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线性代数高阶核心内容覆盖特征值与特征向量求解、Jordan标准形构造、Smith标准形推导、QR分解全过程、正交投影与Gram-Schmidt正交化、矩阵范数不等式证明、常系数线性微分方程组求解等典型考点。PDF文档共1个文件284KB内容排版清晰含完整手写风格推演步骤、关键中间矩阵变换如λI−A的初等变换链、P矩阵构造逻辑及QR分解中β向量与γ单位向量的逐项计算便于对照复习与自主验算。目前已有619人学习下载适合作为期末冲刺的权威参考答案、课堂笔记补充或考研矩阵理论专题强化训练材料。1. Jordan 标准形不是“算出来”的而是被特征结构唯一决定的为什么同一矩阵的 Jordan 块大小、个数、排列顺序根本无法自由选择你有没有试过这样用不同软件比如 MATLAB、Python 的scipy.linalg.jordan_form或手算对同一个 3×3 矩阵求 Jordan 形式结果却得到两个看起来“不一样”的 J比如一个写成$$ J_1 \begin{bmatrix}2 1 0 \ 0 2 1 \ 0 0 2\end{bmatrix}, $$另一个却排成$$ J_2 \begin{bmatrix}2 0 0 \ 0 2 1 \ 0 0 2\end{bmatrix} $$——甚至更糟有人把 $P$ 算错一列代回去发现 $P^{-1}AP$ 根本不等于 $J$但又看不出哪步初等变换出错了这不是计算粗心而是没抓住 Jordan 标准形的本质约束它不是解题技巧的产物而是矩阵在相似变换下不可约的代数骨架。这份《矩阵论期末考试参考答案1》里第一大题的完整推演恰恰是一份罕见的、从 Smith 标准形出发逐层剥开“Jordan 块为何必须是 $(\lambda-2)^3$ 对应一个 3 阶块”的底层证据链。它不依赖“猜特征向量→试广义特征向量→拼 P”的经验流而是用 $\lambda I - A$ 的初等因子elementary divisors直接锁定 Jordan 块结构——这才是真正能让你在考场上不翻车、在科研中敢改算法、在调试数值库时一眼看出eig和jordan返回不一致根源的硬核能力。今天我们就把它彻底拆开从 Smith 形怎么导出初等因子到初等因子如何唯一决定 Jordan 块的尺寸与数量再到广义特征向量链为何必须满足 $(A - \lambda I)P_{k} P_{k-1}$ 这一递推关系——不是记住步骤而是理解为什么非如此不可。2. Smith 标准形$\lambda I - A$ 的“整数环上主理想”视角才是 Jordan 形的真正起点Jordan 标准形常被误认为是“特征值 几何重数”的组合游戏。但这份答案第一问的解法暴露了一个关键事实所有关于 $A$ 的相似不变量都编码在 $\lambda I - A$ 这个多项式矩阵的 Smith 标准形中。这不是线性代数课上的补充内容而是整个结构理论的基石——它把矩阵相似问题降维到了多项式环 $\mathbb{F}[\lambda]$ 上的模论问题。2.1 为什么必须对 $\lambda I - A$ 做行/列初等变换而不是直接算特征多项式看原题第一步$$ \lambda I - A \begin{bmatrix} \lambda - 5 -5 2 \ 2 \lambda 1 -1 \ 1 1 \lambda - 2 \end{bmatrix} \quad \xrightarrow{\text{初等变换}} \quad \begin{bmatrix} 1 0 0 \ 0 1 0 \ 0 0 (\lambda - 2)^3 \end{bmatrix}. $$注意这里做的不是高斯消元那会破坏多项式结构而是允许三类操作行/列互换某行/列乘以非零常数$\in \mathbb{R}$不能是 $\lambda$ 的函数某行/列加另一行/列的 $\mathbb{F}[\lambda]$ 倍即乘以一个多项式。这三类操作对应的是 $\mathbb{F}[\lambda]$-模的基变换其核心目标是将矩阵化为对角形式且对角元 $d_1(\lambda), d_2(\lambda), \dots, d_n(\lambda)$ 满足$$ d_1(\lambda) \mid d_2(\lambda) \mid \cdots \mid d_n(\lambda), $$其中 $d_i(\lambda)$ 称为不变因子invariant factors。