线性代数（第二版）

清 华 大 学 出 版 社
北　京
 内 容 简 介

本书为高等院校理工科教材 . 全书共 7 章 , 内 容包括 : 行 列式 ; 矩阵 ; 线

性方程组 ; 向量空间与线性变换 ; 特 征值和 特征向 量 , 矩阵的 对角化 ; 二次 型
及应用问题 . 书末附录中还介绍了内积空间 , 埃尔米特二次型 ; 约当 ( Jordan )
标准形 ; 并汇编了历年硕士研究生入学考试中的线性代数试题 .
本书内容丰富 , 层次清晰 , 阐述深入浅出 , 简明扼 要 . 可 作为高等院 校的
教材( 适用于 35～70 课时的教学 ) 或教学参考书和考研复习用书 .

图书在版编目 ( CIP)数据

线性代数/ 居余马等编著 . —2 版 . —北京 : 清华大学出版社 , 2002

ISBN 7－302－05534－3

Ⅰ . 线… 　 Ⅱ . 居… 　 Ⅲ . 线性代数 - 高等学校 - 教材 　 Ⅳ . O151 .2

中国版本图书馆 CIP 数据核字( 2002) 第 037392 号

出 版 者 : 清华大学出版社 ( 北京清华大学学研大厦 , 邮编 100084)

h tt p :/ / w ww .t up .tsinghua .edu .cn
责任编辑 : 刘 　 颖
印 刷 者 : 北京四季青印刷厂
发 行 者 : 新华书店总店北京发行所
开 　 　 本 : 850×1168 1/ 32 　 印张 : 12 .625 　 字数 : 316 千字
版 　 　 次 : 2002 年 9 月第 2 版 　 2003 年 3 月第 2 次印刷
书 　 　 号 : ISBN 7－302－05534－3/ O・282
印 　 　 数 : 8001～13000
定 　 　 价 : 16 .00 元
 第 2版序言

本书第 2 版在正文的基本内容及教材的体系框架和章节安排
方面 , 基本上与原书 ( 第 1 版 ) 一致 , 保留了原书 的风格 . 第 2 版 的
变化主要有以下几点 .
1 . 改变了部分内容的阐述方式 . 正文 有些部 分 ( 如矩 阵运 算
的特点 , 用配方法和初等变换法化二次型为标准形等 ) 的阐述更为
精炼和简明易懂 .
2 . 增加了部分内容 . 在第 2 章中增添了附录 2———数域 　 命
题 　 量词 , 着重说明了用反证法证明一个命题的思路 , 以及如何表
述含有量词 ( ＂ , ｖ ) 的 命题 的否命 题 , 这些 内容可 安排 自学 , 它 有
助于学生更好地掌握一些定理的证明方法 . 此外 , 在第 4 章的 4． 6
节中增添了线性变换的象 ( 值域 ) 和 核的概 念及 它们 的维数 公式 ,
这可使学生更清楚地理解 : 齐次和非齐线性 方程组的 求解只是 向
量空间的线性变换求核和原象的一个具体问题 .
3 . 对例题和习题 的 配置 作 了一 些 调 整和 充 实 . 与 原书 的 题
目相比 , 第 2 版的例题 和习题 更丰 富 , 题型也 更多 样 , 更能 启迪 读
者运用基本概念、基 本 理 论和 基 本方 法 去分 析、解 决各 种 具 体 问
题 . 在补充题中配置 了相 当数 量的 新 题目 , 它 们与 历 年来 考研 试
题的要求和题型相适应 , 其中有些就是考研试题 .
4 . 按本 书前 6 章 的体系 汇编 了历 年来硕 士研 究生入 学考 试
中线性代数试题 , 这不仅 使有 志于攻 读硕 士研 究生的 学生 能在 学
习过程中就作适当的准备 , 而 且所有 学生 也能 从中具 体理 解线 性
代数课程的基本要求和重点 . 考虑到学生掌 握了本教 材的正文 内
Ⅱ 第 2 版序言

容 , 并能演算和证明所配置的习题和部分补充题 , 就不难独立完成
这些考研试题 , 所以我们没有给出这些试题的答案 ( 只对个别较难
的题给了提示 ) , 不给答案也有利于学生在答题过程中通过思考和
钻研 , 提高自己分析、解决问题的能力 .
第 2 版的编写是 5 位 编 著者 的 共 同 愿 望 , 经 过 讨 论 , 正 文 由
居余马执笔编写 , 习题的配置和 历年 考研 试题 的汇 编 由林 翠琴 负
责编写 . 本书第 2 版也是在出版社刘颖博士 大力促进 与支持下 才
顺利与读者见面的 , 在此 特向 他致 以 深切 的谢 意 . 由 于编 著者 水
平所限 , 不妥之 处在 所 难 免 , 恳 请读 者 和使 用 本 教 材的 教 师 批 评
指正 .

编著者
2002 年 2 月于清华园
 第 1版序言

本书是根据全国工科数学课程指导委员会制定的《线性代数》
课程基本要求 , 以及我们 多年 来在清 华大 学讲 授本课 程的 实际 体
会编写而成的 . 本书 适用 于教 学要 求 不同 的院 校和 专业 , 课内 学
时为 35～ 72 的都可选用本书作为教材 .
线性代数是一门基础数 学课 程 , 它 的基 本概 念、理 论和 方法 ,
具有较强的逻辑性、抽象性和广泛的实用性 ; 它的核心内容是研究
有限维线性空间的结构和线性空间的线性变换 . 由于数域 F 上的
n 维线性空间 V ( F) 与 n 维 向量 空间 F n 是同 构的 , 给 定了 n 维 线
性空间 V( F) 的一 组基后 , V ( F) 的线 性变换与数域 F 上的 n 阶矩
阵一一对 应 , 因此 , 在 学时 较少的 情况 下 , 教学 的基本 要求 是 : 熟
练掌握 n 维向量的 线性 运 算 , 理 解线 性 相关 性 的 理论 , 搞清 R n 的
基、向量在基下的坐标、向量的内积运算及向量的长度与夹角等概
念 ; 熟练掌握矩 阵的 基 本 运算、线性 方 程组 的 解 的 理论 和 求 解 方
法 ; 掌握矩阵的特征值和特征向量、矩阵的对角化及二次型的标准
形和正定二次型的基 本概 念和 理论 . 在上 述教 学内 容中 , 要注 重
基本概念和理论 , 着重培养熟练的运算能力 , 适当地训练逻辑思维
和推理能力 .
关于教材内容 , 作了以下一些处理 :
1 . 关于行列式 . 采用简便的递归 法来 定义 n 阶 行列式 , 并 相
应地证明它的性质 . 这比用逆序法定义可节省一些学时 .
2 . 关于矩阵 . 从高斯消元法入 手 , 引进矩 阵和 初等变 换的 概
念 . 对于矩阵的运算 , 除了要熟练掌握加法、数乘、乘法、求逆及 转
Ⅳ 第 1 版序言

置等基本运算 , 还要加强初等变换和分块矩阵运算 , 它们不仅是矩

阵运算的重要方法和技巧 , 而且在理论分析中也有重要意义 .
3 . 关于线性方程组 . 将方程组 放在矩 阵之 后讲 解 , 可 以充 分
利用矩阵工具 , 使表 述简 明 . 向 量的 线性 相关 性的 概 念和 矩阵 的
秩的概念是这一章的难点 , 以 三维几 何向 量在 线性运 算下 的关 系
作背景 , 抽象出 n 维向量的线性相关性的概念 , 便于初学者理解这
个重要的概念 . 利用初等行变换不改变矩阵 的行秩和 列秩以及 阶
梯形矩阵的行秩等于列秩 , 来证明矩阵的列秩等于其行秩 , 这样容
易为读者所理解 .
n
4 . 关于向量空间 . 重点放在搞清 R 的基 本结构 , 以三 维几 何
向量为背景 , 一并提出 R n 中 的线 性运 算 和内 积 运 算 , 阐 明 R n 的 基
和向量在基下的坐标的概念以及向量的几何度 量性 . 如果教学 学
时允许的话 , 在R n 的基础上再 进一 步讲 授一般 线性 空间的 概念 和
理论 . 至于一般的欧 氏空 间和 内积 空 间的 概念 , 则 把 它放 在附 录
中 , 这是因为受一般工科院校的本课程学时所限 , 而不能列入教学
要求 .
5 . 关于线性变换 . 以一元线性函 数为 背景 , 抽象 出 n 维向 量
空间的 线性 变换 的概 念 , 并 列举 了 CAD 中常 用的 线 性变 换的 例
子 . 进而讲了线性变换的矩阵表示和线性变换的运算 .
6 . 关于特征值和特征向量 , 书中只讲矩 阵的特征 值和特征 向
量 . 深入讨论了矩阵 可对 角化 的条 件 , 学 时少 时可 重 点掌 握实 对
称矩阵的对角化 .
7 . 关于 二次 型 . 将 其放 在最 后 , 目 的是 用已 学过 的 知识 , 全
面地讨论二次型化标准形的方法和正定二次型 的判定 . 学时少 时
只要求掌握通过正交变换化二次型为标准形 .
8 . 关于应用问题 . 书中专列一 章应用 问题 , 是 为学有 余力 的
学生提供一些材料 , 使他们对线性代数应用的广泛性有所了解 .
本书的编排情况为 :
第 1 版序言 Ⅴ

(1 ) 正文分为 基本 部 分、引 申和 应 用 部分 及 附录 . 基本 部 分
共 6 章 , 引申部分用打“ ＊ ”的办法安排在有关章节 .
(2 ) 习题分为基 本题、打“ ＊ ”题和 补 充 题 . 打“ ＊ ”题主 要 是
一些证明题 和 引 申 内 容 的 训 练 题 , 补充 题 一 般 比 打“ ＊ ”题 更 难
一些 .
对于课内不超过 40 学时的院校 , 我们建议以正文的基本部分
和习题的基本题作为讲授和训练的基本要求 .
本书由居余马 ( 主编 ) 与胡金德、林翠琴、王飞燕、邢文训合编 ,
是在居余马 ( 主编 ) 与胡金德合编的《线性代数及其应用》的基础上
作了较大修改 而 写 成 的 . 第 1 章 由 王 飞 燕、第 2 章 及 附 录 B 由
胡金德、第 3 , 4 章 由居余马、第 5 , 7 章由林翠 琴、第 6 章及附 录 A
由邢文训编写 , 最后由主编作了些修改而 定稿 . 由于水平 所限 , 不
妥或谬误之处在所难免 , 恳请读者和使用本教材的教师批评指正 .

编　者
1994 年 5 月于清华园
　 目　录

第 1 章 　 行列式 …………………………………………………… 1
1 .1 　 n 阶行列式的定义及性质 …………………………… 1
1 .2 　 n 阶行列式的计算 …………………………………… 12
1 .3 　 克拉默法则 …………………………………………… 22
附录 1 　 性质 1 的证明 　 双重连加号 …………………… 28
习题 　 补充题 　 答案 ……………………………………… 32

第 2 章 　 矩阵 …………………………………………………… 41
2 .1 　 高斯消元法 …………………………………………… 41
2 .2 　 矩阵的加法 　 数量乘法 　 乘法 ……………………… 49
2 .3 　 矩阵的转置 　 对称矩阵 ……………………………… 61
2 .4 　 可逆矩阵的逆矩阵 …………………………………… 63
2 .5 　 矩阵的初等变换和初等矩阵 ………………………… 70
　 　 2 .6 　 分块矩阵 ……………………………………………… 79
附录 2 　 数域 　 命题 　 量词 ……………………………… 89
习题 　 补充题 　 答案 ……………………………………… 92

第 3 章 　 线性方程组 …………………………………………… 109

3 .1 　 n 维向量及其线性相关性 ………………………… 109
3 .2 　 向量组的秩及其极大线性无关组 ………………… 119
＊
3 .3 　 矩阵的秩 　 相抵标准形 ………………………… 122
3 .4 　 齐次线性方程组有非零解的条件及解的结构 …… 132
Ⅷ 目录

3 .5 　 非齐次线性方程组有解的条件及解的结构 ……… 138

习题 　 补充题 　 答案 ……………………………………… 146

第 4 章 　 向量空间与线性变换 ………………………………… 158

4 .1 　 R n 的基与向量关于基的坐标 ……………………… 158
n
4 .2 　 R 中向量的内积 　 标准正交基和正交矩阵 ……… 165
　 　＊ 4 .3 　 线性空间的定义及简单性质 ……………………… 174
＊
　 　 4 .4 　 线性子空间 ………………………………………… 177
　 　＊ 4 .5 　 线性空间的基 　 维数 　 向量的坐标 ……………… 182
＊
　 　 4 .6 　 向量空间的线性变换 ……………………………… 189
习题 　 补充题 　 答案 ……………………………………… 210

第 5 章 　 特征值和特征向量 　 矩阵的对角化 ………………… 223

5 .1 　 矩阵的特征值和特征向量 　 相似矩阵 …………… 223
5 .2 　 矩阵可对角化的条件 ……………………………… 232
5 .3 　 实对称矩阵的对角化 ……………………………… 241
习题 　 补充题 　 答案 ……………………………………… 247

第 6 章 　 二次型 ………………………………………………… 257

6 .1 　 二次型的定义和矩阵表示 　 合同矩阵 …………… 258
6 .2 　 化二次型为标准形 ………………………………… 262
＊
　 　 6 .3 　 惯性定理和二次型的规范形 ……………………… 275
6 .4 　 正定二次型和正定矩阵 …………………………… 278
＊
　 　 6 .5 　 其他有定二次型 …………………………………… 286
习题 　 补充题 　 答案 ……………………………………… 289

＊
第 7 章 　 应用问题 …………………………………………… 298
7 .1 　 人口模型 …………………………………………… 298
目录 Ⅸ

7 .2 　 马尔可夫链 ………………………………………… 306

7 .3 　 投入产出数学模型 ………………………………… 311
7 .4 　 图的邻接矩阵 ……………………………………… 317
7 .5 　 递推关系式的矩阵解法 …………………………… 320
7 .6 　 矩阵在求解常系数线性微分
方程组中的应用 …………………………………… 323
7 .7 　 不相容方程组的最小二乘解 ……………………… 328
习题 　 补充题 　 答案 ……………………………………… 334

附录A 　 内积空间 　 埃尔米特二次型 ………………………… 342

A .1 　 实内积空间 　 欧氏空间 …………………………… 342
A .2 　 度量矩阵和标准正交基 …………………………… 346
A .3 　 复向量的内积 　 酉空间 …………………………… 351
A .4 　 酉矩阵和埃尔米特二次型 ………………………… 353
习题 　 答案 ………………………………………………… 355

附录B 　 约当标准形 ( 简介 ) …………………………………… 359

习题 　 答案 ………………………………………………… 368

附录 C 　 历年硕士研究生入学考试中线性代数试题汇编 …… 371

索引 ……………………………………………………………… 387
　 第 1章

行　列　式

　 　 在线性代数中 , 行列式是一个基本工具 , 讨论很多问题时都要

用到它 . 本章先简单 介绍 二、三 阶行 列式 的定 义及 按 第一 行的 展
开式 , 再进一步讨论 n 阶行列式 . 本章主要内容 : n 阶行列式的 定
义及其性质 ; 行列式的计算 ; 求解一类非齐次线性方程组的克拉默
( Cra mer ) 法则 , 以及由此得到的方 程个 数与未 知量 个数相 同的 齐
次线性方程组有非零解的必要条件 .

1 .1 　 n 阶行列式的定义及性质

行列式的概念首先是在求解方程个数与未知量个数相同的一
次方程组时提出来的 ( 以后 常把一 次方 程组 称为线 性方 程组 ) , 例
如对于一个二元一次方程组
a11 x1 + a12 x2 = b1 ,
( 1． 1)
a21 x1 + a22 x2 = b2 .
当 a11 a22 - a12 a2 1 ≠0 时 , 用消元法求解 , 得其解为
b1 a22 - a12 b2 a11 b2 - b1 a2 1
x1 = , 　 x2 = . ( 1． 2)
a11 a22 - a12 a21 a11 a22 - a12 a21
人们从 (1． 2 ) 式中发现 , 如果记
2 第 1 章 　 行列式

a b
D= = a d - bc , ( 1． 3)
c d
则 (1． 2 ) 式可以表示为
b1 a12 a1 1 b1
b2 a22 a2 1 b2
x1 = , 　 x2 = .
a11 a12 a11 a12
a21 a22 a21 a22
我们把 (1． 3 ) 式中的 D 称为二阶行列式 .
对于由 9 个元素 ai j ( i, j = 1 , 2 , 3 ) 排成三行三列的式子 , 定义
a11 a1 2 a13
a21 a2 2 a23 = a11 a22 a33 + a1 2 a23 a31 + a1 3 a2 1 a32 - ( 1． 4)
a13 a22 a31 - a1 2 a21 a33 - a1 1 a2 3 a32 ,
a31 a3 2 a33
并称它为三阶行列式 ( 横为行 , 竖为列 ) .
(1． 4 ) 式中的 6 项是按下面 ( 1． 5) 式所示的方法 ( 称为沙路法 )
得到的 .

( 1． 5)

　 　 如果三元线性方程组
a1 1 x1 + a12 x2 + a13 x3 = b1 ,
a2 1 x1 + a22 x2 + a23 x3 = b2 ,
a3 1 x1 + a32 x2 + a33 x3 = b3
的系数行列式
a1 1 a1 2 a1 3
D= a2 1 a2 2 a2 3 ≠ 0 ,
a3 1 a3 2 a3 3
1 .1 　 n 阶行列式的定义及性质 3

用消元法求解这个方程组 , 可得
D1 D2 D3
x1 = , 　 x2 = , 　 x3 = . ( 1． 6)
D D D
其中 Dj ( j = 1 , 2 , 3 ) 是用常数 项 b1 , b2 , b3 替 换 D 中的 第 j 列所 得
到的三阶行列式 , 即
b1 a12 a1 3 a11 b1 a1 3 a11 a12 b1
D1 = b2 a22 a2 3 , 　 D2 = a21 b2 a2 3 , 　 D3 = a21 a22 b2 .
b3 a32 a3 3 a31 b3 a3 3 a31 a32 b3
　 　 但是 , 对于 n 阶行列式 ( n > 3 ) , 不能 如 ( 1． 5 ) 式 ( 沙 路法 ) 那 样
定义 . 因为如果像 ( 1． 5) 式那样定义 n 阶行列式 , 当 n > 3 时 , 它 将
与二、三阶行列式没有统一的运算性质 , 而且对 n 元线性方程组也
得不到像 (1． 6 ) 式那样的求解公式 . 因此 , 对一 般的 n 阶行列式 要
用另外的方法来定义 . 在 代数 中 , 它 可以 用三 种不 同 的方 法做 定
义 , 我们采用简明的递归法做定义 .
从二、三阶行列式的展开式中 , 我们发现它们遵循着一个共同
的规律———可以按第一行展开 , 即
a1 1 a1 2 a13
D= a2 1 a2 2 a23
a3 1 a3 2 a33
a2 2 a23 a21 a2 3 a2 1 a22
= a11 - a12 + a1 3 , ( 1． 7)
a3 2 a33 a31 a3 3 a3 1 a32
其中
a22 a2 3 a21 a23 a2 1 a2 2
M11 = , 　 M1 2 = , 　 M13 =
a32 a3 3 a31 a33 a3 1 a3 2
分别称 为 元 素 a1 1 , a12 , a1 3 的 余 子 式 , 并 称 A11 = ( - 1 ) 1 + 1 M11 ,
1 +2 1 +3
A12 = ( - 1) M12 , A13 = ( - 1) M13 分别为 a1 1 , a1 2 , a13 的代数 余
子式 . 如此 , (1． 7 ) 式即为
D = a11 A11 + a12 A12 + a13 A1 3 .
4 第 1 章 　 行列式

　 　 同样
a11 a12
D = = a1 1 A11 + a12 A12 , ( 1． 8)
a21 a22
其中
1+ 1 1+2
A11 = ( - 1) | a2 2 | = a22 , 　 A1 2 = ( - 1 ) | a21 | = - a2 1 .
这里 | a22 | , | a2 1 | 是一阶行列式 ( 不是数的 绝对值 ) . 我们把 a 的 一
阶行列式 | a| 定义为 a .
如果把 (1． 7 ) , (1． 8 ) 两式作 为三 阶、二阶行 列式 的 定义 , 那 么
这种定义的方法是统一的 , 它 们都是 用低 阶行 列式定 义高 一阶 的
行列式 . 因此人们很 自然 地会 想到 , 用这 种递 归的 方 法来 定义 一
般的 n 阶行列式 . 对于这 样定 义的 各 阶行 列式 , 将 会 有统 一的 运
算性质 . 下面我们给出 n 阶行列式的递归法定义 .

1 .1 .1　 n阶行 列式的定义

定义 　 由 n2 个数 ai j ( i, j = 1 , 2 , … , n) 组成的 n 阶行列式
a11 a12 … a1 n
a21 a22 … a2 n n
D= 　 ( 简记作 | ai j | 1 ) ( 1． 9)
… … …
an 1 an2 … an n
是一个算式 . 当 n = 1 时 , 定义 D = | a11 | = a1 1 ; 当 n≥2 时 , 定义
n

D = a11 A1 1 + a1 2 A12 + … + a1 n A1 n = ∑a
j =1
1j A 1 j , 　 (1． 10)

其中 A1 j = ( - 1 ) 1 + j M1 j ,
M1 j 是 D 中去掉第 1 行第 j 列全 部元素 后 , 按原顺序 排成的 n - 1
阶行列式 , 即
a21 … a2 j - 1 a2 j+ 1 … a2 n
a31 … a3 j - 1 a3 j+ 1 … a3 n
M1 j = 　 ( j = 1 , 2 , … , n) ,
… … … …
an1 … an j - 1 an j+ 1 … an n
1 .1 　 n 阶行列式的定义及性质 5

并称 M1 j 为元素 a1 j 的余子式 , A1 j 为元素 a1 j 的代数余子式 .

在 ( 1． 9 ) 式中 , a11 , a22 , … , ann 所在 的 对角 线称 为行 列式 的 主
对角线 , 相应地 a11 , a22 , … , an n 称为 主 对角 元 , 另一 条 对角 线称 为
行列式的副对角线 .
由定义可 见 , 行 列式 这个 算 式是 由其 n2 个元 素 ai j ( i, j = 1 ,
2 , … , n) 构成的 n 次齐次多项式 ( 称作展开式 ) , 二阶行列式的展开
式中共有 2 ! 项 ; 三 阶行 列 式的 展开 式中 共有 3 ! 项 ; n 阶行 列 式
的展开 式中共 有 n ! 项 , 其 中每一 项都 是不 同行不 同列 的 n 个 元
素的乘积 , 在 全 部 n ! 项 中 , 带 正 号 的 项 和 带 负 号 的 项 各 占 一 半
( 以上结论可根据定 义 , 用数 学 归纳 法给 以证 明 ) . 当 第一 行元 素
为 x1 , x2 , … , xn 时 , n 阶 行 列 式 是 x1 , x2 , … , xn 的 一 次 齐 次 多
项式 .
例 1 　 证明 n 阶下三 角行 列 式 ( 当 i < j 时 , ai j = 0 , 即主 对 角
线以上元素全为 0)
a11 0 … 0
a21 a22 … 0
Dn = = a1 1 a22 … ann .
… … ｗ …
an 1 an 2 … an n
　 　 证 　 对 n 作数学归纳法 . 当 n = 2 时 , 结论成立 .
假设结论对 n - 1 阶下三角行列式成立 , 则由定义得
a11 0 … 0 a2 2 0 … 0
a21 a22 … 0 1 +1
a3 2 a33 … 0
Dn = = ( - 1) a11 ,
… … ｗ … … … ｗ …
an 1 an2 … an n an2 an 3 … an n
右端行列式是 n - 1 阶下三角行列式 , 根据归纳假设得
Dn = a1 1 ( a22 a33 … ann ) . ■
6 第 1 章 　 行列式

　 　 同理可证 , n 阶对角行列式 ( 非主对角线上的元素全为 0 )

a11 0 … 0
0 a22 … 0
= a11 a22 … ann .
… … ｗ …
0 0 … an n

　 　 例 2 　 计算 n 阶行列式 ( 副对角线以上元素全为 0)

0 0 … 0 an
0 0 … an - 1 ＊
Dn = … … Ｙ … … ,
0 a2 … ＊ ＊
a1 ＊ … ＊ ＊

其中 , ai ≠ 0 　 ( i = 1 , 2 , … , n) “
, ＊ ”表示元素为任意数 .
解 　 注意 , 对一 般的 n, 这 个行 列式不 等于 - a1 a2 … an . 利 用
行列式定义 , 可得到

0 0 … an - 1
… … Ｙ …
Dn = ( - 1) n + 1 an = ( - 1) n - 1 an D n - 1 ,
0 a2 … ＊
a1 ＊ … ＊

再利用上面 n 阶与 n - 1 阶行列式之间的关系 ( 通常称为递推关系

或递推公式 ) , 递推可得
n- 1 n- 1 n- 2
Dn = ( - 1 ) an D n - 1 = ( - 1 ) an ( - 1 ) an - 1 Dn - 2
　 ………………………………
( n - 1) + ( n - 2 ) +… +2 +1
= ( - 1) an a n - 1 … a2 a1
n( n - 1 )
= ( - 1) 2
an a n - 1 … a2 a1 .
1 .1 　 n 阶行列式的定义及性质 7

　 　 例如 , 当 n = 2 , 3 时 , D2 = - a1 a2 , D3 = - a1 a2 a3 ; 当 n = 4 , 5
时 , D4 = a1 a2 a3 a4 , D5 = a1 a2 a3 a4 a5 .
此结论对副对角线以下元素全为 0 的行列 式也成立 . 利用 下
面讲的性质 2 , 对最后一列展开 , 也得同样的递推公式 .

1 .1 .2　 n阶行 列式的性质

直接用行列式的定义计算行列式 , 一 般是较繁 琐的 . 因此 , 我
们要从定义推导出行列式的一些性质 , 以简化行列式的计算 .
性质 1 　 行列式的行与列 ( 按原顺序 ) 互换 , 其值不变 , 即

a1 1 a12 … a1 n a11 a21 … an 1

a2 1 a22 … a2 n a12 a22 … an 2
= . (1． 11)
… … … … … …
an1 an 2 … an n a1 n a2 n … an n

　 　 这个性质可用数学归纳法证明 , 由于证明的表述较繁琐 , 我们
略去其证明 , 有兴趣的读者可参阅本章附录 .
有了这个性质 , 行 列式 对 行成 立的 性质 都适 用 于列 . 以 下 我
们仅对行讨论行列式的性质 .
性质 2 　 行列式 ( 1． 9) 对任一行按下式展开 , 其值相等 , 即
n

D = ai1 A i 1 + ai 2 Ai 2 + … + ai n A i n = ∑a
j= 1
ij A ij

( i = 1 , 2 , … , n) , (1． 12)
其中
i+ j
Ai j = ( - 1 ) Mi j ,
Mi j 是 D 中 去 掉 第 i 行 第 j 列 全 部 元 素 后 按 原 顺 序 排 成 的
n - 1 阶行列式 , 它称为 ai j 的余子式 , A i j 称为 a i j 的代数余子式 .
8 第 1 章 　 行列式

证法与性质 1 的证明类似 , 也用数学归纳法 ( 参阅本章附录 ) .

性质 3 　 ( 线性性质 ) 有以下两条 :

a11 a12 … a1 n a1 1 a12 … a1 n

… … … … … …
(i) k a i 1 ka i2 … k a i n = k ai1 ai 2 … ai n . (1． 13)
… … … … … …
an 1 an 2 … an n an1 an 2 … an n

a11 a12 … a1 n
… … …
( ii ) ai1 + bi 1 ai2 + bi 2 … ai n + bi n 　 　 　
… … …
an 1 an 2 … an n

a11 a12 … a1 n a11 a1 2 … a1 n

… … … … … …
= ai 1 ai 2 … ai n + bi 1 bi 2 … bi n . (1． 14)
… … … … … …
an 1 an 2 … ann an1 an2 … an n

利用性质 2 , 将 ( 1． 13 ) , ( 1． 14 ) 式 中等 号左 端的 行列 式 按第 i
行展开 , 立即可得等号右端的结果 .
由 (1． 13) 式又可得 :
推论 1 　 某行元素全为零的行列式其值为零 .
性质 4 　 行列式中两行对应元素全相等 , 其值为零 , 即当 ai l =
ajl ( i≠ j , l = 1 , 2 , … , n) 时 , 有
1 .1 　 n 阶行列式的定义及性质 9

a11 a1 2 … a1 n
… … …
ai1 ai 2 … ai n
D= … … … = 0 . (1． 15)
aj1 a j2 … aj n
… … …
an1 an2 … an n
　 　 证 　 用数学归纳 法证 明 . 结果 对 二阶 行列 式显 然成 立 , 假 设
结论对 n - 1 阶行列式成立 , 在 n 阶 的情 况下 , 对第 k 行展开 ( k≠
i, j) , 则
n

D = ak1 A k1 + ak2 Ak2 + … + akn A k n = ∑a

l=1
kl Akl .

由于余子式 Mk l ( l = 1 , 2, … , n) 是 n - 1 阶行列式 , 且其中 都有两行

元素相同 , 所以 Ak l = ( - 1) k + l M k l = 0( l = 1 , 2 , …, n) , 故 D = 0 . ■
由性质 3( i ) 和性质 4 , 立即可得 :
推论 2 　 行列 式 中两 行 对 应 元 素成 比 例 ( 即 ajl = kai l , i≠ j,
l = 1 , 2 , … , n, k 是常数 ) , 其值为零 .
性质 5 　 在行列式中 , 把某 行各 元素分 别乘 非零 常数 k, 再 加
到另一行的对应元素上 , 行列式的值不变 ( 简称 : 对行 列式做倍 加
行变换 , 其值不变 ) , 即
a11 a12 … a1 n a11 a12 … a1 n
… … … … … …
ai 1 ai 2 … ai n ai 1 ai 2 … ai n
… … … = … … … .
aj1 aj2 … a j n k a i1 + aj1 k a i 2 + aj2 … k a i n + aj n
… … … … … …
an 1 an 2 … ann an 1 an 2 … ann
(1． 16)
10 第 1 章 　 行列式

　 　 利用性质 3( i i) 和推论 2 , 可证明 (1． 16) 式成立 .

性质 6( 反对称性质 ) 　 行列式的两行对换 , 行列式的值反号 .
证 　 重复用性质 5 , 然后再利用性质 3 ( i ) , 就有
a11 a12 … a1 n a1 1 a12 … a1 n
… … … … … …
ai 1 ai 2 … ai n ai 1 + aj1 ai 2 + aj2 … ai n + aj n
… … … = … … …
aj1 aj2 … aj n a j1 aj2 … aj n
… … … … … …
an 1 an 2 … an n an1 an 2 … an n
a1 1 a12 … a1 n
… … …
ai 1 + aj1 ai2 + a j2 … ai n + aj n
= … … …
- ai 1 - ai 2 … - ai n
… … …
an1 an2 … an n
a1 1 a12 … a1 n a1 1 a1 2 … a1 n
… … … … … …
aj1 aj2 … aj n a j1 a j2 … aj n
= … … … = - … … … .
- ai 1 - ai 2 … - ai n ai 1 ai 2 … ai n
… … … … … …
an 1 an2 … an n an1 an2 … an n
■
　 　 性质 7 　 行列式某一 行的元素乘另一行 对应元素的代数 余子
式之和等于零 , 即
1 .1 　 n 阶行列式的定义及性质 11

∑a
k=1
ik A j k = ai 1 A j1 + ai 2 A j2 + … + ai n A j n = 0 　 ( i ≠ j ) .

(1． 17)
　 　 证 　 根据性质 2 , 行列式 (1． 9 ) 对 j 行展开得
n

D= ∑a
k= 1
jk Aj k .

因此 , 将 行 列 式 ( 1． 9 ) 中 第 j 行 的 元 素 a j1 , a j2 , … , aj n 换 成 a i 1 ,
n

ai2 , … , ai n 后所得的行列式 , 其展开式就是 ∑ ai k A j k , 即

k= 1

a11 a12 … a1 n
… … …
n
ai 1 ai 2 … ai n 第 i 行

∑a
k= 1
ik Aj k = … … … 　 .
ai 1 ai 2 … ai n 第 j 行
… … …
an 1 an 2 … an n
　 　 由于上式右端的行列式第 i 行和第 j 行对应元素相等 , 故
n

∑a
k=1
ik Ajk = 0 . ■

　 　 对于行列式 (1． 9 ) , 我们可以把 (1． 10) , ( 1． 12 ) , (1． 17) 式统一

地写成
n

∑a
k=1
ik A j k = δi j D ,

其中
1 , 　 当 i = j,
δi j = (1． 18)
0, 　 当 i ≠ j .
同样 , 行列式 ( 1． 9) 对列展开 , 也有
n

∑a
k=1
ki A k j = δi j D . (1． 19)
12 第 1 章 　 行列式

1 .2 　 n 阶行列式的计算

这一节 , 我们通过例题 来说 明 , 利用行 列式 的定 义 和性 质 , 计

算 n 阶行列式的常用方法 .
例 1 　 对于上三角行列式 ( 当 i > j 时 , ai j = 0 ) 有
a11 a1 2 … a1 n
0 a2 2 … a2 n
D= = a11 a22 … an n .
… … ｗ …
0 0 … an n
　 　 解 　 设 D′表示将行列式 D 的 行与列 ( 按原顺 序 ) 互换 所得 的
行列式 , 则利用 1． 1 节中性质 1 和例 1 的结果 , 即得
D = D′= a11 a2 2 … an n .
　 　 例 2 　 计算 4 阶行列式
1 1 - 1 2
- 1 - 1 - 4 1
D= .
2 4 - 6 1
1 2 4 2
　 　 解 　 对行列 式做倍加 行变换和 两行对 换 , 将其化为 上三角 行
列式 . 先利用性质 5 , 把第 1 行分别乘 1 , - 2 , - 1 加到第 2 , 3 , 4 行
上去得
1 1 - 1 2 1 1 - 1 2
0 0 - 5 3 ②＼ ④ 0 1 5 0
D= -
0 2 - 4 - 3 0 2 - 4 - 3
0 1 5 0 0 0 - 5 3
1 .2 　 n 阶行列式的计算 13

1 1 - 1 2
③ + ②× ( - 2) 0 1 5 0
-
0 0 - 14 - 3
0 0 - 5 3
1 1 - 1 2
5
④ + ③× -
14 0 1 5 0
-
0 0 - 14 - 3
0 0 0 57/ 14
= ( - 1) × 1 × 1 × ( - 14 ) × (57/ 14 ) = 57 .
其中 : ②＼ ④表示第②行与第④行对换 ; ③ + ②× ( - 2) 表示第 ③
5
行加第②行乘 ( - 2 ) ; ④ + ③× - 的意义也是类似的 .
14
此例利用性质 5 和性质 6 , 把数 字行列 式化为上 三角行 列式 ,
是计算数字行列式的 基本 方法 . 但 是 对于 三阶 数字 行列 式 , 用 沙
路法按对角线展开 ( 计算 6 项乘积 ) 可能更为简捷 .
例 3 　 计算 4 阶行列式
1 4 - 1 4
2 1 4 3
D = .
4 2 3 11
3 0 9 2
　 　 解 　 利 用性质 5 , 把 行列式 某行 ( 列 ) 元素 化为 只剩一 个非 零
元 , 再利用性质 2 , 把行列式按该行 ( 列 ) 展开 , 从而降阶计算 . 这也
是展开行列式的基本方法 .
注意到 D 中 第 2 列 有 一 个 0 , 再 利 用 a2 2 = 1 , 把 第 2 行 乘
( - 4 ) 和 ( - 2 ) 分 别加到 第 1 和 第 3 行 上去 , 将第 2 列中 其余元 素
化为 0 , 然后对第 2 列展开 , 得
14 第 1 章 　 行列式

- 7 0 - 17 - 8
2 1 4 3
D=
0 0 - 5 5
3 0 9 2
- 7 - 17 - 8
= ( - 1) 2 + 2 × 1 × 0 - 5 5
3 9 2
- 7 - 17 - 8
= 0 - 5 5 .
3 9 2
　 　 再把第 3 列加到第 2 列 , 按第 2 行展开
- 7 - 17 - 8 - 7 - 25 - 8
D= 0 - 5 5 = 0 0 5
3 9 2 3 11 2
- 7 - 25
= ( - 1 )2 +3 × 5 ×
3 11
= - 5 × ( - 77 + 75 ) = 10 .
n
　 　 例 4 　 如果行 列 式 D = | ai j | 1 的 元 素满 足 ai j = - aj i ( i, j =
1 , 2 , … , n) , 就 称 D 是 反 对 称 行 列 式 ( 其 中 ai i = - ai i ai i =
0 , i = 1 , … , n) .
证明奇数阶反对称行列式的值为零 .
0 a12 … a1 n
- a12 0 … a2 n
证　设 D = .
… … ｗ …
- a1 n - a2 n … 0
根据性质 1 有
1 .2 　 n 阶行列式的计算 15

0 - a12 - a13 … - a1 n
a12 0 - a23 … - a2 n
D= .
… … … ｗ …
a1 n a2 n a3 n … 0
　 　 再利用性质 3( i ) , 将每行提出公因数 ( - 1 ) , 即得
n
D = ( - 1) D .
由于 n 是奇数 , 得 D = - D, 故 D = 0 . ■
例 5 　 证明
a1 + b1 b1 + c1 c1 + a1 a1 b1 c1
a2 + b2 b2 + c2 c2 + a2 = 2 a2 b2 c2 .
a3 + b3 b3 + c3 c3 + a3 a3 b3 c3
　 　 证 　 方法 1: 把左端行列式的第 2 , 3 列加到第 1 列 , 提取公因
子 2 , 再把第 1 列乘 ( - 1 ) 加到第 2 , 3 列得
a1 + b1 + c1 - a1 - b1
左式 = 2 a2 + b2 + c2 - a2 - b2 .
a3 + b3 + c3 - a3 - b3
再把第 2 , 3 列加 到第 1 列 , 然后分别 提出 2 , 3 列 的公因数 ( - 1 ) ,
再作两次列对换 , 等式就得证 .
3
方法 2: 对左式的各列依次用性质 3 ( i i ) , 将左式表示为 2 个
行列式之和 , 其中有 6 个行列式各有 2 列相等 , 即
a1 b1 + c1 c1 + a1 b1 b1 + c1 c1 + a1
左式 = a2 b2 + c2 c2 + a2 + b2 b2 + c2 c2 + a2
a3 b3 + c3 c3 + a3 b3 b3 + c3 c3 + a3
a1 b1 c1 + a1 a1 c1 c1 + a1
= a2 b2 c2 + a2 + a2 c2 c2 + a2 +
a3 b3 c3 + a3 a3 c3 c3 + a3
16 第 1 章 　 行列式

b1 b1 c1 + a1 b1 c1 c1 + a1
　 b2 b2 c2 + a2 + b2 c2 c2 + a2
b3 b3 c3 + a3 b3 c3 c3 + a3
a1 b1 c1 b1 c1 a1
= a2 b2 c2 + 0 + 0 + 0 + 0 + 0 + 0 + b2 c2 a2
a3 b3 c3 b3 c3 a3
= 右式 . ■
　 　 例 6 　 计算 n 阶行列式
x a a … a
a x a … a
D = a a x … a .
… … … ｗ …
a a a … x
　 　 解 　 该行列式每行元素之和相等 , 此时把各列都加到第 1 列 ,
提出第 1 列的公因子 x + ( n - 1 ) a, 然后将 第 1 行乘 - 1 分 别加 到
其余各行 , D 就化为上三角行列式 , 即
1 a a … a
1 x a … a
D= [ x + ( n - 1 ) a] 1 a x … a
… … … ｗ …
1 a a … x
1 a a … a
0 x - a 0 … 0
= [ x + ( n - 1 ) a] 0 0 x - a … 0
… … … ｗ …
0 0 0 … x - a
= [ x + ( n - 1 ) a] ( x - a) n - 1 .
1 .2 　 n 阶行列式的计算 17

　 　 例 7 　 如果 x y z≠0 , 计算三阶行列式
1 + x 2 3
D= 1 2+ y 3 .
1 2 3+ z
　 　 解 　 方法一 : 将第 1 行乘 ( - 1) 加到第 2、第 3 行 , 再将第 2 列
x x
乘 、第 3 列乘 并各加到第 1 列 , 化为上三角行列式 , 得
y z
2x 3x
1 + x 2 3 1+ x+ + 2 3
y z
D= - x y 0 =
0 y 0
- x 0 z
0 0 z
2x 3x
= 1 + x+ + y z = yz + 2 zx + 3 xy + xy z .
y z
　 　 方法二 : 将 D 中 1 , 2 , 3 分别表示为 1 + 0 , 2 + 0 , 3 + 0 , 根据 性
3
质 3( i i) , D 可化为 2 个行列式 , 其中有 4 个为 0 , 得
1 0 0 x 2 0 x 0 3 x 0 0
D= 1 y 0 + 0 2 0 + 0 y 3 + 0 y 0
1 0 z 0 2 z 0 0 3 0 0 z
= yz + 2 zx + 3 xy + xy z .
　 　 例 8 　 证明范德蒙 ( Vandermonde) 行列式
1 1 1 … 1
x1 x2 x3 … xn
2 2 2 2
Vn = x1 x2 x3 … xn
… … … …
n- 1 n- 1 n -1 n -1
x1 x2 x3 … xn
= ∏
1 ≤ j< i≤ n
( xi - xj ) ,

其中连乘积
 18 第 1 章 　 行列式

∏
1 ≤ j < i≤ n
( xi - xj ) = x2 - x1 ) ( x3 - x1 )… ( xn - x1 ) ( x3 - x2 )… 　 　 　

( xn - x2 ) … ( xn - 1 - xn - 2 ) ( xn - xn - 2 ) ( xn - xn - 1 )
是满足条件 1≤ j < i≤ n 的所有因子 ( x i - x j ) 的乘积 .
证 　 用数学归纳法证明 . 当 n = 2 时 , 有
1 1
V2 =
x1 x2
= x2 - x1 = ∏
1 ≤ j < i≤ 2
( xi - x j ) ,

结论成立 . 假设结论对 n - 1 阶范 德蒙 行列式 成立 , 下 面证明 对 n

阶范德蒙行列式结论也成立 .
在 V n 中 , 从第 n 行起 , 依次将前一行乘 - x1 加到后一行 , 得
1 1 1 … 1
0 x2 - x1 x3 - x1 … xn - x1
Vn = 0 x2 ( x2 - x1 ) x3 ( x3 - x1 ) … xn ( xn - x1 ) .
… … … …
n -2 n-2 n- 2
0 x2 ( x2 - x1 ) x3 ( x3 - x1 ) … xn ( xn - x1 )
按第 1 列展开 , 并分别提取公因子 , 得
1 1 … 1
x2 x3 … xn
2 2 2
V n = ( x2 - x1 ) ( x3 - x1 ) … ( xn - x1 ) x2 x3 … xn .
… … …
n -2 n -2 n -2
x2 x3 … xn
上式右端的行列式是 n - 1 阶范德蒙行列式 , 根据归纳假设得

V n = ( x2 - x1 ) ( x3 - x1 ) … ( xn - x1 ) ∏
2 ≤ j < i≤ n
( xi - x j ) ,

故
Vn = ∏
1 ≤ j < i≤ n
( xi - xj ) . ■

　 　 例 9 　 证明
1 .2 　 n 阶行列式的计算 19

a11 a1 2 … a1 k 0 … 0
a21 a2 2 … a2 k 0 … 0
… … … … …
D= ak1 ak2 … ak k 0 … 0
c11 c1 2 … c1 k b11 … b1 m
… … … … …
cm1 cm 2 … cm k bm1 … bm m
a11 a12 … a1 k
b1 1 … b1 m
a21 a22 … a2 k
= … … . (1． 20)
… … …
bm 1 … bm m
ak1 ak2 … ak k
　 　证　记
k m
| A| = | ai j | 1 , 　 　 | B| = | bi j | 1 .
　 　 对 | A| 的阶数 k 作数学归纳法 . 当 k = 1 时 , 对 D 的第一行 展
开 , 得 D = a11 | B| = | a1 1 | | B| ( 这里 | a11 | 是一阶行列式 ) , ( 1． 20 ) 式
成立 . 假设 | A| 为 k - 1 阶时 , ( 1． 20 ) 式成立 . 下面考虑 | A| 为 k 阶
的情形 : 此时 , 将 D 对第 1 行展开 , 得
D = a11 ( - 1) 1 + 1 M11D + a1 2 ( - 1) 1 + 2 M1D2 + … +
1+ k D
a1 k ( - 1) M1 k , ①
D D
其中 M1 j 是 a1 j 在 D 中 的 余子 式 ( j = 1 , 2 , … , k ) . 显 然 M1 j 也 是
(1． 20) 式类型 的行列式 , 而 且它的左 上角是 k - 1 阶 的 , 根据归 纳
假设
M1Dj = M1| A|j | B| , 　 　 j = 1 , 2 , … , k, ②
其中 M1| A|j 是 a1 j 在 | A| 中的余子式 . 将②式代入①式 , 即得
D = [ a11 ( - 1 ) 1 + 1 M11| A| + a12 ( - 1 ) 1 + 2 M12| A| + … +
a1 k ( - 1) 1 + k M1| kA| ] | B| = | A| | B| ,
20 第 1 章 　 行列式

所以 | A| 为 k 阶 时 , ( 1． 20 ) 式 成立 . 因 此 | A| 为 任 意阶 行 列 式时 ,
(1． 20) 式都成立 . ■
(1． 20) 式可简记为

A 0
D= = | A| | B| .
＊ B

　 　 若 | A| , | B| 如上所设 , 同样也有

A ＊
D= = | A| | B| . (1． 21)
0 B

　 　 但要注意 ,

0 A
D = ≠ - | A| | B| .
B ＊

此时 , 可将 | A| 所在的每一列依次与其前面的 m 列逐列对换 ( 共 对
换 k× m 次 ) , 使之化为 (1． 20) 式的形式 , 于是便有

0 A A 0
= ( - 1 ) k× m = ( - 1) k× m | A| | B| . (1． 22)
B ＊ ＊ B

　 　 例 10 　 求方程 D( x) = 0 的根 , 其中

x - 1 x - 2 x - 1 x
x - 2 x - 4 x - 2 x
D( x ) = .
x - 3 x - 6 x - 4 x - 1
x - 4 x - 8 2x - 5 x - 2

　 　 解 　 由观察可见 x = 0 是一 个根 , 因为 x = 0 时 , 行 列式第 1、
第 2 列成比例 , 所以 D(0 ) = 0 . 但要求其他根 , 必须展 开这个行 列
式 . 将第 1 列乘 - 1 加到 2 , 3 , 4 列 ; 再将变换后 的第 2 列 加到第 4
列 , 即得
1 .2 　 n 阶行列式的计算 21

x - 1 - 1 0 1 x - 1 - 1 0 0
x - 2 - 2 0 2 x - 2 - 2 0 0
D( x ) = =
x - 3 - 3 - 1 2 x - 3 - 3 - 1 - 1
x - 4 - 4 x - 1 2 x - 4 - 4 x - 1 - 2
x - 1 - 1 - 1 - 1
= ・ = - x( x + 1 ) .
x - 2 - 2 x - 1 - 2
所以方程 D( x ) = 0 有两个根 : 0 与 - 1 .
＊
例 11 　 计算 n 阶三对角行列式
a b
c a b
c a b
Dn = .
ｗ ｗ ｗ
c a b
c a
　 　 解 　 把 Dn 按第 1 行展开 , 再将第 2 项中的行列式对第 1 列展
开得
c b
0 a b
0 c a b
Dn = aDn - 1 + ( - 1 ) 1 + 2 b
… … ｗ ｗ ｗ
0 0 … c a b
0 0 … 0 c a n -1阶

= aDn - 1 - bcD n - 2 . ①
由①式 ( 称为递推公式 ) 可见 : 由 D1 和 D2 可算出 D3 ; 由 D2 和 D3
可算出 D4 ; 如此等等 . 为了利用 D1 和 D2 递推出 Dn 的计算公式 ,
我们将①式改写成
Dn - kDn - 1 = l( Dn - 1 - kD n - 2 ) , ②
22 第 1 章 　 行列式

其中
k + l = a, 　 k l = bc . ③
　 　 在②式中 , 记 Δn = Dn - kDn - 1 , 则②式为
Δn = lΔn - 1 . ②′
由这个递推公式易得
Δn = lΔn - 1 = l( lΔn - 2 ) = … = ln - 2 Δ2 ,
即 Dn - kDn - 1 = ln - 2 ( D2 - kD1 ) , ④
其中
a b 2
D2 = = a - bc, 　 D1 = | a| = a .
c a
将它们代入④式 , 再利用③式 , 易得 D2 - kD1 = l2 , 于是
Dn = ln + kD n - 1 . ⑤
再利用递推公式⑤ , 可以递推出
Dn = ln + k( ln - 1 + kD n - 2 ) = ln + k ln - 1 + k2 Dn - 2
= ln + k ln - 1 + k2 ( ln - 2 + kD n - 3 )
n n -1 2 n- 2 3
= l + kl + k l + k Dn - 3
n n -1 2 n -2 n -2 2 n- 1
= … = l + kl + k l +…+ k l + k D1 ,
其中 D1 = | a| = a = k + l, 所以
n n -1 2 n- 2 n -2 2 n- 1 n
Dn = l + k l + k l +…+ k l + k l+ k . ⑥
　 　 例如 , 当 a = 3 , b = 2 , c = 1 时 , 由 ③式 算得 k = 1 , l = 2 , 或 k =
2 , l = 1 , 此时
n +1 n +1

Dn = l - k = 2n+ 1 - 1 .
l - k

1 .3 　 克拉默法则

这一节讨 论 : n 个 未知 量 n 个方 程 的线 性方 程组 , 在系 数 行
列式不等于零 时的 行 列式 解 法 , 通 常称 为 克 拉默 ( Cramer ) 法 则 ;
1 .3 　 克拉默法则 23

并进一步给出 n 个未知量 n 个方程的线性齐次方程组有非零解的

必要条件 .
定理 ( 克拉默法则 ) 　 设线性非齐次方程组
a1 1 x1 + a12 x2 + … + a1 n x n = b1 ,
a2 1 x1 + a22 x2 + … + a2 n x n = b2 ,
(1． 23)

an 1 x1 + an 2 x2 + … + an n x n = bn .
或简记为
n

∑a
j= 1
ij x j = bi , 　 　 i = 1 , 2 , … , n (1． 24)

其系数行列式
a11 a1 2 … a1 n
a21 a2 2 … a2 n
D= ≠ 0,
… … …
an1 an2 … an n
则方程组 (1． 23) 有唯一解
Dj
xj = , 　 　 　 j = 1, 2, …, n . (1． 25)
D
其中 Dj 是用常数项 b1 , b2 , … , bn 替换 D 中第 j 列所成的 行列式 ,
即
a11 … a1 j - 1 b1 a1 j+ 1 … a1 n
a21 … a2 j - 1 b2 a2 j+ 1 … a2 n
Dj = . (1． 26)
… … … … …
an 1 … an j - 1 bn an j +1 … an n
　 　 证 　 先证 (1． 25) 式是方程组 (1． 23) 的解 , 根据 ( 1． 26 ) 式
n

Dj = b1 A1 j + b2 A2 j + … + bn A n j = ∑b A
k= 1
k kj ,

其中 Ak j 是系数行列式中元素 ak j 的代数余子式 .
24 第 1 章 　 行列式

n
1
D∑
将 xj = bk A k j ( j = 1 , 2 , … , n) 代入 (1． 24) 式左端 , 得
k=1

n n n n
1 1
∑a D∑ D∑ ∑a
ij bk A k j = ij A k j bk
j =1 k=1 j= 1 k= 1

n n
＊
= 1∑ ∑a ij A k j bk
D k=1 j =1

n n n
1 1
D∑ ∑a D∑
= bk ij Ak j = bkδi k D
k=1 j= 1 k= 1

　 ( k = i 时 ,δi k = 1 , k ≠ i 时 ,δi k = 0)
1
= ( bi ・1・ D) = bi 　 ( i = 1 , 2 , … , n) .
D
　 　 ( 其中 ＊ 处等号 成立的理 由是 , 双重连 加号求 和次序可 交换 ,
请参阅本章附录 .)
所以 ( 1． 25 ) 式 中 的 x j = Dj/ D ( j = 1 , 2 , … , n) 满 足 方 程 组
(1． 23) 中的每一个方程 , 因此它是方程组 ( 1． 23 ) 的解 .
再证方程组 (1． 23) 的解也必是如 (1． 25 ) 式所 示 , 设 c1 , c2 , … ,
cn 是一组解 , 则
a1 1 c1 + a1 2 c2 + … + a1 n cn = b1 ,
a2 1 c1 + a2 2 c2 + … + a2 n cn = b2 ,

an1 c1 + an2 c2 + … + an n cn = bn .
在上面 n 个等式两端 , 分别依次乘 A1 j , A2 j , … , An j , 然 后再把 这 n
个等式的两端相加 , 得
n n n

∑a
i= 1
i1 A i j c1 + … + ∑a
i= 1
ij A i j cj + … + ∑a
i =1
in A i j cn

　 = ∑b A
i= 1
i ij .
1 .3 　 克拉默法则 25

上式左端 c1 , c2 , … , cj - 1 , cj + 1 , … , cn 的 系 数 全 为 零 , cj 的 系 数 为
n

D , 右端 ∑bAi= 1
i ij = Dj , 因此 Dcj = Dj , 故

Dj
cj = .
D
分别取 j = 1 , 2 , … , n, 这就证明了 c1 , c2 , … , cn 如果是解 , 它们也必
D1 D2 Dn
然分 别 等 于 , , …, , 于 是 方 程 组 ( 1． 23 ) 的 解 的 唯 一 性
D D D
得证 . ■
由克拉默法则 , 立即可得下面的推论
推论 　 若齐次线性方程组
n

∑a j =1
ij x j = 0 　 　 ( i = 1 , 2 , … , n) (1 .2 7)
n
的系数行列 式 D = | ai j | 1 ≠ 0 , 则 方 程 组 只 有 零 解 x j = 0 , j = 1 ,
2, …, n .
因为此时 Dj = 0 , j = 1 , 2 , … , n .
与推论等价的命题 ( 即逆否命题 ) 是 : 若 上述齐次 线性方程 组
n
有非零解 , 则系数行列式 D = | ai j | 1 = 0 . 即齐 次线 性 方程 组有 非
零解的必要条件是系数行列式 D = 0 .
在第 3 章中 , 我们 将进一步 证明 , D = 0 也是 齐次线性 方程 组
(1． 27) 有非零解的充分条件 .
用克拉默法则求解系数行列式不等于零的 n 元非齐次线性方
程组 , 需要计算 n + 1 个 n 阶行 列式 , 它的 计算 工作 量很 大 . 实 际
上关于数字系数的线性方 程组 ( 包 括系 数行列 式等 于零及 方程 个
数和未知量个数不相同的线性方程组 ) 的解法 , 一般都采用第 2 章
中介绍的高斯消元法 . 克拉默法则主要是在 理论上具 有重要的 意
义 , 特别是它明确地揭示了方程组的解和系数之间的关系 .
26 第 1 章 　 行列式

例 1 　 已 知三 次曲 线 y = f ( x ) = a0 + a1 x + a2 x2 + a3 x3 在 4
个点 x = ±1 , x = ±2 处的值 : f ( 1) = f ( - 1) = f (2) = 6 , f ( - 2 ) =
- 6 , 试求其系数 a0 , a1 , a2 , a3 .
解 　 将三次曲线 在 4 个 点 处的 值 代入 其 方程 , 得 到关 于 a0 ,
a1 , a2 , a3 的非齐次线性方程组
a0 + a1 + a2 + a3 = 6 ,
2 3
a0 + a1 ( - 1) + a2 ( - 1) + a3 ( - 1) = 6 ,
a0 + a1 ( 2) + a2 ( 2) 2 + a3 ( 2) 3 = 6 ,
2 3
a0 + a1 ( - 2) + a2 ( - 2) + a3 ( - 2) = - 6 .
它的系数行列式是范德蒙行列式 ( 例 8 的行、列互换 )
1 1 1 1
2 3
1 - 1 ( - 1) ( - 1)
D = 2 3
1 2 2 2
2 3
1 - 2 ( - 2) ( - 2)
= ( - 1 - 1) (2 - 1) ( - 2 - 1 ) ( 2 + 1 ) ( - 2 + 1) ・
( - 2 - 2) = 72 .
于是 , 由克拉默法则可得三次曲线方程的系数
Dj
aj = , 　 j = 0 ,1 ,2 ,3 ,
D
其中
6 1 1 1
6 - 1 1 - 1
D0 = = 576 ,
6 2 4 8
- 6 - 2 4 - 8
1 6 1 1
1 6 1 - 1
D1 = = - 72 ,
1 6 4 8
1 - 6 4 - 8
1 .3 　 克拉默法则 27

1 1 6 1
1 - 1 6 - 1
D2 = = - 144 ,
1 2 6 8
1 - 2 - 6 - 8
1 1 1 6
1 - 1 1 6
D3 = = 72 .
1 2 4 6
1 - 2 4 - 6
所以 a0 = 8 , a1 = - 1 , a2 = - 2 , a3 = 1 , 这 是唯 一解 , 因此 过上 述 4
个点所唯一确定的三次曲线方程为
2 3
f ( x) = 8 - x - 2 x + x .
　 　 一般地 , 过 n + 1 个 x 坐标 不同 的点 ( xi , yi ) , i = 1 , … , n + 1 ,
可以唯一地确定一个 n 次曲 线 的方 程 y = a0 + a1 x + a2 x2 + … +
n
an x .
例 2 　 求 4 个平面 ai x + bi y + ci z + di = 0( i = 1 , 2 , 3 , 4) 相交于
一点 ( x0 , y0 , z0 ) 的充分必要条件 .
解 　 我们把平面方程写成
ai x + bi y + ci z + di t = 0 ,
其中 t = 1 , 于是 4 个平面交于一点 , 即 x , y, z, t 的齐次线性方程组
a1 x + b1 y + c1 z + d1 t = 0 ,
a2 x + b2 y + c2 z + d2 t = 0 ,
a3 x + b3 y + c3 z + d3 t = 0 ,
a4 x + b4 y + c4 z + d4 t = 0 ,
有唯一的一组非零解 ( x0 , y0 , z0 , 1 ) , 根据 齐次 线性 方 程组 有非 零
解的必要充 分条件 ( 充 分性以 后将证明 ) 是系数行 列式等 于零 , 即
得 4 个平面相交于一点的充分必要条件为
a1 b1 c1 d1
a2 b2 c2 d2
= 0 .
a3 b3 c3 d3
a4 b4 c4 d4
28 第 1 章 　 行列式

附录 1 　 性质 1 的证明 　 双重连加号

Ⅰ . 性质 1的证明

a1 1 a12 … a1 n a11 a21 … an 1

a2 1 a22 … a2 n a12 a22 … an 2
　 　 证明 = .
… … … … … …
an1 an 2 … an n a1 n a2 n … an n
　 　 证 　 对行列 式的阶数 作数学归 纳法 , 将等 式两端的 行列式 分
别记作 D 和 D′.
当 n = 2 时 , D = D′显然 成立 , 假设 结论 对于 小于 n 阶 的行 列
式都成立 , 下面考虑 n 阶的情况 .
根据定义
D = a11 A1 1 + a1 2 A12 + … + a1 n A1 n ,
D′= a11 A′
1 1 + a21 A′
21 + … + an1 A′
n1 .

　 　 根据归纳假设 A′
1 1 = A11 , 于是

a1 2 a3 2 … an 2

1+ 2
a1 3 a3 3 … an 3
D′= a11 A1 1 + ( - 1 ) a2 1 +
… … …
a1 n a3 n … an n
a1 2 a2 2 a42 … an2

1+ 3
a1 3 a2 3 a43 … an3
　 ( - 1) a3 1 +…+
… … … …
a1 n a2 n a4 n … ann
附录 1 　 性质 1 的证明 　 双重连加号 29

a12 a22 … an - 1 2
a13 a23 … an - 1 3
　 ( - 1) 1 + n a n1 .
… … …
a1 n a2 n … an - 1 n
　 　 此时 , 根据归纳假设 , 上面的 n - 1 个 n - 1 阶行列 式 , 都对 第
1 列展开 , 将含 a12 的项合并在一起 , 其值恰好等于 a12 A1 2 , 含 a1 3 的
项合并后其值等于 a13 A1 3 , … , 含 a1 n 的 项合并 后其 值等于 a1 n A 1 n ,
因此 D′= D . 下面证明含 a1 2 的项合并后其值等于 a12 A12 .
a33 … an3 a23 a43 … an 3
1+2 1+3
( - 1) a21 a12 … … + ( - 1) a31 a12 … … … +…+
a3 n … ann a2 n a4 n … an n
a2 3 … an - 1 3
　 ( - 1 ) 1 + n a n 1 a1 2 … …
a2 n … an - 1 n
a21 0 … 0 0 a31 0 … 0
1+2
0 a33 … an3 a23 0 a43 … an3
= ( - 1) a12 + +…+
… … … … … … …
0 a3 n … ann a2 n 0 a4 n … an n
0 … 0 an1
a23 … an - 13 0
　
… … …
a2 n … an - 1 n 0
a21 a31 … an 1
1+2
a23 a33 … an 3
= ( - 1) a12
… … …
a2 n a3 n … an n
= a12 ( - 1 ) 1 + 2 M12′ = a12 ( - 1 ) 1 + 2 M12 = a1 2 A12 ,
30 第 1 章 　 行列式

其中余子式 M12′( n - 1 阶行列式 ) 是 M1 2 的行、列互换后的行列式 .

根据归纳假设它们相等 .

Ⅱ . 性质 2 的证明

证明 　 ai1 A i1 + ai 2 A i2 + … + ai n A i n
　 = a1 1 A11 + a12 A12 + … + a1 n A1 n 　 ( i = 2 , 3 , … , n) .
证 　 用类似于性质 1 的 证明方 法 , 读者 不难证 明 上式 对任 意
的 i(2 ≤ i≤ n) 都成立 .

Ⅲ . 关于双重连加号“ ∑∑ ”

对于 n 个数连加的式子
a1 + a2 + … + an ,
n

为了简便起见 , 我们可用连加号 ∑, 把它记作 ∑ ai .

i= 1
n

例如 ∑i = 12 + 22 + … + n2 ,
2

i= 1

其中 i 为求和指标 , 它取自然数 1 , 2 , … , n .
有时连加的数是用 两个 指 标来 编号 的 , 例如 m× n 个数 排 成
m 行 n 列:
a11 , a1 2 , … , a1 j , … , a1 n
a21 , a2 2 , … , a2 j , … , a2 n

①
ai1 , ai 2 , … , ai j , … , ai n

am1 , am2 , … , am j , … , am n
n

求它们的和数 S . 可先 把第 i 行的 n 个数 相加 , 记作 Si = ∑a
j =1
ij

( 称为对 j 指 标 求 和 ) , 再 把 m 个 行 的 和 数 S1 , S2 , … , S m 相 加 ,
附录 1 　 性质 1 的证明 　 双重连加号 31

记作
m m n

S = ∑S
i =1
i = ∑∑ a
i= 1 j =1
ij . ②
m

同样也可以先把第 j 列的 m 个数相加 , 记作 S′
j = ∑a
i= 1
ij ( 称为对

i 指标求和 ) . 再把 n 个列的和数 S 1′, S2′, … , S′

n 相加 , 记作

n n m

S = ∑ S′ = ∑ ∑ a
j= 1
j
j= 1 i= 1
ij . ③

　 　 ②式是先对 j 求和 , 后对 i 求和 , 而 ③式是先 对 i 求和 , 后对 j
求和 . 它们显然相等 , 这表明用双重连 加号 求和 时 , 对指标 i, j 的
求和次序可以颠倒 .
有时 , 对用两个指标编 号的 数 , 求其一 部分 数的 和 时 , 可以 在
连加号下注明求和指标应满足的条件 , 例如
n -1

∑∑a
j = 1 j < i≤ n
ij = ( a21 + a31 + a41 + … + an 1 ) j = 1

+ ( a32 + a42 + … + an 2 ) j = 2
+ ( a43 + … + an 3 ) j = 3
+…　 　 　
+ an n - 1 . j = n- 1
又如 , 对于两个多项式
n n -1
f ( x ) = an x + an - 1 x + … + a1 x + a0 ,
m m -1
g( x ) = bm x + bm - 1 x + … + b1 x + b0 ,
求其乘积 f ( x) g( x ) 中 xk 的系数 , 就可以表示为

∑a
i+ j= k
i bj .

例如 x4 的系数为 ∑a
i+ j=4
i b j = a0 b4 + a1 b3 + a2 b2 + a3 b1 + a4 b0 .

此外 , 某 n 个数的和与另 m 个数 的和之 积也可用 双重连加 号

表示 , 即
32 第 1 章 　 行列式

n m

( a1 + a2 + … + an ) ( b1 + b2 + … + bm ) = ∑ a∑b
i= 1
i
j= 1
j .

利用分配律 , 得
n m n m m n
或
上式 = ∑ ∑ai=1 j= 1
i bj = ∑∑ a
i=1 j =1
i bj = ∑ ∑a
j= 1 i= 1
i bj
m n

= ∑∑ aj= 1 i= 1
i bj ,
m

其中 ∑ ai b j 是 对 指 标 j 求 和 , 此 时 指 标 i 不 变 , 这 种 情 况 下 的
j =1

和式
m m

∑a
j =1
i b j = ai ∑ bj .
j =1

习题 　 补充题 　 答案

习题

　 　 计算下列二、三阶行列式 ( 用沙 法和定义 ) :
a2 ab cosα - sinα
1. . 　 　 　 　 　 　 　2 . .
ab b2 sinα cosα
3 2 - 4
a + bi b
3. .　 4. 4 1 - 2 .
2a a - bi
5 2 - 3
1 2 3 2 2 1
5. 4 5 6 .　 6. 4 1 -1 .
7 8 9 202 199 101
1 ω ω2
1 3
7 . ω2 1 ω , 其中 ω= - +i .
2 2
ω ω2 1
习题 　 补充题 　 答案 33

1 x x
8. x 2 x .
x x 3
计算下列数字元素行列式 (利用行列式性质展开) :
0 0 … 0 1 0
0 0 0 4 0 0 … 2 0 0
0 0 4 3 … … Ｙ … … …
9. . 10 . .
0 4 3 2 0 8 … 0 0 0
4 3 2 1 9 0 … 0 0 0
0 0 … 0 0 10
1 1 1 1 1 2 3 4
1 - 1 1 1 2 3 4 1
11 . . 　 12 . .
1 1 -1 1 3 4 1 2
1 1 1 - 1 4 1 2 3
3 6 5 6 4
5 0 4 2
2 5 4 5 3
1 - 1 2 1
13 . . 14 . 3 6 3 4 2 .
4 1 2 0
2 5 4 6 5
1 1 1 1
1 1 1 - 1 - 1
1 2 3 4 5
1 2 0 0
6 7 8 9 10
3 4 0 0
15 . .　 16 . 0 0 0 1 3 .
0 0 -1 3
0 0 0 2 4
0 0 5 1
0 1 0 1 1
0 0 1 - 1 2
0 0 3 0 2
17 . 0 0 2 4 0 .
1 2 4 0 - 1
3 1 2 5 8
34 第 1 章 　 行列式

0 0 0 0 -1
1 0 0 0 0 0 - 2 0
＊ A
18 . , 其中 A= 1 2 0 , 　 B= 0 0 - 3 0 0 .
B 0
1 2 3 0 - 4 0 0 0
-5 0 0 0 0
证明下列恒等式 :
a1 + b1 x a1 x + b1 c1 a1 b1 c1
2
19 . a2 + b2 x a2 x + b2 c2 = (1 - x ) a2 b2 c2 .
a3 + b3 x a3 x + b3 c3 a3 b3 c3
1+ x 1 1 1
1 1- x 1 1
20 . = x2 y2 .
1 1 1+ y 1
1 1 1 1- y
1 1 1
21 . a b c = ( a + b + c) ( b - a) ( c - a) ( c - b) .
a3 b3 c3
1 a2 a3 1 a a2
22 . 1 b2 b3 = ( ab+ b c + ca) 1 b b2 .
1 c2 c3 1 c c2
计算下列各题 :
1 0 2 a a 1 0 0
2 0 b 0 - 1 b 1 0
23 . . 24 . .
3 c 4 5 0 - 1 c 1
d 0 0 0 0 0 - 1 d
a2 ( a + 1) 2 ( a + 2) 2 ( a + 3) 2
b2 ( b + 1) 2 ( b+ 2 )2 ( b + 3 )2
25 . .
c2 ( c + 1 )2 ( c+ 2 )2 ( c+ 3 )2
d2 ( d + 1) 2 ( d + 2 )2 ( d + 3 )2
习题 　 补充题 　 答案 35

a b c 1
a1 0 0 b1
b c a 1
0 a2 b2 0
26 . c a b 1 . 　 　 27 . .
0 b3 a3 0
b+ c c+ a a+ b
1 b4 0 0 a4
2 2 2
1 2 2 … 2 2
2 2 2 … 2 2
2 2 3 … 2 2
28 . .
… … … ｗ … …
2 2 2 … n- 1 2
2 2 2 … 2 n
1 1 1 … 1
a a- 1 a- 2 … a- n
29 . a2 ( a - 1) 2 ( a - 2) 2 … ( a - n)2 .
… … … …
an ( a - 1) n ( a - 2) n … ( a - n) n
a1n a1n - 1 b1 an1 - 2 b21 … a1 b1n - 1 bn1
a2n a2n - 1 b2 an2 - 2 b22 … a2 b2n - 1 bn2
30 . .
… … … … …
ann + 1 ann +- 11 bn + 1 ann +- 21 b2n + 1 … an + 1 bnn +- 11 bnn + 1
用克拉默法则解下列线性方程组 :
5 x1 + 4 x3 + 2 x4 = 3 ,
x1 - x2 + 2 x3 + x4 = 1 ,
31 .
4 x1 + x2 + 2 x3 =1,
x1 + x2 + x3 + x4 = 0 .
x2 + x3 + x4 + x5 = 1 ,
x1 + x3 + x4 + x5 = 2 ,
32 . x1 + x2 + x4 + x5 = 3 ,
x1 + x2 + x3 + x5 = 4 ,
x1 + x2 + x3 + x4 =5 .
36 第 1 章 　 行列式

33 . 问 : 齐次线性方程组
x1 + x2 + x3 + a x4 = 0 ,
x1 + 2 x2 + x3 + x4 = 0 ,
x1 + x2 - 3 x3 + x4 = 0 ,
x1 + x2 + a x3 + b x4 = 0
有非零解时 , a, b必须满足什么条件 ?
34 . 求平面上过两点( x1 , y1 )和 ( x2 , y2 ) 的直线方程 ( 用行列式表示 ) .
35 . 求三次多项式 f ( x) = a0 + a1 x + a2 x2 + a3 x3 , 使得
f ( - 1) = 0 , f ( 1) = 4 , f ( 2) = 3 , f ( 3) = 16 .

补充题

证明下列恒等式 :
1 + a1 1 … 1
n n
1 1 + a2 … 1 1
36 .
… … …
= 1+ ∑
i=1 ai ∏a
i= 1
i .

1 1 … 1 + an
(1) 用数学归纳法证明之;
(2) 利用线性性质 , 将原行列式表示为 2 n 个行列式之和的方法 , 计算行
列式 ;
(3) 利用递推公式 , 计算行列式 .
x - 1 0 … 0 0
0 x - 1 … 0 0 n

37 . … … ｗ ｗ … … ∑a x
n n-k
= x + k .
k= 1
0 0 0 … x - 1
an an - 1 an - 2 … a2 x + a1
a1 - 1 0 … 0 0
a2 x -1 … 0 0
a3 0 x … 0 0 n

∑a x
n-k
38 . = k .
… … … ｗ … … k=1

an - 1 0 0 … x - 1
an 0 0 … 0 x
习题 　 补充题 　 答案 37

cosθ 1
1 2cosθ 1
39 . ｗ ｗ ｗ = cos nθ.
1 2 cosθ 1
1 2cosθ
计算下列行列式 :
1 5 2 3
-
3 2 5 2
21
3 - 12 15
5
40 . .
2 9 4 5
-
3 2 5 2
1 2 1 3
- -
7 7 7 7
1 1 … 1 - n
1 1 … - n 1
41 . … … Ｙ … … .
1 - n … 1 1
- n 1 … 1 1
a1 + λ1 a2 a3 … an
a1 a2 + λ2 a3 … an
42 . a1 a2 a3 + λ3 … an .
… … … ｗ …
a1 a2 a3 … an + λn
1 2 3 … n- 1 n
2 3 4 … n 1
3 4 5 … 1 2
43 . .
… … … … …
n-1 n 1 … n- 3 n-2
n 1 2 … n- 2 n-1
44 . 证明
38 第 1 章 　 行列式

1 1 1 … 1
x1 x2 x3 … xn
x21 x22 x23 … x2n n

… … … …
= ∑x
i=1
i ∏
1 ≤ j< i≤ n
( xi - x j ) .

xn1 - 2 x2n - 2 x3n - 2 … x nn - 2

x1n x2n x3n … xnn
45 . 证明 (用数学归纳法 ) : 导数关系式
a11 ( t) a12 ( t) … a1n ( t)
d a21 ( t) a22 ( t) … a2n ( t)
dt … … …
an1 ( t) an2 ( t) … ann ( t)
d a ( t)
a11 ( t) … 1j … a1 n ( t)
dt
d a ( t)
n
a21 ( t) … 2j … a2 n ( t)
= ∑ j= 1
dt .
… … …
d
an1 ( t) … an j ( t) … an n ( t)
dt
　 　 46 . 设 3 个点 P1 ( x1 , y1 ) , P2 ( x2 , y2 ) , P3 ( x3 , y3 )不在一条直线上 , 求过
点 P1 , P2 , P3 的圆的方程 .
47 . 求使 3 点( x1 , y1 ) , ( x2 , y2 ) , ( x3 , y3 ) 位于一直线上的充分必要条件 .
48 . 写出通过 3 点( 1 , 1 , 1 ) , ( 2 , 3 , - 1 ) , (3 , - 1 , - 1 )的平面的方程 .
49 . 写出通过点 (1 , 1 , 1 ) , ( 1 , 1 , - 1 ) , ( 1 , - 1 , 1) , ( - 1 , 0 , 0 ) 的 球面 方
程 , 并求其中心和半径 .
50 . 已知 a2 ≠ b2 , 证明方程组
a x1 + b x 2n = 1 ,
　 a x2 + b x2 n - 1 　 = 1 ,

a x n + b xn + 1 = 1,
b x n + a xn + 1 = 1,

　 b x2 + a x2 n - 1 　 = 1 ,
b x1 + a x 2n = 1
习题 　 补充题 　 答案 39

有唯一解 , 并求解 .

答案

1 . 0 . 　 　 　 2 . 1 . 　 　 　 3 . ( a - b) 2 . 　 　 　 4 . - 5 . 　 　 　 5 . 0 .
6 . - 18 . 　 7 . 0 . 　 8 . 2 x3 - 6 x2 + 6 . 　9 . 256 . 　 10 . 10 ! .
11 . - 8 . 　 12 . 160 . 　 13 . - 7 . 　 14 . - 12 . 　 15 . 32 .
16 . - 20 . 　 17 . - 60 . 　 18 . 3 ! 5 ! . 　 23 . ab cd .
24 . ( ab + 1 ) ( c d + 1 ) + ad . 　 25 . 0 . 　 26 . 0 .
27 . ( a1 a4 - b1 b4 ) ( a2 a3 - b2 b3 ) . 　 28 . - 2( n - 2) ! .
n
n( n+ 1 )
29 . ( - 1) 2
∏k ! .
k =1

30 . 第 1 行至第 n + 1 行分别提出公因子 a1n , a2n , … , ann + 1 , 将其化为范德

蒙行列式 , ∏
1 ≤ j< i≤ n+ 1
( bi a j - ai b j ) .

11 7 3 1 5
31 . 1 , - 1 , - 1 , 1 . 　 32 . , , , - , - .
4 4 4 4 4
x y 1
33 . ( a + 1) 2 = 4b . 　 34 . x1 y1 1 =0 .
x2 y2 1
35 . f ( x ) = 7 - 5 x2 + 2 x3 .
x - 1
37 . 对第 1 列展开 , 得递推公式 Dn = xDn - 1 + an , D2 = .
a2 x + a1
a1 -1
38 . 对最后一列展开 , 得递推公式 Dn = xDn - 1 + an , D2 = .
a2 x
39 . 用数学归纳法 : n = 1 时成 立 , 假设 结论 对小 于 n 阶的 行列 式都 成
立 , 并利用对最后一列展开所得的递推公式 Dn = 2cosθDn - 1 - Dn - 2 .
1
40 . 通分 , 提出公因子 , 化为整数行列式 , .
35
n( n + 1 )
41 . ( - 1 ) 2 ( n + 1 )n - 1 .
n n
ai
42 . 1 + ∑ ∏λ , ( 用例 7 的方法 )
j .
i = 1 λi j=1
40 第 1 章 　 行列式

n( n - 1 ) n+ 1 n - 1 1
43 . ( - 1 ) 2
n . 将各列加到第 1 列 , 提出公因 子 n( n + 1 ) ,
2 2
并从最后一行起 , 依次减前一行 , 将第 1 列 化为 1 , 0 , … , 0 , 对第 1 列 展开 ; 然
后对 a11 的余子式 , 将第 1 行乘 ( - 1) 加到其余各行 , 再将各列加 到最后一列 ,
并利用 1． 1 节的例 2 结果 .
44 . 在原 行列式 最后两 行之间 添一行 xn1 - 1 , x2n - 1 , x nn - 1 , 在最后 一列 之
后添一列 1 , x n + 1 , x2n + 1 , … , xnn +- 11 , xnn + 1 , 使之成为 n + 1 阶范德蒙行列式 , 在它
的展开式中 , x nn +- 11 的系数乘以( - 1) 就等于 原行列 式 D( 因为 n + 1 阶范德 蒙
行列式对最后一列展开 式为 1・ A1 n + 1 + x n + 1 ・ A2 n + 1 + … + xnn +- 11 ・ An n + 1 +
xnn + 1 ・ An + 1 n + 1 , 其中代数余子式 Ann + 1 = ( - 1) n + n+ 1 D = - D) . 另一方法是 :
用数学归纳法证明 , 与证明范德蒙 行列式 类似的 方法 , 找到 Dn 与 D n - 1 之 间
的一个递推关系 .
45 . 用数学归纳法 , 证明结论对 n 阶成立时 , 将 n 阶行 列式按 第一列 展
开求导后用归纳法假设即可 .
46 . 圆的方程为 a( x2 + y2 ) + b x + cy + d = 0 ( a≠0 ) , 将 P1 , P2 , P3 点的
坐标代入方程 , 连同圆的方程构成 关于 a, b, c, d 的四 元齐次 线性方 程组 , 它
有非零解 ( a≠0) 的充要条件是系数行列式等于零 , 即
x2 + y2 x y 1
x21 + y21 x1 y1 1
= 0 .
x22 + y22 x2 y2 1
x23 + y23 x3 y3 1
这就是圆上动点 P( x, y )所满足的方程 .
x1 y1 1
47 . x2 y2 1 =0 .
x3 y3 1
48 . 4 x + y + 3 z - 8 = 0 . 　
2 2
1 2 2 3
49 . x- + y + z = .
2 2
1
50 . xk = 　 ( k = 1 , 2 , … , 2 n) .
a+ b
　 第 2章

矩　　阵

　 　 矩阵是数学中重要的 基本 概念之 一 , 在很 多问题 中的 一些 数

量关系要用矩阵来描 述 . 矩阵 是代 数 学的 一个 重要 研究 对 象 , 它
在数学的很多分支和其他学科中有着广泛的应用 .
本章从高斯消元法入手 , 引出矩阵的概念 , 进而介绍矩阵的基
本运算———加法、数量乘法、乘法、转置、可逆矩阵的逆矩阵及矩阵
的初等变换 , 并介绍矩阵的分块及分块矩阵的运算 .
矩阵是一种新的运算对 象 , 读 者必 须注 意矩阵 运 算的 一些 特
有的规律 , 并熟练地掌握它的各种基本运算 , 这对学好线性代数所
研究的一些基本问题是十分重要的 .

