计等都有相当多的应用，许多量的计算都会归结为矩阵的迹的运算。下面讨论有关迹的一些性质和不等式。 定义：n n ii i i 1 i 1 tr(A)a ====λ∑∑，etrA=exp(trA)
性质： 1. tr(A B)tr(A)tr(B)λ+μ=λ+μ，线性性质； 2. T tr(A )tr(A)=； 3. tr(AB)tr(BA)=； 4. 1 tr(P AP)tr(A)-=； 5. H H tr(x Ax)tr(Axx ),x =为向量； 6. n n k k i i i 1 i 1 tr(A),tr(A )===λ=λ∑∑; 从Schur 定理（或Jordan 标准形）和（4）证明； 7. A 0≥,则tr(A)0≥,且等号成立的充要条件是A=0； 8. A B(A B 0)≥-≥即,则tr(A)tr(B)≥，且等号成立的充要条件是A=B （i i A B (A)(B)≥?λ≥λ）； 9. 对于n 阶方阵A ，若存在正整数k,使得A k =0,则tr(A)=0（从Schur 定理或Jordan 标准形证明）。 若干基本不等式 对于两个m ×n 复矩阵A 和B ，tr(A H B)是m ×n 维酉空间上的内积，也就是将它们按列依次排成的两个mn 维列向量的内积，利用Cauchy-schwarz 不等式 [x,y]2≤[x,x]﹒[y,y]
§8 向量,矩阵范数，矩阵的条件数 一 、 向量、矩阵范数 为了讨论线性方程组近似解的误差估计与研究解方程组迭代法的收敛性，需要在)(n n n R R ?或中引进向量序列(或矩阵序列)极限概念。为此， 这就需要对量空间n R (或n n R ?矩阵空间)元素的“大小”引进某种度量即向量范数(或矩阵范数)即距离的概念。 (一)向量范数：向量范数是3R 中向量长度概念的推广。 },{1为复数i n n x x x x x C ??????????== 称为n 维复向量空间。 },)({为复数ij n n ij n n a a A A C ??==称为n n ?复矩阵空间。 (2)设n n n C A C x ?∈∈,,称T n H x x x x =≡),,(1 为x 的共轭转置 ， T H A A =称为A 共轭转置矩阵。 在许多应用中，对向量的范数(对向量的“大小”的度量)都要求满足 正定条件，齐次条件和三角不等式，下面给出向量范数的抽象定义。 n R x ∈(或n C x ∈)的某个实值非负函数 x x N ≡)(，如果满足下述条件 (1)正定性 00,0=??=≥x x x (2)齐次性 x ax α=其中R ∈α(或C ∈α) (3)三角不等式 )(,,n n C R y x y x y x ∈∈?+≤+或，称x x N ≡)(是n R 上(或n C )一个向量范数(或为模)。
由三角不等式可推出不等式 (4)y x y x -≤- 下面给出矩阵计算中一些常用向量范数。 设)(),,(1n n T n C x R x x x ∈∈=或 (1)向量的“∞”范数 i n i x x x N ≤≤∞ ∞=≡1max )( (2)向量的“1”范数 ∑==≡n i i x x x N 1 1 1)( (3)向量的“2”范数 2/11 2 2 /12 2)() ,()(∑===≡n i i x x x x x N (4)向量的能量范数 设n n R A ?∈为对称正定阵 2 /1),()(x Ax x x N R x A A n =≡→∈? 称为向量的能量范数。 设n R x ∈(或n C x ∈)，则)(),(),(12x N x N x N ∞是n R 上(或n C )的向量范数。 证明 只验证三角不等式：对任意n R y x ∈,，则222 y x y x +≤+ 利用哥西不等式：22 ),(y x y x ≤，则有 ),(22 y x y x y x ++=+),(),(2),(y y y x x x ++= 22 2 2 22 2y y x x ++≤222))(y x += 对任何n R y x ∈,则 (1) ∞∞ ≤≤x n x x 2 (2) 212 x n x x ≤≤ (3) ∞∞ ≤≤x n x x 1