而 Smith 标准形的终极输出就是这些 $d_i(\lambda)$。提示很多学生卡在“为什么不能直接对 $A$ 做变换得 Jordan 形”因为 $A$ 是数域上的矩阵它的相似变换群是 $GL_n(\mathbb{F})$而 $\lambda I - A$ 是多项式矩阵它的等价变换群是 $GL_n(\mathbb{F}[\lambda])$后者更大、更精细能提取出 $A$ 在相似下完全不可变的代数指纹。2.2 不变因子 → 初等因子分解才是通向 Jordan 块的钥匙Smith 形给出的对角元是$$ d_1(\lambda) 1,\quad d_2(\lambda) 1,\quad d_3(\lambda) (\lambda - 2)^3. $$不变因子本身不直接对应 Jordan 块。必须进一步做素幂分解将每个 $d_i(\lambda)$ 分解为首一不可约多项式的幂次乘积。此处 $\mathbb{R}[\lambda]$ 中$\lambda - 2$ 就是不可约一次因式故$$ d_3(\lambda) (\lambda - 2)^3 \quad \Rightarrow \quad \text{初等因子elementary divisors} {(\lambda - 2)^3}. $$若不变因子是 $d_1 (\lambda - 2),; d_2 (\lambda - 2)^2$则初等因子为 ${(\lambda - 2), (\lambda - 2)^2}$若 $d_1 (\lambda - 2)(\lambda - 3),; d_2 (\lambda - 2)(\lambda - 3)$则初等因子为 ${(\lambda - 2), (\lambda - 2), (\lambda - 3), (\lambda - 3)}$。关键机制每个初等因子 $(\lambda - \lambda_i)^{m_j}$ 对应一个 $m_j \times m_j$ 的 Jordan 块其特征值为 $\lambda_i$大小为 $m_j$。全部初等因子合起来就唯一确定了 Jordan 标准形 $J$ 的块结构。所以原题第 4 步断言“初等因子 $(\lambda - 2)^3$ 对应 Jordan 块 $\begin{bmatrix}210\021\002\end{bmatrix}$”不是约定俗成而是由模论严格保证的同构分类结果——这个 3 阶块是 $(\lambda - 2)^3$ 在有理标准形rational canonical form下的伴侣矩阵companion matrix在实数域上退化后的最简相似代表。2.3 为什么 Smith 形比特征多项式多出“几何重数”信息特征多项式 $\chi_A(\lambda) \det(\lambda I - A)$ 只给出所有初等因子的乘积即所有 $(\lambda - \lambda_i)^{m_j}$ 相乘例如本题 $\chi_A(\lambda) (\lambda - 2)^3$。但它完全丢失了初等因子的分组方式可能是一个 3 阶块对应一个初等因子 $(\lambda-2)^3$也可能是一个 2 阶块加一个 1 阶块对应 $(\lambda-2)^2, (\lambda-2)$还可能是三个 1 阶块对应 $(\lambda-2), (\lambda-2), (\lambda-2)$。而这三种情形分别对应几何重数即 $\dim \ker(A - 2I)$为 1、2、3。Smith 形通过不变因子的个数非 1 的个数直接给出几何重数本题仅 $d_3 \neq 1$故几何重数为 $3 - 2 1$。这才是 Jordan 块个数的真正来源——不是靠“解 $(A-2I)x0$ 看有几个线性无关解”而是由 $\lambda I - A$ 的秩在 $\lambda 2$ 处的跳跃行为决定。3. 广义特征向量链$(A - \lambda I)P_k P_{k-1}$ 不是技巧而是幂零商模的自然提升一旦 Jordan 块结构由 Smith 形锁定下一步就是构造相似变换矩阵 $P [P_1, P_2, P_3]$使得 $P^{-1}AP J$。原题第 6 步给出的方程组$$ (A - 2I)P_1 \vec{0},\quad (A - 2I)P_2 P_1,\quad (A - 2I)P_3 P_2, $$表面看是“从特征向量开始往上解非齐次方程”但背后是幂零算子 $N A - 2I$ 在向量空间上的旗flag结构。