2 .1 　 高斯消元法

在前一章 , 我们介 绍了求解 n 个未知元 n 个方程的 线性方 程

组的克拉默法则 . 在中学已学过用代入消元 法或加减 消元法解 二
元、三元一次方程组 . 现在我们把它 推广 到 m 个方程 n 个 未知 元
的一般情况 , 并在此 基础 上引 出矩 阵 的概 念 . 至于 线 性方 程组 的
解的一般理论将在第 3 章中介绍 .
消元法的基本思想是通过消元变形把方程组化成容易求解的
42 第 2 章 　 矩阵

同解方程组 . 在解未 知量 较多 的方 程 组时 , 需 要使 消 元步 骤规 范
而又简便 . 下面通过例子来说明高斯消元法的具体做法 .
例 1 　 解线性方程组
2 x1 - 2 x2 + 6 x4 = - 2 ,
2 x1 - x2 + 2 x3 + 4 x4 = - 2 ,
( 2． 1)
3 x1 - x2 + 4 x3 + 4 x4 = - 3 ,
5 x1 - 3 x2 + x3 + 20 x4 = - 2 .
1
　 　 解 　 将第 1 个方程乘 ,得
2
x1 - x2 + 3 x4 = - 1 ,
2 x1 - x2 + 2 x3 + 4 x4 = - 2 ,
3 x1 - x2 + 4 x3 + 4 x4 = - 3 ,
5 x1 - 3 x2 + x3 + 20 x4 = - 2 .
将第 1 个方程乘 ( - 2 ) , ( - 3 ) , ( - 5 ) , 并分别加到第 2 , 3 , 4 这三个
方程上 , 使得在第 2 , 3 , 4 这三个方程中消去未知量 x1 , 得
x1 - x2 + 3 x4 = - 1 ,
x2 + 2 x3 - 2 x4 = 0 ,
2 x2 + 4 x3 - 5 x4 = 0 ,
2 x2 + x3 + 5 x4 = 3 .
容易证明 , 这个方程组与原方程组是同解的 . 现在再把其中的第 2
个方程乘 ( - 2 ) , 并 分别加 到第 3 , 4 这两 个方 程上 , 使 得在第 3 , 4
这两个方程中消去 x2 , 得
x1 - x2 + 3 x4 = - 1 ,
x2 + 2 x3 - 2 x4 = 0 ,
- x4 = 0 ,
- 3 x3 + 9 x4 = 3 .
再将第 3 个方程乘 ( - 1 ) , 第 4 个方程乘 ( - 1/ 3 ) , 并把第 3 , 4 个方
2 .1 　 高斯消元法 43

程交换位置 , 得
x1 - x2 + 3 x4 = - 1 ,
x2 + 2 x3 - 2 x4 = 0 ,
( 2． 2)
x3 - 3 x4 = - 1 ,
x4 = 0 .
线性方程组 (2． 2 ) 与原线性方程组是同解的 . 由 ( 2． 2) 易知 x4 = 0 ,
将其回代第 3 个方程得 x3 = - 1 , 再回代前两个方程 , 分别得 x2 =
2 , x1 = 1 . 所以 (1 , 2 , - 1 , 0 ) 是原线性方程组 ( 2． 1) 的解 .
形如 (2． 2 ) 的方程组称为阶梯形线性方程组 .
任一个线性方程组都可用例 1 所述的高斯消元法将其化为容
易求解的、同解的阶梯形线性方程组 . 所谓消元 , 就是 将元的系 数
化为 0 , 为使消元过程书写简便 , 我们可把线性方程组
a1 1 x1 + a12 x2 + … + a1 n x n = b1 ,
a2 1 x1 + a22 x2 + … + a2 n x n = b2 ,
( 2． 3)

am1 x1 + am2 x2 + … + am n x n = bm .
对应的系数按顺序排成的一张矩形数表
a11 a12 … a1 n b1
a21 a22 … a2 n b2
, ( 2． 4)
… … … …
am1 am2 … am n bm
其中 ai j ( i = 1 , 2 , … , m; j = 1 , 2 , … , n) 表示第 i 个方程 第 j 个未 知
量 x j 的系 数 . 这样 , 高斯 消元法的消元过程 就可在这张数表 上进
行操作 , 这张数表就称之为矩阵 .
定义 2． 1 　 数 域 F 中 m × n 个 数 a i j ( i = 1 , 2 , … , m; j = 1 ,
2 , … , n) 排成 m 行 n 列 , 并括以圆括弧 ( 或方括弧 ) 的数表
44 第 2 章 　 矩阵

a11 a12 … a1 n
a21 a22 … a2 n
( 2． 5)
… … …
am1 am2 … am n
称为数域 F 上的 m× n 矩 阵 , 通常 用 大写 字母 记做 A 或 A m× n , 有
时也记做
A = ( ai j ) m × n 　 　 ( i = 1 , 2 , … , m; j = 1 , 2 , … , n) ,
其中 ai j 称为矩阵 A 的第 i 行第 j 列元素 . 当 ai j ∈R ( 实数域 ) 时 ,
A 称为实矩阵 ; 当 ai j ∈C ( 复数域 ) 时 , A 称为复矩阵 .
m× n 个元素全为零的矩阵称为零矩阵 , 记做 0 .
当 m = n 时 , 称 A 为 n 阶矩阵 ( 或 n 阶方阵 ) .
m× n
数域 F 上 的 全 体 m × n 矩 阵 组 成 的 集 合 , 记 做 F 或
M m× n ( F) ; 全体 n× n 实 矩 阵 ( 或 n 阶 实 矩 阵 ) 组 成 的 集 合 , 记 做
n× n
R 或 Mn ( R ) .
线性方程组 (2． 3 ) 对应的 矩阵 ( 2． 4) 称为 方程 ( 2． 3 ) 的 增广 矩
阵 , 记做 ( A, b) , 其中由未知元系数排成 的矩阵 A 称为 线性方程 组
的系数矩阵 .
用消元法解线性方程组 的消元 步骤 可以在 增广 矩 阵上 实现 ,
下面举例说明 .
例 2 　 求解线性方程组
x1 - x2 - x3 + 3 x5 = - 1 , 　 ①
2 x1 - 2 x2 - x3 + 2 x4 + 4 x5 = - 2 , 　 ②
( 2． 6)
3 x1 - 3 x2 - x3 + 4 x4 + 5 x5 = - 3 , 　 ③
x1 - x2 + x3 + x4 + 8 x5 = 2 . 　 ④
　 　 解 　 线性方程组的增广矩阵为
1 - 1 - 1 0 3 - 1 ①
2 - 2 - 1 2 4 - 2 ②
( A, b) = .　 ( 2． 6)′
3 - 3 - 1 4 5 - 3 ③
1 - 1 1 1 8 2 ④
2 .1 　 高斯消元法 45

　 　 将 (2． 6 ) 中方程①分别乘 ( - 2) , ( - 3) , ( - 1) 并依次加到方程

② , ③ , ④上 , 消去后三个 方程 中的 x1 ( 此 时也 消去了 x2 ) , 也就 是
将 (2． 6 )′矩阵的①行分别乘 ( - 2) , ( - 3 ) , ( - 1 ) 再加 到其 ② , ③ ,
④行上 , 得
1 - 1 - 1 0 3 - 1 ①
② + ① × ( - 2)
③ + ① × ( - 3) 0 0 1 2 - 2 0 ②
( A, b) > .　
④ + ① × ( - 1) 0 0 2 4 - 4 0 ③
0 0 2 1 5 3 ④
这个矩阵 中第 1 , 2 列后 三个 元素 皆 为零 , 表 示 方程 ( 2． 6 ) 中 方 程
② , ③ , ④中的 x1 , x2 均 已消 去 . 再 用 ( - 2 ) 乘 此矩 阵的 ② 行加 到
其③ , ④行上 , 得
1 - 1 - 1 0 3 - 1 ①
③ + ②× ( - 2) 0 0 1 2 - 2 0 ②
> 　
④ + ②× ( - 2) 0 0 0 0 0 0 ③
0 0 0 - 3 9 3 ④
1 - 1 - 1 0 3 - 1 ①
1
④× -
3 0 0 1 2 - 2 0 ②
> , 　 ( 2． 7)
③ ④ 0 0 0 1 - 3 - 1 ③
0 0 0 0 0 0 ④
其中 : ④× ( - 1/ 3) 表示第④行乘 ( - 1/ 3 ) ; ③ ④表示第 ③ , ④ 行
对换位置 .
(2． 7 ) 式中的阶梯形 增广矩 阵所 对应的 线性 方程 组与 原线 性
方程组是同解的 . 为了在求解时省去回代的 步骤 , 我们把 (2． 7 ) 中
每行第一个非零元所在列的其余元素全化为零 , 即
1 - 1 - 1 0 3 - 1 ①
② + ③ × ( - 2) 0 0 1 0 4 2 ②
> 　
0 0 0 1 - 3 - 1 ③
0 0 0 0 0 0 ④
46 第 2 章 　 矩阵

1 - 1 0 0 7 1 ①
① + ② 0 0 1 0 4 2 ②
> .　 ( 2． 8)
0 0 0 1 - 3 - 1 ③
0 0 0 0 0 0 ④
(2． 8 ) 式矩阵称为行简化阶梯矩阵 , 它所对应的线性方程组
x1 - x2 + 7 x5 = 1 ,
x3 + 4 x5 = 2 , ( 2． 8)′
x4 - 3 x5 = - 1
与原线性方 程 组同 解 . 这里 是 3 个 方程 , 5 个 未 知数 , 任 取 x2 =
k1 , x5 = k2 代入线性方程组 ( 2． 8 )′可 唯一 地 解 得 对 应于 k1 , k2 的
x1 , x3 , x4 , 从而得到满足线性方程组 的全 部解 : x1 = 1 + k1 - 7 k2 ,
x2 = k1 , x3 = 2 - 4 k2 , x4 = - 1 + 3 k2 , x5 = k2 , 其 中 k1 , k2 为 任意 常
数 . 以后我们常把线性方程组的解写成下面的形式
( x1 , x2 , x3 , x4 , x5 )
　 = (1 + k1 - 7 k2 , k1 , 2 - 4 k2 , - 1 + 3 k2 , k2 ) .
　 　 当线性方程组 (2． 3 ) 的常数项 b1 = b2 = … = bm = 0 时 , 我们 称
它为齐次线性方程组 , 否则称为非齐次线性方程组 .
齐次线性方程组的解法与例 2 一样 . 如 果例 2 中 4 个方程 的
常数项全为零 , 其解为
( x1 , x2 , x3 , x4 , x5 )
　 = ( k1 - 7 k2 , k1 , - 4 k2 , 3 k2 , k2 ) .
　 　 例 3 　 解线性方程组
x1 + x2 + x3 = 1 ,
x1 + 2 x2 - 5 x3 = 2 ,
2 x1 + 3 x2 - 4 x3 = 5 .
　 　解　
1 1 1 1 1 1 1 1
② + ① × ( - 1)
( A, b) = 1 2 - 5 2 > 0 1 - 6 1
③ + ① × ( - 2)
2 3 - 4 5 0 1 - 6 3
2 .1 　 高斯消元法 47

1 1 1 1
> 0 1 - 6 1
③ + ② × ( - 1)
0 0 0 2
1 0 7 0
① + ② × ( - 1)
> 0 1 - 6 1 , (2． 9 )
0 0 0 2
其中第三行 0, 0 , 0 , 2 所表示的方程 0 x1 + 0 x2 + 0 x3 = 2 显然是无解
的, 故原线性方程组无解 . 这是由于线性方程组中第三个方程的左
端等于前两个方程左端 之和, 而右端不等 于前两个 方程右 端之和 ,
这表明第三个方程与前两个方程是矛盾的, 即满足前两个方程的解
不可能满足第三个方程 , 这种含有矛盾方程而无解的方程组称为不
相容方程组 . 有解的方程组则称做相容方程组 . 例 1、例 2 是相容方
程组 , 例 2 在消元过程中 其增广矩阵第③ 行出现全 零行 , 是 由于方
程组 (2． 6)中方程③等于 ( 方程②乘 2) + ( 方程①乘 ( - 1) ) . 因此 , 满
足方程① , ②的解都满足方程③, 所以方程③对方程组 (2． 6) 求解是
多余的, 称之为多余方程 . 在高斯消元法的消元过程中 , 在增广矩阵
上会清楚地揭示出方程组中的多余方程和矛盾方程 .
从例 2、例 3 可 见 , 对 一 般 的 线 性 方 程 组 ( 2． 3 ) , 通 过 消 元 步
骤 , 其增广矩阵 ( 2． 4 ) 可 化为 如 ( 2． 8 ) , ( 2． 9 ) 式 那样 的行简 化阶 梯
矩阵 . 为便于讨论 , 不妨假设 (2． 4 ) 化为如下的行简化阶梯矩阵 :
c11 0 … 0 c1 , r + 1 … c1 n d 1
0 c22 … 0 c2 , r + 1 … c2 n d 2
… … ｗ … … … …
0 0 … cr r c r, r + 1 … cr n dr
( A, b) > , (2． 10)
0 0 … 0 0 … 0 dr + 1
0 0 … 0 0 … 0 0
… … … … … …
0 0 … 0 0 … 0 0
48 第 2 章 　 矩阵

其中 ci i = 1 , i = 1 , 2 , … , r .
(2． 10) 式对应的非齐次 线性 方程组 与线 性方程 组 (2． 3 ) 是 同
解方程 组 . 由 ( 2． 10 ) 式 易 见 , 线 性 方 程 组 有 解 的 充 要 条 件 是
dr + 1 = 0 . 在有解的情况下 :
( i ) 当 r = n 时 , 有唯一解 x1 = d1 , x2 = d2 , … , xn = dn ;
( ii) 当 r < n 时 , 有无 穷多 解 , 求 解时 把 ( 2． 10 ) 式 中每 行第 一
个非零 元 ci i ( i = 1 , 2 , … , r) 所 在 列 对 应 的 未 知 量 ( 这 里 是 x1 ,
x2 , … , x r ) 取为 基 本 未 知 量 , 其 余 未 知量 ( 这 里 是 x r + 1 , x r + 2 , … ,
xn ) 取为 自由未知 量 , 并令自由 未知量依 次取任 意常数 k1 , k2 , … ,
kn - r , 将它们代入 (2． 10) 式所对应的线性方程组 , 即可解得
x1 = d1 - c1 , r + 1 k1 - … - c1 n k n - r ,
x2 = d2 - c2 , r + 1 k1 - … - c2 n k n - r ,
……………………………………
x r = dr - cr , r + 1 k1 - … - cr n k n - r , (2． 11)
x r + 1 = k1 ,
…………
xn = kn - r .
其中 k1 , k2 , … , kn - r 为互相独立的任意常数 . 这就是线性方程组的
全部解 .
齐次线性方程组总是有解的 , 这是因为 ( 2． 3) 中 b1 = b2 = … =
bm = 0 , 从而 (2． 10 ) 中 d1 = … = dr = dr + 1 = 0 . 当 r = n 时 , 只有 零
解 , 即 x1 = x2 = … = xn = 0 ; 当 r < n 时 , 有 无 穷 多 解 , 其 解 是
(2． 11) 式中 d1 = d2 = … = dr = 0 的情形 .
如果齐次线 性方程组 中方程 个数 m 小于未知 量个数 n , 则 必
有无穷多个非零解 .
最后还需指出 : 用 不同 的 消元 步骤 , 将 增广 矩 阵化 为阶 梯 矩
阵时 , 阶梯矩阵的形式不是唯一的 , 但阶梯矩阵的非零行的行数是
唯一确定的 , 当线性方程组有解时 , 这表明解中任意常数的个数是
2 .2 　 矩阵的加法 　 数量乘法 　 乘法 49

相同的 , 但解的表示式不是唯一的 , 然而每一种解的表示式中包含

的无穷多个解的集合又 是相 等 的 . 这些 重要 的结 论 , 待 第 3 章 研
究了矩阵的秩和向量的线性相关性的理论 , 才能给以严格的论证 .

2 .2 　 矩阵的加法 　 数量乘法 　 乘法

在前一节中 , 我们已经初步看到用矩阵表示线性方程组 , 对其
用消元法求解是比较方便的 . 以后我们将通 过对矩阵 的进一步 研
究 , 来揭示线性方程组的解的理论 .
矩阵不仅对研究线性方 程组的 问题 是重要 的 , 而 且研 究线 性
代数的各种基本问题 都离 不开 矩阵 . 此外 , 很 多实 际 问题 的研 究
都要使用矩阵的工具 , 有 兴趣 的读者 可参 阅第 7 章中 的一 些应 用
问题 .
矩阵的加法、数量 乘法 和 乘法 是矩 阵最 基本 的 运算 . 为 要 讨
论矩阵的运算 , 首先要对两个矩阵相等给以定义 .
定义 2． 2 　 如果两个矩阵 A = ( ai j ) 和 B = ( bi j ) 的行 数和列 数
分别相等 , 且各 对 应 元 素 也相 等 , 即 ai j = bi j ( i = 1 , 2 , … , m; j =
1 , 2 , … , n) , 就称 A 和 B 相等 , 记作 A = B .
由定义可知 , 两个 m× n 矩阵构成一个矩 阵等式 , 等价 于 m×
n 个元素 ( 数 ) 的等式 , 例如由
x - 1 - 8 3 - 1 z
= ,
0 y 4 0 2 4
立即可得 x = 3 , y = 2 , z = - 8 .
读者必须注意 , 矩 阵 与行 列 式 的 本 质区 别 , 行 列式 是 一 个 算
式 , 一个数字行 列式 经 过 计算 可 求得 其 值 , 而 矩 阵 仅仅 是 一 个 数
表 , 它的行数和列数也可以不同 . 对于 n 阶方阵 , 虽然 有时也要 算
它的行列式 ( 记作 | A| 或 det A) , 但是方 阵 A 和 方阵 A 的行 列式 是
不同的概念 , 当 det A = 0( 此时 A 不一定为零矩阵 ) 时 , 称 A 为奇异
50 第 2 章 　 矩阵

矩阵 ; 当 det A≠0 时 , 称 A 为非奇异矩阵 .

2 .2 .1　 矩阵的加法
定义 2． 3 　 设 A = ( ai j ) 和 B = ( bi j ) ∈ Fm× n , 规定
a11 + b1 1 a1 2 + b12 … a1 n + b1 n
a21 + b2 1 a2 2 + b22 … a2 n + b2 n
A + B = ( ai j + bi j ) = ,
… … …
am1 + bm 1 am 2 + bm2 … am n + bm n
(2． 12)
并称 A+ B 为 A 与 B 之和 .
必须注 意 : 只有 行数 相同 , 列数 也相 同的 矩阵 ( 即 同型 矩阵 )
才能相加 , 且同型矩阵之和仍是同型矩阵 .
根据定义 , 不难验证矩阵的加法满足以下运算律 :
( i ) 交换律 : A + B = B + A;
( ii ) 结合律 : ( A + B) + C = A + ( B + C) ;
( iii ) 零矩阵满足 : A + 0 = A, 其中 0 是与 A 同型的零矩阵 ;
( iv) 存 在 矩 阵 ( - A) 满 足 A + ( - A) = 0, 此 时 , 如 果 A =
( ai j ) m× n , 则 ( - A) = ( - ai j ) m× n ( 即 A 中每 个 元素 都乘 - 1 ) , 并 称
( - A) 为 A 的负矩阵 .
进而我们定义矩阵的减法
A - B = A + ( - B) .

2 .2 .2　 矩阵的数量 乘法 ( 简称数乘 )

m× n
定义 2． 4 　 设 k 是数域 F 中的任意一个数 , A = ( ai j ) ∈ F ,
规定
k a1 1 k a1 2 … k a1 n
k a2 1 k a2 2 … k a2 n
k A = ( k ai j ) = , (2． 13)
… … …
k am 1 k am 2 … k am n
2 .2 　 矩阵的加法 　 数量乘法 　 乘法 51

并称这个矩阵为 k 与 A 的数量乘积 .
要注意 : 数 k 乘一个矩 阵 A, 需 要把 数 k 乘 矩阵 A 的 每一 个
元素 , 这与行列式的性质 3 ( i) 是不同的 .
设 1 , k, l 是数域 F 中的数 , 矩阵的数量乘法满足以下运算律 :
( i ) 1 A = A;
( ii ) ( k l ) A = k( lA ) ;
( iii ) ( k + l) A= k A + l A;
( iv) k( A + B) = k A + kB .

2 .2 .3　 矩阵的乘法

矩阵乘法的定义 , 是从 研究 n 维 向量空 间的 线性 变换 的需 要
而规定的一种独特的乘法运算 , 矩阵运算中所具有的特殊规律 , 主
要产生于矩阵的乘法运算 .
定义 2． 5 　 设 A 是一个 m× n 矩阵 , B 是一个 n× s 矩阵 , 即
a11 a12 … a1 n b1 1 b12 … b1 s
a21 a22 … a2 n b2 1 b22 … b2 s
A= , B= .
… … … … … …
am1 am2 … am n bn1 bn 2 … bn s
则 A 与 B 之乘积 AB( 记作 C= ( ci j ) ) 是一个 m× s 矩阵 , 且
n

ci j = ai 1 b1 j + ai 2 b2 j + … + ai n bn j = ∑a
k= 1
ik bk j . (2． 14)

即矩阵 C= AB 的第 i 行第 j 列元素 ci j , 是 A 的第 i 行 n 个元素 与

B 的第 j 列相应的 n 个元素分别相乘的乘积之和 .
必须注意 : 两个矩阵 A 与 B 的 乘积 AB 有意 义 ( 或说 可乘 ) ,
要求 A 的列数等于 B 的行数 , 否则 A 与 B 不可乘 .
例1　 设
52 第 2 章 　 矩阵

1 2 - 1 5 6
A= - 1 3 4 , 　 　B= - 5 - 6 .
1 1 1 6 0
计算 AB .
解 　 AB 是 3× 2 矩阵 , 即
1 × 5 + 2 × ( - 5) + ( - 1) × 6 1 × 6 + 2 × ( - 6) + 0
AB= ( - 1) × 5 + 3 × ( - 5) + 4 × 6 ( - 1) × 6 + 3 × ( - 6) + 0
5 + ( - 5) + 6 6 + ( - 6) + 0
- 11 - 6
= 4 - 24 .
6 0
　 　 例 2 　 设 A, B 分别是 n×1 和 1 × n 矩阵 , 且
a1
a2
A= , 　 B = ( b1 , b2 , … , bn ) ,
…
an
计算 AB 和 BA .
解　
a1 a1 b1 a1 b2 … a1 bn
a2 a2 b1 a2 b2 … a2 bn
AB = ( b1 , b2 , … , bn ) = .
… … … …
an an b1 an b2 … an bn
a1
a2
BA = ( b1 , b2 , … , bn ) = b1 a1 + b2 a2 + … + bn a n .
…
an
AB 是 n 阶矩阵 , BA 是 1 阶矩阵 ( 运 算的最 后结 果为 1 阶矩 阵时 ,
可以把它与数等同看待 , 不必加矩阵符号 , 但是 , 在运算过程中 , 一
2 .2 　 矩阵的加法 　 数量乘法 　 乘法 53

般不能把 1 阶矩阵看成数 ) .
例3　 设
a a b - b - 1 1
A= , B= , C= .
- a - a - b b 1 - 1
计算 AB, AC 和 BA .
0 0 2 ab 2 ab
解 　 AB= AC= , BA = .
0 0 - 2 ab - 2 ab
关于矩阵 的 乘 法 运 算 , 从 例 1 , 2 , 3 可 见 , 它 有 3 个 重 要 的
结论 :
(1 ) 矩阵的乘法不满足交换律 .
在例 1 中 , BA 不可乘 ; 在例 2 中 AB 与 BA 不是 同型矩 阵 ; 在
例 3 中 AB 与 BA 虽都是 2 阶矩阵 , 但不相等 .
矩阵乘法不满足交换律 , 并不等 于说 对任意 的两 个矩 阵 A 与
B, 必有 AB≠ BA . 例如 , 若
2 0 a b
A= , 　 　B= .
0 2 c d
就有
2a 2b
AB = BA = = 2B .
2c 2d
　 　 当 AB≠ BA 时 , 称 AB 不 可 交 换 ( 或 A 与 B 不 可 交 换 ) , 当
AB= BA 时 , 称 AB 可交换 ( 或 A 与 B 可交换 ) . 读者 不难证明 , 若
AB= BA, 则 A, B 必是同阶方阵 .
(2 ) 由矩阵乘积 AB = 0( 零矩阵 ) , 不能推出 A = 0 或 B = 0 . 等
价地说 : A≠0 且 B≠0, 有可能使 AB = 0 .
这相对于数的乘法是一个奇特 的现象 . 但 读者 不难理 解 : 如
果以 A 为系数矩阵的齐次线性方程 组有非 零解 , 则 将非零 解按 列
排成的矩阵 B, 就必有 AB = 0 .
当 A≠0 且 B≠0 时 , 有 AB = 0 , 我们称 B 是 A 的右 零因子 , A
54 第 2 章 　 矩阵

是 B 的左零因子 . 所以 这个 结论也 可以 说 , 有些非 零 矩阵 存在 非

零矩阵作为其左、右零 因 子 . 由 例 3 可 见 , B, C 都 是 A 的 右 零 因
子 . 一般地 , 如果 A 有非零的零因子 , 则其零因子不是唯一的 .
(3 ) 矩阵乘法不满足消去律 , 即 A≠0 时 , 由 AB = AC, 不能 推
出 B= C . 这是由结论 (2 ) 所决定的 . 因为
＊
AB = AC AB - AC = 0 A( B - C) = 0,
此时不能推出 B - C= 0 , 即 B = C( ＊ 处用了后面的左分配律 ) .
如例 3 , AB = AC, 但 B≠ C( 当 b≠ - 1 时 ) .
但是读者以后会理解 , 当 A 为 非奇 异矩 阵 , 即 行列 式 | A | ≠0
时 : 若 AB = 0, 则 必 有 B = 0; 若 AB = AC, 则必 有 B = C . 也 就 是
说 , 当 A 为非奇异矩阵 时 , 矩 阵 乘法 就 没有 区 别 于数 的 乘法 的 上
述 (2 ) , (3 ) 的奇异现象 . 而行列式等于 0 的奇异矩阵均 有 ( 2 ) , ( 3)
的奇异现象 .
矩阵乘法不满足交换律 和消去 律 , 是矩 阵乘法 区 别于 数的 乘
法的重要特点 , 但是矩阵 乘法 与数的 乘法 也有 相同或 相似 的运 算
律 , 即矩阵乘法满足下列运算律 :
( i ) 结合律 ( AB) C= A( BC) ;
( ii ) 数乘结合律 k( AB) = ( k A) B= A( k B ) , 其中 k 是数 ;
( iii ) 左分配律 A( B + C) = AB + AC;
右分配律 ( B + C) A= BA + CA .
证 　 ( i ) 设 A 是 m× n 矩阵 , B 是 n× p 矩阵 , C 是 p × s 矩阵 ,
则 ( AB) C 和 A( BC) 均是 m× s 矩阵 . 下面证它 们的第 i 行第 j 列
元素 ( i = 1 , 2 , … , m; j = 1 , 2 , … , s .) 都是相同的 .
p p n

( ( AB) C) i j = ∑ ( AB)
k= 1
ik Ck j = ∑ ∑a
k=1 l= 1
il b l k ck j
p n n p

= ∑ ∑a
k= 1 l= 1
il b l k ck j = ∑ ∑a
l =1 k=1
il bl k ck j
n p n

= ∑a ∑b
l =1
il
k=1
lk ck j = ∑a
l =1
il ( BC) l j
2 .2 　 矩阵的加法 　 数量乘法 　 乘法 55

= ( A( BC) ) i j .
　 　 ( ii ) 和 ( iii ) 的证明留给读者作为练习 .
下面介绍几个重要的特殊矩阵及其乘法运算 .
定义 2． 6 　 主对角元全 为 1 , 其 余元素 全为 零的 n 阶矩 阵 , 称
为 n 阶单 位矩 阵 ( 简称 单位 阵 ) , 记作 In 或 I 或 E; 主 对角 元全 为
非零数 k, 其 余元素 全为 零的 n 阶 矩阵 , 称 为 n 阶 数量 矩阵 , 记 作
kI n 或 kI 或 kE . 即
1 k
1 k
In = , 　 kI n = ( k ≠ 0) .
ｗ ｗ
1 n×n k n× n

因为 Im A m× n = Am× n , Am× n I n = Am × n . 可见 , 单位矩阵在矩阵乘法中

的作用与数 1 在数的乘法中的作用是类似的 .
又因为
( kI ) A = k( I A) = k A; 　 A( kI ) = k( A I) = k A,
故数量矩阵 kI 乘矩 阵 A 等 于数 k 乘矩 阵 A, 且 n 阶数 量矩 阵 kI
与任意的 n 阶矩阵 A 可交 换 , 此 外也 可以 证 明 ( 留给 读 者作 为 练
习 ) : 与任意的 n 阶矩阵可交换的矩阵必是 n 阶数量矩量 .
定义 2． 7 　 非主对角元皆为零的 n 阶 矩阵称为 n 阶 对角矩 阵
( 简称对角阵 ) , 记作Λ , 即
a1
a2
Λ= ,
ｗ
an
或记作 diag( a1 , a2 , … , an ) .
对角阵Λ左乘 A 等 于 a i ( i = 1 , … , n) 乘 A 中 第 i 行的 每个 元
素 ; 对角阵Λ右 乘 A 等于 a i ( i = 1 , … , n) 乘 A 中第 i 列 的每 个 元
素 .即
56 第 2 章 　 矩阵

a1 a11 a1 2 … a1 s a1 a11 a1 a1 2 … a1 a1 s
a2 a21 a2 2 … a2 s a2 a21 a2 a2 2 … a2 a2 s
= ,
ｗ … … … … … …
an an 1 an2 … an s an a n 1 an a n2 … an an s
a11 a12 … a1 n a1 a1 a11 a2 a1 2 … an a1 n
a21 a22 … a2 n a2 a1 a21 a2 a2 2 … an a2 n
= ,
… … … ｗ … … …
am1 am2 … am n an a1 am1 a2 am 2 … an a m n
a1 b1 a1 b1
a2 b2 a2 b2
= .
ｗ ｗ ｗ
an bn an bn
　 　 定义 2． 8 　 n 阶 矩 阵 A = ( ai j ) n × n , 当 i > j 时 , ai j = 0 ( j = 1 ,
2 , … , n - 1 ) 的 矩 阵 称 为 上 三 角 矩 阵 ; 当 i < j 时 , ai j = 0 ( j = 2 ,
3 , … , n) 的矩阵称为下三角矩阵 .
例 4 　 证明 : 两个上三角矩阵的乘积仍是上三角矩阵 .
证
a11 a12 … a1 n b1 1 b12 … b1 n
a22 … a2 n b22 … b2 n
设 　 A= , B= ,
ｗ … ｗ …
an n bn n
则 AB = C = ( ci j ) n× n .
n i- 1 n

当 i > j 时 , ci j = ∑a
k= 1
ik bk j = ∑a k= 1
ik bk j + ∑ a i k bk j , 由于 A 是上三
k=i

角矩阵 , 所以式中右端第一个和式中 ai k = 0( k = 1 , 2 , … , i - 1 ) ; 同
理 , 上式右端第二个和式 中 bk j = 0 ( k = i, i + 1 , … , n, 它 们都 大 于
j ) . 因此 , 当 i > j 时 , 恒有 ci j = 0 , 故 C 是上三角矩阵 .
同样可证 , 两个下三角矩阵的乘积仍是下三角矩阵 .
2 .2 　 矩阵的加法 　 数量乘法 　 乘法 57

定义了矩阵的乘法 , 我 们可以 将线 性方 程组简 洁 地表 示成 一

个矩阵等式 .
设线性方程组
a1 1 x1 + a12 x2 + … + a1 n x n = b1 ,
a2 1 x1 + a22 x2 + … + a2 n x n = b2 ,
(2． 15)

am1 x1 + am2 x2 + … + am n x n = bm .
由于方程组中第 i 个方程可以表示为
x1
x2
( ai1 , ai 2 , … , ai n ) = bi , 　 　 i = 1 , 2 , … , m .
…
xn
因此线性方程组 (2． 15) 可以表示成
a11 a12 … a1 n x1 b1
a21 a22 … a2 n x2 b2
= .
… … … … …
am1 am2 … am n xn bm
记
a1 1 a12 … a1 n x1 b1
a2 1 a22 … a2 n x2 b2
A= , 　x= , 　b= .　
… … … … …
am 1 am2 … am n xn bm
(2． 16)
则线性方程组 (2． 15) 可以简洁地表示成下列矩阵等式
Ax = b, (2． 17)
并称矩阵 A 为线性方程组 ( 2． 15 ) 的系数矩阵 .
下面讨论两个方阵的乘积的行列式 .
58 第 2 章 　 矩阵

定理 2． 1 　 设 A, B 是两 个 n 阶矩 阵 , 则乘 积 AB 的行 列式 等
于 A 和 B 的行列式的乘积 , 即
| AB| = | A| | B| .
　 　 证 　 设 A = ( ai j ) n× n , B= ( bi j ) n× n , 利用第 1 章 1． 2 节例 9 的结
果,有
a11 a1 2 … a1 n 0 0 … 0
a21 a2 2 … a2 n 0 0 … 0
… … … … … …
an 1 an 2 … an n 0 0 … 0
| A| | B| = .
- 1 0 … 0 b1 1 b12 … b1 n
0 - 1 … 0 b2 1 b22 … b2 n
… … ｗ … … … …
0 0 … - 1 bn1 bn 2 … bn n 2 n×2 n

将第 n + 1 行乘 a11 加 到第一 行 , 第 n + 2 行 乘 a12 加 到第 一行 ……

第 2 n 行乘 a1 n 加到第一行 , 即得
0 0 … 0 c11 c12 … c1 n
a2 1 a22 … a2 n 0 0 … 0
… … … … … …
an 1 an 2 … ann 0 0 … 0
| A| | B| = ,
- 1 0 … 0 b11 b12 … b1 n
0 - 1 … … b21 b22 … b2 n
… … ｗ 0 … … …
0 0 … - 1 bn 1 bn2 … bn n
其中
n

c1 j = a11 b1 j + a12 b2 j + … + a1 n bn j = ∑a
k= 1
1k bk j ( j = 1 , 2 , … , n) .

即 c1 1 , c1 2 , … , c1 n 是 AB 的第一行 , 仿照上述步 骤 , 将行 列式中 a21 ,

a2 2 , … , a2 n , … , an 1 , an 2 , … , an n 全消为零时 , 就得到
2 .2 　 矩阵的加法 　 数量乘法 　 乘法 59

A 0 0 AB AB 0
| A| | B| = = = ( - 1) n
- I B - I B B - I
n n n
= ( - 1 ) | AB| | - In | = ( - 1 ) | AB| ( - 1 )
= | AB| . ■
　 　 定理 2． 1 应用很广 , 下面举两个应用的例子 .
a - b - c - d
＊
b a - d c
例 5 　 　 　 　 设 　 A= ,
c d a - b
d - c b a
2 2
计算 ( det A) 和 det A( 即 | A| 和 | A| ) .
T
解 　 将 A 中行列互换所得矩阵记成 A , 即
a b c d

T
- b a d - c
A = .
- c - d a b
- d c - b a
　 　 由于 | AT | = | A| , 所以
2 T T
|A| = | A| | A | = | AA |
a2 + b2 + c2 + d2 0 0 0

0 a2 + b2 + c2 + d2 0 0
=
0 0 a2 + b2 + c2 + d2 0

0 0 0 a2 + b2 + c2 + d2
2 2 2 2 4
= (a + b + c + d ) .
因此 | A| = ± ( a2 + b2 + c2 + d2 ) 2 . 但 A 的主对角元全 是 a , 行列 式
4
| A| 中的 a 项的符号为“ + ”, 故
| A| = ( a2 + b2 + c2 + d2 ) 2 .
　 　 例6　 设
60 第 2 章 　 矩阵

a11 a12 … a1 n A11 A21 … An1

a21 a22 … a2 n A12 A22 … An2
A= , 　 A＊ = ,
… … … … … …
an 1 an 2 … an n A1 n A2 n … An n
(2． 18)
其中 A i j 是行列式 | A| 中元素 ai j 的代数余子式 .
＊ n - 1
证明 : 当 | A| ≠0 时 , | A | = | A| .
证 　 设 AA＊ = C = ( ci j ) , 其中
ci j = ai 1 A j1 + ai2 A j 2 + … + ai n A j n
| A| , 　 当 j = i
= 　 i, j = 1 , 2 , … , n .
0, 当 j≠ i
| A|
＊ | A|
于是 AA = = | A| In , (2． 19)
ｗ
| A|
＊ ＊
因此 | A| | A | = | AA | = | A| n .
＊ n - 1
由于 | A| ≠0 , 故 | A | = | A| . ■
最后 , 我们定义方阵的幂和方阵的多项式 .
定义 2． 9 　 设 A 是 n 阶矩阵 , k 个 A 的连 乘积 称为 A 的 k 次
k
幂 , 记作 A , 即
A = A A 　… A .
k

k个

　 　 由定义可以证明 : 当 m, k 为正整数时 , 有
m k m+ k
A A = A , (2． 20)
m k mk
(A ) = A , (2． 21)
k k k
当 AB 不可 交换 时 , 一般 情况下 , ( AB) ≠ A B ; 当 AB 可交 换时 ,
k k k k k
( AB) = A B = B A , 但其逆不真 .
定义 2． 10 　 设 f ( x ) = ak x k + ak - 1 xk - 1 + … + a1 x + a0 是 x 的
2 .3 　 矩阵的转置 　 对称矩阵 61

k 次多项式 , A 是 n 阶矩阵 , 则
k k- 1
f ( A) = ak A + ak - 1 A + … + a1 A + a0 In ,
称为矩阵 A 的 k 次多项式 ( 注意常数项应变为 a0 I) .
由定义容易证明 : 若 f ( x ) , g( x) 为 多项 式 , A, B 皆是 n 阶 矩
阵,则
f ( A) g( A) = g( A) f ( A) .
但当 AB 不可交换时 , 一般 f ( A) g( B) ≠ g( B) f ( A) . 例如
( A2 + A - 2 I) ( A - I) = ( A - I) ( A2 + A - 2 I)
= A3 - 3 A + 2 I,
( A + B) ( A - B) = A2 - AB + BA - B2 ( ≠ A2 - B2 )
≠ A2 - BA + AB - B2 = ( A - B) ( A + B) ,
( A + B) 2 = ( A + B) ( A + B)
= A2 + AB + BA + B2 ≠ A2 + 2 AB + B2 .
　 　 由于数量矩 阵 λI 与 任意 方 阵 可 交 换 , 下 式 可 按二 项 式 定 理
展开
( A + λI ) n = An + C1nλAn - 1 + C2nλ2 An - 2 + … + C nn - 1λn - 1 A + λn I .
　 　 还要注意 : 对于 m× n 矩阵 A, 当 m≠ n 时 , A2 没有意义 .

2 .3 　 矩阵的转置 　 对称矩阵

定义 2． 11 　 把一个 m× n 矩阵
a11 a12 … a1 n
a21 a22 … a2 n
A=
… … …
am1 am2 … am n
的行列互换得到的 一个 n× m 矩 阵 , 称 之 为 A 的 转 置 矩阵 , 记 作
T
A 或 A′, 即
62 第 2 章 　 矩阵

a11 a21 … am1

a12 a22 … am2
AT = .
… … …
a1 n a2 n … am n
T T
　 　 由定义可知 , 如果记 A = ( ai j ) m× n , A = ( aj i ) n× m , 则
T
aj i = ai j 　 ( i = 1 , 2 , … , m; j = 1 , 2 , … , n) .
　 　 矩阵的转置运算满足以下运算规律 :
T T
( i ) ( A ) = A;
( ii ) ( A + B) T = AT + BT ;
( iii ) ( k A) T = k AT ( k 是数 ) ;
( iv) ( AB) T = BT AT .
规则 ( i ) , ( ii) , ( iii ) 是显然成立的 , 下面证明 ( iv) . 设
T T T T
A = ( ai j ) m× n , B = ( bi j ) n ×s , A = ( aj i ) n× m , B = ( bj i ) s× n .
T T T
　 　 于是 ( AB) 与 B A 都是 s× m 矩阵 , 再根据
T T
aj i = ai j , 　 bj i = bi j .
得
n n

∑b ∑a
T T T T T
( B A ) ji = jk a ki = ik bk j = ( AB ) i j = ( AB) j i ,
k= 1 k=1

j = 1 , 2 , … , s; i = 1 , 2 , … , m .
T T T
故 ( AB) = B A . ■
T T T T
由 ( iv) , 用数学归纳法可证 ( A1 A2 … Ak ) = Ak … A A . 2 1

定义 2． 12 　 设
a11 a1 2 … a1 n
a21 a2 2 … a2 n
A=
… … …
an 1 an2 … an n
是一个 n 阶矩阵 , 如果 ai j = aj i ( i, j = 1 , 2 , … , n) , 则称 A 为对称 矩
阵 ; 如果 ai j = - aj i ( i, j = 1 , 2 , … , n) , 则称 A 为反对称矩阵 .
2 .4 　 可逆矩阵的逆矩阵 63

对于反对称矩阵 A, 由于 ai i = - ai i ( i = 1 , 2 , … , n) , 所 以其 主
对角元 ai i 全为零 .
根据定义 2． 11 和定义 2． 12 , 容易证明 :
T
A 为对称矩阵的充要条件是 A = A;
T
A 为反对称矩阵的充要条件是 A = - A .
T T
例 1 　 设 B 是一个 m× n 矩阵 , 则 B B 和 BB 都是对称矩阵 .
T
因为 B B 是 n 阶矩阵 , 且
( BT B) T = BT ( BT ) T = BT B .
同理 BBT 是 m 阶对称矩阵 .
例 2 　 设 A 是 n 阶反对称 矩 阵 , B 是 n 阶对 称矩 阵 , 则 AB +
BA 是 n 阶反对称矩阵 . 这是因为
( AB + BA ) T = ( AB) T + ( BA) T = BT AT + AT BT
= B( - A) + ( - A) B = - ( A B + BA ) .
　 　 必须 注 意 , 对 称 矩阵 的 乘积 不 一定 是 对称 矩 阵 . 容 易证 明 :
若 A 与 B 均为对称矩阵 , 则 AB 对称的充要条件是 AB 可交换 .

2 .4 　 可逆矩阵的逆矩阵

矩阵的运算中 , 定 义 了加 法 和 负 矩 阵 , 就 可 以 定义 矩 阵 的 减
法 , 那么定义了矩阵的乘法 , 是否可定义矩阵的除法呢 ? 由于矩阵
乘法不满足交换律 , 因此 我们 不能 一 般地 定义 矩阵 的除 法 . 大 家
- 1 - 1 - 1 1
知道 , 在数的运算中 , 当数 a≠ 0 时 , aa =a a = 1 , 这里 a =
a
称为 a 的倒数 ( 或称 a 的逆 ) ; 在矩阵的乘法运算中 , 单位矩阵 I 相
当于数的乘法运算中 的 1 , 那 么 , 对 于一 个 矩阵 A, 是 否 存在 一 个
矩阵 A - 1 , 使得 AA - 1 = A - 1 A = I 呢 ? 如果 存 在这 样的 矩阵 A - 1 ,
就称 A 是可 逆矩阵 , 并称 A- 1 是 A 的逆矩阵 . 下 面给出可 逆矩 阵
及其逆矩阵的定义 , 并讨论矩阵可逆的条件及求逆矩阵的方法 .
64 第 2 章 　 矩阵

定义 2．13 　 对于矩阵 A∈ F n× n , 如果存在矩阵 B∈ F n × n , 使得

AB = BA = I, (2． 22)
就称 A 为可 逆矩 阵 ( 简 称 A 可 逆 ) , 并 称 B 是 A 的 逆 矩 阵 , 记 作
- 1 - 1
A ,即 A =B.
由定义可知 , 可 逆矩 阵及 其逆 矩 阵是 同阶 方阵 . 由于 ( 2． 22)
式中 , A 与 B 的地位是平等的 , 所以也可称 A 是 B 的逆矩阵 .
由定义 2． 13 立即可知 , 单位阵 I 的逆矩阵是其自身 .
定理 2． 2 　 若 A 是可逆矩阵 , 则 A 的逆矩阵是唯一的 .
证 　 设 B 和 C 都是 A 的逆矩阵 , 则由
A B = BA = I, 　 AC = CA = I ,
可得 B = I B = ( CA ) B = C( AB) = C I = C,
故 A 的逆矩阵是唯一的 . ■
下面讨论矩阵 A 可逆的充分必要条件 .
如果 A 可逆 , 由 (2． 22) 式可知 : | A| | B| = | I| = 1 , 于 是 | A| ≠
0 , 因此 | A| ≠0 是 A 可逆的必要条件 . | A| ≠0 也是 A 可逆的充 分
条件 , 为 了 证 明 这 个 结 论 , 我 们 引 进 A 的 伴 随 矩 阵 ( adjoin t
mat rix) 的概念 .
定义 2． 14 　 设 n 阶矩阵 A = ( ai j ) n × n , A i j 是行列式 det A 中 元
素 a i j 的代数余子式 , 我们称
cof A = ( A i j ) n× n
为 A 的代数余子式矩阵 , 并称 cofA 的 转置矩阵 为 A 的伴随 矩阵 ,
记作 adjA 或 A ＊ , 即
A1 1 A21 … An 1
A1 2 A22 … An 2
A＊ = ( cofA) T = .
… … …
A1 n A2 n … An n
＊
　 　 在 2． 2 节的例 6 中已经证明了 AA = | A| I( 见 (2． 19 ) 式 ) , 同
理可证 , A＊ A = | A| I, 于是
2 .4 　 可逆矩阵的逆矩阵 65

AA ＊ = A＊ A = | A| I, (2． 23)
当 | A| ≠0 时 , 由 (2． 23) 式可得
1 ＊ 1 ＊
A A = A A = I, (2． 24)
| A| | A|
故当 | A| ≠0 时 , A 可逆 , 且
-1 1 ＊
A = A . (2． 25)
| A|
综上所述 , 我们得到下面的定理 .
定理 2． 3 　 矩阵 A 可逆的充分必要条件是 | A| ≠0 , 且
-1 1 ＊
A = A .
| A|
　 　 推论 　 若 A, B 都是 n 阶矩阵 , 且 AB= I, 则 BA= I, 即 A, B 皆
可逆 , 且 A, B 互为逆矩阵 .
证 　 由 AB = I, 得 | A | | B | = 1 , | A | ≠ 0 , | B | ≠ 0 , 根 据 定 理
2． 3 , A, B 皆可逆 , 于是 ,
AB = I A- 1 AB A = A- 1 IA BA = I . ■
　 　 由定理 2． 3 立即 可得 , 对角阵 和上 ( 下 ) 三 角矩阵可 逆的充 要
条件是它们的主对角元 a11 , a22 , … , ann 全不为零 .
定理 2． 3 不仅给出了 A 可逆 的充要 条件 , 而 且提 供了 求 A - 1
的一种方法 . 以后 我们还 将介绍另 一种常 用的求 A - 1 的方 法 . 定
理 2． 3 的推论 告诉我 们 , 判断 B 是否为 A 的逆 , 只 需验 证 AB = I
或 BA = I 的一个等式成立即可 .
可逆矩阵 满足 以下 运算规 律 ( 下 设同阶 方阵 A, B 皆 可 逆 , 数
k≠0 ) :
( i ) ( A - 1 ) - 1 = A; 　 　 　 　 　 　 ( ii) ( kA ) - 1 = k - 1 A- 1 ;
( iii ) ( AB) - 1 = B - 1 A - 1 ; ( iv) ( AT ) - 1 = ( A - 1 ) T ;
( v) det ( A- 1 ) = 1/ detA, 　 即 | A - 1 | = | A| - 1
.
我们仅证明后三条运算规律 ( 前两条运算规律的证明 , 留给读
者作为练习 ) .
66 第 2 章 　 矩阵

因为 | AB| = | A| | B| ≠0 , 所以 AB 可逆 , 又
( AB ) ( B- 1 A- 1 ) = A( BB - 1 ) A- 1 = A I A - 1 = A A- 1 = I,
故 ( AB) - 1 = B- 1 A - 1 . 运算 规律 ( iii ) 可 推广 到 多 个可 逆 矩阵 的 乘
积 , 即若 A1 , A2 , … , Am 皆可逆 , 则
- 1 -1 -1 -1
( A1 A2 … Am ) = Am … A2 A1 .
　 　 因为 　 | AT | = | A| ≠0 , 所以 AT 可逆 , 又
( AA - 1 ) T = I, 即 ( A- 1 ) T AT = I,
T - 1 - 1 T
故 　 　 　 (A ) = (A ) .
- 1 - 1
因为 AA = I , 所以 | A| | A | = 1 , 即 | A| ≠ 0 , 因此
1 = | A| - 1 .
| A- 1 | =
| A|
　 　 必须注意 , A, B 皆可 逆 , A + B 不一 定可 逆 , 即使 A + B 可逆 ,
- 1 - 1 - 1
一般地 , ( A + B) ≠A +B , 例如 : 对角阵
A = diag( 2 , - 1) , 　 　 B = I2 , 　 　 C = diag (1 , 2 )
均可逆 , 但 A + B = diag ( 3 , 0 ) 不可 逆 , 而 A + C = diag ( 3 , 1) 可逆 ,
其逆
-1 1 3 1
( A + C) = diag , 1 ≠ A- 1 + C - 1 = diag , - .
3 2 2
　 　 例 1 　 下列矩阵 A, B 是否可逆 ? 若可逆 , 求其逆矩阵 . 其中
3 2 1 b1
A= 1 1 1 , 　B= b2 .
1 0 1 b3
　 　 解 　 | A | = 2 , 故 A 可 逆 . 记 A = ( ai j ) 3 × 3 , 各元 素的代 数余 子
式分别为
1 1 1 1 1 1
A11 = = 1, 　 A12 = - = 0 , A13 = = - 1,
0 1 1 1 1 0
2 1 3 1 3 2
A21 = - = - 2 , A22 = = 2, A23 = - = 2,
0 1 1 1 1 0
2 .4 　 可逆矩阵的逆矩阵 67

2 1 3 1 3 2
A31 = = 1 , A32 = - = - 2 , A33 = = 1 .
1 1 1 1 1 1
故
1 - 2 1
1 A＊ = 1
A- 1 = 0 2 - 2 .
| A| 2
- 1 2 1
　 　 | B| = b1 b2 b3 ≠ 0 时 , B 可逆 , 其逆矩阵仍为对角矩阵 , 且
1/ b1
B- 1 = 1/ b2 .
1/ b3
　 　 求逆的运算容易出 错 , 所 以求 得 A - 1 后 , 应 验 证 AA - 1 = I , 以
保证结果是正确的 .
a11 a12
例2　 设 A=
a21 a22
的行列式 det A = a11 a22 - a12 a21 = d≠ 0 , 则其逆矩阵
a22 - a12
A- 1 = 1 A ＊ = 1 .
d d - a21 a11
2
　 　 例 3 　 设方阵 A 满足方 程 A - 3 A - 10 I = 0, 证明 : A, A - 4 I
都可逆 , 并求它们的逆矩阵 .
证 　 由 A2 - 3 A - 10 I = 0 得 A( A - 3 I) = 10 I, 即
1 ( A - 3 I)
A = I,
10
1
故 A 可逆 , 且 A - 1 = ( A - 3 I) . 再由 A2 - 3 A - 10 I = 0 得
10
( A + I) ( A - 4 I) = 6 I,
1 ( A + I) ( A - 4 I) = I,
即
6
- 1 1
故 A - 4 I 可逆 , 且 ( A - 4 I) = ( A + I) . ■
6
68 第 2 章 　 矩阵

例 4 　 已知非齐次线性方程组 Ax = b 的系数矩阵 A 如例 1 所
T
给 , b = (5 , 1 , 1 ) , 问方程组是否有解 ? 如有解 , 求其解 .
解 　 由于 A 是可逆矩阵 , 且逆矩阵是唯一的 , 因此等式 Ax= b
- 1
两端都左乘 A ,即
-1 -1
A ( Ax) = A b,
便得此方程组的唯一解
x1 1/ 2 - 1 1/ 2 5 2
- 1
x= x2 = A b= 0 1 - 1 1 = 0 .
x3 - 1/ 2 1 1/ 2 1 - 1
- 1
　 　 例 5 　 证明 : 若 A 是 可 逆的 反 对称 矩 阵 , 则 A 也 是反 对 称
矩阵 .
- 1 T T - 1 - 1 - 1 - 1
证 　 因为 ( A ) = (A ) = ( - A) = - A ,所以 A 是反
对称矩阵 . ■
同理 , 可逆对称矩阵的逆矩阵仍是对称矩阵 .
下面再举几个综合的例题 .
＊ T
例 6 　 设 A = ( ai j ) n× n 为非 零实 矩阵 , 证 明 : 若 A = A , 则 A
为可逆矩阵 .
＊ T ＊
证 　 欲证 A 可 逆 , 只要 证 | A | ≠ 0 . 由 A = A 及 A 的定 义
可得 , A 的元素 a i j 等于其自身 的代 数余子 式 A i j , 根据行 列式 | A|
按 i 行的展开式得
n n

∑a ∑a
2
| A| = ij Aij = ij .
j =1 j =1

由于 A 为非零实矩 阵 , 所以 A 的元 素 a i j ( i, j = 1 , 2 , … , n) 为实 数
且不全为零 , 故 | A| ≠0 , 即 A 可逆 .
例 7 　 设 A, B, C 均 为 n 阶 方 阵 , 若 AB C = I, 则 下 列 乘 积 :
ACB, BAC, BCA, CAB, CBA 中哪些必等于单位阵 I .
解 　 根 据 矩 阵 乘 法 满 足 结 合 律 及 定 理 2． 3 的 推 论 , 必 有
BCA = ( B C ) A = I , 因 为 A( B C ) = I; 同 理 可 得 , 也 必 有 CAB =
2 .4 　 可逆矩阵的逆矩阵 69

C( AB) = I .
例 8 　 设 A 可逆 , 且 A＊ B= A - 1 + B, 证明 B 可逆 , 当
2 6 0
A= 0 2 6
0 0 2
时,求 B .
＊ - 1 - 1
解 　 由 A B= A + B= A + IB, 得
＊ -1
(A - I) B = A . ①
于是 | A＊ - I| | B| = | A- 1 | ≠0 , 所以 B 和 A＊ - I 可逆, 再由①得
B = ( A＊ - I) - 1 A- 1 = [ A( A＊ - I) ] - 1 = [ | A | I - A] - 1 ,
其中
8 2 6 0 1 - 1 0
| A| I - A = 8 - 0 2 6 = 6 0 1 - 1 .
8 0 0 2 0 0 1
按逆矩阵的运算律 ( i i) 和求逆公式 (2． 25) , 易得
1 1 1
1
B= 0 1 1 .
6
0 0 1
　 　 例 9 　 设 A, B 均 为 n 阶 可 逆 矩 阵 , 证 明 : ( 1 ) ( AB) ＊ =
＊ ＊ ＊ ＊ n - 2
B A ; (2 ) ( A ) = | A| A.
证 　 (1 ) 由 | AB| = | A| | B| ≠ 0 可知 AB 也 可逆 . 根据 ( 2． 23)
＊
式 , 有 ( AB) ( AB) = | AB| I, 所以
＊ -1 -1 -1 -1
( AB) = ( AB) | AB| I = | AB| ( AB) = | A| | B| B A
＊ ＊
-1 -1 B A ＊ ＊
= | B| B | A| A = | B| | A| = B A .
| B| | A|
　 　 (2 ) 由 ( A＊ ) ＊ A＊ = | A＊ | I, 得 ( A＊ ) ＊ | A | A- 1 = | A | n - 1 I, 从
而有
＊ ＊ n- 2
(A ) = | A| A.
70 第 2 章 　 矩阵

2 .5 　 矩阵的初等变换和初等矩阵
用高斯消元法解线 性方 程组 , 其 消 元步 骤是 对 增 广矩 阵 做 3
类行变换 :
( i ) 以非零常数 c 乘矩阵的某一行 ;
( ii ) 将矩阵的某一行乘以常数 c 并加到另一行 ;
( iii ) 将矩阵的某两行对换位置 .
这 3 类行变换统 称为 矩阵 的初 等 行变 换 , ( i ) 称为 倍 乘 变换 ,
( ii ) 称为倍加变换 , ( iii) 称为对换变换 .
在矩阵的其他一些问题 里 ( 如展 开方 阵的行 列式 ) , 还 要对 矩
阵的列做与上述 3 类初等 行变 换相对 应的 变换 , 称之 为初 等列 变
换 . 初等行、列变换统称为初等变换 .
初等变换在矩阵的理论中具有十分重要的 作用 . 矩阵的初 等
变换不只是可用语言表述 , 而且可用矩阵的乘法运算来表示 , 为此
要引入初等矩阵的概念 .
定义 2． 15 　 将单位 矩 阵做 一次 初 等变 换 所得 的 矩 阵称 为 初
等矩阵 .
对应于 3 类初等行、列变换 , 有 3 种类型的初等矩阵 :
( i ) 初等倍乘矩阵
Ei ( c) = diag( 1 , … , 1 , c, 1 , … , 1 ) .
Ei ( c) 是由单位矩阵第 i 行 ( 或列 ) 乘 c( c≠ 0) 而得到的 ;
( ii ) 初等倍加矩阵
1
ｗ
1 i行
Ei j ( c) = ｗ 　 ,
c 1 j行
ｗ
1
2 .5 　 矩阵的初等变换和初等矩阵 71

Ei j ( c) 是由单位矩阵第 i 行乘 c 加到第 j 行而得 到的 , 或由第 j 列

乘 c 加到第 i 列而得到 ;
( iii ) 初等对换矩阵

1
ｗ
0 1 i行
1
Ei j = ｗ .
1
1 0 j行
ｗ
1

Ei j 是由单位矩阵第 i , j 行 ( 或列 ) 对换而得到的 .
例 1 　 计算 下 列初 等 矩阵 与 矩阵 A = ( ai j ) 3 × n , C = ( ci j ) 3 × 2 ,
B= ( bi j ) 3 × 3 的乘积 :

1 0 0 a11 a12 … a1 n a11 a12 … a1 n

0 c 0 a21 a22 … a2 n = ca21 ca22 … ca2 n .
0 0 1 a31 a32 … a3 n a31 a32 … a3 n
1 0 d c11 c12 c11 + dc3 1 c12 + dc3 2
0 1 0 c21 c22 = c21 c22 .
0 0 1 c31 c32 c31 c32
b11 b12 b13 1 0 0 b1 1 b1 3 b1 2
b21 b22 b23 0 0 1 = b2 1 b2 3 b2 2 .
b31 b32 b33 0 1 0 b3 1 b3 3 b3 2

　 　 由例 1 可见 , 初等矩阵左乘 A, C( 右乘 B) 的结果是对 A, C( B)
做初等行 ( 列 ) 变换 , 而且 , 如果 初 等 矩阵 是 由单 位 矩阵 做 某 种 行
72 第 2 章 　 矩阵

( 列 ) 变换所得 , 那么它左乘 A, C( 右乘 B) 也是对 A, C( B) 做该种行

( 列 ) 变换 .
读者不难证明下面的一般结论 :
Ei ( c) A 　 表示 A 的第 i 行乘 c;
Ei j ( c) A 　 表示 A 的第 i 行乘 c 加至第 j 行 ;
Ei j A 　 表示 A 第 i 行与第 j 行对换位置 ;
BEi ( c) 　 表示 B 的第 i 列乘 c ;
BEi j ( c) 　 表示 B 的第 j 列乘 c 加至第 i 列 ;
BEi j 　 表示 B 的第 i 列与第 j 列对换位置 .
初等矩阵的行列式都不等于零 , 因此初等矩阵都是可逆矩阵 .
对初等矩阵再做一次适当的同类初等变换就化为单位矩阵 , 如
1
Ei Ei ( c) = I, 　 Ei j ( - c) Ei j ( c) = I, 　 Ei j Ei j = I ,
c
所以 , 初等矩阵的逆矩阵是同类初等矩阵 , 即
1
Ei- 1 ( c) = Ei , 　 Ei- j1 ( c) = Ei j ( - c) , 　 E-i j1 = Ei j .
c
　 　 例 2 　 设初等矩阵
0 0 1 0 1
0 1 0 0 0 1
P1 = , 　 P2 = ,
1 0 0 0 0 0 1
0 0 0 1 c 0 0 1
1
k
P3 = .
1
1
试求 P1 P2 P3 及 ( P1 P2 P3 ) - 1 .
解 　 P2 左乘 P3 表示对 P3 做倍加行变 换 , P1 左乘 P2 P3 , 表 示
对 P2 P3 做对换行变换 , 于是可得
2 .5 　 矩阵的初等变换和初等矩阵 73

0 0 1 0 1 1
0 1 0 0 0 1 k
P1 P2 P3 =
1 0 0 0 0 0 1 1
0 0 0 1 c 0 0 1 1
0 0 1 0 1
0 1 0 0 0 k
=
1 0 0 0 0 0 1
0 0 0 1 c 0 0 1
0 0 1 0
0 k 0 0
= .
1 0 0 0
c 0 0 1
( P1 P2 P3 ) - 1 = P 3- 1 P 2- 1 P 1- 1
1
1 0 0 1 0
1
0 0 1 0 1 0 0
= k
0 0 1 1 0 0 0
0 0 1
- c 0 0 1 0 0 0 1
0 0 0 1
1
0 0 1 0
1
0 1 0 0
= k
1 0 0 0
1
0 0 - c 1
1
0 0 1 0
1
0 0 0
= k .
1 0 0 0
0 0 - c 1
对于 P1 P2 P3 , 其中 P2 右 乘 P1 表 示对 P1 做 倍加 列 变 换 , P3 右 乘
74 第 2 章 　 矩阵

P1 P2 表示对 P1 P2 做倍乘列变换 , 这样运算其结果也是一样的 .

＊
例 3 　 将三对角矩阵
2 1 0 0
1 2 1 0
A=
0 1 2 1
0 0 1 2
分解成主对角元为 1 的下三角矩阵 L 和 上三角 矩阵 U 的 乘积 , 即
A = LU( 称为矩阵的 L U 分解 ) .
解 　 由于倍加初等矩阵及其逆矩阵都是主对角元为 1 的同类
型三角阵 . 因此如能通过倍加行变换将 A 的主对角线以下元素 消
为零 ( 此时倍 加行变换 对应的 初等矩阵 是主对 元为 1 的下三角 矩
阵, 而 A 将化成上三角矩阵 ) , 就可将 A 分解为 LU, 具体作法如下 :
1 2 1 0 0
1 3
- 1 0 1 0 记作
2 A= 2 A1 ,
1 0 1 2 1
1 0 0 1 2
2 1 0 0
1
3
1 0 1 0
2 记作
2 A1 = A2 ,
- 1 4
3 0 0 1
3
1
0 0 1 2
2 1 0 0
1 3
1 0
1 2 记作
1 A2 = 4 U.
1
3 3
- 1
4 5
4
2 .5 　 矩阵的初等变换和初等矩阵 75

将上面三个式子中的左端的矩阵分别记作 L1 , L2 , L3 , 则
L3 L2 L1 A = U,
- 1
故 A = ( L3 L2 L1 ) U = LU ,
- 1 - 1 - 1 - 1
其中 　 　 L = ( L3 L2 L1 ) = L1 L2 L3
1 1 1
1 1 1
1
= 2 2 1
1
1 3 3
1
1 1 4
1
1
1
2
= 2 .
1
3
3
1
4
下面介绍用初等变换求逆矩阵的方法 .
定理 2． 4 　 可 逆 矩 阵 可 以 经 过 若 干 次 初 等 行 变 换 化 为 单 位
矩阵 .
证 　 在 2． 1 节中讲过的高 斯消 元法 , 其消 元过 程 是对 线性 方
程组的增广矩阵做 3 类初 等行 变换 , 并一 定可 以将其 化为 行简 化
阶梯形矩阵 . 因此 , 对任何矩阵 A, 都可 经初等行 变换将其 化为 行
简化阶梯形矩阵 , 即存在初等矩阵 P1 , P2 , … , Ps 使
Ps … P2 P1 A = U .
当 A 为 n 阶可逆 矩阵 时 , 行 简化 阶梯 形矩 阵 也 是可 逆 矩阵 ( 因 为
初等矩阵都可逆 ) , 从而 U 必是单位矩阵 I . ■
推论 1 　 可逆矩阵 A 可以表示为若干个初等矩阵的乘积 .
证 　 根据定理 2． 4 , 存在初等矩阵 P1 , P2 , … , Ps 使得
Ps … P2 P1 A = I, (2． 26)
76 第 2 章 　 矩阵

所以
-1 -1 - 1 -1
A = ( Ps … P2 P1 ) = P1 P2 … Ps , (2． 27)
- 1 - 1 - 1
其中 P1 , P2 , … , Ps 仍是初等矩阵 , 推论得证 . ■
由 (2． 26) 式可知
A- 1 = Ps … P2 P1 = Ps … P2 P1 I . (2． 28)
于是 , 根据 ( 2． 26 ) , (2． 28) 式 , 即得下面的推论 .
推论 2 　 如果对可逆矩阵 A 和同阶单位阵 I 做同 样的初等 行
变换 , 那么当 A 变为单位阵时 , I 就变为 A - 1 , 即
初 等行变 换 - 1
( A, I) ( I, A ) .
　 　 由 (2． 27) 式又可得
APs … P2 P1 = I;
I Ps … P2 P1 = A- 1 .
因此 , 同样也可用初等列变换求逆矩阵 , 即
A 初 等列变 换 I
.
I A- 1
　 　 例 4 　 用初等行变换求矩阵
0 2 - 1
A= 1 1 2
- 1 - 1 - 1
的逆矩阵 .
解　
0 2 - 1 1 0 0
( A, I) = 1 1 2 0 1 0
- 1 - 1 - 1 0 0 1
1 1 2 0 1 0
①＼ ②
0 2 - 1 1 0 0
- 1 - 1 - 1 0 0 1
2 .5 　 矩阵的初等变换和初等矩阵 77

1 1 2 0 1 0 1 1 0 0 - 1 - 2
③+ ① ① + ③ × ( - 2)
0 2 - 1 1 0 0 0 2 0 1 1 1
② +③
0 0 1 0 1 1 0 0 1 0 1 1
1 3 5
1 0 0 - - -
①+ ②× -
1 2 2 2
2
1 1 1 ,
②×
1 0 1 0
2 2 2 2
0 0 1 0 1 1
所以
1 3 5
- - -
2 2 2
A- 1 = 1 1 1 .
2 2 2
0 1 1
　 　 例 5 　 已知 ABAT = 2 BAT + I, 求 B . 其中
1 0 0
A= 0 1 2 .
0 0 1
　 　 解 　 在已知的矩阵方程中 , 注意到 2 BAT = 2 IBAT , 于是
T T - 1
( A - 2 I) BA = I , 　 即 BA = ( A - 2 I) .
- 1 T - 1 T - 1
所以 　 　 　 　 B = ( A - 2 I) (A ) = [ A ( A - 2 I) ]
= ( AT A - 2 AT ) - 1 .
1 0 0 2 0 0 - 1 0 0
T T
A A - 2A = 0 1 2 - 0 2 0 = 0 - 1 2 ,
0 2 5 0 4 2 0 - 2 3
用两种求逆方法都易得
- 1
- 1 0 0 - 1 0 0
B= 0 - 1 2 = 0 3 - 2 .
0 - 2 3 0 2 - 1
78 第 2 章 　 矩阵

　 　 读者必须注意 , 用初等行变换求可逆矩阵的逆矩阵时 , 必须始

终做行变换 , 其间不能做任何列变换 . 如果做初 等行变换 时 , 出 现
全零行 , 则其行列式等于零 , 因而矩阵是不可逆的 .
读者也应练习一下 , 用初等列变换求逆矩阵的方法 .
例 6 　 当 a, b 满足什么条件时 , 矩阵 A 不可逆 . 其中
0 1 2 3
1 4 7 10
A= .
- 1 0 1 b
a 2 3 4
　 　 解 　 对 A 做初等行、列变 换将 其化 为阶 梯 形矩 阵 , 由 | A | = 0
可得 a, b 应满足的条件 . 为 简便 起见 , 应 尽量 将 a, b 置 于 A 的 右
下方 , 所以先将 A 的第 1 , 2 , 3 列对换两次 ( 此时 | A | 不 变 ) , 然后 再
做倍加行变换 , 即
1 2 0 3
4 7 1 10
A
0 1 - 1 b
2 3 a 4
1 2 0 3
② + ① × ( - 4) 0 - 1 1 - 2
④ + ① × ( - 2) 0 1 - 1 b
0 - 1 a - 2
1 2 0 3
③+ ② 0 - 1 1 - 2
.
④ + ② × ( - 1) 0 0 0 b- 2
0 0 a - 1 0
　 　 矩阵 A 不可逆的充要条件是
1 2 0 b- 2
| A| = = ( a - 1) ( b - 2) = 0 ,
0 - 1 a- 1 0
2 .6 　 分块矩阵 79

即 a= 1 或 b= 2 .

2 .6 　 分块矩阵

把一个大型矩阵分成若干小块 , 构成一个分块矩阵 , 这是矩阵

运算中的一个重要技巧 , 它可 以把大 型矩 阵的 运算化 为若 干小 型
矩阵的运算 , 使运算 更为 简明 . 下面 通过 例子 说明 如 何分 块及 分
块矩阵的运算方法 .
把一个 5 阶矩阵
2 1 1 0 - 1
1 2 2 - 3 0
A= 0 0 1 0 0 ,
0 0 0 1 0
0 0 0 0 1
用水平和垂直的虚线分成 4 块 , 如果记
2 1 1 0 - 1
= A1 , 　 = A2 ,
1 2 2 - 3 0
0 0 1
0 0 = 0, 　 　 　 1 = I3 ,
0 0 1
就可以把 A 看成由上面 4 个小矩阵所组成 , 写作
A1 A2
A= ,
0 I3
并称它是 A 的一个 2 × 2 分 块矩 阵 , 其 中 的每 一 个 小矩 阵 称为 A
的一个子块 .
把一个 m× n 矩阵 A, 在行的方向分成 s 块 , 在列的方向分成 t
块 , 称 为 A 的 s× t 分 块 矩 阵 , 记 作 A = ( Ak l ) s× t , 其 中 Ak l ( k =
1 , 2 , … , s; l = 1 , 2 , … , t) 称为 A 的子块 , 它们 可以是 各种类 型的 小
80 第 2 章 　 矩阵

矩阵 .
常用的分块矩阵 , 除了 2× 2 分块矩阵 , 还有以下几种形式 :
按行分块
a11 a12 … a1 n a1
a21 a22 … a2 n a2
A= = ,
… … … …
am1 am2 … am n am
其中 ai = ( ai 1 , ai 2 , … , ai n ) , i = 1 , 2 , … , m .
按列分块
b11 b1 2 … b1 s
b21 b2 2 … b2 s
B= = ( b1 , b2 , … , bs ) ,
… … …
bn 1 bn2 … bn s
T
其中 bj = ( b1 j , b2 j , … , bn j ) , j = 1 , 2 , … , s .
当 n 阶矩阵 C 中非零元素都集 中在主 对角 线附近 , 有 时可 以
分块成下面的对角块矩阵 ( 又称准对角矩阵 )
C1
C2
C= ,
ｗ
Cm
m

其中 Ci 是 r i 阶方阵 i = 1 , 2 , … , m; ∑ ri = n , 例如
i=1

0 - 1 0 0 0 0
1 2 0 0 0 0
C1
0 0 1 - 1 0 0
C= = C2 ,
0 0 - 1 1 2 0
C3
0 0 0 2 - 2 0
0 0 0 0 0 3
2 .6 　 分块矩阵 81

1 - 1 0
0 -1
其中 　 　 　 C1 = , 　 C2 = -1 1 2 , 　 C3 = ( 3) .
1 2
0 2 -2
下面讨论分块矩阵的运算 .
1 . 分块矩阵的加法
设分块矩阵 A= ( Ak l ) s× t , B = ( Bk l ) s× t , 如 果 A 与 B 对 应的 子
块 Ak l 和 Bk l 都是同型矩阵 , 则
A + B = ( Ak l + Bk l ) s× t .
　 　 例如
A11 A1 2 B11 B12 A11 + B11 A12 + B12
+ = ,
A21 A2 2 B21 B22 A21 + B21 A22 + B22
其中 A11 与 B11 , A12 与 B1 2 , A21 与 B21 , A22 与 B22 分别 都 是同 型小 矩
阵 ( 子块 ) .
2 . 分块矩阵的数量乘法
设分块矩阵 A= ( Ak l ) s× t ,λ是一个数 , 则
λA = (λAk l ) s×t .
　 　 3 . 分块矩阵的乘法
n× p
设 A∈ F , 如果 A 分块为 r × s 分块矩 阵
m× n
, B∈ F
( Ak l ) r× s , B 分块为 s× t 分块矩阵 ( Bk l ) s× t , 且 A 的列的分块 法和 B
的行的分块法完全相同 , 则
j1 列 j2 列 … js 列 　
A11 A12 … A1 s B11 B12 … B1 t j1 行

A21 A22 … A2 s B21 B22 … B2 t j2 行

AB =
… … … … … … …

Ar1 Ar 2 … Ar s Bs1 Bs2 … Bs t js 行

记作
= C ( Ck l ) r× t ,
其中 C 是 r× t 分块矩阵 , 且
82 第 2 章 　 矩阵

Ck l = ∑A
i =1
ki Bi l 　 ( k = 1 , 2 , … , r; l = 1 , 2 , … , t) .

　 　 可以证明 ( 但略 去 ) , 用 分块 乘法 求得 的 AB 与 不 分块 作乘 法
求得的 AB 是相等的 .
例 1 　 将下列 5 阶矩阵 A, B 分成 2×2 的分块矩阵 , 并用分块
矩阵的乘法计算 AB .
1 0 0 0 0 3 2 0 1 0
0 1 0 0 0 1 3 0 0 1
A= - 1 2 1 0 0 , 　B= - 1 0 0 0 0 .
1 1 0 1 0 0 - 1 0 0 0
- 2 0 0 0 1 0 0 - 1 0 0
　 　 解 　 由观察 , 可将 A 分成如下 4 个子块
1 0 0 0 0
0 1 0 0 0
I2 02 × 3
A= - 1 2 1 0 0 = ,
A1 I3
1 1 0 1 0
- 2 0 0 0 1
- 1 2
其中 　 　 　 　 　 　 　 　 A1 = 1 1 .
- 2 0
根据分块矩阵乘法的要求 , B 的行的分法应和 A 的列的分法一致 ,
而列可以任分 , 为计算方便可将 B 分块如下 :
3 2 0 1 0
1 3 0 0 1
B1 I2
B= - 1 0 0 0 0 = ,
- I3 03× 2
0 - 1 0 0 0
0 0 - 1 0 0
3 2 0
其中 B1 = ,
1 3 0
2 .6 　 分块矩阵 83

I2 0 B1 I2 B1 I2
则 AB= = ,
A1 I3 - I3 0 A1 B1 - I3 A1
-2 4 0
其中 A1 B1 - I3 = 4 4 0
-6 -4 -1
故
3 2 0 1 0
1 3 0 0 1
AB = - 2 4 0 - 1 2 .
4 4 0 1 1
- 6 - 4 - 1 - 2 0
　 　 不难验证 , AB 直接相乘与分块相乘所得结果是一致的 .
例 2 　 设 A 是 m× n 矩阵 , B 是 n× s 矩阵 , B 按列分块成 1× s
分块矩阵 , 将 A 看成 1×1 分块矩阵 , 则
AB = A( b1 , b2 , … , bs ) = ( Ab1 , Ab2 , … , Abs ) .
　 　 若已知 AB = 0( m× s 零矩 阵 ) , 则 显然 有 Abj = 0( n× 1 零 矩
阵 ) , j = 1 , 2 , … , s . 因 此 , B 的每 一 列 bj 都 是 线 性方 程 组 Ax = 0
的解 .
例 3 　 若 n 阶矩阵 C, D 可以分块成同型对角块矩阵 , 即
C1 D1
C2 D2
C= , 　 D= ,
ｗ ｗ
Cm Dm
其中 Ci 和 Di 是同阶方阵 ( i = 1 , 2 , … , m) , 则
C1 D1
C2 D2
CD = .
ｗ
Cm Dm
84 第 2 章 　 矩阵

　 　 矩阵的分块乘法 , 在以后证明一些重要的命题时 , 起着重要的

作用 , 下面看一个例子 .
例 4 　 证明 : 若 n 阶上三角矩阵 A 可逆 , 则其逆矩阵 A - 1 也是
上三角矩阵 .
1
证 　 对 n 作 数 学归 纳 法 , n = 1 时 , ( a) - 1 = , 结 论成 立 .
a
( 一阶矩阵可以认为是上 ( 下 ) 三角矩阵 , 对角矩 阵 , 对 称矩阵 ) . 假
设命题对 n - 1 阶可逆上三角矩阵成立 , 下面考虑 n 阶情况 . 设
a11 a12 … a1 n
0 a22 … a2 n 分块 a11 α
A= ( ai i ≠ 0 , i = 1 , 2 , … , n) ,
… … ｗ … 0 A1
0 0 … ann
其中 A1 是 n - 1 阶可逆的上三角矩阵 . 设 A 的逆矩阵为
b1 1 b12 … b1 n
b2 1 b22 … b2 n 分块 b11 β
B= ,
… … … γ B1
bn1 bn 2 … bn n
a11 α b1 1 β 1 0
则 AB= = In = ,
0 A1 γ B1 0 In - 1
a11 b11 + αγ a1 1β +αB1 1 0
即 = ,
A1 γ A1 B1 0 In - 1
于是
A1 γ= 0 γ = A- 1 0 = 0,
-1
A1 B1 = In - 1 B1 = A1 ,
根据归纳假设 , B1 是 n - 1 阶上三角矩阵 , 因此
- 1
b11 β
A = B=
0 B1
是上三角矩阵 ( 其中 : b11 = a1-1 1 ;β = - a1-1 1 αA1- 1 ) .
2 .6 　 分块矩阵 85

4 . 分块矩阵的转置
分块矩阵 A= ( Ak l ) s× t 的转置矩阵为
AT = ( Bl k ) t× s ,
T
其中 Bl k = Ak l , 　 l = 1 , 2 , … , t; 　 k = 1 , 2 , … , s .
A11 A12 A13
例如 A= ,
A21 A22 A23
T T
A11 A21
T T T
则 A = A12 A22 .
A13T A23T
b1
按 行分 块 b2
　 　 　 　 　 　 　 　 　 　 B ,
…
bm
T T T T
则 B = ( b1 , b2 , … , bm ) .
5 . 可逆分块矩阵的逆矩阵
对角块矩阵 ( 准对角矩阵 )
A1
A2
A=
ｗ
Am
的行列式为 | A| = | A1 | | A2 | … | Am | , 因此 , 对角 块矩 阵 A 可逆 的
充要条件为
| Ai | ≠ 0 , 　 i = 1 , 2 , … , m .
根据对角块矩阵的乘法 , 容易求得它的逆矩阵
86 第 2 章 　 矩阵

-1
A1
-1
A2- 1
A = .
ｗ
-1
Am
　 　 用分块矩阵求逆矩阵 , 可 以将高 阶矩 阵的 求逆转 化为 低阶 矩
阵的求逆 . 一个 2× 2 的分 块矩 阵求 逆 , 可 以根 据逆 矩 阵的 定义 ,
用解矩阵方程的办法解得 .
B 0
例 5 　 设 A= ,
C D
- 1
其中 B, D 皆为可逆方阵 , 证明 A 可逆并求 A .
解 　 | A| = | B| | D| ≠0 , 所以 A 可逆 . 设
X Y
A- 1 = ,
Z T
其中 X 与 B, T 与 D 分别是同阶方阵 , 于是由
B 0 X Y BX BY Im 0
= = ,
C D Z T CX + DZ C Y + DT 0 In
得:
BX = Im , 　 　 　 　 　 故 　 X = B - 1 ;
BY = 0 , 故 Y = B - 1 0 = 0;
CX + DZ= 0, 故 DZ= - CX = - CB - 1 ,
Z = - D - 1 CB - 1 ;
- 1
CY + DT = In , 故 DT= In , 即 T= D .
所以
-1
- 1
B 0
A = -1 -1 -1
.
- D CB D
＊
　 　 6 . 分块矩阵的初等变换与分块初等阵
这里我们仅就 2×2 分块矩阵为例来作讨论 . 对于分块矩阵
2 .6 　 分块矩阵 87

A11 A12
A=
A21 A22
可以同样 地定 义它 的 3 类初等 行变 换和 列变换 , 并 相应 地定 义 3
类分块初等矩阵 :
( i ) 分块倍乘阵 ( C1 , C2 是可逆阵 )
C1 0 Im 0
　 或 　 .
0 In 0 C2
　 　 ( ii ) 分块倍加阵
Im 0 Im C4
　 或 　 .
C3 In 0 In
　 　 ( iii ) 分块对换阵
0 In
.
Im 0
　 　 分块初等矩阵自然是方阵 , 它们左乘 ( 或右乘 ) 分块 矩阵 A( 不
一定是方阵 ) , 在保证可乘 的情 况下 , 其作 用与 2． 5 节 中所 述初 等
矩阵左乘 ( 或右乘 ) 矩阵的作用是相同的 .
分块矩阵的初等变换也 是矩阵 运算 的一个 重要 技 巧 , 以后 讨
论一些问题时用它处理会比较方便 . 下面举两个应用的例子 .
例 6 　 设 n 阶矩阵 A 分块表示为
A11 A1 2
A= ,
A21 A2 2
- 1
其中 A11 , A22 为方阵 , 且 A 和 A11 可逆 . 证明 A22 - A21 A1 1 A12 可逆 ,
- 1
并求 A .
解 　 先对分块阵 A 做 初 等行 变 换 , 将 其化 为 上三 角 块 矩阵 ,
为此左乘分块倍加阵
I1 0
P1 = -1
,
- A21 A11 I2
88 第 2 章 　 矩阵

其中 I1 , I2 为单位矩阵 , 其阶数分别等于 A11 , A22 的阶数 . 于是

A1 1 A12 记作
P1 A= B,
0 A22 - A21 A11- 1 A12
| P1 A| = | A11 | | A22 - A21 A11- 1 A1 2 | .
- 1 | A|
由于 | P1 | = 1 , | A| ≠ 0 , | A1 1 | ≠0 , 所以 | A2 2 - A2 1 A11 A12 | = ≠
| A11 |
- 1
0 , 故矩阵 A22 - A2 1 A1 1 A12 可逆 .
- 1 - 1
为了求 A , 记 Q = A22 - A2 1 A11 A12 .对 B 做 行变换将 其化 为
对角块矩阵 , 为此取
-1
I1 - A12 Q
P2 = ,
0 I2
　
A11 0 记作
于是 P2 B= C,
0 Q
- 1 - 1 - 1
即 P2 P1 A = C, 两边取逆得 A ( P2 P1 ) =C , 因此
A- 1 = C - 1 ( P2 P1 )
-1
A11 0 I1 - A1 2 Q- 1 I1 0
= -1
.
0 Q- 1 0 I2 - A2 1 A11 I2
记
-1
D1 1 D1 2
A = ,
D2 1 D2 2
则 D11 = A11- 1 + A1-1 1 A12 Q - 1 A21 A1-1 1 , 　 D22 = Q- 1 ,
D12 = - A11- 1 A1 2 Q- 1 , 　 D21 = - Q- 1 A21 A11- 1 ,
- 1
其中 Q= A22 - A21 A1 1 A12 .
　
A　 B
例7　 设 Q= ,
C D
- 1
且 A 可逆 , 证明 : det Q = | A| | D - CA B| .
证 　 先用分块倍加阵左乘 Q, 使之化为上三角块矩阵 , 为此取
附录 2 　 数域 　 命题 　 量词 89

In 0
P= ,
- CA - 1 Im
其中 In 与 A 同阶 , Im 与 D 同阶 . 如此则有
A B
PQ = ,
0 D - CA - 1 B
- 1
将上式两端求行列式 , 得 | P| | Q| = | A| | D - CA B| , 由于 | P | =
1 , 故命题得证 .
例 8 　 设 A, B 均为 n 阶矩阵 , 证明 :
A B
= | A + B| | A - B| .
B A
A B
　 　 证 　 将分块矩阵 P = 的第 1 行 加到第 2 行 , 再 将第 2
B A
列乘 - I 加到第 1 列 , 使之化为上三角块矩阵 , 即
I 0 A B I 0 A B I 0
=
I I B A - I I A+ B A + B - I I
A - B B
= ,
0 A+ B
于是由两边矩阵的行列式相等 , 即得
A B A - B B
= = | A - B| | A + B| .
B A 0 A+ B

附录 2 　 数域 　 命题 　 量词

Ⅰ . 数域

　 　 一个含有数 0 , 1 的数 集 F, 如果 其中 任意 两个 数 关于 数的 四
则运算封闭 ( 除法 的 除数 不 为 零 ) , 即 它 们 的 和、差、积、商 仍 是 F
中的数 , 那么数集 F 就称为一个数域 .
90 第 2 章 　 矩阵

显然 , 全体有理数、实数、复数组成的数集都是数域 , 称为有理
数域、实数域、复数域 , 分 别 记作 Q , R , C . 而 全 体整 数 组成 的 数
集Z 就不是数域 , 因为任意两个整数的商不都是整数 .
还有一些数集 , 如 Q( 2 ) = { a + b 2 | a, b∈ Q } , 也构 成一 个
数域 .
还要指出 , 有理数 域 是最 小 的数 域 , 即 任 何 数域 F 都包 含 有
理数域 Q . 事 实 上 , 由 于 0 , 1 ∈ F, 所 以 n = 1 + 1 + … + 1 ∈ F,
0 - n∈ F, 从而整数集Z F; 又对于任意 的 p, q∈ Z F, p≠ 0 , 均
有 q/ p∈ F, 而 q/ p∈Q , 所以 Q F.

Ⅱ . 命题

所谓命题 , 就 是 一 个 陈 述 句 . 严 格 地 说 , 命 题 不 是 陈 述 句 本
身 , 而是陈述句所表达的含义 , 因为“语句”是语言学的概念 , 而“ 命
题”是逻辑学的概念 .
下面的语句: (1) 3 < 5; (2) 雪是白的 ; (3) 雪不是白的; (4) 3 <
5 且 3 整除 5; (5 ) 他学英语或者他 学法语 ; (6 ) 如果 天不下 雨 , 我
就出去散步 ; ( 7) 两个三 角形 相 似当 且仅 当两 个三 角 形三 个内 角
分别相等 .它们都是命题 , 其中 (1 ) ～ ( 3 ) 是简 单命题 ; ( 4) ～ ( 7 ) 是
由两个命题与逻辑联接词 组成 的复合 命题 ; 一 个命题 的否 定也 是
一个命题 , 命题 ( 3) 是命题 (2 ) 的否定 . 这里所指 的逻辑联 接词有 :
∧ ( 合取词 ) , ∨ ( 析 取 词 ) , → ( 蕴 涵 词 ) , (双蕴涵词 ) , 瓙 ( 否定
词 ) . 其含义为 ( 下面 p, q 均为命题 ) :
p∧ q 表示命 题“ p 且 q”; p∨ q 表示命 题“ p 或 q”; p→ q 表 示
命题“若 p 则 q”( 或 说 p 蕴涵 q) ; p q 表示 命 题“ p 当 且仅 当 q”
( 或说 p 与 q 等价 ) ; 瓙 p 表示命题“非 p”, 即 p 的否定命题 .
这里 要 特 别 指 出 , 条 件 命 题 p → q 与 其 逆 否 命 题 ( 瓙 q) →
( 瓙 p) ( 可简写为瓙 q→瓙 p)即“若非 q 则非 p”, 是等价命题 . 例如:
“如果下雨 , 我就带伞”等价于“ 如果我不带伞 , 就不下雨”“
; 如
附录 2 　 数域 　 命题 　 量词 91

果两个三角 形的三 条边分别 相等 , 则两个 三角形 全等”等价 于“ 如

果两个三角形不全等 , 则它们的三条边不分别相等”.
用反证法证明一个数学 定 理“ 若 p 则 q”, 就是 证 明它 的等 价
命题 ( 即逆否命题 “
) 若非 q, 则非 p”.
在线性代数课 程中 , 经常 用 反证 法 证 明 一 个定 理 ( 即 条 件 命
题 ) , 所以还要善于表述一个命题的否命题 . 例如 : 命题
“存在 不 全 为 零 的 数 x1 , x2 , … , xn 使 x1 ξ1 + x2 ξ2 + … +
xn ξn = 0 成立”的否命题为
“任何不全为零的数 x1 , x2 , … , xn 都使 x1 ξ1 + x2 ξ2 + … +
xnξn ≠ 0”, 即“ 只 有 x1 , x2 , … , xn 全 为 零 , 才 使 x1 ξ1 +
x2 ξ2 + … + xnξn = 0 成立”.
“若 p 则 q”称 为条件命 题 , 此时 , 我们也 称 : p 成立的 必要 条
件是 q 成立 ( 或简称 q 是 p 的必要条件 ; p 成立是 q 成 立的充分 条
件 ( 或简称 q 是 p 的充分条件 ) .

Ⅲ . 量词

有些命题常用两种断言“
: 集 X 中每个 元素 具有 性质 p”“
; 集
X 中有一个元素 x 具有性质 p”. 为表述简便起 见 , 我 们用逻辑 符
号“
: ＂ x∈ X , p”( 或“ ( ＂ x∈ X ) p”) “
; ｖ x∈ X , p”( 或“ ( ｖ x∈ X)
p”) 表示上述两 种 断言 . 这 里 “
, ＂ x”表 示“对 于 任 意 的 元素 x”,
“ ＂ ”叫做全称量词 , 它是 any 字头 a 大写后的倒写 “
; ｖ x”表示“ 有
一个元素 x ( 或存在元素 x )”“
, ｖ ”叫做存 在量词 , 它是 exist 字 头
e 大写后的反写 .
例如 , 对于集合 A 与 B , A B 的含义是“若 a∈ A, 则 a∈ B”,
这可表述为“ ＂ a∈ A, a∈ B”.
A B 的否定为 A / B, 其含义是“ｖ a∈ A, a｜ B”.
一般地 , 含有量词的命题的否定命题 , 满足下面两个基本的等
价规则 :
 92 第 2 章 　 矩阵

非 ( ＂ x ∈ X) p, 等价于 ( ｖ x ∈ X) 非 p; ①
非 ( ｖ x ∈ X) p, 等价于 ( ＂ x ∈ X) 非 p . ②
　 　 例 1 　 设 X 和 Y 分别 是 甲、乙 班学 生 的 集 合 , p ( x, y ) 表 示
x∈ X 和 y ∈Y 同姓 , 则命题 1°
( ＂ x ∈ X) ( ｖ y ∈ Y ) p( x, y)
表示“所有甲班的学生都能在乙班中找到与 之同姓的 学生”. 按 上
述两个等价规则 , 命题“ 非 1°
”等价于
( ｖ x ∈ X) 非( ｖ y ∈ Y) p( x, y) ( ｖ x ∈ X)( ＂ y ∈ Y) 非 p( x, y)
( 其中 是双蕴涵词 , 即等 价于 的意 思 ) , 由 后一个 式子 可知 , 命 题
“非 1°”的含义是 : 甲班有一个学生与乙班所有学生都不同姓 .
例 2 　 数列{ un }以 a 为极限 , 用ε－N 语言可定义为 :
“对任意的 ε> 0 , 存在 N > 0 , 使对任何 n > N , 恒有 | un - a| <
ε”, 这可用多个量词组合为“命题 2°
”:
( ＂ε> 0) { ( ｖ N > 0 ) [ ( ＂ n > N) | un - a| < ε] } .
于是数列{ un } 不以 a 为极限的命题为“非 2° ”, 即
非 2° ( ｖ ε> 0 ) 非{ ( ｖ N > 0) [ ( ＂ n > N ) | un - a| < ε] }
( ｖ ε> 0 ) { ( ＂ N > 0) 非 [ ( ＂ n > N ) | un - a| < ε] }
( ｖ ε> 0 ) { ( ＂ N > 0) [ ( ｖ n > N ) 非 | un - a| < ε] }
( ｖ ε> 0 ) { ( ＂ N > 0) [ ( ｖ n > N ) | un - a| ≥ ε] } ,
即“存在 ε> 0 , 对任何 N > 0 , 存在 n > N , 使 | un - a| ≥ε”.
从以上例子可见 , 含有多个量词的数学命题 , 欲知其否命题的
含义 , 按上述① , ② 等价 规 则 , 只 要将 原 命题 中 的“ ＂ ”改 为“ ｖ ”,
“ｖ ”改为“ ＂ ”, 而“ 具有性质 p”改为“ 具有性质非 p”.