第五专题 矩阵的数值特征 （行列式、迹、秩、相对特征根、范数、条件数） 一、行列式 已知A p ×q , B q ×p , 则|I p +AB|=|I q +BA| 证明一：参照课本194页，例4.3. 证明二：利用AB 和BA 有相同的非零特征值的性质； 从而I p +AB ，I q +BA 中不等于1的特征值的数目 相同，大小相同；其余特征值都等于1。 行列式是特征值的乘积，因此|I p +AB|和|I q +BA|等于特征值（不等于1）的乘积，所以二者相等。 二、矩阵的迹 矩阵的迹相对其它数值特征简单些，然而，它在许多领域，如数值计算，逼近论，以及统计估计等都有相当多的应用，许多量的计算都会归结为矩阵的迹的运算。下面讨论有关迹的一些性质和不等式。 定义：n n ii i i 1i 1tr(A)a ====λ∑∑，etrA=exp(trA) 性质： 1. tr(A B)tr(A)tr(B)λ+μ=λ+μ，线性性质； 2. T tr(A )tr(A)=； 3. tr(AB)tr(BA)=； 4. 1tr(P AP)tr(A)-=；
5. H H tr(x Ax)tr(Axx ),x =为向量； 6. n n k k i i i 1i 1tr(A),tr(A )===λ=λ∑∑; 从Schur 定理（或Jordan 标准形）和（4）证明； 7. A 0≥,则tr(A)0≥,且等号成立的充要条件是A=0； 8. A B(A B 0)≥-≥即,则tr(A)tr(B)≥，且等号成立的充要条件是A=B （i i A B (A)(B)≥?λ≥λ）； 9. 对于n 阶方阵A ，若存在正整数k,使得A k =0,则tr(A)=0（从Schur 定理或Jordan 标准形证明）。 若干基本不等式 对于两个m ×n 复矩阵A 和B ，tr(A H B)是m ×n 维酉空间上的内积，也就是将它们按列依次排成的两个mn 维列向量的内积，利用Cauchy-schwarz 不等式 [x,y]2≤[x,x]﹒[y,y] 得 定理：对任意两个m ×n 复矩阵A 和B |tr(A H B)|2≤tr(A H A)﹒tr(B H B) 这里等号成立的充要条件是A=cB,c 为一常数。特别当A 和B 为实对称阵或Hermit 矩阵时 0≤|t r(AB)|≤ 定理：设A 和B 为两个n 阶Hermite 阵,且A≥0，
矩阵基本运算及应用 201700060牛晨晖 在数学中，矩阵是一个按照长方阵列排列的或集合。矩阵是高等代中的常见工具，也常见于统计分析等应用数学学科中。在物理学中，矩阵于电路学、、光学和中都有应用；中，制作也需要用到矩阵。矩阵的运算是领域的重要问题。将为简单矩阵的组合可以在理论和实际应用上简化矩阵的运算。在电力系统方面，矩阵知识已有广泛深入的应用，本文将在介绍矩阵基本运算和运算规则的基础上，简要介绍其在电力系统新能源领域建模方面的应用情况，并展望随机矩阵理论等相关知识与人工智能电力系统的紧密结合。 1矩阵的运算及其运算规则 1.1矩阵的加法与减法 1.1.1运算规则 设矩阵，， 则
简言之，两个矩阵相加减，即它们相同位置的元素相加减！ 注意：只有对于两个行数、列数分别相等的矩阵（即同型矩阵），加减法运算才有意义，即加减运算是可行的． 1.1.2运算性质 满足交换律和结合律 交换律； 结合律． 1.2矩阵与数的乘法 1.2.1运算规则 数乘矩阵A，就是将数乘矩阵A中的每一个元素，记为或． 特别地，称称为的负矩阵． 1.2.2运算性质 满足结合律和分配律
结合律：(λμ)A=λ(μA)；(λ+μ)A =λA+μA． 分配律：λ(A+B)=λA+λB． 1.2.3典型举例 已知两个矩阵 满足矩阵方程，求未知矩阵． 解由已知条件知 1.3矩阵与矩阵的乘法 1.3.1运算规则 设，，则A与B的乘积是这样一个矩阵： (1) 行数与（左矩阵）A相同，列数与（右矩阵）B相同，即 ．
