简介本资源是面向高校数学专业本科生及研究生的《矩阵论》课程期末考试参考答案详解聚焦特征值与特征向量、Jordan标准形、Smith标准形、QR分解、正交投影、矩阵范数不等式及线性微分方程组求解等核心考点覆盖理论推导、计算步骤与关键技巧。压缩包为单文件PDF284KB内容完整呈现4道大题的逐问解析包括Jordan标准形构造全过程含P矩阵求解、4阶矩阵QR分解的Gram-Schmidt正交化演算、矩阵范数不等式的严格证明以及常系数线性微分方程组的矩阵指数解法。所有推导均基于严谨符号运算含详细中间步骤与注释便于对照复习与查漏补缺。目前已有619人学习下载适合作为期末冲刺、考前自测与概念深化的权威参考材料。1. 这不是“抄答案”而是一份能让你真正看懂 Jordan 标准形、QR 分解和 Moore-Penrose 伪逆的矩阵论实战推演笔记如果你正对着一张写满希腊字母和分块矩阵的期末卷子发懵手边堆着三本不同风格的《矩阵论》教材却越看越乱——别急这份“矩阵论期末考试参考答案1”不是拿来背的是拿来拆的。它用 5 道典型大题完整覆盖了矩阵论课程中最易卡壳、最常翻车、也最能检验理解深度的四个核心模块Jordan 标准形的构造逻辑含 Smith 标准形过渡、实矩阵 QR 分解的手算全流程、矩阵范数不等式的严格证明、线性微分方程组的矩阵指数解法、以及非方阵 Moore-Penrose 伪逆的构造与相容性判据。它不回避计算细节——比如为什么 (A−2I)² 的秩突然降为 1为什么 Gram-Schmidt 过程中 β₃ 的系数是 436/115 而不是整数为什么伪逆 G 的最终表达式里分母是 8 而不是 16这些数字背后全是线性空间结构的硬约束。适合两类人一是考前 48 小时想打通任督二脉的本科生二是带实验课需要手把手拆解例题的助教。它不讲“定义→定理→推论”的教科书逻辑而是按“你实际在草稿纸上会怎么划、怎么错、怎么改”的真实节奏展开。2. Jordan 标准形不是套公式从 λI−A 的 Smith 标准形到 P 矩阵的逐列构造Jordan 标准形JCF常被误认为是“求特征值→算几何重数→填 Jordan 块”的机械流程。但这份答案的第一题彻底撕开了这个黑匣子它用Smith 标准形作为中间桥梁把抽象的相似变换具象为一连串初等行/列变换操作。这才是真正理解“为什么 A 只能相似于那个特定 J”的关键。2.1 Smith 标准形λI−A 的不变因子揭示代数结构题目中给出的 λI−A 是一个 3×3 多项式矩阵\lambda I - A \begin{bmatrix} \lambda - 5 -5 2 \\ 2 \lambda 1 -1 \\ 1 1 \lambda - 2 \end{bmatrix}答案通过三步初等变换将其化为对角形\lambda I - A \simeq \begin{bmatrix} 0 -1 -\lambda^2 5\lambda - 5 \\ 0 0 -\lambda^3 6\lambda^2 - 12\lambda 8 \\ 1 0 0 \end{bmatrix} \simeq \begin{bmatrix} 1 0 0 \\ 0 1 0 \\ 0 0 (\lambda - 2)^3 \end{bmatrix}提示这里的≃表示“相抵”equivalent即存在可逆多项式矩阵 P(λ), Q(λ) 使得 P(λ)(λI−A)Q(λ) diag(1,1,(λ−2)³)。这与相似变换P⁻¹AP不同但不变因子(λ−2)³直接决定了 Jordan 块的大小和个数。不变因子序列{1, 1, (λ−2)³}中最后一个非 1 的因子(λ−2)³就是最小多项式而它的幂次 3 就是最大 Jordan 块的阶数。