习题 　 补充题 　 答案

习题

　 　 用高斯消元法解 1～4 题的线性方程 :　

习题 　 补充题 　 答案 93

1 1
2 x1 - x2 - x3 = 0,
2 2
1 1
- x + 2 x2 - x = 3,
2 1 2 4
1.
1 1
- x 　 　 + 2 x3 - x = 3,
2 1 2 4
1 1
- x2 - x + 2 x4 = 0 .
2 2 3
x1 - 2 x2 + 3 x3 - 4 x4 = 4 , 2 x1 + 3 x2 + 5 x3 + x4 = 3 ,
x2 - x3 + x4 = - 3 , 3 x1 + 4 x2 + 2 x3 + 3 x4 = - 2 ,
2. 　 　3.
x1 + 3 x2 - 3 x4 = 1 , x1 + 2 x2 + 8 x3 - x4 = 8 ,
- 7 x2 + 3 x3 + x4 = - 3 . 7 x1 + 9 x2 + x3 + 8 x4 = 0 .
x1 - 10 x2 + 11 x3 - 11 x4 = 0 ,
2 x1 + 4 x2 - 5 x3 + 7 x4 = 0 ,
4.
3 x1 - 3 x2 + 3 x3 - 2 x4 = 0 ,
5 x1 + x2 - 2 x3 + 5 x4 = 0 .
下列 5～6 题的 线性方程组 中 , p , q 取 何值时 , 方程组有 解 , 无解 . 在 有
解的情况下 , 求出它的全部解 :
x1 - 3 x2 - 6 x3 + 2 x4 = - 1 ,
p x1 + x2 + x3 = 1 ,
x1 - x2 - 2 x3 + 3 x4 = 0 ,
5. x1 + p x2 + x3 = p, 6.
x1 + 5 x2 + 10 x3 - x4 = q,
x1 + x2 + p x3 = p2 .
3 x1 + x2 + p x3 + 4 x4 = 1 .
7 . 将军点兵 , 三三数之 剩二 , 五 五数 之剩 三 , 七 七数 之剩 二 , 问 兵几 何
(求在 500 至 1000 范围内的解 ) ?
8 . 百鸡术 : 母鸡每只 5 元 , 公鸡每只 3 元 , 小鸡三只一元 , 百元买百鸡 ,
各买几何 ?
1 0 3 0
9.设 A= , 　 B= , 计 算: 2 A, 3 B, A + B, 2A - 3B,
2 - 1 1 2
AB - BA .
3 1 1 1 1 1
10 . 设 A = 2 1 2 , 　 B= 2 - 1 0 , 求 AB - BA .
1 2 3 1 0 1
94 第 2 章 　 矩阵

计算 11～20 题的矩阵乘积 :
3 - 2
1 2 -1 2 3
0 1 2 1 - 1
11 . . 　 12
　 . - 2 1 0 1 - 1 .
2 4 0 -1 0
1 0 3 2 4
- 1 0
2 - 1 0 - 1 1
a b
13 . (1 , - 1 , 2) 1 1 3 . 14 . a a .
ma mb -
4 2 1 b b
a11 a12 … a1n
a21 a22 … a2n
15 . ( y1 , y2 , … , y n ) .
… … …
an1 an2 … ann
a11 a12 x1
16 . ( x1 , x2 ) .
a21 a22 x2
1
a11 a12 … a1 n
1
a21 a22 … a2 n
17 . 0 .
… … …
ｗ
an1 an2 … ann
0
1
a11 a12 … a1n
2
a21 a22 … a2n
18 . 0 .
… … …
ｗ
an1 an2 … ann
0
1 0 0 a1 a2 a3
19 . - 2 1 0 b1 b2 b3 .
0 0 1 c1 c2 c3
0 0 1 0
a1 a2 a3 a4
0 1 0 0
20 . b1 b2 b3 b4 .
1 0 0 0
c1 c2 c3 c4
0 0 0 1
习题 　 补充题 　 答案 95

21 . 已知 A = PΛQ, 其中
2 3 1 0 2 - 3
P= , Λ= , Q= , QP = I2 ,
1 2 0 - 1 - 1 2
计算 : A8 , A9 , A2 n , A2n + 1 ( n 为正整数) .
n
a
22 . 计算 - b ( n 为正整数 ) .
c
n n
cosφ sinφ 0 1
23 . 计算 及 .
- sinφ cosφ - 1 0
24 . A, B 皆是 n 阶矩阵 , 问下列等式成立的条件是什么 ?
(1) ( A + B)3 = A3 + 3 A2 B + 3 AB2 + B3 ;
(2) ( A + B) ( A - B) = A2 - B2 .
25 . 若 AB = BA, AC = CA, 证 明 A, B, C 是 同 阶 矩 阵 , 且 A( B + C) =
( B + C) A, A( BC) = ( BC) A .
26 . 求平方等于零矩阵的所有二阶矩阵 .
1 1
27 . 求与 A = 可交换的全体二阶矩阵 .
0 1
1 0 0
28 . 求与 A = 0 1 2 可交换的全体三阶矩阵 .
0 1 - 2
29 . 已知 A 是对角元互不相等的 n 阶对角矩阵 , 即
a1
a2
A= .
ｗ
an
当 i≠ j 时 , ai ≠ aj ( i , j = 1 , 2 , … , n) . 证 明 : 与 A 可 交 换的 矩 阵 必 是 对 角
矩阵 .
30 . 证明 : 两个 n 阶下三角矩阵的乘积仍是下三角矩阵 .
31 . 证明 : 若 A 是主对角元全为零的上三角矩 阵 , 则 A2 也是 主对角 元
全为零的上三角矩阵 .
96 第 2 章 　 矩阵

32 . 证明 : 主对角元全为 1 的上三角矩阵的乘积 , 仍是主对角元 为 1 的

上三角矩阵 .
5 -2 1 - 3 2 0
33 . 设 A = , B= , 计算 : ABT , BT A, AT A,
3 4 - 1 - 2 0 1
BBT + ABT .
34 . 证明 : ( A1 A2 … Ak ) T = ATk … A2T A1T .
35 . 证明 : 若 A 和 B 都 是 n 阶 对称 矩 阵 , 则 A + B, A - 2 B 也 是 对 称
矩阵 .
36 . 对于任意的 n 阶矩阵 A . 证明 :
(1) A + AT 是对称矩阵 , A - AT 是反对称矩阵 ;
(2) A 可表示为对称矩阵和反对称矩阵之和 .
37 . 证明 : 若 A 和 B 都是 n 阶对称矩阵 , 则 AB 是对称矩阵的充要条件
是 A 与 B 可交换 .
38 . 设 A 是实对称矩阵 , 且 A2 = 0 , 证明 A = 0 .
39 . 已知 A 是一个 n 阶对称矩阵 , B 是一个 n 阶反对称矩阵 .
(1) 问 Ak , Bk 是否为对称或反对称矩阵 ?
(2) 证明 : AB + BA 是一个反对称矩阵 .
40 . 求下列矩阵的逆矩阵:
8 - 4 cosθ sinθ
(1) ;　 　 　 　 　 (2) ;
- 5 3 - sinθ cosθ
1 2 2 2 3 -1
(3) 2 1 -2 ; (4) 1 2 0 ;
2 - 2 1 - 1 2 -2
1 1 0 0
1 0 0
0 1 1 0
(5) 1 1 0 ; (6) .
0 0 1 1
1 1 1
0 0 0 1
41 . 利用逆矩阵 , 解下列矩阵方程 :
2 5 1 1
(1) B= ;
1 3 -1 0
习题 　 补充题 　 答案 97

2 3 -1 2 1
(2) 1 2 0 X= -1 0 ;
- 1 2 -2 3 1
1 1 1
1 - 2 1
(3) A 0 1 1 = .
0 1 -1
0 0 1
42 . 利用逆矩阵 , 解线性方程组
x1 + x2 + x3 = 1 ,
2 x2 + 2 x3 = 1 ,
x1 - x2 = 2 .
　 　 43 . 设 A, B, C为同阶方阵 .
(1) 问 A 满足什么条件时 , 命题“若 AB = AC, 则 B = C( 消去律 )”成立 ;
(2) 问 : 若 B≠ C, 是否必有 AB≠ AC?
44 . 设 A, B 都是 n 阶矩阵 , 问: 下列命题是否成立 ? 若成立 , 给出证明 ;
若不成立 , 举反例说明 .
(1) 若 A, B 皆不可逆 , 则 A + B 也不可逆 ;
(2) 若 AB 可逆 , 则 A, B 都可逆 ;
(3) 若 AB 不可逆 , 则 A, B 都不可逆 ;
(4) 若 A 可逆 , 则 k A 可逆 ( k 是数) .
45 . 设方阵 A 满足 A2 - A - 2 I = 0 , 证明 :
(1) A 和 I - A 都可逆 , 并求它们的逆矩阵;
(2) A + I 和 A - 2 I 不同时可逆 .
46 . 设方阵 A 满足方程 A2 - 2 A + 4 I = 0, 证明: A + I 和 A - 3 I 都可逆 ,
并求它们的逆矩阵 .
47 . 证明 : 可逆的对称矩阵的逆矩阵仍是对称矩阵 .
48 . 试求上 (或下 )三角矩阵可逆的充要条件 , 并证明 : 可逆上 ( 或下 ) 三
角矩阵的逆矩阵也是上 (或下 ) 三角矩阵 .
用初等变换法求 49～53 题的矩阵的逆 :
1 2 3 4
1 2 2
2 3 1 2
49 . 2 1 -2 .　 　 　 50 . .
1 1 1 - 1
2 - 2 1
1 0 -2 - 6
98 第 2 章 　 矩阵

1 0 0 0 1 a a2 a3
1 1 0 0 0 1 a a2
51 . .　 52 . .
1 1 1 0 0 0 1 a
1 1 1 1 0 0 0 1
0 a1 0 … 0
0 0 a2 … 0
53 . … … … ｗ … , 其中 ai ≠0 , i = 1 , 2 , … , n .
0 0 0 … an - 1
an 0 0 … 0
解 54～56 题的矩阵方程 :
1 2 3 5
54 . X= .
3 4 5 9
1 2 -3 1 - 3 0
55 . X 3 2 -4 = 10 2 7 .
2 - 1 0 10 7 8
1 1 1 … 1 1 2 3 … n
0 1 1 … 1 0 1 2 … n- 1
56 . 0 0 1 … 1 X= 0 0 1 … n- 2 .
… … … ｗ … … … … ｗ …
0 0 0 … 1 0 0 0 … 1
＊
57 . 将下列矩阵做 LU 分解 , 其中 L 为主对角元为 1 的下三角矩 阵 , U
为上三角矩阵 :
3 1 0 0
1 - 2 3
2 3 1 0
(1) 2 4 2 ; 　 　 　 (2 ) .
0 2 3 1
0 1 1
0 0 2 3
58 . 用分块矩阵的乘法 , 计算下列矩阵的乘积 :
1 3 0 0 0 1 3 0 0 0
2 8 0 0 0 2 8 0 0 0
(1) A = 0 0 1 0 1 , 　 B= 1 0 1 0 1 ,
0 0 2 3 2 0 1 2 3 2
0 0 3 1 1 2 3 3 1 1
习题 　 补充题 　 答案 99

求 AB;
1 0 1 0 0 1 0 1 0 0
0 2 - 1 0 0 0 2 0 0 0
(2) A = 3 1 0 0 0 , 　 B= 0 0 3 0 0 ,
0 0 0 -2 0 0 0 0 - 1 3
0 0 0 0 - 2 0 0 0 4 2
求 AB .
59 . 设 A 是 m× n 矩阵 , B 是 n× s 矩阵 , x 是 n×1 矩阵 , 证明 : AB = 0
的充分必要条件是 B 的每一列都是齐次线性方程组 Ax = 0 的解 .
60 . 设 C 是 n 阶可逆矩阵 , D 是 3× n 矩阵 , 且
1 2 … n
D= 0 0 … 0 ,
0 0 … 0
C
试用分块乘法 , 求一个 n× ( n + 3) 矩阵 A, 使得 A = In .
D
0 B
61 . 设 A = , 其中 B 是 n 阶可逆矩阵 , C 是 m 阶可 逆矩阵 , 证明
C 0
A 可逆 , 并求 A - 1 .
62 . 用矩阵分块的方法 , 证明下列矩阵可逆 , 并求其逆矩阵 :
1 2 0 0 0 0 0 0 4 4
2 5 0 0 0 0 0 0 7 8
(1) 0 0 3 0 0 ; 　 　 　 　 　 (2) 1 1 1 0 0 ;
0 0 0 1 0 0 1 1 0 0
0 0 0 0 1 0 0 1 0 0
0 a1 0 … 0 2 0 1 0 2
0 0 a2 … 0 0 2 0 1 3
(3) … … … ｗ … ; (4) 0 0 1 0 0 .
0 0 0 … an - 1 0 0 0 1 0
an 0 0 … 0 0 0 0 0 1
＊
63 . 设 A, B, C, D 都是 n 阶矩阵 , | A| ≠0 , AC = CA . 证明 :
100 第 2 章 　 矩阵

A B
= | AD - CB| .
C D

＊
0 B
　 　 64 . 设 A = , 其 中 B, C 分 别为 二 阶 , 三 阶 可逆 矩 阵 , 且 已 知
C D
B- 1 , C - 1 , 求 A- 1 .
＊
65 . 将 n 阶矩阵 A 分块为
An - 1 b
A= ,
c ann
其中 An - 1 是 n - 1 阶可逆矩阵 , 如果 A 可逆 , 且已 知 An- -1 1 , 试求 A - 1 ( 这种 利
用 An- -1 1 求 A - 1 的方法 , 称为加边法 ) .
＊
66 . 利用 65 题加边法的结果 , 求
1 2 3 4
1 2 2
2 3 1 2
A= 2 1 - 2 , 　B= .
1 1 1 - 1
2 - 2 1
1 0 - 2 - 6
的逆矩阵 .

补充题

67 . 设 A, B 均为 4 阶矩阵 , 已知 | A| = - 2 , | B| = 3 , 计算:
1
(1) AB- 1 ; (2) | - A BT | ; ( 3 ) | ( A B ) - 1 | ; ( 4 ) det [ ( A B) T ] - 1 ;
2
(5) | - 3 A＊ | ( A＊ 为 A 的伴随矩阵 ) .
T
T 1
68 . 设α = (1 , - 2 , 3) ,β= - 1, ,0 , A = αβT , 求 | A100 | .
2
69 . 设 A 为 4 阶矩阵 , 已知 | A| = a≠0 , 计算 det ( | A＊ | A) .
70 . 设 A, B 均为 n 阶矩阵 , I 为 n 阶单位矩阵 , 下列命题哪些成立 ?
(A) A= I | A| = 1 ; 　 　 　 　 (B) AB≠0 A≠0 且 B≠0;
(C) A2 = I, 则 A = I 或 - I;
(D ) ( A + I) ( A - I) = ( A - I) ( A + I) ;
( E ) AB 可逆 A, B 均可逆; ( F ) | - 2 A＊ B| = - 2 | A| | B| .
71 . 设α = ( a, b, c) ,β = ( x , y, z) , 已知
习题 　 补充题 　 答案 101

- 2 4 - 6
αTβ= 1 - 2 3 ,
- 1 2 - 3
求αβT .
72 . 设α= ( x1 , x2 , … , xn ) T ,β= ( y1 , y2 , … , yn ) T , 已知αTβ = 3 , B = αβT ,
A = I - B .证明 :
(1) B k = 3 k - 1 B( k≥2 为正整数) ;
(2) A + 2 I 或 A - I 不可逆 ;
(3) A 及 A + I 均可逆 .
73 . 设 A 为 3 阶矩阵 , | A| > 0 , 已知 A＊ = diag(1 , - 1 , - 4) , 且 ABA - 1 =
BA - 1 + 3 I , 求 B .
74 . 设 n 阶矩阵 A 满足 : AT A = I 和 | A| < 0 , 求 | A + I| .
75 . 设 A 为奇数阶可逆矩阵 , 且 A- 1 = AT , | A| = 1 , 求 | I - A| .
76 . 设 A, B 均为 n 阶矩阵 , 且 A = BT , 问 : AT ( B- 1 A - 1 + I) T 可化简 为
下列哪一个式子 ?
( A ) A + B; 　 　 ( B) B + A - 1 ; 　 　 ( C) AT B; 　 　
(D ) A + A - 1 ; 　 ( E ) A + B - 1 ; 　 　 ( F ) AA T .
77 . 设α = (1 , 0 , - 1) T , k 为正整数 , A =ααT , 求 | k I - An | .
78 . 已知 4 阶矩阵 A 满足 : (2 I - C - 1
B) AT = C - 1
, 求 A . 其中
1 2 - 3 - 2 1 2 0 1
0 1 2 - 3 0 1 2 0
B= ,　 C= .
0 0 1 2 0 0 1 2
0 0 0 1 0 0 0 1
- 1 1 0 1 1 0
　 　 79 . 设 B = 0 0 2 , 　 C= 0 2 2 ,
0 0 2 0 0 3
且 A, B, C 满足 : ( I - C - 1
B) T C T A = I . 求 A, A - 1 .
80 . 设 B 是元素全为 1 的 n 阶 ( n≥2 )矩阵 , 证明:
1
(1) B k = nk - 1 B( k≥2 为正整数) ; 　 　 (2 ) ( I - B) - 1 = I - B.
n- 1
81 . 设 A 为 3 阶实对称矩阵 , 且主对角元全为 0 , B = dia g( 0 , 1 , 2) , 求使
102 第 2 章 　 矩阵

AB + I 为可逆矩阵的条件 .
82 . 已知 P, A 均为 n 阶矩阵 , 且 P - 1 AP = diag (1 , 1 , … , 1 , 0 , … , 0) ( 有 r
个 1) , 试计算 | A + 2 I| .
83 . 设 A 为 n 阶( n≥2 )可逆矩阵 , 证明 :
(1) ( A＊ ) - 1 = ( A - 1 ) ＊ ; 　 　 　 ( 2) ( AT ) ＊ = ( A＊ ) T ;
(3) ( kA) ＊ = kn - 1 A＊ ( k 为非零常数) .
84 . 计算下列矩阵的幂 :
n
n
a 1 0 0
1 1 0
0 a 1 0
(1) 0 1 1 ; 　 ( 2) .
0 0 a 1
0 0 1
0 0 0 a
85 . 证明 : 与任意的 n 阶矩阵可交换的矩阵必是 n 阶数量矩阵 .
86 . n 阶矩阵 A = ( ai j ) 的主对角元之和称为矩阵 A 的迹 , 记作 t r( A) , 即
n

tr ( A) = ∑a
i =1
ii .

　 　 证明 : 若 A 是 m× n 矩阵 , B 是 n× m 矩阵 , 则
t r( AB) = t r( BA) .
　 　 87 . 证明 : 对于任意的两个 n 阶矩阵 A 和 B, 都有 AB - BA≠ In .
88 . 若 n 阶矩阵 A 存在正整数 k , 使得 Ak = 0 , 就称 A 为幂零矩阵 .
设幂零矩阵 A 满足 Ak = 0( k 为正整数 ) , 试证明 : I - A 可逆 , 并求其 逆
矩阵 .
a 1 0 0
0 a 1 0
89 . 设 A = , f ( x) = ( x - b) n .试求 f ( A) , 当 f ( A) 可 逆
0 0 a 1
0 0 0 a
时 , 求其逆矩阵 .
90 . 设
x - 1 x 0
0 1
A= , f ( x) = 0 x - 1 - 3 ,
3 - 2
1 1 1
习题 　 补充题 　 答案 103

x - 1
g( x) = .
- 3 x+2
试求 : f ( A) , g( A) .
91 . 证明 : 主对角元全为 1 的上 ( 下 ) 三 角矩阵 的逆矩 阵也是 主对角 元
全为 1 的上 ( 下) 三角矩阵 .
92 . 证明 : n 阶反对称 矩阵可逆的必要条件是 n 为偶 数 , 举例说明 n 为
偶数不是 n 阶反对称矩阵可逆的充分条件 .
A B
93 . 设 P = , A, C 均为可逆矩阵 , 证明 P 可逆 , 并求 P - 1 .
0 C
94 . 证明 : n 阶可逆下三角矩阵的逆矩阵也是下三角矩阵 .
95 . 证明 : n 阶矩阵 A 的任意多项式 f ( A)与 g( A)可交换 .
96 . 证明 : 若 n 阶矩阵 A 与 B 可交换 , 则 A 与 B 的任意多项式 f ( A) 与
g( B)也可交换 .

答案

1 . (1 , 2 , 2 , 1 ) . 　 　 2 . ( - 8 , k + 3 , 2 k + 6 , k) , k 是任意常数 .
11 13
3 . 无解 . 　 4 . 0, k , k, k , k 是任意常数 .
3 3
5 . p = 1 时有无穷多解 : ( 1 - k1 - k2 , k1 , k2 ) , 其中 k1 , k2 是任意 常数 ;
p+ 1 1 ( p + 1 )2
p = - 2 时无解 ; p≠1 且 p≠ - 2 时有唯一解 : - , , .
p+ 2 p+2 p+ 2
q- 2 1 3- q 2- q 2 - q 3- q
6 . p≠2 时有唯一解: , 1- -4 , , ; p = 2,
2 2 7 p-2 p-2 7
3 1
q≠2 时无 解 ; p = 2 且 q = 2 时 有 无 穷 多 解 : 0, - 2 k , k, , k 是任意
7 7
常数 .
7 . 548 , 653 , 758 , 863 , 968 .
8 . (0 , 25 , 75 ) , (4 , 18 , 78 ) , ( 8 , 11 , 81 ) , ( 12 , 4 , 84) 等 .
7 - 12 7 - 12
21 . A8 = I2 , A9 = , A2n = I2 , A2 n + 1 = .
4 -7 4 - 7
104 第 2 章 　 矩阵

nπ nπ
cos sin
cos nφ sinnφ 2 2
23 . , .
- sin nφ cos nφ nπ nπ
- sin cos
2 2
24 . A, B 可交换时成立 , 一般情况不成立 .
a b
26 . , 其中 a, b, c 满足关系 a2 + b c = 0 .
c - a
a b
27 . , a, b 为任意常数 .
0 a
a 0 0
28 . 0 c 2b , a, b, c 为任意常数 .
0 b c - 3b
n

38 . 由 A 的对角元 ∑a a ki = 0 ( i = 1 , 2 , … , n) 及 AT = A, 即 可得 证
2
ik
k= 1

A= 0 .
39 . Ak 仍是对称矩阵 , B k 当 k 为偶数 时为 对称 矩阵 , k 为 奇数 时为 反
对称矩阵 .
4 - 4 -2
cosφ - sinφ 1
40 . (2 ) ; 　 (4) - 2 5 1 ;
sinφ cosφ 6
- 4 7 -1
1 - 1 1 - 1
0 1 -1 1
(6) .
0 0 1 - 1
0 0 0 1
6 2
1 1 - 3 3
41 . (2 ) - 6 - 1 ; 　 ( 3) .
6 0 1 -2
- 18 - 5
1
42 . (1 , - 3 , 4) T .
2
43 . (1 ) | A| ≠0; 　 　 ( 2) 否 .
44 . (1 ) 不成 立 ; ( 2 ) 成 立 ; ( 3 ) 不 成立 ; ( 4 ) k≠ 0 时 成 立 , k = 0 时 不
成立 .
习题 　 补充题 　 答案 105

1 1
45 . A- 1 = ( A - I) , ( I - A) - 1 = - A.
2 2
-1 1 1
46 . ( A + I) = - ( A - 3 I) , ( A - 3 I) - 1 = - ( A + I) .
7 7
47 . 利用运算性质和 AT = A, 证明( A - 1 ) T = A - 1 .
48 . 证明伴随矩阵为上( 下 )三角矩阵 .
1 0 0 0 1 - a 0 0
- 1 1 0 0 0 1 - a 0
51 . . 　 　 52 . .
0 - 1 1 0 0 0 1 - a
0 0 -1 1 0 0 0 1
0 0 … 0 1/ an
1/ a1 0 … 0 0
53 . 0 1/ a2 … 0 0 .
… … ｗ … …
0 0 … 1/ an - 1 0
- 1 - 1
54 . .
2 3
1 1 … 1
20 - 15 13
0 1 … 1
55 . - 105 77 - 58 . 　 　 56 . .
… … ｗ …
- 152 112 - 87
0 0 … 1
1 0 0 1 - 2 3
＊ 2 1 0 0 8 -4
57 . ( 1) ;
1 3
0 1 0 0
8 2
1 0 0 0 3 1 0 0
2 7
1 0 0 0 1 0
3 3
(2) 6 15 .
0 1 0 0 0 1
7 7
14 31
0 0 1 0 0 0
15 15
106 第 2 章 　 矩阵

7 27 0 0 0
18 70 0 0 0
58 . (1 ) 3 3 4 1 2 ;
6 9 14 11 10
5 4 8 4 6
1 0 4 0 0
0 4 -3 0 0
(2) 3 2 3 0 0 .
0 0 0 2 - 6
0 0 0 - 8 - 4
59 . 将 B 按列分块为 B = ( b1 , b2 , … , bn ) .
- 1
60 . A = ( C , B) , 其中 B 是第一列元素全为零 , 其余元素为任意的 n×
s 矩阵 .
- 1
- 1
0 C
61 . A = .
B- 1 0
0 0 0 … 0 1/ an
1/ a1 0 0 … 0 0
62 . (3 ) 0 1/ a2 0 … 0 0 ;
… … … ｗ … …
0 0 0 … 1/ an - 1 0
1/ 2 0 - 1/ 2 0 -1
0 1/ 2 0 - 1/ 2 - 3/ 2
(4) 0 0 1 0 0 .
0 0 0 1 0
0 0 0 0 1
63 . 对对应分块矩阵做初等行变换 . 第一行左乘 - CA - 1 加到第二行 .
-1
DB - 1 -1
- C C
64 . .
B- 1 0
An- -1 1 ( I + bw- 1 cAn- -1 1 ) - An- -1 1 bw- 1
65 . , 其中 w= ann - cAn- 1- 1 b .
- 1 -1 - 1
- w cA n- 1 w
习题 　 补充题 　 答案 107

1 1 1
67 . (1 ) - ; (2 ) - 6 ; (3) - ; (4) - ; (5 ) ( - 3) 4 ( - 2 )3 .
24 6 6
68 . 0 . 　 　 69 . | A＊ | 4 | A| = a13 . 　 　 70 . ( D) , ( E ) .
3

71 . - 7 , 因为 αβ = ∑ [α β]
T T
ii = - 2 + ( - 2 ) + ( - 3) .
i= 1

72 . (1 ) B2 = α(βT α)βT = 3 B, 由 归纳法得 ; (2 ) 因为 A2 = I - 2 B + B2 ,

所以 A2 + A - 2 I = ( A + 2 I) ( A - I) = 0 , 从 而 | A + 2 I | = 0 或 | A - I | = 0;
(3) 由 A( A + I) = I 得 | A| ≠0 , | A + I | ≠0 .
- 1
1 ＊
73 . | A| = 2 , B = 3 ( A - I) - 1 A = 3 ( A - 1 ( A - I) ) - 1 = 3 I - A =
2
dia g(6 , 2 , 1) .
74 . | A + I| = | I + AT | | A| , | A| = - 1, | A + I| = | AT + I| ,所以 | A+ I| = 0 .
75 . | I - A| = | AT - I | | A| = ( - 1) n | I - A| , 所以 | I - A| = 0 .
76 . ( B) . 　 　 77 . 利用 An = 2n - 1 A, 得 | k I - An | = k2 ( k - 2 n ) .
1 0 0 0
-2 1 0 0
78 . A = ( (2 C - B) T ) - 1
= .
1 - 2 1 0
0 1 - 2 1
1
0 0
2
79 . A = [ ( C - B) T ] - 1 = 1 , A - 1 = ( C - B) T = diag(2 , 2 , 1) .
0 0
2
0 0 1
80 . (1 ) 利用 B = α α, 其中α = ( 1 , 1 , … , 1 ) ;
T

1
(2) ( I - B) I- B = I.
n- 1
±1
81 . | AB + I | = 1 - 2 a223 ≠0 , a23 ≠ .
2
82 . P - 1 ( A + 2 I) P = P - 1 AP + 2 I = diag ( 3 , … , 3 , 2 , … , 2 ) , 两边 取行 列
式 , 得 | A + 2 I| = 3 r ・2n - r .
83 . 利用 A＊ = | A| A- 1 , (1) ( A - 1 ) ＊ = | A - 1 | A = ( A＊ ) - 1 ; (2 ) ( AT ) ＊ =
| A| ( AT ) = ( | A | A - 1 ) T = ( A＊ ) T ; ( 3 ) ( k A ) ＊ = kn | A | ( k A ) - 1 =
-1

kn - 1 | A| A - 1 = kn - 1 A＊ .
108 第 2 章 　 矩阵

n( n - 1)
1 n
2
84 . (1 ) ;
0 1 n
0 0 1
an C1n an - 1 C2n a n - 2 C3n an - 3
0 an C1n a n - 1 C2n a n - 2
(2) .
0 0 an C1n a n - 1
0 0 0 an
85 . 设 A = ( ai j ) , (1) 取 Ei i = diag(0 , … , 0 , 1 , 0 , … ,0 ) , 由 Ei i A = AEi i ( i=
1 , 2 , … , n)得证 ai j = 0( i≠ j, i, j = 1 , 2 , … , n) . (2) 再证 a11 = a22 = … = ann .
87 . 证明 AB - AB 的主对角元之和等于零 .
88 . 利用 ( I - A) ( I + A + A2 + … + Ak - 2 + Ak - 1 ) = I - Ak = I, 可知 I - A
-1
可逆 , 并得其逆矩阵 . ( I - A) = Ak - 1 + Ak - 2 + … + A + I .
( a - b) n C1n ( a - b) n - 1 C2n ( a - b) n - 2 C3n ( a - b) n - 3
0 ( a - b) n C1n ( a - b) n - 1 C2n ( a - b) n - 2
89 . ,
0 0 ( a - b) n C1n ( a - b) n - 1
0 0 0 ( a - b) n
1 - C 1n ( a - b) - 1 [ (C 1n ) 2 - C 2n ] ( a - b) - 2 [ - ( C 1n )3 + 2 C 2n C 1n - C 3n ] ( a - b) - 3
0 1 - C 1n ( a - b) -1 [ ( C 1n )2 - C 2n ] ( a - b) - 2
0 0 1 - C 1n ( a - b) - 1
0 0 0 1
　 .
( a - b) n

1 - 4 0 0
90 . f ( A) = , 　 g( A) = .
- 12 9 0 0
91 . 对 矩阵的 阶数作 数学归 纳法 , 并用分 块的方 法证明 结论对 n 阶 矩
阵成立 .
0 1 0 0
- 1 0 1 0 A- 1 - A - 1 BC - 1
92 . 例如 . 　 　 　 93 . - 1
.　 　
0 - 1 0 0 0 C
0 0 0 0
94 . 证法同 91 .
　 第 3章

线性方程组

　 　 这一章的中心问题是 讨论 线性方 程组 的解的 基本 理论 , 也 就

是非齐次线性方程组有解和齐次线性方程组有非零解的充分必要
条件以及它们的解的结构 .前 一章介 绍的 高斯 消元法 虽然 提供 了
求解线性方程组的一种基 本方 法 , 但 是它 并没 有告诉 我们 线性 方
程组 Ax= b 的 增 广 矩 阵 ( A, b) 满 足 什 么 条 件 时 , 由 消 元 步 骤 将
( A, b) 化成的阶梯形矩阵 ( C, d) 中的 dr + 1 必定等于 零 ( 即线性方 程
组有解 ) .此外 , 采用不同 的消 元步骤 所得 到的 阶梯形 矩阵 的非 零
行的行数是否唯一确定 ( 即自由未知量的个数是否唯一确定 ) ? 求
解时 , 自由未知量可以有不同的选择 , 那么对不同自由未知量求得
的全部解的集合是否相 等 ? 为了 探讨 这些问 题 , 并给 出明 确的 结
论 , 需要 引入 n 维向量 的概念 , 定义 它的线 性运算 , 研究 向量的 线
性相关性 , 进而引出矩阵的秩的概念 .本章概念密集 , 难点较多 , 读
者要仔细领会 , 深入钻研 , 学好上一章和这一章将为学好线性代数
打下坚实的基础 .

3 .1 　 n 维向量及其线性相关性

在空间解析几何学中 , 我们利 用向 量工 具讨论 过 三元 齐次 线

性方程组
110 第 3 章 　 线性方程组

a11 x1 + a1 2 x2 + a13 x3 = 0 ,
a21 x1 + a2 2 x2 + a23 x3 = 0 , ( 3 .1)
a31 x1 + a3 2 x2 + a33 x3 = 0
的解的几何解释 .记三个方程的系数向量 ( 即平面的法向量 ) 为
αi = ai1 i + ai2 j + ai3 k　 ( i = 1 , 2 , 3) ,
或简记为
αi = ( ai1 , ai2 , ai3 ) 　 ( i = 1 , 2 , 3 ) .
线性方程组 (3． 1 ) 的任一个解记作向量形式
x = x1 i + x2 j + x3 k或 x = ( x1 , x2 , x3 ) .
那么 , 线性方程组的解向量 x 与α1 ,α2 ,α3 都 垂直 ( 因 点积为 0 ) .因
此 , ( i) 如果α1 ,α2 ,α3 不共面 , 只有零向量与三者都垂直 , 即线性 方
程组 (3． 1 ) 只有零解 ; ( ii ) 如果α1 ,α2 ,α3 共 面 , 但 不共 线 , 则 与该 平
面垂直的向量都是 ( 3． 1 ) 的 解向 量 , 故 ( 3． 1 ) 有 无穷 多个彼 此平 行
的解向量 ; ( iii) 如果α1 ,α2 ,α3 共线 , 则过原点且与该直线垂直的 平
面上的全体向量都是 (3． 1 ) 的解向量 , 这时任一解向量可表示为
x = k1 x( 1 ) + k2 x( 2 ) ,
( 1) (2)
其中 x 和 x 是线 性 方 程组 ( 3． 1 ) 的 某 两个 不 共 线的 非 零 解 向
量 , k1 , k2 为任意常数 .
对于 n 元线性方程组 Ax = b, 如 果把 系数 矩阵 和 增广 矩阵 的
每一行也看做一个向量 , 并像 三维几 何向 量那 样定义 它的 加法 运
算和数乘向量的运算 , 那么线性方 程组的 解的情 况也 取决 于 A 和
( A, b) 的所有各行的向量在加法和数乘运算下的相互关系 .
现在 , 我们先引入 n 维向量 的概 念 , 定义它 的线 性 运算 , 并 讨
论向量的线性相关性 .
定义 3 .1 　 数域 F 上的 n 个数 a1 , a2 , … , an 构成的有序数组 ,
称为数域 F 上的一个 n 元向量 ( 以后常称 n 维向量 ) , 记作
α= ( a1 , a2 , … , an ) , ( 3 .2)
3 .1 　 n 维向量及其线性相关性 111

其中 ai 称为α的第 i 个分量 .
向量写作 (3． 2 ) 的形式 , 称为行向量 ; 向量写作列的形式 ( 也用
矩阵的转置记号表示 )
α= ( a1 , a2 , … , an ) T ( 3 .3)
称为列向量 ( ( 3． 2) , ( 3． 3) 式的圆括号也可用方括号 ) .
数域 F 上全体 n 元向量组成的集合 , 记作 Fn .
n
定义 3． 2 　 设α = ( a1 , a2 , … , an ) ,β = ( b1 , b2 , … , bn ) ∈ F ,
k∈ F, 定义 :
( i ) α = β, 当且仅当 ai = bi ( i = 1 , … , n) ;
( ii ) 向量加法 ( 或α与β之和 ) 为
α+ β= ( a1 + b1 , a2 + b2 , … , an + bn ) ;
　 　 ( iii ) 向量的数量乘法 ( 简称数乘 ) 为
kα = ( ka1 , ka2 , … , ka n ) ,
kα 称为向量α与数 k 的数量乘积 .
在定义 3． 2 的 ( iii ) 中 , 取 k = - 1 , 得
( - 1 ) α= ( - a1 , - a2 , … , - an ) . ( 3 .4)
(3 .4 ) 式右端的向量称为α的负向量 , 记作 - α .向量的减法定义为
β - α = β+ ( - α) .
　 　 分量全为零的 n 维向量 ( 0 , 0 , … , 0 ) 称 为 n 维零向 量 , 记作 0n
或简记 0 .
n
上述在 F 中定义的向量 加法 和数 乘运算 称为 向量的 线性 运
算 .设α,β,γ∈ Fn , 1 , k, l∈ F, 用 定义容易 验证它 们满足下 列 8 条
运算规则 :
(1 ) α +β =β + α( 加法交换律 ) ;
(2 ) (α + β) + γ = α + (β +γ) ( 加法结合律 ) ;
(3 ) 对任一个向量α, 有α + 0n = α;
(4 ) 对任一个向量α, 存在负向量 - α, 使α + ( - α) = 0n ;
(5 ) 1 α = α;
112 第 3 章 　 线性方程组

(6 ) k( α
l ) = ( kl)α( 数乘结合律 ) ;
(7 ) k(α +β) = kα + kβ( 数乘分配律 ) ;
(8 ) ( k + l)α = kα + lα ( 数乘分配律 ) .
除了上述 8 条运算规则 , 显然还有以下性质 :
(1 ) 0 α = 0n , k0n = 0n ( 其中 0 为数零 , k 为任意数 ) ;
(2 ) 若 kα = 0n , 则或者 k = 0 , 或者α = 0n ;
(3 ) 向量方程α + x =β有唯一解 x =β - α .
定义 3． 3 　 数域 F 上的全体 n 元 向量 , 在 其中 定 义了 上述 向
量的加法和数乘运算 , 就 称之 为数 域 F 上 的 n 维 向量 空 间 , 仍 记
作 Fn .当 F = R ( 实数域 ) 时 , 叫做 n 维实向量空间 , 记作R n
.
n
定义 3 .4 　 设αi ∈ F , ki ∈ F( 数域 ) ( i = 1 , 2 , … , m) , 则向量
m

∑ kα =
i= 1
i i k1 α1 + k2 α2 + … + kmαm

称为向量组α1 ,α2 , … , αm 在 数 域 F 上 的 一 个 线 性 组 合 .如 果 记
m

β= ∑ k α , 就说 β可由α ,α , … ,α
i =1
i i 1 2 m 线性表示 ( 或线性表出 ) .

向量的线性相关性是向 量在线 性运 算下的 一种 性 质 , 它是 线

性代数中极重要的基本概念 .为了更好地理解这个概念 , 我们先讲
一下它在三维实向量中的某些几何背景 , 然后给以一般定义 .
若三个非零向量α1 ,α2 ,α3 共面 , 则其 中至 少有 一 个向 量可 由
另两个向量线 性 表 示 , 如 图 3． 1 中 :α3 = l1 α1 + l2 α2 , 图 3． 2 中 :
α1 = 0 α2 + l3 α3 , 二者 都 等 价 于 : 存 在 不 全为 0 的 数 k1 , k2 , k3 , 使
k1 α1 + k2 α2 + k3 α3 = 03 ; 若α1 ,α2 ,α3 不共面 ( 如图 3． 3 ) , 则 任一 个
向量都 不 能 由 另 两 个 向 量 线 性 表 示 , 即 只 有 当 k1 , k2 , k3 全 为 0
时 , 才有 k1 α1 + k2 α2 + k3 α3 = 03 .
上述三维向量在线性运算下的性质 ( 即 : 一组向量中是否存在
一个向量可由其余向量线 性表 示 , 或 是否 有不 全为 0 的系 数使 向
量的线性组合为零向量 ) , 就是向量的线性相关性 .
3 .1 　 n 维向量及其线性相关性 113

图 　 3． 1

图 　 3． 2 图 　 3． 3

n
定义 3 .5 　 如果对 m 个向量α1 ,α2 , … ,αm ∈ F , 有 m 个不全 为
零的数 k1 , k2 , … , km ∈ F, 使
k1α1 + k2α2 + … + kmαm = 0n ( 3 .5)
成立 , 则称α1 ,α2 , … ,αm 线性相关 ; 否则 , 称α1 ,α2 , … ,αm 线性无关 .
读者要注意定义中“ 否则”一 词的 含义 , 这里 是指 “
: 没 有不 全
为零的数 k1 , k2 , … , km 使 ( 3． 5 ) 式 成 立 ”, 也 就 是“ 只 有 当 k1 ,
k2 , … , km 全 为 零 时 , 才 使 ( 3． 5 ) 成 立”, 即“ 若 ( 3． 5 ) 成 立 , 则 k1 ,
k2 , … , km 必须全为零”.
以后 ,0n 常简写成 0 , 注意不要把 0 向量与数 0 混淆 .
定理 3 .1 　 向量组α1 ,α2 , … ,αm ( m≥ 2 ) 线 性 相关 的 充分 必 要
条件是α1 ,α2 , … ,αm 中至 少有 一个向 量可 由其余 m - 1 个 向量 线
性表示 .
证 　 设α1 ,α2 , … ,αm 线性相关 , 则存在 m 个不 全为 0 的 数 k1 ,
k2 , … , km , 使
k1 α1 + k2 α2 + … + kmαm = 0 .
114 第 3 章 　 线性方程组

不妨设 k1 ≠0 , 于是由向量的线性运算规则得
k2 k3 km
α1 = - α2 - α3 - … - αm .
k1 k1 k1
必要性得证 .再证充分性 , 不妨 设α1 可 用α2 ,α3 , … ,αm 线性 表示 ,
即
α1 = l2 α2 + l3 α3 + … + lmαm ,
于是有
1 α1 - l2 α2 - l3 α3 - … - lmαm = 0 ,
显然 1 , - l2 , - l3 , … , - l m 不全为 0 , 故α1 ,α2 , … ,αm 线性相关 .■
定理 3． 1 的 等 价 命 题 ( 逆 否 命 题 ) 是 : 向 量 组α1 , α2 , … , αm
( m≥2 ) 线性无关的充分必 要 条件 是其 中任 一 个 向量 都 不能 由 其
余向量线性表示 .
例 1 　 设 n 维向量εi = ( 0 , … , 0 , 1 , 0 , … , 0 ) , 即 第 i 个 分量 为
1 , 其余分量为 0 , 则ε1 ,ε2 , … ,εn 是线性无关的 .
证 　 设存在 n 个数 k1 , k2 , … , kn 使
k1 ε1 + k2 ε2 + … + knεn = 0,
即
( k1 , k2 , … , kn ) = 0,
则必须 k1 = k2 = … = kn = 0 , 故ε1 ,ε2 , … ,εn 线性无关 .
n
以后 , 我们把ε1 ,ε2 , … ,εn 称为基本向量 .因为 F 中任一个 向
量α = ( a1 , a2 , … , an ) 都可由ε1 ,ε2 , … ,εn 线性表示 , 即
α= a1 ε1 + a2 ε2 + … + anεn . ■
　 　 例 2 　 包含零向量的向量组是线性相关的 .
证 　 设向量组α1 ,α2 , … ,αm ( 其 中α1 = 0) , 于 是存 在 不全 为 零
的数 1 , 0 , … , 0 , 使
1 α1 + 0 α2 + … + 0 αm = 0 ,
故α1 ,α2 , … ,αm 线性相关 .
根据定义 3． 5 , 读者不难证明 : 单个向量α线性相关 ( 无关 ) , 当
3 .1 　 n 维向量及其线性相关性 115

且仅当α为零向量 ( 非零向量 ) .
例 3 　 如果向量组α1 ,α2 , … ,αm 中有 一部分 向量 线性相 关 , 则
整个向量组也线性相关 .
证 　 不妨设α1 ,α2 , … ,αj ( j < m) 线性相关 , 于 是有不全 为零 的
数 k1 , k2 , … , kj 使
k1 α1 + k2 α2 + … + kjαj = 0 .
从而有不全为零的数 k1 , k2 , … , kj , 0 , … , 0 使
k1 α1 + k2 α2 + … + kjαj + 0 αj+ 1 + … + 0 αm = 0,
故α1 ,α2 , … ,αm 也线性相关 .
与例 3 等价的命题 ( 即逆否命题 ) 是 : 如果α1 ,α2 , … ,αm 线性 无
关 , 则其任一部分向量组也线性无关 .
总之 , 向量组部分线性 相关 , 则 整体也 线性 相关 ; 整体 线性 无
关 , 则任一部分都线性无关 .
需要注意 , 定理 3． 1 不 能理解 为 : 线性 相关 的向 量 组中 , 每 一
个向量都能由其余向量线性表示 .例如 ,α1 = (0 , 1 ) ,α2 = ( 0 , - 2 ) ,
α3 = (1 , 1 ) 是线性相 关的 ( 因为 其中α1 ,α2 线性相 关 ) , 但α3 不能 由
α1 ,α2 线性表示 , 即对于任意的 k1 , k2 , 都有α3 ≠ k1 α1 + k2 α2 .
如果两个非零向量α = ( a1 , … , an ) ,β = ( b1 , … , bn ) 线 性相关 ,
则必有全不为零的数 k1 , k2 , 使
k1 α+ k2 β= 0 .
从而α = kβ, 即 ai = kbi ( i = 1 , … , n) , 即α与β的 n 个分量成比例 .
n
定理 3 .2 　 设α1 ,α2 , … ,αr ∈ F , 其中
T
α1 = ( a11 , a21 , … , an1 ) ,
T
α2 = ( a12 , a22 , … , an2 ) ,
…
T
αr = ( a1 r , a2 r , … , an r ) .
则向量组α1 ,α2 , … ,αr 线 性 相 关 的 充 分 必 要 条 件 是 齐 次 线 性 方
程组
116 第 3 章 　 线性方程组

Ax = 0 ( 3 .6)
有非零解 , 其中
a1 1 a1 2 … a1 r x1
a2 1 a2 2 … a2 r x2
A = (α1 ,α2 , … ,αr ) = , 　 x= .
… … … …
an1 an2 … an r xr
　 　证　设
x1 α1 + x2 α2 + … + xrαr = 0n , ( 3 .7)
即
a1 1 a12 a1 r 0
a2 1 a22 a2 r 0
x1 + x2 + … + xr = . ( 3 .8)
… … … …
an1 an2 an r 0
将 (3． 8 ) 式 左 端 作 线 性 运 算 , 再 与 其 右 端 相 等 , 即 得 线 性 方 程 组
(3． 6 ) .因此 , 如果α1 ,α2 , … ,αr 线性相关 , 就必有不全为零的数 x1 ,
x2 , … , x r 使 (3． 7 ) 式成 立 , 即 齐 次线 性 方程 组 ( 3． 6 ) 有 非 零解 ; 反
之 , 如果线性方程 组 (3． 6 ) 有 非零 解 , 也 就是 有不 全 为零 的 数 x1 ,
x2 , … , x r 使 (3． 7 ) 式成立 , 则α1 ,α2 , … ,αr 线性相关 .定理得证 . ■
定理 3． 2 的等价命题是 : α1 ,α2 , … ,αr 线性无关的充分必要条
件是齐次线性方程组 (3． 6 ) 只有零解 .
在定理 3． 2 中 , 如 果 n < r, 由 高 斯消 元 法 可 知 , 线 性 方 程 组
(3． 6 ) 求解 时必有自 由未知 量 , 即必有非 零解 .因此 , 任何 n + 1 个
n
n 维向量都是线性相 关 的 .所 以 在 R 中 , 任 何 一 组线 性 无关 的 向
量最多只能含 n 个向量 .
定理 3 .3 　 若向量组α1 ,α2 , … ,αr 线性 无关 , 而β,α1 ,α2 , … ,αr
线性相关 , 则β可由α1 ,α2 , … ,αr 线性表示 , 且表示法唯一 .
证 　 因为β,α1 ,α2 , … ,αr 线 性 相 关 , 所 以 存 在 不全 为 零 的 数
k, k1 , k2 , … , kr , 使得
3 .1 　 n 维向量及其线性相关性 117

kβ+ k1 α1 + k2 α2 + … + k rαr = 0, ( 3 .9)

其中 k≠ 0( 如果 k = 0 , 则由α1 ,α2 , … ,αr 线性无关又得 k1 , k2 , … , kr
必须全为零 , 这与 k, k1 , k2 , … , kr 不 全为 零矛盾 ) , 于 是β可 由α1 ,
α2 , … ,αr 线性表示为
k1 k2 kr
β= - α1 - α2 - … - αr .
k k k
　 　 再证表示法唯一 , 设有两种表示法 :
β= l1 α1 + l2 α2 + … + lrαr
= h1 α1 + h2 α2 + … + hrαr ,
于是
( l1 - h1 ) α1 + ( l2 - h2 ) α2 + … + ( lr - hr ) αr = 0 .
由于α1 ,α2 , … ,αr 线性无关 , 所以必有
li - hi = 0 , 即 li = hi , 　 i = 1 , … , r,
故β由α1 ,α2 , … ,αr 线性表示的表示法唯一 . ■
由定理 3． 2 和定理 3． 3 , 立即可得下面的推论 .
n n
推论 　 如果 F 中的 n 个向量α1 ,α2 , … ,αn 线性无关 , 则 F 中
的任一向量α可由α1 ,α2 , … ,αn 线性表示 , 且表示法唯一 .
例 4 　 设α1 = ( 1 , - 1 , 1 ) ,α2 = ( 1 , 2 , 0 ) , α3 = ( 1 , 0 , 3 ) ,α4 =
(2 , - 3 , 7 ) .
问 : ( 1) α1 ,α2 ,α3 是否 线性 相关 ? ( 2 ) α4 可否 由α1 ,α2 ,α3 线
性表示 ? 如能表示求其表示式 .
解 　 (1 ) 根据定理 3． 2 , 将α1 ,α2 ,α3 设为列向量 , 作矩阵
1 1 1
T T T
A = (α1 ,α2 ,α3 ) = - 1 2 0 .
1 0 3
由 | A| = 7 , 得 A 可逆 , 从而 得 方 程 组 Ax = 0 只 有 零 解 , 故α1 ,α2 ,
α3 线 性无关 .
(2 ) 根据推论 ,α4 可由α1 ,α2 ,α3 线性表示 , 且表示法唯一 .设
118 第 3 章 　 线性方程组

x1 α1 + x2 α2 + x3 α3 = α4 ,
即 　 　 x1 (1 , - 1 , 1 ) + x2 ( 1 , 2 , 0) + x3 (1 , 0 , 3 ) = ( 2 , - 3 , 7) .
于是得
x1 1 1 1 x1 2
T T T
(α ,α ,α ) x2
1 2 3 = - 1 2 0 x2 = - 3 ,
x3 1 0 3 x3 7
即 Ax= α4 , 解此方程组得唯一解 : x1 = 1 , x2 = - 1 , x3 = 2 , 故
α4 = α1 - α2 + 2 α3 .
　 　 例 5 　 设向量组α1 ,α2 ,α3 线性无关 , 又β1 = α1 + α2 + 2 α3 ,β2 =
α1 - α2 ,β3 =α1 +α3 , 证明β1 ,β2 ,β3 线性相关 .
证 　 思路是 , 由 x1 β1 + x2 β2 + x3 β3 = 0 推出 x1 , x2 , x3 不 全
为零 .
设
x1 β1 + x2 β2 + x3 β3 = 0, (3 .1 0)
即
x1 (α1 + α2 + 2 α3 ) + x2 (α1 - α2 ) + x3 (α1 + α3 ) = 0,
( x1 + x2 + x3 ) α1 + ( x1 - x2 ) α2 + (2 x1 + x3 ) α3 = 0 .
由于α1 ,α2 ,α3 线性无关 , 上式系数必须全为零 , 于是得
x1 + x2 + x3 = 0 ,
x1 - x2 = 0,
2 x1 + x3 = 0 .
容易解 得 此 方程 组 有 非 零 解 ( - 1 , - 1 , 2 ) .因 此 , 有 不 全 为 零 的
x1 , x2 , x3 使 ( 3． 10 ) 式成立 , 故β1 ,β2 ,β3 线性相关 . ■
利用定理 3． 2 的结论容易证明 : 如 果一组 n 维向 量α1 ,α2 , … ,
αs 线性无关 , 那么把这些向量各任意添 加 m 个分量所 得到的新 向
＊ ＊ ＊
量 ( n + m 维 ) 组α1 ,α2 , … ,αs 也 是线 性无 关的 ; 如果α1 ,α2 , … ,αs
线性相关 , 那么它们各去 掉相 同的若 干个 分量 所得到 的新 向量 组
也是线性相关的 .事实上 , 对于
3 .2 　 向量组的秩及其极大线性无关组 119

＊ ＊ ＊
A = (α1 ,α2 , … ,αs ) , B = (α1 ,α2 , … ,αs ) ,
其中α1＊ ,α2＊ , … ,αs＊ 是 分别 在α1 ,α2 , … ,αs 后 面任 加 m 个 分 量 .如
果α1 ,α2 , … ,αs 线性无 关 , 即齐 次线性 方程 组 Ax = 0 只 有零 解 , 则
Bx = 0 显然也只有零解 ( 即α1＊ ,α2＊ , … ,αs＊ 也线 性 无关 ) ; 反之 , 如
果α1＊ ,α2＊ , … ,αs＊ 线性相关 , 即 Bx = 0 有 非零 解 , 则 Ax = 0 也有 非
零解 ( 即α1 ,α2 , … ,αs 也线性相关 ) .

3 .2 　 向量组的秩及其极大线性无关组

这一节 , 我们利用向量 的线 性相关 性的 概念 , 来 定义“ 向量 组

的秩”, 并讨论一个向量组中线性无关的向量最多有多少个 .
向量组的秩也是一个重要的概念 , 先看一个例子 .
在R3 中 , 给定 4 个共面 的向 量α1 ,α2 ,α3 ,α4 ( 如图 3． 4 所示 ) ,
它们显然是线性相关的 , 但它们中存在两个线性无关的向量 , 而且
任一个向 量 都 可 由 这两 个 线 性 无
关的 向 量 线 性 表 示 ( 例 如 : α1 ,α2
线性无关 ,α3 和α4 可 由α1 和α2 线
性表示 ) .此 外 它 们 中 任 意 3 个向
量是 线 性 相 关 的 , 即 它 们 中 任 一
个线 性 无 关 的 部 分 组 最 多 只 含
图 　 3 .4
“ 2”个 向 量 , 数“ 2 ”就 叫 做 这 个 向
量组 的秩 .下 面正 式给出 向量 组的秩 的定 义 .
定义 3 .6 　 如果向量组α1 ,α2 , … ,αs 中存在 r 个线 性无关的 向
量 , 且其中任一个向量可由这 r 个线性无关的向量线性表 示 , 则 数
r 称为向量组的秩 , 记作秩{α1 ,α2 , … ,αs } = r .
显然 , 如果α1 ,α2 , … ,αs 线 性无 关 , 则 秩 {α1 ,α2 , … ,αs } = s; 只
含零向量的向量组的秩为零 .
120 第 3 章 　 线性方程组

秩为 r 的向量组中 , 任 意 r + 1 个 向量 都是 线性 相关 的 .为 了
证明这个结论和叙述方便 , 再给一个定义并证明一个定理 .
定义 3 .7 　 如果向 量 组β1 ,β2 , … ,βt 中 每 个 向 量可 由 向 量 组
α1 ,α2 , … ,αs 线性表示 , 就称前一 个向量组 可由后 一个向量 组线 性
表示 .如果两个向量组可以互相线性表示 , 则称这两个向量组是等
价的 .
定理 3 .4 　 如果向量组β1 ,β2 , … ,βt 可由 向 量组α1 ,α2 , … ,αs
线性表示 , 且 t > s, 则β1 ,β2 , … ,βt 线性相关 .
s

证 　 设 βj = ∑k
i= 1
ij αi ( j = 1 , … , t) , 欲证β1 ,β2 , … ,βt 线性 相

关 , 只需证 : 存在不全为零的数 x1 , x2 , … , x t 使得
x1 β1 + x2 β2 + … + xβ
t t = 0, (3 .1 1)
即
t t s s t

∑ xβ
j= 1
j j = ∑ ∑k
j =1 i =1
ij αi = ∑ ∑k
i=1 j =1
ij x j αi = 0 .

当其中α1 ,α2 , … ,αs 的系数

t

∑k j= 1
ij x j = 0 　 ( i = 1 , 2 , … , s) (3 .1 2)

时 , ( 3． 11 ) 式显然成立 .而 (3． 12) 式是 t 个 未知 量 x 1 , x2 , … , xt 的

齐次线性方程组 , 由于 t > s( 方程个数 ) , 故线性方程组 ( 3． 12 ) 有 非
零解 , 即 有 不 全 为 零 的 x1 , x2 , … , x t 使 ( 3． 11 ) 式 成 立 .所 以β1 ,
β2 , … ,βt 线性相关 . ■
我们把定理 3． 4 的等价命题写作推论 1 .
推论 1 　 如果向量组 β1 , … ,βt 可由 向 量组 α1 , … ,αs 线 性 表
示 , 且 β1 , … ,βt 线性无关 , 则 t≤ s .
推论 2 　 若秩{α1 , … ,αs } = r , 则α1 , … ,αs 中任 何 r + 1 个向 量
都是线性相关的 .
证 　 不妨设α1 , … ,αr 是向量组α1 , … ,αs 中的 r 个线性 无关 的
3 .2 　 向量组的秩及其极大线性无关组 121

向量 , 由于该向量组中任一个向量可由α1 , … ,αr 线性表示 , 所以 由

定理 3． 4 立即可得其中任何 r + 1 个向量都线性相关 . ■
如此 , 向量组的秩 可等 价地 定义 为 : 若 向 量组 中 存在 r 个 线
性无关的向量 , 且任何 r + 1 个向 量 都线 性相 关 , 就 称数 r 为 向 量
组的秩 .
由此可知 , 秩为 r 的向量组中 , 任一个线性无关的部分组最 多
只含 r 个向量 .因此 , 秩为 r 的向量组中含有 r 个向量 的线性无 关
组 , 称为该向量组的极 大线性 无关 组 .一般情 况下 , 极 大线 性无 关
组不唯一 , 但不同的极大线性无关组所含向量个数是相同的 , 如图
3． 4 中 ,α1 ,α2 和α1 ,α3 都是极大线性无关组 .
推论 3 　 设秩{α1 , … ,αs } = p, 秩 {β1 , … ,βt } = r , 如 果向 量 组
β1 , … ,βt 可由向量组α1 , … ,αs 线性表示 , 则 r≤ p .
证 　 不妨设α1 , … ,αp 和 β1 , … ,βr 分别 是两个 向 量组 的极 大
线性无关组 , 因此有
p

αi = ∑c α 　 (i =
j= 1
ij j 1 , … , s) .

　 　 又已知
s

βk = ∑b
i=1
ki αi 　 ( k = 1 , … , r, … , t) .

所以
s p p s

βk = ∑b ∑c
i=1
ki
j =1
ij αj = ∑ ∑b
j= 1 i= 1
ki cij αj ,

即β1 , … ,βr 可由α1 , … ,αp 线性表示 , 于是由推论 1 可得 r≤ p . ■

由推论 3 立即可得 , 等价向量组的秩相等 .
关于如何求向量组的秩 及其极 大线 性无关 组 , 在 下一 节再 作
介绍 .
122 第 3 章 　 线性方程组

3 .3 　 矩阵的秩 　 ＊ 相抵标准形

对于矩阵 A, 我们把它的每一行 ( 列 ) 称为 A 的一个 行 ( 列 ) 向

量 , 把 A 的行 ( 列 ) 向量组的 秩 称为 A 的行 ( 列 ) 秩 .显然 , m× n 矩
阵 A 的行秩≤ m, 列秩≤ n .
阶梯形矩阵
a1 1 a1 2 a1 3 a1 4 a1 5
0 0 a2 3 a2 4 a2 5
A=
0 0 0 a3 4 a3 5
0 0 0 0 0
( 其中 a11 ≠0 , a23 ≠0 , a3 4 ≠0) 的行秩 = 3 , 列秩 = 3 , 这是因为 : 把 A
按行和按列分块为
α1
α2
A= , A = (β1 ,β2 ,β3 ,β4 ,β5 ) ,
α3
α4
则 : ( i) 由 x1 α1 + x2 α2 + x3 α3 = 0 可推 出 数 x1 , x2 , x3 必须 全 为
零 , 故α1 ,α2 ,α3 线性无关 , 而α4 = 0, 因此 A 的行秩等于 3 .
( ii ) 由 y1 β1 + y3 β3 + y4 β4 = 0 可 推出数 y1 , y3 , y4 必须全 为
零 , 故β1 ,β3 ,β4 线 性无关 , 又 易见 A 的任 意 4 个列 向量都 线性 相
关 ( 因为任意 4 个三维向量都线性相关 ) , 因此 A 的列秩也等于 3 .
由此例我们可得一 般的 结 论 : 阶梯 形矩 阵的 行 秩等 于 列秩 ,
其值等于阶梯形矩阵的非零行的行数 .
用高斯消元法解线性方程组 Ax = b 的 消元 步骤 , 是对 增广 矩
阵 ( A, b) 做初等 行 变换 将其 化为 阶梯 形 矩 阵 , 而 初等 行 变换 的 倍
乘、倍加变换实际是对 行向量 做线 性运算 , 因 此 , 我们 需要 研究 初
等变换是否改变矩阵的行秩和列秩 .
 ＊
3 .3 　 矩阵的秩 　 相抵标准形 123

定理 3 .5 　 如果对矩阵 A 做初等 行 变换 将其 化为 B, 则 B 的
行秩等于 A 的行秩 .
证 　 只需证明每做一次倍乘、倍加和对换行变换 , 矩阵的行秩
都不变 .
设 A 是 m× n 矩阵 , A 的 m 个行向量记作 α1 ,α2 , … ,αm .
( i ) 对换 A 的某两行位置 , 所得到的 矩阵 B 的 m 个行 向量 仍
是 A 的 m 个行向量 , 显然 B 的行秩等于 A 的行秩 .
( ii ) 把 A 的第 i 行乘非零常数 c 得 B, 则 B 的 m 个行 向量 为
α1 ,α2 , … , cαi , … ,αm , 显然 B 的行向 量组 与 A 的行 向量组 是等 价
的 , 根据定理 3． 4 的推论 3 , B 的行秩等于 A 的行秩 .
α1 α1 β1
… … …
αi αi βi
i 行乘 c
( iii ) A = … … 记作 … = B .
加到 j 行
αj cαi +αj βj
… … …
αm αm βm
显然 , B 的 行 向 量 组 可 由 A 的 行 向 量 组 线 性 表 示 , 又 αk =
βk ( k≠ j) ,αj = - cβi +βj , 所以 A 的行向量组也可由 B 的行向量 组
线性表示 , 因此 A 与 B 的行秩也相等 . ■
由定理 3． 5 可知 , 对线性方程组 Ax = b 的增 广矩阵 ( A, b) , 不
论怎样做初等行变换将其 化为 阶梯形 矩阵 , 其 非零行 的行 数都 等
于 ( A, b) 的行秩 .
初等行变换也不改变矩阵的列秩 , 这是因为 :
定理 3 .6 　 对矩阵 A 做初 等行 变换化 为 B, 则 A 与 B 的任 何
对应的列向量组有相同的线性相关性 , 即
初 等行 变换
A = (α1 ,α2 , … ,αn ) (ζ1 ,ζ2 , … ,ζn ) = B,
 124 第 3 章 　 线性方程组

则列向量组αi1 ,αi2 , … ,αi r 与ζ i1 ,ζi2 , … ,ζi r ( 1 ≤ i1 < i2 < … < ir ≤

n) 有相同的线性相关性 .
证 　 对 A 做初等行变换化为 B, 就 是用若 干初等 阵 P1 , … , Ps
左乘 A 使之等于 B, 记 P = Ps … P2 P1 , 即有
PA = B .
从而
Pαj = ζj , j = 1 , 2 , … , n .
取
A1 = (αi1 ,αi2 , … ,αi r ) ,
B1 = (ζi1 ,ζi2 , … ,ζi r ) ,
T
x1 = ( x i1 , xi2 , … , x i r ) ,
则齐次线性方程组 A1 x1 = 0 与 B1 x1 = 0( 即 PA1 x1 = 0) 显然是同解
方程组 .因此 , 根据定理 3． 2 即得 A1 与 B1 的列向量组有相同的线
性相关性 . ■
定理 3． 6 也提供了求向量组的秩及其极大线性无关组的一个
简便而有效的方法 .
T T
例 1 　 设向 量 组 :α1 = ( - 1 , - 1 , 0 , 0 ) ,α2 = ( 1 , 2 , 1 , - 1 ) ,
T T T
α3 = (0 , 1 , 1 , - 1 ) ,α4 = ( 1 , 3 , 2 , 1 ) ,α5 = ( 2 , 6 , 4 , - 1 ) .试 求 向
量组的秩及其一个极大线 性无 关组 , 并将 其余 向量用 这个 极大 线
性无关组线性表示 .
解 　 作矩阵 A = (α1 ,α2 ,α3 ,α4 ,α5 ) ( 如果 向量 以行 向量 给出 ,
也按列向量作矩阵 A) , 对 A 做初等行变换将其化为阶梯矩阵 , 即
- 1 1 0 1 2
- 1 2 1 3 6
A=
0 1 1 2 4
0 - 1 - 1 1 - 1
 ＊
3 .3 　 矩阵的秩 　 相抵标准形 125

1 - 1 0 - 1 - 2
① × ( - 1) 0 1 1 2 4
② + ① 0 1 1 2 4
0 - 1 - 1 1 - 1
1 - 1 0 - 1 - 2
③ + ② × ( - 1) 0 1 1 2 4
④ +② 0 0 0 0 0
0 0 0 3 3
1 - 1 0 - 1 - 2
1
④×
3 0 1 1 2 4
③＼ ④ 0 0 0 1 1
0 0 0 0 0
1 - 1 0 0 - 1
① +③ 0 1 1 0 2
② + ③ × ( - 2) 0 0 0 1 1
0 0 0 0 0
1 0 1 0 1
① +② 0 1 1 0 2
= U.
0 0 0 1 1
0 0 0 0 0
把上面最后一个阶梯矩阵 U 记作 (ζ1 ,ζ2 ,ζ3 ,ζ4 ,ζ5 ) .
易见ζ1 ,ζ2 ,ζ4 是 U 的列 向量组的 一个极 大线性无 关组 , 所 以
α1 ,α2 ,α4 也是 A 的列向量组的一 个极大线 性无关 组 , 故秩 {α1 ,α2 ,
α3 ,α4 ,α5 } = 3 , 令
x1 α1 + x2 α2 + x4 α4 = α3 ,
y1 α1 + y2 α2 + y4 α4 = α5 .
　 　 用高斯消元法解这两 个线 性方 程组 , 可 利用 阶梯 矩阵 U, ( 如
后者可用 U 的第 1 , 2 , 4 , 5 列 ) , 得 到它们对 应的 同解 线性方 程组 ,
126 第 3 章 　 线性方程组

从而
α3 =α1 + α2 ,
α5 =α1 + 2 α2 + α4 .
如果只需求向量组的秩和极大线性无 关组 , 只要 对 A 做初 等行 变
换将其化为一般的阶梯矩阵 , 而不必化为行简化阶梯矩阵 .
由定理 3． 5 和定理 3． 6 可以 推出 : 初 等列 变换 也 不改 变矩 阵
的列秩和行秩 .因为 对 A 做 列变 换 就是 对 AT 做行 变 换 , AT 的 行
( 列 ) 秩就是 A 的列 ( 行 ) 秩 .于是综上就有下面的定理 .
定理 3 .7 　 初等变换不改变矩阵的行秩和列秩 .
由定理 3． 5 和定理 3． 6 还可推出下面的定理 .
定理 3 .8 　 矩阵 A 的行秩等于其列秩 .
证 　 对 A 做初等行变换将其化为阶梯矩阵 U, 则有
A 的行秩 = U 的行秩
= U 的列秩 = A 的列秩 . ■
　 　 由于矩阵 A 的行秩与列秩相等 , 所以我们给出下面的定义 :
定义 3 .8 　 矩 阵 A 的 行 秩 的 数 值 称 为 矩 阵 A 的 秩 , 记 作 :
秩 ( A) 或 r ( A) .秩 ( A) = n 的 n 阶矩阵也称满秩矩阵 .
定理 3 .9 　 n 阶矩阵 A 的秩等于 n 的充要条 件是 A 为非奇 异
矩阵 ( 即 | A| ≠0 ) .
证 　 若 r ( A) = n, 则对 A 做初 等行变换 可以将 其化为有 n 个
非零行的行简化阶梯矩阵 ( 即单 位矩阵 I) , 也 就是 , 存在可 逆矩 阵
P, 使 PA= I, 即 | P| | A| = 1 , 故 | A | ≠ 0; 反之 , 若 | A| ≠ 0 , 则齐次 线
性方程组 Ax = 0 只有零解 , 即 x = A - 1 0 = 0, 故 A 的 n 个列向量 线
性无关 , 即 r( A) = n . ■
对于一般的 m× n 矩 阵 A, A 的秩 与 A 的 子行 列 式也 有密 切
的关系 .
定义 3 .9 　 矩阵 A = ( aij ) m× n 的任意 k 个行 ( i1 , i2 , … , ik 行 ) 和
2
任意 k 个列 ( j1 , j2 , … , j k 列 ) 的交 点上 的 k 个 元素 按原顺 序排 成
 ＊
3 .3 　 矩阵的秩 　 相抵标准形 127

的 k 阶行列式
ai1 j1 ai1 j2 … ai1 j k
ai2 j1 ai2 j2 … ai2 j k
(3 .1 3)
… … …
ai k j1 ai k j 2 … ai k j k
称为 A 的 k 阶子行列 式 , 简称 A 的 k 阶 子 式 .当 ( 3． 13 ) 式 等于 零
( 不等 于 零 ) 时 , 称 为 k 阶 零 子 式 ( 非 零 子 式 ) .当 ( 3． 13 ) 式 的
j1 = i1 , j2 = i2 , … , j k = i k 时 , 称为 A 的 k 阶主子式 .
如果矩阵 A 存 在 r 阶非零子 式 , 而所有 r + 1 阶 子式 ( 如果 有
r + 1 阶子式 ) 都等于零, 则矩阵 A 的非零子式的最高阶数为 r, 因为
由所有 r+ 1 阶子式都等于零可推出所有更高阶的子式都等于零 .
定理 3 .10 　 秩 ( A) = r 的充要条件 是 A 的 非零子式的最高 阶
数为 r .
证 　 先证必要性 .设秩 ( A) = r, 即 A 的 行秩 为 r , 不 妨设 A 的
前 r 行构成的矩阵 A1 的 行秩 为 r, 其列 秩也 为 r; 不妨 再设 A1 的
前 r 个列向量线 性无关 .如此 由定理 3． 9 可知 A 的左上角 r 阶 子
式为非零子式 .又因为 A 的任意 r + 1 个 行向量线 性相关 , 所 以 A
的任意 r + 1 阶子式都是零子式 ( 因为其中有一行可用 其余 r 行 线
性表示 ) , 因此 , A 的非零子式的最高阶数为 r .
再证充分性 .不妨设 A 的左上角 r 阶子式 | Ar | ≠0 , 于是 Ar 可
逆 , 其 r 个行向量线性无关 , 将它们添加分量成为 A 的前 r 个行向
量 , 它们也线性无关 ; 而 A 的任何 r + 1 个行向量必线性相关 ( 否则
由必要性的证明可知 A 中存在 r + 1 阶非零子式 , 这与题设矛盾 ) ,
故 A 的行秩 = 秩 ( A) = r . ■
综上所述 , 关于矩 阵的 秩 的基 本 结 论是 : ( 1 ) 矩 阵的 秩 = 矩
阵的行秩 = 矩阵的列秩 = 矩阵 的 非零 子式 的最 高阶 数 ; ( 2 ) 初 等
变换不改变矩阵的秩 .
128 第 3 章 　 线性方程组

矩阵的秩对线性方程组 的解有 十分 重要的 意义 , 在以 后两 节

我们将予以阐明 .
现在我们研究矩阵相加、相乘以后的秩的情况 :
性质 1 　 r( A + B) ≤r ( A) + r ( B)
证 　 设 A, B 均是 m× n 矩阵 , r( A) = p , r ( B) = q, 将 A, B 按列
分块为
A = (α1 ,α2 , … ,αn ) , B = (β1 ,β2 , … ,βn ) ,
于是
A + B = (α1 + β1 ,α2 + β2 , … ,αn + βn ) .
　 　 不 妨 设 A 和 B 的 列 向 量 组 的 极 大 线 性 无 关 组 分 别 为α1 ,
α2 , … ,αp 和 β1 ,β2 , … ,βq , 于是 A + B 的列向 量组 可由 向量组 α1 ,
α2 , … ,αp ,β1 ,β2 , … ,βq 线性表示 , 因此
r ( A + B) = A + B 的列秩
≤秩{α1 ,α2 , … ,αp ,β1 ,β2 , … ,βq } ≤ p + q . ■
　 　 性质 2 　 r( AB) ≤min ( r ( A) , r ( B) )
证 　 设 A, B 分别是 m× n, n× s 矩阵 , 将 A 按列分块 , 则
b11 b12 … b1 s
b21 b22 … b2 s
AB = (α1 ,α2 , … ,αn )
… … …
bn1 bn2 … bn s
的列向量 组γ1 , … ,γs 可 由 A 的列 向 量 组α1 , … ,αn 线性 表 示 , 故
r( AB) = AB 的列秩≤ A 的列秩 = r( A) .类似地 , 将 B 按行 分块 , 可
得 r ( AB) ≤ r( B) . ■
性质 3 　 设 A 是 m × n 矩 阵 , P, Q 分 别 是 m 阶、n 阶 可 逆 矩
阵,则
r( A) = r( PA) = r( AQ) = r( PAQ) .
　 　 证 　 由于可逆矩阵 P, Q 可以表示为 若干个初 等阵的 乘积 , 而
- 1
初等变换 不改 变矩 阵的秩 , 故 结论 成立 .或 者根据 A = P ( PA) ,
 ＊
3 .3 　 矩阵的秩 　 相抵标准形 129

利用性质 2 得
r( A) = r[ P- 1 ( PA) ] ≤ r ( PA) ≤ r( A) ,
故 r ( PA) = r ( A) , 同理可证其余等式 . ■
例 2 　 设 A 是 m× n 矩阵 , m < n, 证明 : | AT A| = 0 .
T
证 　 由于 r ( A) = r ( A ) ≤ mi n( m, n) < n, 根据性质 2 , 有
r ( AT A) ≤ min ( r( AT ) , r( A) ) < n,
而 AT A 是 n 阶矩阵 , 根据定理 3． 9 或定理 3． 10 , 即得 | AT A| = 0 .
■
＊ 最后我们讨论 , 一个秩 为 r 的 矩阵 通过 初等 变 换可 以化 为
怎样的最 简 单 的 矩 阵 , 也 就 是 矩 阵 的 相 抵 标 准 形 ( 或 说 等 价 标
准形 ) .
定义 3 .10 　 若矩 阵 A 经 过初 等变换 化为 B ( 或 : 若存 在可 逆
阵 P 和 Q, 使得 PAQ = B) , 就称 A 相抵于 B, 记作 Aǖ B .
根据定义 , 容易证明矩阵的相抵关系有以下性质 :
( i ) 反身性 , 即 Aǖ A;
( ii ) 对称性 , 即若 Aǖ B, 则 Bǖ A( 由 于有对 称性 , Aǖ B 一 般
就说 A 和 B 相抵 ) ;
( iii ) 传递性 , 即若 Aǖ B, Bǖ C, 则 Aǖ C .
所以相抵是一种等价关系 .
定理 3 .11 　 若 A 为 m× n 矩阵 , 且 r( A) = r, 则一定存在可 逆
矩阵 P( m 阶 ) 和 Q( n 阶 ) , 使得
Ir 0
PAQ = = U, (3 .1 4)
0 0 m× n

其中 Ir 为 r 阶单位矩阵 .
证 　 对 A 做初等行变换 , 将 A 化为 有 r 个非 零行的行 简化 阶
梯阵 U1 , 即存在初等矩阵 P1 , P2 , … , Ps , 使得
Ps … P2 P1 A = U1 .
再对 U1 做倍 加列 变换 和列 对 换可 将 U1 化为 ( 3． 14 ) 式 右 端的 U
130 第 3 章 　 线性方程组

矩阵 , 即存在初等矩阵 Q1 , Q2 , … , Qt , 使得
U1 Q1 Q2 … Qt = U .
记 Ps … P2 P1 = P, Q1 Q2 … Qt = Q( P, Q 均可逆 ) , 则有 PAQ= U . ■
我们把 ( 3． 14 ) 式 右 端 的 矩 阵 称 为 A 的 相 抵 标 准 形 .由 定 理
3． 11 可知 , 秩相同的同型矩阵必相抵 于同一相 抵标准形 .因 此 , 任
意两个秩相同的同型矩阵是相抵的 .
＊
例 3 　 设 A 是 m × n 矩 阵 ( m > n) , 秩 ( A) = n .证 明 : 存 在
n× m 矩阵 B, 使得 BA = In .
证 　 根据 定理 3． 11 , 存 在 m 阶 可逆 矩阵 P 和 n 阶 可逆 矩 阵
Q, 使得
In
PAQ = ,
01
于是
- 1
In -1
Q
PA = Q = ,
01 01
其 中 01 是 ( m - n) × n 零 矩 阵 , 取 C = ( Q, 02 ) , 其 中 02 是
n× ( m - n) 零矩阵 , 则
Q- 1 -1
C PA = ( Q, 02 ) = QQ + 02 01 = In ,
01
故存在 B= CP, 使得 BA= In .
此例更简便的解法是 , 对 A 只做初 等行变 换即 可将其 化为 标
准形 , 即存在 m 阶可逆矩阵 P, 使
In
PA = .
01
　 　 下面再列举几个有关矩阵的秩和向量组的秩的例子 .
例 4 　 设α1 = ( 1 , 3 , 1 , 2 ) ,α2 = (2 , 5 , 3 , 3 ) ,α3 = ( 0 , 1 , - 1 , a) ,
α4 = (3 , 10 , k, 4) , 试求向量组α1 ,α2 ,α3 ,α4 的秩 , 并将α4 用α1 ,α2 ,α3
线性表示 .
 ＊
3 .3 　 矩阵的秩 　 相抵标准形 131

解 　 将 4 个向量按列排成一个矩阵 A, 对 A 做初等行变换 , 将
其化为阶梯形矩阵 U , 即
1 2 0 3 1 2 0 3
3 5 1 10 初等 0 - 1 1 1
A= = U.
1 3 - 1 k 行变 换 0 0 a - 1 - 3
2 3 a 4 0 0 0 k- 2
　 　 当 a = 1 或 k = 2 时, 阶 梯矩 阵 U 只有 3 个 非 零行, 所 以
秩 ( A) = 秩{α1 ,α2 ,α3 ,α4 } = 3 ;
当 a≠ 1 且 k≠2 时 , 秩 ( U) = 秩 ( A) = 秩{α1 ,α2 ,α3 ,α4 } = 4 .
设 x1 α1 + x2 α2 + x3 α3 =α4 , 这个向量方程对应的 非齐次线 性
方程组的增广矩阵就是 A, 用高斯 消元法 ( 即对 A 做初 等行变 换 )
将 A 化为 U, 由此可见 , 当 k = 2 且 a≠1 时 ,α4 可由α1 ,α2 ,α3 线 性
表示 , 并得 :
3 2 + a 1 + 5a
x3 = , x2 = - 1 + x3 = , x1 = 3 - 2 x2 = - .
1 - a 1 - a 1 - a
当 k≠2 或 a = 1 时 ,α4 不能由α1 ,α2 ,α3 线性表示 .
1 2 1
2 2 - 2
例 5 　 设 A= ,
- 1 t 5
1 0 - 3
已知 r ( A) = 2 , 求 t .
解 　 对 A 做初等行变换将其化为矩阵 B, 即
1 2 1
0 - 2 - 4
A = B.
0 2 + t 6
0 0 0
由于 r ( A) = r ( B) = 2 , 所 以 B 中第 2、第 3 行必 须成 比例 , 于是 由
-2 -4
= , 即得 t = 1 .
2+ t 6
132 第 3 章 　 线性方程组

例 6 　 已知 r( B) = 2 ,
1 2 0
A= 0 a 1 .
1 3 b
问 : ( 1) a, b 满足什么条件时 , 将确保 r( AB) = 2; (2 ) A 与 B 满足
什么条件时 , r( AB) = 1 .
解 　 (1 ) 当 | A| = ab - 1≠0 时 , A 可逆 , 则 r ( AB) = r( B) = 2 .
(2 ) 当 | A| = ab - 1 = 0 时 , A 不可逆 , r( A) = 2( 因为 A 中存 在
1 2
二阶非零子式 = 1 , 或 A 中 有两 列 不 成 比 例 , 从 而 线 性 无
1 3
关 ) , A 的列向量组线性相关 , 根据定理 3． 2 , 齐次线性方程组 Ax =
0 有非零 解 .如 果 B( 不 妨假 设 也 是 3 × 3 矩 阵 ) 的 3 个 列 向 量 为
x1 , x2 , x3 ( 即 B = ( x1 , x2 , x3 ) ) , 其 中 x1 , x2 成 比例 , 且 是 Ax = 0 的
解 , x3 不是 Ax = 0 的解 ( 即 Ax3 =β≠0) , 则
AB = A( x1 , x2 , x3 ) = (0 ,0 ,β) .
故 r ( AB) = 1 .此时 B = ( x1 , x2 , x3 ) 仍满 足 r( B) = 2 , 因为 x1 或 x2
与 x3 不成比例 ( 否则 x3 = k1 x1 或 x3 = k2 x2 就是 Ax = 0 的解 ) , 而
且 r ( B) ≠3 ( 否则 r( AB) = 2) , 所以 B 中有且仅有两个 列向量线 性
无关 .结论 : A, B 满足上述条件 , 则 r( AB) = 1 .

3 .4 　 齐次线性方程组有非零解的条件
及解的结构
　 　 对于以 m× n 矩阵 A 为系数矩阵的齐次线性方程组
Ax = 0 . (3 .1 5)
如果把 A 按列 分 块为 A = (α1 ,α2 , … ,αn ) , 它 就 可 以表 示 为 向 量
等式
x1 α1 + x2 α2 + … + xnαn = 0 . (3 .1 6)
3 .4 　 齐次线性方程组有非零解的条件及解的结构 133

因此 , ( 3． 15 ) 有非零解的充要条件是 α1 ,α2 , … ,αn 线性相关 , 即

秩 ( A) = 秩{α1 ,α2 , … ,αn } < n,
于是有下面的定理 .
定理 3 .12 　 设 A 是 m× n 矩阵 , 则齐次线性方程 组 Ax = 0 有
非零解的充要条件为秩 ( A) < n .
这个定理也可用下面的证法证明 :
设秩 ( A) = r, 则 矩 阵 A 存 在 r 个 线 性 无 关 的 行 向 量 , 其 余
m - r个 行向量 可由 这 r 个线 性无关 的行 向量 线性表 示 .因 此 , 对
A 做初等行变换可将其化为有 r 个非零行的阶梯阵
c11 … c1 i2 … c1 i r … c1 n
0 … c2 i2 … c2 i r … c2 n
… … … …
U = 0 … 0 … cr i r … cr n .
0 … 0 … 0 … 0
… … … …
0 … 0 … 0 … 0
由 Ux = 0 与 Ax= 0 是同解线性方程组 , 以及 Ux = 0 有非零解的充
要条件为 r < n, 就使本定理得证 . ■
定理 3． 12 的等价 命题 是 : 齐 次 线性 方 程组 Ax = 0 只有 零 解
的充要条件是秩 ( A) = A 的列数 .
当 A 为 n 阶矩阵时 , Ax = 0 有 非零解 ( 只有零 解 ) 的充 要条 件
还可叙述为 | A| = 0( | A| ≠ 0) .
例 1 　 设 A 是 n 阶 矩 阵 , 证 明 : 存 在 n× s 矩 阵 B≠0 , 使 得
AB= 0的充要条件是 | A| = 0 .
证 　 将 B 按列分块为 B = ( b1 , b2 , … , bs ) , 则 AB= 0 等价于
Ab j = 0, 　 j = 1 , 2 , … , s,
即 B 的每一列都是齐次线性方程组 Ax = 0 的解 .
若 AB = 0 , B≠0 , 则 Ax = 0 有 非 零 解 , 故 | A | = 0; 反 之 , 若
134 第 3 章 　 线性方程组

| A| = 0 , 取 Ax = 0 的 s 个非零解作为 B 的 s 个列 , 则 B≠0, 但它使

得 AB = 0 . ■
为了研究齐次线性方程 组的解 的结 构 , 我们先 讨 论它 的解 的
性质 , 并给出基础解系的概念 .
定理 3 .13 　 若 x1 , x2 是齐次线性方程组 Ax = 0 的两 个解 , 则
k1 x1 + k2 x2 ( k1 , k2 为任意常数 ) 也是它的解 .
证 　 因为 A( k1 x1 + k2 x2 ) = k1 Ax1 + k2 Ax2 = k1 0 + k2 0 = 0 , 故
k1 x1 + k2 x2 是 Ax = 0 的解 .
定理 3． 13 的结论显然对有限多个解也成立 .
定义 3 .11 　 设 x1 , x2 , … , xp 是 Ax = 0 的 解 向 量 , 如 果 :
(1 ) x1 , x2 , … , xp 线性无关 ; ( 2 ) Ax = 0 的 任一 个 解向 量可 由 x1 ,
x2 , … , xp 线性表 示 .则 称 x1 , x2 , … , xp 是 Ax = 0 的 一 个 基 础 解
系 .
如果找到 了 Ax = 0 的 基 础 解 系 x1 , x2 , … , xp , 那 么 k1 x1 +
k2 x2 + … + kp xp 对任意常数 k1 , k2 , … , kp 作 成的集 合 , 就是 Ax =
0 的全部解的集合 .下 面证 明 有非 零解 的齐 次线 性 方程 组存 在 基
础解系 .
定理 3 .14 　 设 A 是 m× n 矩阵 , 若 r ( A) = r < n, 则齐 次线 性
方程组 Ax= 0 存在基础解系 , 且基础解系含 n - r 个解向量 .
证 　 先证存在 n - r 个线性无关 的解向量 .按高 斯消元 法步骤
对 A 做初等行变换, 将 A 化为行简化的阶梯阵 U, 不失一般性, 可设
1 0 … 0 c1 , r+ 1 … c1 n
0 1 … 0 c2 , r+ 1 … c2 n
… … … … …
U = 0 0 … 1 cr , r+ 1 … cr n ,
0 0 … 0 0 … 0
… … … … …
0 0 … 0 0 … 0
3 .4 　 齐次线性方程组有非零解的条件及解的结构 135

于是 Ux = 0, 即
x1 + c1 , r+ 1 x r+ 1 + … + c1 n x n = 0 ,
x2 + c2 , r+ 1 x r+ 1 + … + c2 n x n = 0 ,
(3 .1 7)
……
x r + cr , r+ 1 xr+ 1 + … + cr n x n = 0
是 Ax= 0 的同解线性方程组 , 取 x r+ 1 , x r + 2 , … , xn 为自由 未知量 ,
将它们的下列 n - r 组值 :
(1 , 0 , … , 0) ; ( 0 , 1 , … , 0 ) ; … ; ( 0 , 0 , … , 1 )
分别代入 (3． 17) 式 , 相应地求得 x1 , x2 , … , x r , 并得到 n - r 个解 :
x1 = ( d1 1 , d21 , … , dr1 , 1 , 0 , … , 0) T ,
T
x2 = ( d1 2 , d22 , … , dr2 , 0 , 1 , … , 0) ,
　 　 　 　 ……
T
xn - r = ( d1 , n - r , d2 , n - r , … , dr , n - r , 0 , 0 , … , 1 ) .
显然 , x1 , x2 , … , xn - r 是 线 性 无 关 的 ( 因 为 由 λ1 x1 + λ2 x2 + … +
λn - r xn - r = 0可推出 λ1 =λ2 = … =λn - r = 0) .
再证 Ax = 0 的任一个解 x 可由 x1 , x2 , … , xn - r 线性表示 .为此
任取自由未知量的一组值 k1 , k2 , … , kn - r 代入 (3． 17) 式 , 得一个解
x = ( d1 , d2 , … , dr , k1 , k2 , … , kn - r ) T .
由于 x＊ = k1 x1 + k2 x2 + … + kn - r xn - r

也是一个解 , 所以
d1 d11 d1 2 d1 n - r d′
1

d2 d21 d2 2 d2 n - r d′
2

… … … … …
＊
dr dr1 dr2 drn - r d′
r
x- x = - k1 - k2 - … - kn - r =
k1 1 0 0 0
k2 0 1 0 0
… … … … …
kn - r 0 0 1 0
136 第 3 章 　 线性方程组

是相应于自由未知量 x r + 1 , x r + 2 , … , xn 全取零时的 Ax = 0 的一 个
解 , 这个解是 Ax = 0 的零解 , 故
x - x＊ = 0,
＊
即 x = x = k1 x1 + k2 x2 + … + kn - r xn - r .
因此 , x1 , x2 , … , xn - r 是 Ax = 0 的 一个 含有 n - r 个 解 向量 的基 础
解系 . ■
定理的证明过程 , 提供 了 求 Ax = 0 的 基础 解 系的 方 法 .但 是
对 n - r 个自由未知量也可 以取另 外的 n - r 组 数 而求 得 n - r 个
线性无关的解 , 此外 , 自由未知量的选择也不是唯一的 , 事实上 , 在
Ux = 0 中 , 任何 r 个未知量只要它们的系数行列式不等于 零 , 都 可
以作基本未知量 , 其余的 n - r 个未知量为自由未知量 .因 此 , 基 础
解系不是唯一的 .但是不难证明 ( 证明留给读者 ) :
＊ ＊ ＊
如果 x1 , x2 , … , xp 和 x1 , x2 , … , xp 是 Ax = 0 的两个 基础 解
系 , 则两个解集合
S = { k1 x1 + k2 x2 + … + kp xp | k1 , k2 , … , kp 为任意常数}
与
S ＊ = { l1 x1＊ + l2 x2＊ + … + lp xp＊ | l1 , l2 , … , lp 为任意常数}
是相等的 ( 只要证明 : S S ＊ 且 S ＊ S) .
＊
这里的解集 合 S 与 S 显然是 Ax = 0 的全部 解的 集合 , 集 合
中元素的一般表示式
x = k1 x1 + k2 x2 + … + kp xp
称为 Ax= 0 的一般解 ( 或通解 ) , 它 清楚地揭 示了齐 次线性 方程 组
的解的结构 .求解有非零 解的 齐次线 性方 程组 通常是 先求 基础 解
系 , 然后写出它的一般解 .
例 2 　 求齐次线性方程组 Ax = 0 的一般解 , 其系数矩阵为
1 2 1 1 1
2 4 3 1 1
A= .
- 1 - 2 1 3 - 3
0 0 2 4 - 2
3 .4 　 齐次线性方程组有非零解的条件及解的结构 137

　 　 解 　 对矩阵 A 做初等行变换 , 将其化为行简化阶梯矩阵

1 2 0 0 2
0 0 1 0 - 1
U = .
0 0 0 1 0
0 0 0 0 0
选 x2 , x5 为自由 未知 量 , 取 : x2 = 1 , x5 = 0 和 x2 = 0 , x5 = 1 , 得 基
础解系
T T
x1 = ( - 2 , 1 , 0 , 0 , 0) , 　 　 x2 = ( - 2 , 0 , 1 , 0 , 1 ) ,
于是 , Ax = 0 的一般解为
x = k1 x1 + k2 x2 ,
即
x1 - 2 - 2
x2 1 0
x= x3 = k1 0 + k2 1 ,
x4 0 0
x5 0 1
其中 k1 , k2 为任意常数 . ■
例 3 　 设 A, B 分别是 m× n 和 n× s 矩阵 , 且 AB = 0 .证明 :
r( A) + r ( B) ≤ n .
　 　 证 　 将 B 按列分块为 B = ( b1 , b2 , … , bs ) , 由 AB= 0 得
Ab j = 0, j = 1 , 2 , … , s,
即 B 的每一列都是 Ax = 0 的解 .而 Ax = 0 的基础解系 含 n - r ( A)
个解 , 即 Ax = 0 的任何一组解中至多含 n - r( A) 个线性无关的解 ,
因此 ,
r ( B) = 秩 ( b1 , b2 , … , bs ) ≤ n - r( A) ,
故 r( A) + r( B) ≤ n . ■
＊
例 4 　 设 A 是 m× n 实矩阵 , 证明 : r ( AT A) = r ( A) .
T
证 　 根据 3． 3 节 中 性 质 2 , r ( A A) ≤ r ( A) , 因 此 只 需 证 明 :
138 第 3 章 　 线性方程组

T T
r( A) ≤r ( A A) .为此 , 只要证明 : ( A A) x = 0 的 解集合 含于 Ax =
0 的解集合 .
T n T T
由于当 ( A A) x = 0 ( x ∈ R ) 时 , 必 有 x ( A A) x = 0 , 即
( Ax) T ( Ax) = 0 , 令
T
Ax = ( b1 , b2 , … , bm ) ,
m 2 2 2
( 显然 Ax∈R ) , 于是 b1 + b2 + … + bm = 0, 因 此必有 b1 = b2 = … =
bm = 0 , 即 必 有 Ax = 0, 故方 程 组 ( AT A) x = 0 的 解 必 满 足 方 程 组
Ax = 0, 所以
n - r( AT A) ≤ n - r ( A) ,
T
从而 r( A) ≤ r( A A) . ■
定理 3． 14 揭示了 矩阵 A 的秩与 Ax = 0 的解之 间的 关 系 , 它
不仅对求 Ax= 0 的 解 有重 要 意 义 , 而 且 如 例 3、例 4 所 表 明 的 那
样 , 也可以通过研究线性方程组的解来讨论矩阵的秩 .