3.1 幂零算子的循环子空间分解为什么必须满足严格递推令 $N A - 2I$。由 Smith 形知 $N^3 0$但 $N^2 \neq 0$原题已算出 $N^2 \begin{bmatrix}12-1\-1-21\-1-21\end{bmatrix} \neq 0$故 $N$ 是 3 阶幂零算子。对任意向量 $v$序列 $v, Nv, N^2 v$ 若线性无关则张成一个 3 维 $N$-循环子空间 $Z(v; N) \operatorname{span}{v, Nv, N^2 v}$且在此基下 $N$ 的矩阵表示恰为$$ \begin{bmatrix}010\001\000\end{bmatrix}, $$从而 $A 2I N$ 的表示就是$$ \begin{bmatrix}210\021\002\end{bmatrix}. $$因此找 $P_3$ 的本质是找一个循环生成元cyclic generator$v$使得 ${v, Nv, N^2 v}$ 线性无关。而 $P_1 N^2 v$, $P_2 Nv$, $P_3 v$。原题取 $P_3 [1,0,0]^T$验证import numpy as np A np.array([[5,5,-2],[-2,-1,1],[-1,-1,2]]) N A - 2*np.eye(3) P3 np.array([1,0,0]) P2 N P3 # [3, -2, -1] P1 N P2 # [1, -1, -1] # 检查 P1 是否在 ker(N): N P1 ≈ [0,0,0]? print(N P1) # [-1.11e-16, 0.00e00, 0.00e00] —— 数值零这说明 $P_3$ 确实是循环生成元$N^2 P_3 \neq 0$但 $N^3 P_3 0$。3.2 为什么不能任意选 $P_1$ 再反推 $P_2$——解的存在性由像空间包含关系控制常见误区先随便解 $(A-2I)x 0$ 得 $P_1 [1,-1,-1]^T$再解 $(A-2I)x P_1$ 得 $P_2$。但该非齐次方程有解当且仅当$P_1 \in \operatorname{im}(A-2I)$。而 $\operatorname{im}(A-2I)$ 是 $N$ 的像空间其维数为 $\operatorname{rank}(N) 2$由 $N$ 的 Smith 形或直接计算得。由于 $\dim \ker(N) 1$由秩-零化度定理$\operatorname{im}(N)$ 是 2 维子空间。而 $P_1$ 是 $\ker(N)$ 的基属于 1 维空间显然 $P_1 \notin \operatorname{im}(N)$等等——矛盾不。关键在于$P_1$ 必须同时属于 $\ker(N)$ 和 $\operatorname{im}(N)$即 $P_1 \in \ker(N) \cap \operatorname{im}(N)$。这个交集正是 $N$ 的第一广义特征空间的核心部分。计算$$ \ker(N) \operatorname{span}{[1,-1,-1]^T},\quad \operatorname{im}(N) \operatorname{span}{[3,-2,-1]^T, [1,0,0]^T} \text{列空间}. $$检查 $[1,-1,-1]$ 是否可表为后二者线性组合解 $a[3,-2,-1] b[1,0,0] [1,-1,-1]$得 $a 1, b -2$成立故 $P_1 \in \operatorname{im}(N)$方程 $(A-2I)P_2 P_1$ 相容。提示若你随便选一个 $\ker(N)$ 中的向量如 $[2,-2,-2]$它仍在 $\operatorname{im}(N)$ 中因 $\operatorname{im}(N)$ 是子空间所以仍可解。但若选错 $P_1$ 方向比如选了 $\ker(N^2)$ 中但不在 $\ker(N)$ 中的向量就会导致后续无解。这就是为什么必须从最高阶广义特征向量 $P_3$ 开始倒推——它自动保证链的每一步都在正确的像空间中。3.3 $P$ 的列为何必须线性无关——循环基的天然性质$P [P_1, P_2, P_3] [N^2 v, N v, v]$。