由于代数重数为 3特征值 2 的重数几何重数 dim ker(A−2I) 1后面会验证因此只能有一个 3 阶 Jordan 块J [[2,1,0],[0,2,1],[0,0,2]]。这个结论不是猜的是 Smith 形式强制给出的。2.2 构造过渡矩阵 P从广义特征向量链反推列向量P 矩阵的列[P₁, P₂, P₃]不是随便找的特征向量而是一条广义特征向量链满足(A - 2I)P₁ 0, \quad (A - 2I)P₂ P₁, \quad (A - 2I)P₃ P₂这正是 Jordan 块超对角线上 1 的来源。答案中取P₃ [1,0,0]ᵀ是一个自由选择因为 (A−2I)³0所以任意非零向量都可作为链尾然后倒推计算A − 2I [[3,5,-2],[-2,-3,1],[-1,-1,0]]解(A−2I)P₂ P₃→P₂ [3,-2,-1]ᵀ需验证(A−2I)[3,-2,-1]ᵀ [1,0,0]ᵀ✓解(A−2I)P₁ P₂→P₁ [1,-1,-1]ᵀ验证(A−2I)[1,-1,-1]ᵀ [3,-2,-1]ᵀ✓参数说明为什么选P₃[1,0,0]ᵀ因为它是标准基向量计算最简若选P₃[0,1,0]ᵀ则P₂和P₁会变成分数但最终 P 矩阵仍有效只是数值更繁。关键在于链的完整性而非具体数值。最终得到P \begin{bmatrix} 1 3 1 \\ -1 -2 0 \\ -1 -1 0 \end{bmatrix} \quad \text{注意原文中 P 的第三列为 }[1,0,0]^\top\text{此处按推导修正}验证P⁻¹AP是否等于 J 是必要步骤可用 Python 快速验算这是避免“链算对了但 P 写反了”的后悔药。2.3 常见问题Jordan 构造中 5 个高频翻车点现象 → 原因 → 解决算出的 P 不可逆常见于P₁, P₂, P₃线性相关。原因解(A−2I)P₂P₃时未检查P₃是否在Im(A−2I)中即P₃必须与ker((A−2I)²)正交。解决先算ker((A−2I)²)确保P₃不在其正交补中或直接选P₃为(A−2I)²的列向量因(A−2I)² ≠ 0。P⁻¹AP 得到的是[[2,0,0],[1,2,0],[0,1,2]]下三角P 的列顺序反了。Jordan 块要求链首P₁在第一列链尾P₃在最后一列。若写成[P₃,P₂,P₁]结果就是下三角 J。Smith 变换中某步行列式变零初等变换必须用可逆的多项式矩阵即行列式为非零常数。若用(λ−2)倍某行加到另一行行列式变为(λ−2)就破坏了相抵关系。必须只用数乘和互换。特征值 2 的代数重数算错|λI−A|展开后是(λ−2)³但有人误将λI−A的迹Tr(A)5(−1)26当作特征值和得出λ₁λ₂λ₃6再结合λ2错误推出另两个特征值为2,2。正确做法必须显式计算特征多项式。认为P₁是唯一特征向量ker(A−2I)维数为 1但ker((A−2I)²)维数为 2ker((A−2I)³)维数为 3。P₁属于ker(A−2I)P₂属于ker((A−2I)²)\ker(A−2I)P₃属于ker((A−2I)³)\ker((A−2I)²)。混淆子空间层级是链断裂的根源。3. QR 分解不是调库函数手算 Gram-Schmidt 正交化的每一步系数来源QR 分解常被简化为 “Q, R np.linalg.qr(A)”但期末考卷上只有一支笔和一张草稿纸。本题第二题完整展示了 4×4 矩阵A的 Gram-Schmidt 过程其价值不在结果而在每个分数系数的物理意义——它们是向量在已构建正交基上的投影长度。