3 .5 　 非齐次线性方程组有解的
　 　 条件及解的结构
　 　 以 m× n 矩阵 A 为系数矩阵的非齐次线性方程组
Ax = b (3 .1 8)
可以表示为一个向量等式
x1 α1 + x2 α2 + … + xnαn = b, (3 .1 9)
其中α1 ,α2 , … ,αn 是 A 的 n 个列向 量 , 因此 , 线性方 程组 ( 3． 18 ) 有
解的充要条件是 b 可由 A 的列向量组线性表示 , 从而
秩{α1 ,α2 , … ,αn , b} = 秩{α1 ,α2 , … ,αn } ,
即 r ( ( A, b) ) = r ( A) .
于是有下面的定理 .
定理 3． 15 　 对于非齐次线性方程组 Ax = b, 下列命题等价 :
( i ) Ax = b 有解 ( 或相容 ) ;
3 .5 　 非齐次线性方程组有解的条件及解的结构 139

( ii ) b 可由 A 的列向量组线性表示 ;
( iii ) 增广矩阵 ( A, b) 的秩等于系数矩阵 A 的秩 .
这个定理也可作如下的证明 :
对增广矩阵 ( A, b) 做初等行变换将其化为阶梯矩阵
1 … c1 r c1 , r+ 1 … c1 n d1
… … … … …
0 … 1 cr , r+ 1 … cr n dr
( C, d) = 0 … 0 0 … 0 dr+ 1 . (3 .2 0)
0 … 0 0 … 0 0
… … … … …
0 … 0 0 … 0 0

则 Cx = d与 Ax = b 是同解线性方程组 , 因此
Ax = b 有解 ( 即 Cx = d 有解 ) dr+ 1 = 0 ,
而 dr + 1 = 0 r( C, d) = r ( C) , 又
r( C, d) = r( A, b) , r ( C) = r( A) ,
故 Ax= b 有解 r ( ( A, b) ) = r( A) , 即
秩{α1 ,α2 , … ,αn , b} = 秩{α1 ,α2 , … ,αn } , (3 .2 1)
其中α1 ,α2 , … ,αn 是 A 的列 向量组 .显然 , (3． 21 ) 式 成立的 充要 条
件是 b 可由α1 ,α2 , … ,αn 线性表示 , 不然的话 , 得出矛盾的结果
秩 {α1 ,α2 , … ,αn , b} = 秩{α1 ,α2 , … ,αn } + 1 .
　 　 推论 　 Ax = b 有唯一解的充要条件是
r ( ( A, b) ) = r ( A) = A 的列数 . (3 .2 2)
　 　 这是因为 , b 可由 A 的列向 量组α1 ,α2 , … ,αn 线 性表 示 , 且 表
示法唯一的充要条件是α1 ,α2 , … ,αn 线性无关 .或由 (3． 20) 式得
Ax = b 有唯一解 dr+ 1 = 0 , 且 r = n (3 .2 2) 式成立 .
　 　 下面讨论非齐次线性方程组 Ax = b 的解的 结构 .为此 我们 先
140 第 3 章 　 线性方程组

讨论 Ax= b 的解的性质 .
需要注意 , 若 x1 , x2 是 Ax = b 的 两个解 , 则 k1 x1 + k2 x2 ( k1 , k2
为任意常数 ) 一般不是 Ax = b 的解 , 因为
A( k1 x1 + k2 x2 ) = k1 Ax1 + k2 Ax2 = k1 b + k2 b
= ( k1 + k2 ) b ≠ b .
　 　 但是 , 非齐次线性方程组的解有如下的性质 :
定理 3．16 　 若 x1 , x2 是 Ax = b 的解 , 则 x1 - x2 是对应齐次方
程组 Ax= 0 的解 .
证 　 因为 A( x1 - x2 ) = Ax1 - Ax2 = b - b = 0 , 故 x1 - x2 是
Ax = 0 的解 . ■
由此进一步可得非齐次线性方程组的解的结构定理 .
定理 3． 17 　 若 Ax = b 有解 , 则其一般解为
x = x0 + 珔
x,
其中 x0 是 Ax = b 的一个特解 ( 某一个解 ) ; 而
珔
x = k1 x1 + … + kp xp
是 Ax= 0( 也称 Ax = b 的导出组 ) 的一般解 .
证 　 由于 A( x0 +珔
x) = Ax0 + A珔
x = b, 所 以 x0 + 珔
x 是 Ax = b 的
解 .设 x＊ 是 Ax = b 的任意一个解 , 则 x＊ - x0 是 Ax = 0 的解 , 而
＊ ＊
x = x0 + ( x - x0 ) .
因此 x＊ 可以表示为 x0 +珔
x 的形式 , 所以它是 Ax = b 的一般解 . ■
例 1 　 设非齐次线性方程组 Ax = b 的增广矩阵
1 1 1 0 0 0
1 1 - 1 - 1 - 2 1
( A, b) = ,
2 2 0 - 1 - 2 1
5 5 - 3 - 4 - 8 4
试求 Ax= b 的一般解 .
3 .5 　 非齐次线性方程组有解的条件及解的结构 141

解
1 1
1 1 0 - - 1
2 2
初等行 变换 1
( A, b) 0 0 1 1 - 1 = ( U , d) .
2 2
0 0 0 0 0 0
0 0 0 0 0 0
取 x2 = x4 = x5 = 0 代入 Ux = d, 求得 Ax= b 的一个特解
T
1 1
x0 = , 0, - , 0, 0 .
2 2
取自由未知量 x2 , x4 , x5 的 3 组 值 ( 1 , 0 , 0 ) , ( 0 , 1 , 0 ) , ( 0 , 0 , 1) , 并
依次代入 Ux = 0( 注意 , 不要代入 Ux = d) , 得 Ax = 0 的基础解系
x1 = ( - 1 , 1 , 0 , 0 , 0 ) T ,
T
1 1
x2 = , 0, - ,1 ,0 ,
2 2
T
x3 = (1 , 0 , - 1 , 0 , 1 ) .
于是 Ax= b 的一般解为
x = x0 + k1 x1 + k2 x2 + k3 x3
1/ 2 - 1 1/ 2 1
0 1 0 0
= - 1/ 2 + k1 0 + k2 - 1/ 2 + k3 - 1 ,
0 0 1 0
0 0 0 1
其中 k1 , k2 , k3 为任意常数 ( 求线性 方程组的 解 , 必须 养成习 惯 , 将
求得的 x0 , x1 , x2 , x3 代 入 原方 程 , 验证 其 正确 性 ) .这 样 求得 的 一
般解与前面在高斯消元法中 , 令 x2 = k1 , x4 = k2 , x5 = k3 求 得的 一
般解完全一样 .
显然 , Ax = 0 的基础解系也可取为
x1＊ = ( - 1 , 1 , 0 , 0 , 0) T ,
＊ T
x2 = ( 1 , 0 , - 1 , 2 , 0) ,
142 第 3 章 　 线性方程组

＊ T
x3 = ( 1 , 0 , - 1 , 0 , 1) .
　 　 例 2 　 设线性方程组
px1 + x2 + x3 = 4 ,
x1 + tx2 + x3 = 3 ,
x1 + 2 tx2 + x3 = 4 .
试就 p , t 讨论方程组的解的情况 , 有解时并求出解 .
解 　 对方程组的增广矩阵 ( A, b) 做初等行变换
1 t 1 3
行对 换
( A, b) 1 2t 1 4
p 1 1 4
1 t 1 3
② + ① × ( - 1)
0 t 0 1
③ + ① × ( - p)
0 1 - pt 1 - p 4 - 3p
1 t 1 3
③ +②× p
0 t 0 1
0 1 1 - p 4 - 2p
1 t 1 3
② + ③ × ( - t)
0 1 1 - p 4 - 2p .
②＼ ③
0 0 ( p - 1) t 1 - 4 t + 2 pt
　 　 ( i ) 当 ( p - 1) t≠ 0( 即 p≠ 1 , t≠ 0) 时 , 有唯一解
2t - 1 1 1 - 4 t + 2 pt
x1 = , x2 = , x3 = .
( p - 1) t t ( p - 1) t
　 　 ( ii ) 当 p = 1 , 且 1 - 4 t + 2 p t = 1 - 2 t = 0 , 即 t = 1/ 2 时 , 有无 穷
多解 , 此时
1 1/ 2 1 3 1 0 1 2
( A, b) 0 1 0 2 0 1 0 2 .
0 0 0 0 0 0 0 0
于是方程组的一般解为
3 .5 　 非齐次线性方程组有解的条件及解的结构 143

2 - 1
x= 2 + k 0 ( k 为任意常数 ) ,
0 1
　 　 ( iii) 当 p = 1 , 但 1 - 4 t + 2 p t = 1 - 2 t≠0 , 即 t≠1/ 2 时 , 方程组
无解 .
( iv) 当 t = 0 时 , 1 - 4 t + 2 p t = 1 ≠ 0 , 故 方程 组也 无解 .此时 ,
方程组中第二个与第三个方程矛盾 .
＊
例 3 　 证明 : 若 x0 是 Ax = b 的一个特解 , x1 , … , xp 是 Ax = 0
的基础解系 , 则 x0 , x0 + x1 , … , x0 + xp 线性无关 , 且 Ax = b 的任 一
个解可表示为
p

x = k0 x0 + ∑ k (x
i= 1
i 0 + xi ) ,

其中 k0 + k1 + … + kp = 1 .
证 　 设 c0 x0 + c1 ( x0 + x1 ) + … + cp ( x0 + xp ) = 0, 即
( c0 + c1 + … + cp ) x0 + c1 x1 + … + cp xp = 0,
则必有 c0 + c1 + … + cp = 0( 否则 , x0 = l1 x1 + … + lp xp 是 Ax = 0 的
解 , 与题设矛 盾 ) , 再由 x1 , … , xp 线性 无 关 得 c1 , … , cp 必须 全 为
零 , 从而 c0 = 0 , 故 x0 , x0 + x1 , … , x0 + xp 线性无关 .
根据定理 3． 17 , Ax = b 的任一个解 x 可表示为
x = x0 + k1 x1 + … + kp xp
= ( 1 - k1 - … - kp ) x0 + k1 ( x0 + x1 ) + … +
kp ( x0 + xp ) ,
令 1 - k1 - … - kp = k0 , 则 k0 + k1 + … + kp = 1 , 命 题 第 二 部 分
得证 . ■
在例 3 中 , x1 + x0 , … , xp + x0 都是 Ax = b 的 解 .一般来 说 , 如
果 ( A 的列数 ) - r ( A) = p , 则 非齐 次线 性方 程 组 Ax = b 有 且仅 有
＊ ＊
p + 1 个线性无关的解 x0 , x1 , … , xp , 且其任一解可表示为
＊ ＊
x = k0 x0 + k1 x1 + … + kp x p , (3 .2 3)
144 第 3 章 　 线性方程组

其中系数和 k0 + k1 + … + kp = 1 .这里 的系数 不是任意 常数 , 一 般

不将 (3． 23) 式称为 Ax= b 的一般解 .
T
例 4 　 设 A 是 5 × 4 矩 阵 , r ( A) = 2 , x1 = ( 1 , 2 , 0 , 1 ) , x2 =
(2 , 1 , 1 , 3 ) T 是方程组 Ax = b 的两个解 , x3 = ( 1 , 0 , 1 , 0) T 是对应齐
次方程组 Ax= 0 的一个解 , 试求 Ax = b 的一般解 .
解 　 Ax = 0 的基础解系是由 4 - r( A) = 2 个 解组成 , x4 = x2 -
x1 = ( 1 , - 1 , 1 , 2) T 与 x3 是 Ax = 0 的两 个线 性无 关的 解 ( 即基 础
解系 ) , 所以 Ax= b 的一般解为
x = k1 x3 + k2 ( x2 - x1 ) + x1
T T T
= k1 ( 1 , 0 , 1 , 0) + k2 ( 1 , - 1 , 1 , 2 ) + (1 , 2 , 0 , 1 ) ,
其中 k1 , k2 为任意常数 .
例 5 　 设 4 元齐次线性方程组 ( Ⅰ ) 为
　
x1 + x3 = 0 , 　

　
x3 - x4 = 0 . 　
4 元齐次线 性 方 程 组 ( Ⅱ ) 的 基 础 解 系 为 x3 = ( 0 , 1 , 2 , 0 ) T , x4 =
( - 1 , - 3 , - 3 ,1 )T .
(1 ) 求线性方程组 ( Ⅰ ) 的一般解 ;
(2 ) 线性方程组 ( Ⅰ ) 和 ( Ⅱ ) 是否有非 零的公共 解 , 若 有 , 求 出
其所有的非零公共解 , 若没有 , 则 说明 理由 ( 此 题实际 上是 求这 两
个方程组的解集的交集 ) .
解 　 (1 ) 线性方程组 ( Ⅰ ) 的系数矩阵
1 0 1 0 初等 1 0 0 1
A= = U.
0 0 1 - 1 行变换 0 0 1 - 1
线性方程组 ( Ⅰ ) Ax = 0 的同解方程组为 Ux = 0, 即
　
x1 + x4 = 0 , 　

x3 - x4 = 0 . 　　
取 x2 , x4 为自由未知量 , 分别取 x2 = 1 , x4 = 0 和 x2 = 0 , x4 = 1 , 得
其基础解系
3 .5 　 非齐次线性方程组有解的条件及解的结构 145

T T
x1 = ( 0 , 1 , 0 , 0) , x2 = ( - 1 , 0 , 1 , 1 ) .
故一般解为 x = k1 x1 + k2 x2 , 其中 x1 , x2 如上 , k1 , k2 为任意常数 .
＊
( 2) 线性方程组 ( Ⅱ ) 的一 般解 为 x = k3 x3 + k4 x4 .因 此线 性
方程组 ( Ⅰ ) 和 ( Ⅱ ) 如有公共解 x0 , 则必有
x0 = k1 x1 + k2 x2 = k3 x3 + k4 x4 , ①
即 k1 x1 + k2 x2 - k3 x3 - k4 x4 = 0 .
这个向量方程是关于 k1 , k2 , k3 , k4 的 4 元齐次线性方程组 Bk= 0 ,
T
其中 k= [ k1 , k2 , k3 , k4 ] , 系数矩阵
0 - 1 0 1
1 0 - 1 3
B= ( x1 , x2 , - x3 , - x4 ) =
0 1 - 2 3
0 1 0 - 1
1 0 0 1
初等 0 1 0 - 1
( 先将第 1 , 2 行对换 ) .
行变 换 0 0 1 - 2
0 0 0 0
取 k4 为自由未知量 , k4 = 1 , 得 Bk= 0 的基础解系 ( 只有一个解 )
T
k1 = ( - 1 , 1 , 2 , 1)
其一般解为
T T
k = ( k1 , k2 , k3 , k4 ) = λ( - 1 , 1 , 2 , 1) (λ为任意常数 ) .
于是 , 取 k1 = - λ, k2 = λ代入①式 , 即得线 性方程 组 ( Ⅰ ) 和 ( Ⅱ ) 的
所有非零公共解
T
x0 = - λx1 + λx2 = λ( - 1 , - 1 , 1 , 1) (λ为任意常数 ) .
　 　 注意 : 如果 Bk= 0 没有非零解 ( 只有零 解 ) , 则 ( Ⅰ ) 和 ( Ⅱ ) 没
有非零公共解 .
如果线性方程组 ( Ⅱ ) 也 是以 4 元 齐次 线 性 方 程组 的 形 式 给
出 , 则线性方程组 ( Ⅰ ) , ( Ⅱ ) 的解集的交集 , 就是将 ( Ⅰ ) , ( Ⅱ ) 中所
有方程联立在一起构成的线性方程组的解集 .
146 第 3 章 　 线性方程组

习题 　 补充题 　 答案

习题

　 　 将 1 , 2 题中的向量α表示成α1 ,α2 ,α3 ,α4 的线性组合 :

1 1 1 1 1
2 1 1 - 1 -1
1 .α= , α1 = , α2 = , α3 = , α4 = .
1 1 - 1 1 -1
1 1 - 1 - 1 1
2 . α = ( 0 , 0 , 0 , 1) ,α1 = ( 1 , 1 , 0 , 1) ,α2 = ( 2 , 1 , 3 , 1 ) ,α3 = (1 , 1 , 0 , 0) ,α4 =
(0 , 1 , - 1 , - 1) .
判别 3 , 4 题中的向量组的线性相关性 :
3 . α1 = ( 1 , 1 , 1 ) T ,α2 = ( 0 , 2 , 5 ) T ,α3 = ( 1 , 3 , 6 ) T .
4 .β1 = (1 , - 1 , 2 , 4) T ,β2 = (0 , 3 , 1 , 2) T ,β3 = (3 , 0 , 7 , 14 ) T .
5 . 论述单个向量α = (α1 ,α2 , … ,αn ) 线性相关和线性无关的条件 .
6 . 证明: 如果向量组线性无关 , 则向量组的任一部分组都线性无关 .
7 . 证明: 若α1 ,α2 线性无关 , 则α1 + α2 ,α1 - α2 也线性无关 .
8 . 设有两个向量组α1 ,α2 , … ,αs 和β1 ,β2 , … ,βs , 其中
a11 a12 a1 s
a21 a22 a2 s
α1 = , α2 = , … , αs = ,
… … …
ak1 ak2 aks
β1 ,β2 , … ,βs 是分别在α1 ,α2 , … ,αs 的 k 个分 量后 面任 意添 加 m 个分 量 b1 j ,
b2 j , … , bmj ( j = 1 , 2 , … , s) 所组成的 k + m 维向量 .证明 :
( 1) 若α1 ,α2 , … ,αs 线性无关 , 则 β1 ,β2 , … ,βs 也线性无关 ;
( 2) 若β1 ,β2 , … ,βs 线性相关 , 则 α1 ,α2 , … ,αs 也线性相关 .
并在 R2 和R3 中各取两个向量 (即取 s = 2 , k = 2 , m = 1) 做几何解释 .
9 . 证明: α1 + α2 ,α2 + α3 ,α3 + α1 线性 无关的 充要条 件是α1 ,α2 ,α3 线 性
无关 .
10 . 下列命题 (或说法 )是否正确 ? 如正确 , 证明之 ;如不正确 , 举反例 :
习题 　 补充题 　 答案 147

( 1) α1 ,α2 , … , αm ( m > 2 ) 线 性 无 关 的 充 要 条 件 是 任 意 两 个 向 量 线 性
无关 ;
( 2) α1 ,α2 , … ,αm ( m > 2 ) 线 性相 关 的充 要条 件 是 有 m - 1 个 向量 线 性
相关 ;
( 3) 若α1 ,α2 线性相关 ,β1 ,β2 线性 相关 , 则有 不全为 零的数 k1 和 k2 , 使
k1 α1 + k2 α2 = 0 且 k1 β1 + k2 β2 = 0 , 从而使 k1 (α1 + β1 ) + k2 (α2 + β2 ) = 0 , 故
α1 + β1 ,α2 +β2 线性相关 ;
( 4) 若α1 ,α2 ,α3 线性无关 , 则α1 - α2 ,α2 - α3 ,α3 - α1 线性无关 ;
( 5) 若α1 ,α2 ,α3 ,α4 线性无关 , 则α1 + α2 ,α2 + α3 ,α3 + α4 ,α4 + α1 线性 无关
＊
( 对 n 个向量的情况 , 给出一般的结论) ;
( 6) 若α1 ,α2 , … ,αn 线性相关 , 则α1 + α2 ,α2 + α3 , … ,αn - 1 + αn ,αn + α1 线
性相关 .
11 . 如果α1 ,α2 ,α3 ,α4 线性相关 , 但其中 任意 3 个 向量都 线性无 关 , 证 明
必存在一组全不为零的数 k1 , k2 , k3 , k4 , 使得
k1 α1 + k2 α2 + k3 α3 + k4 α4 = 0 .
　 　 12 . 若α1 ,α2 , … ,αr 线性无关 , 证明 : β,α1 ,α2 , … ,αr 线性无 关的充要 条
件是β不能由α1 ,α2 , … ,αr 线性表示 .
13 . 求下列向量组的秩及其一个极大线性无关 组 , 并将 其余向量用 极大
线性无关组线性表示 :
( 1) α1 = (6 , 4 , 1 , 9 , 2 ) ,α2 = (1 , 0 , 2 , 3 , - 4) ,
α3 = (1 , 4 , - 9 , - 6 , 22) ,α4 = (7 , 1 , 0 , - 1 , 3 ) ;
( 2) α1 = (1 , - 1 , 2 , 4) ,α2 = (0 , 3 , 1 , 2 ) ,α3 = (3 , 0 , 7 , 14) ,
α4 = (2 , 1 , 5 , 6) ,α5 = (1 , - 1 , 2 , 0 ) ;
( 3) α1 = (1 , 1 , 1) ,α2 = (1 , 1 , 0) ,α3 = ( 1 , 0 , 0) ,α4 = ( 1 , 2 , - 3 ) .
14 . 设向量组 : ξ1 = (1 , - 1 , 2 , 4) ,ξ2 = (0 , 3 , 1 , 2) ,ξ3 = (3 , 0 , 7 , 14 ) ,ξ4 =
(1 , - 1 , 2 , 0 ) ,ξ5 = (2 , 1 , 5 , 6) .
( 1) 证明ξ1 ,ξ2 线性无关 ;
( 2) 求向量组包含ξ1 ,ξ2 的极大线性无关组 .
＊
15 . 设 A, B 皆为 n 阶矩阵 , r( A)≤ n, r( B)≤ n , 证明 :
A 0
( 1) 秩 = r( A) + r( B) ;
0 B
148 第 3 章 　 线性方程组

A C
( 2) 秩 ≥ r( A) + r( B) ( C 为任意的 n 阶矩阵 ) .
0 B
＊
16 . 证明 r( AB) ≤min( r ( A) , r( B) ) .
17 . 设 A 是 m× n 矩阵 , B 是 n× m 矩 阵 , n < m, 证明 : 齐次 线性 方程 组
( AB) x= 0 有非零解 .
＊
18 . 设 A 是 s× n 矩阵 , B 是由 A 的前 m 行构成的 m× n 矩阵 .证明 : 若
A 的行向量组的秩为 r, 则 r ( B) ≥ r + m - s .
求下列 ( 19～22 题 ) 矩阵的秩 , 并指出该矩阵的一个最高阶的非零子式 :
1 2 3 4 5 1 - 1 2 1 0
0 0 -1 -2 - 3 2 - 2 4 -2 0
19 . . 　 　 20 . .
0 0 0 0 4 3 0 6 -1 1
0 0 1 2 - 1 0 3 0 0 1
1 1 0 0
3 2 - 1 -3 - 2
2 1 1 0
21 . 2 - 1 3 1 - 3 . 　 　 22 . .
0 2 1 1
4 5 - 5 -6 1
0 0 2 1
23 . 设 A 是一个 m× n 矩阵 , 证明 :存在非零的 n× s 矩阵 B, 使 AB = 0 的
充要条件是 r( A) < n .
＊
24 . 设 A, B 是同型矩阵 , 证明 : A 与 B 相抵的充分必要条件是 r ( A) =
r ( B) .
＊
25 . 设 A 是 m× n 矩阵 ( m < n) , r ( A) = m, 证 明 :存 在 n× m 矩阵 B, 使
AB = Im .
＊
26 . 证明 : 若 n 阶方阵 A 的秩为 r , 则必有秩为 n - r 的 n 阶方阵 B, 使
BA = 0 .
＊
27 . 证明 : 任何秩为 r 的矩阵可以表示为 r 个秩为 1 的矩阵之和 , 但不
能表示为少于 r 个秩为 1 的矩阵之和 .
28 . 求下列齐次线性方程组的一个基础解系及一般解 :
x1 - x2 + 5 x3 - x4 = 0 ,
x1 + x2 - 2 x3 + 3 x4 = 0 ,
( 1)
3 x1 - x2 + 8 x3 + x4 = 0 ,
x1 + 3 x2 - 9 x3 + 7 x4 = 0 .
习题 　 补充题 　 答案 149

3 x1 + x2 - 8 x3 + 2 x4 + x5 = 0 ,
2 x1 - 2 x2 - 3 x3 - 7 x4 + 2 x5 = 0 ,
( 2)
x1 + 11 x2 - 12 x3 + 34 x4 - 5 x5 = 0 ,
x1 - 5 x2 + 2 x3 - 16 x4 + 3 x5 = 0 .
29 . 求下列非齐次线性方程组的一般解 :
2 x1 + 7 x2 + 3 x3 + x4 = 6 ,
( 1) 3 x1 + 5 x2 + 2 x3 + 2 x4 = 4 ,
9 x1 + 4 x2 + x3 + 7 x4 = 2 .
x1 + x2 + x3 + x4 + x5 = 7 ,
3 x1 + 2 x2 + x3 + x4 - 3 x5 = - 2 ,
( 2)
x2 + 2 x3 + 2 x4 + 6 x5 = 23 ,
5 x1 + 4 x2 + 3 x3 + 3 x4 - x5 = 12 .
30 . 讨论 p , q 取何值时 , 下列线性方程组有解、无解 , 有解时求其解 :
( p + 3 ) x1 + x2 + 2 x3 = p ,
( 1) p x1 + ( p - 1) x2 + x3 = 2 p ,
3( p + 1 ) x1 + p x2 + ( p + 3) x3 = 3 .
x1 + x2 + x3 + x4 + x5 = 1 ,
3 x1 + 2 x2 + x3 + x4 - 3 x5 = p ,
( 2)
x2 + 2 x3 + 2 x4 + 6 x5 = 3 ,
5 x1 + 4 x2 + 3 x3 + 3 x4 - x5 = q .
x1 + x2 + 2 x3 - x4 = 1 ,
x1 - x2 - 2 x3 - 7 x4 = 3 ,
( 3)
x2 + p x3 + q x4 = q - 3 ,
x1 + x2 + 2 x3 + ( q - 2 ) x4 = q + 3 .
31 . 设 A 为 m× n 矩阵 , 证明 : 若任一 个 n 维 向量都 是 Ax = 0 的解 , 则
A= 0 .
32 . 设 A 是 m × s 矩 阵 , B 是 s × n 矩 阵 , x 是 n 维 列 向 量 .证 明: 若
( AB) x= 0 与 Bx= 0 是同解方程组 , 则 r ( AB) = r( B) .
33 . 设 A 是 m× n 矩阵 , B 是 n × s 矩 阵 .证 明 : 若 AB = 0 , 则 r ( A) +
r ( B) ≤ n ( 提示 : B 的列向量是 Ax = 0 的解 ) .
150 第 3 章 　 线性方程组

＊
34 . 设 A＊ 是 n 阶矩阵 A 的伴随矩阵 .证明 :
n , 当 r( A) = n,
( 1) r( A＊ ) = 1 , 当 r( A) = n - 1 ,
0 , 当 r( A) < n - 1 .
( 2) | A＊ | = | A| n - 1 .
35 . 设 A 是 n 阶可逆矩阵 ( n > 2) , 证明 : ( A＊ ) ＊ = | A| n - 2 A .
36 . 设 A 是 n 阶矩阵 .证明 : 非齐次线性方程组 Ax = b 对任何 b 都 有解
的充分必要条件是 | A| ≠0 .
37 . 设 x1 - x2 = a1 , x2 - x3 = a2 , x3 - x4 = a3 , x4 - x5 = a4 , x5 - x1 = a5 .
5

证明 : 这个方程组有解的充分必要条件为 ∑a
i= 1
i = 0 . 在有解的情形下 , 求出

它的一般解 .

补充题

下列 38～44 题为选择题 :
38 . 已知β1 ,β2 是方程 组 Ax = b 的 两个 不同 解 ,α1 ,α2 是 对应 齐 次方 程
Ax= 0 的基础解系 , 则 Ax= b 的一般解是 :
β1 - β2 β1 + β2
( A) k1 α1 + k2 (α1 + α2 ) + ; 　 (B) k1 α1 + k2 (α2 - α1 ) + ;
2 2
β1 - β2 β +β2
( C) k1 α1 + k2 (β1 + β2 ) + ; 　 ( D) k1 α1 + k2 (β1 - β2 ) + 1 .
2 2
1 2 3
39 . 已知 Q= 2 4 t ,
3 6 9
P 为非零三阶矩阵 , PQ= 0 , 则 :
( A) 当 t = 6 时 r( P) = 1; (B) 当 t = 6 时 r( P) = 2;
( C) 当 t≠6 时 r ( P) = 1 ; ( D) 当 t≠6 时 r( P) = 2 .
40 . 设α1 = ( a1 , a2 , a3 ) T ,α2 = ( b1 , b2 , b3 ) T ,α3 = ( c1 , c2 , c3 ) T , 则三条直线
ai x + bi y + ci = 0 , ( a2i + b2i ≠0) ( i = 1 , 2 , 3) 交于一点的充要条件是 :
( A) α1 ,α2 ,α3 线性相关 ; 　 　 (B) α1 ,α2 ,α3 线性无关 ;
( C) r {α1 ,α2 ,α3 } = r{α1 ,α2 } ; ( D) α1 ,α2 ,α3 线性相关 ,α1 ,α2 线性无关 .
习题 　 补充题 　 答案 151

41 . 设 A 是 m× n 矩阵 , r( A) = m( m < n) , B 是 n 阶矩阵 , 下列哪个成立 ?

( A) A 中任一 m 阶子式≠0 ; 　 　 　 (B) A 中任意 m 列线性无关 ;
( C) | AT A| ≠0; ( D) 若 AB = 0 , 则 B = 0;
( E ) 若 r( B) = n , 则 r( AB) = m .
42 . 设α1 , … ,αm (αi ∈R n , i = 1 , … , m, m > 2 )线性无关 , 下列哪个成立 ?
( A) 对任意常数 k1 , … , km 有 k1 α1 + … + kmαm = 0;
( B) 任意 k( k < m)个向量αi1 , … ,αi k 线性相关 ;
( C) 对任意β∈ R n ,α1 , … ,αm ,β线性相关 ;
( D ) 任意 k( k < m)个向量αi1 ,αi2 , … ,αik 线性无关 .
43 . 设向量 α,β,γ线性无关 ,α,β,δ线性相关 , 下列哪个成立 ?
( A) α必可由β,γ,δ线性表示 ; 　 (B) β必不可由α,γ,δ线性表示 ;
( C) δ必可由α,β,γ线性表示 ; ( D) δ必不可由α,β,γ线性表示 .
44 . 设 A 是 4×3 矩阵 , r ( A) = 1 ,ξ1 ,ξ2 ,ξ3 是 非齐 次线 性方程 组 Ax = b
的三个线性无关解 , 下列哪个是 Ax= 0 的基础解系 ?
( A) ξ1 + ξ2 +ξ3 ; 　 　 (B) ξ1 +ξ2 - 2 ξ3 ;
( C) ξ2 - ξ1 ,ξ3 - ξ2 ; ( D) ξ1 + ξ2 ,ξ2 +ξ3 .
45 . 设向量组{α1 ,α2 ,α3 }线性相关 , {α2 ,α3 ,α4 }线性无关 .回 答下列问题 ,
并证明之 .
( 1) α1 能否由 {α2 ,α3 }线性表示 ?
( 2) α4 能否由 {α1 ,α2 ,α3 }线性表示 ?
46 . 设 A 为 n 阶矩阵 , 若存在正整数 k( k≥2) 使得 Akα = 0 但 Ak - 1 α≠0
(其中α为 n 维非零列向量 ) , 证明 : α, Aα , … , Ak - 1α线性无关 .
47 . 设 A, B 分别为 n× m, m× n 矩阵 ( n < m) , 且 AB = I( n 阶单位矩阵 ) ,
证明 : B 的列向量组线性无关 .
48 . 已知秩 {α1 ,α2 ,α3 } = 秩 {β1 ,β2 , β3 } , 其 中α1 = ( 1 , 2 , - 3 ) T , α2 =
(3 , 0 , 1 ) T ,α3 = ( 9 , 6 , - 7 ) T ;β1 = (0 , 1 , - 1 ) T ,β2 = ( a, 2 , 1) T ,β3 = ( b, 1 , 0 ) T ,
且β3 可由α1 ,α2 ,α3 线性表示 , 求 a, b的值 .
1 a … a
a 1 … a
49 . 设 A =
… … ｗ …
a a … 1
152 第 3 章 　 线性方程组

为 n 阶矩阵 ( n≥3) , a∈R , 且 r( A) = n - 1 , 求 a .

50 . 设 n 阶矩阵 A 的每行元素之和均为零 , 又 r( A) = n - 1 , 求齐次 线性
方程组 Ax = 0 的通解 .
51 . 已知下列线性方程组Ⅰ , Ⅱ为同解线性方程组 , 求参数 m, n, t 之值 .
x1 + x2 - 2 x4 = - 6 ,
Ⅰ: 4 x1 - x2 - x3 - x4 = 1 ,
3 x1 - x2 - x3 = 3;
x1 + m x2 - x3 - x4 = - 5 ,
Ⅱ: n x2 - x3 - 2 x4 = - 11 ,
x3 - 2 x4 = - t + 1 .
T
T 1
52 . 设α = (1 , 2 , 1) ,β = 1, ,0 ,γ = (0 , 0 , 8) T , A = αβT , B = βTα,
2
求解方程 2 B2 A2 x= A4 x+ B4 x + γ .
53 . 设 n 阶矩阵 A = (α1 ,α2 , … ,αn ) 的 行列式 | A | ≠0 , A 的前 n - 1 列 构
成的 n× ( n - 1) 矩阵记为 A1 = (α1 ,α2 , … ,αn - 1 ) , 问方程组 A1 x= αn 有解否 ?
为什么 ?
54 . 设α,β均 为非 零的 n 维 列向 量 , A = αβT , 证 明 : A 中任 两 行 ( 或 两
列) 成比例 .
55 . 设 n 阶矩阵 A 分块为
A11 A12
A= ,
A21 A22
其中 A11 为 k 阶可逆矩阵 ( k < n) , 证 明: 存在主 对角元 为 1 的 上三 角矩阵 U
和下三角矩阵 L , 使得
A11 0
L AU = .
0 B
　 　 56 . 设 A, B 皆为 n 阶矩阵 .证明 :
I B
( 1) = | I - AB| ; 　 ( 2) | I - AB| = | I - BA| ;
A I
( 3) det (λI - AB) = det (λI - BA) (λ为任意常数 ) .
57 . 证明 : 若 A 是 m× n 矩阵 , r ( A) = r, 则存在 m× r 矩 阵 B, r× n 矩阵
C, 且 r ( B) = r ( C) = r , 使得 A = BC( 提示 :利用相抵标准形) .
习题 　 补充题 　 答案 153

58 . 设 A, B 皆为 n 阶矩 阵 , r ( A) + r ( B) < n, 证 明 : 存在可 逆矩 阵 Q, 使
AQB = 0[提示 : 利用相抵标 准形 , Aǖ dia g( 1 , … , 1 , 0 , … , 0 ) , Bǖ diag ( 0 , … ,
0,1 ,… ,1 )] .
59 . 证明 : α1 ,α2 , … ,αr ( 其中α1 ≠0) 线性 相关的 充要条 件是存 在一个αi
(1 < i≤ r) 使得αi 可以由α1 ,α2 , … ,αi - 1 线性表示 , 且表示法唯一 .
60 . 证明 : 向量组α1 ,α2 , … ,αs 线性无关的充要条件是
i- 1

αi ≠ ∑ kα ( i =
j= 1
j j 2 , 3 , … , s) .

　 　 61 . 设向量组α1 ,α2 , … ,αr 线 性无 关 , 如在 向量 组的 前面加 入一 个向 量

β, 证明 : 在向量组β,α1 ,α2 , … ,αr 中至多有 一个向量 αi ( 1≤ i≤ r) 可经其 前
面的 i 个向量β ,α1 ,α2 , … ,αi - 1 线性表示 .并在 R 3 中做几何解释 .
62 . 证明 : 在 n 维向量空间R n 中 , 若向量α可经向量组α1 ,α2 , … ,αs 线性
表示 , 则表示法唯一的充分必要条件是向量组α1 ,α2 , … ,αs 线性无关 .
63 . 设 A 是 n 阶矩阵 , r( A) = 1 .证明 :
a1
a2
( 1) A = ( b1 , b2 , … , bn ) ; 　 (2 ) A2 = k A .
…
an
a11 a12 … a1 n y1
a21 a22 … a2 n y2
64 . 设 A = , y= ,
… … … …
am1 am2 … amn yn
b = ( b1 , b2 , … , bm ) T , x = ( x1 , x2 , … , xm ) T .
　 　 ( 1) 证明 : 若 Ay = b 有解 , 则 AT x = 0 的任 一组解 x1 , x2 , … , xm 必满 足
方程
b1 x1 + b2 x2 + … + bm x m = 0 .
　 　 ( 2) 方程组 Ay= b 有解的充要条件是方程组
AT 0
x=
bT 1
无解( 其中 0 是 n×1 零矩阵) .
65 . 设 A 是一个 m× n 矩阵 , m < n, r( A) = m, 齐次线性方程组 Ax = 0 的
154 第 3 章 　 线性方程组

一个基础解系为
bi = ( bi1 , bi2 , … , bin ) T , i = 1 , 2 , … , n - m .
试求齐次线性方程组
n

∑b
j =1
ij yj = 0 , i = 1 ,2 ,… , n - m

的基础解系所含解向量的个数 , 并求出一个基础解系 .
66 . 设 m× n 矩阵 A 的 m 个行向量是齐 次线性 方程组 Cx = 0 的一个 基
础解系 , 又 B 是一个 m 阶可 逆矩阵 .证明 : BA 的行向 量也 是 Cx = 0 的一 个
基础解系 .
67 . 证明 : 若 A 为 n 阶矩阵 ( n > 1 ) , 且 | A| = 0 , 则 | A| 中任意两行 ( 或列 )
对应元素的代数余子式成比例 .
68 . 设 A 是( n - 1 )× n 矩阵 , | Aj | 表示 A 中划 去 第 j 列 所构 成 的行 列
式 .证明 :
( 1) ( - | A1 | , | A2 | , … , ( - 1) n | An | ) T 是 Ax= 0 的一个解 ;
( 2) 若 | Aj | ( j = 1 , 2 , … , n)不全为零 , 则 ( 1) 中的解是 Ax= 0 的一个 基础
解系 .
69 . 若 A 为一个 n 阶矩阵 , 且 A2 = A, 证明
r( A) + r ( A - I) = n .
　 　 70 . 若 A 为一个 n 阶矩阵 , 且 A2 = I , 证明
r ( A + I) + r( A - I) = n .
　 　 71 . 设 A, B 皆为 n 阶方阵 , 证明
r( AB) ≥ r( A) + r( B) - n .
并问 : 若 A = ( aij ) s× n , B = ( bij ) n× m , 上述结论是否成立 ?
( 提示 : 利用 3． 3 节定理 3 .11、性质 3 及 18 题结论 .或利用 15 题结论 .)
72 . 设向量组αj = ( a1 j , a2 j , … , anj ) T ( j = 1 , 2 , … , n) .证明: 如果
n

| aii | > ∑|
j= 1
aij | , i = 1 , 2 , … , n,
j≠ i

则向量组α1 ,α2 , … ,αn 线性无关 .

(提示 : 用反证法 , 取 A = (α1 , α2 , … ,αn ) , 设 Ax= 0 的非零解 x 的 分量 | xi | ≥
| x j | , j≠ i .)
习题 　 补充题 　 答案 155

答案

5 1 1 1
1. α1 + α2 - α3 - α .
4 4 4 4 4
2 . α1 - α3 . 　 　 3 . 线性相关 . 　 　 4 . 线性相关 .
5 . α = 0 线性相关 ,α≠0 线性无关 .
8 . 利用定理 3． 2 .
9 . 必要性用反证法 , 并利用定理 3． 4 .
10 . (1 ) 充分性不成立 .( 2 ) 必要 性不成 立 .( 3 ) 推理不 正确 , 结 论不 成
立 .(4 ) 命题不正确 ,α1 - α2 ,α2 - α3 ,α3 - α1 是线性相关的 .(5) 命题不正确 ( n
为奇数时 , 线性无关; n 为偶数时 , 线性相关 ) .(6 ) 命题正确 .
11 . 用反证法 .
12 . 必要性和充分性都用反证法 .
13 . (1) 秩为 3;α1 ,α2 ,α4 ;α3 =α1 - 5 α2 .( 2) 秩为 3;α1 ,α2 ,α4 ;α3 = 3 α1 + α2 ;
α5 = α4 - α1 - α2 . ( 3) 秩为 3 ;α1 ,α2 ,α3 ;α4 = 5 α2 - 3 α1 - α3 .
14 . (2 ) ξ1 ,ξ2 ,ξ4 .
15 . (1 ) 用秩的定义或用初 等变换 化为 标准 形 .(2 ) 用秩 的定 义及 第 8
题中命题 ( 2) 的逆命题不成立 .
17 . 用 16 题的结论 , 证明秩 ( AB) < m .
18 . A 的前 m 个行向量的 极大无 关组 ( 其中 有 r( B) 个向量 ) , 与 A 的 后
s - m 个行向量合在一起构成的向量组 , 其向量个数≥ r .
1 3 5 1 -1 1
19 . 0 - 1 - 3 . 　 　 20 . 2 -2 -2 .
0 0 4 3 0 -1
22 . 非零子式最高阶数为 4 .
25 . 利用 A 的相抵标准形 , 即 PAQ= ( Im ,0) , AQ= ( P - 1 ,0) .
Ir 0 C
26 . 由 PAQ= 得 PA = , C 是 r× n 矩阵 .
0 0 0
27 . 将相抵标准形化为 r 个秩 为 1 的矩 阵之 和 , 后一部 分的 证明 , 用 反
证法及 3． 3 节性质 1 .
156 第 3 章 　 线性方程组

T
3 7
28 . (1 ) k1 - , , 1,0 + k2 ( - 1 , - 2 , 0 , 1) T ;
2 2
T T
19 7 3 - 25
( 2) k1 , ,1 ,0 ,0 + k2 , ,0 ,1 ,0 + k3
8 8 8 8
T
1 1
- , ,0 ,0, 1 .
2 2
29 . (1 ) ( 8 , 0 , 0 , - 10 ) T + k1 ( - 9 , 1 , 0 , 11) T + k2 ( - 4 , 0 , 1 , 5 ) T ;
( 2) ( - 16 , 23 , 0 , 0 , 0 ) T + k1 ( 1 , - 2 , 1 , 0 , 0 ) T + k2 ( 1 , - 2 , 0 , 1 , 0) T +
k3 ( 5 , - 6 , 0 , 0 , 1) T .
30 . ( 1 ) p = 0 或 p = 1 无 解, p ≠ 0 且 p ≠ 1 有 唯 一 解:
p3 + p2 - 15 p + 9 p3 + 12 p - 9 - 4 p3 + 3 p2 + 12 p - 9
x1 = , x2 = , x3 = ;
p2 ( p - 1) p2 ( p - 1) p2 ( p - 1 )
( 2) p≠0 或 q≠2 无解 , p = 0 且 q = 2 有无 穷多 解 : ( - 2 , 3 , 0 , 0 , 0 ) T +
k1 ( 1 , - 2 , 1 , 0 , 0) T + k2 (1 , - 2 , 0 , 1 , 0 ) T + k3 ( 5 , - 6 , 0 , 0 , 1) T .
q- 3 q- 2
( 3) ① p≠2 , q≠1 有唯一解 , ② q= 1 时 , 无解 , ③ p = 2 , = ,即
q - 1 q+ 2
q = 4 时 , 有无穷多解 k( 0 , - 2 , 1 , 0 ) T + ( - 4 , - 7 , 0 , 2) T , ④ p = 2 , q≠4 时 ,
无解 .
31 . εi = (0 , … , 0 , 1 , 0 , … , 0) T ( i = 1 , 2 , … , n) 是 解 , 即 Aεi = 0 , 再利用 矩
阵分块乘法 .
34 . 利用 A＊ 的定义 , AA＊ = | A| I , 及 33 题的结论 .
36 . 必要性用反证法 .设 | A| = 0 , 证明存在 b, 使得秩( A, b)≠秩 ( A) .
37 . ( a1 + a2 + a3 + a4 , a2 + a3 + a4 , a3 + a4 , a4 , 0) T + k( 1 , 1 , 1 , 1 , 1) T .
38 . B . 　 39 . C . 　 40 . D . 　 41 . E . 　 42 . D . 　 43 . C . 　 44 . C .
45 . (1 ) 能( 因为α2 ,α3 线性无关 ) ; ( 2) 不 能 ( 否则 ,α4 能由α2 ,α3 线性 表
示 , 这与α2 ,α3 ,α4 线性无关矛盾) .
46 . 利用定义 , 设 c1 α + c2 Aα + … + ck Ak - 1α = 0, 等式两端左乘 Ak - 1 , 可
推出 c1 = 0 , 同理 , 类似地可推出 c2 = … = ck = 0 .
47 . 由 r( AB) = n 可推出 r( B) = n( 即 B 的 n 个 列向量 线性无 关 ) , 因 为
若 r ( B) < n, 则 r ( AB) < n .
1
48 . a = 15 , b= 5 . 　 　 49 . a = .
1 - n
习题 　 补充题 　 答案 157

50 . x= k(1 , 1 , … , 1) , k 为任意常数 .
51 . m = 2 , n = 4 , t = 6 .
52 . x= k(1 , 2 , 1) T + ( 0 , 0 , - 1/ 2) T , k 为任意常数 .
53 . 无解 .因为 r( A1 ) = n - 1 , r ( A1 ,αn ) = n .
54 . 因为 0 < r ( A) ≤ 1 , 所以 r( A) = 1 , 从而 A 中任两 个行向 量 ( 或列 向
量) 均线性相关 , 即成比例 .
Ik 0 Ik - A11- 1 A12
55 . L = , U= .
- A12 A11- 1 In - k 0 In - k
I 0 I B I B
56 . 利用 = ,
- A I A I 0 I - AB
I - B I B I - BA 0
= .
0 I A I A I
Ir 0 Ir 0
　 　 57 . 利 用 相 抵 标 准 形 得 A = P - 1 Q- 1 , 并 用 =
0 0 0 0 m× n

Ir 0 Ir 0
.
0 0 m× n 0 0 n× n

59 . 必要性 : 使 k1 α1 + k2 α2 + … + krαr = 0 成立的 所有 不为 零 的系 数

中 , 必有一个 最小 的 下标 i, 使 ki ≠0 , 但 k j = 0 ( j > i ) ; 再 证 1 < i≤ r, 且 α1 ,
α2 , … ,αi - 1 线性无关 ( 这里的证明用反证法 ) .
61 . 用反证法 , 设有两个向量αi 与αj 分别可用其前面的向量线性表示 .
62 . 必要性用反证法 .
63 . r( A) = 1 即有 A 的每行向量成比例 .
64 . (1 ) 利用 bT = yT AT 证明 bT x= 0 .
65 . 利用非齐次线性方程 组有解 的充要 条件为 增广 矩阵的 秩等 于系 数
矩阵的秩 .
66 . 记 B = ( b1 , b2 , … , bn - m ) , 根 据 AB = 0 及 BT AT = 0 , 讨 论 BT y = 0
的解 .
67 . 利用 34 题的结论 .
69, 70 . 利用 3． 4 节例 3 的结论及 3． 3 节性质 1 .
　 第 4章

向量空间与线性变换

　 　 向量空间与线性变换 是线 性代数 的核 心内容 , 由 于受 学时 的

限制 , 我们只能介绍它们的一些基本内容 .
首先 , 我们将在上一章给出的 n 维实向 量空间 R n 的定 义及 线
性相关性概念的基础上 , 讨论R n 的 基与向量 在基下 的坐标 以及 基
n
变换和坐标变换 , 进 而在 R 中引 入向 量的 内 积运 算 , 建 立 n 维 欧
n
氏空间的概念并讨论 它的 结构 .然后 , 我 们 再 在 R 的 基 础上 进 一
步抽象出一 般线性 空间 ( 向量 空间 ) 的概 念 , 并讨论有 限维线性 空
间的结构 .关于内积空间和一般欧氏空间的基本概念 , 仅在附录中
作简要的介绍 .
n
关于线性变换 , 我们主要是讨论 R 的线性 变换 以及它 的矩 阵
表示 .

4 .1 　 瓗n 的基与向量关于基的坐标

我们知道R n 中的 n 个单位向 量εi = (0 , … , 0 , 1 , 0 , … , 0 ) ( i =

1 , … , n) 是线性无关的 ; 一个 n 阶 实矩 阵 A = ( aij ) n× n , 如 果 | A | ≠
0 , 则 A 的 n 个行向量和 n 个列向量也都 是线性 无关 的 .在 上一 章
还讲过 : R n 中任何 n + 1 个向量都是线性相关的 , 因此 , 由定理 3． 3
4 .1 　 R n 的基与向量关于基的坐标 159

n n
可知 , R 中任一向量α都 可 用 R 中 n 个 线 性无 关 的向 量 来 表示 ,
且表示法唯一 .R n 中向 量 之 间 的 这 种 关 系 就 是 本 节 将 要 讨 论 的
“基”与“坐标”的概念 .
n
定义 4． 1 　 设有序向量组 B = {β1 ,β2 , … ,βn } R , 如果 B 线
n
性无关 , 且R 中任一向量α均可由 B 线性表示 , 即
α= a1 β1 + a2 β2 + … + anβn , ( 4 .1)
n
就称 B 是R 的一组基 ( 或基底 ) , 有 序数组 ( a1 , a2 , … , an ) 是向 量α
关于基 B( 或说在基 B 下 ) 的坐标 , 记作
αB = ( a1 , a2 , … , an ) 或 αB = ( a1 , a2 , … , an ) T ,
并称之为α的坐标向量 .
显然R n 的基不是唯一的 , 而α关 于给 定的 基的 坐 标是 唯一 确
定的 .以后 , 我们把 n 个单位向量组成的基称为自然基或标准基 .
3 3
在三维几何向量空 间 R 中 , i, j, k 是 一 组 标 准基 , R 中 任 一
个向量 α可以唯一地表示为
α = a1 i + a2 j + a3 k,
这里有序数组 ( a1 , a2 , a3 ) 称为α在 基 i, j , k 下的坐 标 .如果α的 起
点在原点 , ( a1 , a2 , a3 ) 就是α的终点 P 的直 角坐标 ( 以后我 们常 利
用R 3 中向量α与空间点 P 的一一对应关系 , 对 R n 中的 一些问题 及
其结论在R 3 中作几何解释 ) .为了讨论 问题方 便 , 本 书对于 向量 及
T
其坐标常采用列向量 的形式 ( a1 , a2 , … , an ) 表示 , 如 此 , ( 4． 1 ) 式
可表示为
a1
a2
α= (β1 ,β2 , … ,βn ) . ( 4 .2)
…
an
n
　 　 例 1 　 设 R 的 两 组 基 为 自 然 基 B1 和 B2 = {β1 ,β2 , … ,βn } ,
其中 　
T T
β1 = ( 1 , - 1 , 0 , … , 0 ) ,β2 = ( 0 , 1 , - 1 , 0 , … , 0 ) , … ,βn - 1 =
160 第 4 章 　 向量空间与线性变换

T T
(0 , … , 0 , 1 , - 1) ,βn = ( 0 , … , 0 , 1 ) .
求向量α = ( a1 , a2 , … , an ) T 分别在两组基下的坐标 .
解 　 α关 于 自 然 基 B1 = {ε1 ,ε2 , … ,εn } , 显 然 有α = a1ε1 +
T
a2ε2 + … + an εn , 所以αB1 = ( a1 , a2 , … , an ) .
设α关于 B2 有
x1
x2
α= x1 β1 + x2 β2 + … + xn βn = (β1 ,β2 , … ,βn ) , ①
…
xn
将以列向量形式表示的α,β1 ,β2 , … ,βn - 1 ,βn 代入①式 , 得
1 0 … 0 0
x1 a1
- 1 1 … 0 0
x2 a2
0 - 1 … 0 0
… = … . ②
… … … …
xn - 1 an - 1
0 0 … 1 0
xn an
0 0 … - 1 1
解非齐次线性方程组② , 即得
x1 a1
x2 a1 + a2
αB2 = … = … .
xn - 1 a1 + a2 + … + an - 1
xn a1 + a2 + … + an - 1 + an
　 　 由例 1 可见 , R n 中同一个向量 关于不同 基的坐 标一般 是不 同
的 .因此需要一般地讨论基变换与坐标变换的问题 .
n
为了得到R 中同一 向量 关 于两 组 基所 对 应 的坐 标 之间 的 关
系 , 先证明下面的定理 .
n
定理 4． 1 　 设 B = {α1 ,α2 , … ,αn }是R 的一组基 , 且
4 .1 　 R n 的基与向量关于基的坐标 161

η1 = a1 1 α1 + a21 α2 + … + an1 αn ,
η2 = a1 2 α1 + a22 α2 + … + an2 αn ,
( 4 .3)
……
ηn = a1 n α1 + a2 n α2 + … + an n αn .
则η1 ,η2 , … ,ηn 线性无关的充要条件是
a11 a12 … a1 n
a21 a22 … a2 n
det A = ≠0 . ( 4 .4)
… … …
an1 an2 … an n
n

　 　 证 　 由 (4 .3 ) 式得ηj = ∑a
i =1
ij αi ( j = 1 , 2 , … , n) ,η1 ,η2 , … ,ηn

线性无关的充要条件是方程
n n n

∑ xη = ∑ x ∑ a
j =1
j j
j =1
j
i=1
ij αi

n n

= ∑ ∑a
i= 1 j= 1
ij x j αi = 0 ①

只有零解 x j = 0( j = 1 , 2 , … , n) .
由于α1 ,α2 , … ,αn 线性无关 , 由①式得
n

∑a
j= 1
ij x j = 0 ( i = 1 , 2 , … , n) . ②

因此 , 方程 ①只有 零解 ( 即齐 次线性方 程组② 只有零 解 ) 的充要 条

件是②的系数行列式不等于零 , 即 ( 4． 4) 式成立 . ■
设 B1 = {α1 ,α2 , … ,αn } 和 B2 = {η1 ,η2 , … ,ηn } 是 R n 的两 组 基
( 分别称为旧基和新基 ) , 它们的关系如 ( 4． 3) 式所示 , 将 ( 4． 3) 式表
示成矩阵形式
162 第 4 章 　 向量空间与线性变换

a11 a12 … a1 n
a21 a22 … a2 n
　 (η1 ,η2 , … ,ηn ) = (α1 ,α2 , … ,αn ) . ( 4 .5)
… … …
an1 an2 … an n
记 (4． 5 ) 式右面 的矩 阵为 A( 注意 : A 是 ( 4． 3 ) 式 中α1 ,α2 , … ,αn 的
系数矩阵的转置 ) , 为叙述简便 , ( 4． 5) 式可写作
(η1 ,η2 , … ,ηn ) = (α1 ,α2 , … ,αn ) A . ( 4 .6)
n
　 　 定 义 4． 2 　 设 R 的 两 组 基 B1 = {α1 , α2 , … , αn } 和 B2 =
{η1 ,η2 , … ,ηn }满足 ( 4． 5) 式的关系 , 则 ( 4． 5) 中矩阵 A 称为旧基 B 1
到新基 B2 的过渡矩阵 ( 或称 A 是基 B1 变为基 B2 的变换矩阵 ) .
根据定理 4． 1 , 过渡矩阵 A 是可逆的 , A 中第 j 列是新 基的 基
向量ηj 在旧基{α1 ,α2 , … ,αn } 下的坐标 .
定理 4．2 　 设 向 量α在 两 组 基 B1 = {α1 ,α2 , … ,αn } 和 B2 =
{η1 ,η2 , … ,ηn }下的坐标向量分别为
x = ( x1 , x2 , … , xn ) T 和 y = ( y1 , y2 , … , yn ) T .
基 B1 到基 B2 的过渡矩阵为 A, 则
- 1
Ay = x 或 y = A x . ( 4 .7)
　 　 证 　 由已知条件 , 有 ( 4． 6) 式成立 , 且
α = x1 α1 + x2 α2 + … + xnαn
= y1 η1 + y2 η2 + … + ynηn ,
故
x1 y1
x2 y2
α = (α1 ,α2 , … ,αn ) = (η1 ,η2 , … ,ηn )
… …
xn yn
4 .1 　 R n 的基与向量关于基的坐标 163

y1 y1
y2 y2
= (α1 ,α2 , … ,αn ) A = (α1 ,α2 , … ,αn ) A .
… …
yn yn
由于α在基α1 ,α2 , … ,αn 下的坐标是唯一的 , 所以
Ay = x 或 y = A- 1 x . ■
　 　 例 2 　 已知R 3 的一组基 B2 = {β1 ,β2 ,β3 }为β1 = ( 1 , 2 , 1 ) T ,β2 =
T T
(1 , - 1 , 0 ) ,β3 = (1 , 0 , - 1 ) , 求自然基 B1 = {ε1 ,ε2 ,ε3 } 到 B2 的过
渡矩阵 A .
β1 =ε1 + 2 ε2 +ε3 ,
解 　 由 　 β2 =ε1 - ε2 ,
β3 =ε1 　 　 - ε3 .
即
1 1 1
(β1 ,β2 ,β3 ) = (ε1 ,ε2 ,ε3 ) 2 - 1 0 ,
1 0 - 1
得
1 1 1
A= 2 - 1 0 .
1 0 - 1
n
　 　 由例 2 可见 , 在 R 中由自 然基 B1 = {ε1 ,ε2 , … ,εn } 到基 B2 =
{β1 ,β2 , … ,βn }的过渡矩阵 A, 就是将β1 ,β2 , … ,βn 按列排成的矩阵 .
例 3 　 已知R 3 的两 组 基 为 B1 = {α1 ,α2 ,α3 } 及 B2 = {β1 ,β2 ,
β3 } , 其中
T T T
α1 = ( 1 , 1 , 1) , 　 α2 = ( 0 , 1 , 1) , 　 　 α3 = (0 , 0 , 1 ) ,
β1 = ( 1 , 0 , 1) T , 　 β2 = (0 , 1 , - 1) T , 　 β3 = (1 , 2 , 0 ) T .
　 　 ( i) 求基 B1 到基 B2 的过渡矩阵 A; ( ii) 已知α在基 B 1 下的坐
T
标为 (1 , - 2 , - 1 ) , 求α在基 B2 下的坐标 .
164 第 4 章 　 向量空间与线性变换

解 　 (i) 设
a1 1 a1 2 a1 3
(β1 ,β2 ,β3 ) = (α1 ,α2 ,α3 ) a2 1 a2 2 a2 3 .
a3 1 a3 2 a3 3
将以列向量形式表示的两组基向量代入上式 , 得
1 0 1 1 0 0 a11 a12 a13
0 1 2 = 1 1 0 a21 a22 a23 ,
1 - 1 0 1 1 1 a31 a32 a33
故过渡矩阵
-1
a1 1 a1 2 a1 3 1 0 0 1 0 1
A= a2 1 a2 2 a2 3 = 1 1 0 0 1 2
a3 1 a3 2 a3 3 1 1 1 1 - 1 0
1 0 0 1 0 1 1 0 1
= - 1 1 0 0 1 2 = - 1 1 1 .
0 - 1 1 1 - 1 0 1 - 2 - 2
　 　 ( ii ) 根据定理 4． 2 的 ( 4． 7) 式 , 得α在基 B2 下的坐标
y1 1 0 - 2 - 1 1 5
- 1
y2 = A - 2 = - 1 - 3 - 2 - 2 = 7 .
y3 - 1 1 2 1 - 1 - 4
　 　 此题的另一解法 : 先求出α, 即
α= α1 - 2 α2 - α3 = ( 1 , - 1 , - 2 ) T ,
T
然后按 　 α = y1 β1 + y2 β2 + y3 β3 , 解出坐标 ( y1 , y2 , y3 ) .
利用定理 4． 2 的结论 , 容 易得 到平面 直角 坐标 系 中坐 标轴 旋
转的坐标变换公式 .
设平面直角坐标系逆 时针旋 转 θ角 ( 如图 4． 1 所 示 ) , 在 O x y
坐标系 中 , 取 基ε1 = i,ε2 = j ; 在 Ox′y′坐 标 系 中 取 基ε′ ′,ε
1 = i ′=
2

j′.则
4 .2 　 R n 中向量的内积 　 标准正交基和正交矩阵 165

ε
′1 = ( cosθ)ε1 + ( sinθ)ε2 ,
ε
′2 = ( - sinθ)ε1 + ( cosθ)ε2 .

图 　 4． 1

即
cosθ - sinθ
′
(ε ′
1 ,ε2 ) = (ε1 ,ε2 ) .
sinθ cosθ
于是向量α在基 {ε1 ,ε2 }和{ε
′ ′
1 ,ε2 } 下的坐 标 ( x1 , y1 ) 和 ( x1′, y2′) 满 足
关系式
x1′ - 1
cosθ - sinθ x1 cosθ sinθ x1
= = .
y1′ sinθ cosθ y1 - si nθ cosθ y1

n
4 .2 　 瓗 中向量的内积 　 标准正交基和正交矩阵

4.2 .1　 n维实 向量的内积 ,欧 氏空间

　 　 在前面 讨论的 n 维 实向量空 间中 , 我们 只定义了 向量的线 性
运算 , 它不能描述向量的度量性质 , 如长度、夹角等 .在三维几何空
间中 , 向量的内 积 ( 即点积 或数量积 ) 描述了 内积与向 量的长度 及
夹角间的关系 .由内积定义
a・ b = ‖a‖‖ b‖cos〈a, b〉,
可以得到
166 第 4 章 　 向量空间与线性变换

a・ b
cos〈a, b〉 = , ‖a‖ = a・a .
‖a‖‖b‖
　 　 若 a= a1 i+ a2 j + a3 k, 简 记为 a= ( a1 , a2 , a3 ) ; b = b1 i + b2 j +
b3 k, 简记为 b = ( b1 , b2 , b3 ) .由 内 积 的 运 算 性 质 和 内 积 的 定 义 ,
可得
a・ b = a1 b1 + a2 b2 + a3 b3 .
　 　 现在我们把三维几何向量 的内积 推广 到 n 维实 向量 , 在 n 维
实向量空间中定义内积运算 , 进而定义向量的长度和夹角 , 使 n 维
实向量具有度量性 .
T T n
定义 4． 3 　 设α = ( a1 , a2 , …, an ) 和β = ( b1 , b2 , …, bn ) ∈R ,
规定α与β的内积为
(α, β) = a1 b1 + a2 b2 + … + an bn .
　 　 当α, β为列向量时 , (α, β) = αT β =βT α .
根据定义 , 容易证明内积具有以下的运算性质 :
( i ) (α, β) = (β,α) ;
( ii ) (α +β, γ) = (α, γ) + (β, γ) ; ( 4 .8)
( iii ) ( kα, β) = k(α, β) ;
( iv) (α,α) ≥0 , 等号成立当且仅当α = 0 .
n
其中α, β, γ∈ R , k∈R .
由于向量α与自 身的 内积 是 非负 数 , 于 是 我 们如 三 维几 何 空
间中那样 , 用内积定义 n 维向量α的长度 .
定义 4． 4 　 向量α的长度‖α‖ = (α,α) . ( 4 .9)
定理 4． 3 　 向量的内积满足
| (α, β) | ≤ ‖ α‖‖ β‖ . (4 .1 0)
(4 .1 0) 式称为柯西－施瓦茨 ( Cauchy－Schwa rz) 不等式 .
证 　 当β = 0 时 , (α, β) = 0 , ‖β‖ = 0 , ( 4． 10 ) 式显然成立 .
当β≠0 时 , 作向量α + tβ ( t∈R ) , 由性质 ( iv) 得
(α+ tβ,α+ tβ ) ≥ 0 .
4 .2 　 R n 中向量的内积 　 标准正交基和正交矩阵 167

再由性质 ( i ) , ( ii) , ( iii ) 展开上式左端得

2
(α, α) + 2(α, β) t + (β, β) t ≥ 0 .
其左端是 t 的二次三项式 , 且 t2 系数 (β, β) > 0 , 因此判别式
2
4(α, β) - 4(α,α) (β, β) ≤ 0 ,
2 2 2
即 (α, β) ≤ (α, α) (β, β) = ‖ α‖ ‖ β‖ ,
故 | (α, β) | ≤ ‖ α‖‖ β‖ . ■
　 　 读者不难证明 , 定 理 4． 3 中 ( 4． 10) 式等 号成 立的 充分 必要 条
件为α与β线性相关 .
T T
当α = ( a1 , a2 , … , an ) ,β = ( b1 , b2 , … , bn ) 时 , 利用 定理 4． 3
可得
n n n
2

∑ ab ≤ ∑a ∑b
2 2
i i i i . (4 .1 1)
i= 1 i= 1 i= 1

　 　 由于内积满 足 柯 西 －施 瓦 茨不 等 式 , 于 是 我 们 可以 利 用 内 积
定义向量之间的夹角 .
定义 4． 5 　 向量α, β之间的夹角定义为
(α, β)
〈α, β〉 = a rccos . (4 .1 2)
‖ α‖‖ β‖
　 　 由定义 4． 5 立即可得 :
定理 4． 4 　 非零 向 量α, β正 交 ( 或 垂直 ) 的 充 分 必 要 条 件 是
(α, β) = 0 .
由于零向量与任何向量的内积为零 , 因此 , 我们也说零向量与
任何向量正交 .
在三维几何空间中 , 向量α, β,α + β构成三 角形 , 三个向量 的
长度满足三角形不等式
‖ α+ β‖ ≤ ‖ α‖ + ‖ β‖ . (4 .1 3)
当α⊥β时 , 三个向量的长度满足勾股定理
‖ α+ β‖2 = ‖ α‖2 + ‖ β‖2 . (4 .1 4)
168 第 4 章 　 向量空间与线性变换

　 　 在定义 了内积 运算的 n 维向 量空间 中 , 三角形不 等式和勾 股

定理仍然成立 .下面给出它们的证明 :
　 ‖α +β‖2 = (α +β,α +β) = (α,α) + 2(α, β) + (β,β) ①
≤‖α‖2 + 2‖α‖‖β‖ + ‖β‖2 ②
= ( ‖α‖ + ‖β‖ ) 2 ,
故 ‖α + β‖≤‖α‖ + ‖β‖ . 　 　
上面①式到②式是利用了柯西 －施瓦茨不等式 .
当α⊥β时 , ①式中 (α, β) = 0 , 于是就有
‖ α+ β‖2 = ‖ α‖2 + ‖ β‖2 .
　 　 定义 4． 6 　 定义了内积运算的 n 维实 向量空间 称为 n 维欧 几
n
里得空间 ( 简称欧氏空间 ) , 仍记作R .

4． 2． 2　 标准正 交基
n
在 n 维欧氏空间R 中 , 长度为 1 的单位向量组 :
T T
ε1 = (1 , 0 , 0 , … , 0) ,ε2 = ( 0 , 1 , 0 , … , 0 ) , … ,
εn = (0 , 0 , 0 , … , 1) T ,
n
显然是两两正交的线性无关的向量组 , 我们称 它为R 的一组标 准
正交基 .然而 , n 维 欧氏 空间 的标 准 正交 基不 是唯 一的 , 为了 说 清
楚这个问题 , 我 们先 证 明 下面 的 定理 , 给出 标 准 正 交基 的 一 般 定
义 , 然后介绍由R n 中 n 个线性无关的向量构造一组标 准正交基 的
施密特正交化方法 .
n
定理 4． 5 　 R 中两两正交且 不含 零向量 的向 量组 ( 称 为非 零
正交向量组 )α1 ,α2 , … ,αs 是线性无关的 .
证　设 k1 α1 + k2 α2 + … + ks αs = 0,
s

则 αi , ∑ k j αj = ki (αi ,αi ) = 0 , 　 i = 1 , 2 , … , s .
j= 1

由于 (αi ,αi ) > 0 , 故 ki = 0 , i = 1 , 2 , … , s .因 此 ,α1 ,α2 , … , αs 线 性

无关 .
4 .2 　 R n 中向量的内积 　 标准正交基和正交矩阵 169

n
定义 4． 7 　 设α1 ,α2 , … ,αn ∈R , 若
1, i = j,
(αi ,αj ) = i, j = 1 , 2 , … , n . (4 .1 5)
0, i ≠ j,
则称{α1 ,α2 , … ,αn }是 R n 的一组标准正交基 .
n
例 1 　 设 B = {α1 ,α2 , … ,αn } 是 R 的 一 组 标 准 正 交 基 , 求
R n 中向量β在基 B 下的坐标 .
解 　 设 β = x1 α1 + x2 α2 + … + xnαn , 将此 式 两边 对αj ( j = 1 ,
2 , … , n) 分别求内积 , 得
(β,αj ) = ( x1 α1 + x2 α2 + … + xnαn ,αj )
n

= ∑ x (α ,α )
i= 1
i i j = xj (αj ,αj ) = xj ,

故 β在标准正交基 α1 ,α2 , … ,αn 下的坐标向量的第 j 个分量为

x j = (β,αj ) , 　 j = 1 , 2 , … , n .
3
　 　 在R 中取 i, j, k 为标准正交基 , 例 1 中 的 x1 , x2 , x3 就是β在
i, j, k上的投影 .

4． 2． 3　 施密特 (S chm id t) 正 交化方法

施密特正交化方法是将R n 中 一组线 性无 关的向 量α1 ,α2 , … ,
αn 做一种特定的线性运算 , 构造出一组标准正交向量组的方法 .
3
我们先从R 的一组基 {α1 ,α2 ,α3 } 构造 出一 组标 准 正交 基 , 以
揭示施密特正交化方法的思路和过程 .
令 　 β1 = α1 , 将α2 在β1 上的投影向量 ( 见图 4． 2 )
β1 (α2 ,β1 )
(α2 )β1 = γ12 = ‖ α2 ‖cos〈α2 ,β1〉 = β1
‖ β1 ‖ (β1 ,β1 )
记作

k12 β1 ,
(α2 ,β1 )
其中 　 k12 = , 再取
(β1 ,β1 )
β2 = α2 - γ12 = α2 - k12 β1 ,
170 第 4 章 　 向量空间与线性变换

则β2 ⊥β1 ( 如 图 4． 2 所 示 ) .由 于α3 与α1 , α2 不 共 面 , 所 以α3 也 与

β1 ,β2 不共面 , 如果记α3 在β1 ,β2 平面上的投影向量为γ3 , 即
γ3 = (α3 )β1 + (α3 )β2 = γ13 + γ23 = k1 3 β1 + k2 3 β2 .
(α3 ,β1 ) (α3 ,β2 )
其中 　 k13 = , 　 k23 = , 并取
(β1 ,β1 ) (β2 ,β2 )
β3 = α3 - γ3 = α3 - k1 3 β1 - k2 3 β2 ,
则β3 ⊥β1 且β3 ⊥β2 ( 如图 4． 3 所示 ) .

图 　 4 .2 图 　 4 .3

　 　 如此求得的β1 ,β2 ,β3 是 两 两正 交的 非 零 向量 组 .再 将β1 ,β2 ,

β3 单位化 , 即取
1
ηj = βj , 　 j = 1 , 2 , 3 .
‖ βj ‖
则{η1 ,η2 ,η3 }就是 R 3 的一组标准正交基 .
从上述正交化过程所获得的启示 , 由R n 中线性无 关的向量 组
α1 ,α2 , … , αm 也 可 类 似 地 构 造 出 一 组 标 准 正 交 的 向 量 组η1 ,
η2 , … ,ηm , 其步骤如下 :
取
β1 = α1 ,
β2 = α2 + k12 β1 ,
由于β1 ,α2 线性无关 , 所以β2 ≠0 , 为使β1 ,β2 正交 , 即
(β2 ,β1 ) = (α2 + k12 β1 ,β1 )
4 .2 　 R n 中向量的内积 　 标准正交基和正交矩阵 171

= (α2 ,β1 ) + k1 2 (β1 ,β1 ) = 0 ,

便得
(α2 ,β1 )
k12 = - .
(β1 ,β1 )
再取
β3 = α3 + k2 3 β2 + k1 3 β1 ,
使 (β3 ,β1 ) = (β3 ,β2 ) = 0 , 又得
(α3 ,β1 ) (α3 ,β2 )
k13 = - , 　 k23 = - .
(β1 ,β1 ) (β2 ,β2 )
　 　 继续上述步 骤 , 假定 已 求 出 两 两 正 交 的 非 零 向 量β1 ,β2 , … ,
βj - 1 , 再取
βj = αj + kj - 1 , j βj - 1 + … + k2 j β2 + k1 j β1 ,
为使βj 与βi ( i = 1 , 2 , … , j - 1) 正交 , 即
(βj ,βi ) = (αj ,βi ) + kij (βi ,βi ) = 0 ,
即得
(αj ,βi )
kij = - , 　 i = 1, 2, …, j - 1 .
(βi ,βi )
故
(αj ,β1 ) (αj ,β2 ) (αj ,βj - 1 )
βj = αj - β1 - β2 - … - βj - 1 .
(β1 ,β1 ) (β2 ,β2 ) (βj - 1 ,βj - 1 )
(4 .1 6)
因此 , 令β1 =α1 , 并在 ( 4． 16 ) 式 中 取 j = 2 , 3 , … , m, 就 得 到两 两 正
交的非零向量组β1 ,β2 , … ,βm ( 它们 都是 非零向 量的 证明留 给读 者
去完成 ) .再将它们单位化为
η1 ,η2 , … ,ηm ,
1
其中ηj = βj , j = 1 , 2 , … , m, 这 就 由 线 性 无 关 的α1 ,α2 , … ,
‖βj ‖
αm 构造出了标准正交向量组η1 ,η2 , … ,ηm .这个正 交化 过 程称 为 施
密特正交化方法 .
172 第 4 章 　 向量空间与线性变换

n
如果{α1 ,α2 , … ,αn } 是 R 的 一组 基 , 按 施密 特正 交化 方 法 , 必
可构造出R n 的一组标准正交基{η1 ,η2 , … ,ηn } .由此 可见 , R n 的 标
3
准正交基不唯一 .在R 中 , 任 何 单位 长度 的两 两正 交 的三 个向 量
都是它的标准正交基 .
3
例 2 　 已知 B = {α1 ,α2 ,α3 }是 R 的一组基 , 其中
α1 = ( 1 , - 1 , 0) ,α2 = (1 , 0 , 1 ) ,α3 = ( 1 , - 1 , 1 ) .
试用施密特正交化方法 , 由 B 构造R 3 的一组标准正交基 .
解 　 取 　 β1 = α1 = ( 1 , - 1 , 0) ,
(α2 ,β1 )
β2 = α2 - β1
(β1 ,β1 )
1 1 , 1 ,1
= ( 1 , 0 , 1) - ( 1 , - 1 , 0) = ,
2 2 2
(α3 ,β2 ) (α3 ,β1 )
β3 = α3 - β2 - β1
(β2 ,β2 ) (β1 ,β1 )
1 1
= (1, - 1 ,1) - 2 , , 1 - 2 ( 1 , - 1 , 0)
3 2 2 2

= - 1 , - 1 , 1 .
3 3 3
3
再将β1 ,β2 ,β3 单位化 , 得 R 的标准正交基为
1 1 - 1
η1 = β1 = , ,0 ,
‖ β1 ‖ 2 2
1 1 , 1 , 2
η2 = β2 = ,
‖ β2 ‖ 6 6 6
1 1 , - 1 , 1
η3 = β3 = - .
‖ β3 ‖ 3 3 3

4 .2 .4　 正交矩阵及 其性质

正交矩阵是一种重要的实方阵 , 它的行、列向量组皆是标准正
交向量组 .下面先给出正交矩阵的定义 , 然后讨论它的性质 .
4 .2 　 R n 中向量的内积 　 标准正交基和正交矩阵 173

n× n T
定义 4． 8 　 设 A∈R , 如果 A A = I , 就称 A 为正交矩阵 .
定理 4． 6 　 A 为 n 阶正交矩阵的充分必要条 件是 A 的列向 量
组为R n 的一组标准正交基 .
a11 a12 … a1 n
a21 a22 … a2 n
证　设 A= ,
… … …
an1 an2 … an n
按列分块为 (α1 ,α2 , … ,αn ) , 于是
T T T
α1T α1 α1 α1 α2 … α1 αn
T T T T
T α2 α2 α1 α2 α2 … α2 αn
A A= (α1 ,α2 , … ,αn ) = .
… … … …
T T T T
αn αnα1 αnα2 … αnαn
T
因此 , A A= I 的充分必要条件是
T
αi αi = (αi ,αi ) = 1 , 　 i = 1 , 2 , … , n;
且
αTi αj = (αi ,αj ) = 0 , 　 j ≠ i, 　 i, j = 1 , 2 , … , n .
n
即 A 的列向量组{α1 ,α2 , … ,αn }为R 的一组标准正交基 . ■
定理 4． 7 　 设 A, B 皆是 n 阶正交矩阵 , 则 :
- 1 T T - 1
( i ) det A= 1 或 - 1; ( ii ) A = A ; ( iii) A ( 即 A ) 也 是正 交
矩阵 ; ( iv ) AB 也是正交矩阵 .
证 　 ( i ) , ( ii) 的证明留给读者练习 .
( iii ) 由于 ( AT ) T AT = AAT = AA- 1 = I , 所 以 AT ( 即 A - 1 ) 也 是
n
正交矩阵 , 从而 A 的行向量组也是R 的一组标准正交基 .
T T T T
( iv) 由 ( AB) ( AB) = B ( A A) B = B B = I, 即得 AB 也是 正
交矩阵 . ■
定理 4． 8 　 若列向量 x, y∈R n 在 n 阶正交矩阵 A 作用下变换
为 Ax, Ay∈R n , 则 向 量 的 内 积、长 度 及 向 量 间 的 夹 角 都 保 持 不
变,即
174 第 4 章 　 向量空间与线性变换

　 　 　 　 ( Ax, Ay) = ( x, y) , ‖ Ax‖ = ‖ x‖ , ‖ Ay‖ = ‖ y‖ ,

〈Ax, Ay〉= 〈x, y〉 .
　 　 证 　 ( Ax, Ay) = ( Ax) T ( Ay) = xT ( AT A) y
= xT y = ( x, y) .
当 y= x 时 , 有 ( Ax, Ax) = ( x, x) , 即‖ Ax‖ = ‖ x‖ .同理‖ Ay‖ =
‖ y‖ .因此
( Ax, Ay) ( x, y)
cos〈Ax, Ay〉 = = = cos〈x, y〉,
‖ Ax‖‖ Ay‖ ‖ x‖‖ y‖
所以向量 Ax 与 Ay 的夹角等于 x 与 y 的夹角 . ■
欧氏空间中向量 x 在正交矩阵作用下变换为 Ax, 通常称之 为
欧氏空间的正交变换 .它 在第 6 章中 研究 二次 型的标 准形 时起 着
重要作用 .

＊
4 .3 　 线性空间的定义及简单性质

线性空间是我们碰到的 第一个 抽象 的代数 结构 , 它是 三维 几

何向量空间和 n 维向量空间进一步推广而抽象出来的一个概念 .
在解析几何中讨论的三 维几何 向量 , 它 的加法 和 数与 向量 的
乘法运算可以描述一些几 何和 力学问 题的 有关属 性 .为了 研究 一
般线性方程组的解的理论 , 我们把三维向量推广为 n 维向量 , 定义
了 n 维向量的加法和数量乘 法运 算 , 讨论了 n 维向 量空间 中的 向
量关于线性运算的线性相 关性 , 完满 地阐 明了 线性方 程组 的解 的
理论 .
在全体 n 维实向量作成 的集 合中 , 定义 了向 量的 加法 运算 和
实数与向 量 的数 乘运 算 , 就 称为 实数 域上 的 n 维向 量 空间 ( 记 作
n n
R ) , R 对两种运算封闭且满足 8 条规则 ( 见本节定义 ) .
在数学研究的对象中 , 有很多类型的集合 , 也可在其中定义加
法运算及由给定数域中的 数与 集合中 的元 素之间 定义 数乘 运算 ,
＊
4 .3 　 线性空间的定义及简单性质 175

使集合对两种运算封闭并满足相同的 8 条规则 .因此 , 我们撇开集

合的具体对象和两种运算 的具 体含义 , 把 集合 对两种 运算 的封 闭
性及运算满足的规则抽象出来 , 就形成了抽象的线性空间的概念 ,
这种抽象将使得我们进一步研究的线性空间的理论可以在相当广
泛的领域内得到应用 .
定义 4． 9 　 数域 F 上的线性空 间 V 是 一个 非空 集合 , 它带 有
两个运算———加法 ( 记作α +β) 和数 量乘 法 ( 简 称数乘 , 是 F 中 的
数λ与 V 中元素 α相乘 , 记作 λα ) , 且 V 对两种运算封闭 ( 即运算
结果仍属于 V) 并满足以下 8 条运算规则 :
(1 ) α +β =β + α; ( 交换律 )
(2 ) (α + β) + γ = α + (β +γ) ; ( 结合律 )
(3 ) 存在θ∈ V , 使α +θ =α, 其中θ称为 V 的零元素 ;
(4 ) 存 在 - α∈ V , 使α + ( - α) = θ, 其 中 - α称 为α 的 负
元素 ;
(5 ) 1 α = α;
(6 ) k( α
l ) = ( kl)α; ( 结合律 )
(7 ) ( k + l)α = kα + α
l ; ( 分配律 )
(8 ) k(α +β) = kα + kβ. ( 分配律 )
其中α, β, γ是 V 中任意元素 , k, l 是 F 中任意数 .
F 为实 ( 复 ) 数域时 , 称为实 ( 复 ) 线性空间 , 简称实 ( 复 ) 空间 .
线性空间 V 中元素也常称为向量 , 线性空 间中 的加法 和数 乘
运算称为线性运算 .
n
显然 , 三维几 何向 量空 间和 R 都 是线性 空间 的具 体模 型 , 下
面再列举一些线性空间的例子 .
例 1 　 数域 F 上的全体多项式 F[ x] , 对通常的多项式加法 和
数乘多项式的运算构成数域 F 上的线性空间 , F[ x]的零元素是 系
数全为零的多项式 ( 称为零多项式 ) , 任一个元素 f ( x ) 的负元素 是
( - 1 ) f ( x ) .如果只考虑次数小于 n 的实系 数多项 式 , 那 么它们 连
176 第 4 章 　 向量空间与线性变换

同零多项式一起也构成实数域R 上的线性空间 , 记作R [ x] n .