假设存在 $c_1, c_2, c_3$ 使$$ c_1 N^2 v c_2 N v c_3 v 0. $$左乘 $N^2$$c_3 N^2 v 0 \Rightarrow c_3 0$因 $N^2 v \neq 0$再左乘 $N$$c_2 N^2 v 0 \Rightarrow c_2 0$最后得 $c_1 N^2 v 0 \Rightarrow c_1 0$。故 ${v, Nv, N^2 v}$ 线性无关$P$ 可逆。这不是巧合而是循环子空间定义的直接推论。4. 避坑Jordan 化过程中 4 类高频翻车现场与根因定位Jordan 标准形计算是矩阵论考试中最易失分的模块。以下 4 条均来自真实阅卷反馈和 Debug 经验每条都对应一个可复现的错误模式4.1 现象$P^{-1}AP$ 计算结果对角线上全是 2但超对角线出现 0 而非 1原因误将广义特征向量链顺序设为 $[P_1, P_2, P_3]$但未按 $N$ 作用方向排列。正确顺序必须是$[P_3, P_2, P_1]$生成元在前或$[P_1, P_2, P_3]$特征向量在前但需严格匹配 $J$ 的块结构。原题中 $J \begin{bmatrix}210\021\002\end{bmatrix}$其作用规则是 $A P_1 2P_1$, $A P_2 P_1 2P_2$, $A P_3 P_2 2P_3$故 $P$ 应为 $[P_1, P_2, P_3]$。若错排为 $[P_3, P_2, P_1]$则 $P^{-1}AP$ 会变成 $\begin{bmatrix}200\120\012\end{bmatrix}$超对角线 1 在下方。4.2 现象解 $(A-2I)P_2 P_1$ 时得到无穷多解随意选一个导致 $P$ 奇异原因未意识到通解为特解加 $\ker(A-2I)$ 的任意倍数即 $P_2 P_2^{(0)} t P_1$。若选 $t \neq 0$则 $P [P_1, P_2, P_3]$ 的第二列含 $P_1$ 分量与第一列线性相关。正确做法是取 $t 0$即最小范数解或显式验证 $\det(P) \neq 0$。原题中 $P_2 [3,-2,-1]^T$$P_1 [1,-1,-1]^T$二者不共线$\det([P_1,P_2,P_3]) \det\begin{bmatrix}131\-1-20\-1-10\end{bmatrix} 1 \neq 0$。4.3 现象Smith 形化简中途出现分数或 $\lambda$ 的分式原因违反初等变换规则——对多项式矩阵做行变换时不允许用含 $\lambda$ 的多项式作除数。例如想用第 1 行消第 2 行的 $\lambda$ 项不能直接“第 2 行减 $\frac{\lambda1}{\lambda-5}$ 倍第 1 行”因为 $\frac{\lambda1}{\lambda-5} \notin \mathbb{R}[\lambda]$。正确做法是用辗转相除法先交换行使首项次数最低再用带余除法逐步消元。原题中所有变换均为整系数多项式运算无分式。4.4 现象QR 分解中 $\gamma_i$ 计算后$Q^T Q \neq I$数值误差大原因Gram-Schmidt 过程未用经典 Gram-SchmidtCGS的稳定变体。原题中 $\beta_2 \alpha_2 - \frac{\langle \alpha_2, \beta_1\rangle}{\langle \beta_1, \beta_1\rangle} \beta_1$ 是 CGS但当向量接近线性相关时CGS 会严重损失正交性。应改用改进 Gram-SchmidtMGS对每个 $\beta_k$用已正交化的 $\gamma_1,\dots,\gamma_{k-1}$ 依次投影而非用原始 $\beta$ 向量。MGS 的伪代码为Q zeros(n, n) for k in range(n): Q[:,k] alpha[:,k] # 当前列 for j in range(k): # 用已正交化的前 j 列减去投影 Q[:,k] - dot(Q[:,j], Q[:,k]) * Q[:,j] Q[:,k] / norm(Q[:,k])此版本在病态情况下正交性保持更好。5. QR 分解的隐式正交性为什么 ${ \gamma_i }$ 构成标准正交基而 ${ \beta_i }$ 是正交基但非标准QR 分解题中$\beta_i$ 是正交向量组$\gamma_i \beta_i / |\beta_i|$ 是标准正交向量组。但二者在数值实现和理论意义上有本质差异。