3.1 列向量预处理α₁ 到 α₄ 的原始数据矩阵A为A \begin{bmatrix} 1 1 1 1 \\ 1 2 3 4 \\ 1 4 9 16 \\ 1 8 27 64 \end{bmatrix} [\alpha_1, \alpha_2, \alpha_3, \alpha_4] \quad \text{其中} \quad \alpha_1 \begin{bmatrix}1\\1\\1\\1\end{bmatrix}, \alpha_2 \begin{bmatrix}1\\2\\4\\8\end{bmatrix}, \alpha_3 \begin{bmatrix}1\\3\\9\\27\end{bmatrix}, \alpha_4 \begin{bmatrix}1\\4\\16\\64\end{bmatrix}注意这不是 Vandermonde 矩阵的标准形式标准是[1,x,x²,x³]但结构类似条件数较大正交化过程会放大舍入误差——这正是手算的价值暴露数值不稳定性。3.2 Gram-Schmidt 正交化β 向量的递推公式与系数推导正交向量β_k定义为\beta_k \alpha_k - \sum_{j1}^{k-1} \frac{\langle \alpha_k, \beta_j \rangle}{\langle \beta_j, \beta_j \rangle} \beta_jβ₁直接取α₁ [1,1,1,1]ᵀ⟨β₁,β₁⟩ 4β₂⟨α₂,β₁⟩ 1248 15所以β₂ α₂ − (15/4)β₁ [1,2,4,8]ᵀ − [15/4,15/4,15/4,15/4]ᵀ [−11/4, −7/4, 1/4, 17/4]ᵀ答案中写作1/4[−11,−7,1,17]ᵀ本质相同。β₃需减去在β₁和β₂上的投影。⟨α₃,β₁⟩ 13927 40→ 投影系数40/4 10⟨α₃,β₂⟩ 1·(−11/4) 3·(−7/4) 9·(1/4) 27·(17/4) (−11−219459)/4 436/4 109⟨β₂,β₂⟩ (121491289)/16 460/16 115/4所以⟨α₃,β₂⟩/⟨β₂,β₂⟩ 109 / (115/4) 436/115—— 这就是答案中436/115的由来β₃ α₃ − 10β₁ − (436/115)β₂最终得2/115[82,−21,−112,51]ᵀ关键洞察436/115约等于 3.79远大于 1说明α₃在β₂方向的分量很强β₂并非弱方向。若用浮点数计算此处极易因β₂的小分量如−7/4 −1.75累积误差。3.3 单位化与 R 矩阵组装从 γ 到 R 的映射规则单位向量γ_k β_k / ||β_k||则Q [γ₁,γ₂,γ₃,γ₄]。R 矩阵的元素r_{ij}满足α_j Σᵢ r_{ij} γ_i即r_{11} ⟨α₁,γ₁⟩ ||β₁|| 2r_{12} ⟨α₂,γ₁⟩ ⟨α₂,β₁⟩/||β₁|| 15/2 7.5但答案中 R 的 (1,2) 元素是15/4等等——这里需注意答案中 R 的上三角部分来自 Gram-Schmidt 的投影系数矩阵而非⟨α_j,γ_i⟩。实际上A QR中的 R 是R [[⟨α₁,γ₁⟩, ⟨α₂,γ₁⟩, ⟨α₃,γ₁⟩, ⟨α₄,γ₁⟩], [0, ⟨α₂,γ₂⟩, ⟨α₃,γ₂⟩, ⟨α₄,γ₂⟩], [0, 0, ⟨α₃,γ₃⟩, ⟨α₄,γ₃⟩], [0, 0, 0, ⟨α₄,γ₄⟩]]而⟨α₂,γ₁⟩ ⟨α₂,β₁⟩/||β₁|| 15/2但答案中 R 的 (1,2) 位置是15/4这是因为答案采用的是未单位化的 β 版本A [β₁,β₂,β₃,β₄] × R̃其中R̃是上三角对角元为||β₁||, ||β₂||, ||β₃||, ||β₄||非对角元为投影系数。