(2) C的第行第列的元素由A的第行元素与B的第列元素对应相乘，再取乘积之和． 1.3.2典型例题 设矩阵 计算 解是的矩阵．设它为 可得结论1：只有在下列情况下，两个矩阵的乘法才有意义，或说乘法运算是可行的：左矩阵的列数＝右矩阵的行数；结论2在矩阵的乘法中，必须注意相乘的顺序．即使在与均有意义时，也未必有=成立．可见矩阵乘法不满足交换律；结论3方阵A和它同阶的单位阵作乘积，结果仍为A，即． 1.3.3运算性质（假设运算都是可行的）
几种矩阵完备算法的研究与实现 ——《矩阵分析》课程仿真作业报告* 刘鹏飞 电?系2016210858 摘要 矩阵完备是指从??部分已知的矩阵元素中恢复出整个矩阵。它在计算机视觉、推荐系统以及社交?络等??具有?泛的应?。矩阵恢复可以通过 求解?个与核范数有关的凸优化问题来实现。由此诞?了许多矩阵恢复的算 法，?如FPC算法等。FPC算法虽然实现简单，但其迭代速度较慢。在此基 础上，APG算法经过改进，能够提升迭代速度。但最?化核范数并不是求解 矩阵完备问题的唯??法，其中OptSpace算法构造了?个在流形上的优化问 题，相?于前两种算法能够以更?的精度恢复出原始矩阵。本?主要总结了 FPC、APG和OptSpace三种算法的步骤。特别地，对于OptSpace算法，本 ?提出了求解其中两个?优化问题的具体算法。最后，本?通过仿真实验和理 论分析?较了三种算法的特点，并给出了OptSpace算法的精度?于APG算 法的解释。 关键词：矩阵完备，核范数，FPC，APG，OptSpace 1介绍 1.1矩阵完备及其算法综述 矩阵完备是指从??部分已知的矩阵元素中恢复出整个矩阵。它在计算机视觉、推荐系统以及社交?络等??具有?泛的应?。矩阵完备可以描述成这样?个问题：对于?个m×n的矩阵M，其秩为r，我们只有对M中的部分采样，记*报告中所涉及到的仿真代码可在https://https://www.doczj.com/doc/a41980637.html,/s/1jHRcY8m下载 1
这些采样位置组成的集合为?，那么是否有可能从已知的部分元素中恢复出整个矩阵M。假如M为低秩矩阵，并且已知的元素?够多并且?够均匀地分布在整个矩阵中，那么我们可以通过解如下优化问题来恢复出原始矩阵[1]： min rank(W) s.t.W ij=M ij,(i,j)∈?(1-1)但是，问题(1-1)是?个NP难的?凸问题。在?定条件下，问题(1-1)可以转化成?个最?化核范数的问题。对于矩阵W m×n，W的核范数定义为其奇异值之和，即 ∥W∥?=min(m,n) ∑ k=1 σk(W)(1-2) 其中，σk(W)表?W第k?的奇异值。问题(1-1)可以转化成： min∥W∥? s.t.W ij=M ij,(i,j)∈?(1-3)对于(1-3)中带等式约束的问题，进?步地，可以将它凸松弛成?个?约束的 优化问题[2][3][4]： min 1 2 ∥A(W)?b∥22+μ∥W∥?(1-4) 其中，b是由矩阵中采样位置对应的元素组成的p×1维向量，p=|?|（|·|表?集合的势）；A:R m×n?→R p是?个线性映射，A(W)=(W ij)|(i,j)∈?；μ是?个可以调整的参数。 对于(1-4)中的?约束问题，?献[2][3]分别提出了Fixed Point Continuation （FPC）和Singular Value Thresholding（SVT）的算法。本?认为，这两种算法虽然出发点不同，但其实质都是梯度下降法，没有本质的差别，在算法实现上也基本?样。因此，本?只研究其中?种，即FPC算法。FPC算法虽然实现简单，但其迭代速度慢，效率不?。在此基础上，?献[4]做出了改进，提出?种Accelerated Proximal Gradient Singular Value Thresholding（APG）算法（该算法是在SVT算法上改进的，本?认为FPC和SVT实质上是?种算法，故不做区别），能够?幅度地提?收敛速度。 前?提到的?种算法，都是从(1-1)中的最?化秩的问题出发，经过?步步凸松弛得到的。与上述基本思路不同，?献[5]提出了OptSpace算法，它实质上是通过解另?种优化问题来实现矩阵完备： min F(W)= ∑ (i;j)∈? ∥M ij?W ij∥2 s.t.rank(W)=r(1-5)