例 2 　 全体 m× n 实矩阵 , 对矩阵的加法和数乘运算构成实数
m× n m× n
域上 的 线 性 空 间 , 记 作 R ( 或 M m× n ( R ) ) , R 的 零元素 是
m× n 零矩阵 , 任一元素 A 的负元素是 ( - A) .
例 3 　 区间[ a, b]上的全体实连续 函数 , 对通常 的函数 加法 和
数与函数的乘法运算构成实 数域 上的 线性 空间 , 记作 C[ a, b] .在
k
( a, b) 上全体 k 阶导 数连 续的 实 函数 C ( a, b) 对同 样 的加 法和 数
乘运算也构成实线性空间 .
对于给定的非空集合 V 和数域 F , 如果定 义的 加法和 数乘 运
算不封闭 ( 即运算 的结 果不 都 属于 V ) , 或 者运 算不 能 完全 满 足 8
条规则 , 那么 V 对定义的 运算 就 不能 构成 数域 F 上 的 线性 空间 .
例如 , 全体 n 阶实矩 阵对矩 阵的加法 和数乘 运算不能 构成复数 域
上的线性空间 , 全体非零 的三 维实向 量对 向量 的加法 和数 乘运 算
也不构成实的线性空间 .
由线性空间的定义可以得到线性空间的下列简单性质 .
( i ) 线性空间的零元素是唯一的 .
假设θ1 ,θ2 是线性空间的两个零元素 , 则
θ1 = θ1 + θ2 = θ2 + θ1 = θ2 .
　 　 ( ii ) 线性空间中任一元素α的负元素是唯一的 .
假设β1 ,β2 是α的两个负元素 , 即
α+ β1 = α+ β2 = θ .
于是
β1 = β1 + θ= β1 + (α+ β2 )
= (β1 + α) + β2 = θ+ β2 = β2 .
　 　 利用负元素 , 定义减法如下 :
β - α = β+ ( - α) .
　 　 ( iii ) 若α, β∈ V; k, l∈ F, 则有
k(α - β) = kα - kβ,
＊
4 .4 　 线性子空间 177

( k - l) α = kα - α
l .
这是因为
k(α - β) + kβ = k[ (α - β) + β] = k[α+ ( ( - β) + β) ]
= k(α+ θ) = kα,
( k - l) α+ α
l = [ ( k - l) + l] α= kα .
在上述两式的两端 , 分别加 - kβ和 - α
l , 即得所要的结果 .
由性质 ( iii ) , 令α =β,α =θ, k = l, k = 0 , 分别可得 :
( iv) kθ =θ, k( - β) = - ( kβ ) , 0 α =θ, ( - l)α = - ( lα) , 特别
地 , ( - 1)α = - α .以后 , - ( α
l ) 简记作 - α
l .
( v) 设α∈ V , k∈ F, 若 kα =θ, 则 k = 0 或α = θ .
1 1
假设 k≠0 , 则α = 1 α = ( kα) = θ =θ .
k k
由于线性空间具有上述 简单性 质 , 对于 线性空 间 中元 素作 线
性运算所得的方程 , 如
kβ+ k1 α1 + … + krαr = θ 　 ( k ≠ 0) ,
就容易解得
k1 kr
β= - α1 - … - αr .
k k

＊
4 .4 　 线性子空间

对于数域 F 上的线性空 间 V ( 简记作 V ( F) ) , 它 的子 集合 W

关于 V( F) 中的两种运算可能是 封闭 的 , 也 可能 是不 封闭的 .例 如
3
R 的下列子集合 :
W1 = { ( x1 , x2 , x3 ) | x1 - x2 + 5 x3 = 0} ,
W2 = { ( x1 , x2 , x3 ) | x1 - x2 + 5 x3 = 1} .
W1 是 过原 点的 平面 x1 - x2 + 5 x3 = 0 上 的全 体 向 量 ; W2 是不 过
原点 的平面 x1 - x2 + 5 x3 = 1 上的 全 体向 量 .容 易 验证 , W1 关 于
178 第 4 章 　 向量空间与线性变换

向量 的加法 和 数 乘 运 算 是 封 闭 的 , 而 W2 对 这 两 种 运 算 是 不 封
闭的 .
3
显然 , W2 对R 中的线性运算不构成一个线性空间 , 因而不 是
3 3
R 的一个线 性子空间 , 而 W1 则是 R 的一 个线性子 空间 .下面 给
出线性空间的子空间的定义 .
定义 4． 10 　 设 V ( F) 是一个线性空 间 , W 是 V 的一个非 空子
集合 , 如果 W 对 V( F) 中定义的线性 运算也构 成数域 F 上的线 性
空间 , 就称 W 为 V( F) 的一个线性子空间 ( 或简称子空间 ) .
定理 4． 9 　 线性空间 V( F) 的非空子集合 W 为 V 的子空间的
充分必要条件是 W 对于 V 的两种运算封闭 .
证 　 必要性是显然的 , 下面 证充 分性 .此 时 只需 验证 W 中 的
向量满足线性空间定 义中 的 8 条规 则 .由 于 W 是 V 的 非空 子 集
合 , 所以规则 ( 1) , ( 2) , ( 5) , ( 6) , ( 7) , ( 8) 显然成立 .因此 , 只需证明
θ∈W ; W 中每个向量 α的 负 向量 ( - α) 也在 W 中 .由 于 W 对 数
乘运算封闭 , 即 ＂ λ∈ F, ＂ α∈W , 均有λα∈ W .取λ= 0 , - 1 , 则有
0 α =θ∈ W , ( - 1)α = - α∈W . ■
例 1 　 在线性空间 V 中 , 由单个的零向量组成的子集合{θ} 是
V 的一个子空间 , 叫做零子空间 ; V 本身也 是 V 的一 个子空 间 .这
两个子空间也叫做 V 的平凡子空间 , 而 V 的其他子空 间叫做非 平
凡子空间 .
例 2 　 设 A∈ Fm× n , 则齐次线性方程组 Ax = 0 的解集合
S = { x | Ax = 0}
n
是 F 的一个子空间 , 叫做 齐次线 性方 程组的 解空 间 ( 也称 矩 阵 A
的零空间 , 记作 N( A) ) .但 是非齐 次线 性方 程组 Ax = b 的 解集 合
n
不是 F 的子空间 .
例 3 　 全体 n 阶 实数 量矩 阵、实 对角 矩 阵、实 对称 矩 阵、实 上
n× n
( 下 ) 三角矩阵分别组成的集合 , 都是R 的子空间 .
3
例 4 　 设R 的子集合
＊
4 .4 　 线性子空间 179

V1 = { ( x1 , 0 , 0 ) | x1 ∈ R } ,
V2 = { ( 1 , 0 , x3 ) | x3 ∈ R } ,
则 V1 是R 3 的 子 空间 , V2 不 是 R 3 的 子空 间 , 它们 的 几 何 意义 是 :
V1 是 x 轴上的全体向量 ; V2 是过点 ( 1 , 0 , 0 ) 与 z 轴平 行的直线 上
的全体向量 .在三维几何向量空间中 , 凡是过原点的平面或直线上
3
的全体向量组成的子集合都是R 的子 空间 , 而不过 原点的 平面 或
3
直线上的全体向量组成的子集合都不是R 的子空间 .
定理 4．10 　 设 V 是数域 F 上的线性空间 , S 是 V 的一个非空
子集合 , 则 S 中一切向量组的所有线性组合组成的集合
W = { k1 α1 + … + kmαm | αi ∈ S, ki ∈ F, i = 1 , … , m}
是 V 中包含 S 的最小的子空间 .
证 　 W 显 然 包 含 S , 设α, β∈ W , 则 存 在α1 , α2 , … , αm ,
β1 ,β2 , … ,βn ∈ S 及 k1 , k2 , … , km , l1 , l2 , … , ln ∈ F, 使得
α = k1 α1 + k2 α2 + … + kmαm ,
β = l1 β1 + l2 β2 + … + lnβn .
于是 　 α + β= ( k1 α1 + … + kmαm ) + ( l1 β1 + … + lnβn ) ∈ W .
又 ＂ k∈ F, 也有
kα = k( k1 α1 + … + kmαm ) = kk1 α1 + … + kk mαm ∈ W ,
所以 W 是 V 的一个子空间 .
＊
再设 W 是 V 中包含 S 的任一个子空间 , 则
＂ α= k1 α1 + … + kmαm ∈ W .
＊ ＊ ＊
由于α1 , … ,αm ∈ S W , 所以必有α∈W , 从 而 W W ,因此 W
是 V 中包含 S 的最小子空间 . ■
定理 4． 10 中的 W 称为由 V 的非 空子 集 S 生 成的 V 的子 空
间 , 或者说 S 生成 W , 当 S 为有限 子集 {α1 ,α2 , … ,αm } 时 , 记 W =
L(α1 ,α2 , … ,αm ) , 并称 W 是由向量组α1 ,α2 , … ,αm 生成的子空间 .
例如 , 齐次线性方程组 Ax = 0 的解 空间是 由它 的基础 解系 生
3
成的子空间 ; R 中任一个过原点的 平面上 的全体向 量所构 成的 子
180 第 4 章 　 向量空间与线性变换

空间 , 是由该平面上任意两个线性无关的向量生成的子空间 .
定理 4． 11 　 设 W1 , W2 是数 域 F 上 的 线 性空 间 V 的两 个 子
空间 , 且 W1 = L(α1 , … ,αs ) , W2 = L(β1 , … ,βt ) , 则 W1 = W2 的充要
条件是两个向量组α1 , … ,αs 与β1 , … ,βt 可以 互相线 性表 示 ( 即两 个
向量组中的每个向量都可由另一个向量组线性表示 ) .
证 　 必要性是显然的 , 下面证充分性 .
设 α = k1 α1 + … + ksαs ∈ W1 , 由 于αi ( i = 1 , … , s) 可由 向量 组
β1 , … ,βt 线性表出 , 所 以 α 也 可 由β1 , … , βt 线 性 表 示 , 即 存 在
l1 , … , lt ∈ F, 使
α= l1 β1 + … + lβ
t t ∈ W2 ,

因此 , W1 W2 .
同理可证 , W2 W1 , 从而有 W1 = W2 . ■
定义 4． 11 　 设 W1 , W2 是线性空间 V 的两个子 空间 , 则 V 的
子集合
W1 ∩ W2 = {α| α∈ W1 且α∈ W2 } ,
W1 + W2 = {α1 + α2 | α1 ∈ W1 ,α2 ∈ W2 } ,
分别称为两个子空间的 交 与 和 .如 果 W1 ∩ W2 = {θ} , 就称 W1 +
W2 为直和 , 记作 W1 W2 .
需要注意的是 , W1 + W2 是由 W1 中的任意向量与 W2 中的任
意向量的和组成的集合 , 这与 W1 ∪ W2 的概念是不同的 .
定理 4． 12 　 线性空 间 V ( F) 的两 个子空间 W1 , W2 的交与 和
仍是 V 的子空间 .
证 　 我们只证 W1 + W2 是 V 的子 空间 , 为 此只需证 W1 + W2
对 V 中的线性运算封闭 .
设α, β∈ W1 + W2 , 即存在α1 ,β1 ∈ W1 ;α2 ,β2 ∈ W2 , 使
α= α1 + α2 , β= β1 + β2 ,
于是 α+ β = (α1 + α2 ) + (β1 + β2 )
= (α1 + β1 ) + (α2 + β2 ) ∈ W1 + W2 ,
＊
4 .4 　 线性子空间 181

再设 λ∈ F, 则 λα = λ(α1 + α2 ) =λα1 + λα2 ∈ W1 + W2 .

故 W1 + W2 也是 V 的一个子空间 . ■
n
下面介绍有用的矩 阵列 空间 和 行空 间 以 及 R 的 正 交子 空 间
的概念 .
定义 4． 12 　 矩阵 A 的列 ( 行 ) 向量组生成的子空间 , 称为矩 阵
A 的列 ( 行 ) 空间 , 记作 R( A) ( R( AT ) ) .
若 A∈ M m× n ( R ) , 则 A 的列向量 组β1 ,β2 , … ,βn ∈ R m , 行向 量
组α1 ,α2 , … ,αm ∈R n , 于是 : R( A) = L(β1 ,β2 , … ,βn ) 是R m 的一个子
T n
空间 ; R( A ) = L(α1 ,α2 , … ,αm ) 是R 的一个子空间 .
第 3 章 讲 过 , 非 齐 次 线 性方 程 组 Ax = b 有 解 的 充 要 条 件 之
一“
: b 是 A 的列向量组 的线性 组合”.根据 矩阵 列空 间的 定 义 , 这
个充要条件也可叙述为“ b 属于 A 的列空间 , 即 b∈ R( A) ”.
n n
定义 4． 13 　 设 向量α∈ R , W 是 R 的一 个子空 间 , 如 果对 于
任意的γ∈ W , 都 有 (α, γ) = 0 , 就 称α与 子 空 间 W 正 交 , 记 作
α⊥ W .
n
定义 4． 14 　 设 V 和 W 是R 的两个 子空间 , 如果 对于任意 的
α∈ V ,β∈ W , 都有 (α, β) = 0 , 就称 V 和 W 正交 , 记作 V⊥ W .
3
例如 , R 中 O x y 平面上的 全体向量 和 z 轴上的全 体向 量 , 分
3
别是R 的二维和一 维子 空间 , 它 们 是两 个 正交 的 子空 间 .但 是 过
原点互相垂直的两个平面上的全体向量构成的两个子空间不是正
交的子空间 ( 因为它们交线上的非零向量自身的内积不等于零 ) .
齐次线性方程组 Ax= 0, 即
a11 x1 + a12 x2 + … + a1 n x n = 0 ,
a21 x1 + a22 x2 + … + a2 n x n = 0 ,
………………………………… ,
am1 x1 + am2 x2 + … + am n x n = 0 .
其每个解向量与系数矩阵 A 的每个 行向量 都正 交 , 所以解 空间 与
A 的行空间是正交的 , 即
182 第 4 章 　 向量空间与线性变换

T
N( A) ⊥ R( A ) .
　 　 定理 4． 13 　 R n 中与子空间 V 正交的全部向量所构成的集合
n
W = {α| α⊥ V ,α∈ R }
是R n 的一个子空间 .
证 　 因为零向量与任何子 空 间正 交 , 所以 W 是 非空 集 合 .设
α1 ,α2 ∈ W , 于是 对 任意 的γ∈ V , 都有 (α1 ,γ) = 0 , (α2 , γ) = 0 , 从
而有
(α1 + α2 ,γ) = 0 , ( kα1 ,γ) = 0 ( k ∈ R ) ,
所以 (α1 + α2 ) ⊥ V , kα1 ⊥ V , 即α1 + α2 ∈ W , kα1 ∈ W , 故 W 是R n 的一
个子空间 .
定义 4． 15 　 R n 中与子空间 V 正交 的全体 向量 构成的 子空 间
⊥
W , 称为 V 的正交补 , 记作 W = V .
例如 , Ax = 0 的解空间 N ( A) 是 由 与 A 的 行向 量 都正 交的 全
部向量构成 , 所以
N ( A) = ( R( AT ) ) ⊥ .
这是齐次线性方程组 Ax= 0 的解空间的一个基本性质 .

＊
4 .5 　 线性空间的基 　 维数 　 向量的坐标
n n
在本章前几节中 , 我 们 对于 F 已经 知 道 : F 中任 何 n 个 线
n
性无关的 向 量 都是 一 组基 , 任一 个 向 量α都 可 由 F 的 基 线 性 表
示 , 其表示的 系数 按 序 排 成 的 向 量 就 是α在 这 组 基 下 的 坐 标 .现
在 , 我们要在一般的线性空间 V ( F) 中讨论 类似 的问 题 .为 此先 要
讨论 V ( F) 中元素 ( 或称向量 ) 的线性相关性 .
n
由于线性空间关于两种运算 和 F 关于其 线性 运算一 样满 足
n
相同的 8 条规则和简 单的 性质 , 因 此 , F 中向 量的 线 性相 关性 的
定义及有关的基本结论也都适用于一般的线性空间 V .对 此 , 我 们
不再重复叙述 , 但要注 意 , 那里的 向量α, β, γ, … , 在这 里 是 V 中
＊
4 .5 　 线性空间的基 　 维数 　 向量的坐标 183

的元素 , 那里的零向量是这里 V 中的零元素 .

例 1 　 证 明 : 线 性 空 间 R [ x] n 中 元 素 f 0 = 1 , f1 = x , f2 =
2 n- 1
x , … , fn - 1 = x 是线性无关的 .
证 　 设 　 k0 f0 + k1 f1 + k2 f2 + … + kn - 1 f n - 1 = 0 ( x) , 即
2 n- 1
k0 + k1 x + k2 x + … + kn - 1 x = 0( x) ,
上式中的 0( x ) 是 R [ x] n 的 零 元 素 , 即 零 多 项 式 .因 此 要 使 1 , x,
x2 , … , xn - 1 的线性组合等于零多项式 , 仅当系数 k0 , k1 , k2 , … , kn - 1
2 n- 1
全为零才能成立 .故 1 , x, x , … , x 是线性无关的 .
2 ×2
例 2 　 证明 : 线性空间 R 中的元素
1 0 1 1 1 1 1 1
A1 = , A2 = , A3 = , A4 =
0 0 0 0 1 0 1 1
是线性无关的 .
证　设
k1 A1 + k2 A2 + k3 A3 + k4 A4 = 02× 2 , (＊)
k1 + k2 + k3 + k4 k2 + k3 + k4 0 0
即 = ,
k3 + k4 k4 0 0
k1 + k2 + k3 + k4 = 0 ,
k2 + k3 + k4 = 0 ,
于是
k3 + k4 = 0 ,
k4 = 0 .
而此线性 方 程 组 只 有 零 解 , 因 此 , 仅 当 k1 = k2 = k3 = k4 = 0 时 ,
( ＊ ) 式才成立 , 故 A1 , A2 , A3 , A4 是线性无关的 .
显然 , 在R 2 × 2 中 , 矩阵
1 0 0 1 0 0 0 0
E11 = , E12 = , E21 = , E22 =
0 0 0 0 1 0 0 1
2 ×2
也是线性无关的 , 且R 中任一个矩阵
a b
A= = aE1 1 + bE12 + cE21 + dE22 .
c d
184 第 4 章 　 向量空间与线性变换

2 ×2
读者也不难证明 , 在R 中任意 5 个元素 ( 二阶矩阵 ) A, B, C, D, Q
是线性相关的 , 如果 A, B, C, D 线性 无 关 , 则 Q 可 由 A, B, C, D 线
2× 2 4
性表出 , 且表示法唯一 , R 的这些属性与 R 是类 似的 , 现在我 们
把线性空间的这些属性抽象为基、维数和坐标的概念 .
定义 4．16 　 如 果线 性 空间 V ( F) 中存 在 线 性无 关 的向 量 组
B = {α1 ,α2 , … ,αn } , 且任一α∈ V 都可由 B 线性表示为
α= x1 α1 + x2 α2 + … + xnαn , (4 .1 7)
则称 V 是 n 维线性空间 ( 或说 V 的维数为 n , 记作 dimV = n) ; B 是
V 的一个 基 ; 有 序数 组 ( x1 , x2 , … , xn ) 为α关 于基 B ( 或说 在 基 B
下 ) 的坐标 ( 向量 ) , 记作
αB = ( x1 , x2 , … , xn ) T ∈ Fn . (4 .1 8)
如果 V( F) 中有任意多 个线 性无 关 的向 量 , 则称 V 是 无限 维线 性
空间 .
2 n
容易证明 , 在 F[ x]中 , 1 , x, x , … , x ( n 为任 意正 整 数 ) 是 线
性无关的 , 因此 , F[ x]是无限维线性空间 .C[ a, b]也是 无限维线 性
空间 .在我们的课程里 , 只讨论有限维线性空间 .
在 n 维线性空间 V 中 , 任意 n + 1 个元素β1 ,β2 , … ,βn + 1 都可以
由 V 的一个基α1 ,α2 , … ,αn 线性 表出 , 因 此 , 根据定 理 3． 4 可 知 , n
维线性空间中任意 n + 1 个 元 素都 是线 性相 关的 .所以 , n 维线 性
空间 V 中 , 任何 n 个线性无关的向量都是 V 的一个基 .
2 n- 1
例如 : F[ x] n 是 n 维 线 性空 间 , { 1 , x, x , … , x } 是它 的 一
2× 2
个基 ; R 是 4 维 线 性 空 间 , { E1 1 , E12 , E21 , E22 } 和 例 2 中 的
{ A1 , A2 , A3 , A4 } 都是它的基 ; Fm× n 是 m × n 维 线性空 间 , 这 是因 为
Fm× n 中存在 m× n 个线性无关的元素 Ei j ( Eij 是第 i 行第 j 列为 1 ,
其余元素全为零的 m× n 矩阵 ) , i = 1 , … , m, j = 1 , … , n, 而且任 一
个 m× n 矩阵可由它们线性表出 .
在线 性 空 间 V 中 , 由 向 量 组α1 , α2 , … , αs 生 成 的 子 空 间
L (α1 ,α2 , … , αs ) 的 维 数 等 于 向 量 组α1 , α2 , … , αs 的 秩 , 向 量 组
＊
4 .5 　 线性空间的基 　 维数 　 向量的坐标 185

α1 ,α2 , … ,αs 的极大线性无关组是 L (α1 ,α2 , … ,αs ) 的基 .矩 阵 A 的

T
列空间R ( A) 和行空间 R( A ) 的维数都等于秩 ( A) .V 的零子空 间
{θ} 的维数为零 .
齐次线性方程组 Ax = 0 的基础 解系 是其 解空 间 N ( A) 的基 ,
如果 A 是 m× n 矩阵 , 秩 ( A) = r, 则 解空 间 N ( A) 的 维数 为 n - r,
所以
T
dim ( R( A ) ) + dim ( N( A) ) = n . (4 .1 9)
　 　 这是 Ax= 0 的解空间的又一个基本性质 .
定理 4．14 　 设 V 是 n 维线性空间 , W 是 V 的 m 维子空间 , 且
B1 = {α1 ,α2 , … ,αm }是 W 的一 组基 , 则 B1 可以 扩充 为 V 的基 ( 即
在 B1 的基础上可以添加 n - m 个向量而成为 V 的一组基 ) .
证 　 如 果 m = n, B1 就 是 V 的 基 .如 果 m < n, 则 必 存 在
αm + 1 ∈ V , 使α1 , … , αm , αm + 1 线 性 无 关 , 否 则 , dim V = m, 这 与
dim V = n 矛盾 .如果 m + 1 = n, 定理 得证 , 如果 m + 1 < n, 继 续 上
述步骤 , 必存在αm + 2 , … ,αn ∈ V , 使{α1 ,α2 , … ,αm ,αm + 1 , … ,αn }线 性
无关 , 这就是 V 的基 . ■
定理 4． 15 　 ( 子 空 间 的 维 数 公 式 ) 设 W1 , W2 是 线 性 空 间
V ( F) 的子空间 , 则
dim W1 + dim W2 = dim ( W1 + W2 ) + dim ( W1 ∩ W2 ) .
(4 .2 0)
　 　 证 　 设 dimW1 = s, dim W2 = t, dim ( W1 ∩ W2 ) = r, 则 W1 ∩
W2 = L(α1 ,α2 , … ,αr ) , W1 = L(α1 , … ,αr ,β1 , … ,βs - r ) , W2 = L(α1 , … ,
αr ,γ1 , … ,γt - r ) .于是
W1 + W2 = L(α1 , … ,αr ,β1 , … ,βs- r ,γ1 , … ,γt - r ) .
如此 , 只要证明 di m( W1 + W2 ) = s+ t - r, 即上 述生成 W1 + W2 的
s+ t - r 个向量是线性无关的 .为此 , 设
a1 α1 + … + arαr + b1 β1 + … + bs - r βs- r +
c1 γ1 + … + ct - r γt - r = 0, ①
186 第 4 章 　 向量空间与线性变换

于是
a1 α1 + … + arαr + b1 β1 + … + bs- r βs - r
= - c1 γ1 - … - ct - r γt - r . ②
因为②式两端的向量分 别属于 W1 和 W2 , 所以 它们 都属 于 W1 ∩
W2 , 因此
- c1 γ1 - … - ct - r γt - r = d1 α1 + … + drαr ,
即 d1 α1 + … + drαr + c1 γ1 + … + ct - r γt - r = 0 ,
其中α1 , … ,αr ,γ1 , … ,γt - r 是 W2 的 基 , 所以其系 数全为 零 , 将其 代
入②式右端 , 又得 ② 的左 端 系数 全为 零 , 所 以 ① 中向 量 组线 性 无
关 . ■
关于 n 维线性空间 V ( F) 中向 量在 基 B 下 的坐 标的 概 念 , 是
与 F 中向 量关于 基 B 的坐 标的 概念是 完全 类似的 , 那里 的主 要
n

结论 :
( i ) 向量在给定基下的坐标是唯一确定的 ;
( ii ) 由基 B1 到基 B2 的过渡矩阵的概念以及过渡矩阵是可逆
的 , 即定义 4． 2 与定理 4． 1;
( iii ) 基变换与坐标变换的公式 , 即定理 4． 2 .
在这里都是适用的 .除此之外 , 我们还要进一步指出 :
给定了 n 维线性空间 V ( F) 的基 B = {β1 ,β2 , … ,βn } , V ( F) 中
n
的向量与其坐标 ( F 中的向量 ) 不仅是一 一对应 的 , 而 且这种对 应
保持线性运算关系不变 , 即 :
n
V ( F) 中α+ ζ对应于 F 中αB + ζB ;
V ( F) 中 λα对应于 F n 中λαB .
事实上, 如果α = x1 β1 + x2 β2 + … + xnβn ,ζ = y1 β1 + y2 β2 + … +
ynβn ,λ∈ F, 便有
α+ ζ = ( x1 + y1 ) β1 + ( x2 + y2 ) β2 + … + ( xn + yn ) βn ,
λ
α = (λx1 ) β1 + (λx 2 ) β2 + … + (λx n ) βn ,
故 (α+ ζ) B = αB + ζB , (λ
α) B = λ
αB .
＊
4 .5 　 线性空间的基 　 维数 　 向量的坐标 187

n
　 　 具有上述对应关系的 两个 线性 空间 V ( F) 与 F , 我们 称它 们
是同构的 .上述对应 关系 表明 , 研究 任 何 n 维线 性 空间 V ( F) , 都
n
可以通过基和坐标 , 转化为研究 n 维向量 空间 F .这样 , 我们对 不
同的 n 维线性空间就有了统一的研究方法 , 统一到 研究 Fn , 因此 ,
通常把线性空间也称为向量空间 , 线性空间中的元素也称为向量 .
例 3 　 证明 : B = { f 0 , f1 , f2 , … , f n - 1 } ( 其 中 f0 = 1 , f 1 = x,
2 n- 1
f2 = x , … , fn - 1 = x ) 是R [ x] n 的一组基 , 并 求 p ( x ) = a0 +
a1 x + a2 x2 + … + an - 1 xn - 1 在基 B 下的坐标 .
解 　 在例 1 中已证 B 是线性无关的 , 而且
＂ p( x ) = a0 + a1 x + a2 x2 + … + an - 1 x n - 1 ∈ R [ x] n ,
有 p( x ) = a0 f0 + a1 f1 + a2 f2 + … + an - 1 f n - 1 . ①
故 B 是R [ x] n 的一组基 ( 通常称自然基 ) , 因此 R [ x] n 是 n 维实线
性空间 .由①式也可知 p( x ) 在基 B 下的坐标
T
( p( x ) ) B = ( a0 , a1 , a2 , … , an - 1 ) ,
且①式借助于矩阵乘法可以形式地表示为
a0
n- 1 a1
p( x ) = (1 , x, … , x ) .
…
an - 1
　 　 例 4 　 设 B1 = { g1 , g2 , g3 } , B2 = { h1 , h2 , h3 } , 其中 :
g1 = 1 , 　 　 　 　 g2 = - 1 + x , 　 g3 = 1 - x + x2 ,
2 2 2
h1 = 1 - x - x , h2 = 3 x - 2 x , h3 = 1 - 2 x .
　 　 ( i ) 证明 B1 , B2 都是R [ x] 3 的基 ;
( ii ) 求基 B1 到基 B2 的过渡矩阵 ;
( iii ) 已知[ p( x) ] B 1 = ( 1 , 4 , 3) T , 求[ p( x) ] B 2 = ( y1 , y2 , y3 ) T .
解 　 ( i ) 已知 dimR [ x] 3 = 3 , 所以 只要证 明 B1 与 B2 都是 线
性无关的 .将 B1 中每 个元 素用 R [ x] 3 的 自然 基 B = { f0 , f1 , f 2 }
线性表示 , 得
188 第 4 章 　 向量空间与线性变换

g1 = 1 ・ f0
g2 = - 1・ f 0 + 1・ f1 , ①
g3 = 1 ・ f0 - 1・ f 1 + 1・ f2 .
①式可形式地表示为
1 - 1 1
( g1 , g2 , g3 ) = ( f0 , f 1 , f2 ) 0 1 - 1 . ②
0 0 1
由于②式中右端矩阵
1 - 1 1
A= 0 1 - 1 ③
0 0 1
的行列式等于 1≠0 , 根据 定理 4． 1 , 即 得 B1 = { g1 , g2 , g3 } 是线 性
无关的 .同理可证 B2 = { h1 , h2 , h3 }也是线性无关的 .
( ii ) 与 ① 式相 类 似 , 同 样可 写 出 基 B2 与 自 然 基 B 的 关 系 ,
得到
1 0 1
( h1 , h2 , h3 ) = ( f0 , f1 , f2 ) - 1 3 0 . ④
- 1 - 2 - 2
将④式右端矩阵记作
1 0 1
P= - 1 3 0 .
- 1 - 2 - 2
　 　 上述 A, P 分别是基 B 到 基 B1 和 基 B 到 基 B2 的 过渡 矩阵 .
再由②式得
- 1
( f0 , f 1 , f2 ) = ( g1 , g2 , g3 ) A , ⑤
将⑤式代入④式 , 即得
( h1 , h2 , h3 ) = ( g1 , g2 , g3 ) ( A- 1 P) ,
因此 , 基 B1 到基 B2 的过渡矩阵为
＊
4 .6 　 向量空间的线性变换 189

1 1 0 1 0 1 0 3 1
-1
C= A P = 0 1 1 - 1 3 0 = - 2 1 - 2 .
0 0 1 - 1 - 2 - 2 - 1 - 2 - 2
y1 1 6 - 4 7 1 11
　 　 ( iii ) - 1
y2 =C 4 = 2 - 1 2 4 = 4 .
y3 3 -5 3 -6 3 - 11

＊
4 .6 　 向量空间的线性变换

首先 , 我们给出映射的定义 .
定义 4． 17 　 设 X , Y 是两 个非 空集合 , 如 果有 一个 法则 σ, 它
使 X 中每个元素α都有 Y 中唯一确定的一个元 素β与之 对应 , 那
么就称 σ是 X 到 Y 的一个映射 , 记作
σ: X → Y ,
并称 β为α在σ下的象 ,α为β在σ下的一个原象 , 记作 :
σ: α→β　 或 　 σ(α) = β.
注意 ,α的象是唯一的 , 但 β的原象不一定是唯一的 .
由 X 到自身的映射σ, 常称之为变换 .
如果 ＂ α1 ,α2 ∈ X ,α1 ≠α2 , 都有 σ(α1 ) ≠σ(α2 ) , 就称 σ为单射 .
如果 ＂ β∈ Y , 都有 α∈ X , 使 σ(α) =β, 就称 σ为满射 .
如果 σ既是单射 , 又是满射 , 就称 σ为双射 ( 或称一一对应 ) .
例 1 　 f ( x ) = sin x , 是 R → [ - 1 , 1 ] 的 一个 映 射 , 这 个映 射 f
是满射 , 而不是单射 .
x
f ( x) = e , 是R →R 的一个映射 , 它是单射而不是满射 .
大家熟知的一元函数中的线性函数
y = f ( x ) = ax (4 .2 1)
( 其一般形式 y = a x + b 可以 通过 坐标平 移化 为上 述形式 ) 是R →
1 1
R ( 或 者说 R → R ) 的 映 射 , 它 显 然 是 双 射 .这 个 映 射 具 有 以 下
190 第 4 章 　 向量空间与线性变换

性质 :
( i ) f ( x1 + x2 ) = f ( x1 ) + f ( x2 ) ; (4 .2 2)
( ii ) f (λx) =λf ( x ) , λ是常数 .
现在 , 我 们 把 一 元 线 性 函 数 推 广 到 n 维 向 量 空 间 , 设
n× n n
A∈R , 如果对每一个列向量 x∈R , 映射
σ : x → Ax 　 即 　 σ ( x) = Ax,
n n
( 是R →R 的一个映射 ) 满足以下性质 :
σ ( x1 + x2 ) = A( x1 + x2 ) = Ax1 + Ax2 = σ ( x1 ) +σ( x2 ) ;
σ(λx) = A(λx) = λAx = λ
σ ( x) , λ∈ R .
n n
我们把这个映射σ称为 R → R 的线性映射 ( 也称线性变换 ) .
m× n n
更一般 , 如果 A∈R , x∈ R , 则映射
σ: x → Ax ∈ R m
n m
是R 到R 的线性映射 .例如 , 二元线性函数
x1
y = f ( x1 , x2 ) = a1 x1 + a2 x2 = ( a1 , a2 )
x2
2 1
就是R →R 的线性映射 .
本节主 要是 讨论 R n → R n 的 线性 映射 ( 也 称 R n 的 线性 变换 ) .
下面 , 先把一元线性函 数 ( 4． 21 ) 的 定义域 和值 域 ( 都是 实数 域 ) 推
广到一般的向量空间 V( F) , 并保 留 ( 4． 22 ) 式所 表示 的性质 , 就 得
到向量空间 V( F) 的 线 性变 换的 概念 , 然后 再 研 究它 的 简单 性 质
及其矩阵表示 .

4 .6 .1　 线性变换的 定义及其 简单性质

定义 4． 18 　 设 V ( F) 是一个向量空间 , 如果 V ( F) 的一个变换
σ满足条件 : ＂ α, β∈ V 和λ∈ F,
( i ) σ (α +β) =σ(α) +σ(β) , (4 .2 3)
( ii ) σ (λ
α ) =λ
σ (α) .
就称σ是 V ( F) 的一个线性变换 , 并称σ (α) 为α的象 ,α为σ (α) 的
＊
4 .6 　 向量空间的线性变换 191

原象 .
(4． 23) 式也可等价地写作 : ＂ α, β∈ V 和λ,μ∈ F, 都有
σ (λα+ μβ ) = λ
σ (α) + μσ(β) . (4 .2 3)′
　 　 本书采用黑正体字母 表示 线性变 换 , 以区 分线性 变换 和线 性
变换在一组基下对应的矩阵 .
2
例 2 　 旋转变换———R ( O x y 平面 上以 原点为 始 点的 全体 向
2
量 ) 中每个向量绕原 点按 逆 时针 方 向 旋转 θ角 的 变 换 Rθ 是 R 的
一个线性变换 ( 图 4． 4 ) .即 ＂ α = ( x, y ) ∈R 2 ,
Rθ ( x, y) = Rθ (α) = α′= ( x′, y′) , (4 .2 4)
其中 : |α | = r, 而
x′= rcos (β+ θ) = rcosβcosθ - rsinβsinθ
= xcosθ - ysi nθ,
y′= rsi n(β+ θ) = rsi nβcosθ+ rcosβsinθ
= ycosθ+ xsi nθ.
于是 , ＂ α1 = ( x1 , y1 ) ,α2 = ( x2 , y2 ) ∈R 2 和 ＂ λ,μ∈R , 由 ( 4． 24) 式
即得
Rθ(λα1 + μα2 ) = Rθ(λ x1 + μ x 2 ,λy 1 + μy2 )
= ( (λ x1 + μ x2 ) cosθ - (λy 1 + μy2 ) sinθ,
　 (λ x1 + μ x2 ) sinθ+ (λy1 + μy2 ) cosθ)
= λ( x1 cosθ- y1 sinθ, x1 sinθ+ y1 cosθ) +
　 μ( x2 cosθ - y2 si nθ, x2 si nθ+ y2 cosθ)
= λRθ ( x1 , y1 ) + μRθ ( x2 , y2 )
= λRθ (α1 ) + μRθ (α2 ) .
故 Rθ 是 R 的一个线性变换 .
2

2
例 3 　 镜像变换 ( 镜面反射 ) ———R 中每个向量关于过原点 的
2
直线 L( 看做镜面 ) 相对称的变换 φ 也是R 的一个线性变换 , 即
φ(α) = α′.
( 如图 4． 5 , L 是 A B 的垂直平分线 .)
192 第 4 章 　 向量空间与线性变换

图 　 4 .4 图 　 4 .5

　 　 设直线 L 的一个方向的单位向量为ω , 则

O C = (α,ω ) ω,
其中 (α,ω) 是α与 ω的内积 , 于是

α′= α+ AB = α+ 2 AC = α+ 2( OC - α)
= - α+ 2 (α,ω) ω,
因此 φ(α) = - α + 2(α,ω)ω . (4 .2 5)
2
下面验证 φ是线性变换 . ＂ α1 ,α2 ∈R ,λ,μ∈R , 有
φ(λα1 + μα2 ) = - (λα1 + μα2 ) + 2(λα1 + μα2 ,ω) ω
= λ( - α1 + 2 (α1 ,ω) ω) + μ( - α2 + 2 (α2 ,ω) ω)
=λ
φ(α1 ) + μφ(α2 ) ,
故镜 像 变 换 φ 是 R 2 的 一 个 线 性
变换 .
3
例 4 　 把R 中向 量α = ( x1 , x2 ,
x3 ) 投影为 x Oy 平 面上 的 向 量 β =
( x1 , x2 , 0 ) 的 投 影 变 换 P (α) = β
( 图 4． 6 ) , 即
P( x1 , x2 , x3 ) = ( x1 , x2 , 0 )
(4 .26)
3 图 　 4 .6
是R 的一 个 线 性 变 换 .读 者 不难 验
＊
4 .6 　 向量空间的线性变换 193

3
证 : ＂ α1 = ( a1 , b1 , c1 ) ,α2 = ( a2 , b2 , c2 ) ∈R , ＂ k∈ R , 均满足
P(α1 + α2 ) = P(α1 ) + P(α2 ) , 　 P( kα1 ) = kP(α1 ) .
　 　 这 里 如 果 把α 在 基 下 的 坐 标 向 量 表 示 为 列 的 形 式
T T
( x1 , x2 , x3 ) ,β在基下的坐标向量为 ( y1 , y2 , y3 ) , 显然有
y1 1 x1
y2 = 1 x2 . (4 .2 7)
y3 0 x3
这是以后要讲的投影变换的矩阵表示 .
例 5 　 R n 的下列变换 :
恒等变换 　σ (α) =α, ( ＂ α∈R n )
零变换 　 　σ (α) = 0, ( ＂ α∈R n )
n
数乘变换 　σ (α) =λα, ( ＂ α∈R , 其中 λ为实常数 )
n
都是R 的线性变换 ( 证明留给读者练习 ) .
3
例 6 　 在R 中定义变换
σ ( x1 , x2 , x3 ) = ( x1 + x2 , x2 - 4 x3 , 2 x3 ) ,
3
则σ是 R 的一个线性变换 .这是因为 :
3
对于任意的α = ( a1 , a2 , a3 ) ,β = ( b1 , b2 , b3 ) ∈R , 有
σ (α+ β) = σ( a1 + b1 , a2 + b2 , a3 + b3 )
= ( a1 + a2 + b1 + b2 , a2 + b2 - 4 a3 - 4 b3 , 2 a3 + 2 b3 )
= ( a1 + a2 , a2 - 4 a3 , 2 a3 ) + ( b1 + b2 , b2 - 4 b3 , 2b3 )
= σ(α) + σ(β) .
3
同理 , 对于任意的α∈R , k∈R , 也有σ ( kα) = kσ (α) .
3
例 7 　 在R 中定义变换
σ ( x1 , x2 , x3 ) = ( x21 , x2 + x3 , x2 ) ,
3
则σ不是 R 的一个线性变换 .
3
因为对于任意的α = ( a1 , a2 , a3 ) ,β = ( b1 , b2 , b3 ) ∈R ,
σ(α+ β) = σ ( a1 + b1 , a2 + b2 , a3 + b3 )
2
= ( ( a1 + b1 ) , a2 + a3 + b2 + b3 , a2 + b2 )
194 第 4 章 　 向量空间与线性变换

2 2
≠ ( a1 , a2 + a3 , a2 ) + ( b1 , b2 + b3 , b2 )
= σ(α) + σ(β) .
故σ不是 R 3 的线性变换 .此例也可 用检验σ (λ
α) ≠λ
σ (α) 来说明σ
不是线性变换 .
由例 6 可见 , R n 的变换
σ ( x1 , x2 , … , xn ) = ( y1 , y2 , … , yn ) ,
当 yi ( i = 1 , 2 , … , n) 都是 x1 , x2 , … , xn 的线性 组合时 ,σ是R n 的 线
性变换 .例 7 中 y1 = x21 , 所 以不 是 线性 变换 , 如 果 y1 = x1 x2 , 也 不
是线性变换 .
下面讨论线性变换的简单性质 .
数域 F 上的向量空间 V 的线性变换σ, 有以下性质 :
(1 ) σ(0) = 0,σ( - α) = - σ (α) , ( ＂ α∈ V) .
这个性质由σ (λα) =λ
σ(α) , 取 λ= 0 , - 1 , 就立即可得 .
(2 ) 如 果α = k1 α1 + k2 α2 + … + knαn ( ki ∈ F,αi ∈ V , i = 1 ,
2 , … , n) , 则
σ(α) = k1 σ(α1 ) + k2 σ (α2 ) + … + knσ(αn ) .
　 　 证 　 根据线性变换满足的条件 , 用数学归纳法容易证明 :
σ (β1 + β2 + … + βn ) = σ (β1 ) +σ(β2 ) + … +σ (βn ) , n > 2 .
于是
σ(α) = σ( k1 α1 + k2 α2 + … + knαn )
= σ( k1 α1 ) +σ ( k2 α2 ) + … +σ ( knαn )
= k1 σ(α1 ) + k2 σ (α2 ) + … + knσ(αn ) . ■
　 　 ( 3 ) 如 果α1 , α2 , … , αn 线 性 相 关 , 则 其 象 向 量 组σ (α1 ) ,
σ (α2 ) , … ,σ(αn ) 也线性相关 .
利用σ (0) = 0, 由于有不全为零的 k1 , k2 , … , kn , 使
k1 α1 + k2 α2 + … + knαn = 0,
也必有 k1 σ(α1 ) + k2 σ(α2 ) + … + kn σ (αn ) = 0 .
　 　 必须注意 , 性质 ( 3) 的逆不成立 .如例 4 中
＊
4 .6 　 向量空间的线性变换 195

α1 = ( 1 , 1 , 2) , α2 = ( 2 , 2 , 2) ,
线性无关 , 而 P(α1 ) = ( 1 , 1 , 0) , P(α2 ) = (2 , 2 , 0 ) 线性相关 .

4 .6 .2　 线性变换的 矩阵表示

本节开始时我 们讲 过 , n 阶矩 阵 A 把 x 变换 为 Ax 是 R n 的 线
性变换 .例 3 中也 讲 过 , 投影 变 换 P (α) = β可 用 ( 4． 27 ) 式 描 述 ,
(4． 27) 中的矩阵
1
P = 1
0
表示了这个投影变换 , 即 Px 是 x 在 Ox y 平面上的投影向量 .这些
事实表明 n 维向量空间 V ( F) 的线性 变换σ与 n 阶 矩 阵之 间有 着
一定的联系 .下面我们一般地讨论它们之间的对应关系 , 首先讨论
一个线性变换如何用矩阵表示 .
设{α1 ,α2 , … ,αn }是 V ( F) 的 一组 基 ,σ是 V ( F) 的一个 线性 变
换 , 若α∈ V ( F) , 且
α= x1 α1 + x2 α2 + … + xnαn , (4 .2 8)
由性质 (2 ) 即得
σ(α) = x1 σ (α1 ) + x2 σ (α2 ) + … + xnσ(αn ) . (4 .2 9)
因此 , 对 于σ 来 讲 , 如 果 知 道 了σ 关 于 V ( F ) 的 基 的 象σ (α1 ) ,
σ (α2 ) , … ,σ(αn ) , 则任 一 个向 量α的象σ (α) 就知 道 了 .下面 的 定
理又进一步说明一个线性变换完全被它在一组基上的象所确定 .
定理 4．16 　 设{α1 ,α2 , … ,αn }是 V ( F) 的一组基 , 如果 V ( F) 的
两个线性变换σ和τ关于这组基的象相同 , 即
σ (αi ) = τ(αi ) , 　 i = 1 , 2 , … , n,
则σ =τ.
证 　σ =τ的意义是每个向量在它们的作用下的象相 同 , 即 对
于任意的α∈ V , 有σ(α) =τ(α) .设任一个α如 (4． 28) 式所示 , 则
196 第 4 章 　 向量空间与线性变换

σ(α) = x1 σ (α1 ) + x2 σ (α2 ) + … + xnσ(αn )

= x1τ(α1 ) + x2τ(α2 ) + … + xnτ(αn ) = τ(α) . ■
　 　 由于基象σ (αi ) ∈ V ( F) ( i = 1 , 2 , … , n) , 所以 它们 可经 V ( F)
的基 {α1 ,α2 , … ,αn }线性表出 , 即有
σ (α1 ) = a11 α1 + a21 α2 + … + an1 αn ,
σ (α2 ) = a12 α1 + a22 α2 + … + an2 αn ,
(4 .3 0)
………………………………………
σ (αn ) = a1 n α1 + a2 n α2 + … + an n αn .
记
σ (α1 ,α2 , … ,αn ) = (σ (α1 ) ,σ (α2 ) , … ,σ(αn ) ) . 　 (4 .3 1)
将 (4． 30) 式形式地写作矩阵形式
a11 a12 … a1 n
a21 a22 … a2 n
σ (α1 ,α2 , … ,αn ) = (α1 ,α2 , … ,αn ) ,
… … …
an1 an2 … an n
(4 .3 2)
或 σ (α1 ,α2 , … ,αn ) = (α1 ,α2 , … ,αn ) A, (4 .3 2)′
其中 (4． 32 ) 式右端 矩阵 A 是 (4． 30 ) 式 右端α1 ,α2 , … ,αn 的 系数 矩
阵的转置 , A 中第 j 列是σ (αj ) 在基{α1 ,α2 , … ,αn }下的坐标 .
定义 4． 19 　 如 果 V ( F) 中 的 线 性 变 换σ, 使 得 V ( F) 的 基
{α1 ,α2 , … ,αn }和σ关于基的象 σ ( α1 ) , σ (α2 ) , … , σ ( αn ) 具 有
(4． 30) 式 ( 即 ( 4． 32 ) 式 ) 那样 的关 系 , 就 称 ( 4． 32 ) 式 中矩 阵 A 是σ
在基{α1 ,α2 , … ,αn }下的矩阵表示 , 或称 A 是σ在 基 {α1 ,α2 , … ,αn }
下 ( 对应 ) 的矩阵 .
显然 ,σ在 给 定 基下 对 应 的 矩 阵是 唯 一 确 定 的 .如 果 基 向 量
αj 和基象向量σ (αj ) ( j = 1 , 2 , … , n) 都是瓗 n 中的向量 , 它们用列 向
量表示 , 则 ( 4． 32 ) 式表示由 3 个 n 阶矩阵组成的一个矩阵等式 .给
＊
4 .6 　 向量空间的线性变换 197

定σ, 给定一组基 , 求 出了 ( 4． 30 ) 式 或求 出 了基 象 向量 , 就可 求 得
(4． 32) 式中矩阵 A( 即σ在基下对应的矩阵 ) .
下面讨论 , 如何用σ在一组基下的矩阵 A 来求σ(α) .
定理 4． 17 　 设 V ( F) 的线性变换σ在 基{α1 ,α2 , … ,αn } 下的 矩
T
阵为 A, 向量α在基下的坐标向量为 x = ( x1 , x2 , … , xn ) ,σ (α) 在
T
基下的坐标向量为 y= ( y1 , y2 , … , yn ) , 则
y = Ax . (4 .3 3)
　 　 证 　 已知
σ (α1 ,α2 , … ,αn ) = (α1 ,α2 , … ,αn ) A, ①
x1
x2
α= x1 α1 + x2 α2 + … + xnαn = (α1 ,α2 , … ,αn ) ,
…
xn
则 σ (α) = x1 σ(α1 ) + x2 σ(α2 ) + … + xnσ (αn )
x1
x2
= (σ(α1 ) ,σ(α2 ) , … ,σ (αn ) )
…
xn

x1
( 把①式代入 ) x2
(α1 ,α2 , … ,αn ) A .
…
xn
故σ (α) 在基{α1 ,α2 , … ,αn } 下的坐标向量
y1 x1
y2 x2
= A , 即 　 y = Ax . ■
… …
yn xn
198 第 4 章 　 向量空间与线性变换

　 　 由 这个 定 理 可 见 , 以 前 求 解 一 个 非 齐 次 线 性 方 程 组 Ax =
y, 即 给 定 y 求 x, 实 际 上 就 是 给 定 线 性 变 换σ ( 对 应 的 矩 阵 为
A) 的 一 个 象σ(α) ( 其 坐 标 向 量 为 y) , 求 其 原 象α( 其 坐 标 向 量
为 x) 的 问题 .
例 8 　 求例 2 中的 旋 转变 换 Rθ
2 T
在R 的 标 准 正 交 基ε1 = ( 1 , 0 ) ,
T
ε2 = (0 , 1 ) 下的矩阵 ( 图 4． 7) .
解 　 先求 基 象 Rθ (ε1 ) , Rθ (ε2 ) ,
由于它们是长度为 1 的向量 , 所以
Rθ(ε1 ) = ( cosθ) ε1 + ( sinθ) ε2 ,
Rθ(ε2 ) = ( - sinθ) ε1 + ( cosθ) ε2 . 图 　 4 .7
即
cosθ - sinθ
Rθ (ε1 ,ε2 ) = ( Rθ (ε1 ) , Rθ(ε2 ) ) = (ε1 ,ε2 ) ,
sinθ cosθ
故初等旋转变换 Rθ 在标准正交基 {ε1 ,ε2 }下的矩阵为
cosθ - sinθ
R= . (4 .3 4)
sinθ cosθ
　 　 例 9 　 对 例 3 中 的 镜 像 变 换 φ, 求 它 在 R 2 的 标 准 正 交 基
{ω,η} ( 见图 4． 5) 下所对应的矩阵 H .
解 　 根据镜像变换的定义 , 显然有
φ(ω) = ω, 1 0
　 即 　 φ(ω,η) = (ω,η) ,
φ(η) = - η . 0 - 1
所以 φ在标准正交基{ω,η} 下的矩阵为
1 0
H = . (4 .3 5)
0 - 1
　 　 (4 .3 4) , ( 4 .35 ) 式中矩阵分别称为初等旋转阵和反射阵 , 它们
都是正交矩阵 .对应的初等旋转变换和镜像变换称为正交变换 , 它
＊
4 .6 　 向量空间的线性变换 199

们都使变换后的向量保持长度不变 .
例 10 　 R n 的恒等变换、零变换和数 乘变换 ( 见 例 5 ) 在 任何 基
下的矩阵分别都是 In , 0n× n ,λI n .( 证明留给读者练习 )
3 3
例 11 　 设σ是R 的一 个线 性变 换 , B = {α1 ,α2 ,α3 } 是R 的 一
组基 , 已知
α1 = ( 1 , 0 , 0) T , 　 　 　 α2 = (1 , 1 , 0 ) T , 　 α3 = ( 1 , 1 , 1) T ,
T T
σ (α1 ) = ( 1 , - 1 , 0) , σ (α2 ) = ( - 1 , 1 , - 1 ) ,
σ (α3 ) = ( 1 , - 1 , 2) T .
　 　 (1 ) 求σ在基 B 下对应的矩阵 ;
(2 ) 求σ2 (α1 ) ,σ2 (α2 ) ,σ2 (α3 ) ;
T
(3 ) 已知σ(β) 在基 B 下的 坐标 为 ( 2 , 1 , - 2 ) , 问σ (β) 的 原
象β是否唯一 ? 并求β在基 B 下的坐标 .
解 　 (1 ) 方法 1: 将α1 ,α2 ,α3 ;σ(α1 ) ,σ(α2 ) ,σ(α3 ) 以列向量形
式代入 (4． 32) 式 , 得
1 - 1 1 1 1 1
- 1 1 - 1 = 0 1 1 A.
0 - 1 2 0 0 1
因此 ,σ在基 B 下的矩阵为
- 1
1 1 1 1 - 1 1 2 - 2 2
A= 0 1 1 - 1 1 - 1 = - 1 2 - 3 .
0 0 1 0 - 1 2 0 - 1 2
　 　 方法 2: 将σ (α1 ) ,σ (α2 ) ,σ (α3 ) 用基 B = {α1 ,α2 ,α3 } 线 性 表
示 , 这里容易看出
σ (α1 ) = 2 α1 - α2 ,
σ (α2 ) = - 2 α1 + 2 α2 - α3 ,
σ (α3 ) = 2 α1 - 3 α2 + 2 α3 .
上述向量方程组右端系数矩阵的转置 , 就是σ在基 B 下的矩阵 .
T T
(2 ) 方法 1: 先求 得 (σ (α1 ) ) B = ( x1 , x2 , x3 ) = ( 2 , - 1 , 0) ,
200 第 4 章 　 向量空间与线性变换

2
将它和上面求得的 A 代入 ( 4． 33) 式 , 即得σ (α) =σ (σ (α) ) 在 基
B 下的坐标向量
y1 2 - 2 2 2 6
y2 = - 1 2 - 3 - 1 = - 4 ,
y3 0 - 1 2 0 1
所以σ2 (α1 ) = 6 α1 - 4 α2 + α3 = ( 3 , - 3 , 1 ) T .同 理 可 求σ 2 (α2 ) ,
2
σ (α3 ) .
方法 2: 利用
σ (α1 ,α2 ,α3 ) = (σ(α1 ) ,σ (α2 ) ,σ (α3 ) ) = (α1 ,α2 ,α3 ) A,
将等式两边再用σ作用 , 就有
σ (σ(α1 ) ,σ(α2 ) ,σ (α3 ) ) = σ ( (α1 ,α2 ,α3 ) A)
= (σ(α1 ,α2 ,α3 ) ) A = (α1 ,α2 ,α3 ) A2
6 - 10 14
= (α1 ,α2 ,α3 ) - 4 9 - 14 .
1 - 4 7
由此即得
2 T
σ (α1 ) = σ(σ (α1 ) ) = 6 α1 - 4 α2 + α3 = (3 , - 3 , 1 ) ,
σ2 (α2 ) = σ(σ (α2 ) ) = - 10 α1 + 9 α2 - 4 α3 = ( - 5 , 5 , - 4 ) T ,
2 T
σ (α3 ) = σ(σ (α3 ) ) = 14 α1 - 14 α2 + 7 α3 = ( 7 , - 7 , 7 ) .
　 　 (3 ) 设 (β) B = ( x1 , x2 , x3 ) T , 由 (4． 33) 式得
2 - 2 2 x1 2
- 1 2 - 3 x2 = 1 ,
0 - 1 2 x3 - 2
解此线性方程组得
( x1 , x2 , x3 ) T = ( 3 , 2 , 0) T + k(1 , 2 , 1 ) T .
其中 k 为任意常数 , 故σ(β) 的原象β不唯一 .
线性变换用矩阵表示是 与空间 的一 组基相 联系 的 , 一 般情 况
＊
4 .6 　 向量空间的线性变换 201

下 , 线性变换在不同基下的矩阵是不相同的 , 下面我们揭示同一个
线性变换在不同基下的矩阵之间的相互关系 .
定理 4． 18 　 设线性变换σ在基 B1 = {α1 ,α2 , … ,αn }和 基 B2 =
{β1 ,β2 , … ,βn }下的矩阵分别为 A 和 B, 且基 B1 到 基 B2 的 过渡 矩
阵为 C, 则
-1
B= C AC . (4 .3 6)
　 　 证 　 根据已知条件有
σ (α1 ,α2 , … ,αn ) = (α1 ,α2 , … ,αn ) A, ①
(β1 ,β2 , … ,βn ) = (α1 ,α2 , … ,αn ) C . ②
由②得
(α1 ,α2 , … ,αn ) = (β1 ,β2 , … ,βn ) C - 1 , ③
σ(β1 ,β2 , … ,βn ) = σ (α1 ,α2 , … ,αn ) C
①
(α1 ,α2 , … ,αn ) AC
③ - 1
(β1 ,β2 , … ,βn ) C AC .
由此即得 　 B= C- 1 AC . ■
定理 4． 18 表明 , 同一 个 线 性变 换 在 不 同 基下 的 矩 阵 A 与 B
是相似矩阵 ( 见第 5 章定义 5． 3 ) ; 反之 , 两个 如 ( 4． 36 ) 式 所示的 相
似矩阵 A, B, 若 A 是σ在基α1 ,α2 , … ,αn 下的矩阵 , 则 B 必是σ在 另
一组基 ( 有兴趣的读者自己找出来 ) 下的矩阵 .
3
例 12 　 设 R 的线性变换σ在自然基 {ε1 ,ε2 ,ε3 }下的矩阵为
2 - 1 - 1
A= - 1 2 - 1 .
- 1 - 1 2
T
　 　 (1 ) 求σ在基 {β1 ,β2 ,β3 } 下 的矩 阵 , 其 中β1 = ( 1 , 1 , 1 ) ,β2 =
T T
( - 1 , 1 , 0 ) ,β3 = ( - 1 , 0 , 1 ) ;
(2 ) α = ( 1 , 2 , 3 ) T , 求σ (α) 在 基 {β1 ,β2 ,β3 } 下 的 坐 标 向 量
T
( y1 , y2 , y3 ) 及σ(α) .
202 第 4 章 　 向量空间与线性变换

解 　 (1 ) 先求自然基{ε1 ,ε2 ,ε3 }到基{β1 ,β2 ,β3 }的过渡矩阵 C,

根据
(β1 ,β2 ,β3 ) = (ε1 ,ε2 ,ε3 ) C,
得
1 - 1 - 1
C= (β1 ,β2 ,β3 ) = 1 1 0 ,
1 0 1
1 1 1
-1 1
C = - 1 2 - 1 .
3
- 1 - 1 2
由定理 4． 18 的 ( 4． 36 ) 式可知 ,σ在基 {β1 ,β2 ,β3 } 下的矩阵为
-1
B= C AC
1 1 1 2 - 1 - 1 1 - 1 - 1
1
= - 1 2 - 1 - 1 2 - 1 1 1 0
3
- 1 - 1 2 - 1 - 1 2 1 0 1
0 0 0
= 0 3 0 .
0 0 3
T
　 　 (2 ) 先求α在 基{β1 ,β2 ,β3 } 下的坐 标向量 ( x1 , x2 , x3 ) , 由于α
在自然基{ε1 ,ε2 ,ε3 } 下的坐标向 量就是α自身 , 即 ( 1 , 2 , 3 ) T , 因此 ,
根据坐标变换公式 , 得
x1 1 1 1 1 1 2
1
x2 = C -1 2 = - 1 2 - 1 2 = 0 .
3
x3 3 - 1 - 1 2 3 1
再根据定理 4． 17 中 ( 4． 33 ) 式 ,σ (α) 在基{β1 ,β2 ,β3 }下的坐标向量
y1 x1 0 0 0 2 0
y2 = B x2 = 0 3 0 0 = 0 ,
y3 x3 0 0 3 1 3
＊
4 .6 　 向量空间的线性变换 203

T
从而σ (α) = 0 β1 + 0 β2 + 3 β3 = ( - 3 , 0 , 3) .
n n
前面讲过的问题是 , 给定R 的一 个线 性变 换σ和 R 的 一组 基
{α1 ,α2 , … ,αn } ,σ就被基象σ (α1 ) ,σ (α2 ) , … ,σ (αn ) 完全确 定 , 从 而
σ在这组基下可用唯一确定的一 个矩阵 来表示 .现在 讨论反 问题 ,
即任意给定一个 n 阶矩 阵 A, 它是否 必是 某个 线性 变 换在 给定 的
一组基下的矩阵 ? 由 (4． 32) 式
(σ (α1 ) ,σ (α2 ) , … ,σ(αn ) )
a1 1 a1 2 … a1 n
a2 1 a2 2 … a2 n 记作
　 = (α1 ,α2 , … ,αn ) (β1 ,β2 , … ,βn )
… … …
an1 an2 … an n
n

( 其中 βj = ∑a
i= 1
ij αi , j = 1 , 2 , … , n) 可 知 , 给 定 了 R n 的 一 组 基

{α1 ,α2 , … ,αn } , 在R n 中任给一个向量组β1 ,β2 , … ,βn 就等价于任 给

n
上式 中 的 一 个 矩 阵 A .因 此 反 问 题 的 提 法 是, 给 定 R 的 基
{α1 ,α2 , … ,αn } , 对于任给的 n 个向量β1 ,β2 , … ,βn , 是否存在唯一的
一个线性变换σ, 使得σ (αj ) =βj , j = 1 , 2 , … , n .下面的定理对这 个
问题作了肯定的回答 .
定理 4． 19 　 设 {α1 , α2 , … , αn } 是 R n 的 一 组 基 , β1 , β2 , … ,
βn 是在R n 中任意给定的 n 个向量 , 则一定 存在唯 一的线性 变换σ,
使得
σ(αj ) = βj , 　 j = 1 , 2 , … , n . (4 .3 7)
　 　 证 　 证明存在性的方法是 , 先定义一个满足 ( 4． 37 ) 式的变换 ,
然后证明这个变换是线性的 .
设 　 ζ = x1 α1 + x2 α2 + … + xnαn 　 ( xj ∈R , j = 1 , 2 , … , n) ,
定义变换
σ(ζ) = x1 β1 + x2 β2 + … + xnβn . ①
　 　 当ζ = αj = 0 α1 + … + 0 αj - 1 + 1 αj + 0 αj + 1 + … + 0 αn 时 , 根 据
204 第 4 章 　 向量空间与线性变换

①式的定义 , 显然有
σ(αj ) = βj , 　 j = 1 , 2 , … , n . ②
n n

又对于 R 中任意两个向量ζ1 = ∑ aα 和ζ = ∑ bα , 及对于任意

n
j j 2 j j
j =1 j= 1

数 k ∈ R, 有
n

σ(ζ1 + ζ2 ) = σ ∑(a
j= 1
j + bj ) αj

① n n n

∑(a
j =1
j + bj ) βj = ∑ aβ + ∑ bβ
j =1
j j
j =1
j j

①
σ(ζ1 ) +σ(ζ2 ) , ③
n
① n

σ ( kζ) = σ ∑ kx
j= 1
j αj ∑ kx β
j =1
j j

n
①
= k∑ x β
j j kσ(ζ) . ④
j= 1

由② , ③ , ④式可知 , ① 式定 义 的变 换σ是满 足 定 理要 求 的线 性 变
换 , 存在性得证 , 唯一性由定理 4． 16 保证 . ■
综合 本 小 节 前 后 所 述 , 就 可 得 到 一 个 重 要 的 结 论 : 给 定 了
n n n× n
R 的一组基以后 , R 中的线性变换与 R 中的矩阵一一对应 .

4 .6 .3　 线性变换的 运算
定义 4． 20 　 设σ 与 τ是 线 性 空 间 V ( F) 的 两 个 线 性 变 换 ,
λ∈ F, 我们定义σ与τ之和σ +τ, 数 量 λ与σ之 乘积 λ
σ以及σ与τ
之乘积στ如下 : ＂ α∈ V ,
(σ+τ) (α) = σ (α) +τ(α) ; (4 .3 8)
σ) (α) = λ
(λ σ(α) ; (4 .3 9)
(στ) (α) = σ(τ(α) ) . (4 .4 0)
　 　 上述定义的σ +τ,λ
σ和στ仍 是 V ( F) 的线 性 变换 , 对此 只 要
＊
4 .6 　 向量空间的线性变换 205

验证它们满足线性变换的条件 .我 们证明στ是线 性变换 : 事 实上 ,

＂ α1 ,α2 ∈ V , k1 , k2 ∈ F, 有
(στ) ( k1 α1 + k2 α2 ) = σ(τ( k1 α1 + k2 α2 ) )
= σ( k1τ(α1 ) + k2τ(α2 ) )
= k1 σ (τ(α1 ) ) + k2 σ(τ(α2 ) )
= k1 (στ) (α1 ) + k2 (στ ) (α2 ) ,
所以στ也是一个线性变 换 σ
. +τ与 λ
σ也是 线性 变换 的验 证留 给
读者练习 .
此外读者也容易验证 , 线性变换的加法与乘法都满足结合律 ,
即对任意线性变换σ,τ,φ, 有
(σ+τ) + φ= σ+ (τ+ φ) ;
(στ)φ= σ(τφ) .
加法还满足交换律 , 即
σ+τ = τ+σ .
但乘法不满足交换律 , 即在一般情况下 ,στ≠τσ .
乘法对加法满足左分配律和右分配律 , 即
σ (τ+ φ) = σ
τ+σφ;
(τ+ φ) σ = τσ+ φσ .
　 　 在 前 面 , 我 们 讲 过 给 定 了 线 性 空 间 V ( F) 的 一 组 基
n× n
{α1 ,α2 , … ,αn } , V ( F) 的 线性变换 与 F 中的 元素 ( 数域 F 上 的 n
阶矩阵 ) 一一 对应 , 这种 对 应的 重 要 性还 表 现在 保 持运 算 关 系 不
变 , 即有如下定理 :
定理 4． 20 　 设 线性 空 间 V ( F) 的 线 性变 换σ和 τ在 V 的 基
{α1 ,α2 , … ,αn }下所对应的矩阵分别为 A 和 B .则σ +τ,λ
σ和σ
τ在
该组基下对应的矩阵分别为 A+ B,λA 和 AB .
证 　 设 A= ( aij ) n× n , B = ( bij ) n× n , 根据 (4． 32) 式 , 有
n n

σ (αj ) = ∑a
i= 1
ij αi , 　τ(αj ) = ∑b
i= 1
ij αi , 　 j = 1 , … , n .
206 第 4 章 　 向量空间与线性变换

于是
n n

(σ+τ) (αj ) = σ(αj ) +τ(αj ) = ∑a

i= 1
ij αi + ∑b
i= 1
ij αi
n

= ∑(a
i= 1
ij + bi j ) αi , 　 j = 1 , … , n .

这表明σ +τ所对应的矩阵的第 i 行、第 j 列元素为 a i j + bij = ( A +

B) 的第 i 行、第 j 列元素 , 所以σ +τ对应的矩阵为 A + B .再由
n

(στ) (αj ) = σ (τ(αj ) ) = σ ∑b

i= 1
ij αi
n n n

= ∑b
i= 1
ij σ (αi ) = ∑b ∑a
i= 1
ij
k=1
ki αk
n n n

= ∑ ∑a
k=1 i= 1
ki b ij αk = ∑c
k= 1
kj αk ,
n

所以στ所 对 应 的 矩 阵 的 第 k 行、第 j 列 元 素 ckj = ∑a

i= 1
ki b ij =

( AB) kj ( 即 AB 的第 k 行、第 j 列元素 ) , 因此στ对应的矩阵为 AB .

同样 λ
σ对应的矩阵为 λA ( 证明留给读者 ) . ■
如果线性 变 换σ对应 的矩 阵 A 为可 逆矩 阵 , 我 们就 称σ是 可
逆的线性变换 σ
. 可逆也可定义为 : 如果存在线性变换τ, 使
στ = τ
σ = I 　 ( 恒等变换 )
就称σ为可逆的线性变换 .
由于线性变换与矩阵之 间一 一对应 ( 在给定 基的 前提 下 ) , 而
且保持运算关系不变 , 因此 , 可以 用矩 阵研究 线性 变换 , 也 可以 用
线性变换研究矩阵 .

4 .6 .4　 线性变换的 象 (值 域 ) 与核
定义 4．21 　 设σ是线性空间 V( F) 的一个线性变换 , 我们把 V
中所有元素在σ下的象所组成的集合
＊
4 .6 　 向量空间的线性变换 207

σ ( V ) = {β| β= σ(α) ,α∈ V} (4 .4 1)

称为σ的象 ( 或称σ的值域 ) , V 的零元 θ在σ下的完全原象
-1
σ (θ) = {α| σ(α) = θ, α∈ V } (4 .4 2)
称为σ的核 ,σ ( V ) 和σ - 1 (θ) 也常记作 Imσ和 K erσ .
2
例 13 　 R 上的 旋转 变换 Rθ 与镜 像变 换 φ 的象 ( 值 域 ) 都 是
R 2 自身 , 它们的核都只含一个零向量 {0} .
3
例 14 　 本节例 4 的 R 上的投影变换 P 的象和核为
ImP = L(ε1 ,ε2 ) , 　 KerP = L(ε3 ) .
　 　 关于线性变换σ的象和核 , 有以下结论 :
(1 ) σ( V) 是线性空间 V ( F) 的一个子空间 .
事实 上 , 由σ (θ) = θ可 知σ ( V ) 是 非 空 集 合 , 而 且 ＂ β1 ,
β2 ∈σ ( V ) , ｖ α1 ,α2 ∈ V , 使 得σ (α1 ) = β1 ,σ (α2 ) = β2 , 于 是 ＂ λ1 ,
λ2 ∈ F, 有
λ1 β1 + λ2 β2 = λ1 σ (α1 ) + λ2 σ(α2 )
= σ (λ1 α1 + λ2 α2 ) ∈ σ( V) ,
所以 ,σ( V) 是 V ( F) 的一个子空间 .
- 1
(2 ) Kerσ( 即σ (θ) ) 也是线性空间 V ( F) 的一个子空间 .
因为σ (θ) 不 是 空 集 ( 事 实 上θ∈σ (θ) ) , 而 且 ＂ α1 ,
- 1 - 1

- 1
α2 ∈σ (θ) 和 ＂ λ1 ,λ2 ∈ F, 均有
σ(λ1 α1 + λ2 α2 ) = λ1 σ (α1 ) + λ2 σ(α2 ) = λ1 θ+ λ2 θ= θ,
即 λ1 α1 +λ2 α2 ∈σ - 1 (θ) , 所以σ - 1 (θ) 是 V( F) 的子空间 .
- 1
(3 ) 线性变换σ是单射的充分必要条件为σ (θ) = {θ} .
事实上 , 其必 要 性 : 由σ是 单 射 , 可 得 ＂ α∈ V , 如 果σ (α) =
- 1
θ =σ (θ) , 则α =θ, 故σ (θ) = {θ} .
其充分性 : 由σ - 1 (θ) = {θ} 可 得 ＂ α1 ,α2 ∈ V , 如 果σ (α1 ) =
σ (α2 ) , 即σ (α1 ) - σ(α2 ) =σ (α1 - α2 ) =θ, 则α1 - α2 =θ, 即α1 = α2 ,
故σ为单射 .
- 1
线性空间 V( F) 的 线性 变 换σ的 值域σ ( V ) 和 核σ (θ) 作 为
 208 第 4 章 　 向量空间与线性变换

V ( F) 的两个子空间 , 也有 其维 数 .值 域的 维数 dimσ ( V ) 称 为σ的

秩 , 记 作 r (σ ) , 核 的 维 数 dimσ - 1 (θ) 称 为 σ 的 零 度 , 记 作
N (σ ) , 它们之间的关系如下面的定理所述 .
定理 4． 21 　 设 线性空间 V ( F) 的维数 为 n,σ是 V ( F) 的一 个
线性变换 , 则
r(σ) + N(σ ) = dimσ ( V ) + dimσ - 1 (θ) = n . (4 .4 3)
- 1 - 1
　 　 证 　 设 dimσ (θ) = k, B1 = {α1 , … ,αk } 是 核σ (θ) 的一 个
基 , 把 B1 扩充为 V 的基 B = {α1 , … ,αk ,αk + 1 , … ,αn } .
由 于 ＂ α = x1 α1 + x2 α2 + … + xnαn ∈ V , 有 σ ( α) =
x1 σ(α1 ) + x2 σ(α2 ) + … + xn σ(αn ) , 所以σ的值域 是σ关于 V 的 基
的象生成的子空间 , 即σ ( V ) = L (σ (α1 ) , … ,σ (αk ) ,σ (αk + 1 ) , … ,
σ (αn ) ) , 再由σ (αi ) =θ( i = 1 , … , k) , 即得
σ ( V ) = L(σ (αk+ 1 ) , … ,σ (αn ) ) ,
因此 , 只需证明 r(σ ) = dimσ ( V ) = n - k, 即 {σ (αk + 1 ) , … ,σ (αn ) }
线性无关 .设
ck+ 1 σ (αk+ 1 ) + … + cnσ(αn ) = θ,
即 σ ( ck+ 1 αk+ 1 + … + cnαn ) = θ,
- 1
所以 , ck + 1αk + 1 + … + cnαn ∈σ (θ) , 因 而它 可 被 B1 线性 表 示 , 于
是有
c1 α1 + … + ckαk - ck + 1 αk+ 1 - … - cnαn = θ,
从而得 c1 = … = ck = ck + 1 = … = cn = 0 , 故 {σ (αk + 1 ) , … ,σ (αn ) } 线
性无关 . ■
由于 线 性 变 换 σ 的 值 域 σ ( V ) 是 σ 关 于 V 的 基 B =
{α1 ,α2 , … ,αn }的象σ(α1 ) ,σ(α2 ) , … ,σ (αn ) 生成的子空间 , 所以
r(σ) = dimσ( V) = 秩 {σ (α1 ) ,σ (α2 ) , … ,σ(αn ) } . (4 .4 4)
而 (4． 44) 式中的后者又等于σ在基 B 下对应的矩阵 A = ( aij ) n× n 的
秩,即
r (σ) = r ( A) . (4 .4 5)
＊
4 .6 　 向量空间的线性变换 209

这是因为 , 由 ( 4． 32 ) 式
(σ(α1 ) ,σ(α2 ) , … ,σ (αn ) )
a1 1 a1 2 … a1 n
a2 1 a2 2 … a2 n
　 = (α1 ,α2 , … ,αn )
… … …
an1 an2 … an n
可以证明 : 基 象 组 {σ (α1 ) ,σ (α2 ) , … ,σ (αn ) } 与 A 的 列 向 量 组
{β1 ,β2 , … ,βn }有相同的线性相关性 .设
x1 σ(α1 ) + x2 σ (α2 ) + … + xnσ (αn ) = θ, ①
即
n n n n n

∑ x σ (α )
j =1
j j = ∑ x ∑a
j =1
j
i=1
ij αi = ∑ ∑a
i= 1 j= 1
ij x j αi = θ,

于是由α1 ,α2 , … ,αn 线性无关即得

n

∑a
j= 1
ij xj = 0, 　 i = 1, 2, …, n .

这 n 个等式就是以 A = ( aij ) n× n 为系数矩阵的齐次线性方程组

Ax = 0 . ②
因此 , 如果σ (α1 ) ,σ (α2 ) , … ,σ (αn ) 线性 无关 , 那 么只 有全 为零 的
x1 , x2 , … , xn 才使①式成立 , 从而②只有零解 , 故 A 的 列向量组 线
性无关 , 反之亦然 ; 如果σ (α1 ) ,σ (α2 ) , … ,σ (αn ) 线性 相关 , 则② 有
非零解 , 即 A 的列向量组线性相关 , 其逆亦 成立 .用 同样的 方法 也
可证明 , 基象组{σ (α1 ) ,σ (α2 ) , … ,σ (αn ) }任何部 分向量 与 A 中 对
应的部分列向量也有相同的线性相关性 .综上 , 就有 r (σ) = r( A) .
如果线性变换σ在基 B = {α1 ,α2 , … ,αn }下对应的矩阵为 A, 则
核σ - 1 (θ) 中任 一向 量α = x1 α1 + x2 α2 + … + xnαn 在基 B 下的 坐
T
标向量 ( x1 , x2 , … , xn ) , 就 是 齐次 线 性 方程 组 Ax = 0 的 解 向量 .
- 1
因此 Ax= 0 的解空间 N( A) 的维数等于核σ (θ) 的维数 , 即
dimσ - 1 (θ) = dim N( A) . (4 .4 6)
 210 第 4 章 　 向量空间与线性变换

习题 　 补充题 　 答案

　 　 习题

　 　 1 . 证明 : α1 = (1 , 1 , 1 , 1) T ,α2 = (1 , 1 , - 1 , - 1) T ,α3 = (1 , - 1 , 1 , - 1 ) T ,
α4 = (1 , - 1 , - 1 , 1 ) T 是R 4 的一组基 , 并求β = ( 1 , 2 , 1 , 1 ) T 在 这 组 基 下 的
坐标 .
2 . 已知R 3 的两组基为
α1 = ( 1 , 2 , 1 ) T ,α2 = ( 2 , 3 , 3 ) T ,α3 = ( 3 , 7 , 1 ) T ,
β1 = ( 3 , 1 , 4) T ,β2 = (5 , 2 , 1) T ,β3 = ( 1 , 1 , - 6 ) T .
求: (1 ) 向量γ = (3 , 6 , 2) T 在基{α1 ,α2 ,α3 }下的坐标 ;
( 2) 基 {α1 ,α2 ,α3 } 到基{β1 ,β2 ,β3 } 的过渡矩阵 ;
( 3) 用公式 (4． 7) 求γ在基 {β1 ,β2 ,β3 }下的坐标 .
3 . 已知R 4 的 两 组 基 为α1 = ( 1 , 2 , - 1 , 0 ) T ,α2 = ( 1 , - 1 , 1 , 1 ) T ,α3 =
( - 1 , 2 , 1 , 1 ) T ,α4 = ( - 1 , - 1 , 0 , 1 ) T ; 　 β1 = ( 2 , 1 , 0 , 1 ) T ,β2 = (0 , 1 , 2 , 2 ) T ,
β3 = ( - 2 , 1 , 1 , 2) T ,β4 = (1 , 3 , 1 , 2 ) T .
( 1) 求基 {α1 ,α2 ,α3 ,α4 }到基 {β1 ,β2 ,β3 ,β4 } 的过渡 矩阵 ;若γ在基 {α1 ,α2 ,
α3 ,α4 } 下的坐标为 ( 1 , 0 , 0 , 0) T , 求γ在基 {β1 ,β2 ,β3 ,β4 } 下的坐标 .
( 2) 求基 {β1 ,β2 ,β3 ,β4 }到基 {α1 ,α2 ,α3 ,α4 } 的 过渡矩 阵 ;若ξ在 基 {β1 ,β2 ,
β3 ,β4 }下的坐标为 (1 , 2 , - 1 , 0 ) T , 求ξ在基 {α1 ,α2 ,α3 ,α4 } 下的坐标 .
( 3) 已知向量α在基{α1 ,α2 ,α3 ,α4 } 下的 坐标为 ( 1 , 2 , - 1 , 0 ) T , 求它在 基
{β1 ,β2 ,β3 ,β4 } 下的坐标 .
4 . 在R 4 中找一个向量γ, 它在自 然基 {ε1 ,ε2 ,ε3 ,ε4 } 和 基β1 = ( 2 , 1 , - 1 ,
1) T ,β2 = ( 0 , 3 , 1 , 0) T ,β3 = (5 , 3 , 2 , 1 ) T ,β4 = ( 6 , 6 , 1 , 3) T 下有相同的坐标 .
5 . 已知α = (1 , 2 , - 1 , 1) ,β = ( 2 , 3 , 1 , - 1) ,γ = ( - 1 , - 1 , - 2 , 2 ) .
( 1) 求α, β, γ的长度及〈α, β〉,〈α,γ〉;
( 2) 求与α, β, γ都正交的所有向量 .
6 . 求与( 1 , 1 , - 1 , 1) , (1 , - 1 , - 1 , 1) , (2 , 1 , 1 , 3) 都正交的单位向量 .
7 . 已知向量β与向 量 组α1 , α2 , … , αm 中 每 个向 量 都 正 交 , 求 证β与α1 ,
α2 , … ,αm 的任一个线性组合正交 .
习题 　 补充题 　 答案 211

8 . 用施密特正交化方法 , 由下列向量组分别构造一组标准正交向量组 :
( 1) (1 , 2 , 2 , - 1 ) , (1 , 1 , - 5 , 3 ) , ( 3 , 2 , 8 , - 7) ;
( 2) (1 , 1 , - 1 , - 2 ) , (5 , 8 , - 2 , - 3 ) , ( 3 , 9 , 3 , 8) ;
( 3) (2 , 1 , 3 , - 1 ) , (7 , 4 , 3 , - 3 ) , ( 1 , 1 , - 6 , 0) , ( 5 , 7 , 7 , 8) .
9 . 用施密特正交化方法 , 由下列 R 3 的基构 造R 3 的一 组标 准正交 基 , 并
求向量α = (1 , - 1 , 0) 在此标准正交基下的坐标 .
( 1) (1 , 1 , 1) , (0 , 1 , 1) , (1 , 0 , 1) ;
( 2) (1 , - 1 , 1) , ( - 1 , 1 , 1) , (1 , 1 , - 1) .
1
10 . 设 {α1 ,α2 ,α3 } 是 R 3 的一 组标 准正 交基 , 证明 : β1 = ( 2α1 + 2 α2 -
3
1 1
α3 ) , β2 = ( 2 α1 - α2 + 2α3 ) , β3 = (α - 2 α2 - 2 α3 )也是 R 3 的一组标 准正
3 3 1
交基 .
11 . 已知
3 2
a -
7 7
Q= b c d

- 3 2 e
7 7
为正交矩阵 , 试求 a, b, c, d , e 的值 .
12 . 证明 : 若 A 是正交矩阵 , 则 A 的伴随矩阵 A ＊ 也是正交矩阵 .
13 . 证明 : 若 A 是正交矩阵 , 则: (i) A 的行列式等于 1 或 - 1;( ii) A- 1 = AT .
14 . 定义 : 若 A2 = I , 称 A 为对合矩阵 .
证明 : 任意一个方阵如果有三 个性质 ( 对 称矩阵 , 正 交矩 阵 , 对合 矩阵 )
中的任两个性质 , 则必有第三个性质 .
15 . 验证下列矩阵是对称矩阵、正交矩阵和对合矩阵 :
1 1 1 1
1 2 2 2 2 2 2
- -
3 3 3 1 1 1 1
- -
2 1 2 2 2 2 2
( 1) - - ; (2 ) .
3 3 3 1 1 1 1
- -
2 2 1 2 2 2 2
- -
3 3 3 1 1 1 1
- -
2 2 2 2
212 第 4 章 　 向量空间与线性变换

＊
16 . 如果一个三角形矩阵是正交矩阵 , 证明这个矩阵是主对角元为 + 1
或 - 1 的对角阵 .
17 . 检验下列集合对指定的加法和数量乘法运 算 , 是否 构成实数域 上的
线性空间 :
( 1) 全体 n 阶实对称( 反对称、上三角 )矩阵 , 对矩阵的加法和数量乘法;
( 2) 全体 n 阶可逆矩阵 ( 正交矩阵) , 对矩阵的加法和数量乘法 ;
( 3) 全体 n 次实系数多项式 ( n≥1 ) , 对多项式的加法和数量乘法 ;
( 4) 平面上不平行于某一向量的全体向量 , 对向量的加法和数量乘法 ;
( 5) 平面上全体向量 , 对通常的向量加法和如下定义的数量乘法
k・α= 0,
其中 k∈R ,α为任意的平面向量 ,0 为零向量 ;
( 6) 齐次线性微分方程 y + 3 y″+ 3 y′+ y = 0 的 全体解 , 对 函数 加法 及
数与函数的乘法 ;
( 7) 非齐次线性微分方程 y + 3 y″+ 3 y′+ y = x + 1 的全体 解 , 对函 数的
加法及数与函数的乘法 ;
( 8) 全体正实数R + , 加法与数量乘法定义为
a b = ab , 　 k・ a = ak ,
其中 a, b∈ R + , k∈ R .
18 . 全体复数在实数域上和在复数域上 , 对通常的数的 加法和数乘 运算
是否都构成线性空间 ? 如构成线性空间 , 其维数是多少 ? 并给出一组基 .
19 . R 3 的下列子集合是 R 3 的 子空 间吗 ? 用 定义 证明你 的结 论 , 并说 明
几何意义 .
( 1) W1 = { ( x1 , x2 , x3 ) | x1 - x2 + x3 = 0} ;
( 2) W2 = { ( x1 , x2 , x3 ) | x1 + x2 = 1} ;
( 3) W3 = { (1 , x2 , x3 ) | x2 , x3 ∈R } ;
( 4) W4 = { ( x1 , 0 , x3 ) | x1 , x3 ∈R } ;

x2 x
( 5) W5 = ( x1 , x2 , x3 ) | x1 = = 3 ;
2 3

x1 - 1 x2 x3 - 5
( 6) W6 = ( x1 , x2 , x3 ) | = = .
2 3 - 1
习题 　 补充题 　 答案 213

20 . 求 19 题中子空间 W1 , W4 , W5 的基和维数 .
21 . 设
2 1 - 1 1 - 3
A= 1 1 1 0 1 ,
3 2 - 1 1 - 2
求齐次线性方程组 Ax= 0 的解空间的维数和解空间的一组标准正交基 .
22 . 设 V 是R 5 的一个二维子空间 , 它的一组基为α1 = (1 , 1 , 1 , 1 , 1) ,α2 =
(1 , 1 , 0 , 1 , 1) , 试将 V 的基扩充为 R5 的基 .
23 . 求R 4 的子空间
V = { ( x1 , x2 , x3 , x4 ) | x1 - x2 + x3 - x4 = 0}
的基和维数 , 并将 V 的基扩充为 R 4 的基 .
24 . 在R 4 中 , 求下列向量组生成的 子空间 的基和 维数 , 并求子 空间的 一
组标准正交基 :
α1 = (2 , 1 , 3 , 1 ) , β1 = (2 , 1 , 3 , - 1 ) ,
α2 = (1 , 2 , 0 , 1 ) , β2 = ( - 1 , 1 , - 3 , 1) ,
( 1) 　 ( 2)
α3 = ( - 1 , 1 , - 3 , 0 ) , β3 = (4 , 5 , 3 , - 1 ) ,
α4 = (1 , 1 , 1 , 1 ) ; β4 = (1 , 5 , - 3 , 1 ) .
＊ n
25 . 设α, β, γ∈ R , c1 , c2 , c3 ∈R , 且 c1 , c3 ≠0 , 证明 : 若 c1 α + c2 β +
c3 γ = 0, 则 L(α, β) = L(β, γ) .
26 . 对第 17 题中的各线性空间 , 求维数及一组基 .
27 . 设 {α1 ,α2 , … ,αn } 是 n 维线性空间 V 的一组基 , 又 V 中向量αn + 1 在这
组基下的坐标 ( x1 , x2 , … , x n ) 全不为零 .证明 : α1 ,α2 , … ,αn ,αn+ 1 中 任意 n 个
向量必构成 V 的一组基 .并求α1 在基{α2 , … ,αn ,αn+ 1 } 下的坐标 .
28 . 设R [ x]5 的旧基 为 { 1 , x, x2 , x3 , x4 } ; 新基 为 { 1 , 1 + x, 1 + x + x2 ,
1 + x + x2 + x3 , 1 + x + x2 + x3 + x4 } .
( 1) 求由旧基到新基的过渡矩阵 ;
( 2) 求多项式 1 + 2 x + 3 x2 + 4 x3 + 5 x4 在新基下的坐标 ;
( 3) 若多项式 f ( x ) 在 新基 下 的坐 标为 ( 1 , 2 , 3 , 4 , 5 ) , 求 它在 旧 基下 的
坐标 .
29 . 设
214 第 4 章 　 向量空间与线性变换

1 0 0 1 0 0 0 0
E11 = , E12 = , E21 = , E22 = ,
0 0 0 0 1 0 0 1
0 1 1 0 1 1 1 1
G1 = , G2 = , G3 = , G4 = .
1 1 1 1 0 1 1 0
( 1) 证明 G1 , G2 , G3 , G4 是R 2 ×2 的一组基 ;
( 2) 求从基 { E11 , E12 , E21 , E22 }到基 { G1 , G2 , G3 , G4 } 的过渡矩阵 ;
( 3) 求矩阵
0 1
A=
2 - 3
分别在两组基下的坐标 (列 ) 向量 .
1 0 0
30 . 设 A= 0 ω 0 ,
0 0 ω2

- 1 + 3i
其中 ω= .
2
( 1) 证明 A 的全体实系数多 项式 , 对于矩 阵多项 式的加 法和数 量乘法 ,
构成实数域上的线性空间 .
( 2) 求这个线性空间的维数及一组基 .
31 . 设 A∈ R n× n .
( 1) 证明全体与 A 可交换的矩阵组成R n× n 的一个子空间 , 记作 C( A) ;
( 2) 当 A = I 时 , 求 C( A) ;
( 3) 当 A = diag( 1 , 2 , … , n) 时 , 求 C( A)的维数及一组基 .
1 0 0
32 . 设 A= 0 1 0 ,
3 2 2
求R 3 ×3 中全体与 A 可交换的矩阵所组成的子空间的维数及一组基 .
＊
33 . 设 V1 和 V2 分 别是向 量组 {αi } 和 {βi } 生成的 子空间 , 求 V 1 ∩ V2 ,
V 1 + V 2 的基和维数 .设 :

α1 = (1 , 2 , 1 , 0 ) , β1 = ( 2 , - 1 , 0 , 1) ,
( 1) 　
α2 = ( - 1 , 1 , 1 , 1 ) ; β2 = ( 1 , - 1 , 3 , 7) ;
习题 　 补充题 　 答案 215

α1 = (1 , 2 , - 1 , - 2 ) ,
β1 = (2 , 5 , - 6 , - 5) ,
( 2) α2 = (3 , 1 , 1 , 1 ) , 　
β2 = ( - 1 , 2 , - 7 , 3) .
α3 = ( - 1 , 0 , 1 , - 1 ) ;
34 . 设 V1 , V 2 分 别 是 齐 次 线 性 方 程 组 x1 + x2 + … + xn = 0 与 x1 =
x2 = … = x n 的解空间 .证明 R n = V 1 V2 .
35 . 设 W1 是R 的一个子空间 , 且 W1 ≠ R n .证明 :在 R n 中必存在另 一个
n

子空间 W2 , 使得 R n = W1 W2 .
1 1 - 1 0 1

＊
2 3 1 - 1 0
36 . 设 　 A= .
0 1 3 - 1 -2
4 1 - 13 3 10
( 1) 求矩阵 A 的列空间和行空间的基和维数;
( 2) 求矩阵 A 的零空间的基和维数 ;
( 3) 求 A 的行空间的正交补的维数 .
＊
37 . 在R 3 中 , 下列子空间哪些是正交子空间 ? 哪 些互为正交 补 ? 并说
明理由 .
( 1) W1 = { ( x , y, z) | 3 x - y + 2 z = 0} ;
( 2) W2 = { ( x , y, z) | x - y - 2 z = 0 } ;

x y z
( 3) W3 = ( x , y , z) | = = ;
3 - 1 2

x y z
( 4) W4 = ( x , y , z) | = = .
3 5 - 2

38 . 设α = ( x1 , x2 , x3 ) ∈ R 3 , 下列 变 换σ是 否为 R 3 的 线性 变 换 ? 并 证
明之 .
( 1) σ(α) = ( 2 x1 , 0 , 0 ) ; 　 　 　 ( 2) σ(α) = ( x1 x2 , 0 , x2 ) ;
( 3) σ(α) = ( x1 , x2 , - x3 ) ; 　 ( 4) σ(α) = ( 1 , 1 , x3 ) ;
( 5) σ(α) = α0 + α, 其中α0 ∈R 3 是一固定向量 .
39 . 若上题中( x1 , x2 , x3 ) 是向量α在自然基 {ε1 ,ε2 ,ε3 } 下的 坐标 , 试 说明
(1) , (3 )两个线性变换的几何意义 .
40 . 对 38 题中 (1 ) , ( 3) 两个线性变换 , 分别求 :
216 第 4 章 　 向量空间与线性变换

( 1) σ在自然基 {ε1 ,ε2 ,ε3 } 下的对应矩阵 ;

( 2) σ在基α1 = (1 , 0 , 0) ,α2 = ( - 1 , 1 , 0) ,α3 = (1 , - 1 , 1) 下的对应矩阵 .
41 . 在R 3 中定义线性变换
σ( x1 , x2 , x3 ) T = ( x1 + x2 , x1 - x2 , x3 ) T .
　 　 ( 1) 求σ在自然基{ε1 ,ε2 ,ε3 } 下的对应矩阵 ;
( 2) 求σ在基β1 = ( 1 , 0 , 0 ) T , β2 = ( 1 , 1 , 0 ) T , β3 = ( 1 , 1 , 1 ) T 下 的 对 应
矩阵 .
42 . 设 {α1 ,α2 ,α3 } 和 {β1 ,β2 ,β3 } 是R 3 的两组基 , 已知 :β1 = 2 α1 + α2 + 3 α3 ,
β2 =α1 +α2 + 2 α3 ,β3 = - α1 + α2 + α3 ;σ在基 {α1 ,α2 ,α3 } 下的对应矩阵为
5 7 - 5
A= 0 4 - 1 .
2 8 3
试求 : (1 ) σ在基{ - α2 , 2 α1 ,α3 } 下的对应矩阵 .
( 2) σ在基 {β1 ,β2 ,β3 } 下的对应矩阵 .
43 . 已知R 3 的线性变换σ对于基
α1 = ( - 1 , 0 , 2 ) T , α2 = (0 , 1 , 1) T , α3 = ( 3 , - 1 , - 6) T
的象为
σ(α1 ) = β1 = ( - 1 , 0 , 1) T , σ(α2 ) = β2 = ( 0 , - 1 , 2 ) T ,
σ(α3 ) = β3 = ( - 1 , - 1 , 3 ) T .
　 　 ( 1) 求σ在基 {α1 ,α2 ,α3 } 下的矩阵表示 ;
( 2) 求σ(β1 ) ,σ(β2 ) ,σ(β3 ) ;
( 3) α在基{α1 ,α2 ,α3 } 的坐标向量为 (5 , 1 , 1) T , 求σ(α) 在基 {α1 ,α2 ,α3 } 下
的坐标向量 ;
( 4) β = ( 1 , 1 , 1 ) T , 求σ(β) ; .
( 5) σ(γ)在基 {α1 ,α2 ,α3 } 下的坐标向量为( 2 , - 4 , - 2) T , 问 :原象γ是否
唯一 ? 如不唯一 , 求所有的原象γ .
44 . 在R n× n 中定义变换σ( X) = BXC, 其 中 B, C∈ R n× n 是两 个固 定的 矩
阵 .证明σ是R n× n 的线性变换 .
45 . 求R [ x]4 的微分变换 D ( f ( x ) ) = f′( x ) 在基 { 1 , 1 + x, 1 + x + x2 ,
1 + x + x2 + x3 } 下的对应矩阵 .
46 . 设 44 题中的
习题 　 补充题 　 答案 217

a b
B= C= .
c d
求σ( X) = BXC在基 E11 , E12 , E21 , E22 ( 如 29 题所给) 下的对应矩阵 .
47 . 设σ是线性空间 V 上的 线性变 换 .如果σ k - 1 (ξ) ≠θ, 但σ k (ξ) = θ,
求证ξ,σ(ξ) ,σ2 (ξ) , … ,σk - 1 (ξ) 线性无关 ( k > 1) .
48 . 求下列线性变换σ的象 ( 值域) 和核以及σ的秩:
( 1) σ( x1 , x2 , x3 ) = ( x1 + x2 + x3 , - x1 - 2 x3 , x2 - x3 ) ;
( 2) σ是 n 维线性空间的零变换 ;
( 3) σ是 n 维线性空间 V 的恒等变换 ;
( 4) σ: R n → R n 且σ( x1 , x2 , … , xn ) = ( x1 , 0 , … , 0) .
49 . 求R 3 的一个线性变换σ , 使得σ的象 为σ( R 3 ) = L (α1 ,α2 ) , 其中α1 =
(1 , 0 , - 1 ) ,α2 = (1 , 2 , 2) .
50 . 已知R 2 的线性变换σ( x1 , x2 ) = ( x1 - x2 , x1 + x2 ) .
( 1) 求σ2 ( x1 , x2 ) = ?
( 2) 问σ是否可逆 ? 如可逆 , 求σ - 1 ( x1 , x2 ) = ?