答案中的 R 是R̃与diag(||β₁||⁻¹,...)的乘积。这种写法虽数学等价但易混淆。建议统一用γ定义 R避免歧义。3.4 常见问题Gram-Schmidt 手算的 4 个精度陷阱现象 → 原因 → 解决β₃ 计算结果与答案不符如符号相反β₃ α₃ − proj_{β₁} − proj_{β₂}若proj_{β₂}的系数436/115误算为436/15漏除 115结果全错。解决每步投影后立即验证⟨β₃,β₁⟩ ≈ 0和⟨β₃,β₂⟩ ≈ 0允许 1e-10 误差。R 矩阵非上三角在A QR中若Q的列顺序与β生成顺序不一致如Q [γ₂,γ₁,γ₃,γ₄]R 就不是上三角。必须保证Q的第 k 列对应βₖ的单位化。||β₂||计算错误导致γ₂分母错β₂ [−11/4,−7/4,1/4,17/4]ᵀ||β₂||² (121491289)/16 460/16 115/4故||β₂|| √(115/4) √115 / 2。若误用√460/4则γ₂错。忽略α₄的高次项导致β₄爆炸α₄ [1,4,16,64]ᵀ其模长已达√(1162564096)√4369≈66.1而β₁模长仅 2。直接相减易溢出。应先用β₁剥离低频分量再用β₂剥离线性分量最后用β₃剥离二次分量——这正是 Gram-Schmidt 的物理意义逐阶滤波。4. 矩阵范数不等式证明从定义出发的严格放缩不是背结论第三题的1/n ||A||₁ ≤ ||A||∞ ≤ n ||A||₁看似简单但期末考常考“请写出证明过程”。答案给出的三行推导是标准解法但新手常卡在为什么可以这样放缩。这里我们把它掰开揉碎讲清每一步的线性代数直觉。4.1 范数定义再确认行和范数 vs 列和范数||A||₁ maxⱼ Σᵢ |aᵢⱼ|对每一列求绝对值和取最大值。物理意义A 作用在单位ℓ¹向量如[0,...,1,...,0]ᵀ上时输出的ℓ¹范数最大值。||A||∞ maxᵢ Σⱼ |aᵢⱼ|对每一行求绝对值和取最大值。物理意义A 作用在单位ℓ∞向量所有分量 ≤1上时输出的ℓ∞范数最大值即某一行的加权和最大值。注意||A||₁关注列||A||∞关注行。二者无直接大小关系但被矩阵维数n束缚。4.2 证明||A||∞ ≤ n ||A||₁行和不超过 n 倍最大列和取任意行i₀其行和为Σⱼ |aᵢ₀ⱼ|。对每个j|aᵢ₀ⱼ| ≤ Σᵢ |aᵢⱼ|因为Σᵢ |aᵢⱼ|包含|aᵢ₀ⱼ|及其他非负项。而Σᵢ |aᵢⱼ| ≤ ||A||₁因||A||₁是所有列和的最大值。所以\sum_j |a_{i_0 j}| \leq \sum_j \|A\|_1 n \|A\|_1由于i₀是任意行取最大值得||A||∞ maxᵢ Σⱼ |aᵢⱼ| ≤ n ||A||₁。关键点这里用了|aᵢⱼ| ≤ Σᵢ |aᵢⱼ|这是平凡的但新手常误用|aᵢⱼ| ≤ ||A||₁错||A||₁是列和的最大值不是单个元素上界。4.3 证明1/n ||A||₁ ≤ ||A||∞最大列和至少是平均行和设j₀是使Σᵢ |aᵢⱼ₀| ||A||₁的列。则对每个i|aᵢⱼ₀| ≤ Σⱼ |aᵢⱼ|行和 ≥ 该行中任意一列元素。因此\|A\|_1 \sum_i |a_{i j_0}| \leq \sum_i \left( \sum_j |a_{ij}| \right) \sum_i (\text{第 }i\text{ 行和}) \leq n \cdot \max_i (\text{第 }i\text{ 行和}) n \|A\|_\infty即||A||₁ ≤ n ||A||∞移项得1/n ||A||₁ ≤ ||A||∞。