第五专题矩阵的数值特征 （行列式、迹、秩、相对特征根、范数、条件数） 一、行列式 已知A p×q, B q×p, 则|I p+AB|=|I q+BA| 证明一：参照课本194页，例4.3. 证明二：利用AB和BA有相同的非零特征值的性质； 从而I p+AB，I q+BA中不等于1的特征值的数目相同，大小相同；其余特征值都等于1。 行列式是特征值的乘积，因此|I p+AB|和|I q+BA|等于特征值（不等于1）的乘积，所以二者相等。 二、矩阵的迹 矩阵的迹相对其它数值特征简单些，然而，它在许多领域，如数值计算，逼近论，以及统计估计等都有相当多的应用，许多量的计算都会归结为矩阵的迹的运算。下面讨论有关迹的一些性质和不等式。 定义： n n ii i i1i1 tr(A)a == ==λ ∑∑，etrA=exp(trA) 性质： 1. tr(A B)tr(A)tr(B) λ+μ=λ+μ，线性性质；
2. T tr(A )tr(A)=； 3. tr(AB)tr(BA)=； 4. 1 tr(P AP)tr(A)-=； 5. H H tr(x Ax)tr(Axx ),x =为向量； 6. n n k k i i i 1 i 1 tr(A),tr(A )===λ=λ∑∑; 从Schur 定理（或Jordan 标准形）和（4）证明； 7. A 0≥,则tr(A)0≥,且等号成立的充要条件是A=0； 8. A B(A B 0)≥-≥即,则tr(A)tr(B)≥，且等号成立的充要条件是A=B （i i A B (A)(B)≥?λ≥λ）； 9. 对于n 阶方阵A ，若存在正整数k,使得A k =0,则tr(A)=0（从Schur 定理或Jordan 标准形证明）。 若干基本不等式 对于两个m ×n 复矩阵A 和B ，tr(A H B)是m ×n 维酉空间上的内积，也就是将它们按列依次排成的两个mn 维列向量的内积，利用Cauchy-schwarz 不等式 [x,y]2≤[x,x]﹒[y,y] 得 定理：对任意两个m ×n 复矩阵A 和B |tr(A H B)|2≤tr(A H A)﹒tr(B H B)
20XX 年南京理工大学硕士研究生 《矩阵分析与计算》考试（A 卷）参考答案 注意：所有试题答案都写在答题纸上，写在试卷上无效 一、（12分）设矩阵0.60.50.10.3A ??=????，计算21,,F A A A A ∞。 解：10.8, 1.1,F A A A ∞=== …………. 9 分 0.370.330.330.34T A A ??=???? m a x ()0.6853T A A λ≈， …………. 2 分 从而20.8278A == …………. 1 分 二、（15分）求矩阵141130001A -????=--?????? 的初等因子及Jordan 标准形。 解：初等因子 21,(1)λλ-+ …………. 10 分 Jordan 矩阵1111J ????=-????-?? …………. 5 分 三、（20分）已知1011011,11121A b ????????==???????????? （1）求A 的满秩分解；（2）求A +；（3）用广义逆矩阵方法判断线性方程组Ax b =是否有解；（4）求Ax b =的极小范数解或极小范数最小二乘解，并指出所求的是哪种解． 解：（1）101010101111A FG ??????==?????????? …………. 6 分
(2) 54114519112A +-????=-?????? …………. 6 分 (3) []21123 T b A b A += ≠,方程组无解； …………. 4 分 （4）极小范数最小二乘解为[]021129 T b x A +== …………. 4 分 四、（10分）利用盖尔圆隔离定理证明205141011210A i ????=?????? 有三互异特征值。 解：取(1,1,3)D diag =，则1B DAD -=的三个行盖尔园隔离，因此矩阵有3个互异特征值. ………….10 分 五、（10分）用LU 分解求解方程组 1234102040101312431301035x x x x ??????????????????=???????????????? ?? 解: 1020110200101011011243121210 10301012??????????????????=?????????????????? …………. 5 分 求解得到(2,2,1,1)T x = …………. 5分 六、（10分）利用幂法计算矩阵 1319????-?? 的按模最大特征值及对应特征向量。（取初始向量(1,1)T ,结果保留4位有效数字） 解: max 8.6055λ≈, 特征向量(0.3945,1)T ………… 10分