　 　 补充题

51 . 设 A 为正交矩阵 , I + A 可逆 , 证明 :
( 1) ( I - A) ( I + A) - 1 可交换 ;
( 2) ( I - A) ( I + A) - 1 为反对称矩阵 .
52 . 证明 : (1 ) 若 detA = 1 , 则 A 为正交矩阵的充分必要条件是 A 的每个
元素等于自己的代数余子式 ; (2 ) 若 det A = - 1 , 则 A 为正交矩阵的充要条件
是 A 的每个元素等于其代数余子式乘以 - 1 .
53 . 设α1 ,α2 , … ,αm ∈R n , 证明 :α1 ,α2 , … ,αm 线性无关的充要条件是
(α1 ,α1 ) (α1 ,α2 ) … (α1 ,αm )
(α2 ,α1 ) (α2 ,α2 ) … (α2 ,αm )
det ≠0.
… … …
(αm ,α1 ) (αm ,α2 ) … (αm ,αm )
　 　 54 . 证明 : L(α1 ,α2 , … ,αs ) + L(β1 ,β2 , … ,βt ) = L(α1 , … ,αs ,β1 , … ,βt ) .
55 . 设秩 {α1 ,α2 , … ,αs } = r, 秩 {β1 ,β2 , … ,βt } = p .证明 :
218 第 4 章 　 向量空间与线性变换

dim L(α1 ,α2 , … ,αs , β1 ,β2 , … ,βt ) ≤ r + p .

　 　 56 . 设 A 是 m× n 的矩阵 , B 是 s× n 矩阵 , 两个齐次线 性方程组 Ax = 0,
Bx = 0 的解空间的交是什么意义 ? 如何求它们的交 ?
57 . 如何求两个子空间 L(α1 ,α2 , … ,αs ) 与 L(β1 ,β2 , … ,βt ) 的交 .其中αi ,
βj ∈R n , i = 1 , … , s; j = 1 , … , t .
58 . 设 A 为 n 阶实矩阵 , 问: 下列命题是否正确 ? 并说明理由 .
( 1) 若 dim R ( A) = n, 则 R( A) = R( AT ) ;
( 2) 若 dim R ( A) = m < n, 则 R( A)≠ R( AT ) .
59 . 设 V 1 , V 2 是 R n 的两个非平凡子 空间 , 证明 : 在 R n 中 存在向 量α , 使
αú V1 , 且αú V 2 , 并在R 3 中举例说明此结论 .

　 　 答案

1
1. ( 5 , 1 , - 1 , - 1) T . 　 　 2 . (1 ) ( - 2 , 1 , 1 ) T .
4
- 27 - 71 - 41
1
( 2) 9 20 9 . 　 (3 ) ( 153 , - 106 , 83 ) T .
4
4 12 8
1 0 0 1 0 0 1 - 1 1 1
1 1 0 1 - 1 - 1 1 0 0 3
3 . ( 1) , . ( 2) , .
0 1 1 1 0 0 0 0 1 1
0 0 1 0 1 1 - 1 1 -1 - 1
( 3) (3 , 1 , 0 , - 2 ) T .
4 . k(1 , 1 , 1 , - 1 ) T .
5 . ( 2) k1 ( - 5 , 3 , 1 , 0 ) T + k2 ( 5 , - 3 , 0 , 1) T .
1
6. (4 , 0 , 1 , - 3 ) T .
26
1 1 1
8 . ( 1) ( 1 , 2 , 2 , - 1 )T , ( 2 , 3 , - 3 , 2 )T , ( 2 , - 1 , - 1,
10 26 10
- 2 )T .
1 1
( 2) (1 , 1 , - 1 , - 2 ) T , (2 , 5 , 1 , 3) T .
7 39
习题 　 补充题 　 答案 219

1 1
( 3) (2 , 1 , 3 , - 1) T , ( 3 , 2 , - 3 , - 1) T ,
15 23
1
( 1 , 5 , 1 , 10 ) T .
127
1 1 1
9 . ( 1) (1 , 1 , 1) T , ( - 2 , 1 , 1) T , (0 , - 1 , 1) T ,
3 6 2
T
6 2 .
0, - ,
2 2
1 1
( 2) (1 , - 1 , 1) T , ( - 1 , 1 , 2) T ,
3 6
T
1 2 3 6
( 1 , 1 , 0 )T , , - ,0 .
2 3 3
6 2 6 3 6 6 2 6 3 6
11 . - , , - , - , - ,或 - , - , , , - .
7 7 7 7 7 7 7 7 7 7
12 . 利用 A＊ = | A| A - 1 及 | A| 2 = 1 , 证明 ( A＊ ) T A＊ = I .
13 . 利用定义 AT A = I , 立即可得 .
14 . 由 AT = A, AT A = I 可推出 A2 = I , 其他类似 .
16 . 利用列向量组是标准正交向量组或用数学归纳法做证明 .
17 . (1 )是 , ( 2) 否 , (3 )否 , ( 4) 否 , (5 )否 , ( 6) 是 , (7) 否 , ( 8) 是 .
18 . 是 ;在实数域上是 2 维 , 基 {1 , i} ;在复数域上是 1 维 , 基{ 1} .
19 . (1 ) , ( 4) , (5 )是 ; ( 2) , (3 ) , (6) 不是 .
20 . W1 : 2; (1 , 1 , 0) T , ( 0 , 1 , 1 ) T . W4 : 2 ; (1 , 0 , 0 ) T , (0 , 0 , 1) T , W5 : 1;
(1 , 2 , 3 ) T .
1 1
21 . 2; ( - 1 , 1 , 0 , 1 , 0) T , ( 1 , - 2 , 0 , 3 , 1) T .
3 15
22 . (1 , 1 , 1 , 1 , 1 ) T , ( 1 , 1 , 0 , 1 , 1) T , ( 0 , 0 , 0 , 1 , 0 ) T , ( 0 , 0 , 0 , 0 , 1 ) T , ( 1 , 0 ,
0 , 0 , 0) T .
23 . 3; (1 , 1 , 0 , 0 ) T , ( 1 , 0 , - 1 , 0 ) T , ( 1 , 0 , 0 , 1 ) T ; (1 , 1 , 0 , 0 ) T , (1 , 0 , - 1 ,
0) T , (1 , 0 , 0 , 1 ) T , ( 1 , 0 , 0 , 0) T .
1 1 1
24 . (1 ) 3 ;α1 ,α2 ,α4 ; (2 , 1 , 3 , 1) T , ( 1 , 5 , - 3 , 2) T , ( - 4,
15 39 390
1 1
- 7 , - 1 , 18 ) T . (2) 2 ;β1 ,β2 ; (2 , 1 , 3 , - 1 ) , (7 , 26 , - 12 , 4 ) .
15 885
220 第 4 章 　 向量空间与线性变换

25 . 只要证明向量组 {α, β} 与 {β, γ} 是 等 价 向量 组 , 即 可 以 互相 线 性

表示 .
n( n + 1 )
26 . (1 ) 全体 n 阶实对称矩阵 (上三 角矩阵 ) 构成的线 性空间为
2
1 0
维 .如 n = 2 时 , 对于实对称 矩阵 构成 的线 性空 间的基 为 A1 = , A2 =
0 0
0 0 0 1 ( n - 1) n
, A3 = .全体 n 阶反对称矩阵构成的线性空间为 维 .
0 1 1 0 2

( 6) 维数为 3 , 它的基为 e - x , xe - x , x2 e - x
.
( 8) 维数为 1 , 任何非零正实数 a 都是基 , 任何非零正实数 b 均可表 示为
b = k・ a = ak , 其中 k = logb a .
27 . 用 定 义 证 明 , 如 证 明α2 , α3 , … , αn , αn + 1 线 性 无 关 时 , 设 k2 α2 +
k3 α3 + … + kn αn + kn + 1 αn + 1 = 0 .将已知条 件αn + 1 = x1 α1 + x2 α2 + … + xn αn
(其中 x1 , … , xn 全为非零数 ) 代入 , 即可推出 k1 = k2 = … = kn = kn + 1 = 0 .
1 0 0 1 0 0
30 . (2) 利用 ω3 = 1 , A3 = I , A = 0 ω 0 , A2 = 0 ω2 0 , 再定义
2
0 0 ω 0 0 ω
A0 = I , 于是 ＂ k∈ Z (正整数 ) , Ak 均可由 A0 , A, A2 线性表示 , 证明 I , A, A2 线
性无关 , 从而 A 的全体实系 数多项 式构成 的线性 空间是 三维 的 , 且 f ( A) =
n 2

∑a A ∑ b A ( 其中 a , b
i j
i = j i j ∈ R , n 为任何正整数 ) .
i= 0 j =0

32 . 设 B = ( bi j ) 3× 3 ∈ R 3× 3 , 利用 AB = BA .求出所 有的 B, 再确定 所有 B
构成的子空间的基和维数 .
33 . (1) 设 x1 α1 + x2 α2 = x3 β1 + x4 β2 , 求解这个向量方程所对应的 x1 ,
x2 , x3 , x4 的齐次线性方程组 , 即可得 V 1 ∩ V2 , 而 V1 + V2 = L(α1 ,α2 ,β1 ,β2 )
的基为{α1 ,α2 ,β1 ,β2 }的极大线性无关组 .
35 . 将 W1 的基 {α1 , … ,αm } 扩 充为 R n 的 基 {α1 , … ,αm ,αm + 1 , … ,αn } , 取
W2 = L(αm , … ,αn ) , 则 W1 W2 = R n .
36 . (1 )2 ;α1 ,α2 ; 2 ; β1 ,β2 . (2 ) 3 ; (4 , - 3 , 1 , 0 , 0 ) T , ( - 1 , 1 , 0 , 1 , 0 ) T ,
( - 3 , 2 , 0 , 0 , 1) T .(3 ) 3 .
37 . W1 ⊥ W3 且 W1 = W3⊥ , W3 ⊥ W4 .
习题 　 补充题 　 答案 221

38 . (1 ) , ( 3) 是 ; (2 ) , ( 4) , (5 )否 .
2 0 0 1 0 0
40 . (1 ) 0 0 0 , 0 1 0 ,
0 0 0 0 0 - 1
2 - 2 2 1 - 1 0
( 2) 0 0 0 , 0 1 -2 .
0 0 0 0 0 -1
1 1 0 0 2 2
41 . (1 ) 1 -1 0 , (2) 1 0 - 1 .
0 0 1 0 0 1
4 0 1
37 24 12
7 5
42 . (1 ) - 5 - , (2 ) - 54 - 34 - 18 .
2 2
18 12 9
- 8 4 3
- 2 9 7
43 . (1 ) - 1 2 1 . (2) ( 3 , 2 , - 7 ) T , ( - 12 , - 5 , 22) T , ( - 9 , - 3 ,
- 1 3 2
15) T .(3 ) ( 6 , - 2 , 0 ) T . (4) ( - 7 , - 5 , 17 ) T . ( 5 ) (4 k - 8 , 2 - 2 k, 18 - 9 k) T ,
k 为任意常数 .
n× n
44 . 用 定 义 证 明 : ＂ X1 , X2 ∈ R , σ ( k1 X1 + k2 X2 ) = k1 σ ( X1 ) +
k2 σ( X2 ) .
0 1 -1 -1 a2 ac ab bc
0 0 2 -1 ab ad b2 bd
45 . . 　 　 46 . .
0 0 0 3 ac c2 ad cd
0 0 0 0 bc cd bd d2
47 . 证法与第 3 章 46 题的证明类似 .
48 . (1) Imσ = L( (1 , - 1 , 0) , (1 , 0 ,1 ) ) , Kerσ= L( ( - 2 , 1 , 1) ) , r(σ) = 2 .
(2 ) Imσ= {0} , Kerσ = V , r(σ) = 0 . 　 (3) Imσ = V , Kerσ = {0} , r(σ) = n .
( 4) I mσ = L(ε1 ) , Kerσ = L(ε2 , … ,εn ) , r(σ) = 1 .
49 . ＂ α∈R 3 , σ(α) ∈ L (α1 ,α2 ) , 所以σ(α) = x1 α1 + x2 α2 = ( x1 + x2 ,
0 + 2 x2 , - x1 + 2 x2 ) .
222 第 4 章 　 向量空间与线性变换

50 . (1 ) σ2 ( x1 , x2 ) = ( - 2 x2 , 2 x1 ) ,
x1 + x2 x2 - x1
( 2) σ - 1 ( x1 , x2 ) = , .
2 2
51 . (1 ) 利用 ( I + A) ( I - A) = ( I - A) ( I + A) .
( 2) 利用 I = AT A .
1
52 . 利用 AT = A - 1 = A＊ .
| A|
53 . 用反证法 .
57 . 设ξ∈ L(α1 , … ,αs ) ∩ L(β1 , … ,βt ) , 则
ξ= x1 α1 + … + xsαs = xs+1 β1 + … + xs+ t βt ,
即 x1 α1 + … + xsαs - xs+ 1 β1 - … - xs+ t βt = 0 .
解此向量方程对应的齐次线性方程组即可求得两个子空间的交 .
58 . (1 ) 正确 . (2 ) 不正确 , 反例: A 为非满秩的实对称矩阵 .
59 . 存在α1 ú V 2 , 但α1 ∈ V1 ;α2 ú V1 , 但α2 ∈ V 2 , 证明α1 +α2 满足要求 .
　 第 5章

特征值和特征向量　矩阵的对角化

　 　 前几章讨论的问题 , 几乎都涉及线性方程组求解 , 为此而把矩

阵简化为阶梯形所采用的 主要 方法是 初等 变换 .今后 要讨 论的 主
要问题 , 虽然仍要把矩阵简化为对角形或上三角形 , 但是主要的技
巧不再是初等变换 , 尽管解决问题时仍要用到初等变换 , 但它仅起
辅助的作用 .这一章主 要讨论 : 矩 阵的 特征值 和特 征向 量 ; 矩阵 在
相似意义下化为对角形 ; 实对称矩阵的对角化 .

5 .1 　 矩阵的特征值和特征向量 　 相似矩阵

5.1 .1　 特征值和特 征向量的 基本概念

　 　 定义 5 .1 　 设 A 为复数域C 上的 n 阶矩 阵 , 如果存 在数 λ∈C
和非零的 n 维向量 x, 使得
Ax = λx ( 5 .1)
就称 λ是矩阵 A 的特征值 , x 是 A 的 属于 ( 或对 应于 ) 特 征值 λ的
特征向量 .
注意 : 特征 向量 x≠0; 特征 值 问题 是对 方阵 而言 的 , 本 章 的
矩阵如不加说明 , 都是方阵 .
根据定义 , n 阶矩阵 A 的特征值 , 就是使齐次线性方程组
224 第 5 章 　 特征值和特征向量 　 矩阵的对角化

(λI - A) x = 0
有非零解的 λ值 , 即满足方程
det (λI - A) = 0 ( 5 .2)
的λ都是矩阵 A 的特征值 .因此 , 特征值是λ的多项式 det (λI - A)
的根 .
定义 5 .2 　 设 n 阶矩阵 A = ( ai j ) , 则
f (λ) = det (λI - A)
λ - a11 - a12 … - a1 n
- a2 1 λ - a2 2 … - a2 n
= ( 5 .3)
… … …
- an1 - an2 … λ - an n
称为矩阵 A 的特征多项式 ,λI - A 称为 A 的 特征 矩阵 , ( 5． 2 ) 式 称
为 A 的特征方程 .
显然 , n 阶矩阵 A 的特征多项式是λ的 n 次多项式 .特征多 项
式的 k 重根也称 为 k 重 特征值 .当 n≥5 时 , 特征多项 式没有一 般
的求根公式 , 即使是三 阶矩阵 的特 征多项 式 , 一般 也难 以求 根 , 所
以求矩阵的特征值一般要 采用 近似计 算的 方法 , 它是 计算 方法 课
中的一个专题 .
例 1 　 求矩阵
5 - 1 - 1
A= 3 1 - 1
4 - 2 1
的特征值和特征向量 .
解 　 矩阵 A 的特征方程为
λ- 5 1 1
det (λI - A) = - 3 λ- 1 1 = 0
- 4 2 λ- 1
该特征矩阵的行列式的 每行 之 和均 为 λ- 3 , 将 各列 加 到 第 1 列 ,
5 .1 　 矩阵的特征值和特征向量 　 相似矩阵 225

并将第 1 行乘 - 1 加到第 2、3 行得

1 1 1
det (λI - A) = (λ - 3 ) 0 λ - 2 0
0 1 λ- 2
= (λ - 3 ) (λ - 2 ) 2 = 0 .
故 A 的特征值为λ1 = 3 ,λ2 = 2( 二重特征值 ) .
当 λ1 = 3 时 , 由 (λ1 I - A) x = 0, 即
- 2 1 1 x1 0
- 3 2 1 x2 = 0
- 4 2 2 x3 0
T
得其基础解系为 x1 = ( 1 , 1 , 1) , 因 此 , k1 x1 ( k1 为非 零 任意 常 数 )
是 A 的对应于λ1 = 3 的全部特征向量 .
当 λ2 = 2 时 , 由 (λ2 I - A) x = 0, 即
- 3 1 1 x1 0
- 3 1 1 x2 = 0
- 4 2 1 x3 0
T
得其基础解系为 x2 = ( 1 , 1 , 2) , 因 此 , k2 x2 ( k2 为非 零 任意 常 数 )
是 A 的对应于λ2 = 2 的全部特征向量 .
例 2 　 主 对角 元为 a11 , a22 , … , an n 的 对角矩 阵 A 或 上 ( 下 ) 三
角矩阵 B 的特征多项式是
| λI - A | = | λI - B | = (λ - a11 ) (λ - a22 ) … (λ - an n ) ,
故 A, B 的 n 个特征值就是 n 个主对角元 .

5.1 .2　 特征值和特 征向量的 性质

定理 5 .1 　 若 x1 和 x2 都是 A 的 属于 特征值 λ0 的特征 向量 ,
则 k1 x1 + k2 x2 也是 A 的属于λ0 的特征向量 ( 其中 k1 , k2 是任意 常
数 , 但 k1 x1 + k2 x2 ≠0) .
证 　 由于 x1 , x2 是齐次线性方程组
226 第 5 章 　 特征值和特征向量 　 矩阵的对角化

(λ0 I - A) x = 0
的解 , 因此 k1 x1 + k2 x2 也是上 式的 解 , 故当 k1 x1 + k2 x2 ≠0 时 , 是
A 的属于λ0 的特征向量 . ■
在 (λ0 I - A) x = 0 的解空间中 , 除零向量以 外的全体解向量 就
是 A 的属于特征值λ的全体特征向量 , 因此 , (λI - A) x = 0 的解 空
间也称为矩阵 A 关于特征值λ的特征子空间 , 记作 Vλ .n 阶矩阵 A
的特征子空间是 n 维向量空间的子空间 , 它的维数为
dimVλ = n - r (λI - A) .
需要注意的是 , n 阶实矩阵的特征值可能 是复数 , 所以 特征子空 间
n
一般是 n 维复向量空间C ( 见附录 ) 的子空间 .
例 1 中矩阵 A 的两个特征子空间为
Vλ1 = { kx | x = ( 1 , 1 , 1) T , k ∈ C } ,
T
Vλ2 = { kx | x = ( 1 , 1 , 2) , k ∈ C } .
　 　 定理 5 .2 　 设 n 阶矩 阵 A = ( ai j ) 的 n 个特征 值为 λ1 ,λ2 , … ,
λn , 则
n n n

(i) ∑λ = ∑ a
i= 1
i
i =1
ii ; 　 　 ( ii ) ∏λ =
i=1
i det A .
n

其中 ∑ ai i 是 A 的主对角元之和 , 称为矩阵 A 的迹 , 记作 t r( A) .
i=1

＊
证　设
λ - a1 1 0 - a12 … 0 - a1 n
0 - a21 λ - a22 … 0 - a2 n
det (λI - A) = ( 5 .4)
… … …
0 - an1 0 - an2 … λ - an n
=λn + c1 λn - 1 + c2λn - 2 + … + cn - 1 λ+ cn . ( 5 .5)
n n - 1
(5 .4 ) 式可表示为 2 个行 列式 之和 , 其中 展开 后含 λ 项 的行 列
式有下面 n 个
5 .1 　 矩阵的特征值和特征向量 　 相似矩阵 227

- a11 0 0 … 0 λ - a1 2 0 … 0
- a21 λ 0 … 0 0 - a2 2 0 … 0
- a31 0 λ … 0 , 0 - a3 2 λ … 0 ,…,
… … … ｗ … … … … ｗ …
- an1 0 0 … λ 0 - an2 0 … λ
λ 0 0 … - a1 n
0 λ 0 … - a2 n
0 0 λ … - a3 n .
… … … ｗ …
0 0 0 … - an n
它们之和等于
n

∑a
n-1 n- 1
- ( a1 1 + a2 2 + … + an n )λ = - ii λ ,
i =1
n

即 (5． 5 ) 式中的 c1 = - ∑a
i=1
ii .

又 (5． 4 ) 式展开后不含 λ的常数项为

- a1 1 - a1 2 … - a1 n
- a2 1 - a2 2 … - a2 n
= ( - 1) n det A,
… … …
- an1 - an2 … - ann
即 (5． 5 ) 式中的 cn = ( - 1) n det A .
假设 A 的 n 个特征值为λ1 ,λ2 , … ,λn , 根据 n 次多项式的根 和
系数的关系 , 得
n n

∑λ = -
i =1
i c1 = ∑a
i =1
ii ,
n

∏λ = c
n n
( - 1) i n = ( - 1 ) det A,
i =1

故
228 第 5 章 　 特征值和特征向量 　 矩阵的对角化

∏λ =i= 1
i det A . ■

　 　 由定理 5． 2( ii ) 可知 : 当 det A≠ 0 ( 即 A 为 可 逆矩 阵 ) 时 , 其 特
征值全为非零数 ; 反之 , 奇异矩阵 A 至少有一个零特征值 .
有兴趣的读者 , 可以证明 ( 5． 5) 式中一般的 ck 为 :
k
ck = ( - 1 ) s k , 　 k = 1 , 2 , … , n,
其中 sk 为 n 阶矩阵 A 的全体 k 阶主子式之和 .
矩阵的特征向量总是相 对于矩 阵的 特征值 而言 的 .一 个特 征
向量不能属于不同的特 征 值 , 这是 因 为 , 如 果 x 同 时是 A 的 属 于
特征值λ1 ,λ2 (λ1 ≠λ2 ) 的特征向量 , 即有
Ax = λ1 x 　 且 　 Ax = λ2 x,
则 λ1 x = λ2 x 　 即 　 (λ1 - λ2 ) x = 0 .
由于 λ1 - λ2 ≠0 , 则 x = 0, 这与 x≠0 矛盾 .
矩阵的特征值和特征向量还有以下性质 :
性质 1 　 若 λ是矩 阵 A 的特 征值 , x 是 A 的 属于 λ的 特征 向
量,则
( i ) kλ是 kA 的特征值 ( k 是任意常数 ) ,
m m
( ii ) λ 是 A 的特征值 ( m 是正整数 ) ,
( iii ) 当 A 可逆时 ,λ- 1 是 A - 1 的特征值 ;
m - 1 m 1
且 x 仍是矩阵 kA, A , A 的 分别 对应 于 特征 值 kλ,λ , 的特 征
λ
向量 .
证 　 ( i ) 的证明留给读者练习 .
( ii ) 由已知条件 Ax= λx, 可得
A( Ax) = A(λx) = λ( Ax) = λ(λx) ,
2 2
即 A x = λx .
再继续施行上述步骤 m - 2 次 , 就得
Am x = λm x ,
5 .1 　 矩阵的特征值和特征向量 　 相似矩阵 229

m m m m
故 λ 是矩阵 A 的特征值 , 且 x 也是 A 对应于λ 的特征向量 .
( iii ) 当 A 可逆时 ,λ≠ 0 , 由 Ax = λx 可得
A- 1 ( Ax) = A- 1 (λx) = λA - 1 x,
因此 A- 1 x = λ- 1 x,
故 λ- 1 是 A- 1 的特征值 , 且 x 也是 A - 1 对应于 λ- 1 的特征向量 . ■
性质 2 　 矩阵 A 和 AT 的特征值相同 .
T T T T
证 　 因为 (λI - A) = (λI ) - A = λI - A , 所以
T
det (λI - A) = det (λI - A ) .
T
因此 , A 和 A 有完全相同的特征值 . ■
＊
定理 5 .3 　 设 A = ( ai j ) 是 n 阶矩阵 , 若
n

(1 ) ∑
j= 1
| ai j | < 1 　 　 　 ( i = 1 , 2 , … , n) ,
n

(2 ) ∑
i= 1
| ai j | < 1 　 　 　 ( j = 1 , 2 , … , n)

有一个成立 , 则 A 的所有特征值λk ( k = 1 , 2 , … , n) 的模 ( 当 λ为 实
数时 , 是指 λk 的绝对值 ) |λk | 小于 1 .
证 　 设 λ为 A 的 任 一 特 征 值 , x 为 λ 对 应 的 特 征 向 量 , 由
Ax =λx , 即
n

∑a
j =1
ij x j = λx i 　 ( i = 1 , 2 , … , n) .

记1max | x j | = xk , 则有
≤ j≤ n
n

λx k ∑a kj xj n
xj
n

∑ ∑
j= 1
| λ| = = ≤ | ak j | ≤ | ak j | .
xk xk j =1 xk j =1

由此可见 , 若 ( 1) 成立 , 则 | λ| < 1 .因 此 , 由 λ的任 意性 即得 | λk | <

T
1 ( k = 1 , … , n) .同理 , 若 ( 2 ) 成 立 , 则 A 的所 有 特 征 值 即 A 的 所
有特征值的模小于 1 .
230 第 5 章 　 特征值和特征向量 　 矩阵的对角化

1 -1 1
例3　 设 A= 2 -2 2 .
-1 1 -1
( i ) 求 A 的特征值和特征向量 ;
( ii ) 求可逆矩阵 P, 使 P- 1 A P 为对角阵 .
解 　 (i)
λ- 1 1 - 1 λ- 1 0 - 1
| λI - A | = - 2 λ+ 2 - 2 = - 2 λ - 2
1 - 1 λ+ 1 1 λ λ+ 1
λ- 1 0 - 1
= - 2 λ - 2 = λ[ (λ - 1) (λ+ 3) + 3]
3 0 λ+ 3
=λ2 (λ+ 2 ) ,
A 的特征值为λ1 =λ2 = 0( 二重特征值 ) 和 λ3 = - 2 .
当 λ1 = 0 时 , 由 (λ1 I - A) x = 0, 即 Ax = 0 得 基 础 解 系 x1 =
(1 , 1 , 0 ) T 和 x2 = ( - 1 , 0 , 1 ) T , 故 A 对应于λ1 = 0 的全体特征向 量
T T
为 k1 x1 + k2 x2 = k1 ( 1 , 1 , 0) + k2 ( - 1 , 0 , 1 ) ( 其中 k1 , k2 为不全为
零的任意常数 ) .
当 λ3 = - 2 时 , 由 (λ3 I - A) x = 0, 即
- 3 1 - 1 x1 0
- 2 0 - 2 x2 = 0
1 - 1 - 1 x3 0
得基础解系为 x3 = ( - 1 , - 2 , 1 ) T , A 对 应于λ3 = - 2 的全 体特 征
T
向量为 k3 x3 = k3 ( - 1 , - 2 , 1 ) ( k3 为非零任意常数 ) .
( ii ) 将 Axi =λi xi ( i = 1 , 2 , 3 ) 排成矩阵等式
λ1 0 0
A( x1 , x2 , x3 ) = ( x1 , x2 , x3 ) 0 λ2 0 ,
0 0 λ3
5 .1 　 矩阵的特征值和特征向量 　 相似矩阵 231

取
1 - 1 - 1 0
P = ( x1 , x2 , x3 ) = 1 0 - 2 , 　 Λ= 0 ,
0 1 1 - 2
则 AP = PΛ , 且 | P| = 2 ≠0 , 因此就得 P- 1 A P = Λ为对角阵 .

5.1 .3　 相似矩阵及 其性质

- 1
定义 5 .3 　 对于矩阵 A 和 B, 若存在可逆矩阵 P, 使 P AP =
B, 就称 A 相似于 B, 记作 A～ B .
矩阵的相似关系也是一种等价关系 , 即也有以下三条性质 .
( i ) 反身性 : A～ A .
( ii ) 对称性 : 若 A～ B, 则 B～ A .
( iii ) 传递性 : 若 A～ B, B～C, 则 A～ C .
它们的证明 , 留给读者作为练习 .
相似矩阵有以下性质 :
( 1 ) P- 1 ( k1 A1 + k2 A2 ) P = k1 P - 1 A1 P + k2 P - 1 A2 P( 其 中 k1 , k2
是任意常数 ) .
- 1 - 1 - 1
(2 ) P ( A1 A2 ) P = ( P A1 P) ( P A2 P) .
(3 ) 若 A～ B, 则 Am ～ Bm ( m 为正整数 ) .
证 　 因为 A～ B, 所以存在可逆矩阵 P, 使
P - 1 A P = B,
于是 Bm = ( P - 1 A P) ( P - 1 A P) … ( P - 1 AP)
= P - 1 Am P,
故 Am ～ Bm . ■
＊
　 ( 4) 若 A～ B, 则 f ( A) ～ f ( B) , 其中
n n- 1
f ( x) = an x + an - 1 x + … + a1 x + a0 ,
f ( A) = an An + an - 1 An - 1 + … + a1 A + a0 I,
n n- 1
f ( B) = an B + an - 1 B + … + a1 B + a0 I .
232 第 5 章 　 特征值和特征向量 　 矩阵的对角化

　 　 利用性质 (1 ) , (3 ) 的结论 , 容易证明性质 (4 ) .

第 (5 ) 条性质是一个重要的结论 , 我们把它写成一个定理 .
定理 5 .4 　 相似矩阵的特征值相同 .
证 　 只需证明 相似矩 阵有相同 的特征多 项式 .设 A～ B, 则 存
在可逆矩阵 P, 使得
P - 1 AP = B .
于是
-1
| λI - B | = | λI - P AP |
-1 -1
=| P (λI - A) P | = | P | | λI - A | | P |
- 1
= | λI - A | 　 ( 因 | P | | P | = 1) . ■
　 　 必须注意 , 定理 4 的逆命题不成立 , 例如
1 0 1 1
I = , 　 　A= ,
0 1 0 1
- 1
都以 1 为二 重特 征值 , 但对 于任 何可 逆矩阵 P, 都 有 P IP = I≠
A, 故 A 和 I 不相似 .

5 .2 　 矩阵可对角化的条件

所谓矩阵可对角化指的是 , 矩阵与对角阵相似 .本节讨论矩阵

可对角化的条件 .其主要结论是 : 矩阵可对角化的充分必要条件是
n 阶矩阵有 n 个线性无关的特征向量 , 或矩 阵的每个 特征值 的 ( 代
数 ) 重数等于对应特征子空间的 ( 几何 ) 维数 .
今后 我 们 常 将 主 对 角 元 为 a1 , a2 , … , an 的 对 角 阵 记 作
diag( a1 , a2 , … , an ) , 或记作 Λ .
从 5． 1 节例 3 可见 , 当三阶矩阵 A 有三个 线性 无关的 特征 向
量 x1 , x2 , x3 时 , 取 P = ( x1 , x2 , x3 ) 就有
P - 1 AP = diag(λ1 ,λ2 ,λ3 ) ,
其中 λ1 ,λ2 ,λ3 分别 是 特征 向 量 x1 , x2 , x3 所 对 应 的 特征 值 .这 表
5 .2 　 矩阵可对角化的条件 233

明 , 三阶矩阵 A 有三个线性无关的特征向量是 A 与对 角阵相似 的

充分条件 .事实上它也是必要条件 .下面给出一般结论 .
定理 5 .5 　 n 阶矩阵 A 与对角阵相似的充要条 件是 A 有 n 个
线性无关的特征向量 .
证 　 必要性 : 设
- 1
记作
P A P = diag(λ1 ,λ2 , … ,λn ) Λ,
即 A P = PΛ .
将 P 矩阵按列分块 , 表示成
P = ( x1 , x2 , … , xn ) ,
则
λ1
λ2
A( x1 , x2 , … , xn ) = ( x1 , x2 , … , xn ) ,
ｗ
λn
即 ( Ax1 , Ax2 , … , Axn ) = (λ1 x1 ,λ2 x2 , … ,λn xn ) ,
于是
Axi = λi xi 　 　 ( i = 1 , 2 , … , n) .
故 x1 , x2 , … , xn 是 A 分别对应于特征值λ1 ,λ2 , … ,λn 的特征向量 .
由于 P 可逆 , 所以它们是线性无关的 , 必要性得证 .
上述步骤显然可逆 , 所以充分性也成立 . ■
5． 1 节例 1 中的 A 只 存在 两个 线 性无 关的 特征 向量 , 所以 不
可对角化 .
由定理 5． 4 可知 : 若 A 与对角阵Λ 相似 , 则Λ的主对角元都 是
A 的特征值 .若不计 λk 的排列顺序 , 则Λ是唯 一的 , 称Λ为 A 的 相
似标准形 .
定理 5 .6 　 矩 阵 A 的 属 于 不 同 特征 值 的 特 征 向量 是 线 性 无
关的 .
234 第 5 章 　 特征值和特征向量 　 矩阵的对角化

证 　 设 A 的 m 个互 不相 同的特 征值 为λ1 ,λ2 , … ,λm , 其相 应

的特征向量分别为 x1 , x2 , … , xm .
对 m 作归纳法 , 证明 x1 , x2 , … , xm 线性无关 .
当 m = 1 时 , 结论显然成立 ( 因为特征向量 x1 ≠0) .
设 k 个不同特 征值 λ1 ,λ2 , … ,λk 的 特征 向量 x1 , x2 , … , xk 线
性无关 , 下面考虑 k + 1 个不同特征值的特征向量的情况 .
　 　设
a1 x1 + a2 x2 + … + ak xk + ak+ 1 xk+ 1 = 0 , ①
则 A( a1 x1 + a2 x2 + … + ak xk + ak+ 1 xk+ 1 ) = 0,
即
a1 λ1 x1 + a2 λ2 x2 + … + akλk xk + ak+ 1 λk+ 1 xk+ 1 = 0 . ②
将①式乘 λk + 1 , 再减去②式得
a1 (λk+ 1 - λ1 ) x1 + a2 (λk+ 1 - λ2 ) x2 + … + ak (λk+ 1 - λk ) xk = 0 .
根据归纳假设 x1 , x2 , … , xk 线性无关 , 所以
ai (λk+ 1 - λi ) = 0 , i = 1 , 2 , … , k .
由于 λk+ 1 ≠ λi , i = 1 , 2 , … , k,
所以
ai = 0 , i = 1 , 2 , … , k . ③
将③式代入①式 , 得
ak+ 1 xk+ 1 = 0 .
由于特征向量 xk + 1 ≠0 , 故 ak + 1 = 0 , 故 x1 , x2 , … , xk + 1 线性无关 .■
推论 　 若 n 阶矩阵 A 有 n 个互不相同的特征值 , 则 A 与对 角
阵相似 .
但必须注 意 , 推 论的 逆不 成 立 , 如 5． 1 节 例 3 , A 与 对角 阵 相
似 , 但特征值中 0 是二重特征根 .
＊
定理 5 .7 　 设 λ1 ,λ2 , … ,λm 是 n 阶矩阵 A 的 m 个 互异特 征
值 , 对应于 λi 的 线 性 无 关 的 特 征 向 量 为 xi1 , xi2 , … , xi r i ( i = 1 ,
2 , … , m) , 则由所有这些特征向量 ( 共 r1 + r2 + … + r m 个 ) 构成 的
5 .2 　 矩阵可对角化的条件 235

向量组{ xi1 , … , xi r i | i = 1 , 2 , … , m}是线性无关的 .

证　设
m

∑(k
i=1
i
1
xi1 + ki2 xi2 + … + ki r xi r ) = 0,
i i
①

记
yi = ki1 xi1 + ki2 xi2 + … + ki ri xi r i . ②
①式化为
y1 + y2 + … + ym = 0, ③
其中 yi 是对应于λi 的特征向量或零 向量 ( i = 1 , … , m) .根 据定 理
5 .6 , ③式中的 y1 , y2 , … , ym 都不 是 特征 向量 ( 因为 它 们中 如有 一
个或几个是 特 征 向 量 , 则由 其 线 性 无 关 性 可 知 它 们 之 和 不 等 于
0) , 所以
yi = 0 , 　 　 i = 1 , 2 , … , m . ④
由于 xi1 , xi2 , … , xi r i 是线性无关的 , 因此由④和②可得
ki1 = ki2 = … = ki ri = 0 , 　 i = 1 , 2 , … , m .
故定理的结论成立 . ■
由定理 5． 7 可知 , 5． 1 节例 3 中 A 的 特征 向量 x1 , x2 , x3 必 定
是线性无关的 .
＊
定理 5 .8 　 设 λ0 是 n 阶矩阵 A 的一 个 k 重特 征 值 , 对应 于
λ0 的线性无关的特征向量的最大个数为 l, 则 k≥ l .
证 　 用反证法 .设 l > k, 由于
Ax i = λ0 xi , 　 xi ≠ 0, 　 i = 1 , 2 , … , l . ①
n
将 x1 , x2 , … , xl 扩充为 n 维向量空间C 的一组基
x1 , x2 , … , xl , xl+ 1 , … , xn ,
n
其中 xl + 1 , …, xn 一般不是 A 的特征向量 , 但 Axm ∈C ( m = l+ 1, …,
n) , 可用上述的一组基线性表示 , 即
1 m x1 + a′
Axm = a′ 2 m x2 + … + a′
l m xl +
236 第 5 章 　 特征值和特征向量 　 矩阵的对角化

l+ 1 m xl+ 1 + … + a′
a′ n m xn

( m = l + 1 , … , n) . ②
将① , ②中的 n 个等式写成一个矩阵等式
A( x1 , … , xl , xl+ 1 , … , xn )
λ0 1 l+ 1 … a′
a′ 1 n

ｗ … …
λ0 a′
l l+ 1 … a′
ln

　 = ( x1 , … , xl , xl+ 1 , … , xn ) , ③
l+ 1 l+ 1 … a′
a′ l+ 1 n

0 … …
a′
n l+ 1 … a′
nn

其中 λ0 有 l 个 .
记 P = ( x1 , … , xl , xl + 1 , … , xn ) ,
并将③式右端矩阵分块表示 , 则有
λ0 Il A1
P- 1 A P = .
0 A2
根据相似矩阵有相同的特征多项式 , 得
-1
| λI n - A | = | λI n - P A P |
(λ - λ0 ) Il - A1
=
0 λI n - l - A2
= | (λ - λ0 ) Il | | λI n - l - A2 |
l
= (λ - λ0 ) g (λ) . ④
其中 g(λ) = |λI n - l - A2 | 是 λ的 n - l 次多项式 .
由④式可知 ,λ0 至少是 A 的 l ( l > k) 重特征值 , 与 λ0 是 k 重特
征值矛盾 .所以 l≤ k . ■
由于 (λ0 I - A) x = 0 的 基础 解系 含 l = n - r (λ0 I - A) 个 向量 ,
即特征子空间的维数 dimVλ0 = l, 定理 5 .8 也可以叙述为 : 特征 子
空间 Vλ0 的维数 dimVλ0 ≤特征值 λ0 的重数 .
5 .2 　 矩阵可对角化的条件 237

＊
定理 5 .9 　 n 阶矩阵 A 与对角矩阵相似的 充分必要 条件是 :
A 的每个特征值对应的特征向量线性无关的最大个数 等于该特 征
值的重数 ( 即 A 的 每 个 特 征 子 空 间 Vλi 的 维 数 等 于 特 征 值 λi 的
重数 ) .
m

证　设 | λI - A | = ∏ (λ - λ )
r
i i ,
i= 1
m

其中 λ1 , … ,λm ∈ C 且互异 , 又有 ∑ ri = n .
i= 1

充分性 : 由于对应于 λi 的特征向量有 ri 个线性无关 , 又 m 个

特征值互异 , 由定理 5． 7 , A 有 n 个线性 无关 的特征 向 量 , 依据 定
理 5 .5 , A 与对角阵相似 .
必要性 : 用反证法 , 设 有一 个 特征 值 λi 所 对 应的 线 性无 关 的
特征向量的最大个数 l i < λi 的重数 r i , 则由定理 5． 8 可知 , A 的 线
性无关的特征向量个数小于 n , 故 A 不能与对角阵相似 . ■
例 1 　 设实对称矩阵
1 - 1 - 1 - 1
- 1 1 - 1 - 1
A= .
- 1 - 1 1 - 1
- 1 - 1 - 1 1
问 : A 是否与对角阵 相 似 ? 若 与 对角 阵 相 似 , 求 对角 阵Λ及 可 逆
矩阵 P , 使得 P- 1 A P = Λ .再求 Ak ( k 为正整数 ) .
解 　 A 的特征多项式
λ- 1 1 1 1
1 λ- 1 1 1
| λI - A | =
1 1 λ- 1 1
1 1 1 λ- 1
238 第 5 章 　 特征值和特征向量 　 矩阵的对角化

1 1 1 1
1 λ- 1 1 1
= (λ+ 2)
1 1 λ- 1 1
1 1 1 λ- 1
1 1 1 1
0 λ- 2 0 0
= (λ+ 2)
0 0 λ- 2 0
0 0 0 λ- 2
= (λ+ 2) (λ - 2) 3 .
所以 A 的特征值λ1 = - 2( 单根 ) ,λ2 = 2( 三重根 ) .
由 (λ1 I - A) x = 0 , 即
- 3 1 1 1 x1 0
1 - 3 1 1 x2 0
=
1 1 - 3 1 x3 0
1 1 1 - 3 x4 0
得 λ1 对应的特征向量为{ k1 x1 | x1 = (1 , 1 , 1 , 1 ) T , k1 ≠0} .
由 (λ2 I - A) x = 0 , 即
x1 + x2 + x3 + x4 = 0 ,
T T
得基础解系 为 x2 1 = ( 1 , - 1 , 0 , 0 ) , x22 = ( 1 , 0 , - 1 , 0 ) . x23 =
(1 , 0 , 0 , - 1 ) T .
A 有 4 个线性无关的特征向量 , 故 A 与对角阵相似 .
取
1 1 1 1
1 - 1 0 0
P = ( x1 , x2 1 , x22 , x23 ) = ,
1 0 - 1 0
1 0 0 - 1
则
5 .2 　 矩阵可对角化的条件 239

- 2
- 1
2
P AP = = Λ.
2
2
Λ的 4 个对角元依次 是 4 个 特征 向量 所对 应的 特征 值 .由 于特 征
向量 ( 或 (λI - A) x = 0 的基础解系 ) 不唯一 , 所以 P 也不唯一 .
由 A= PΛP - 1 , 可得
Ak = ( PΛP- 1 ) k = PΛP - 1 PΛP - 1 … PΛP - 1 = PΛ k P - 1
k
1 1 1 1 ( - 2)
k
1 - 1 0 0 2
= ・
1 0 - 1 0 2k
1 0 0 - 1 2k
1 1 1 1
1 1 - 3 1 1
4 1 1 - 3 1
1 1 1 - 3
k
2 I4 , 当 k 为偶数 ,
=
2 k - 1 A, 当 k 为奇数 .
　 　 例 2 　 设 A= ( ai j ) n× n 是主对 角元 全为 2 的 上三角 矩阵 , 且 存
在 ai j ≠ 0 ( i < j) , 问 A 是否与对角阵相似 ?
2 ＊ … ＊
0 2 … ＊
解　设 A=
… … ｗ …
0 0 … 2
( 其中 ＊ 为不全为零的任意常数 ) .则
n
| λI - A | = (λ - 2 ) ,
即 λ= 2 是 A 的 n 重 特征值 , 而 r (2 I - A) ≥ 1 , 所 以 ( 2 I - A) x = 0
的基础解系所含向量个数≤ n - 1 个 , 即 A 的线性无关的特征向 量
240 第 5 章 　 特征值和特征向量 　 矩阵的对角化

的个数≤ n - 1 个 , 因此 , A 不与对角阵相似 .
＊
例 3 　 设 f ( x ) = x3 - 2 x + 5 , 矩阵 A 同例 1 , 求可逆 阵 P 和
- 1 3
对角阵Λ1 , 使得 P f ( A) P = Λ1 , 其中 f ( A) = A - 2 A + 5 I .
解 　 利用 5 .1 节性质 1 , 若 Ax = λx( x≠0) , 则
m m
( kA) x = ( kλ) x, 　 A x = λ x
( 其中 k∈C , m∈ N ) , 因此对任意多项式 f ( x ) , 有 f ( A) x = f (λ) x
( 请读者自己证明 ) , 即 f (λ) 是 f ( A) 的特征值 , x 是 f ( A) 对应的特
征向量 , 由 λ1 = - 2 和 λ2 = 2 得 f (λ1 ) = 1 , f (λ2 ) = 9 , 例 1 中的 x1 ,
x21 , x2 2 , x2 3 是 f ( A) 的 特 征 值 f (λ1 ) , f (λ2 ) 所 分 别 对应 的 特 征 向
量 .取 P = ( x1 , x21 , x22 , 23 ) , 则
P - 1 f ( A) P = diag( f (λ1 ) , f (λ2 ) , f (λ2 ) , f (λ2 ) )
= diag(1 , 9 , 9 , 9 ) = Λ1 .
　 　 本题还有另一种解法 , 利用例 1 结果
P - 1 A P = diag( - 2 , 2 , 2 , 2) = Λ ,
-1
即 A = PΛP .
于是 f ( A) = A3 - 2 A + 5 I
- 1 3 - 1
= ( PΛP ) - 2 ( PΛP ) + 5 I
3 - 1
= P(Λ - 2 Λ+ 5 I) P
-1
= P f (Λ ) P ,
所以 , P- 1 f ( A) P = f ( Λ ) = diag( f ( - 2) , f ( 2) , f ( 2) , f ( 2) )
= diag (1 , 9 , 9 , 9 ) .
＊
例 4 　 设 n 阶幂等矩阵 A( 即 A2 = A) 的秩为 r( 0 < r≤ n) .证
明 : A～ diag(1 , 1 , … , 1 , 0 , … , 0 ) , 其中 1 有 r 个 .
证 　 设 Ax= λx ( x≠0) , 由
λx = Ax = A2 x = λ2 x　 ( x ≠ 0) ,
2
得 λ = λ, 所以幂等矩阵的特征值为 0 或 1 .
2
当 λ1 = 1 时, 其特征矩阵 I - A 的秩为 n - r .这是因为 A - A =
A( I - A) = 0, 所以
5 .3 　 实对称矩阵的对角化 241

r( A) + r ( I - A) ≤ n .
又 r ( A) + r( I - A) ≥ r( A + ( I - A) ) = r ( I) = n,
故 r( A) + r ( I - A) = n .
因此 r ( I - A) = n - r, 　 dim Vλ1 = n - ( n - r) = r .
　 　 于是由 ( I - A) x = 0, 可 求得对应 于 λ1 = 1 的 r 个线性 无关 的
特征向量 x1 , x2 , … , xr .
当 λ2 = 0 时 , 由 (λ2 I - A) x = 0 , 即 Ax = 0, 可求得 n - r 个线 性
无关的特征向量 xr + 1 , … , xn .取
P = ( x1 , x2 , … , xr , xr+ 1 , … , xn ) ,
- 1
则 P A P = diag(1 , 1 , … , 1 , 0 , … , 0 ) ,
其中 1 的 个 数 为 r = r ( A) 个 , 0 的 个 数 为 n - r 个 , 当 r = n 时 ,
r( I - A) = 0, A = I, 命题也成立 . ■

5 .3 　 实对称矩阵的对角化

上一节已指出 , 不是任何矩阵都与对角阵相似 , 然而实用中很

重要的实对称矩阵一定可对角化 , 其特征值全为实数 .而且对于任
- 1
一个实对称矩阵 A, 存在正交矩 阵 T, 使得 T AT 为对 角阵 .为 了
证明这些重要结论 , 先介绍复矩阵和复向量的有关概念和性质 .
定义 5 .4 　 元素为复数的矩阵和向量 , 称为复矩阵和复向量 .
定义 5 .5 　 设 ai j 为复数 , A = ( ai j ) m× n , 珚
A = (珔 ai j 是 a i j
ai j ) m× n ,珔
的共轭复数 , 则称 珚
A 是 A 的共轭矩阵 .
T T
由定义 5 .5 可 知 : 珛
A = A; 珚
A = ( A ) ; 当 A 为 实对 称 矩 阵时 ,
T
珚
A =A.
根据定义及共轭复数的 运算性 质 , 容易 证明共 轭 矩阵 有以 下
性质 :
(1 ) kA =珔A ( k 为复数 ) ;
k珚
(2 ) A + B = 珚
A+珚
B;
242 第 5 章 　 特征值和特征向量 　 矩阵的对角化

(3 ) AB = 珚
A珚
B;
(4 ) ( AB) T = 珚
BT 珚
AT ;
(5 ) 若 A 可逆 , 则 A - 1 = (珚
A) - 1 ;
A = det A .
(6 ) det珚
n 维复向量 ( 以列的形式表示 ) x 满足性质 :
T
珔
x x≥ 0 , 等号成立当且仅当 x = 0 .
T
这是因为 , 若 x = ( x1 , x2 , … , xn ) , xi ∈C 　 ( i = 1 , 2 , … , n) , 则
珔 x1 x1 + 珚
xT x =珚 x2 x2 + … + 珚
xn xn
2 2 2
= | x1 | + | x2 | + … + | xn | ≥ 0 ,
其中 | xi | 是 复 数 xi 的 模 , 因 此 珔
xT x = 0 , 当 且仅 当 xi = 0 ( i = 1 ,
2 , … , n) , 即 x = 0 .

5.3 .1　 实对称矩阵 的特征值 和特征向量

虽然一般实矩阵的特征 多项式 是实 系数多 项式 , 但其 特征 根
可能是复数 , 相应的特征向量也可能是复向量 .然而实对称矩阵的
特征值全是实数 , ( 在实数域上 ) 相应的特征向量是实向量 , 且不同
特征值的特征向量是正交的 .下面给以证明 .
定理 5 .10 　 实对称矩阵 A 的任一个特征值都是实数 .
证 　 设 λ是 A 的任一个特征值 .由 珚
AT = A, 和 Ax = λx, 有
( Ax) T = (λx) T ,
T T T
x A x= 珔
λx x,
T T T
珔
x Ax = λ
珔x x=珔
λ珔
x x.
T
又 x≠0,珔
x x > 0 , 所以 λ=珔
λ, 即 λ为实数 . ■
定理 5 .11 　 实对称矩 阵 A 对应 于不 同特 征值 的 特征 向量 是
正交的 .
T
证 　 设 Axi =λi xi , ( xi ≠0, i = 1 , 2) ,λ1 ≠λ2 , A = A, 则
λ1 x2T x1 = x2T Ax1 = x2T AT x1 = ( Ax2 ) T x1
T T
= (λ2 x2 ) x1 = λ2 x2 x1 .
5 .3 　 实对称矩阵的对角化 243

T
由于 λ1 ≠λ2 , 所以 x2 x1 = 0 , 即 ( x2 , x1 ) = 0 , 故当 x1 , x2 为实的特 征
向量时 , x1 与 x2 正 交 ( x1 , x2 为 复 向量 的 情 形 , 利 用 附 录 A 的 知
识 , 也可证明二者正交 ) . ■

5.3 .2　 实对称矩阵 的对角化

定理 5 .12 　 对于任一个 n 阶实对称 矩阵 A, 存在 n 阶 正交 矩
阵 T, 使得
-1
T AT = diag (λ1 ,λ2 , … ,λn ) .
　 　 证 　 用数学归纳法 .n = 1 时 , 结论显然成立 .
假设定理对任一个 n - 1 阶实对 称矩 阵 B 成 立 , 即存 在 n - 1
阶正交矩阵 Q, 使得 Q - 1 BQ= Λ1 .下 面证 明 , 对 n 阶实对 称矩 阵 A
也成立 .
设 　 Ax1 = λ1 x1 , 其中 x1 是 长度 为 1 的特 征 向 量 .现 将 x1 扩
充为R n 的一组标准正交基
x1 , x2 , … , xn ,
其中 x2 , … , xn 不一定是 A 的特征向量 , 于是就有
A( x1 , x2 , … , xn ) = ( Ax1 , Ax2 , … , Axn )
λ1 b12 … b1 n
0 b22 … b2 n
= ( x1 , x2 , … , xn ) ・ . ①
… … …
0 bn2 … bnn
记
P = ( x1 , x2 , … , xn ) 　 ( P 为正交矩阵 ) ,
并将①式右端矩阵用分块矩阵表示 , ①式可写为
-1
λ1 b
P AP = . ②
0 B
由于 P - 1 = PT , ( P- 1 A P) T = PT AT ( P - 1 ) T = P- 1 A P , 所以
244 第 5 章 　 特征值和特征向量 　 矩阵的对角化

λ1 0 λ1 b
= .
bT BT 0 B
T
因此 , b = 0, B = B( 即 B 为 n - 1 阶实对称矩阵 ) , 代入②式得
-1
λ1 0
P AP = .
0 B
根据归纳假设 , 构造一个正交矩阵
1 0
S= ,
0 Q
T
( 读者不难验证 S S= In ) , 便有
-1 - 1
1 0 λ1 0 1 0
S (P A P) S =
0 Q- 1 0 B 0 Q
λ1 0 λ1 0
= =
0 Q- 1 BQ 0 Λ1
= diag (λ1 ,λ2 , … ,λn ) .
- 1 - 1 - 1
取 T = PS( 两个正交矩阵之积仍是正交矩阵 ) , T =S P ,则
T AT = diag(λ1 ,λ2 , … ,λn ) ,
-1

其中 λ1 ,λ2 , … ,λn 是 A 的特征值 . ■

- 1
给定一个 n 阶实对称矩阵 A, 如何求正交 矩阵 T, 使 T AT =
m

∏ (λ - λ )
r
Λ呢 ? 首先由特征多项式 | λI - A | = i i
得到全部互异
i=1

特征值λ1 , … ,λm .由于 A可对角化 , 根据定理 5 .9 , ri 重特征值λi 对

应 ri 个线性无关的特征 向量 x i1 , … , xi r , 利用 施密 特 正交 化方 法
i

得到 ri 个相互正交的单位向量 yi1 , … , yi r , 由定理 5． 11 , 不同特征

i

值对应的特征向量正交 , 得到{ yi1 , … , yi r i | i = 1 , … , m} 为 n 个相

互正交的单位特征向量 , 将其按列排成 n 阶矩阵 , 就是所求的正交
矩阵 T .
5 .3 　 实对称矩阵的对角化 245

　 　 例1　 设
1 - 2 2
A= - 2 - 2 4 ,
2 4 - 2
- 1
求正交阵 T, 使 T AT 为对角阵 .
解
λ- 1 2 - 2
| λI - A | = 2 λ+ 2 - 4
- 2 - 4 λ+ 2
0 - 2 (λ - 2) (λ+ 3) (λ - 2)/ 2
= 0 λ- 2 λ- 2
- 2 - 4 λ+ 2
- 2 (λ+ 3)/ 2
= ( - 2 ) (λ - 2 ) 2
1 1
2
= (λ - 2) (λ+ 7) ,
得 λ1 = 2( 二重 ) 和 λ2 = - 7 .
对于 λ1 = 2 , 由 (λ1 I - A) x = 0, 即
1 2 - 2 x1 0
2 4 - 4 x2 = 0 ,
- 2 - 4 4 x3 0
得线性无关的特征向量 x1 = (2 , - 1 , 0 ) T , x2 = ( 2 , 0 , 1 ) T .用 施 密
特正交化方法 , 先正交化 , 得
β1 = x1 ,
( x2 ,β1 )
β2 = x2 - β1
(β1 ,β1 )
2 2 2
4 1
= 0 - - 1 = 4 ,
5 5
1 0 5
246 第 5 章 　 特征值和特征向量 　 矩阵的对角化

再将β1 ,β2 单位化得

T
2 5 5
y1 = , - ,0 ,
5 5
T

y2 = 2 5 ,4 5, 5 .
15 15 3
　 　 对于 λ2 = - 7 , 由 (λ2 I - A) x = 0, 即
- 8 2 - 2 x1 0
2 - 5 - 4 x2 = 0 ,
- 2 - 4 - 5 x3 0
T
1 2 -2
得特征向量 x3 = (1 , 2 , - 2 ) , 单位 化得 y3 = , 取正
T
, ,
3 3 3
交矩阵
2 5 2 5 1
5 15 3

T = ( y1 , y2 , y3 ) = 5 4 5 2 ,
-
5 15 3
5
0 - 2
3 3
- 1
则T AT= diag(λ1 ,λ1 ,λ2 ) = diag(2 , 2 , - 7 ) .
例 2 　 设实对称矩阵 A 和 B 是相似矩阵 , 证明 : 存在正交矩阵
- 1
T, 使得 T AT= B .
证 　 由于 A～ B, 所以 A 和 B 有相同的特征值λ1 ,λ2 , … ,λn .根
据定理 5． 12 , 对 A 和 B 分别存在正交矩阵 T1 和 T2 , 使得
T1- 1 AT1 = diag(λ1 ,λ2 , … ,λn ) = T2- 1 BT2 ,
- 1 -1
所以 T2 T1 AT1 T2 = B .
- 1 - 1 - 1
　 　 取 T = T1 T2 ( 仍是正交矩阵 ) , 则 T = T2 T1 , 如此就得
T - 1 AT = B . ■
　 　 例 3 　 设 n 阶实对称矩 阵 A , B 有 完全 相同的 n 个特征 值 , 证
习题 　 补充题 　 答案 247

明 : 存在正交矩阵 T 和 n 阶 矩 阵 Q 使 得 A = QT 和 B = TQ 同 时
成立 .
证 　 由于实对称矩阵与 对角 阵Λ相 似 , Λ的 对角 元 为 n 个 特
征值 , 所以 , A～Λ～ B, 即 A～ B .由 例 2 知存在正 交矩阵 T1 , 使 得
- 1 - 1
T1 AT1 = B, 即 AT1 = T1 B, 记 Q = AT1 , 则 A = QT 1 = QT, B =
- 1 - 1
T 1 Q = TQ( 其中 T = T 1 仍为正交矩阵 ) 同时成立 . ■
例 4 　 设 A, B 都 是 n 阶实 对 称 矩 阵 , 若 存 在 正 交 矩 阵 T 使
AT, T - 1 BT 都是对角阵 , 则 AB 是实对称矩阵 .
- 1
T
T T T
证 　 由 ( AB) = B A = BA 可知 , 此时 AB 对称的充要条件 是
AB 可交换 .因此只需证明 AB = BA .根据已知条件 , 有
-1
T AT = diag(λ1 ,λ2 , … ,λn ) ,
T - 1 BT = diag(μ1 ,μ2 , … ,μn ) ,
- 1 - 1 - 1 - 1
于是 ( T AT) ( T BT) = ( T BT) ( T AT) = diag (λ1 μ1 , … ,
T
λnμn ) , 因此 , AB= BA, ( AB) = BA = AB . ■

习题 　 补充题 　 答案

习题

　 　 1 . 求下列矩阵的特征值和特征向量 :
3 - 1 1
2 - 3
(1) ; 　 　 　 　 　 　 ( 2) 2 0 1 ;
- 3 1
1 - 1 2
1 2 3 4
2 0 0
0 1 2 3
(3) 1 1 1 ; ( 4) ;
0 0 1 2
1 - 1 3
0 0 0 1
4 5 -2 2 - 2 0
(5) - 2 - 2 1 ; ( 6) -2 1 - 2 .
- 1 - 1 1 0 - 2 0
248 第 5 章 　 特征值和特征向量 　 矩阵的对角化

　 　 2 . 已知矩阵
7 4 - 1
A= 4 7 - 1
- 4 - 4 x
的特征值 λ1 = 3 (二重 ) ,λ2 = 12 , 求 x 的值 , 并求其特征向量 .
3 . 设 x1 , x2 是矩阵 A 不同特征值的特征向量 , 证明 x1 + x2 不是 A 的一
个特征向量 .
4 . 设 x1 , x2 , x3 分别是矩阵 A 对应于互 不相同的 特征值 λ1 ,λ2 ,λ3 的 特
征向量 , 证明 x1 + x2 + x3 不是 A 的特征向量 .
5 . 证明对合矩阵 A(即 A2 = I)的特征值只能为 1 或 - 1 .
6 . 设 A 可逆 , 讨论 A 与 A ＊ 的特征值( 特征向量) 之间的相互关系 .
7 . 若 P - 1 AP = B, 问 : P - 1 ( A - 2 I) P = B - 2 I 是否成立 ?
-1 0
8 . 已知 A～Λ = , 求 det ( A - I) .
0 2
2 -1 - 1 0
9 . 已知 P= , P - 1 AP = , 求 An .
3 -2 0 2
＊ - 1
10 . 设 B = P AP , x 是矩阵 A 属于特征值λ0 的特征向量 .证明 : P - 1
x 是矩阵 B 对应其特征值λ0 的一个特征向量 .
＊
11 . 设 A 为非奇异矩阵 , 证明 AB 与 BA 相似 .
＊
12 . 设 A～ B, C～ D, 证明 :
A 0 B 0
～ .
0 C 0 D
＊
13 . 证明 : m 阶矩阵
0 1
0 ｗ
J=
ｗ 1
0
只有零特征值 , 且其特征子空间是R m 的一维子空间 , 并求它的基 .
14 . 若 I + A 可逆 , I - A 不可 逆 , 那么 , 关 于 A 的特 征值能 做出 怎样 的
断语 ?
15 . 若 det ( I - A2 ) = 0 , 证明 : 1 或 - 1 至少有一个是 A 的特征值 .
习题 　 补充题 　 答案 249

16 . 在第 1 题中 , 哪些矩阵可对角 化 ? 并对可 对角化 的矩阵 A, 求矩 阵

P 和对角矩阵Λ ,使得 P - 1 AP = Λ .
17 . 主对角元互不相等 的上 ( 下 ) 三 角形 矩阵 是否 与对 角阵相 似 ( 说 明
理由) ?
18 . 设 n 阶矩阵 A 的 n2 个元素全为 1 , 试求可逆矩阵 P, 使 P - 1 AP 为对
角阵 , 并写出与 A 相似的对角阵 .
19 . 已知 4 阶矩阵 A 的特征值λ1 = 1( 三重 ) ,λ2 = - 3; 对应于 λ1 的特征
向量有 x1 = ( 1 , - 1 , 0 , 0 ) T , x2 = ( - 1 , 1 , - 1 , 0) T , x3 = (0 , - 1 , 1 , - 1 ) T , 对应
于 λ2 的特征向量为 x4 = ( 0 , 0 , - 1 , 1 ) T .问 : A 可 否对角化 ? 如能 对角化 , 求
出 A 及 An ( n 为正整数 ) .
20 . 设三阶矩阵 A 有二重特征值λ1 , 如果 x1 = ( 1 , 0 , 1 ) T , x2 = ( - 1 , 0 ,
- 1 ) T , x3 = (1 , 1 , 0) T , x4 = ( 0 , 1 , - 1 ) T 都是对应于λ1 的特征向量 , 问 A 可否
对角化 ?
- 3 2
21 . 已知 　 A = .
- 2 2
(1) 求 A4 , A5 , Ak ( k 为正整数) .

＊
x4 - 1 x
　 (2) 若 f ( x ) = , 求 f ( A) .
x3 x6 + 1
3 4 0 0
4 -3 0 0
22 . 设 A = , 求 Ak ( k 为正整数 ) .
0 0 2 4
0 0 0 2
( 提示 : 按对角块矩阵求 Ak .)
23 . 对 5 .2 节例 1 的矩阵 A, 求正交矩阵 T, 使 T - 1 AT 为对角阵 .
24 . 对下列实对称矩阵 A, 求正交矩阵 T 和对角矩阵Λ , 使 T - 1 AT = Λ:
3 2 4 1 3 0 1 0 2
(1) 2 0 2 ; 　 (2 ) 3 4 - 1 ; 　 ( 3) 0 1 2 ;
4 2 3 0 - 1 1 2 2 -1
0 0 4 1 - 1 - 3 3 -3
0 0 1 4 - 3 - 1 - 3 3
(4) ; 　 ( 5) .
4 1 0 0 3 - 3 - 1 -3
1 4 0 0 - 3 3 - 3 -1
250 第 5 章 　 特征值和特征向量 　 矩阵的对角化

25 . 设 A 是 n 阶实对称矩阵 , 且 A2 = A, 证明存在正交矩阵 T, 使得
T - 1 AT = diag(1 , 1 , … , 1 , 0 , … , 0) .
　 　 ＊ 26 . 设 n 阶实对称矩阵 A 的特征值λi ≥0 ( i = 1 , 2 , … , n) , 证明存 在特
征值非负的实对称矩阵 B, 使得 A = B2 .
＊
27 . 设 A 为 n 阶实对称幂等矩阵 ( A2 = A) , r( A) = r, 试求 det ( A - 2 I) .

补充题

28 . 设多项式 f ( x) = an x n + an - 1 x n - 1 + … + a1 x + a0 ,λ0 是矩阵 A 的一

个特征值 , x 是 A 对应于λ0 的 特征向 量 .证 明 f (λ0 ) 是 f ( A) 的 特征 值 , 且 x
仍是 f ( A) 对应于 f (λ0 ) 的特征向量 .
29 . 设 A～ B, f ( A) = A3 + 2 A - 3 I , 证明: f ( A) ～ f ( B) .
30 . 设 A = ( ai j )4 × 4 , 已知 0 是 A 的二 重特 征 值 , 1 是 A 的 ( 一 重 ) 特 征
值 , 求矩阵 A 的特征多项式 d et (λI - A) .
31 . 设 n 阶矩阵 A 的每行元素之和皆为 1 .问 : 能否至少求得 A 的 一个
特征值 ?
32 . 设 λ1 ,λ2 , … ,λn 是矩阵 A = ( ai j ) n× n 的 n 个特征值 , 证明 :
n n n

∑λ ∑∑ a
2
i = ij aji .
i=1 i= 1 j =1

33 . 设 AB = BA, x 是 A 对应于特征值λ0 的特征向量 , 证明 :

Bx ∈ Vλ0 　 ( A 的特征子空间 ) .
34 . 证明 : 若 n 阶矩阵 A 有 n 个互不相同的特征值 , 则 AB = BA 的充要
条件是 A 的特征向量也是 B 的特征向量 .
35 . 设 A, B 皆为 n 阶 矩阵 ,φ(λ) = |λI - B| .证 明: φ( A) 可逆的充 要条
件为 B 的任一特征值都不是 A 的特征值 .
(提示 : 设 φ(λ) = |λI - B| = (λ- λ1 ) (λ- λ2 ) … (λ- λn ) , 利用 μ不 是 A
的特征值时 , |μI - A| ≠0 , 讨论 |φ( A) | ≠0 的充分必要条件 .)
36 . 证明反对称实矩阵的特征值是 0 或纯虚数 .
37 . 已知 R n 中两个非零的正交向量
α= ( a1 , a2 , … , an ) , 　 β= ( b1 , b2 , … , bn ) .
证明 : 矩阵 A =αTβ的特征值全为 0 , 且 A 不可对角化 .
习题 　 补充题 　 答案 251

38 . 设α = ( a1 , a2 , … , an )∈ R n , 且 ai ≠0 ( i = 1 , 2 , … , n) .试求 矩阵 A =
αT α的特征值 , 并求可逆矩阵 P, 使 P- 1 AP 成对角形 .
2 -1 2
39 . 已知 A= 5 a 3
- 1 b - 2
的一个特征向量ξ= (1 , 1 , - 1) T .
(1) 确定 a, b及ξ对应的特征值; (2) A 能否相似于对角矩阵 ? 说明理由 .
a - 1 c
40 . 设 A = 5 b 3 ,
1 - c 0 - a
已知 | A| = 1 , 且 A＊ 有一特征值 λ0 , 其特征向量 x= ( - 1 , - 1 , 1) T , 试求 a, b, c
及 λ0 .
1 -1 1
41 . 设 A= x 4 y ,
- 3 -3 5
已知 A 有 3 个 线性 无 关 的 特 征 向 量 , 且 λ1 = 2 是 其 二 重 特 征 值 , 求 P, 使
P- 1 AP = Λ( 对角矩阵 ) .
42 . 设α = ( a1 , a2 , … , an ) T ,β = ( b1 , b2 , … , bn ) T 均 为 非 零 向 量 , 已 知
αTβ = 0 , A = αβT .试求 : ( 1) A2 ; (2 ) A 的特征值与特征向量 .
下列 43～46 题为选择题 .
43 . 已 知 2 , 4 , 6 , … , 2 n 是 n 阶 矩 阵 A 的 n 个 特 征 值 , 则 行 列 式
| A - 3 I| = ( 　 ) .
( A ) 2・ n ! - 3n ; 　 　 (B) (2 n - 3) ! ! = 1・3・5・…・( 2 n - 3) ;
(C) - (2 n - 3) ! !; ( D) 5・7・9・…・( 2 n + 3) .
　 　 44 . 已 知 n 阶 矩 阵 A 的 行 列 式 | A | ≠ 0 , λ1 为 A 的 一 个 特 征 值 , 则
( A＊ ) 2 + E( E 为单位矩阵) 必有特征值( 　 ) .
2
| A|
　 　 ( A ) (λ1 | A| ) 2 + 1; (B) + 1;
λ1
2
2 | A|
(C) (1 + λ1 | A| ) ; ( D) 1+ .
λ1
252 第 5 章 　 特征值和特征向量 　 矩阵的对角化

　 　 45 . 若 A, B 均为 n 阶矩阵 , 且 A～ B, 则 ( 　 ) .
( A ) λE - A = λE - B; 　 　 ( B) A 与 B 有相同的特征值和特征向量 ;
(C) AB～ B2 ; ( D) 对于任意常数 t, 均有 tE - A～ tE - B .
　 　 46 . 已知
2 0 0 2 0 0
A= 0 0 1 　 与 　B= 0 y 0
0 1 x 0 0 - 1
相似 , 则 ( 　 ) .
( A ) x = 0 , y = 1; ( B) y = 0 , x = - 1 ;
(C) x = y = 0 ; ( D) x = y = 1 .

答案

3 37
1 . (1) ± , (6,1ê 37 ) T . 　 ( 2 ) 1 , ( 0 , 1 , 1 ) T ; 2 ( 二 重 ) ,
2 2
(1 , 1 , 0 ) T . 　 ( 3) 2 (三重 ) , ( 1 , 1 , 0) T , ( 0 , 1 , 1 ) T . 　 ( 4 ) 1 ( 四 重 ) , ( 1 , 0 , 0 ,
0) T . 　 (5 ) 1 ( 三重 ) , ( - 1 , 1 , 1) T . 　 ( 6) 1 , ( - 2 , - 1 , 2 ) T ; 4 , ( 2 , - 2 , 1 ) T ;
- 2 , ( 1 , 2 , 2 )T .
2 . x = 4 ;3( 二重) , ( 1 , - 1 , 0) T , (1 , 0 , 4) T ; 12 , ( - 1 , - 1 , 1 ) T .
3 . 用反证法 , 一个特征向量不能属于不同的特征值 .
| A|
5 . 用定义证 . 　 　 6 . 若 Ax= λx, 则 A＊ x= x.
λ
7 . 成立 . 　 8 . - 2 .
22 ( - 1) n - 3・2n 2 ( - 1 ) n + 1 + 2 n+ 1
9. .
6 ( - 1) n - 3・2 n 3 ( - 1 ) n + 1 + 2 n+ 2
10 . 用定义证明 B( P- 1 x) = λ0 ( P- 1 x) .
11 . 利用 A- 1 A = I . 　 13 . (1 , 0 , … , 0 ) T .
14 . 1 是 A 的特征值 , - 1 不是 .
15 . 由 | I - A2 | = | I - A| | I + A| = 0 即得 .
16 . 1 ) , (6) 可对角化 . 　 (6) Λ = diag(1 , 4 , - 2) .
2 2 1
P= - 1 - 2 2 .
2 1 2
习题 　 补充题 　 答案 253

　 　 17 . 可以 , 因有 n 个互不相等的特征值 .
18 .
1 0 … 0 1
- 1 1 … 0 1
0 - 1 ｗ 0 1 , 　 Λ = diag(0 , … , 0 , n) .
… … ｗ ｗ …
0 0 … - 1 1

19 . 可对角化 ,

1 0 0 0
0 1 0 0
An = n n
.
- 1 + ( - 3) - 1 + ( - 3) 1 1 - ( - 3 )n
1 - ( - 3) n 1 - ( - 3 )n 0 ( - 3 )n

20 . 可对角化 .
21 .
21 - 10 - 43 22
(1) ; 　 　 ;
10 - 4 - 22 12

1 - 1 + ( - 2 )k+2 2 + ( - 2 ) k+ 1
.
3 - 2 - ( - 2 )k+1 22 - ( - 2 ) k

1280 - 640
(2) .
640 - 320
22 .

4(5 ) k - 1 - 5( - 5 ) k - 1 2 (5) k- 1 + 2 ( - 5) k- 1 0 0
2(5 ) k - 1 + 2( - 5 ) k - 1 5 k - 1 - 4( - 5 ) k - 1 0 0
.
0 0 2k 4 k2 k - 1
0 0 0 2k
254 第 5 章 　 特征值和特征向量 　 矩阵的对角化

　 　 23 .

1 1 3 1
　 　
2 6 6 2

1 1 3 1 2
- 　
2 6 6 2 2
.
2
- 2 3 1
　0
6 6 2 - 2

3 1
　0 　0 -
2 2
　 　 24 .
1 4 2
　 　
5 45 3
-1
2 2 1
( 1) - 　 - 1 .
5 45 3
8
5 2
　0 -
45 3

1 3 3
- -
10 14 35
1
2 5
( 2) 0 - - 1 .
14 35
6
3 1 1
10 14 35
1 1 1
-
3 2 6
3
1 1 1
( 3) 　 1 .
3 2 6
- 3
1 2
　0 -
3 6
1 1 1 1 3

1 - 1 - 1 1 1 - 3
( 4) .
2 1 - 1 1 -1 5
- 1 1 1 -1 -5
习题 　 补充题 　 答案 255

1 1 1
0 -
2 2 2

1 1 1 - 4
0 -
2 2 2 -4
( 5) .
1 1 1 -4
0 - -
2 2 2 8
1 1 1
0
2 2 2

26 . 利用 ( PΛP - 1 ) 2 = PΛ2 P - 1 . 　 　 27 . ( - 1 ) n 2n - r .
n

∑a
2
30 .λ (λ - 1) λ- ii +1 .
i=1

31 . 能 , 其一个特征值为 1 . 33 . 证 A( Bx) = λ0 ( Bx) .

34 . 必要性用 33 题结 果及 A 的每 个特征子空 间是一维子 空间 ;充 分性
证存在同一个 P, 使得 P- 1 AP 和 P - 1 BP 皆为对角矩阵 .
37 . 先证 A2 = 0, 再利用 dim R( A) = 1 .
n

∑ a ,λ
2
38 .λ1 = i 2 = 0 ( n - 1 重),
i =1

a1 　 a2 … an
a2 - a1 … 0
P= .
… 　… ｗ …
an 　0 … - a1
　 　 39 . (1 ) 由 (λI - A)ξ = 0 , 得ξ对应 的特 征值 λ= - 1 , a = - 3 , b = 0 ; 　
(2) 由 |λI - A| = (λ+ 1 )3 , 得 - 1 是 A 的三重特征值 , 再由 r( - I - A) = 2 , 得
特征值λ= - 1 只有一个线性无关的特征向量 , 所以 A 不能与对角矩阵相似 .
1
40 . 由 A＊ x = λ0 x ( 因 A 可 逆 , λ0 ≠ 0 ) , 可 推 出 Ax = x, 再 由
λ0
1
I - A x = 0 及 | A| = 1 , 可得到 λ0 = - 1 , a = c = 4 , b = - 3 .
λ0
41 . 因为 A 可对角化 , 所以属于 λ1 = 2 的线 性无 关的 特征 向量有 两个 ,
从而 r (λ1 I - A) = 1 , 由此 , 即得 x = - y = - 2 ; A 的 另 一 个 特征 值 λ2 满 足
λ2 + 2 + 2 = 1 + 4 + 5 , 所以 λ2 = 6 .
256 第 5 章 　 特征值和特征向量 　 矩阵的对角化

1 1 1 2 0 0
P= - 1 0 - 2 , 　 　 Λ= 0 2 0 .
0 1 3 0 0 6
　 　 42 . (1) A2 = 0 . 　 (2) A 的特征值λ1 = 0 ( 至少是 n - 1 重特征值 ) , 因为
有 n - 1 个 线性无 关的特 征向量 ( 不妨设 b1 ≠ 0) : x1 = ( b2 , - b1 , 0 , … , 0 ) T ,
x2 = ( b3 , 0 , - b1 , 0 , … , 0 ) T , … , xn - 1 = ( bn , 0 , … , 0 , - b1 ) T .此 时 , A 没 有 非 零
特征向量 , 因为 A 的特征值之和等于 A 的迹 ( 此时 t rA = 0) .此外 , 由 A2 = 0,
即 A 为幂零矩阵 , 而幂零矩阵的特征值必为零 .
43 . (C) . 　 44 . (B) . 　 45 . ( D) . 　 46 . ( A) .
　 第 6章

二　次　型

　 　 二次型就是二次齐次 多项 式 .在 解析 几何 中讨论 的有 心二 次
曲线 , 当中心与坐标原点重合时 , 其一般方程是

ax2 + 2bx y + cy2 = f , ①

方程的左端就是 x, y 的一个二次齐 次多项 式 .为了 便于研 究这 个

二次曲线的几何性质 , 我们通过基变换 ( 坐标变换 ) , 把方程①化为
不含 x, y 混合项的标准方程
2 2
a′x′ + c′y′ = f′. ②

在二次曲面的研究中也有 类似 的问题 .二 次齐 次多项 式不 仅在 几

何问题中出现 , 而且在数学的其他分支及物理、力学和网络计算中
也常会碰到 .
二次型的一个基本问题是如同中心在原点的一般二次曲线方
程化为标准方程那样 , 把 一般 的二次 齐次 多项 式化为 只含 纯平 方
项的代数和 .本章除了重点讨论这个基本问题外 , 还将讨论有重要
应用的有定二次型 ( 主要是正定二次型 ) 的性质、判定 , 并介绍它的
一些应用 .我们将用矩阵工具来研究二次型 , 因此首先要讨论二次
型的矩阵表示 .
258 第 6 章 　 二次型

6 .1 　 二次型的定义和矩阵表示 　 合同矩阵

定义 6 .1 　 n 元变量 x1 , x2 , … , xn 的二次齐次多项式

f ( x1 , x2 , … , xn )
= a11 x21 + 2 a12 x1 x2 + 2 a13 x1 x3 + … + 2 a1 n x 1 xn
+ a2 2 x22 + 2 a2 3 x2 x3 + … 　 + 2 a2 n x 2 xn
　
………………………………
+ an n x 2n .　 ( 6 .1)

当系数属于数域 F 时 , 称为 数域 F 上 的 一个 n 元二 次型 .本章 讨
论实数域上的 n 元二次型 , 简称二次型 .
由于 xi x j = x j x i , 具有对称性 , 若令

aj i = ai j , 　 i < j , ( 6 .2)

则 2 ai j x i x j = ai j x i x j + aj i x j x i ( i < j ) , 于 是 ( 6． 1 ) 可 以 写 成 对 称
形式
f ( x1 , x2 , … , xn )
= a11 x21 + a1 2 x1 x2 + … + a1 n x 1 xn
+ a21 x2 x1 + a2 2 x22 + … + a2 n x 2 xn
　
+…
2
+ an1 xn x 1 + an2 xn x2 + … + an n x n
n

　 = ∑ x (a
i= 1
i i1 x1 + ai2 x2 + … + ai n x n )

n n n n

　 = ∑ x ∑a
i= 1
i
j= 1
ij xj = ∑∑ a
i=1 j =1
ij xi xj ( 6 .3)
6 .1 　 二次型的定义和矩阵表示 　 合同矩阵 259

a11 x1 + a12 x2 + … + a1 n x n
a21 x1 + a22 x2 + … + a2 n x n
= ( x1 , x2 , … , xn )
…
an1 x1 + an2 x2 + … + an n x n
a11 a12 … a1 n x1
a21 a22 … a2 n x2
= ( x1 , x2 , … , xn ) = xT Ax, ( 6 .4)
… … … …
an1 an2 … an n xn
其中 : x = ( x1 , x2 , … , xn ) T , A = ( ai j ) n× n .并称 A 为二次型 (6． 3 ) 对
应的矩阵 .对于任意 一个二 次型 ( 6． 1) , 总可以 通过 ( 6． 2) , 使其 写
成对称形式 (6． 3 ) , 并对应于矩阵 A .由 ( 6． 2 ) 知 , A 为对称 矩阵 , 又
若 A, B 为 n 阶对称方阵 , 且
f ( x1 , x2 , … , xn ) = xT Ax = xT Bx,
则必有 A = B( 证明留作练习 ) .因此二次型和它的矩阵是相互唯一
确定的 .所以 , 研究二次型的性质转化为研究 A 所具有的性质 .
例 1 　 设 f ( x1 , x2 , x3 , x4 ) = 2 x21 + x1 x2 + 2 x1 x3 + 4 x2 x4 +
2 2
x3 + 5 x4 , 则它的矩阵为
1
2 1 0
2
1
A= 0 0 2 .
2
1 0 1 0
0 2 0 5
T
　 　 一个二次型 x Ax 也可看成 n 维向量α的一个函数 , 即
T
f (α) = x Ax,
T n
其中 x = ( x1 , x2 , … , xn ) 是α在 R 的 一组 基下 的坐 标向 量 .所 以
二次型 xT Ax 是向量α的 n 个坐标的二次齐次函数 .因此二次型 作
为 n 维向量α的函数 , 它的矩阵是与一组基相联系的 .
260 第 6 章 　 二次型

如果 n 维向量 α在两组基{ε1 ,ε2 , … ,εn } 和 {η1 ,η2 , … ,ηn } 下

的坐标向量分别为
T T
x = ( x1 , x2 , … , xn ) 和 y = ( y1 , y2 , … , yn ) ,
又 (η1 ,η2 , … ,ηn ) = (ε1 ,ε2 , … ,εn ) C,
于是
x = Cy,
( 其中变换矩阵 C 是可逆矩阵 ) , 如此则有二次型
f (α) = xT Ax = yT ( CT AC) y,
即二次型 f (α) 在两 组基 {ε1 ,ε2 , … ,εn }和 {η1 ,η2 , … ,ηn } 下所 对
应的矩阵分别为
T
A 和 C AC,
其中 CT AC 仍 是 对 称 阵 , yT ( CT AC) y 是 y1 , y2 , … , yn 的 一 个 二
次型 .
例 2 　 设向量α在自然基{ε1 ,ε2 } 下的坐标 ( x1 , x2 ) T 满足方程
5 x21 + 5 x22 - 6 x1 x2 = 4 . ①
如果做基变换 , 将ε1 和ε2 逆时针旋转 45°变为η1 和η2 , 即
cos45° - sin45°
(η1 ,η2 ) = (ε1 ,ε2 ) , ②
sin45° cos45°
则α在基 {η1 ,η2 }下的坐标 ( y1 , y2 ) T 满足
x1 cos45° - sin45° y1
x= = = Cy . ③
x2 sin45° cos45° y2
①式可用矩阵形式表示为
T
5 - 3 x1
x Ax = ( x1 , x2 ) = 4,
- 3 5 x2
将③式代入上式得
T T T
x Ax = y C ACy
6 .1 　 二次型的定义和矩阵表示 　 合同矩阵 261

2 2 2 - 2
2 2 5 - 3 2 2 y1
= ( y1 , y2 )
- 2 2 - 3 5 2 2 y2
2 2 2 2
2 0 y1 2 2
= ( y1 , y2 ) = 2 y1 + 8 y2 = 4 ,
0 8 y2
即
1 y21 + 2 y22 = 1 . ④
2
这样 , 我们 就 把方 程 ① 化 成 了 在 基
{η1 ,η2 }的坐标系下 的标准 方程④ ,
它的图形是一个椭圆 ( 图 6． 1 ) .
把一般的二次 型 f ( x1 , x2 , … ,
xn ) 化 为 y1 , y2 , … , yn 的 纯 平 方 项
之代数和 ( 简称平方和 ) 的基本方 法
是做坐标 变换 ( 或 说 非退 化 的 线 性
变换 ) 图 　 6． 1
x = Cy,
其中 C 为可逆矩阵 , 使
T T T 2 2
x Ax = y C ACy = d1 y1 + … + dn y n .
　 　 这个基本问题 , 从矩阵的角度来说 , 就是对于一个实对称矩阵
T
A, 寻找一个可逆矩阵 C, 使得 C AC 成为对角形 .
定义 6 .2 　 对于两个矩阵 A 和 B, 如 果存 在可逆 矩阵 C, 使 得
T
C AC= B, 就称 A 合同 ( 或相合 ) 于 B, 记做 AＤ B .
由定义容易证明 , 矩阵之间的合同关系也具有反身性 , 对称性
和传递性 .由于合同关系有对称性 , 所以 A 合 同于 B, 也说 成 A 与
B 是合同的 , 或 A, B 是合同矩阵 .
262 第 6 章 　 二次型

6 .2 　 化二次型为标准形

本节讨论 的问 题 是 : 如 何 通 过 坐 标 变 换 x = Cy, 把 二 次 型
f ( x1 , x2 , … , xn ) = xT Ax 化 为 y 1 , y2 , … , yn 的 平 方 和 d1 y21 +
d2 y22 + … + dn y 2n . 我们把含 平 方 项 而不 含 混 合 项 的二 次 型 称 为
n n

∑∑ a
T
标准的二次型 .如果一个二次型 x Ax = ij x i x j , 通过坐 标
i=1 j =1
n

变换 x = Cy, 化 成 了 ∑ di y i , 我 们 就 称 它 为 二 次 型 x Ax 的 标
2 T

i=1

准型 .
化二次型为标准型 , 就是 对 实对 称 矩阵 A, 寻 找可 逆 阵 C, 使
CT AC 成为对角矩阵 .
下面介绍三种化二次型 为标准 形的 方法 , 并证 明 任何 实对 称
T
矩阵 A, 一定存在可逆矩阵 C, 使 C AC 为对角矩阵 .