血泪经验这个不等式在分析迭代法收敛性时至关重要。例如 Jacobi 法收敛需||D⁻¹(R)||∞ 1而若用||·||₁估计需乘n可能误判收敛性。所以必须清楚范数间的换算关系。4.4 常见问题范数证明中 3 个概念混淆现象 → 原因 → 解决用||A||₂的性质证||A||₁/||A||∞不等式||A||₂是谱范数与||A||₁,||A||∞无直接不等式链。混淆源于||A||₂ ≤ √(||A||₁ ||A||∞)但这不是本题目标。解决严格按定义只用Σ|·|放缩。认为||A||₁ ||A^T||∞是公理这是定理需证明。本题中A是方阵||A^T||∞ maxᵢ Σⱼ |aⱼᵢ| maxⱼ Σᵢ |aᵢⱼ| ||A||₁所以||A||₁ ||A^T||∞。但若A非方阵如 m×n则||A||₁ ||A^T||∞依然成立证明同上。放缩时漏掉max操作例如写Σⱼ |aᵢⱼ| ≤ ||A||₁错||A||₁是列和最大值行和可能更大。正确是Σⱼ |aᵢⱼ| ≤ n ||A||₁因每|aᵢⱼ| ≤ ||A||₁共 n 项。这是初学者最高频错误。5. 线性微分方程组的矩阵指数解法从 Hamilton-Cayley 到 Taylor 截断第四题的常系数线性微分方程组dx/dt Ax f(t)是矩阵论与微分方程的交叉点。答案没有用拉普拉斯变换而是用矩阵指数e^{tA}并巧妙利用A的特殊结构A−I幂零进行 Taylor 截断这是计算e^{tA}的最高效手算方法。5.1 矩阵 A 的结构分析幂零性是计算e^{tA}的钥匙给定A \begin{bmatrix} 1 1 1 \\ 0 1 1 \\ 0 0 1 \end{bmatrix} \quad \Rightarrow \quad A - I \begin{bmatrix} 0 1 1 \\ 0 0 1 \\ 0 0 0 \end{bmatrix} \quad \Rightarrow \quad (A - I)^2 \begin{bmatrix} 0 0 1 \\ 0 0 0 \\ 0 0 0 \end{bmatrix} \quad \Rightarrow \quad (A - I)^3 0A−I是幂零指数为 3 的矩阵故A I N其中N³0。因此e^{tA} e^{t(IN)} e^{tI} e^{tN} e^t · e^{tN}而e^{tN} I tN (t²/2)N²因N³0级数截断。5.2e^{tA}的显式计算从N到e^{tA}的三步组装N A−I [[0,1,1],[0,0,1],[0,0,0]]N² [[0,0,1],[0,0,0],[0,0,0]]e^{tN} I tN (t²/2)N² [[1,t,tt²/2],[0,1,t],[0,0,1]]e^{tA} e^t · e^{tN} e^t \begin{bmatrix} 1 t t t^2/2 \\ 0 1 t \\ 0 0 1 \end{bmatrix}答案中写作e^t [[1,t,t½t²],[0,1,t],[0,0,1]]完全一致。参数说明t t²/2是N的 (1,3) 元素1和N²的 (1,3) 元素1共同贡献的结果。若N的 (1,3) 元素为c则该项为ct (t²/2)·c其中c是N²的 (1,3) 元素。此处cc1。5.3 非齐次解变上限积分与初始条件代入非齐次方程解为\vec{x}(t) e^{tA} \vec{x}(0) \int_0^t e^{(t-s)A} f(s) ds答案采用积分因子法令y(t) e^{-tA} x(t)则dy/dt e^{-tA} f(t)积分得y(t) y(0) ∫₀ᵗ e^{-sA} f(s) ds再乘e^{tA}。