矩阵基本运算及应用 201７0０0６0牛晨晖 在数学中,矩阵就是一个按照长方阵列排列得复数或实数集合、矩阵就是高等代数学中得常见工具,也常见于统计分析等应用数学学科中、在物理学中,矩阵于电路学、力学、光学与量子物理中都有应用;计算机科学中,三维动画制作也需要用到矩阵。矩阵得运算就是数值分析领域得重要问题。将矩阵分解为简单矩阵得组合可以在理论与实际应用上简化矩阵得运算。在电力系统方面,矩阵知识已有广泛深入得应用,本文将在介绍矩阵基本运算与运算规则得基础上,简要介绍其在电力系统新能源领域建模方面得应用情况,并展望随机矩阵理论等相关知识与人工智能电力系统得紧密结合。 1矩阵得运算及其运算规则 1。1矩阵得加法与减法 1、1、1运算规则 设矩阵,,?则 ?简言之,两个矩阵相加减,即它们相同位置得元素相加减！?注意:只有对于两个行数、列数分别相等得矩阵(即同型矩阵),加减法运算才有意义,即加减运算就是可行得. 1。1、２运算性质 满足交换律与结合律
交换律;?结合律. １.2矩阵与数得乘法 ?１。2、１运算规则?数乘矩阵Ａ,就就是将数乘矩阵A中得每一个元素,记为或.?特别地,称称为得负矩阵。 1。2、2运算性质?满足结合律与分配律?结合律:(λμ)A=λ(μA);(λ+μ)Ａ＝λA+μA.?分配律:λ(A＋B)＝λＡ+λＢ. 1、2、3典型举例?已知两个矩阵 满足矩阵方程,求未知矩阵、?解由已知条件知 1、３矩阵与矩阵得乘法 ?１。3.1运算规则?设,,则A与B得乘积就是这样一个矩阵: (1) 行数与(左矩阵)A相同,列数与(右矩阵)B相同,即. (2) C得第行第列得元素由A得第行元素与B得第列元素对应相乘,再取乘积之与、 1、3、2典型例题
编号：070111A16 课程名称：矩阵分析与计算 英文名称：Matrix Analysis and Computation 一、课内学时： 32 学分： 2 二、适用专业：理工科硕士生，经济学硕士生 三、预修课程：线性代数，微积分 四、教学目的：任何涉及数学的领域（包括工程学，最优 化，经济学，控制论，电子学，网络等等）都需要矩阵的知识。本课程介绍矩阵分析及计算的基本概念和基本方法，力求花较少的时间，使学生了解到较多的实用的概念和方法，做到知识面广，使学生有能力处理在各自学科研究中出现的矩阵基本问题。 五、教学方式：课堂授课 六、大纲内容（包括实验内容）及学时分配、对学生的要 求：(注：“*”表示重点，“#”表示难点，“★”表示涉及学科前沿，“●”表示研究性内容) 1、矩阵的标准型（6学时） 1.1矩阵的相似对角形 1.2矩阵的Smith标准形，不变因子，初等因子# 1.3Jordan 标准型*
1.4Hamilton-Cayley定理 1.5酉空间，酉矩阵 1.6酉相似标准型 2、向量范数，矩阵范数（6学时） 2.1 向量范数 2.2 矩阵范数* 2.3 矩阵范数与向量范数的相容性 2.4 矩阵的谱半径及应用 2.5 矩阵的条件数及应用 3、矩阵分解（3学时） 3.1 三角分解 3.4 矩阵的满秩分解* 3.5 矩阵的奇异值分解# 4、矩阵特征值的估计与计算（3学时） 3.1 盖尔圆定理 3.2 特征值的隔离* 3.3 幂迭代法与逆幂迭代法 5、广义逆矩阵（3学时） 5.1 Penrose 方程 5.2 {1}-逆的计算及性质 5.3 Moore.Penrose逆的计算及性质* 6、矩阵函数（3学时）