6.2 .1　 正交变换法

在 5． 3 节中讲过 , 对于任一个 n 阶实对称矩阵 A, 一定存在 正
- 1 - 1 T
交矩阵 Q, 使得 Q AQ= Λ .由于 Q = Q , 所以有
QT AQ = diag(λ1 ,λ2 , … ,λn ) .
T
因此 , 对于任 一个二次 型 f ( x1 , x2 , … , xn ) = x Ax, 有下 面的重 要
定理 .
定理 6 .1( 主轴定理 ) 　 对于任一个 n 元二次型
T
f ( x1 , x2 , … , xn ) = x Ax,
存在正交变换 x = Qy( Q 为 n 阶正交矩阵 ) , 使得
T T T 2 2 2
x Ax = y ( Q AQ) y = λ1 y1 + λ2 y2 + … + λn y n , ( 6 .5)
其中 λ1 ,λ2 , … ,λn 是实对称矩阵 A 的 n 个特征值 , Q 的 n 个列向量
α1 ,α2 , … ,αn 是 A 对 应 于 特征 值 λ1 ,λ2 , … ,λn 的 标 准 正 交 特 征
6 .2 　 化二次型为标准形 263

向量 .
例 1 　 用正交 变换 法 , 将 二次 型 f ( x1 , x2 , x3 ) = 2 x21 + 5 x22 +
5 x23 + 4 x1 x2 - 4 x1 x3 - 8 x2 x3 化成标准形 .
解 　 二次型对应矩阵为
2 2 - 2
A= 2 5 - 4 ,
- 2 - 4 5
其特征多项式
2
| λI - A | = (λ - 1 ) (λ - 10) .
　 　 A 的特征值λ1 = 1 ,λ2 = 1 ,λ3 = 10 .由 (λ1 I - A) x= 0, 即
- 1 - 2 2 x1 0
- 2 - 4 4 x2 = 0 ,
2 4 - 4 x3 0
和 (λ3 I - A) x = 0 , 即
8 - 2 2 x1 0
- 2 5 4 x2 = 0 ,
2 4 5 x3 0
分别求得对应 λ1 , 2 = 1 的线性无关特征向量
x1 = ( - 2 , 1 , 0) T , 　 x2 = (2 , 0 , 1 ) T ,
和 λ3 = 10 的特征向量
T
x3 = ( 1 , 2 , - 2 ) .
　 　 对 x1 , x2 用施密特正交 化方法 得ξ1 ,ξ2 , 再将 x3 单位 化 为ξ3 ,
其中 :
T T
2 5 5 2 5 4 5 5
ξ1 = - , ,0 , 　 ξ2 = , , ,
5 5 15 15 3
T
1 2 2
ξ3 = , , - .
3 3 3
取正交矩阵
264 第 6 章 　 二次型

- 2 5 2 5 1
5 15 3
5 4 5 2
Q = (ξ1 ,ξ2 ,ξ3 ) = 　 ,
5 15 3
5 2
　 0 -
3 3
则 Q- 1 AQ = QT AQ = diag( 1 , 1 , 10 ) .
T T
令 x = ( x1 , x2 , x3 ) , y = ( y1 , y2 , y3 ) , 做正交 变换 x = Qy, 原二 次
型就化成标准形
T T T 2 2 2
x Ax = y ( Q AQ) y = y1 + y2 + 10 y3 .
　 　 我们 可 以 给这 个 例 子 一 个 几 何 解 释 .对 在 自 然 坐 标 系 ( 基 )
{ε1 ,ε2 ,ε3 } 下的二次曲面
2 2 2
2 x1 + 5 x2 + 5 x3 + 4 x1 x2 - 4 x1 x3 - 8 x2 x3 = 1 ,
若将坐标系{ε1 ,ε2 ,ε3 } 变换为另一直角坐标系
2 5 1
- 2 5 15 3
5
4 5 , 　 ξ3 = 2
ξ1 = , 　 ξ2 = ,
　 5 15 3
5
　 0 5 - 2
3 3
即
2 5 2 5 1
-
5 15 3
5 4 5 2
(ξ1 ,ξ2 ,ξ3 ) = (ε1 ,ε2 ,ε3 ) 　 ,
5 15 3
5
　 0 - 2
3 3
则在坐标系{ξ1 ,ξ2 ,ξ3 } 下 , 二次曲面方程为
2 2 2
y1 + y2 + 10 y3 = 1 .
6 .2 　 化二次型为标准形 265

　 　 由解析几可知 , 这是一个椭球面 .该椭球的三个主轴长度分别

1 1 1 1
为 1, 1, , 与特征值的关系为 , , .特征值 的
10 |λ1 | |λ2 | |λ3 |
符号则决定了二次曲面的类型 .
＊
例 2 　 将一般二次曲面方程
x2 - 2 y2 + 10 z2 + 28 xy - 8 yz + 20 zx - 26 x +
32 y + 28 z - 38 = 0 ①
化为标准方程 ( 只含纯平方项和常数项的方程 ) .
解 　 首先将①式中的二次型部分
2 2 2
x - 2 y + 10 z + 28 xy - 8 yz + 20 zx , ②

采用类似例 1 的正交变换法 , 通过 求②式 对应矩 阵 A 的特 征值 和

特征向量 , 并对特征向量进行施密特正交化 , 则可得一正交矩阵

1 2 2
3 3 3
2 1 2
Q= - ,
3 3 3

- 2 2 - 1
3 3 3

使得 QT AQ = diag ( 9 , 18 , - 18 ) . 做 正 交 变 换 x = Qy, x =
T T T
( x, y, z) , y = ( x′, y′, z′) , 代入②式 x Ax, 得
T T T
x Ax = y ( Q AQ) y
9 0 0 x′
= ( x′, y,′z′) 0 18 0 y′
0 0 - 18 z′
2 2 2
= 9 x′ + 18 y′ - 18 z′ .

再令 x = Qy, 即
266 第 6 章 　 二次型

1 2 2
x = x′+ y′+ z′,
3 3 3
2 1 2
y = x′+ y′- z′, ③
3 3 3
2 2 1
z= - x′+ y′- z′.
3 3 3
代入曲面方程①的一次项部分 , 整个曲面方程①就化为
2 2 2 2 4 16 38
x′ + 2 y′ - 2 z′ - x′+ y′- z′- = 0,
3 3 3 9
配方得
2 2 2
1 1 4
x′- + 2 y′+ - 2 z′+ = 1 . ④
3 3 3
再令
1 1 4
x″= x′- , y″= y′+ , z″= z′+ . ⑤
3 3 3
将⑤代入方程④ , 得曲面方程①的标准方程
⑥
2 2 2
x″ + 2 y″ - 2 z″ = 1,
故方程的图形为单叶双曲面 .
例 2 中① 式是 曲面 在空间 直角 坐标 系 O x y z 下 的方 程 , 方 程
中的 x, y, z 是空 间向 量 ( 即空 间 点 ) 在 自 然 基 {ε1 ,ε2 ,ε3 } 下 的 坐
标 .当基{ε1 ,ε2 ,ε3 }变换为{ξ1 ,ξ2 ,ξ3 } , 即
T T
1 , 2 , - 2 2 , 1 , 2
ξ1 = , 　 ξ2 = ,
3 3 3 3 3 3
T
2 2 1
ξ3 = , - , -
3 3 3
T T
时 , 坐标向量 x = ( x , y , z) 变 换 为 y = ( x′, y′, z′) , 二 者的 关 系
即为正交变换 x = Qy .因 此④ 式是 曲面 在基 {ξ1 ,ξ2 ,ξ3 } 下 的坐 标
方程 .⑤式表示平移变 换 ( 不是 线性 变换 , 请读 者证 明 ) , 就 得到 了
曲面在空间坐标系 O″x″y″z″下的标准方程⑥ .新坐标系的原点 O″
6 .2 　 化二次型为标准形 267

T
1 1 4
在坐标系 Ox′y′z′下 的坐标 为 , - , - , 在 O x y z 的坐 标
3 3 3
T
为( - 1 ,1 ,0) . ■
从本例中可以看出 , 当二次曲面的中心与坐标原点重合时 , 总
可以通过正交变换将其化 成标 准形 .对中 心不 在坐标 原点 的二 次
曲面 , 可以通过一个正交变换和一个平移变换使其成为标准形 .

＊
6 .2 .2　 配方 法和初等 变换法

n 元二次型也可以通过 一般 的坐 标变 换 x = Cy 化 为标 准形 ,
即
xT Ax = yT CT ACy = d1 y21 + … + dn y2n .
即对任一个实对称矩阵 A, 都存在变换矩阵 C, 使得
T
C AC = diag( d1 , … , dn ) ,
其中的 d1 , … , dn 一般不 是 A 的特 征值 , 矩阵 C 的列 向 量一 般 也
不是 A 的特征向量 .
这里常用的方法是“配方法”和“初等变换法”.下面 , 我们通过
例题介绍这两种方法 .
例 3 　 用配方法把三元二次型
2 2 2
f ( x1 , x2 , x3 ) = 2 x1 + 3 x2 + x3 + 4 x1 x2 - 4 x1 x3 - 8 x2 x3 ①
化为标准形 , 并求所用的坐标变换 x = Cy 及变换矩阵 C .
2
解 　 先按 x1 及含有 x1 的混合项配成完全平方 , 即
f ( x1 , x2 , x3 ) = 2[ x21 + 2 x1 ( x2 - x3 ) + ( x2 - x3 ) 2 ] -
2 2 2
2( x2 - x3 ) + 3 x2 + x3 - 8 x2 x3
= 2( x1 + x2 - x3 ) 2 + x22 - x23 - 4 x2 x3 ,
在上式中 , 再按 x22 - 4 x2 x3 配成完全平方 , 于是
2 2 2
f ( x1 , x2 , x3 ) = 2( x1 + x2 - x3 ) + ( x2 - 2 x3 ) - 5 x3 . ②
　 　令
268 第 6 章 　 二次型

y1 = x1 + x2 - x3 ,
y2 = x2 - 2 x3 , ③
y3 = x3 .
将③式代入②式 , 得二次型的标准形
f ( x1 , x2 , x3 ) = 2 y21 + y22 - 5 y23 . ④
从③式中解出 x1 , x2 , x3 , 得
x1 1 - 1 - 1 y1
x2 = 0 1 2 y2 . ⑤
x3 0 0 1 y3
⑤式是化二次型①为其标 准形 ④所做 的坐 标变 换 x = Cy( 其中 变
换矩阵 C 是⑤式中的三阶矩阵 ) .
2
对于一般的 n 元二 次型 f ( x1 , x2 , … , xn ) , 如果 x1 的 系数 不
为零 , 一般都可像例 3 那样将其化为标准形 .如果 x21 的系数为零 ,
而 x22 的系数不为零 , 配方可先从 x2 开始 .如果所有平方项的系 数
全为零 , 二次型中只含 混合项 , 此 时可 按下面 例 4 的方 法 , 将其 化
为标准形 .
例 4 　 用配方法化二次型 f ( x1 , x2 , x3 ) = 2 x1 x2 + 4 x1 x3 为 标
准形 , 并求所做的坐标变换 .
解 　 因为二次型中没有平方项 , 无法配方 , 所以先做一个坐标
变换 , 使其出现平方项 .根据 x1 x2 , 利用平方差公式 , 令
x1 = y1 + y2 ,
x2 = y1 - y2 , ①
x3 = y3 .
将①式代入二次型 , 得
f ( x1 , x2 , x3 ) = 2 ( y1 + y2 ) ( y1 - y2 ) + 4( y1 + y2 ) y3
= 2 y21 - 2 y22 + 4 y1 y3 + 4 y2 y3 .
再用例 3 中的配方法 , 先对含 y1 的项配完全平方 , 然后对含 y2 的
项配完全平方 , 得到
6 .2 　 化二次型为标准形 269

2 2 2 2
f ( x1 , x2 , x3 ) = 2 ( y1 + 2 y1 y3 + y3 ) - 2 y3 - 2 y2 + 4 y2 y3
= 2 ( y1 + y3 ) 2 - 2 ( y2 - y3 ) 2 . ②
z1 = y1 + y3 ,
令 z2 = y2 - y3 ,
z3 = y3 .
y1 = z1 - z3 ,
即 y2 = z2 + z3 , ③
y3 = z3 .
将③式代入②式 .二次型 f ( x1 , x2 , x3 ) 就化成了标准形 , 即
f ( x1 , x2 , x3 ) = 2 z21 - 2 z22 . ④
2 2
　 　 这里把二次型 2 x1 x2 + 4 x1 x3 化成标准形 2 z1 - 2 z2 , 做了①式
和③式所示的两次坐标变换 , 把它们分别记做
x = C1 y　 和 　 y = C2 z,
其中
1 1 0 1 0 - 1
C1 = 1 - 1 0 , 　 C2 = 0 1 1 , ⑤
0 0 1 0 0 1
T T T
x = ( x1 , x2 , x3 ) , 　 y = ( y1 , y2 , y3 ) , 　 z = ( z1 , z2 , z3 ) .
于是 x = ( C1 C2 ) z 就是二次型化成④式标准形所做的坐标变换 , 其
中变换矩阵
1 1 0
C = C1 C2 = 1 - 1 - 2 .
0 0 1
2 2
　 　 这里原二次型 2 x1 x2 + 4 x1 x3 及其标 准形 2 z1 - 2 z2 所 对应 的
矩阵 , 分别是
0 1 2 2
A= 1 0 0 , 　 　 Λ= - 2 .
2 0 0 0
270 第 6 章 　 二次型

T
读者不难验证 , C AC = diag( 2 , - 2 , 0) .
按例 3、例 4 提供的方法 , 任何 n 元二次型 都可用配方法化 为
标准形 , 相 应的变换 矩阵为 主对元为 1 的 上三角矩 阵和例 4 中 ⑤
式类型的对角块矩阵 C1 , 或者是这两类矩阵的乘积 .
任一个 n 阶实对称矩阵 A, 也都 可以 通过 一系 列 相同 类型 的
初等行、列变换化成其合同标准形 ( 对角形矩阵 ) .所谓相同类型的
初等行、列变换 , 指的是 :
( 1) 如果用倍加初等阵 Ej i ( c) 右乘 A( 即将 A 的第 i 列乘 c 加
到第 j 列 ) , 那么相应地也用 ETj i ( c) = Ei j ( c) 左乘 A( 即将列变换 后
的 A 的第 i 行乘 c 加到第 j 行 ) .变换后的矩阵 ETj i ( c) AEj i ( c) 仍是
对称矩阵 .
T
(2 ) 如果用 Ei ( c) 右乘 A, 则 也用 Ei ( c) = Ei ( c) 左 乘 A, 即 A
2 T
的第 i 列和第 i 行都乘非零常数 c ( 其中元素 ai i 乘 c ) , 显然 Ei ( c)
AEi ( c) 仍是对称矩阵 .
T
(3 ) 如果用 Ei j 右乘 A, 则也用 Ei j = Ei j 左乘 A, 即 A 的第 i 列
与第 j 列对换 , 列变换后的 A 的第 i 行与第 j 行 也对换 , 如此所 得
的 ETi j AE i j 也是对称矩阵 .
对于一个 n 阶实对称矩阵 A = ( ai j ) n × n :
(1 ) 如果 a11 ≠0 , 由于 a1 j = aj1 ( j = 1 , 2 , … , n) , 因此对 A 做 相
同的 倍 加 行、列 变 换 , 可 将 第 1 行 与 第 1 列 的 其 他 元 素 全 化 为
零,得
a11 0
,
0 A1
其中 A1 是 n - 1 阶实对称矩阵 .
(2 ) 如果 a1 1 = 0 , 但存在 ai i ≠0 , 此时 , 先将第 1 列与第 i 列 对
换 , 再将第 1 行与第 i 行对换 , 这样 , ai i 就换到了第 1 行、第 1 列 的
位置 , 如此就化为上面 ( 1) 的情况 .
(3 ) 如果主对角元 ai i 全为零 , 但必存在 ai j ≠0 , 此时 , 先将第 j
6 .2 　 化二次型为标准形 271

列加到第 i 列 , 再将 第 j 行加 到第 i 行 , 这样 , 第 i 行、第 i 列元 素
就化为 2 ai j ≠0 , 如此就化为上面 ( 2) 的情况 .
这样 , 我们就可用数学归纳法证明下面的定理 ( 其证明留给有
兴趣的读者作为练习 ) .
定理 6 .2 　 对任一 个 n 阶实对称 矩阵 A, 都存 在可逆矩 阵 C,
使得
CT AC = diag( d1 , d2 , … , dn ) . ( 6 .6)
　 　 证明时 , 要利用 第 2 章定理 2． 4 的推论 1 , 任 何可逆矩阵可 以
表示为一系列初等矩阵 ( Ei j ( c) , Ei ( c) , Ei j ) 的乘积 .即 C= P1 P2 …
Pk ( 其中 P1 , P2 , … , Pk 均 为 初 等 矩 阵 ) , 于 是 只 要 证 明 , 存 在 P1 ,
P2 , … , Pk , 使得
T T T
Pk … P2 P1 A P1 P2 … Pk = diag( d1 , d2 , … , dn ) . ( 6 .7)
也就是只要证明 , 对 实对 称 矩 阵 A 做一 系 列相 同 类型 的 初 等行、
列变换 , 可将 A 化为对角矩阵 .
由 (6． 7 ) 式可见 , 用初等变换法 , 将实 对称矩 阵 A 合同 变换 为
对角矩阵 , 即
T
C AC = diag( d1 , d2 , … , dn ) ,
其变换矩阵
C = P1 P2 … Pk = IP1 P2 … Pk ( 6 .8)
因此 , 将施加于 A 的列变 换 ( 即右 乘初 等矩 阵 P1 , P2 , … , Pk ) 同 时
施加于单位阵 I, 当 A 变为对角阵时 , I 就变为变换矩阵 C .
例 5 　 用初等变换法将例 1 中的二次型
2 2 - 2 x1
f ( x1 , x2 , x3 ) = ( x1 , x2 , x3 ) 2 5 - 4 x2
- 2 - 4 5 x3
化为标准形 , 并求所做的坐标变换 x = Cy .
解 　 下面的变换中 , 符 号[ i]表 示第 i 列 , 符号 ○i 表 示第 i 行 ,
[2 ] + [ 1] × ( - 1 ) 表示在第 2 列上加第 1 列乘 ( - 1) .
272 第 6 章 　 二次型

2 2 - 2 2 0 0
2 5 - 4 2 3 - 2
[2 ] + [1 ] × ( - 1 )
A - 2 - 4 5 [3 ] + [ 1] - 2 - 2 3
= >
1 0 0 [2 ] + [1 ] × ( - 1) 1 - 1 1
I [3 ] + [ 1]
0 1 0 0 1 0
0 0 1 0 0 1
2 0 0
2 0 0 0 3 0
2
[ 3 ] + [2 ] ×
3 5
行 变换 0 3 - 2 0 0
② + ① × ( - 1) 2 3
③ +②×
③ +① 0 - 2 3 3
> > 1
不 变换 1 - 1 1 2 1 - 1
[ 3 ] + [2 ] ×
3 3
0 1 0
2
0 0 1 0 1
3
0 0 1
Λ
　 　 = .
C
　 　 上 述过 程是 对 A 做一 系列 同样 类 型的 初等 行、列 变换 , 将 A
化成了对角阵Λ , 对单位 矩阵 I 只做 同 样的 列变 换 , 不 做行 变换 ,
则 I 就变成了变换 矩阵 C ( C 就是 一系 列初 等 列 变换 对 应的 初 等
矩阵的乘积 ) , 上面的变换可用分块矩阵表示为
CT 0 A CT AC Λ
C= = .
0 I I C C
　 　 于是 , 做坐标变换 x = Cy, 原二次型 xT Ax 就变换为标准形

yT CT ACy = yT Λy = 2 y21 + 3 y22 + 5 y23 .

3
　 　 例 6 　 用初 等变换法 将例 4 的 f ( x1 , x2 , x3 ) = 2 x1 x2 + 4 x1 x3
化为标准形 , 并求所做的坐标变换 x = Cy .
6 .2 　 化二次型为标准形 273

0 1 2 x1
解 　 f ( x1 , x2 , x3 ) = ( x1 , x2 , x3 ) 1 0 0 x2 .
2 0 0 x3
用例 5 相同的记号[ i]和 ○
i , 则初等变换可以写成
0 1 2 2 1 2
1 0 0 1 0 0
[1 ] + [ 2]
A 2 0 0 ① + ② 2 0 0
= >
1 0 0 [1 ] + [ 2] 1 0 0
I
0 1 0 1 1 0
0 0 1 0 0 1
2 0 2
1
1 0 - - 1
[ 2 ] + [1 ] × -
2
2
1 2 - 1 0
② +①× -
2
> 1
1 1 - 0
[ 2 ] + [1 ] × -
2 2
1
1 0
2
0 0 1
2 0 0
1
0 - - 1
2
[ 3] + [ 1] × ( - 1 )
0 - 1 - 2
③ + ① ×( - 1)
> 1
[ 3] + [ 1] × ( - 1 ) 1 - - 1
2
1
1 - 1
2
0 0 1
274 第 6 章 　 二次型

2 0 0
1
0 - 0
2
[3] + [2] × ( - 2)
0 0 0 Λ
③ + ② × ( - 2)
> 1 = .
[3] + [2] × ( - 2) 1 - 0
2 C
1
1 - 2
2
0 0 1
于是 , 做坐标变换 x = Cy, 其中
1
1 - 0
2
C= 1
1 - 2 ,
2
0 0　 1
则二次型 f ( x1 , x2 , x3 ) 化为标准形
f ( x1 , x2 , x3 ) = xT Ax = yT ( CT AC) y = yT Λy
2 1 2
= 2 y1 - y2 .
2
　 　 从例 1 和例 5、例 4 和 例 6 的两种 解法 , 我 们可 以看 到 , 用 不
同的坐标变换化二次型为标准形 , 其标准形一般是不同的 , 这个事
实再次表明 , 作为 n 维向量函数的二次型 , 它在不同基下的坐标表
示式 ( n 个坐标的二次齐次多项式 ) 一 般是不 同的 .然而 , 在同一 个
二次型所化成的不同的标 准形 中 , 正 平方 项的 项数和 负平 方项 的
项数是不变的 .如例 1 和例 5 中都是三个正平方项 , 例 4 和例 6 中
都是一个正、负和零平方项 .这不是偶然的巧合 , 而是必然的结果 ,
下一节将给以证明 .
＊
6 .3 　 惯性定理和二次型的规范形 275

＊
6 .3 　 惯性定理和二次型的规范形

定理 6 .3( 惯性定理 ) 　 对于一 个 n 元 二次型 xT Ax, 不 论做 怎

样的坐标变换使之化为标准形 , 其 中正 平方项 的项 数 p 和 负平 方
项的项数 q 都是 唯 一 确定 的 .或 者 说 , 对 于 一个 n 阶实 对 称 矩 阵
A, 不论取怎样的可逆矩阵 C, 只要使
d1
ｗ
dp
- dp + 1

CT AC = ｗ ,
- dp + q
0

ｗ
0
d i > 0 ( i = 1 , 2 , … , p + q) , p + q≤ n 成立 , 则 p 和 q 是由 A 唯一确
定的 .
＊ T
证 　 由于秩 ( A) = 秩 ( C AC) = p + q, 所以 p + q 由 A 的秩唯
一确定 .因此 , 只需证明 p 由 A 唯一确定 .
T
设 p + q = r( A) = r, 二次型 f = x Ax 经坐标变换
x = By 　 和 　 x = Cz ①
都可化成标准形 , 其标准形分别为
2 2 2 2 2
f = b1 y1 + b2 y2 + … + bp y p - bp+ 1 yp + 1 - … - br y r , ②
276 第 6 章 　 二次型

2 2 2 2 2
f = c1 z1 + c2 z2 + … + ct z t - ct+ 1 zt+ 1 - … - cr z r , ③
式② , ③中 bi > 0 , ci > 0 ( i = 1 , 2 , … , r) .
要证正平方项的项数唯一确定 , 即证 p = t .
用反证法 .假设 p > t, 由② , ③可得
f = br y21 + … + bt y2t + bt+ 1 y2t+ 1 + … + bp y2p -
2 2
bp+ 1 yp + 1 - … - br y r
2 2 2
= c1 z1 + … + ct z t - ct+ 1 zt+ 1 - … -
cp z 2p - cp + 1 z2p + 1 - … - cr z2r . ④
由①式得 z= C- 1 By ( 记 D = C- 1 B) , z= Dy, 即
z1 = d11 y1 + d12 y2 + … + d1 n y n ,
……………………………………
zt = dt1 y1 + dt2 y2 + … + d tn y n , ⑤
……………………………………
zn = dn1 y1 + dn2 y2 + … + dn n y n .
　 　 为 了 从 ④ 式 中 找 到 矛 盾 , 我 们 令 z1 = z2 = … = zt = 0 ,
yp + 1 = … = yn = 0 , 再利用⑤式 , 得到 y1 , y2 , … , yn 的线性方程组
d11 y1 + d1 2 y2 + … + d1 n y n = 0 ,
……………………………………　
dt1 y1 + dt2 y2 + … + d tn y n = 0 ,
⑥
yp + 1 = 0 ,
…………………………………　
yn = 0 .
齐次线性方程组⑥有 n 个未知量 , 但方 程个数 = t + ( n - p) = n -
( p - t) < n, 故必有非零解 .由于 yp + 1 = … = yn = 0 , 所 以⑥ 的非 零
解中 y1 , y2 , … , y p 不全为零 , 代入④式得
2 2 2 2
f = b1 y1 + b2 y2 + … + bt y t + … + bp y p > 0 . ⑦
将⑥的 非 零 解 代 入 ⑤ 式 得 到 z1 , z2 , … , zt , … , zn 一 组 值 ( 这 时
＊
6 .3 　 惯性定理和二次型的规范形 277

z1 = z2 = … = zt = 0) , 将它们代入④式 , 又得
f = - ct+ 1 z2t+ 1 - … - cp z2p - … - cr z2r ≤ 0 . ⑧
显然 , ⑦ , ⑧是矛盾的 , 故假设的 p > t 不能成立 .
同理可证 p < t 也不成立 .故 p = t .这就证 明了 二次型 的标 准
形中 , 正平方项的项数与所做的非退化线性变换无关 , 它是由二次
型本身 ( 或者说二次型矩阵 A) 所确定的 .由于 q = r( A) - p , 所以 q
也是由 A 唯一确定的 . ■
T
定义 6 .3 　 二次型 x Ax( 所化成 ) 的标准 形中 , 正平方 项的 项
数 ( 即与 A 合同的对角阵中正 对角 元的 个数 ) , 称为 二次型 ( 或 A)
的正惯性指数 ; 负平 方项 的项 数 ( 即与 A 合 同 的 对角 阵 中负 对 角
元的个数 ) , 称为二次型 ( 或 A) 的负惯性指数 ; 正、负惯 性指数的 差
称为符号差 ; 矩阵 A 的秩也称为二次型 xT Ax 的秩 .
n 阶实对称矩阵 A 的秩为 r , 正惯 性指 数为 p , 则 负惯 性指 数
q = r - p , 符号差 p - q = 2 p - r , 与 A 合同的 对角阵的 零对角元 个
数为 n - r .
由惯性定理可得下面的推论 .
推论 　 设 A 为 n 阶实 对称矩 阵 , 若 A 的 正、负惯 性指 数分 别
为 p 和 q, 则
A Ｄ diag( 1 , … , 1 , - 1 , … , - 1 , 0 , … , 0) , ( 6 .9)
其中 1 有 p 个 , - 1 有 q 个 , 0 有 n - ( p + q) 个 .
或者说 , 对于二次型 xT Ax, 存在坐标变换 x = Cy, 使得
xT Ax = y21 + … + y2p - y2p + 1 - … - y2p + q . (6 .1 0)
T
并把 (6． 10) 式右端的二次型称为 x Ax 的规范 形 ; 把 (6． 9 ) 式中 的
对角矩阵称为 A 的合同规范形 .
证 　 根据定理 6． 2 及惯性定理 , 存在可逆矩阵 C1 , 使得
C1T AC1 = diag( d1 , … , dp , - dp+ 1 , … , - d p+ q , 0 , … , 0) ,
其中 di > 0 ( i = 1… , p, p + 1 , … , p + q) .取可逆矩阵
278 第 6 章 　 二次型

1 1 1 1
C2 = diag ,…, , ,…, , 1,…, 1 ,
d1 dp d p+ 1 dp + q
T
则 C2 = C2 , 并有
C2T ( C1T AC1 ) C2 = diag( 1 , … , 1 , - 1 , … , - 1 , 0 , … , 0) ,
其中±1 分别有 p , q 个 , 0 有 n - ( p + q) 个 .
T
取 C = C1 C2 , ( 6 .9 ) 式 的 右 端 = C AC; 取 x = Cy ( C 可 逆 ) ,
(6． 10) 式就成立 . ■
如果两个 n 阶实对称矩阵 A, B 合同 , 我 们也称它 们对应的 二
T T
次型 x Ax 和 y By 合同 .
根据以上的结果 , 读者不难证明以下的结论 .
( i ) 两个实对称矩阵 A, B 合 同的 充要 条 件 是 A, B 有相 同 的
正惯性指数和相同的负惯性指数 .
( ii ) 全体 n 阶实对称矩阵 , 按其合同规范形 ( 不考 虑 + 1 , - 1 ,
( n+ 1)( n+ 2)
0 的排列次序 ) 分类 , 共有 类 .
2

6 .4 　 正定二次型和正定矩阵

n 元正定二次型是正惯性指数为 n 的二次型 , n 阶正定矩阵是

正惯性指数 为 n 的实对 称矩阵 , 它们 在工程 技术和最 优化等问 题
中有着广泛的应用 .现在我们从二元函数极值点的判别问题 , 引入
二次型正定的概念 , 例如 , 对于
2 2
f ( x, y ) = 2 x + 4 xy + 5 y , ①
易知 : f (0 , 0 ) = 0 , f′ y ( 0 , 0 ) = 0 , 所以 原 点 O( 0 , 0 ) 是
x ( 0 , 0 ) = f′

f ( x, y) 的驻点 .由
f ( x, y) = 2 ( x + y) 2 + 3 y2 ,
又可知 , 当 x, y 不全为零 , 即α = ( x, y) T ≠0 时 , f ( x, y) 恒大于零 ,
所以 O( 0 , 0 ) 是 f ( x , y) 的极 小值点 .这里 的二次 型①就 是本节 要
6 .4 　 正定二次型和正定矩阵 279

讨论的正定二次型 .再如 ,
F( x , y ) = 4 + 4 xy + 2 xsin x + 5 ysin y, ②
易知 : F(0 , 0 ) = 4 , F′ y ( 0 , 0 ) = 0 .因此 原 点 O( 0 , 0 ) 是
x (0 , 0 ) = F′

F( x, y ) 的驻点 .在多元函数微分学中讲过 , 要判别 原点 O( 0 , 0 ) 是

否是 F( x, y) 的极值点 , 要将 F( x , y ) 在原点处展成一阶泰勒公式
F( x, y) = F(0 , 0 ) + F′
x (0 , 0 ) x + F′
y (0 , 0 ) y +

1 [ F″ 2
x x ( 0 , 0) x + F″
x y (0 , 0 ) xy + F″
y x ( 0 , 0) yx +
2!
2 2 2
F″
y y ( 0 , 0) y ] + o( x + y ) ,

2 2 2 2
其中 o( x + y ) 是比 x + y 高阶的无穷小量 .经过计算可得
x x (0 , 0 ) = 4 , 　 F″
F″ x y ( 0 , 0) = F″
y x ( 0 , 0) = 4 ,

F″
yy (0 , 0 ) = 10 .

于是
F( x, y) = 4 + (2 x2 + 4 xy + 5 y2 ) + o( x2 + y2 ) .
因此 , 判别 F(0 , 0 ) = 4 是否 是 F( x, y ) 的 极 小 ( 大 ) 值 , 就 是 要 判
别 , 在原点 ( 0 , 0) 的某个邻域内
2 2 2 2
( 2 x + 4 xy + 5 y ) + o( x + y ) ,
2 2 2 2
是否恒正 ( 负 ) .而上式 o( x + y ) 是比 x + y 高阶的无穷小量 , 故
2 2
上式的正负号取决于 2 x + 4 x y + 5 y 的正负 号 .根据 前面 对① 式
的讨论 , 可知原点 O(0 , 0 ) 也是②中函数 F( x, y) 的极小值点 .
对于一般的 n 元函数 , 其驻点是否为极值点的问题 , 需要讨论
一个 n 元二次型 是否恒 正、恒 负的问 题 , 这 就是二 次型是否 正定、
负定的问题 .现在我们先讨论正定二次型 .
定义 6 .4 　 如 果对 于 任 意 的 非零 向 量 x = ( x1 , x2 , … , xn ) T ,
恒有
n n

∑∑ a
i= 1 j= 1
ij x i x j = xT Ax > 0 , (6 .1 1)

就称 xT Ax 为正定二次型 , 称 A 为正定矩阵 .
280 第 6 章 　 二次型

根据定义 6． 4 , 可得以下结论 ;
( i) 二次型 f ( y1 , y2 , … , yn ) = d1 y21 + d2 y22 + … + dn y2n 正定 的
充分必要条件是 d i > 0 ( i = 1 , 2 , … , n) .充 分性 是显 然的 .用反 证
法证必要性 .设 di ≤0 , 取 yi = 1 , y j = 0 ( j≠ i) , 代入二次型 , 得
f ( 0 , … , 0 , 1 , 0 , … , 0) = di ≤ 0 ,
与二次型 f ( y1 , y2 , … , yn ) 正定矛盾 .
T
( ii ) 一个 二 次 型 x Ax, 经 过 非 退 化 线 性 变 换 x = Cy, 化 为
T T
y ( C AC) y, 其正定性保持不变 .即当
T
x = Cy T T
x Ax y ( C AC) y 　 　 ( C 可逆 )
时 , 等式两端 的 二次 型 有 相 同 的正 定 性 .这是 因 为 : 对 于 任 意 的
y0 ≠0, 即 ( y1( 0 ) , y2( 0 ) , … , y(n0 ) ) T ≠0, 由于 x = Cy( C 可逆 ) , 所以与 y0
- 1
相对应的 x0 ≠0( 如果 x0 = 0, 则 y0 = C x0 = 0, 与 y0 ≠0 矛盾 ) , 若
xT Ax 正定 , 则 x0T Ax0 > 0 .如此就有 : ＂ y0 ≠0 ,
T T T
y0 ( C AC) y0 = x0 Ax0 > 0 ,
T T
故 y ( C AC) y 是正定二次型 .反之亦然 .
T
由上述两个结论可见 , 一 个 二次 型 x Ax( 或 实对 称矩 阵 A) ,
T T
通过坐标变换 x = Cy, 将其化成标准形 ( 或规范形 ) y ( C AC) y =
n

∑d y ( 或将 A合同于对角矩阵 , 即 CT AC = Λ ) , 就容易判别其正
2
i i
i=1

定性 .
就二次型的标准形 ( 或规范 形 ) 来 判别二 次型 的正 定性 , 有 下
列重要的结果 .
定理 6 .4 　 若 A 是 n 阶实对称矩阵 , 则下列命题等价 :
( i ) xT Ax 是正定二次型 ( 或 A 是正定矩阵 ) ;
( ii ) A 的正惯性指数为 n , 即 AＤ I;
T
( iii ) 存在可逆矩阵 P, 使得 A = P P;
( iv) A 的 n 个特征值λ1 ,λ2 , … ,λn 全大于零 .
定理中四个命题等价 , 其意义是任两个命题都互为充要条件 .
6 .4 　 正定二次型和正定矩阵 281

证明若干个命题等价 , 可采用下列循环证法 .
证 　 (i) ( ii ) 根据定理 6． 2 , 对于 A, 存在可逆矩阵 C, 使得
T
C AC = diag( d1 , d2 , … , dn ) .
假设 A 的正惯性指数 < n, 则至少 存在一个 di ≤ 0 , 做变换 x = Cy,
则
xT Ax = yT ( CT AC) y = d1 y21 + d2 y22 + … + dn y2n
不恒大于零 ( 见定义 6． 4 后的结 论 ( i ) ) , 与 命题 ( i) 矛盾 , 故 A 的 正
惯性指数为 n , 从而 AＤ I .
T T - 1 - 1
( ii ) ( iii ) 　 由 C AC = I ( C 可 逆 ) , 得 A = ( C ) C =
- 1 T - 1 - 1 T
(C ) C ,取 P= C , 则有 A = P P .
( iii ) ( iv) 　 设 Ax = λx, 即 ( PT P) x =λx, 于是便有
xT PT Px = λxT x, 即 ( Px, Px) = λ( x, x) .
由于特征向量 x≠0, 从而 Px≠0, 故 A 的特征值
( Px, Px)
λ= > 0 .
( x, x)
　 　 ( iv) ( i) 　 对于 n 阶实对称矩阵 A, 存在正交矩阵 Q, 使得
QT AQ = diag(λ1 ,λ2 , … ,λn ) ,
做正交变换 x = Qy, 得
T 2 2 2
x Ax = λ1 y1 + λ2 y2 + … + λn y n .
T
由于已知特征值 λ1 ,λ2 , … ,λn 都大于零 , 故 x Ax 正定 . ■
例 1 　 证明 : 若 A 是正定矩阵 , 则 A - 1 也是正定矩阵 .
- 1
证 　 正定矩阵是满秩矩阵 , 所以 A 是存在 的 , 正 定矩阵是 对
- 1
称矩阵 , 可逆对称矩阵的逆矩阵仍是对称矩阵 , 故 A 也是对称 矩
阵 .证明 A - 1 正定的方法很多 .
方法 1: 用定义证 .
T -1 -1
x A x = ( x, A x) 　 　 　 ( 做变换 x = Ay )
- 1 T
= ( Ay, A Ay) = ( Ay, y) = y Ay .
由于当 x = Ay ( A 可 逆 ) 时 , x≠0 y≠0; 又 已 知 ＂ y≠0, 恒 有
282 第 6 章 　 二次型

T T - 1 - 1
y Ay > 0 .故 ＂ x≠0, 恒有 x A x > 0 , 因此 A 正定 .
方法 2: 利用定理 6． 4 中 , ( i ) ( ii ) .
已知 A 正定 , 所以存在可逆矩阵 C, 使得 CT AC= I .
T - 1 - 1 - 1 T - 1 T
将 C AC = I 两边求逆 , 得 C A ( C ) = I, 取 D = ( C ) ,
T - 1 - 1
则 D A D = I( D 可逆 ) , 故 A 正定 .
方法 3: 利用定理 6． 4 中 , ( i ) ( iii ) .
A 正定 , 所 以 存 在 可 逆 矩 阵 P, 使 得 A = PT P, 于 是 A - 1 =
- 1 - 1 T T - 1 T - 1
P (P ) = S S ( 其中 S= ( P ) 是可逆矩阵 ) , 故 A 正定 .
方法 4: 利用定理 6． 4 中 , ( i ) ( iv) .
- 1 1
根据 Ax= λx, 则 A x = x( 其 中 λ≠0 ) .已知 A 的特征值 全
λ
- 1 - 1
大于零 , 所以 A 的特征值也全大于零 , 故 A 正定 . ■
例 2 　 判断二次型
2 2 2
f ( x1 , x2 , x3 ) = x1 + 2 x2 + 3 x3 + 2 x1 x2 - 2 x2 x3
是否是正定二次型 .
解 　 用配方法得
2 2 2 2
f ( x1 , x2 , x3 ) = ( x1 + 2 x1 x2 + x2 ) + ( x2 - 2 x2 x3 + x3 ) + 2 x3
2 2 2
= ( x1 + x2 ) + ( x2 - x3 ) + 2 x3 ≥ 0 .
等号成立的充分必要条件是
x1 + x2 = 0 , 　 x2 - x3 = 0 , 　 x3 = 0 ,
即 x1 = x2 = x3 = 0 , 故 f ( x1 , x2 , x3 ) 正定 .
例 3 　 判断二次型
2 2 2
f ( x1 , x2 , x3 ) = 3 x1 + x2 + 3 x3 - 4 x1 x2 - 4 x1 x3 + 4 x2 x3
是否是正定二次型 .
解 　 任何二次型都可用 配方法 判断 其正定 性 , 但 此题 配方 时
系数较繁 , 所以可考虑用特征值判定 ( 但是求一般的二次型矩阵的
特征值也不是容易的 , 如例 2 的 特 征多 项式 | λI - A | = λ3 - 6λ2 +
9λ- 2 需 要 将 其 分 解 为 (λ - 2 ) (λ2 - 4λ+ 1 ) , 得 特 征 值 λ= 2 ,
6 .4 　 正定二次型和正定矩阵 283

2± 3 ) , 该二次型对应的矩阵为
3 - 2 - 2
A= - 2 1 2 .
- 2 2 3
由
λ- 3 2 2
| λI - A | = 2 λ- 1 - 2
2 - 2 λ- 3
λ- 1 2 2
[ 1] + [ 3]
0 λ- 1 - 2
λ- 1 - 2 λ- 3
λ- 1 2 2
③ + ① × ( - 1)
0 λ- 1 - 2
0 - 4 λ- 5
2
= (λ - 1 ) (λ - 6λ - 3 ) = 0 ,
得 A 的特征值 : λ1 = 1 ,λ2 = 3 + 2 3 ,λ3 = 3 - 2 3 < 0 , 所 以 A 不 是
正定矩阵 , 从而二次型也不是正定的 .
此题 由 正 定 二 次 型 的 定 义 也 容 易 判 定 其 非 正 定 性 .因 为 当
x1 = 1 , x2 = 1 , x3 = 0 时 , 二次型 f ( 1 , 1 , 0) = 0 , 不大于零 .
下面 , 我们从二次型矩阵 A 的子式 , 来判别二 次型 xT Ax 的 正
定性 .先给出 A 正定的两个必要条件 , 再给一个充分必要条件 .
T
定理 6 .5 　 若二次型 x Ax 正定 , 则 :
( i ) A 的主对角元 a i i > 0 ( i = 1 , 2 , … , n) ;
( ii ) A 的行列式 | A| > 0 .
n n

证 　 ( i ) 因 为 x Ax = ∑∑ a x i x j 正 定 , 所 以 取 xi =
T
ij
i=1 j =1

(0 , … , 0 , 1 , 0 , … , 0 ) T ≠ 0( 其 中 第 i 个 分 量 x i = 1) , 则 必 有
T 2
xi Axi = ai i x i = ai i > 0 ( i = 1 , 2 , … , n) .
284 第 6 章 　 二次型

T
( ii ) 因为 A 正 定 , 所 以 存在 可 逆 矩阵 P, 使 得 A = P P, 因 此
T 2
| A| = | P | | P| = | P| > 0 .
或根据 正 定 矩 阵 A 的 特 征 值 全 大 于 零 , 即 得 | A | = λ1 λ2 …
λn > 0 . ■
定理 6． 5 是 A 正定的必要条件 , 由该定理很易验证
1 2 4 5 - 3 2
A= , 　B= , 　 C=
2 4 5 2 2 3
都不是正定矩 阵 , 因 为 det ( A) = 0 , det ( B) < 0 , C 中 c11 < 0 .而
对于
1 2 0 0
2 1 0 0
A= ,
0 0 1 2
0 0 2 1
2
1 2
虽有 ai i > 0 , 且 det ( A) = = 9 > 0 .但 用定 理 6． 4 可 以验 证
2 1
( 留给读者 ) A 不是正定矩阵 .
T
定理 6 .6 　 n 元二次型 x Ax 正定 的 充要 条件 是 A 的 n 个 顺
序主子式全大于零 .
证 　 设 A= ( ai j ) n× n , 则
a11 a12 … a1 k
a21 a22 … a2 k
det Ak =
… … …
ak1 ak2 … ak k
称为 n 阶矩阵 A 的 k 阶顺序 ( 或左上角 ) 主子式 .当 k 取 1 , 2 , … , n
时 , 就得 A 的 n 个顺序主子式 .
必要 性 　 取 xk = ( x1 , … , xk ) T ≠0, x = ( x1 , … , xk , 0 , … ,
T T T
0) ≠0 , 记 x = ( xk , 0) , 则必有
6 .4 　 正定二次型和正定矩阵 285

Ak ＊ xk xk
xT Ax = ( xkT , 0) = ( xTk Ak , ＊ )
＊ ＊ 0 0
T
= xk Ak xk > 0
对于一切 xk ≠0 都成立 .故 x1 , x2 , … , xk 的 k 元二 次型 xTk Ak xk 是
正定的 , 根据定理 6． 5 , 必有 | Ak | > 0 .必要性得证 .
＊ T
充分性 　 对 n 作 数 学 归 纳 法 .当 n = 1 时 , a11 > 0 , x Ax =
a1 1 x21 > 0 ( ＂ x1 ≠0) , 故充分性成立 .假设充分性对 n - 1 元二次型
成立 , 下面证明对 n 元二次型也成立 .将 A 分块表示为
An - 1 α
A= ,
αT an n
其中αT = ( an1 , an2 , … , an, n - 1 ) .
根据定理 6 .4 , 只需证明 A 合同于单位矩阵 .取
T
In - 1 0
C1 = ,
- αT An- -1 1 1
则
-1
In - 1 - An - 1 α
C1 = .
0 1
T
做 C1 AC1 的乘法运算 , 得
T
An - 1 0 记作 An - 1 0
C1 AC1 = .
0 ann - αT An- -1 1 α 0 a
根据充分性条件 | A| > 0 , | An - 1 | > 0 , 由 上式 易得 a > 0 .根 据归 纳
假设 An - 1 正定 , 故存在 n - 1 阶可逆矩 阵 G, 使 得 GT An - 1 G = In - 1 .
所以再取
GT 0 G 0
T
C =
2 1 , 　 则 C2 = 1 .
0 0
a a
就立即可 得 C2T ( C1T AC1 ) C2 = In , 故 A 合 同 于 单 位 矩 阵 , 因 此 A
正定 . ■
286 第 6 章 　 二次型

用定理 6． 6 容易判断
1 2 0 0
2 1 0 0
A=
0 0 1 2
0 0 2 1
1 2
不是正定的 .这是因为 det ( A2 ) = = - 3<0 .
2 1
＊
例 4 　 证明 : 若 A 是 n 阶 正定矩 阵 , 则存 在正 定矩阵 B, 使
2
得 A= B .
证 　 因为正定矩 阵 A 是实 对 称 矩阵 , 且特 征 值全 大 于零 , 所
以存在正交矩阵 Q, 使得
A = Qdiag (λ1 ,λ2 , … ,λn ) QT , ①
T
其中 λi > 0 ( i = 1 , 2 , … , n) .利用 Q Q = I , 及
diag(λ1 ,λ2 , … ,λn ) = [ diag( λ1 , λ2 , … , λn ) ] 2 ,
可将①式表示成
A = ( Qdiag ( λ1 , λ2 , … , λn ) QT ) 2 , ②
因此取
T
B = Qdiag ( λ1 , λ2 , … , λn ) Q , ③
就得 A = B2 .
　 　 由于③式中 λi 是 B 的特 征值 , 且 λi > 0 ( i = 1 , 2 , … , n) , 故
B 也是正定矩阵 .于是命题得证 . ■
1
这里的 B 通常记做 A 2 .

＊
6 .5 　 其他有定二次型

正定和半正定以及负定和半负定二次型 , 统称为有定二次型 .
本节简要介绍半正定、负定和半负定二次型的性质及判别定理 .
＊
6 .5 　 其他有定二次型 287

T
定义 6 .5 　 如果 ＂ x = ( x1 , x2 , … , xn ) ≠0, 恒有二次型
T T
( i ) x Ax≥ 0 , 但 至 少存 在 一个 x0 ≠0, 使 得 x0 Ax0 = 0 , 就 称
T
x Ax 是半正定二次型 , A 是半正定矩阵 ;
( ii ) xT Ax < 0 , 称 xT Ax 是负定二次型 , A 是负定矩阵 .
( iii ) xT Ax≤ 0 , 但至少存 在 一个 x0 ≠0, 使得 x0T Ax0 = 0 , 就 称
xT Ax 是半负定二次型 , A 是半负定矩阵 .
如果二次型不是有定的 , 就称为不定二次型 .
例如 : xT Ax = d1 x21 + d2 x22 + … + dn x 2n , 当 d i < 0 ( i = 1 , 2 , … ,
n) 时是负定的 ; 当 di ≥ 0 ( i = 1 , 2 , … , n) 但至 少有一个 为零时是 半
正定的 ; 当 d i ≤ 0 ( i = 1 , 2 , … , n) 但 至 少 有 一 个 为 零 时 是 半 负
定的 .
显然 , 如果 A 是正定 ( 半正定 ) 矩阵 , 则 ( - A) 是负定 ( 半 负定 )
矩阵 .反之亦然 .
根据定义并利用上节中的方法 , 可以证明下面的定理 .
定理 6 .7 　 设 A 是 n 阶实对称矩阵 , 则下列命题等价 :
T
( i ) x Ax 负定 ;
( ii ) A 的负惯性指数为 n , 即 AＤ - I;
T
( iii ) 存在可逆矩阵 P, 使得 A = - P P;
( iv) A 的特征值全小于零 ;
( v) A 的奇数阶 顺序 主子 式全 小 于零 , 偶 数 阶顺 序 主子 式 全
大于零 .
定理 6 .8 　 设 A 是 n 阶实对称矩阵 , 则下列命题等价 :
( i ) xT Ax 半正定 ;
( ii ) A 的正惯性指 数 = r ( A) = r( r < n) , 或 AＤ diag( 1 , 1 , … ,
1, 0, … ,0) , 1 有 r 个;
( iii ) A 的特征值都大于等于零 , 但至少有一个等于零 ;
T
( iv) 存在非满秩矩阵 P( r( P) < n) , 使得 A= P P .
( v) A 的各阶主子式≥0 , 但至少 有一个主 子式等于 零 .( 主 子
288 第 6 章 　 二次型

式的定义见第 3 章定义 3． 9)
关于半负定的相应的定理 , 读者不难自行写出 .
关于定理的证明 , 如果用循环证法证明定理 6． 7 , ( iv) ( v) 的
证明较难 , 定理 6． 8 中的 ( v) 作为半 正定的 充要条件 , 其 充分性 的
证明也较难 .我们略去这些证明 .
n n
2
例 1 　 判断二次型 n∑ x - ∑
2
i xi 是否是有定二次型 .
i= 1 i= 1

解 　 方法 1
n

原式 = ( n - 1 ) ∑ x2i - ∑ 2 xi x j ①
i=1 1 ≤ i< j≤ n

2 2 2
= ( x1 - x2 ) + ( x1 - x3 ) + … + ( x1 - xn ) +
( x2 - x3 ) 2 + … + ( x2 - x n ) 2 + … +
( xn - 1 - xn ) 2 = ∑
1 ≤ i < j≤ n
( xi - xj ) 2 ≥ 0 .

当 x1 = x2 = … = xn 时 , 等号成立 .故原二次型是半正定的 .
方法 2 　 利用①式二次型矩阵 A 的特征值来做出判断 .

λ- ( n - 1) 1 … 1
1 λ- ( n - 1) … 1
| λI - A | =
… … ｗ …
1 1 … λ - ( n - 1)
1 1 … 1
0 λ- n … 0
=λ
… … ｗ …
0 0 … λ- n
=λ(λ - n) n - 1 ,

A 的特征值为λ1 = 0 ,λ2 = n ( n - 1 重 ) , 故二次型是半正定的 .

习题 　 补充题 　 答案 289

习题 　 补充题 　 答案

习题

　 　 将下列 1～3 题的二次型表示成矩阵形式 .

1 . f ( x, y ) = 4 x2 - 6 x y - 7 y2 .
2 . f ( x, y , z) = 3 x2 + 4 x y - y2 - 6 y z + z2 .
3 . f ( x1 , x2 , x3 , x4 ) = x21 + x23 + 2 x24 + 4 x1 x2 + 2 x1 x4 -
2 x2 x3 - 6 x2 x4 + 4 x3 x4 .
4 . 设 n 元二次型 f ( x1 , x2 , … , x n ) 的矩阵为 n 阶三对角对称矩阵
1 - 1
- 1 1 - 1
A= - 1 1 ｗ ,
ｗ ｗ - 1
- 1 1

试写出二次型 ( 二次齐次多项式 )的表示式 .

＊
5 . 若二次型 f ( x1 , x2 , x3 , x4 ) = xT Ax, 对 于一切 x = ( x1 , x2 , x3 , x4 ) T
恒有 f ( x1 , x2 , x3 , x4 ) = 0 , 证明 A 为 4 阶零矩阵 .
( 提示 :取一些特殊的 x, 如 (1 , 0 , 0 , 0 ) T , ( 0 , 1 , 0 , 0 ) T , (1 , 0 , 1 , 0 ) T , ( 0 , 1 ,
1 , 0 ) T 等 , 来论证 A = 0 .)
＊
6 . 证明 :若 A, B 均为 三阶 实对 称矩 阵 , 且对 一切 x 有 xT Ax= xT Bx,
则A= B .
＊
7 . 设 AＤ B, CＤ D, 且它们均为 n 阶实对称矩 阵 , 问下 列结论 成立吗 ?
若成立 , 则证明之 .
A 0 B 0
(1) ( A + C) Ｄ ( B + D) . 　 　 (2 ) Ｄ .
0 C 0 D
8 . 用正交变换 x= Qy, 将下列二次型化为标准形 , 并求正交矩阵 Q:
(1) f = 2 x21 + 3 x22 + 3 x23 + 4 x2 x3 .
(2) f = x21 + x22 + x23 + x24 + 2 x1 x2 - 2 x1 x4 - 2 x2 x3 - 2 x3 x4 .
290 第 6 章 　 二次型

9.设
4 - 2
- 2 1
A= 5 ,
- 4 6
6 1
试求正交矩阵 Q, 使得 QT AQ 为对角阵 .
10 . 用配方法将下列二次型化为标准形 , 并写出所用的坐标变换 :
(1) x21 + 4 x1 x2 - 3 x2 x3 ; 　 　 ( 2) x1 x2 + x1 x3 - 3 x2 x3 ;
(3) 2 x21 + 5 x22 + 4 x23 + 4 x1 x2 - 8 x2 x3 - 4 x3 x1 .
11 . 用初等变换法将下列二次型化为标准形 , 并求相应的坐标变换 .
(1) x1 x2 + x2 x3 + x3 x1 ;
(2) x21 - 2 x22 + x23 + 2 x1 x2 + 4 x1 x3 + 2 x2 x3 ;
(3) x21 + 5 x22 + 4 x23 - x24 + 6 x1 x2 - 4 x1 x3 - 4 x2 x4 - 8 x3 x4 .
12 . 设 C 为可逆矩阵 , 且 CT AC = diag( d1 , d2 , … , dn ) , 问 : 对角矩阵 的对
角元是否都是 A 的特征值 ? 并说明理由 .
13 . 设 n 阶实对称矩阵 A 的秩为 r ( r < n) , 试证明 :
(1) 存 在可 逆矩 阵 C, 使 得 CT AC = diag ( d1 , d2 , … , d r , 0 , … , 0) , 其 中
di ≠0 ( i = 1 , 2 , … , r) .
＊
(2) A 可表示为 r 个秩为 1 的对称矩阵之和 .
＊
14 . 设 n 阶实对称幂等矩阵 A(满足 A2 = A) 的秩为 r, 试求 :
( 1) 二次型 xT Ax 的一个标准形 ; 　 　 ( 2) det ( I + A + A2 + … + An ) .
＊
15 . 设 A 为 n 阶实对称矩阵 , 且 其正 负惯性 指数 都不 为零 .证 明 : 存
在非零向量 x1 , x2 和 x3 , 使得 x1T Ax1 > 0 , x2T Ax2 = 0 和 x3T Ax3 < 0 .
＊
16 . 设 A 是奇数 阶实 对 称 矩阵 , 且 det ( A) > 0 .证 明 : 存 在 非零 向 量
x0 , 使 x0T Ax0 > 0 .
17 . 把 11 题中的二次型化为规范形 , 并求变换矩阵 C .
18 . 对 9 题中的矩阵 A, 求可逆矩阵 C, 使 CT AC 成为规范形 .
＊ ＊
19 . 证明 6． 3 节末尾的结论 ( i ) . 　 20 . 证明 6． 3 节末尾的结论 ( ii) .
21 . 判断下列矩阵是否是正定矩阵 :
习题 　 补充题 　 答案 291

2 - 1 0 2 -1 -1
(1) - 1 2 - 1 ; 　 　 (2 ) - 1 2 -1 ;
0 - 1 2 - 1 -1 2
1 1 1
(3) 1 2 2 .
1 2 3
22 . 判断下列二次型是否是正定二次型 :
(1) x21 + 3 x22 + 20 x23 - 2 x1 x2 - 2 x1 x3 - 10 x2 x3 ;
(2) 3 x21 + 4 x22 + 5 x23 + 4 x1 x2 - 4 x2 x3 ;
(3) x21 + 2 x22 + 3 x23 + 4 x24 - 2 x1 x2 + 4 x2 x3 - 8 x3 x4 .
n n

23 . 用正交变换法化二次型 ∑ xi + ∑x x j 为标准形 .并说明它 是否

2
i
i=1 i< j

是正定二次型 .在 n = 3 的情况下 , 求出正交变换的矩阵 Q .

＊
24 . 对上题中 n = 3 时的二次型矩阵 A, 求正定矩阵 B, 使得 A = B2 .
25 . 求下列二次型中的参数 t, 使得二次型正定 :
(1) 5 x21 + x22 + t x23 + 4 x1 x2 - 2 x1 x3 - 2 x2 x3 ;
(2) 2 x21 + x22 + 3 x23 + 2 t x1 x2 + 2 x1 x3 .
26 . 用 矩阵的 特征值 和特征 向量的 定义及 正定二 次型的 定义 , 证明 正
定矩阵的特征值大于零 .
27 . 设 P 为可逆矩阵 , 用正定二次型的定义证明 , PT P 是正定矩阵 .
28 . 设 A 是正定矩阵 , C 是实 可逆矩 阵 , 证明 : CT AC 是 实对称 矩阵 , 而
且也是正定矩阵 .
29 . 设 A 是正定矩阵 , 证明 A 的伴随矩阵 A ＊ 也是正定矩阵 .
30 . 设 A, B 均是 n 阶正定矩阵 , k, l 都是正 数 , 用 定义证 明 kA + lB也 是
正定矩阵 .
31 . 判断下列矩阵是否负定 , 半正定 , 半负定 :
- 1 1 0 1 -1 -1
(1) 1 - 2 1 ; 　 　 (2 ) - 1 2 -1 ;
0 1 -3 - 1 -1 3
0 - 1 -1 - 2 1 1
(3) - 1 2 -1 ; (4 ) 1 -2 1 .
- 1 - 1 2 1 1 -2
292 第 6 章 　 二次型

　 　 32 . 证明负定矩阵的主对角元必须全小于零 .
＊
33 . 设 xT Ax 为半负定二次型 , 问 : (1 ) xT ( - A) x 是否半正定 ? (2 ) A
的各阶主子式是否全都小于等于零 ?
34 . 判断下列二次型是否是有定二次型 :
(1) - x21 - 2 x22 - 5 x23 - 2 x1 x2 + 4 x2 x3 ;
(2) x21 + 2 x22 + 4 x23 + 2 x1 x2 - 4 x2 x3 ;
(3) x21 + 2 x22 + 3 x23 + 2 x1 x2 - 4 x2 x3 .
35 . 证明 : A 是负定矩阵的充要条件是存在可逆矩阵 P 使得 A = - PT P .
36 . 设 B 是一个 n 阶矩阵 , r( B) < n .证明 BT B 是半正定矩阵 .
37 . 证明 : 若 A 是半正定矩阵 , 则存在半正定矩阵 B, 使得 A = B2 .

补充题

38 . 若对于任意的全不为零的 x1 , x2 , … , x n , 二次型 f ( x1 , x2 , … , xn ) 恒
大于零 , 问二次型 f 是否正定 ?
39 . 设 A 是实对称矩阵 , 证明 : 当 t 充分大时 , A + tI 是正定矩阵 .
40 . 设 n 阶实对称矩阵 A 的特征值为λ1 ,λ2 , … ,λn , 问 : t 满足什么 条件
时 , A - tI 为正定矩阵 .
41 . 设 A 是实对称 矩 阵 , B 是 正 定 矩阵 , 证 明 : 存 在 可 逆 矩 阵 C, 使 得
C AC 和 CT BC 都成对角形矩阵 .
T

42 . 设 A, B 皆是正定矩阵 , 且 AB = BA, 证 明 AB 是正 定矩 阵 . ( 提示 :
存在正交矩阵 C, D;使得 DT ( CT AC) D= DT Λ1 D, DT ( CT BC) D= Λ2 , 并利用定
理 6．6 的充分条件 .)
43 . 设 A = ( ai j )是 n 阶正定矩阵 , x = ( x1 , x2 , … , xn ) T .证明 :
0 xT
f ( x) = d et
x A
是一个负定二次型 .
44 . 设 A = ( ai j )是 n 阶正定矩阵 , 证明 :
n

detA ≤ ∏a
i=1
ii .

　 　 45 . 设 B = ( bi j ) 是 n 阶实可逆矩阵 , 证明:
习题 　 补充题 　 答案 293

| B| ≤ ∏( b + b22 i + … + b2n i ) .
2 2
1i
i =1

　 　 46 . 已知 f ( x1 , x2 , x3 ) = 2 x + 3 x22 + 3 x23 + 2 a x2 x3 通过正交变换 x= Qy

2
1

可化为标准形 f = y21 + 2 y22 + 5 y23 , 试求参数 a 及正交矩阵 Q .

47 . 已知 f ( x1 , x2 , x3 ) = 5 x21 + 5 x22 + cx23 - 2 x1 x2 + 6 x1 x3 - 6 x2 x3 的 秩
为2.
( 1) 求 c; 　 ( 2) 方程 f ( x1 , x2 , x3 ) = 1 表示何种二次曲面 .
48 . 设
1 0 1
A= 0 2 0 ,
1 0 1
B = ( kE + A) 2 ,
k 为实数 , E 为单位矩阵 .求对角矩阵Λ , 使 BＤ Λ ;并 问 : k 为何值 时 , B 为 正
定矩阵 .
49 . 设 f ( x1 , x2 , … , x n ) = ( x1 + a1 x2 )2 + ( x2 + a2 x3 ) 2 + … + ( xn - 1 +
an - 1 xn ) 2 + ( xn + an x 1 ) 2 , 其中 a1 , a2 , … , an 均为 实数 , 问 : a1 , a2 , … , an 满 足
何条件时 , 二次型 f ( x1 , x2 , … , xn ) 正定 .
m× n
50 . 设 A 为 m 阶实对称正定 矩阵 , B∈ R , 证明 : BT AB 正 定的充 分
必要条件为 r( B) = n .

答案

6 . 利用第 5 题的结果 .
7 . (1) 不成立 . (2) 成立 .
0 1 0
1 1
0
8 . (1) 2 2 , y21 + 2 y22 + 5 y23 .
1 1
- 0
2 2
2 0 - 2 0

1 - 1 1 - 1 -1
　 　 ( 2) ,
2 0 2 0 2
1 1 1 -1
294 第 6 章 　 二次型

(1 - 2 ) y21 + (1 - 2 ) y22 + (1 + 2 ) y23 + ( 1 + 2 ) y24 .

2 1
　 0 0 0
5 5
1 2 5
- 0 0 0
5 5 5
9. 　0 0 1 0 0 ,　 　 5 .
2 3 - 8
　0 0 0
13 13 0
3 2
　0 0 - 0
13 13
3
x1 = y1 - 2 y2 + y ,
4 3
9 2
10 . (1 ) y21 - 4 y22 + y3 ; 3
16 x2 = y2 - y ,
8 3
x3 = y3 .
1
x1 = z1 + z - 3 z3 ,
2 2
1 2
(2) z21 - z2 + 3 z23 ; 1
2 x2 = z1 + z2 - z3 ,
2
x3 = z3 .
1
x1 = y1 - y2 + y ,
3 3
2 2
(3) 2 y21 + 3 y22 + y3 ; 2
3 x2 = y2 + y3 ,
3
x3 = y3 .
x1 = z1 + z2 - z3 ,
11 . (1 ) z21 - z22 - z23 ; x2 = z1 - z2 - z3 ,
x3 = y3 .
5
x1 = y1 - y2 + y ,
3 3
8 2
(2) y21 - 3 y22 - y ; 1
3 3 x2 = y2 - y ,
3 3
x3 = y3 .
习题 　 补充题 　 答案 295

5 4
x1 = y1 + 3 y2 - y3 - y ,
2 9 4
3 2
49 2 x2 = y2 + y + y ,
2 2
(3) y - 4 y + 9 y -
1 2
2
y ;
3
2 3 3 4
9 4
7
x3 = y3 + y4 ,
9
x4 = y4 .
12 . 不一定 , 当 C 为正交矩阵时 , 一定是 .
14 . (1 ) y21 + y22 + … + y2r . ( 2) ( n + 1) r .
15 . 将 A 化成规范形 , 由正负惯性指数都不为零 , 构造 x1 , x2 和 x3 .
16 . 利用 15 题结论 , 先证 A 必有正特征值 .
1 1 - 1
2 2 2
17 . (1 ) y - y - y ,
1 2 3 1 - 1 - 1 .
0 0 1

3 5
1 - -
3 24

(2) y21 - y22 - y23 , 3 1

0 　 - .
3 24
3
0 　0
24
5 3 4
1 - - -
6 2 21
1 1 2
0
2 2 7
(3) y21 + y22 - y23 - y24 , .
1 1
0 0
3 3
3
0 0 0
7
21 . (1 ) 正定 , (2) (3 )不正定 . 　 22 . 都正定 .
n+ 1 2 1 2
23 . y + ( y + y23 + … + y2n ) , 正定 ,
2 1 2 2
296 第 6 章 　 二次型

1 1 1
-
3 2 6
1 2
0 - .
3 6
1 1 1
3 2 6
2 2 2 2
3 6 6
2 2 2 2
24 . .
6 3 6
2 2 2 2
6 6 3
5
25 . (1 ) t > 2 , (2) | t| < .
3
27 . 用定义证明 xT PT Px> 0 ( ＂ x≠0) .
28 . 用定义证明 xT CT ACx > 0 ( ＂ x≠0) .
30 . 用定义证明 .
31 . (1 ) 负定 , (2) 不定 , ( 3) 不定 , (4 ) 半负定 .
34 . (1 ) 负定 , (2) 半正定 , ( 3) 不定 .
38 . 否 . 　 　 39 . 考虑 A + tI 的特征值 .
40 . t < min(λ1 ,λ2 , … ,λn ) .
41 . 存在可逆阵 C1 , 使得 C1T BC1 = I,又 C1T AC1 为实对称矩阵 .
43 . 将分块矩阵第二行左乘— xT A - 1 加到第一行 , 并利用 A - 1 正定 .
An - 1 α
44 . 用数学归纳法 .把 A 分块 表示 为 , 并用初 等变 换将 其
αT an n
化为上三角矩阵 .
45 . 利用 44 题的结果 .
46 . 由二次型矩阵 A 的特征值为 1 , 2 , 5 , 可得 a = 2 .正交矩阵 Q 与 习题
8(1 )相同 .
47 . (1 ) 由二次型矩阵 A 的秩为 2 , 或 | A| = 0 得 c = 3 .( 2 ) A 的特征 值
λ1 = 4 ,λ2 = 9 ,λ3 = 0 , 通过 正交 变换 x = Qy, 方程 xT Ax = 1 化 为 yT QT AQy =
4 y21 + 9 y22 = 1 , 这是一个椭圆柱面 .
习题 　 补充题 　 答案 297

48 . k≠0 且 k≠ - 2 时 , B 为正定矩阵 .提示 : 先证明 QT AQ = diag( 0 , 2 ,

2) (其中 Q 为正交矩阵 ) .
49 . 由线性方程组 x1 + a1 x2 = 0 , x2 + a2 x3 = 0 , … , x n + an x1 = 0 可得 ,
当 1 + ( - 1 ) n - 1 a1 a2 … an ≠0 时 , 线性 方程组 只有零 解 .因 此 , 当 1 + ( - 1 ) n - 1
a1 a2 … an ≠0 时 , 仅当 x= ( x1 , x2 , … , xn ) T = 0 时 , f ( x1 , x2 , … , xn ) = 0 , 而 ＂ x
≠0 时 , 均有 f ( x1 , x2 , … , x n ) = xT Ax> 0 , 故此 时的二 次型 f ( x1 , x2 , … , x n )
正定 .
50 . 充分性 : 由 r ( B) = n, 得 ＂ x = ( x1 , x2 , … , x n ) T ≠0 , Bx≠0, 从 而
xT ( BT AB) x= ( Bx) T A( Bx) > 0 , 故 BT AB 正定 .必要性 : 用反证法 .
　 ＊
第 7章

应用问题

7 .1 　 人口模型

人口增长的问题是关系 到国计 民生 的重大 问题 之 一 .为了 预

测和控制人口的增长 , 从 18 世纪 以来 各国人 口学 家、数学 家不 断
地提出各种人口模型 , 有确定性的 , 有随机性的 ; 有连续的 , 有离散
的 .本节介绍的 Leslie 人口模型是 20 世纪 40 年代提出的 , 它是预
测人口按年龄组变化的离散模型 .

7.1 .1　 Leslie人 口模型

这个模型仅考虑女性人 口的发 展变 化 , 因为一 般 男女 人口 的
比例变化不大 .假设女性最大年龄为 s 岁 , 分 s 为 n 个年龄区间
s s
Δti = ( i - 1) ,i , 　 i = 1 ,2 ,…, n .
n n
年龄属于 Δti 的女性称 为第 i 组 , 设 第 i 组人 数为 x i ( i = 1 , 2 , … ,
n) , 称 x = ( x1 , x2 , … , xn ) T 为 ( 女性 ) 人口年龄分布向量 .考虑 x 随
时间 t k 的变化情况 , 每隔 s/ n 年观察一次 , 不考虑同一时间间隔内
的变化 ( 即将时间离散化了 ) .设初始时间为 t0 , tk = t0 + ks/ n, tk 时
的年龄分布向 量 为 x( k) = ( x1( k) , x2( k) , … , x(n k) ) T , 这 里 只 考 虑 由 生
7 .1 　 人口模型 299

育、老化和死亡引起的人口演变 , 而不考虑迁移、战争、意外灾难等
社会因素的影响 .
设第 i 组女性 的生 育 率 ( 已扣 除 女婴 死亡 率 ) 为 ai ( 第 i 组 每
位女性在 s/ n 年中平均生育的女婴数 , ai ≥0) , 存活率为 bi ( 第 i 组
女性经过 s/ n 年仍活着的人数 与原人数之比 , 0 < bi ≤1 ) .死 亡率 =
1 - bi , 假设 ai , bi 在 同 一 时 间间 隔 内 不 变 , 它 可 由 人 口 统 计 资 料
获得 .
( k)
tk 时 第 一 组 女 性 的 总 数 x 1 是 tk - 1 时 各 组 女 性 ( 人 数 为
, i = 1 , … , n) 所生育的女婴的总数 , 即
( k- 1)
x i

( k) ( k - 1) (k -1) (k -1)
x1 = a1 x1 + a2 x2 + … + an x n , ( 7 .1)
( k)
tk 时第 i + 1 组 ( i≥ 1 ) 女 性人数 xi + 1 是 tk - 1 时第 i 组的 女性 经 s/ n
年存活下来的人数 , 即
x (i +k)1 = bi x (i k - 1 ) , 　 i = 1 , 2 , … , n - 1 . ( 7 .2)
将 (7 .1 ) , (7 .2 ) 以矩阵形式表示为
x( k) = L x( k - 1 ) , 　 k = 1 , 2 , … , n . ( 7 .3)
　 　 其中
a1 a2 … an - 1 an
b1 0 … 0 0
L= 0 b2 ｗ … … , ( 7 .4)
… ｗ ｗ 0 0
0 … 0 bn - 1 0
称 L 为 Leslie 矩阵 , 由 (7 .3 ) 式递推得
x( k) = Lk x( 0 ) . ( 7 .5)
利用 (7 .5 ) 可算 出 tk 时 间各 年龄 组 人口 总数 , 人 口增 长 率及 各 年
龄组人口占总人口的百分数 .此模型也适用于动物群 .
例 1 　 某 饲养场的某种动物所 能达到的最大年 龄为 6 岁,
1990 年观测的数据如表 7 －1 所示 .问 : 1998 年各年龄 组的动物 数
量及分布比例为多少 ? 总数的增长率为多少 ?
300 第 7 章 　 应用问题

解 　 由所 给 表 格 得 到 动 物 1990 年 的 年 龄 分 布 向 量 x( 0 ) 及
Leslie 矩阵 L 分别为
160 0 4 3
(0)
x = 320 , 　 L = 1/ 2 0 0 .
80 0 1/ 4 0

表 　 7－1

年龄 [0 , 2) [2,4 ) [4 , 6)
头数 160 320 80
生育率 0 4 3
1 1
存活率 0
2 4

1998 年的年龄分布向量为
4
0 4 3 160
(4) 4 (0 )
x = Lx = 1/ 2 0 0 320
0 1/ 4 0 80
4 3 9/ 8 160 1690
= 3/ 16 4 3 320 = 1550 .
1/ 4 3/ 32 0 80 70

所以 , 1998 年 动 物 总 数 为 3310 头 ; 小 于 2 岁 的 有 1690 头 , 占

51 .0 6 % ; 2～4 岁的有 1550 头 , 占 46 .83 % ; 4 ～6 岁的有 70 头 , 占
2 .11 % . 增 长 总 数 为 3310— 560 = 2750 头 , 8 年 总 增 长 率 为
491 .07 % .
利用 Leslie 模型分析人口 增长 , 发 现观察 时间 充 分长 后人 口
增长率和年龄分布结构均趋于一个 稳定状 态 , 这与 矩阵 L 的特 征
值、特征向量有关 .
7 .1 　 人口模型 301

7.1 .2　 Leslie矩 阵的优势特 征值及其 实际意义

定理 7 .1 　 ( 7 .4) 式中的矩阵 L 有唯一的单重正特性值λ1 , 对
应的特征向量为 x1 = ( 1 , b1/ λ1 , b1 b2/ λ21 , … , b1 b2 … bn - 1 / λ1n - 1 ) T ( 各
分量全为正数 ) .
证
λ - a1 - a2 … - an - 1 - an
- b1 λ
pn (λ) = | λI - L | = - b2 ｗ
ｗ λ
- bn - 1 λ
λ - a1 - a2 … - an - 2 - an
- b1 λ
= λp n - 1 (λ) + bn - 1 - b2 ｗ
ｗ λ
- bn - 2 0
n n -2
= λp n - 1 (λ) + bn - 1 ( - an ) ( - 1) ( - 1) b1 b2 … bn - 2
= λp n - 1 (λ) - an b1 b2 … bn - 1 . (＊)
　 　 记 βi = ai b1 b2 … bi - 1 ( b0 = 1) , 由于 ai ≥0 且不全为零 , bi > 0 , 所
以 βi ≥0 ( i = 1 , 2 , … , n) 且不全为零 .由递推关系 ( ＊ ) 得
pn (λ) = λp n - 1 (λ) - βn = λ(λp n - 2 (λ) - βn - 1 ) - βn
= λ2 pn - 2 (λ) - λ
βn - 1 - βn = …
= λn - β1λn - 1 - β2 λn - 2 - … - βn - 1 λ - βn . ( 7 .6)
记
2 n
q(λ) = β1/ λ+ β2 / λ + … + βn/ λ 　 (λ≠ 0) , ( 7 .7)
则特征方程
pn (λ) = 0 ( 7 .8)
302 第 7 章 　 应用问题

等价于方程
q(λ) = 1 . ( 7 .9)
显然当 λ> 0 时 , q(λ) 是 连 续 的 单 调 减 函 数 , 且 lim+ q(λ) = + ∞ ,
λ→ 0

lim q(λ) = 0 , 所 以 存 在 唯 一 的 λ1 ∈ ( 0 , + ∞ ) 使 得 q(λ1 ) = 1 或

λ→ ∞

pn (λ1 ) = 0 , 即λ1 为唯一的正特征值 .下面证明λ1 是单根, 用反证法 .

设 λ1 是 pn (λ) = 0 的 k 重根 ( k≥2 ) , 则 p′
n (λ1 ) = 0, 且

- ( n - 1 )β1 λ1n - 2 - … - 2βn - 2λ1 - βn - 1 = 0 ,

n -1
p′
n (λ1 ) = nλ1

此式可写成
β1 β2 2βn - 2 βn - 1
1 = n - 1 + n- 2 2 +…+ n - 2 + < q(λ1 ) = 1 ,
n λ1 n -1
n λ1 nλ1 nλ1
( 因为 ( n - i)/ n < 1) 矛盾 , 所以 λ1 为单根 .
解方程组 (λ1 I - L) x= 0, 容易得到 λ1 对 应的特征 向量为定 理
给出的 x1 . ■
定理 7 .2 　 若 λ1 是 矩阵 L 的 正特征 值 , 则 L 的任一 个 ( 实 的
或复的 ) 特征值 λ都满足
| λ| ≤ λ1 . (7 .1 0)
　 　 证 　 若 λ= 0 , 显 然成 立 ; 设 λ= reiθ , 且 r > 0 , 用反 证 法 .假 设
|λ| = r > λ1 , 由 (7 .9 ) 和 ( 7 .7) 式 ,
iθ β1 - iθ β2 - 2 iθ βn - niθ
q(λ) = q( re ) = e + 2e + … + ne = 1,
r r r
得 q(λ) 的实部为 1 , 即
β1 β2 βn
1= cosθ+ 2 cos2θ+ … + n cos nθ
r r r
2 n
≤ β1/ r + β2/ r + … + βn/ r
< β1/ λ1 + β2 / λ21 + … + βn/ λ1n
= q(λ1 ) = 1 ,
矛盾 .所以对任一特征值 λ, 有 |λ| ≤λ1 . ■
我们把 L 矩阵的唯一的正特征值λ1 称为优 势特征值 .如 果 L
7 .1 　 人口模型 303

的任一个特征值λ≠λ1 , 均满足 |λ| < λ1 , 则 称 λ1 为 L 的 严 格优 势

特征值 .
定理 7 .3 　 若矩阵 L 的第一行有两个顺序元素 a i , ai + 1 > 0 , 则
L 的正特征值是严格优势特征值 .
证 　 由定理 7 .2 , |λ| ≤λ1 , 只须证等号不成立 .用反证法 , 假设
存在 λ≠λ1 有 |λ| =λ1 , 则
1 = q(λ) = β1 / λ+ β2/ λ2 + … + βn/ λn
≤ | β1/ λ| + | β2/ λ2 | + … + | βi/ λi + βi+ 1 / λi+ 1 | + … + | βn/ λn |
2 i+ 1 n
= β1 / λ1 + β2 / λ1 + … + | βiλ1 + βi+ 1 | / λ1 + … + βn/ λ1
< β1 / λ1 + β2 / λ21 + … + βi/ λ1i + βi+ 1 / λ1i+ 1 + … + βn/ λ1n
= q(λ1 ) = 1 .
这是矛盾的 , 所以 |λ| <λ1 ( 上式“ < ”是 根据 | βλ
i + βi + 1 | < βi | λ| +
βi + 1 , 因 为 βi = ai b1 … bi - 1 > 0 ,βi + 1 > 0 , 且 λ为 非 正 实 数 , 据 定 理
7 .1 ,λ1 是唯一的正特征值 ) .
定理 7 .3 的条件在人口模型中 是能保 证的 , 所 以 L 矩 阵必 有
严格优势特征值λ1 .
定理 7 .4 　 若矩阵 L 有严 格优 势特 征值 λ1 , 其 对 应的 特征 向
量为 x1 , 则

lim 1k x( k) = cx1 , (7 .1 1)
λ1
k→ + ∞

其中 x( k) 由 ( 7 .5) 式确定 , c 为常数 .

证 　 设 L 可对角化 ( 对一般情况要 用附录 B 中的约当 标准 形
来证 明 ) , 即 存 在 线 性 无 关 的 特 征 向 量 x1 , x2 , … , xn 及 P =
( x1 , x2 , … , xn ) 使得
P - 1 LP = diag (λ1 ,λ2 , … ,λn ) ,
k -1 k
则 L = ( Pdiag(λ1 , … ,λn ) P )
k k - 1
= Pdiag(λ1 , … ,λn ) P .
由 (7 .5 ) 式得
304 第 7 章 　 应用问题

1 ( k) 1 1
k x = k L( k) x( 0 ) = k Pdiag(λ1k , … ,λnk ) P - 1 x( 0 ) .
λ1 λ1 λ1
λ2 λn
k k
- 1 (0)
= Pdiag 1 , ,…, P x .
λ1 λ1
λi k
- 1 ( 0) T
记P x = ( c, d2 , … , dn ) , 由于 k→lim = 0 ( i = 2 , … , n) , 所
+ ∞ λ1

以有
k k
1 ( k) λ2 λn
lim k x = lim Pdiag 1 , , …, P - 1 x( 0 )
k→ + ∞ λ1 k→+ ∞ λ1 λ1
= Pdiag (1 , 0 , … , 0) ( c, d2 , … , dn ) T
1 c
0 d2
= x1 , x2 , … , xn
ｗ …
0 dn
= cx1 . ■
　 　 由 (7 .1 1) 式 , 当 k 充分大后
x( k ) ≈ cλ1k x1 = λ1 ( cλ1k - 1 x1 ) ≈ λ1 x( k - 1 ) .
这表明时间 tk 充分 大后 , 年 龄分 布 向量 趋 于稳 定 状态 , 即各 年 龄
n

组人数 x 占总人数 ∑x 的百分比几乎等于特征向量 x1 中相

( k) ( k)
i i
i= 1
n

应分量 xi 占分量总和 ∑ x i 的百分比 .同时 tk 充分大后 , 人口增长

i= 1
( k+ 1 ) ( k) ( k)
率( x i - x i )/ x
i 趋于λ1 - 1 , 或说 λ1 > 1 时 , 人 口递 增 ;λ1 < 1
时人口递减 ;λ1 = 1 时人口总数稳 定不变 .由 式 ( 7 .7) 和 (7 .9 ) 容 易
得到如下定理 .
定理 7 .5 　 L 矩 阵 的 正 特 征 值 λ1 = 1 的 充 要 条 件 是 β1 +
β2 + … +βn = 1 .
记 R =β1 + … + βn = a1 + a2 b1 + … + an b1 … bn - 1 , 我 们称 R 为
净再生 ( 繁殖 ) 率 , 它表示每名女性一生中平均所生育的女婴数 .不
7 .1 　 人口模型 305

难证明 : 当 R > 1 , < 1 和 = 1 时 , 相应 的 λ1 > 1 , < 1 和 = 1 ( 利 用

(7 .7 ) , (7 .9 ) 式 ) , 从而当 tk 充分 大后 , 它们分别 表示 人口递 增 , 递
减和稳定不变 .
如例 1 中 L 的特征多项式为

p(λ) = | λI - L | = λ3 - 2λ - 3 = 0 ,
8
得严 格 优 势 特 征 值 λ1 = 3/ 2 , 相 应 特 征 向 量 x1 = ( 1 , b1/ λ1 ,
2 T T
b1 b2/ λ1 ) = ( 1 , 1/ 3 , 1/ 18 ) , 当 tk 充 分 大 后 , 增 长 率 的 极 限 值 为
λ1 - 1 = 50 % ; 三 个 年 龄 组 的 动 物 头 数 之 比 为 1 ∶ 1/ 3 ∶ 1/ 18 或
18 ∶6∶1 , 即小于 2 岁的占 72 % , 2～ 4 岁的 占 24 % , 4 ～ 6 岁的 占
4% .
例 2 　 根据表 7 －2 所示的加拿大 1965 年 的统计 资料 ( 由于 ≥
50 岁的妇女生 育 者 极 少 , 我 们 只 讨 论 0 ～ 50 岁 之 间 的 人 口 增 长
问题 ) .