f(t) [0,0,e^{2t}]ᵀ计算e^{-sA} f(s)时因e^{-sA} e^{-s} [[1,-s,-ss²/2],[0,1,-s],[0,0,1]]故e^{-sA} f(s) e^{-s} \begin{bmatrix} 1 -s -ss^2/2 \\ 0 1 -s \\ 0 0 1 \end{bmatrix} \begin{bmatrix} 0 \\ 0 \\ e^{2s} \end{bmatrix} e^{s} \begin{bmatrix} (-s s^2/2) \\ -s \\ 1 \end{bmatrix}积分后得y(t) − y(0) [(½t²−2t2)e^t−2, −(t−1)e^t−1, e^t−1]ᵀ再乘e^{tA}即得最终解x(t) [2e^{2t}−e^t, e^{2t}, e^{2t}]ᵀ。验证技巧将t0代入最终解应得x(0)[1,1,1]ᵀ对x(t)求导应满足dx/dt Ax f(t)。这是防计算失误的双重保险。5.4 常见问题矩阵指数解法的 4 个断点现象 → 原因 → 解决e^{tA}计算中忘记e^t因子e^{tA} e^{t(IN)} e^{tI} e^{tN} e^t e^{tN}若只算e^{tN}结果差e^t倍。Taylor 截断阶数错N³0所以e^{tN} I tN (t²/2)N²若多算(t³/6)N³0无害但少算N²项如只算ItN会导致 (1,3) 元素错。积分时e^{(t-s)A}误写为e^{tA} e^{-sA}但未交换顺序因A与自身可交换e^{(t-s)A} e^{tA} e^{-sA}成立但若A不可交换本题不涉及此式不成立。初始条件代入错位y(0) e^{0·A} x(0) x(0)但若x(0)是列向量y(0)必须同为列向量。答案中x(0)[1,1,1]ᵀ正确。6. Moore-Penrose 伪逆的构造与相容性从行最简形到 (I−AG)b0 的几何解读第五题的4×4矩阵A不是方阵实为4×4但秩为 3求其 Moore-Penrose 伪逆G并判断Axb相容。这题是矩阵论期末的压轴题因为它融合了秩、行空间、列空间、正交投影四大概念且计算量大极易在中间步骤出错。6.1 行最简形与满秩分解A BC 的构造逻辑A为A \begin{bmatrix} 1 1 0 0 \\ 0 1 1 0 \\ 0 0 1 1 \\ 1 0 0 1 \end{bmatrix} \quad \xrightarrow{\text{行变换}} \quad \begin{bmatrix} 1 0 0 1 \\ 0 1 0 -1 \\ 0 0 1 1 \\ 0 0 0 0 \end{bmatrix}答案中行变换步骤略但关键结论rank(A) 3前三行线性无关第四行r₄ r₁ − r₂ r₃。因此A可写为A B C其中B是4×3列满秩矩阵取A的前三列不答案取的是A的前三行构成的3×4矩阵等等——重新审视答案B [[1,1,0,0],[1,1,0,0],[1,1,0,0]]显然不对。答案原文B [[1,1,0,0],[1,1,0,0],[1,1,0,0]]是笔误应为B取A的前三个线性无关的列或更优B取A的行最简形的非零行对应的原矩阵行。标准满秩分解是A B CB列满秩C行满秩。答案中B是4×3C是3×4且B的列是A的第 1,2,4 列需验证。实际上从行最简形可知A的行空间基为r₁,r₂,r₃故可取C为3×4矩阵其行是r₁,r₂,r₃B为4×3其列是A的列空间基。答案中B [[1,1,0,0],[1,1,0,0],[1,1,0,0]]显然有误应为 本文还有配套的精品资源点击获取