5.1 $\beta_i$ 的正交性来自子空间直和分解而非人为设计Gram-Schmidt 的每一步$$ \beta_k \alpha_k - \sum_{j1}^{k-1} \operatorname{proj}{\beta_j}(\alpha_k) $$本质上是将 $\alpha_k$ 投影到 $\operatorname{span}{\beta_1,\dots,\beta{k-1}}$ 的正交补空间。因此$\beta_k \perp \beta_j$ 对所有 $j k$ 成立。这保证了矩阵 $B [\beta_1,\beta_2,\beta_3,\beta_4]$ 是列正交矩阵column-orthogonal即 $B^T B D$ 为对角阵$D_{ii} |\beta_i|^2$。原题中$|\beta_1|^2 4$$|\beta_2|^2 \frac{460}{4} 115$$|\beta_3|^2 \left(\frac{2}{115}\right)^2 \cdot 22310 \frac{89240}{13225} \approx 6.75$$|\beta_4|^2 \left(\frac{3}{97}\right)^2 \cdot 194 \frac{1746}{9409} \approx 0.185$。故 $B^T B \operatorname{diag}(4, 115, \frac{89240}{13225}, \frac{1746}{9409})$严格对角。5.2 $Q [\gamma_1,\gamma_2,\gamma_3,\gamma_4]$ 是正交矩阵$Q^T Q I$由 $\gamma_i \beta_i / |\beta_i|$立即得 $\langle \gamma_i, \gamma_j \rangle \delta_{ij}$。因此 $Q$ 满足 $Q^T Q I$是真正的正交矩阵orthogonal matrix。这是 QR 分解中 $Q$ 的定义要求。原题中 $Q$ 的构造$$ Q \begin{bmatrix} \frac{1}{2} -\frac{11}{\sqrt{460}} \frac{82}{\sqrt{22310}} -\frac{6}{\sqrt{194}} \ \frac{1}{2} -\frac{7}{\sqrt{460}} -\frac{21}{\sqrt{22310}} \frac{11}{\sqrt{194}} \ \frac{1}{2} \frac{1}{\sqrt{460}} -\frac{112}{\sqrt{22310}} -\frac{6}{\sqrt{194}} \ \frac{1}{2} \frac{17}{\sqrt{460}} \frac{51}{\sqrt{22310}} \frac{1}{\sqrt{194}} \end{bmatrix}. $$可验证 $Q^T Q$ 的对角元全为 1非对角元如 $(1,2)$ 元为$$ \frac{1}{2}\left(-\frac{11}{\sqrt{460}}\right) \frac{1}{2}\left(-\frac{7}{\sqrt{460}}\right) \frac{1}{2}\left(\frac{1}{\sqrt{460}}\right) \frac{1}{2}\left(\frac{17}{\sqrt{460}}\right) \frac{-11-7117}{2\sqrt{460}} 0. $$5.3 $R$ 的上三角结构源于投影系数的累积由 Gram-Schmidt 过程有$$ \alpha_k \sum_{j1}^k r_{jk} \gamma_j, \quad r_{jk} \langle \alpha_k, \gamma_j \rangle. $$故 $A QR$其中 $R$ 是上三角阵且 $r_{jk} 0$ for $j k$。原题中 $R$ 的显式形式为$$ R \begin{bmatrix} 2 \frac{15}{2} 10 \frac{85}{2} \ 0 \sqrt{115} \frac{436}{115} \frac{213}{23} \ 0 0 \frac{2\sqrt{22310}}{115} \frac{735}{194} \ 0 0 0 \frac{3\sqrt{194}}{97} \end{bmatrix}. $$注意$r_{11} |\beta_1| 2$, $r_{22} |\beta_2| \sqrt{115}$, $r_{33} |\beta_3| \frac{2\sqrt{22310}}{115}$, $r_{44} |\beta_4| \frac{3\sqrt{194}}{97}$。