计算题 一．(1) 设() =A ，①求A 的Jordan 标准形J 。可参照 P 16例1.3进行求解。 ②求矩阵函数At e 、A sin 。可参照P 127例6.5进行求解。 (2) 设λ矩阵() =)(λA ，求)(λA 的Smith 标准形和不变因子。可参照 P 10例1.1进行求解。 二．已知函数矩阵At sin 或At e ，求矩阵A ．类似题如P 131例6.8。 三．设(), =A (1) 求1A ，2A ，∞A ； (2) 若给以扰动X X A A R A ,001.022 33，并设使≤δ∈δ?分别为方程组AX =b 与(A +δA )X =b 的唯一解,试估计22X X X -的范围，这里0,3≠∈b R b 。用 P 59定理2.18，类似题如P 60例2.21。 四．（1）运用盖尔圆定理隔离矩阵() =A 的特征值。可参照P 92例 4.3。 （2）写出规范化的幂迭代法公式（P 93（4.3）），并求矩阵() =A 的按模最大的特征值及特征向量（计算4步）。类似题如P 94例4.4或课件上的例4.4。 五．已知()() ==b A ,，
(1)用满秩分解法求A的Penrose Moore-广义逆+A。 (2)用广义逆矩阵方法判断线性方程组b AX=是否有解。 (3)求线性方程组b AX=的极小范数解或极小范数最小二乘解。可参照P110例5.4、P117定理5.12及P155例8.1。 六．（1）用列主元法计算线性方程组b AX=的解。类似题如P145例7.2； （2）用Doolittle分解法计算线性方程组b AX=的解。类似题如P64例3.1及P147例7.3。 七．写出解线性方程组b AX=的Jacobi和Gauss-Seidel迭代格式，并讨论其收敛性。可参照P164例9.1、9.2及P167例9.3。 八．写出共轭梯度法公式（P ），用共轭梯度法计算线性方程组 174 AX=的解。类似题如P174例9.5。 b 九．用Givens变换化向量x与 e共线。类似题如P73例3.5。 1 证明题 一．(1)、P25定理1.13的证明。(2)、P31推论1.13的证明。二．(1)、P43定理2.2的证明。(2)、P55定理2.15的证明。三．(1)、P67定理3.3的证明。(2)、P72定理3.6的证明。四．(1)、P106定理5.4的证明。(2)、P172定理9.12的证明。
计算题 一．设() =A ，求A 的Jordan 标准形J 及最小多项式)(λm 。 可参照 P 16例1.3、P 27例1.13 进行求解。 二．（1）已知函数矩阵At sin 或At e ，求矩阵A ．类似题如P 131例6.8。 （2）对（1）中的矩阵A ，求微分方程组() ?????=+= )0()(x t f Ax dt dx 的解。可用P 136公式(6.13)，参 照P 136例6.12 进行求解。 三．（1）设(), =A 求14 1max Ax x =。类似题如P 50例2.11。 （2）讨论下列矩阵幂级数的敛散性。可参照P 56例2.17。 四．（1）运用盖尔圆定理判断矩阵() =A 有不同的实特征值。可参照P 92例4.3。 （2）写出规范化的幂迭代法公式（P 93（4.3）），并求矩阵() =A 的按模最大的特征值及特征向量（计算4步）。类似题如P 94例4.4或课件上的例4.4。 五．已知() =A ， (1) 求A 的满秩分解。 (2) 求A 的Penrose Moore -广义逆+A 。可参照P 85例3.9、P 110例5.4。 六．用列主元法计算线性方程组b AX =的解。类似题如P 145例7.2。 七．写出解线性方程组b AX =的Jacobi 和Gauss-Seidel 迭代格式，并讨论其收敛性。可参照P 164例9.1、9.2及P 167例9.3。 八．写出共轭梯度法公式（P 174），用共轭梯度法计算线性方程组b AX =的解。类似题如P 174例9.5。 九．用Givens 变换化向量x 与1e 共线。类似题如P 73例3.5。 证明题 一．P 34定理1.22的证明。 二．P 43定理2.2的证明。 三．P 111定理5.7的证明。 四．P 86定理3.17的证明。 五．P 172定理9.13的证明。