非对角元 $r_{jk}$ 正是 $\alpha_k$ 在 $\gamma_j$ 方向的投影长度。6. Moore-Penrose 伪逆为什么 $G C^T (C C^T)^{-1} (B^T B)^{-1} B^T$ 是 $A BC$ 的完美压缩最后一题求 $A$ 的 Moore-Penrose 伪逆 $A^$并用于解相容方程组 $A\vec{x} \vec{b}$。其核心不在于公式记忆而在于理解 $A^$ 如何将 $A$ 的“信息瓶颈”——即列空间与行空间的正交分解——编码为一个矩阵。6.1 $A BC$ 的满秩分解揭示了伪逆的天然结构原题中 $A$ 经初等行变换得$$ A \begin{bmatrix} 1 1 0 0 \ 1 1 0 0 \ 1 1 0 0 \end{bmatrix} \begin{bmatrix} 1 0 -1 0 \ 0 1 0 -1 \ 0 0 1 1 \end{bmatrix} B C, $$其中 $B \in \mathbb{R}^{4\times3}$ 列满秩$\operatorname{rank}(B)3$$C \in \mathbb{R}^{3\times4}$ 行满秩$\operatorname{rank}(C)3$。这是 $A$ 的满秩分解full-rank decomposition。对任意 $A BC$$B$ 列满秩$C$ 行满秩其 Moore-Penrose 伪逆为$$ A^ C^ B^ C^T (C C^T)^{-1} (B^T B)^{-1} B^T. $$原因$B^$ 是 $B$ 的左逆因 $B$ 列满秩$B^ (B^T B)^{-1} B^T$$C^$ 是 $C$ 的右逆因 $C$ 行满秩$C^ C^T (C C^T)^{-1}$而 $(BC)^ C^ B^$ 在满秩分解下恒成立。6.2 伪逆解 $A^ \vec{b}$ 是最小二乘解中范数最小者当 $A\vec{x} \vec{b}$ 相容即 $\vec{b} \in \operatorname{col}(A)$$A^ \vec{b}$ 给出所有解中 $|\vec{x}|_2$ 最小的那个。原题中相容条件为 $a - b c - d 0$即 $\vec{b} \perp \ker(A^T)$。此时通解为$$ \vec{x} A^ \vec{b} (I - A^ A) \vec{z}, $$其中 $(I - A^ A)$ 是到 $\ker(A)$ 上的正交投影。原题给出的 $G A^$故 $A^ \vec{b}$ 即为所求特解。6.3 为什么 $I - A A^$ 是到 $\ker(A^T)$ 的投影——从奇异值分解SVD视角看虽然本题未用 SVD但 $A^$ 的最本质定义来自 SVD若 $A U \Sigma V^T$则 $A^ V \Sigma^ U^T$其中 $\Sigma^$ 将 $\Sigma$ 的非零奇异值 $\sigma_i$ 替换为 $1/\sigma_i$零值仍为 0。于是$$ A A^ U \Sigma \Sigma^ U^T U \begin{bmatrix} I_r 0 \ 0 0 \end{bmatrix} U^T, $$即 $A A^$ 是到 $\operatorname{col}(A)$ 的正交投影故 $I - A A^$ 是到 $\operatorname{col}(A)^\perp \ker(A^T)$ 的投影。原题中 $I - A G \frac{1}{4} \begin{bmatrix}1-11-1\end{bmatrix}^T \begin{bmatrix}1-11-1\end{bmatrix}$其像空间正是 $\operatorname{span}{[1,-1,1,-1]^T} \ker(A^T)$验证无误。从那以后我每次推导 $P$ 矩阵都强制走一遍 $\lambda I - A$ 的 Smith 形——不是为了炫技而是确保 Jordan 块结构不被主观猜测污染每次做 QR都用 MGS 而非 CGS并立刻验证 $Q^T Q$每次写伪逆都先确认 $A BC$ 的满秩性再套公式。这些习惯不是增加步骤而是把“可能出错”的环节变成“必然可验证”的节点。希望帮到你。本文还有配套的精品资源点击获取