南京理工大学博士、硕士研究生考试矩阵分析与计算试题评分标准 学院（系）：理学院学期：2008—2009学年秋季考试方式：闭卷满分分值：100 考试时间：120 分钟 一、（15分）解答：
二、（15分）解答： 三、（10分）解答： 165 111 21 1.5()22.5,2111102 22.5 1.6875102/3 A Cond A X X δ-∞-∞ ∞--?? ??=-?=?? ??--?? ?≤?=?解：由公式有 四、（20分）解答： （1）11101212012301A 骣÷?骣÷?--÷÷??÷÷??=÷÷??÷÷??÷桫÷?÷?桫 （6分） （2）11174139361()()12130718T T T T A G GG F F F +--骣-÷ ?÷? ÷ ?÷-?÷?÷==?÷÷?÷?÷?÷?÷?-÷ 桫 （6分） （3）验证得到AA b b +=，因此方程组有解 （4分） （4）极小范数解 1 10 (4,3,2,1)T x A b +== （4分）
五、（10分）解答：A 的行盖尔圆： 2134:|3|2; :|(2)|0.1; :|10|2; :|0| 2.1; G z G z G z G z -?-???（3分） 取 52 (1,1 ,,1)D diag =，得到 25 55 22253010200.1 01010.10 B 轾犏犏-犏=犏犏犏犏臌 （4分） A 的行盖尔圆： 2134:|3| 1.4; :|(2)|0.1; :|10|5; :|0| 1.5; G z G z G z G z ⅱⅱ-?-???（3分） 则 B 的4个盖尔圆已经分离。 六、（20分）解答：
2015年矩阵分析与计算试卷解答及评分标准 一、（10分）设3 40120251A ????=--????---?? ，求A 的不变因子、 初等因子，并写出A 的Jordan 标准形。 解：行列式因子D 1=1；D 12=λ+1；D 13=1-λ,所以D 2=1；D 3=(λ-2)(λ+1)2，所以不变 因子d 1=d 2=1；d 3=(λ-2)(λ+1)2 （6分）；初等因子为(λ-2),(λ+1)2 (8分) A 的Jordan 标准形为200011001A J ?? ??=-?? ??-?? (10分) 二、（10分）利用盖尔圆定理及特征值隔离法证明： 矩阵2111917218A -?? ??=?? ???? 有三个互异实特征值。 解：（1）写出A 的行或列盖尔圆, 但彼此不孤立。 （4分）； （2）取D =diag(1,1,2), 则A 与B=D -1 AD 特征值相同，B 的三个行盖尔圆分别为|2|3,|9|3,|18| 4.5,z z z -≤-≤-≤ B 的三个盖尔圆彼此孤立， （8分），故各盖尔圆内有且仅有1个特征值，而B 是实矩阵，而各盖尔圆均关于实轴对称，故 特征值均是实的。（10分） 三、（10分）用选列主元的Doolittle 分解求解方程组 3215211 3.51213x ???? ????=???? ???????? 。 解：系数矩阵A 的选列主元的Doolittle 分解为 1 00321100321 12111/3 1004/32/30 1 01 212/3 1/41001/2LU ????? ???????????=≡????????????????-????? ??? 。 （6 分） 原方程组等价于 1[5 3 3.5]T LUx Pb b ==≡。 解Ly =b 1，得y=[5, 4/3, 1/2]’，…(8分); 再解Ux =y, 得x =[1 1/2 1]’…….(10分). 四、（11分）（1）设矩阵A 按模最大的特征值唯一，请写出近似其按模最大特征
2011年南京理工大学硕士研究生 《矩阵分析与计算》考试（A 卷）参考答案 注意：所有试题答案都写在答题纸上，写在试卷上无效 一、（12分）设矩阵0.60.50.10.3A ??=????，计算21,,F A A A A ∞。 解：10.8, 1.1,F A A A ∞=== …………. 9 分 0.370.330.330.34T A A ??=???? m a x ()0.6853T A A λ≈， …………. 2 分 从而20.8278A == …………. 1 分 二、（15分）求矩阵141130001A -????=--?????? 的初等因子及Jordan 标准形。 解：初等因子 21,(1)λλ-+ …………. 10 分 Jordan 矩阵1111J ????=-????-?? …………. 5 分 三、（20分）已知1011011,11121A b ????????==???????????? （1）求A 的满秩分解；（2）求A +；（3）用广义逆矩阵方法判断线性方程组Ax b =是否有解；（4）求Ax b =的极小范数解或极小范数最小二乘解，并指出所求的是哪种解． 解：（1）101010101111A FG ??????==?????????? …………. 6 分
(2) 54114519112A +-????=-?????? …………. 6 分 (3) []21123 T b A b A += ≠,方程组无解； …………. 4 分 （4）极小范数最小二乘解为[]021129 T b x A +== …………. 4 分 四、（10分）利用盖尔圆隔离定理证明205141011210A i ????=?????? 有三互异特征值。 解：取(1,1,3)D diag =，则1B DAD -=的三个行盖尔园隔离，因此矩阵有3个互异特征值. ………….10 分 五、（10分）用LU 分解求解方程组 1234102040101312431301035x x x x ??????????????????=???????????????? ?? 解: 1020110200101011011243121210 10301012??????????????????=?????????????????? …………. 5 分 求解得到(2,2,1,1)T x = …………. 5分 六、（10分）利用幂法计算矩阵 1319????-?? 的按模最大特征值及对应特征向量。（取初始向量(1,1)T ,结果保留4位有效数字） 解: max 8.6055λ≈, 特征向量(0.3945,1)T ………… 10分
计算题 一． 设() =A ，①求A 的Jordan 标准形J 及最小多项式)(λm 。可参照 P 16例1.3、P 27例1.13 进行求解。 ②求矩阵函数At e 、A sin 。可参照P 127例6.5进行求解。 二．已知函数矩阵At sin 或At e ，求矩阵A ．类似题如P 131例6.8。 三．设(), =A （1）求141max Ax x =。类似题如P 50例2.11。 (2) 若给以扰动X X A A R A ,001.022 33，并设使≤δ∈δ?分别为方程组AX =b 与 (A +δA )X =b 的唯一解,试估计 22X X X -的范围，这里0,3≠∈b R b 。用P 59定理2.18，类似题如P 60例2.21。 (3)求1m A ，∞m A ，1A ，2A ，∞A ，)(A cond 。 四．写出规范化的幂迭代法公式（P 93（4.3）），并求矩阵() =A 的按模最大的特征值及特征向量（计算4步,注意要用计算器）。类似题如P 94例4.4或课件上的例4.4。 五．已知()() ==b A ,， (1)用满秩分解法求A 的Penrose Moore -广义逆+A 。 (2)用广义逆矩阵方法判断线性方程组b AX =是否有解。 (3)求线性方程组b AX =的极小范数解或极小范数最小二乘解。可参照P 110例5.4、P 117定理5.12及P 155例8.1。 六．（1）用列主元法计算线性方程组b AX =的解。类似题如P 145例7.2； （2）用Doolittle 分解法计算线性方程组b AX =的解。类似题如P 64例3.1及P 147例7.3。 七．写出解线性方程组b AX =的Jacobi 和Gauss-Seidel 迭代格式，并讨论其收敛性。可参照P 164例9.1、9.2及P 167例9.3。 八．写出共轭梯度法公式（P 174），用共轭梯度法计算线性方程组b AX =的解。类似题如P 174例9.5。 九．用Givens 变换化向量x 与1e 共线。类似题如P 73例3.5。