表 　 7－2

年龄组 i 年龄区间 ai bi
1 [0 , 5) 0 .00000 0 .99651
2 [5 , 10 ) 0 .00024 0 .99820
3 [10 , 15 ) 0 .05861 0 .99802
4 [15 , 20 ) 0 .28608 0 .99729
5 [20 , 25 ) 0 .44791 0 .99694
6 [25 , 30 ) 0 .36399 0 .99621
7 [30 , 35 ) 0 .22259 0 .99460
8 [35 , 40 ) 0 .10459 0 .99184
9 [40 , 45 ) 0 .02826 0 .98700
10 [45 , 50 ) 0 .00240 —

　 　 应用数值方法 , 可得矩阵 L 的 严格 优势特 征值 及相应 的特 征

向量 x1 分别为
306 第 7 章 　 应用问题

1 .0 0000
0 .9 2594
0 .8 5881
0 .7 9641
0 .7 3800
λ1 = 1 .07622 , 　 x1 = .
0 .6 8364
0 .6 3281
0 .5 8482
0 .5 3897
0 .4 9429
　 　 如果加拿大妇女生育率和存活率保持 1965 年的状况 , 那么经
过较长时间以后 , 50 岁以内的人口总数每 5 年将递增 7 .622 % ; 由
特征向量可算得各年龄组人口占总人口的比例数依次为13 .7 9 % ,
12 .77 % , 11 .84 % , 10 .98 % , 10 .17 % , 9 .42 % , 8 .72 % , 8 .0 6 % ,
7 .43 % , 6 .8 2 % .

7 .2 　 马尔可夫链

考虑一系列有随机因素 影响的 试验 , 每 次试验 结 果出 现事 件

S1 , … , Sm 中的一 个 且 仅 出 现 一 个 , 称 这 些 Si ( i = 1 , … , m) 为 状
态 , 出现 Si 就称系统处于 S i 状态 .系统在每 一时刻所 处的状态 是
随机的 .若下一时刻的状态仅取决于这一时刻的状态和转移概率 ,
与这一时刻以前的状态无 关 , 则称 此为无 后效 性 , 通俗 地说 , 将 来
的状态只与现在的已知状态有关 , 与过去的历史无关 .马尔可夫链
( 或称马氏链 ) 是时间和 状态都 已离 散化的 无后 效性 的随机 过程 .
马氏链在经济、社会、生态和遗传等学科中均有广泛的应用 .
以 xi ( n) ( n = 0 , 1 , 2 , … ) 表示系统在时 刻 tn 处于状 态 S i 的 概
率 , x( n) = ( x1 ( n) , … , xm ( n) ) T 称为 概率向 量 , 其中 0 ≤ xi ( n) ≤1
7 .2 　 马尔可夫链 307

且 x1 ( n) + … + xm ( n) = 1 , 以 pij ( i, j = 1 , 2 , … , m) 表 示现 时刻 系
统处于状态 S j 而下一时刻处于状态 S i 的概率 , 称为转移 概率 .称
P = ( pij ) m × m 为转 移矩 阵 .P 的 每一 列的列 和都 是 1 ( 由于 p ij ≥ 0 ,
我们以后把这样的矩阵 P, 记作 P≥0) .根据无 后效性得到马氏 链
的基本方程为
xi ( n + 1 ) = p i1 x1 ( n) + pi2 x2 ( n) + … + p im x m ( n) ,
i = 1, 2, …, m . (7 .1 2)
用矩阵表示为
x( n + 1) = P x( n) , (7 .1 2)′
m

P ≥ 0 , 　 ∑ p ij = 1 . (7 .1 3)
i= 1

由递推公式得
n
x( n) = P x( 0) , (7 .1 4)
T
其中 x(0 ) = ( x1 (0 ) , … , xm (0 ) ) 为初始概率向量 .
例 1 　 某商 店 销 售 某商 品 有 好 销 ( S1 ) 和 不 好销 ( S2 ) 两 种 状
态 , 每月观测一次 , 已知本月 好销 而下 月不好 销的 概率 p2 1 = α, 和
本月不好销下月好销的概率 p1 2 = β, 其中 0≤α,β≤ 1 , 若初 始状 态
为好销 ( 或不好销 ) , 问经过 n 个月后保持好销的概率有多大 ?
解 　 由列和等于 1 得到转移矩阵为
1 -α β
P= .
α 1 -β
由 |λI - P| = 0 得特征值 λ1 = 1 和 λ2 = 1 - α- β.
( 1) 若 α,β不全为 0 和 1 , 则 |λ2 | < λ1 = 1 λ
. 1 ,λ2 所对应的特征
向量分别为 x1 = (β,α) T , x2 = ( 1 , - 1) T .取 R= ( x1 , x2 ) , 则
R- 1 PR = diag(λ1 ,λ2 ) ,
其中
-1 1 1 1
R = .
α+ β α - β
308 第 7 章 　 应用问题

于是 x( n) = P n x( 0) = Rdiag(λ1n ,λ2n ) R- 1 x( 0) ,
1 β 1 1 0 1 　1 x1 (0 )
lim x( n) =
n→ ∞ α+ β α - 1 0 0 α -β x2 (0 )

1 β β x1 ( 0)
=
α+ β α α x2 ( 0)
1 β
= = q.
α+ β α 记
( 第三个等号成立是 因为 x1 (0 ) + x2 ( 0) = 1 ) , 即 n→∞ 时 x( n) 趋
于一 个 与 x ( 0 ) 无 关 的 稳 定 值 q, 称 q 为 极 限 状 态 概 率 , q =
T
( q1 , q2 ) 有 q1 + q2 = 1 , q1 与 q2 分别表示 n→∞时好销和不好销 的
概率 , 它完全由转移矩阵 P 决定 .
(2 ) 若 α=β= 0 , 则 P = I, x( n) = x(0 ) .
0 1 n
(3 ) 若 α=β= 1 , 则 P = λ
. 1 = 1 ,λ2 = - 1 , n→
lim ( - 1) 不
∞
1 0
存在 , 且

n x( 0) , 当 n 为偶数 ,
x( n) = P x(0 ) =
Px(0 ) , 当 n 为奇数 .
N
　 　 定义 7 .1 　 若 存 在 某 个正 整 数 N 使 得 P > 0 ( 即 pij > 0 对
i, j = 1 , … , m) , 则称 P 为正则转移矩阵 .对应的马氏链称为正则链 .
定理 7 .6 　 设 P 为 m 阶正则转移矩阵 , 则
n
lim P = ( q, q, … , q) = Q, (7 .1 5)
n→ ∞

其中 q = ( q1 , q2 , … , qm ) T , qi ( i = 1 , … , m) 为正 数 且 q1 + q2 + … +
qm = 1 .
证明略 .
矩阵 Q 有如下性质 : 对任意的概率向量 x = ( x1 , x2 , … , xm ) T ,
有
m

Qx = ∑x i =1
i q = q. (7 .1 6)
7 .2 　 马尔可夫链 309

　 　 定理 7 .7 　 正则链存在唯一的极限状态概率向量 q, 使得
Pq = q . (7 .1 7)
　 　证 n
lim x( n) = lim P x(0 ) = Qx( 0) = q .
n→ ∞ n→ ∞

由 PP n = P n + 1 及 nlim P n = li m P n + 1 = Q, 得
→∞ n→ ∞

P Qx( 0) = Qx(0 ) ,
即 Pq = q .
下证唯一性 .设 r 是 正 则 链 的 任 一 极 限 状 态 概 率 向 量 满 足
n
Pr = r, 那么 P r = r 对 n = 1 , 2 , …成立 .取极限 , 由 (7 .15 ) , ( 7 .16)
及 (7 .1 7) 得
lim P n r = Q r = q = r . ■
n→ ∞

　 　 由 (7 .1 7) 式知 , 对正则链 , 其极限状态概率向量 q 是线性方 程

组
( I - P) x = 0
的唯一满足 q1 + … + qm = 1 的 解 .即 q 是 矩 阵 P 对 应 于 特 征 值
λ1 = 1的特征向量 , 其各分量和为 1 .
T 1 T
例 1 中解 ( I - P) x = 0, 得 x = (β,α) , 取 q = (β,α) 使 各
α+β
分量和为 1 , 即为所求的极限状态 .
例 2 　 考察微量元 素 磷在 自然 界中 的 转移 情 况 , 假 定磷 只 分
布于 s1 ( 土壤 ) , s2 ( 草、羊、牛 等生 物体 )
和 s3 ( 上述系统之外如河流等 ) , 每月观
察一次 .变 化情 况 如图 7 .1 所 示 , 即 土
壤中 的 磷 30 % 转 移 到 生 物 体 , 20 % 排
到系统外 , 50 % 仍在 土 壤 中 ; 生 物 体 中
的磷 40 % 回 到 土 壤 中 , 40 % 排 出 系 统
外 , 遗 留下 20 % .若初 始 s1 , s2 , s3 中 磷 图 　 7 .1
的比例为 0 .5∶ 0 .3 ∶0 .2 , 问经 过 n 个
月后磷在三种状态中的分布比例是多少 ( 图 7 .1 ) ?
T
解 　 初始概率向量 x(0 ) = ( 0 .5 , 0 .3 , 0 .2) , 转移矩阵
310 第 7 章 　 应用问题

0 .5 0 .4 0
P= 0 .3 0 .2 0 ,
0 .2 0 .4 1
由于 p3 3 = 1 , 即系统一旦进入状态 s3 , 就不再转 移出去 , 称 s3 为 吸
收状态 .
定义 7 .2 　 若马氏链中 存在 吸收状 态 si , 即 p ii = 1 , 且 从每 一
非吸收状态出发能以正的 概率 经有限 次转 移达到 某一 吸收 状态 ,
则称马氏链为吸收链 .它是不同于正则链的另一类马氏链 .
　 　记
0 .5 0 .4
P2 = , 　 α = (0 .2 , 0 .4 ) ,
0 .3 0 .2
则
P2 0
P=
α 1
为下三角块矩阵 , P n 仍为下三角块阵 , 即
n
P 2n 0
P = .
＊ 1
对任意的 n∈ N , ( P n ) 13 = ( P n ) 23 = 0 , 从 而 P n ≯0 .所以 P 不是 正
则转移矩阵 .计算
n
x( n) = P x( 0) ,
得表 7 －3 .

表 　 7－3

n 0 1 2 3 … 10 … ∞
x1 ( n) 0 .5 0 .37 0 .27 0 .195 … 0 .020 … →0
x( n) x2 ( n) 0 .3 0 .21 0 .15 0 .111 … 0 .011 … →0
x3 ( n) 0 .2 0 .42 0 .58 0 .694 … 0 .969 … →1

　 　 一般说 , 对吸收链的 m 阶转移矩阵 P 可经 si 下标的重新排列

7 .3 　 投入产出数学模型 311

表示为
Ir P1
P= ,
0 P2
其中 Ir 表示有 r 个吸收状态 , 有 m - r 个非吸收状态 .一般 P1 ≠0,
所以 P2 的列和 < 1 , 因此 P2 的 特征 值 λ( P2 ) 满 足 |λ( P2 ) | < 1 , 且
I - P2 可逆 , 否 则 , | I - P2 | = 0 ,λ= 1 为 P2 的一 个 特征 值 , 矛盾 .
若记
∞

∑P
-1 2 n n
M = ( I - P2 ) = I + P2 + P + … + P + … =
2 2 ,
n=0
T
α = (1 , 1 , … , 1) 1× ( m - r) ,
则
Y = Mα = ( y1 , … , ym - r ) T ,
其中 yi 是从第 i 个非 吸 收状 态出 发被 某个 吸 收 状态 吸 收的 平 均
转移次数 .
例 2 中 , 状态排序改为 ( s3 , s2 , s1 ) 对应的概率转移矩阵为
1 β 0 .2 0 .3
P = , 　 β= ( 0 .4 , 0 .2) , 　 P2 = ,
0 P2 0 .4 0 .5
0 .8 - 0 .3 -1 1 0 .5 0 .3
I - P2 = , 　 ( I - P2 ) = ,
- 0 .4 0 .5 0 .2 8 0 .4 0 .8
所以
- 1
Y = Mα = ( I - P2 ) α
1 0 .5 0 .3 1 20/ 7
= = .
0 .28 0 .4 0 .8 1 30/ 7
即从状态 s2 和 s1 出发平均经过 3 次和 4 .3 次的转移, 被状态 s3 吸收 .

7 .3 　 投入产出数学模型

本节介绍投入产出的一 个线性 模型 .它 研究一 个 经济 系统 中

各部门 ( 企业 ) 之间“投入”与“ 产出”的平衡 关系 .在 一个经 济系 统
312 第 7 章 　 应用问题

中 , 各部门 ( 企业 ) 既是生产者又是消耗者 , 生产的产品提供给系统

内各部门和系统外部 ( 包括出口等 ) 的需求 ; 消耗系统内各部门 ( 企
业 ) 提供的产 品如 原 材料、设备、运输 和 能源 等 , 此 外还 有 人 力 消
耗 .消耗的目的是为了 生产 , 生产 的结 果必然 要创 造新 的价 值 , 以
用于支付劳动者的报酬、缴付 税金 和获取 合理 的利 润 .显然 , 对 每
个部门 ( 企业 ) 来讲 , 在物资方面的消耗和新创造的价值 , 等于它的
总产品的价值 .这就是“ 投入”与“ 产出”之间的总的平衡关系 .
这里我们只讨论价值型 投入产 出数 学模型 , 投 入 和产 出都 用
货币数值来度量 .

7.3 .1　 分配平衡方 程组

首先考虑一个系统内部 各部门 的产 品的产 销 ( 包 括内 销和 外
销 ) 平衡或分配平衡 .
设某个经济系统由 n 个企业所组成 , 并用 :
x i 表示第 i 个企业的总产值 , x i ≥0 ;
d i 表示系统外部对第 i 个企业的产值的需求量 , d i ≥0 ;
cij 表示第 j 个企业生产单位产值需要 消耗第 i 个企业 的产 值
数 , 称为第 j 个企业对第 i 个企业的直接消耗系数 , cij ≥ 0 .
为了帮助理解 xi , di , cij 的 含义 及 系统 内外 的相 互关 系 , 我 们
列出表 7 －4 .

表 　 7－4

直接 企业 消 耗 企 业
消耗 外部需求 总产值
系数
企业 　1 2　 … n　
生 1 c11 c12 … c1 n d1 x1
产 2 c21 c22 … c2 n d2 x2
企 … … … … … …
业 n cn1 cn2 … cnn dn xn
7 .3 　 投入产出数学模型 313

　 　 表中编号相同的生产企业和消耗企业是指同一个企业 .如“ 1”
号表示煤矿“
, 2”号表示电厂 , c2 1 表 示煤 矿生产 单位 产值需 要直 接
消耗电厂的产值数 , c22 表示电 厂生 产单 位产值 需要 直接消 耗自 身
的产值数 ( 即厂用电的消耗数 ) , d2 表 示系统外 部对电厂 产值的 需
求量 ( 即 所 需 发 电 量 的 值 ) , x2 表 示 电 厂 的 总 产 值 ( 即 总 发 电 量
的值 ) .
根据上面的假设 , 从第 i 行看 , 第 i 个企业 分配 给系统 内各 企
业生产性消耗的产值数为
ci1 x1 + ci2 x2 + … + ci n x n .
提供给系统外部的产值数 为 d i , 这两 部分 之和就 是第 i 个 企业 的
总产值 x i .于是可得分配平衡方程组
n

xi = ∑c
j =1
ij x j + di , 　 i = 1 , 2 , … , n . (7 .1 8)

记
c11 c1 2 … c1 n x1 d1
c21 c2 2 … c2 n x2 d2
C= , 　x= , 　d= .　
… … … … …
cn1 cn2 … cn n xn dn
(7 .1 9)
称 C 为直接 消耗系 数矩 阵 ; C≥0( 即 cij ≥ 0 ＂ i, j = 1 , 2 , … , n) , 称
之为非负矩阵 ; 称 x 为生产向量 ; x≥0 ( 即 xi ≥ 0 , i = 1 , … , n) , 称之
为非负向量 ; 称 d 为外部需求向量 , d≥0 .于 是 (7 .18 ) 可表 示成 矩
阵形式
x = C x + d, (7 .2 0)
或
( I - C) x = d, (7 .2 1)
(7 .2 0) 或 (7 .2 1) 式是投入产出数学模型之一 .
例 1 　 某经济系统有三个 企业 : 煤 矿、电厂 和铁路 .设 在一 年
内 , 企业之间直接消耗系数及外部对各企业产值需求量如表 7 －5 .
314 第 7 章 　 应用问题

　 　 表 　 7－5
直接 企业 消 耗 企 业
消耗
系数 外部需求 总产值
企业 煤矿 电厂 铁路

生 煤矿 0 0 .65 0 .55 50000 x1

产
电厂 0 .25 0 .05 0 .10 25000 x2
企
业 铁路 0 .25 0 .05 0 0 x3

为使各企业产值与系 统 内外 需求 平衡 , 各企 业一 年 内总 产 值 x1 ,
x2 , x3 应为多少 ?
解 　 根 据已 知 条件 , 直 接消 耗系 数 矩阵 C, 外部 需求 向 量 d,
生产向量 x 分别为
0 0 .6 5 0 .5 5 50000 x1
C= 0 .2 5 0 .0 5 0 .1 0 , d = 25000 , x = x2 .
0 .2 5 0 .0 5 0 0 x3
代入 (7 .2 1) 式 , 得
1 .0 0 - 0 .6 5 - 0 .5 5 x1 50000
- 0 .2 5 0 .9 5 - 0 .1 0 x2 = 25000 ,
- 0 .2 5 - 0 .0 5 1 .0 0 x3 0
其中系数矩阵 I - C 是可逆的 , 且 ( I - C) - 1 > 0, 求解得
x1 756 542 470 50000 120087
1
x2 = 220 690 190 25000 = 56163 .
503
x3 200 170 630 0 28330

7.3 .2　 消耗平衡方 程组

这里考虑系统内各部门 ( 企 业 ) 的 总产值 与新 创造的 价值 ( 净
产值 ) 和内部的生产性消耗之间的平衡 .已知某系统的直接消耗系
数矩阵 Cn × n , 由 C 可知 , 第 j 个企业生产产值 x j , 需要 消耗自身 和
7 .3 　 投入产出数学模型 315

其他企业的产值数 ( 如原材料、运输、能源、设备等方面的生产性消
耗)为
c1 j x j + c2 j x j + … + cnj x j .
如果生产产值 x j 所获得的净产值为 z j , 则
xj = c1 j x j + c2 j x j + … + cnj x j + zj ,
即
n

xj = ∑c
i= 1
ij x j + zj , 　 j = 1 , 2 , … , n . (7 .2 2)

方程组 (7 .2 2) 称为消耗平衡方程组 .( 7 .22 ) 式可写成

n

1 - ∑c i= 1
ij x j = zj , 　 j = 1 , 2 , … , n . (7 .2 3)

记
n n n

D= diag ∑ c ,∑ c
i= 1
i1
i= 1
i2 , … , ∑ ci n ,
i= 1
(7 .2 4)
T
z= ( z1 , z2 , … , zn ) ,
D 称为企业消耗矩 阵 , z 称 为净 产 值向 量 .于是 ( 7 .22 ) , ( 7 .23 ) 式
可分别写成矩阵形式
x = Dx + z, (7 .2 5)
和 ( I - D) x = z . (7 .2 6)
(7 .2 5) 或 (7 .2 6) 式是投入 产出 数学 模型之 二 .它揭 示了经 济系 统
的生产向量 x, 净产值向量 z 与企业消耗矩阵 D 之间的关系 .
由 (7 .1 8) 式和 (7 .2 2) 式可得
n n n n n

∑x
i= 1
i = ∑ ∑c
i= 1 j= 1
ij x j + di = ∑ ∑c
j= 1 i= 1
ij x j + zj ,

即
n n n n n n

∑∑ c
i =1 j =1
ij x j + ∑ di =
i= 1
∑∑ c
j =1 i= 1
ij xj + ∑z,
j =1
j

故
316 第 7 章 　 应用问题

n n

∑d
i= 1
i = ∑z
j =1
j . (7 .2 7)

　 　 (7 .2 7) 式表明 : 系统 外部 对各 企 业产 值的 需求 量总 和 , 等 于
系统内部各企业净产值之总和 .

7.3 .3　 分配和消耗 平衡方程 组的解

在消耗平衡方程组中 , 显然有
x j > 0 , 　 zj > 0 , 　 j = 1 , 2 , … , n . (7 .2 8)
于是由 (7 .2 3) 式可知 , 企业之间的直接消耗系数具有性质
n

∑c
i=1
ij < 1, 　 j = 1, 2, …, n . (7 .2 9)

于是又有
0 ≤ cij < 1 , 　 i, j = 1 , 2 , … , n . (7 .3 0)
n

　 　 因此 I - D = diag (1 - d1 , 1 - d2 , … , 1 - dn ) ( 其中 dj = ∑c
i=1
ij 由

(7 .2 4) 式给 出 , j = 1 , … , n) , 由 1 - d i > 0 ( i = 1 , 2 , … , n) 得 I - D
- 1
可逆 , 且 ( I - D) > 0 .由 (7 .26) 式得
x = ( I - D) - 1 z . (7 .3 1)
　 　 由 (7 .2 9) , ( 7 .30 ) 式 知 , C 的 所 有特 征 值的 模 小 于 1 ( 见 定 理
5 .3) , 所以 I - C 可逆 ( 否则 ,λ= 1 是 C 的 一个 特征 值 ) , 即 分配 平
衡方程组 ( I - C) x = d有解
-1
x = ( I - C) d . (7 .3 2)
k
由 k →lim C = 0( 其证明要用附录中的约当标准形 ) 及等式
+ ∞

( I - C) ( I + C + C 2 + … + C k - 1 ) = I - C k → I 　 ( k → + ∞ )
∞

知 ∑ C 收敛 , 且
i

i= 0
∞

∑C
- 1 i
( I - C) = > 0,
i= 0

即 (7 .3 2) 是平衡方程组的唯一非负解 .
7 .4 　 图的邻接矩阵 317

实际问题中求平衡方程 组的解 一般 采用迭 代法 ( 此法 在计 算

方法课中将详细介绍 ) , 当 n 较小时也可以用高斯消元法 .

7 .4 　 图的邻接矩阵

设 V = { v1 , … , vn }是顶点集 , 称顶点间的有序对 ( vi , vj ) 为弧 ,
以 A 表示弧的集合 , 则称 G = ( V , A) 为图 .如 5 个球队之间的比赛
情况 可 以 由 图 7 .2 表 示 , 其 中 弧
( vi , v j ) 表 示 vi 队 胜于 v j 队 .若两
点之间存在 一条 弧 , 则称 这 两 点相
邻 .称 v1 v2 … vk 为 长为 k - 1 的 路 ,
若其中 任 两 个 顶 点 互 异 , 且 ( vi - 1 ,
vi ) ∈ A( i = 2 , … , k) .如图 7 .2 中的
v4 v5 v1 v2 v3 为长为 4 的 路 .称 v1 为
起点 , vk 为 终 点 , 称 起 终 点 重 合 的 图 　 7 .2

路为回路 , 如图 7 .2 中 v1 , v2 , v5 , v1
是长为 3 的回路 .若 v1 , vk 之间存在一条路 ( 记为 v1 — vk 路 ) , 则称
v1 与 vk 点连通 , 任意两点均连通的图称为连通图 .
一个 图 可 以 用 一 个 矩 阵 来 表 示 .称 M = ( aij ) n× n 为 图 G =
( V , A) 的邻接矩阵 , 若
1, ( vi , vj ) ∈ A ,
aij = (7 .3 3)
0, 否则 .
如图 7 .2 的邻接矩阵为
0 1 1 0 0
0 0 1 1 1
M = 0 0 0 0 0 ,
1 0 1 0 1
1 0 1 0 0
318 第 7 章 　 应用问题

第 i 行的行和表示以 v i 为 起点 的 弧的 数目 , 如 v4 ( 行 和为 3 ) 胜 3
场 ; 第 j 列 的列 和表 示以 v j 为 终点 的弧 数 , 如 v5 ( 列 和为 2 ) 负 2
场 .图 7 .2 中表示的竞赛 , v2 , v4 均胜 3 个队 , 如何判断哪个队为冠
军呢 ? 需要再计算“间 接 胜”的 球 队 .如 甲队 胜 乙 队 , 乙 队 又 胜 丙
队 , 则称甲队间接胜 丙 队 .即 若 vi — vj 之间 存 在长 为 k 的 路 ( k≥
2) 就称 vi 间接胜于 v j .求 vi 到 v j 长为 2 的路的数目 , 即求
n

ai1 a1 j + ai2 a2 j + … + ai n an j = ∑a
k= 1
ik a kj . (7 .3 4)

　 　 定理 7 .8 　 设 M = ( aij ) n× n 为图 G = ( V , A) 的邻接矩阵 , 则 M k
的第 ( i, j ) 元是 vi 到 v j 的长为 k 的路的数目 .
证 　 对 k 归纳 , k = 2 成立 ( 见 (7 .34) ) .
k k
设 M 的第 ( i, j) 元 ( M ) ij 是 v i 到 v j 的长为 k 的路的数目 , 则
k+ 1 k
由 M = M M , 即有
n

∑(M
k+ 1 k
(M ) ij = ) il ( M) lj ,
l= 1

其中 ( M) l j = alj 是 v l 到 v j 的长为 1 的路的 数目 , 所 以和式 中每 项

表示从 vi 到 v l 再从 v l 到 v j 的长为 k + 1 的路的 数目 , 对所有的 l
求和得到从 v i 到 v j 的 长 为 k + 1 的 路 的数 目 .所 以定 理 对 k + 1
成立 . ■
例 1 　 5 个球队的单 循环赛 , 比 赛结 果如图 7 .2 所 示 , 试排 出
5 个球队的名次 .
解 　 若行和最大的是 vi , 则 vi 队胜 , 由于 v2 , v4 同时具有行和
2 2
等于 3 , 所以再计算 M 和 M + M .
0 0 1 1 1 0 1 2 1 1
2 0 2 0 1 2 0 3 1 2
2 2
M = 0 0 0 0 0 , 　 M+ M = 0 0 0 0 0 ,
1 1 2 0 0 2 1 3 0 1
0 1 1 0 0 1 1 2 0 0
7 .4 　 图的邻接矩阵 319

( M + M 2 ) ij 表示 v i 到 v j 的路长≤ 2 的路的数目 , 即 vi 直接和间接

( k = 2) 打败 v j 的场数 .M + M 2 中行和最大的 是第 2 行 ( 为 8 ) , 所
以判 v2 队为冠 军 , 同 理 v4 队 为 亚 军 , v1 , v5 , v3 分 别 为 第 三、四、
五名 .
2
若 M+ M 中 仍 存在 行 和相 等 的若 干 行, 则 再 计算 M +
M 2 + M 3 , 依次类推 .
称矩阵 P = ( p ij ) n × n 为可达到矩阵 , 若
1 , 从 vi 到 v j 存在至少一条路 ,
pi j = (7 .3 5)
0 , 不存在 vi 到 v j 的路 .
由于 vi , vj 中若 存在 路 , 其 路长 必不 超过 n, 因此 , 计 算 Bn = M +
M 2 + … + M n , 将 Bn 中非零元素均 改为 1 即得 到可 达到 矩阵 P,
若 P 是元素全为 1 的矩阵 , 则 G 中任两点连通 , 即 G 为连通图 .
例 2 　 设 4 个 城 市 v1 , v2 , v3 , v4 有
航班如图 7 .3 所示 , 问从 任 一 个 城 市起
飞 , 可否达到其余 3 个城市 ?
解 　 图的邻接矩阵为
0 1 0 0
0 0 1 1
M= .
1 1 0 1 图 　 7 .3
1 0 0 0
2 3 4 2 3 4
计算 M , M , M 和 M + M + M + M = B4 及 P 如下 :
0 0 1 1 2 1 0 1 1 2 1 1
2 1 0 1 1 2 1 1 2 2 2 3
M2 = , M3 = , M4 = ,
1 1 1 1 2 2 1 2 3 3 2 3
0 1 0 0 0 0 1 1 2 1 0 1
320 第 7 章 　 应用问题

3 4 2 3 1 1 1 1
5 5 4 6 1 1 1 1
B4 = , 　 P= .
7 7 4 7 1 1 1 1
3 2 1 2 1 1 1 1
所以 , 图 G 为连通 图 , 从任 一城 市 起飞 可到 达其 余 的城 市 .( B4 ) ij
表示从 v i 到 v j 的航 线数 目 , 如 ( B4 ) 11 = 3 表 示 从 v1 起 航 返 回 v1
有 三 条 航 线 : v1 v2 v4 v1 , v1 v2 v3 v1 , v1 v2 v3 v4 v1 .路 长 为 3 的 两 条
( ( M 3 ) 1 1 = 2) , 路长为 4 的一条 ( ( M 4 ) 11 = 1 ) .

7 .5 　 递推关系式的矩阵解法

利用矩阵对角化的方法 可以解 某些 递推关 系式 .例如 著名 的

斐波那契 ( Fi bonacci) 数列
{ Fn } : 0 , 1 , 1 , 2 , 3 , 5 , 8 , 13 , 21 , 34 , … 满足
Fk+ 2 = Fk+ 1 + Fk 　 ( k = 0 , 1 , 2 , … ) , ①
其中 F0 = 0 , F1 = 1 .
①式是一个差分方程 , 现在我 们用 矩阵 的工具 来 求数 列的 通
项 .根据
Fk+ 2 = Fk+ 1 + Fk
　 　 ( k = 0, 1, 2, …) ,
Fk+ 1 = Fk+ 1
即 αk+ 1 = Aαk 　 　 　 ( k = 0 , 1 , 2 , … ) , ②
其中
1 1 Fk+ 1 F1 1
A= , 　 αk = , 　 α0 = = .
1 0 Fk F0 0
由②式递推可得
αk = Akα0 , 　 k = 1 , 2 , … . ③
于是求 Fk 的问题就归结为求 αk , 也就是求 Ak 的问题 .
7 .5 　 递推关系式的矩阵解法 321

λ- 1 - 1 2
由 |λI - A| = =λ - λ- 1 = 0 , 得 A 的特征值
- 1 λ

1+ 5 1 - 5
λ1 = , 　 λ2 = . ④
2 2
相应于 λ1 ,λ2 的特征向量分别为
x1 = (λ1 , 1 ) T , 　 x2 = (λ2 , 1) T .
取
λ1 λ2
P = ( x1 , x2 ) = ,
1 1

-1 1 1 - λ2
则 P = .
λ1 - λ2 - 1 λ1
- 1
于是就有 P AP = diag(λ1 ,λ2 ) 和

k
λ1k 0 - 1 1 λ1k+ 1 - λ2k+ 1 λ1 λ2k+ 1 - λ2 λ1k+ 1
A = P P = ,
0 λ2k λ1 - λ2 λ1k - λ2k λ1λ2k - λ2 λ1k
k+ 1 k+ 1
Fk+ 1 k 11 λ1 - λ2
= αk = A = . ⑤
Fk 0 λ1 - λ2 λ1k - λ2k

将④式代入⑤式得
k k

Fk = 1 1 + 5 - 1 - 5 . ⑥
5 2 2

对于任何正整数 k, 由⑥ 式 求得 的 Fk 都是 正整 数 , 这 可能 出乎 人
们的预料 , 然而这是准确无误的 .
记
k
1 1 - 5
rk = , ⑦
5 2

则
322 第 7 章 　 应用问题

k
1 1+ 5
+ rk , 　 k = 奇数 ,
5 2
Fk = k
⑧
1 1+ 5 - rk , 　 k = 偶数 .
5 2
1
由于 1 - 5 ≈ 0 .618 < 1 , 所 以 0 < rk < .因 此 由 ⑧ 式可 知 , Fk
2 2
k
1 1+ 5
是等于 所最接近的正整数 .例如 , 当 k = 19 , 20 时 ,
5 2
4180 .999964 , 　 k = 19 ,
k
1 1+ 5
≈
5 2 6765 .000052 , 　 k = 20 ,
得到 F19 = 4181 , F20 = 6765( 利用①式可验算结果是正确的 ) .
k k
当 k 很大时 , |λ2 | ≈ (0 .6 18 ) ｎ 1 , 此时
k+ 1 k
Fk+ 1 / Fk ≈ λ1 / λ1 = λ1 ⑨
≈ 1 .618 ,
或
1
Fk/ Fk+ 1 ≈ = | λ2 | ⑩
λ1
≈ 0 .618 ,
　 　 例 　 某君举步上高楼 , 每跨一次或上一个台阶或上两个台阶 ,
若要上 n 个台阶 , 问有多少种不同的方式 ?
解 　 设登 上 n 个台 阶 的 不 同 方式 数 为 F n , 则 显 然有 F1 = 1
( 即登上一个台阶只有一种方式 ) , F2 = 2 ( 即登 上两 个台阶 有两 种
方式 ) ,
Fn = Fn - 1 + Fn - 2 , 　 n = 3 , 4 , … . 1
( 因为在登 上 n 个 台 阶的 所 有 方 式 中 , 跨 第 一 步 只 有 两 种 可 能 :
( i ) 第一步 跨 一 个 台 阶 , 后 面 登 n - 1 个 台 阶 的 方 式 有 Fn - 1 个 ;
( ii ) 第一步跨二个台阶 , 后面登 n - 2 个台阶的方式有 Fn - 2 个 ) .
这里再定义 F0 = 1 , 即 α0 = ( F1 , F0 ) T = ( 1 , 1 ) T , 则 1 式 也 可
7 .6 　 矩阵在求解常系数线性微分方程组中的应用 323

表示为②式 , 同样得到
αk = Akα0 , 　 k = 1 , 2 , 3 , … .
　 　 此时上台阶的方式数 Fn 为 ( n 从 0 开始 ) : 1 , 1 , 2 , 3 , 5 , 8 , 13 ,
21 , 34 , … , 它 也 是 斐 波 那 契 数 列 .所 不 同 的 是 , 前 面 的 F1 = 1 ,
F2 = 1 , F3 = 2 , F4 = 3 , … , 而这里的 F1 = 1 , F2 = 2 , F3 = 3 , … .
如果某君住二 层楼 上 ( 共有 18 个 台阶 ) , 则 上 楼的 方 式 共 有
F18 = 4181 种 ( 相当于 前面 的 F19 ) .因此 , 如 果 某 君每 天 以一 种 方
式上楼 , 那么他可以在 11 .45 年内 , 每天都以不同的方式上楼 .

7 .6 　 矩阵在求解常系数线性微分
方程组中的应用

7.6 .1　 矩阵函数的 微分与积 分( 简 介)

　 　 设 A( t) = ( ai j ( t) ) m × n , 若 A 的每个元素 a i j ( t) ( t→ t0 或 t→∞ )
的极限存在 , 则称 A( t) 的极限存在 , 且
lim A( t) = ( lim ai j ( t) ) m× n .
若 ai j ( t) 可微 ( i = 1 , … , m; j = 1 , … , t) , 则称 A( t) 可微 , 且
d A( t) = d ai j ( t)
.
dt dt m× n

若每一元素 ai j ( t) 在[ t1 , t2 ]上可积 , 则称 A( t) 在[ t1 , t2 ]上可积 , 且

t t

∫ A( t) d t = ∫ a
2 2
ij ( t) d t .
t t m× n
1 1

对收敛的级数也有相同形式的表达式和收敛性 .如由
x x2 xn
e = 1+ x+ +…+ + …,
2! n!
有
A 1 2 1 n
e = I + A+ A +…+ A + …, (7 .3 6)
2! n!
324 第 7 章 　 应用问题

1 1
及 et A = I + t A + ( t A )2 + … + ( t A) n + … , (7 .3 7)
2 n!
d tA 2 1 n- 1 n
(e ) = A + t A + … + t A + …,
dt ( n - 1) !
即
d tA tA
( e ) = Ae . (7 .3 8)
dt
A tA
这里矩阵指数函数 e , e 的定义及其导数与微积分中 有关内容 是
类似的 .

7.6 .2　 一阶线性常 系数微分 方程组的矩 阵解法

将常系数线性微分方程组
d u1
= a1 1 u1 + a12 u2 + … + a1 n u n ,
dt
d u2
= a2 1 u1 + a22 u2 + … + a2 n u n ,
dt (7 .3 9)
……………………………………
d un
= an1 u1 + an2 u2 + … + an n un .
dt
写成矩阵形式为
du = Au, (7 .4 0)
dt
其中 u= ( u1 , u2 , … , un ) T , A = ( aij ) n× n 为系 数矩阵 .令 ( 7 .40 ) 式 的
解为
λt
u = e x, (7 .4 1)
T λt T
即 ( u1 , … , un ) = e ( x1 , x2 , … , xn ) .
　 　 将 (7 .4 1) 式代入 (7 .4 0) 式得
λt λt λt
λe x = Ae x = e Ax,
化简得 Ax= λx, 即 ( 7 .41 ) 式 中 λ为 A 的 特征 值 , x 为 λ对 应的 特
征向 量 , 若 A 可 对 角 化 , 则 存 在 n 个 线 性 无 关 的 特 征 向 量 x1 ,
7 .6 　 矩阵在求解常系数线性微分方程组中的应用 325

x2 , … , xn .于是得到 ( 7 .40 ) 式的 n 个线性无关的特解

λ t λ t λt
u1 = e 1 x1 , 　 u2 = e 2 x2 , … , 　 un = e n xn .
它们的线性组合
u = c1 eλ1 t x1 + c2 eλ2 t x2 + … + cn eλnt xn (7 .4 2)
( 其中 c1 , c2 , … , cn 为任意常数 ) 为 ( 7 .39 ) 式的一般解 , 将 ( 7 .42 ) 式
改写成矩阵形式
eλ1 t c1
eλ2 t c2
u = ( x1 , x2 , … , xn ) ,
ｗ …
λt
en cn
T tΛ λ t λ t λt
记 c= ( c1 , c2 , … , cn ) , e = diag( e 1 , e 2 , … , e n ) , P = ( x1 , x2 , … ,
xn ) , 则 (7 .3 9) 式或 (7 .4 0) 式有一般解
u = Pe tΛ c . (7 .4 3)
对于初值问题
du
= A u,
dt (7 .4 4)
u | t = 0 = u0 .
解为
tΛ - 1
u = Pe P u0 , (7 .4 5)
- 1
因为 t = 0 代入 (7 .4 3) 式得 c= P u0 .
例 1 　 如 图 7 .4 所 示 电 阻、电 容 线 路 图 , 已 知 R1 = 3 , R2 =
2( 单位为 Ω) , C1 = 1 , C2 = 2( 单位为 F ) , 开关合上时 , 容器 C1 上 初
始电压为 11 V , 右边闭合回路的初始电流和 C2 上的初始电压全为
0 .试求 : 开 关闭合后 两个电容 器上的 电压 u1 和 u2 与时间 t 的 函
数关系 , 即求 u1 ( t) 和 u2 ( t) .
解 　 由物理学的知识可知 , 电容器两端电流与电压的关系为
d u1 d u1 d u2 d u2
i1 = C1 = , 　 i2 = C2 = 2 .
dt dt dt dt
326 第 7 章 　 应用问题

图 　 7 .4

根据基尔霍夫定律 , 容易列出两个回路的电压方程
d u1 d u2
u1 + 3 - 2 = 0,
dt dt
d u2 d u2 d u1
u2 + 4 +3 2 - = 0 .
dt dt dt
把它化成一阶线性常系数齐次微分方程组的标准形式
d u1 5 1
= - u1 - u2 ,
dt 6 2
①
d u2 1 1 1 2
= - u - u .
dt 4 4
初始条件为 u1 (0 ) = 11 , 　 u2 ( 0) = 0 . ②
　 　 以矩阵表示① , ②即得
du
= Au,
dt ③
T
u | t= 0 = u0 = (11 , 0) ,
其中
- 5/ 6 - 1/ 2
A= .
- 1/ 4 - 1/ 4
　 　 先 求 特 征 值 和 特 征 向 量 .由 | λI - A | = 0 , 得 λ1 = - 1 ,λ2 =
- 1/ 12 , 对应的特征向量为 x1 = ( 3 , 1) T , x2 = (2 , - 3 ) T ,
tΛ - t - t/ 1 2
e = diag( e , e ) , 　 P = ( x1 , x2 ) .
由 (7 .4 5) 式得初值问题③的解为
7 .6 　 矩阵在求解常系数线性微分方程组中的应用 327

u = Pet Λ P- 1 u0 ,
即
- t
u1 3 2 e 0 - 1 - 3 - 2 11
= - t/ 1 2
,
u2 1 - 3 0 e 11 - 1 3 0
- t - t/ 1 2
u1 9e + 2e
= - t - t/ 1 2
u2 3e - 3e
为所求解 .
例 2 　 解线性常系数微分方程组
d x1
= x1 + x2 ,
dt
d x2
= - 4 x1 + 5 x2 ,
dt
d x3
= x1 + 2 x3 .
dt
已知初始值为 : x1 ( 0) = 1 , x2 (0 ) = - 1 , x3 ( 0) = 2 .
解 　 本题的初值问题为
dx
= A x,
dt
T
x(0 ) = x0 = ( 1 , - 1 , 2 ) ,
其中
1 1 0
A= - 4 5 0 .
1 0 2
　 　 利用 附录 B 中提 供的 方法 , 可得 A 的约 当标 准形 , 即 有可 逆
矩阵
0 1 2
P= 0 2 5 ,
1 1 1
使
328 第 7 章 　 应用问题

2 0 0
- 1
P AP = J = 0 3 1 .
0 0 3
　 　 根据 (7 .4 5) 式 , 该初值问题的解为
x = Pe t J P - 1 x0 , ①
其中
tJ ( t J) 2 ( t J) n
e = I + tJ + +…+ + …, ②
2! n!
n n
2 0 0 2 0 0
n n n -1 1
J = 0 3 1 = 0 3 3 Cn . ③
0 0 3 0 0 3n
将③式代入②式 , 得
e2 t 0 0
et J = 0 e3 t te3 t . ④
0 0 e3 t
再将④式及 P, P- 1 , x0 代入①式 , 得
2t
x1 ( t) 0 1 2 e 0 0 - 3 1 1 1
x= x2 ( t) = 0 2 5 0 e3 t te3 t 5 - 2 0 - 1
x3 ( t) 1 1 1 0 0 e3 t - 2 1 0 2
3t
(1 - 3 t) e
3t
= ( - 1 - 6 t) e .
2t 3t
- 2e + ( 4 - 3 t) e

7 .7 　 不相容方程组的最小二乘解

非齐次线性方程组
m

∑a
j =1
ij x j = bi 　 ( i = 1 , 2 , … , n) , (7 .4 6)
7 .7 　 不相容方程组的最小二乘解 329

或 An× m x = b .
当 r ( A, b) ≠ r( A) 时 称为 不相 容线性 方 程组 , 在 通常 意 义下 无解 ,
即对任意的 xm× 1 , 均有 Ax≠ b, 因此‖ Ax - b‖ > 0, 其中‖ Ax - b‖
表示 n 维向量 Ax - b 的 模 .现 在 , 我 们要 求 找 x, 使 得 ‖ Ax - b‖
达到最小 , 或使
n m
2
‖b - A x‖ = ∑ ∑ ai j x j
2
bi -
i=1 j= 1

达到最小 , 并称这样的 x 为不相容 线性 方程组 ( 7 .46 ) 的最 小二 乘

解 .为求最小二乘解 , 我们先给出有关向量在子空间上的投影和向
量到子空间的垂直距离的概念 .
定义 7 .3 　 设 α,β∈R n , 称 d(α,β) = ‖α- β‖为 α与 β之 间
的距离 .若 α= ( a1 , a2 , … , an ) T ,β= ( b1 , b2 , … , bn ) T , 则
d(α,β) = ‖α - β‖
2 2 2
= ( a1 - b1 ) + ( a2 - b2 ) + … + ( an - bn ) . 　 ( 7 .47 )
　 　 读者不难证明 , 这样定义的距离 , 满足三条基本性质 :
( i ) d(α,β) = d(β,α) .
( ii ) d(α,β) ≥0 , 等号成立当且仅当 α=β. (7 .4 8)
( iii ) d(α,β) ≤ d(α,γ) + d(γ,β) ( 三角不等式 ) .
n n
定义 7 .4 　 设 α∈ R , W 为 R 的 子 空 间 , 若 β∈ W , 且 (α -
β) ⊥ W , 则称 β为 α在 W 上 的投影 .记作 (α) W = β, 称‖α - β‖ 为
α到 W 的垂直距离 .
定义 7 .4 在三维几 何空 间 中的 几何 意义 如 图 7 .5 , 图 7 .6 所
3
示 ( 图中 W1 是R 的一维子空间 , W2 是二维子空间 ) .
向量在子空间上的投影 是唯 一的 .这是 因为 , 如果 β1 ,β2 是 α
在子空间 W 上 的 两个 投影 , 则 (α - β1 ) ⊥ W , (α- β2 ) ⊥ W , 因此 ,
对于任意的 γ∈ W , 有 (α- β1 ,γ) = (α- β2 ,γ) = 0 , 于是
(β1 ,γ) = (β2 ,γ) ,
即
330 第 7 章 　 应用问题

(β1 - β2 ,γ) = 0 .
　 　 由于上式对任意的 γ∈ W 都 成立 , 所 以 β1 = β2 ( 如 果 β1 ≠β2 ,
上式对于 γ= β1 - β2 ∈ W , 就不成立 ) .

图 　 7 .5 图 　 7 .6

设 An× s = (α1 ,α2 , … ,αs ) , R( A) = L (α1 ,α2 , … , αs ) 为 A 的 列

空间 , 显然
s

β∈ R( A) β= ∑ xα
i= 1
i i = Ax .

　 　 定理 7 .9 　 设 b∈ R n , b 在 R ( A) 上的 投影 ( b) R( A) = Ax＊ , 则
＊ T T
x 是线性方程组 A Ax = A b 的解 .
证 　 由 于 ( b - Ax＊ ) ⊥ R ( A) , 所 以 对 R ( A) 中 的 任 意 向 量
＊
β= Ax, 有 ( b - Ax ) ⊥ Ax, 即
＊
( Ax, b - Ax ) = 0 ,
即 ( Ax) T ( b - Ax ＊ ) = xT AT ( b - Ax ＊ ) = 0 .
T ＊ ＊ T T
由 x 的任意性 , 有 A ( b - Ax ) = 0 , 即 x 是 A Ax = A b 的解 . ■
我们把线性方程组
T T
A A x = A b, (7 .4 9)
称为正规方程 .
定理 7 .10 　 ( i) 若 r( An × s ) = s, 则 (7 .4 9) 式有唯一解 .
( ii ) 若 r ( A) < s, 则 (7 .49) 式有无穷多解 .
证 　 ( i ) AT A 是 s 阶 矩阵 , 根 据 r ( AT A) = r ( A) = s( 见第 3 .4
7 .7 　 不相容方程组的最小二乘解 331

节例 4) , 所以正规方程有唯一解 , 且解为
x＊ = ( AT A) - 1 AT b . (7 .5 0)
　 　 ( ii ) 只需证明 : r ( AT A, AT b) = r( AT A) ( 留作练习 ) . ■
推论 　 若 r ( A) = s, 则
( b) R( A) = A x ＊ = A( AT A) - 1 AT b = Pb, (7 .5 1)
其中
T -1 T
P = A( A A) A
称为投影矩阵 , P 满足 :
2 T
( i ) P = P( P 是幂等矩阵 ) ; ( ii ) P = P( P 是对称矩阵 ) .
( 证明留作练习 ) .
定理 7 .11 　 当 r( An × s ) = s 时 , 不相容线性方程组 Ax = b 的最
＊ ＊ T - 1 T
小二乘解 x 是正规方程 ( 7 .49 ) 的解 , 即 x = ( A A) A b.
＊ s
证 　 最小二乘解 x 满足 : 对一切 x∈R ,
＊
‖ b - A x ‖ ≤ ‖ b - A x‖ . (7 .5 2)
＊ ＊ ＊
由于 Ax , Ax∈ R( A) , 当 Ax = ( b) R( A) 时 , 即 ( b - Ax ) ⊥ R( A) ,
＊
‖ b - Ax ‖是 b 到 R ( A) 的垂直距离 , 满足 (7 .5 2) 式 , 由定理 7 .9 ,
x＊ 是正规方程的解 . ■
例 　 弹簧在 弹 性 限 度 内 的 伸 长 x 与 所 受 的 拉 力 y 满 足 关
系式
y = a+ bx . ①
试由下列数据 , 确定弹性系数 b .

x i/ cm 2 .6 3 .0 3 .5 4 .3
yi/ N 0 1 2 3

　 　 解 　 将表格数据代入①式得
a + 2 .6 b = 0 ,
a + 3 .0 b = 1 ,
②
a + 3 .5 b = 2 ,
a + 4 .3 b = 3 .
332 第 7 章 　 应用问题

记作 Ax = y,
1 2 .6 0
1 3 .0 a 1
其中 A= , 　 x= , 　y= .
1 3 .5 b 2
1 4 .3 3
　 　 ②式是不相容线性方程组 , 其最小二乘解为
　 　 　 x＊ = ( AT A) - 1 AT y, ③
1 2 .6
T
1　 1　 1　 1　 1 3 .0
其中 A A=
2 .6 3 .0 3 .5 4 .3 1 3 .5
1 4 .3
4 13 .4
= .
13 .4 46 .5
1 　 46 .5 - 13 .4 6
( AT A) - 1 = , 　 AT y = .
6 .4 4 - 13 .4 　4 22 .9
代入③式得
＊
a0 - 4 .326
x = = .
b0 1 .739
所以弹簧的弹性系数 b = b0 = 1 .739 牛顿/ 厘米 .
欲将实验获得的一批数据 ( xi , yi ) ( i = 1 , 2 , … , n) 拟合 于一 条
曲线 , 以求得 x, y 之间 的一 个函 数 y = f ( x ) , 常 采用 最 小二 乘 解
法 , 一般步骤如下 :
( i ) 将实验数据点 ( xi , yi ) , i = 1 , 2 , … , n, 逐 个描 在坐标 纸上 ,
根据点的 分布 状 况 , 判 断 x, y 间 的 函 数 类型 .例 如 : 图 7 .7 的 情
况 , 可将实验数据点拟合于一条直线 y = a + bx; 图 7 .8 的 情况 , 可
拟合于一条三次曲线 y = a + bx + cx2 + d x3 .
( ii) 将实验数据代入 选定 的函 数 关系 , 得 到一 个 非齐 次线 性
方程组 .例如 , 选 y = f ( x ) 是 m 次多项式
7 .7 　 不相容方程组的最小二乘解 333

y = a0 + a1 x + a2 x2 + … + am x m ,

图 　 7 .7 图 　 7 .8

代入实验数据 ( xi , yi ) ( i = 1 , 2 , … , n) 得线性方程组
Ax = y, (7 .5 3)
1 x1 x21 … x1m a0 y1
2 m
1 x2 x2 … x2 a1 y2
其中 A = , 　 x= , 　y= .
… … … … … …
2 m
1 xn xn … xn am yn
通常 nｍ m, 且 ( 7 .53 ) 式 是不相 容线 性方程 组 .但是 , 可 以证 明 , 只
要 x1 , x2 , … , xn 互异 , 就有 r( A) = m, 因此线性方程组 (7 .5 3) 的最
小二乘解为
x＊ = ( a0 , a1 , … , am ) T = ( AT A) - 1 AT y,
所得的曲线方程 y = a0 + a1 x + … + am x m 在工 程技 术中通 常称 为
经验公式 .这个经验公式是在假定了函数类型的情况下 , 用最小二
乘法求得的 , 至于这个假 定是 否符合 实验 点所 反映的 客观 数量 关
系 , 用这个经验公式推测一般情况 下某个 x 值 对应 的 y 值 是否 可
靠 , 则要用数理统计的方法做进一步的研究 .
用最小二乘法对实验数据配曲线 , 函数类型是不易确定的 , 实
际问题的函数类型是多种多样的 , 并不局限于直线和多项式曲线 .
有时将实 验 数 据 点 ( xi , yi ) , i = 1 , 2 , … , n 描 出 来 后 , 不 易 判 断
y = f ( x ) 的函数形式 , 但是 , 如 果把 这 n 个 点描 在 对数 坐 标 纸上 ,
334 第 7 章 　 应用问题

即令
＊ ＊
x = lg x , y = lg y,
则 n 个 点 ( xi＊ , y i＊ ) 的 分 布 成 直 线
( 如图 7 .9 ) , 这时 , 可 用最小 二乘 法
将 n 个点 ( xi＊ , y i＊ ) 拟合于直线
y ＊ = a + bx ＊ ,
即 lg y = a + blg x .
再令 a = lg c, 从而求得
b
y = cx .
图 　 7 .9
这就是 n 个点 ( xi , y i ) 所 拟 合 的 最
小二乘曲线 .

习题 　 补充题 　 答案

习题

　 　 1 . 设 一 群动 物 分 成两 个 年 龄组 , 每 个年 龄 组 的 区间 长 度 为 1 年 , 其
Leslie 矩阵为
1 1/ 5
L= .
1/ 2 0
若起始时第 1 , 2 年龄组动物头 数分别 为 100 和 10 , 问 : 5 年 内两个 年龄组 的
动物每年各递增多少 ? 动物总数递增多少 ? 并求过了整 5 年 , 两组动物 的分
布比例 .
　 　 2 . 设一群动物分成 4 个年龄组 , 最大年龄为 8 岁 , 已知 : 生育率 a1 = 0 ,
a2 = 20/ 9 , a3 = 15/ 32 , a4 = 0 ;存 活率 b1 = 9/ 10 , b2 = 8/ 9 , b3 = 7/ 8; 开 始时 , 各
组动物头数均为 100 .问 : 8 年内 , 每隔两年各年龄组动物 和 4 组动物总 数分
别递增( 减 )多少 ? 并求 4 组动物的分布比例 .
　 　 3 . 求下列 Leslie 矩阵的特征值及严格优 势特征 值 , 并 求相应 于严格 优
势特征值的特征向量 .
习题 　 补充题 　 答案 335

5 5 75
0 0 0
4 4 64
4 4
( 1) 0 0 ; 　 　 　 　 　 (2 ) 0 0 ;
5 5
3 3
0 0 0 0
4 4
20 15
0 0
9 32 1 13 1
9 6 32 4
0 0 0
10 2
( 3) ; (4 ) 0 0 .
8 3
0 0 0
9 1
0 0
7 4
0 0 0
8
4 . 设动物群的每个年龄组 的年 龄区 间长度 为 1 年 , 其 Leslie 矩 阵为 上
题的( 2) , (3 ) , ( 4) .问 :
( 1) k 年以后 ( k 充分大 ) , 动物 总数每 年递增 多少 ? 各年龄 组动 物各 占
总数百分之几 ? 此时的年龄分布状况与起始分布有无关系 ?
( 2) 对于上题 (3) 中的 L 矩阵 , 已 知起始年龄 分布向 量 x( 0) = ( 100 , 100 ,
100 , 100) T , 试求 x( 1) , x( 2) , x(3 ) , x(4 ) , 并计算每年递增百分之几 ?
5 . 对第 3 题中的 L 矩阵 , 求净再生率 R .
6 . 证明: 人口增长过程充 分久以 后 , ( 1 ) 人口总 数增 加当且 仅当 净再 生
率 R > 1 ; (2 )人口总数减少当且仅当净再生率 R < 1 .
7 . 某班男女生在节日互赠贺卡 , 初始每位女生 互赠贺卡 , 男生不参 加赠
卡 .以后每次节日女生收到来自女生和男生赠的贺卡各占 70 % 和 30 % , 男生
收到来自男生和女生的贺卡各占 80% 和 20% .问经过 n 次节日 , 男女生 收到
贺卡的概率为多少 ( n = 1 , 2 , … , 5 , 及 n→∞ ) ?
8 . 某借书卡可从 3 家图书馆出借图 书 .读者 借书初 始概率 向量 x( 0 ) =
(0 , 1 , 0 ) T , 转移概率为
0 .8 0 .3 0 .2
P= 0 .1 0 .2 0 .6 ,
0 .1 0 .5 0 .2
问 n 次借阅 ( n = 1 , 2 , … , 5 , n→∞ ) 后 , 该卡从每家图书馆借阅的概率为多少 ?
336 第 7 章 　 应用问题

9 . 设 P 是 m 阶概率转移矩阵 , 若 P 的每行行和都等于 1( 称每行行和与

每列列和均为 1 的非负矩阵为双随机矩阵 ) , 问它的稳定概率向量是什么 ?
10 . 有 m 个城市 s1 , … , sm , si 在时刻 t ( t = 0 , 1 , … , n)空 气污染的浓 度为
xi ( t) , 从 t 到 t + 1 其 sj 的污染物扩散到 s i 的比例为 p i j ( 0≤ pij ≤1) , 扩 散到
s1 , … , sr ( r = m - 3) 的污染物被吸收 , sm - 2 , sm - 1 , sm 的概率转移矩阵为
1/ 3 1/ 3 0
P2 = 0 1/ 3 2/ 3 .
1/ 3 1/ 3 1/ 3
求污染物从第 j 个 ( j = m - 2 , m - 1 , m) 城市出发 被某个城市 sk ( k = 1 , … , r)
吸收的平均转移次数等于多少 ?
11 . 下 列 直 接 消 耗 矩 阵 C, 矩 阵 I - C 是 否 可 逆 ( 检 查 是 否 满 足 条 件
(7 .29) ) ?
0 .70 0 .30 0 .25
0 .8 0 .1
( 1) ; 　 ( 2) 0 .10 0 .25 0 .25 ;
0 .3 0 .6
0 .15 0 .05 0 .25
0 .7 0 .3 0 .2
( 3) 0 .1 0 .4 0 .3 .
0 .2 0 .4 0 .1
12 . 由土建师、电气师和机械师 3 人组成一个技术 服务社 .他们商定 , 每
人收入 1 元需他人提供的服务数为 “
: 电”、
“ 机”给“土”的分 别为 0 .1 元 , 0 .3
元“
; 土”、
“ 机”给“电”的 分别 为 0 .2 元 , 0 .4 元 “
; 土 ”、
“ 电 ”给“机”的分 别 为
0 .3 元 , 0 .4 元 .各人不必为 自 己提 供服 务 数 .如在 一 段时 间内 “
, 土 ”、
“ 电 ”、
“机”3 人为外部服务的收入分别为 500 元、700 元、600 元 , 问 这段时 间内 , 每
人实际收入各是多少元 ?
13 . 已知由 3 个企业组成的某经济系统 , 在一个生产周 期内的直接 消耗
系数矩阵 C 及系统外部需求向量 d 为
0 .2 0 .1 0 .2 75
C= 0 .1 0 .2 0 .2 , 　 d = 120 .
0 .1 0 .1 0 .1 225
　 　 ( 1) 求各企业的总产值 x1 , x2 , x3 ;
( 2) 求各企业消耗其他 (包括自身 ) 企业的产值数 x ij ( 即第 j 个企业消耗
习题 　 补充题 　 答案 337

第 i 个企业的产值数 , i, j = 1 , 2 , 3) , 及各企业的净产值 zj ( j = 1 , 2 , 3) .
14 . 一个包括 3 个 部门 的经 济 系统 , 已 知计 划 报告 期直 接 消 耗系 数 矩
阵为
0 .20 0 .20 0 .3125
C= 0 .14 0 .15 0 .25 .
0 .16 0 .50 0 .1875
　 　 ( 1) 如外部需求向量 d= (60 , 55 , 120) T , 求各部门总产值 .
( 2) 如外部需求向量 d= (70 , 55 , 120) T , 求各部门总产值 .
15 . 5 个 城市 之间 的 铁路 线 连接 以邻 接 矩阵 M 表示 , 已 知 a12 = a24 =
a31 = a45 = a51 = 1 其余的 aij 为 零 , 试画 出图 .问 任何 两城 市之间 可否 经铁 路
连通 ?
16 . 5 支足球队的锦标赛 , 每两队 只赛一 次 , 结 果为 : A 胜 B , C, D; B 胜
C , E; C 胜 D , E; D 胜 B ; E 胜 A , D .
( 1) 画出比赛结果图; 给出邻接矩阵 M;
( 2) 评出 5 支球队的名次 .
17 . 年初一对小兔( 一雌一雄) 一个月长大 , 至第二月就 繁殖出一雌 一雄
的一对小兔 , 以后凡成熟一对就繁殖出 雄雌一 对小兔 , 问一 年半后 共有多 少
对兔子 ?
18 . 一只蜜蜂自蜂房 A 爬到第 n 号蜂房 , 每次都从一个蜂房爬向右侧邻
近的蜂房而不会逆行 (向左 ) .问有多少种不同的爬行方式 ?

题 18 图

19 . 用矩阵方法解递归关系式 :
un = un - 1 + 2 un - 2 , 　 u1 = 0 , 　 u2 = 1 .
1 1 3 5 11
　 　 20 . 设数列 { ak } : 0 , , , , , , …从第 三个数起 , 每个数是 前两
2 4 8 16 32
338 第 7 章 　 应用问题

个数的平均值 , 即

ak+ 2 = 1 ( ak+1 + ak ) , 　 k = 0 , 1 , 2 , … ,
2
1
且 a0 = 0 , a1 = , 试求 ak , 并求 ak 的极限值 .
2
21 . 解一阶线性常系数齐次微分方程组的初值问题

du 1 0 2 1
= Au,
( 1) dt 　 A= 0 1 2 , 　 u0 = 0 .
u( 0) = u0 . 2 2 - 1 0
( 2) 方程同 (1) , 其中
0 0 4 1 1
0 0 1 4 0
A= , 　 u(0 ) = .
4 1 0 0 1
1 4 0 0 0
　 　 22 . 求下列线性微分方程组的一般解 :
d x1 d x1
= 3 x1 + 2 x2 + 4 x3 , = x1 + 3 x2 ,
dt dt
d x2 d x2
( 1) = 2 x1 　 　 + 2 x3 , 　 ( 2) = 3 x1 + 4 x2 - x3 ,
dt dt
d x3 d x3
= 4 x1 + 2 x2 + 3 x3 . = - x2 + x3 .
dt dt
23 . 求线性方程组 Ax = b 的最小 二乘解 , 并求 向量 b 在 矩阵 A 的列 空
间 R ( A) 上的投影向量和 b 到 R ( A) 的距离 .
1 2 1
( 1) A = 1 - 1 , 　 b= 2 .
0 1 - 1
1 1 -1 0
- 1 - 2 1 0
( 2) A = , 　 b= .
0 1 -1 0
0 0 1 1
24 . 设
习题 　 补充题 　 答案 339

1 0 0 0 1
1 1 0 0 2
α1 = , 　 α2 = , 　 α3 = , 　 α4 = ,　b= .
1 1 1 0 2
1 1 1 1 0
　 　 求: (1 ) b 在 L (α1 ,α2 ) 上的投影向量和 b 到 L (α1 ,α2 )的距离 ;
( 2) b 在 L (α2 ,α3 ,α4 ) 上的投影向量和 b 到 L (α2 ,α3 ,α4 )的距离 .
25 . 证明 :投影矩 阵 P = A( AT A) -1
A T 是 幂 等 的 对 称 矩 阵 , 即 P 2 = P,
PT = P .
＊
26 . 设
1 x1 x21 … x1m
1 x2 x22 … x2m
A= ,
… … … …
1 xn x 2n … xnm
证明: 当 n > m 时 , 秩 A = m + 1 的 充要条 件是 x1 , x2 , … , x n 中至 少有 m + 1
个互不相同 .
27 . 求拟合于 3 个点 ( 0 , 0 ) , ( 1 , 2) , (2 , 7) 的最小二乘直线 .
28 . 求拟合于 4 个点 ( 0 , 1 ) , ( 2 , 0) , (3 , 1) , ( 3 , 2 )的最小二乘直线 .
29 . 用最小二乘法 , 将 4 个点( 2 , 0 ) , (3 , - 10) , ( 5 , - 48) , (6 , - 76) 拟 合
于二次多项式曲线 .
30 . 用最小二乘法将 5 个点 ( - 1 , - 14 ) , ( 0 , - 5 ) , (2 , - 22 ) , ( 1 , - 4 ) ,
(2 , 1) 拟合于三次多项式曲线 .
31 . 某商店在某年的前 5 个月的营业额曲线为 二次多项式 曲线 , 已 知前
5 个月的营业额为 4 .0 , 4 .4 , 5 .2 , 6 .4 和 8 .0 万 元 .试用 最小二乘法 求营业 额
曲线 , 并估计 12 月份的营业额 .
32 . 由牛顿第二定 律可 得到 , 物 体 在地 球 表面 附近 垂 直下 落 的运 动 方
程为
1 2
s = s0 + v0 t + gt ,
2
利用这个方程 , 通过实验测定 g , 已知实验数据为 :
340 第 7 章 　 应用问题

t/ s 0 .1 0 .2 0 .3 0 .4 0 .5
s/ f t - 0 .18 0 .31 1 .03 2 .48 3 .73

试用最小二乘法求 g 的近似值 .

补充题

　 　 33 . 生物的外部表征由体 内两个 基因 ( A, a) 组 成的 基因 对 A A , A a, aa
所确定 .例如 3 种基因对确定某种花的 3 种颜色 .常染色体的遗传是 , 母 体双
方各自的两个基因等可能地遗传给后代一个 .因此母体基因型与后代基因型
的关系如下表 :

母体 (双方 )基因型
A A - A A A A - A a A A - aa A a - A a A a - aa aa - aa
后 1 1
AA 1 0 0 0
代 2 4
1 1 1
基 Aa 0 1 0
2 2 2
因 1 1
型 aa 0 0 0 1
4 2

例如第四列表示 : 母体皆 为 A a 型时 , 其后代 为 A A , A a , aa 型的 可能 性分 别

1 1 1
为 , , .
4 2 4
( 1) 设某植物有 3 种基因型 , 如果它们总是都与 A a 型结合进行繁殖 , 问
繁殖到第 n 代时 , 3 种基因型植物占总数的百 分数 an , bn , cn 各为多 少 ? 并求
其极限值 .(假定繁殖开始时的初始分布为 a0 , b0 , c0 , 且 a0 + b0 + c0 = 1 .)
( 2) 在 (1 )中的植物 , 如果初始 时都与 A A 型 结合 , 第一 代都与 A a 型 结
合 , 第二代又都与 A A 型结合 , 如此交替下去 , 求 an , bn , cn 及其极限值 .

答案

　 　 7 . x1 = ( 0 .3 , 0 .7 ) T , x2 = ( 0 .45 , 0 .55 ) T , x5 = ( 0 .581 , 0 .419 ) T , xn =

(0 .6 , 0 .4 ) T , ( n≥11 ) .
1
　 　 8 . x1 = (0 .3 , 0 .2 , 0 .5) T , x5 = ( 0 .533 , 0 .240 , 0 .227) T , xn = 61 ( 34 , 14 ,
习题 　 补充题 　 答案 341

13) T . 　 9 . 1/ m . 　 10 . y= ( ym - 2 , ym - 1 , ym ) = ( 9 , 15 , 27/ 2) .
15 . 可逆矩阵 P 中 p i3 = 0 ; pi1 = 0 , ( i≠3) 其余为 1 .
16 . A, E, B , C, D . 　 17 . 第 18 个月有 2584 对 . 　 18 . Fn .
1
19 . un = (2 n + ( - 1) n - 1 ) .
3
23 . (1 ) ( - 9/ 11 , 5/ 11) T ; (1 , 4 , - 1) T ; 2 .

( 2) (0 , 1/ 2 , 3/ 4 ) T ; ( - 1 , 1 , - 1 , 1 ) T ; 3 .

24 . (1 ) ( 5 , 9 , 9 , 9) T ; 195 . 　 ( 2) (0 , 4 , 6 , 6 ) T ; 57 .
26 . 利用范德蒙行列式的结论 .
27 . y = 7 x/ 2 - 1/ 2 . 　 28 . y = x/ 6 + 2/ 3 .
　 附录 A

内积空间　埃尔米特二次型

　 　 在R n 中 , 不仅有 线性 空间 的加 法 和数 量乘 法运 算 , 而 且还 定
义了内积运算 , 使向量 具有几 何度 量性 .向量 的度 量性 质在 分析、
几何等许多问题中是不可缺少的 .因而 , 我们有必要对一般的实数
域和复数域上的线性空间 , 定 义内 积运算 , 使 之成 为内 积空 间 .我
们将在附录 A .1 中讨论实数域上的内积空间 , 在附录 A .3 中讨论
复内积空间 ( 酉空间 ) .

A .1 　 实内积空间 　 欧氏空间

在线性空间的定义中 , 集合是抽象的 , 两种线性运算也是抽象

的 , 运算由性质来约定 .因此 在抽 象的 线性空 间中 , 也 是由 性质 来
约定内积运算 .
定义 1 　 设 V 是实数域R 上 的线 性空间 , 我 们对 V 中 任两 个
向量α,β确定一个实数 (α,β) , 如果它具有以下性质 :
( i ) (α,β) = (β,α) ;
( ii ) ( kα,β) = k(α,β) ;
( iii ) (α+β,γ) = (α,γ) + (β,γ) ;
( iv) (α,α) ≥0 , 等号成立当且仅当α = 0 .
其中α,β,γ∈ V , k∈R , 就称 (α,β) 是α与β的内 积 .在 实数 域上 定
A .1 　 实内积空间 　 欧氏空间 343

义了内积的 V 称为实内积空间 , 有 限维实内 积空间 叫做欧 几里 得

( Euclid) 空间 ( 欧氏空间 ) .
定义中性质 ( i ) 表 明内 积 是 对 称 的 , 因 此 与 ( ii ) , ( iii ) 相 当 的
就有 :
(α, kβ) = ( kβ,α) = k(β,α) = k(α,β) ;
(α,β+ γ) = (β+ γ,α) = (β,α) + (γ,α)
= (α,β) + (α,γ) ,
　 　 在性质 ( ii ) 中取 k = 0 , 就有 (0,β) = 0 .所以线性空间中任何 元
素与零元素的内积都等于零 .
根据内积定 义 的 第 ( iv ) 条 性 质 , 我 们 可 用 内 积 定 义 向 量 的
长度 .
定义 2 　 实数域 R 上的内积空间 V 中向量 α的长度定义为
‖ α‖ = (α,α) .
　 　 例 1 　 两个重要的实内积空间
n
( i ) 在 R 上定义内积为
(α,β) = a1 b1 + a2 b2 + … + an bn , ( 1)
T T
其中α = ( a1 , a2 , … , an ) ,β = ( b1 , b2 , … , bn ) .
n
容易验证 (1 ) 式满 足内 积的 4 条性 质 , R 关于 这 个内 积就 构
n
成 一个 n 维欧氏空间 , 这个内积 称为 R 的 标准内 积 , 此时 , 向 量α
的长度
2 2 2
‖ α‖ = a1 + a2 + … + an .
　 　 ( ii ) 在 区 间 [ a, b] 上一 切 连 续 的 实 值 函 数 构 成 的 线 性 空 间
C[ a, b]上 , ＂ f ( x ) , g( x ) ∈ C[ a, b] , 定义
b

∫ f ( x ) g( x) d x .
( f , g) =
a
( 2)

　 　 (2 ) 式是 f ( x ) 与 g( x ) 的内 积 , 因为 它满足内积的 4 条性质 .
下面验证满足第 ( iii ) 条 .
344 附录 A 　 内积空间 　 埃尔米特二次型

设 f , g, h∈ C[ a, b] , 则
b

( f + g , h) = ∫( f ( x ) +
a
g( x ) ) h( x ) d x
b

∫ [ f ( x ) h( x ) +
= a
g( x) h( x) ] d x
b b

∫ f ( x) h( x) d x +∫ g ( x ) h( x ) d x
=
a a

= ( f , h) + ( g, h) .
这个内积称为 C[ a, b]上的标准内积 .
在R n 中 定义 内积 的方法 不是 唯一的 , 例 如 , 下面 的例 子给 出
R 2 中的另一种内积 .
例 2 　 在R 2 中 , 对任意的α = ( a1 , a2 ) ,β = ( b1 , b2 ) , 定义
(α,β) = a1 b1 - a2 b1 - a1 b2 + 3 a2 b2 , (＊)
容易验证它也满足内积的 4 条性质 , 我们验证第 ( iv ) 条 :
(α,α) = a21 - 2 a1 a2 + 3 a22 = ( a1 - a2 ) 2 + 2 a22 ≥ 0 ,
其等号成立当且仅当 a1 = a2 = 0 , 即α = 0 .
2
故 ( ＊ ) 式也 是 R 的 一 个 内 积 , 此 时 向 量α的 长 度 ‖α‖ =
( a1 - a2 ) 2 + 2 a22 .
1 1
关于这个内积 , 对α = ( 1 , 0) 和β= , ,有
2 2
‖ α‖ = ‖ β‖ = 1 , (α,β) = 0 .
　 　 实内积空间的距离同 R n 标 准内 积所 定义 的距 离 有相 同的 几
何解释 .
定理 1 　 若 V 是一个实内积 空间 , 则对任意的α,β∈ V 和 λ∈
R , 有:
( i ) ‖λα‖ = |λ| ‖α‖ ;
( ii ) | (α,β) | ≤‖α‖‖β‖ ; ( 柯西－施瓦茨不等式 )
( iii ) ‖α + β‖≤‖α‖ + ‖β‖ . 　 ( 三角不等式 )
A .1 　 实内积空间 　 欧氏空间 345

2
证 　 ( i ) ‖λα‖ = (λα,λα ) = λ (α,α) = |λ| (α,α)
= |λ| ‖α‖ .
( ii ) , ( iii) 的证明与正文 4 .2 节中相同结论的证明是一样的 .
把柯西 －施瓦茨不等式 应用 于内 积空 间 C [ a, b] , 可以 得到 以
下不等式
b b 1/ 2 b 1/ 2

∫ f ( x ) g( x) d x ≤ ∫ f ∫g ( x ) d x
2 2
( x) d x .
a a a

　 　 证明了柯西 －施 瓦茨 不 等 式 , 我 们就 可 以 用 内 积定 义 两 个 向
量的夹角 .
定义 3 　 对于 实内 积空 间 V 中 的两 个 非零 向量α,β, 定 义 其
夹角
(α,β)
〈α,β〉 = ar ccos .
‖ α‖‖ β‖
　 　 显然 , 当 且仅 当 (α,β) = 0 时两 个非 零向 量α,β相 互 垂直 .由
于零向量与任何向量的内 积等 于零 , 所以 我们 也说零 向量 与任 何
向量正交 , 于是有下面定义 .
定义 4 　 实内积空间 V 中两个向量α,β, 如果 (α,β) = 0 , 则 称
α与β正交 , 记作α⊥β .
例 3 　 对 C[ - 1 , 1 ]上给定的标准内积 , 证明函数

P1 ( x) = x, 　 　 P2 ( x) = 1 ( 3 x2 - 1)
2
是正交的 , 并求它们的长度 .
证
1 1
1
∫ ∫ (3 x
3
( P1 , P2 ) = P1 ( x) P2 ( x ) d x = - x) d x = 0 .
-1 2 - 1

因此 P1 和 P2 是正交的 .
P1 的长度为
1 1
2
∫ ∫
2 2
‖ P1 ‖ = P1 ( x ) d x = x dx = .
-1 -1 3
346 附录 A 　 内积空间 　 埃尔米特二次型

　 　 P2 的长度为
1
2 .
‖ P2 ‖ = ∫ -1
P2 2 ( x ) d x =
5

A .2 　 度量矩阵和标准正交基

对于一个 n 维实线性空间 V , 要 在其 中确定 内积 (α,β) , 只 要

确定一组基间的内积就行了 .
设{ε1 ,ε2 , … ,εn }是 V 的一组基 , 且
(εi ,εj ) = ai j , 　 i, j = 1 , 2 , … , n . ( 3)
对 V 中任意两个元素 ( 向量 )
α= x1ε1 + x2ε2 + … + xnεn ,
β= y1ε1 + y2ε2 + … + ynεn .
由内积的性质得
(α,β) = ( x1ε1 + x2ε2 + … + xnεn , y1ε1 + y2ε2 + … + ynεn )
n n n n n n

= ∑ ∑ (ε ,ε ) x y
i=1 j =1
i j i j = ∑∑ a
i=1 j =1
ij xi yj = ∑x∑a
i =1
i
j =1
ij yj

y1
n
y2
= ∑
i=1
xi ( ai1 , ai2 , … , ai n )
…
yn
a11 a1 2 … a1 n y1
a21 a2 2 … a2 n y2
= ( x1 , x2 , … , xn ) = xT Ay, ( 4)
… … … …
an1 an2 … ann yn
其中 : x = ( x1 , x2 , … , xn ) T 和 y = ( y1 , y2 , … , yn ) T 分别 是 向量α
和β在基{ε1 ,ε2 , … ,εn }下的坐标向量 ;
A = ( ai j ) n× n = ( (εi ,εj ) ) n× n ( 5)
A .2 　 度量矩阵和标准正交基 347

称为欧氏 空 间 在 基 {ε1 ,ε2 , … ,εn } 下 的 度 量 矩 阵 , 简 称 基 {ε1 ,

ε2 , … ,εn }的度量矩阵 .由于内 积 具有 对称 性 , 所以 度 量矩 阵 A 是
实对称矩阵 .上面的讨论表明 , 知道了欧氏空间一组基的度量矩阵
A, 空间 中任意 两个 元素α与β的内 积 , 就可以 通过 其坐标 向量 按
(4 ) 式 xT Ay 来计算 , 因而度量矩阵完全确定了内积 .
定理 2 　 欧氏空间中两组不同基的度量矩阵是合同的 .
证 　 设基{ε1 ,ε2 , … ,εn } 的度量 矩阵 为 A, 将 (5 ) 式中 的 A 形
式地表示成 以 向 量 ( 不 一 定 是 R n 中 的 向 量 ) 为 元 素 的 矩 阵 的 乘
积,即
ε1
ε2
A= (ε1 ,ε2 , … ,εn ) . ①
…
εn
这里作矩阵乘法时 ,εi 和εj 相乘是指内积 (εi ,εj ) .
设基{η1 ,η2 , … ,ηn }的度量矩阵为
η1
η2
B= (η1 ,η2 , … ,ηn ) . ②
…
ηn
基{ε1 ,ε2 , … ,εn }到基{η1 ,η2 , … ,ηn }的过渡矩阵为 C, 即
(η1 ,η2 , … ,ηn ) = (ε1 ,ε2 , … ,εn ) C . ③
将③式代入②式 , 得到
ε1
ε2
B = CT (ε1 ,ε2 , … ,εn ) C = CT AC , ④
…
εn
故 A 和 B 是合同的 . ■
T T
例 4 　 设 η 1 = ( 1 , 0 , 0 , 0 ) , η2 = ( 1 , 1 , 0 , 0 ) , η 3 =
(1 , 1 , 1 , 0 ) T ,η4 = ( 1 , 1 , 1 , 1) T , 求这一组基的度量矩阵 , 并求
348 附录 A 　 内积空间 　 埃尔米特二次型

α= η1 + η2 + η3 + η4 ,
β= η1 - η2 + η3
在标准内积下的内积 (α,β) .
4
解 　 很 明 显 {η 1 , η2 , η 3 , η 4 } 为 R 的 一 组 基 , 因 此 , 在
基{η1 ,η2 ,η3 ,η4 }下的度量矩阵为
(η1 ,η1 ) (η1 ,η2 ) (η1 ,η3 ) (η1 ,η4 )
(η2 ,η1 ) (η2 ,η2 ) (η2 ,η3 ) (η2 ,η4 )
A=
(η3 ,η1 ) (η3 ,η2 ) (η3 ,η3 ) (η3 ,η4 )
(η4 ,η1 ) (η4 ,η2 ) (η4 ,η3 ) (η4 ,η4 )
1 1 1 1
1 2 2 2
= ,
1 2 3 3
1 2 3 4
1
- 1
故有 (α,β) = ( 1 , 1 , 1 , 1) A = 6 .
1
0
　 　 也可用定理 2 , 设 {ε1 ,ε2 ,ε3 ,ε4 }为自然基 , 则{ε1 ,ε2 ,ε3 ,ε4 } 到
{η1 ,η2 ,η3 ,η4 }的过渡矩阵为
1 1 1 1
0 1 1 1
C= ,
0 0 1 1
0 0 0 1
又已知 自 然 基 的 度 量 矩 阵 为 I, 所 以 基 {η1 , … , η4 } 的 度 量 矩
T T
阵 A = C IC= C C, 如此即得
1 　1
- 1 - 1
(α,β) = ( 1 , 1 , 1 , 1) A = (1 , 1 , 1 , 1 ) CT C = 6 .
1 　1
0 　0
A .2 　 度量矩阵和标准正交基 349

　 　 如果例 4 只求内积 (α,β) , 更简便的方法是由

α= η1 + η2 + η3 + η4 = ( 4 , 3 , 2 , 1) ,
β= η1 - η2 + η3 = ( 1 , 0 , 1 , 0) ,
立即可得 (α,β) = 4 ×1 + 2 ×1 = 6 .
此外 , 根据内积的性质 ( iv ) , 对于 任意的 非零向 量α( 即α在 基
{ε1 ,ε2 , … ,εn }下的坐标向量 x≠0) , 有
T
(α,α) = x Ax > 0 , ( 6)
因此度量矩阵 A 是正定的 .
我们在正文 6 .4 节中讲过 , 正定矩阵一定合同于单位矩阵 , 即
对于正定矩阵 A, 存在可逆矩阵 C, 使得
CT AC = I .
　 　 因此 , 由定理 2 可知 , 欧氏空间中必存在满足关系
(α1 ,α2 , … ,αn ) = (ε1 ,ε2 , … ,εn ) C
的一组基{α1 ,α2 , … ,αn } , 其度量矩阵为单位矩阵 .即
(α1 ,α1 ) (α1 ,α2 ) … (α1 ,αn ) 1
(α2 ,α1 ) (α2 ,α2 ) … (α2 ,αn ) 1
= . ( 7)
… … … ｗ
(αn ,α1 ) (αn ,α2 ) … (αn ,αn ) 1
于是
　
1 , j = i, 　
(αi ,αj ) = i, j = 1 , 2 , … , n . ( 8)
0 , j ≠ i, 　　
　 　 定义 5 　 设α1 ,α2 , … ,αn 是 n 维欧氏空间 V 中的 n 个 向量 , 如
果αi ,αj 满足 ( 8) 式 , 则称{α1 ,α2 , … ,αn }为标准正交基 .
由于标准正交基的 度 量 矩阵 是 单位 矩 阵 , 因 此当 向 量α,β在
标准正交基 下的坐 标向 量为 x 和 y 时 , 其 内积 为 (α,β) = xT y .以
n n
前在R 中定义的内积 , 正是在这 种意义下 的内积 ( 即把 R 中的 向
量自身作为自然标准正交基 {ε1 ,ε2 , … ,εn } 下 的坐 标 向量 ) , 所 以
有时也把它称为标准的内积 .
350 附录 A 　 内积空间 　 埃尔米特二次型

从上面的讨论过程中可知 , 在一般的欧氏空间中 , 一定存在标

准正交基 .至于如何求得一组标准正交基 , 我们仍采用施密特正交
化方法 ( 读者不难证明 , 这个方法也适用于一般的欧氏空间 ) .
例 5 　 在 R [ x ] 3 = { a0 + a1 x + a2 x2 | a0 , a1 , a2 ∈ R } 中 定 义
内积
1

( f , g) = ∫ f ( x ) g( x) d x .
0

试求R [ x] 3 在区间[0 , 1 ]上关于该内积的一组标准正交基 .

解 　 容易验证 f0 = 1 , f1 = x, f2 = x2 是 R [ x] 3 的一 组 基 .用
施密特正交化方法可由这组基求得R [ x] 3 的一组标准正交基 .
先正交化 : 取
1

∫1 d x = 1 ,
2 2
g0 = f0 = 1 , ‖ g0 ‖ = ( g0 , g0 ) = 0

1
( f1 , g0 ) 1 1
g1 = f1 -
( g0 , g0 )
g0 = x -
1 ∫ x・1d x ・ 1 =
0
x -
2
,
1 2 3
1 1 1 1
∫
2 1
‖ g1 ‖ = ( g1 , g1 ) = x - dx = x - 0 = ,
0 2 3 2 12
( f2 , g1 ) ( f2 , g0 )
g2 = f2 - g1 - g0
( g1 , g1 ) ( g0 , g0 )
1 1
1
∫x x - 1 ∫ x ・1d x
2 2 2
= x - 12 x - dx -
2 0 2 0

x - 1 1 1
= x2 - - = x2 - x + ,
2 3 6
1 2
1 1 .
∫
2
‖ g2 ‖ = ( g2 , g2 ) =
2
x - x+ dx =
0 6 180
再单位化 , 得
p0 = g0 / ‖ g0 ‖ = 1 ,
p1 = g1 / ‖ g1 ‖ = 3 ( 2 x - 1) ,
p2 = g2 / ‖ g2 ‖ = 5 ( 6 x2 - 6 x + 1 ) ,
A .3 　 复向量的内积 　 酉空间 351

则 p0 , p1 , p2 是R [ x] 3 的一组标准正交基 .它是R [ x] 3 中关于 ( 2)

式内积的一组标准正交多项式 . ■

A .3 　 复向量的内积 　 酉空间

本节介绍复数域上线性空间的内积和酉空间 .
定义 6 　 设 V 是复 数域C 上的 一个线 性空间 , 我们 对 V 中 任
意两个向量α,β确定一个复数 (α,β) , 如果它具有以下性质 :
( i ) (α,β) = (β,α) ;
( ii ) ( kα,β) = k(α,β) ;
( iii ) (α+β,γ) = (α,γ) + (β,γ) ;
( iv) (α,α) ≥0 , 等号成立当且仅当 α = 0 .
( 其中α,β,γ∈ V , k∈C ) , 就称 (α,β) 为α与β的内积 , 并把这个 复
数域上的线性空间 V 称为酉空间 .
必须注意 , α, kβ ) = ( kβ,α) = k(β,α) = k(α,β) ,
(0,β) = (0 α,β) = 0 (α,β) = 0 .
T T
例 6 　 设列向量α = ( a1 , a2 , … , an ) 和β = ( b1 , b2 , … , bn ) 是
n 维复向量空间C n 中的任两个向量 , 我们定义α,β的运算为
(α,β) = a1 b1 + a2 b2 + … + an bn , ( 9)
则 (9 ) 式所定义的运算为内积 .
-
T
解 　 显然 (α,β) = β α .由 ( 9) 式 , 得
(β,α) = a1 b1 + a2 b2 + … + an bn ,
= b1 a1 + b2 a2 + … + bn a n = (α,β) .
于是性质 ( i ) 成立 .
性质 ( ii ) 和性质 ( iii ) 的 验证 比 较 容易 .这里 再 验证 性 质 ( iv ) ,
因为
(α,α) = a1 a1 + a2 a2 + … + an a n ,
其中 ai a i = | ai | 2 ≥0 , i = 1 , 2 , … , n .所以 (α,α) ≥ 0 , 且 (α,α) = 0 当
352 附录 A 　 内积空间 　 埃尔米特二次型

且仅当 | ai | = 0 , i = 1 , 2 , … , n, 即α = ( a1 , a2 , … , an ) T = 0 .
由性质 ( iv) , 我们可以定义复向量的长度 .
定义 7 　 设α为酉空间 V 中的一个向量 , 则定义α的长度
‖ α‖ = (α,α) .
　 　 以下我们用 | … | 表示复数的模 , ‖…‖表示复向量的长度 ( 或
称范数 ) .
定理 3 　 对于任意两个α,β∈C n , 都有
( i ) | (α,β) | ≤‖α‖‖β‖ ( 柯西－施瓦茨不等式 ) ,
( ii ) ‖α + β‖≤‖α‖ + ‖β‖ ( 三角不等式 ) .
证 　 ( i ) 当β = 0 时 , 柯 西－施 瓦 茨 不 等 式 显 然 成 立 . 当
β≠0 时 , 有
2
(α+ kβ,α+ kβ) = (α,α) + | k | (β,β) + k(β,α) + k(α,β) .
由于式中珔
k(α,β) = k (β,α) = k(β,α) , 又 共轭 复数 之 和等 于其 实
部之和 , 即 z + z = 2 Re z .于是上式可写成
2
(α+ kβ,α+ kβ) = (α,α) + | k | (β,β) + 2 Re{ k(α,β) }
2 2 2
= ‖ α‖ + | k | ‖ β‖ + 2 Re{ k(α,β) }
≥0 . (10)
取
(α,β) ,
k= - 2 ①
‖ β‖
| (α,β) | 2
则 ②
2
| k| = kk = 4 .
‖ β‖
2
(α,β) (α,β) = - | (α,β) |
k(α,β) = - 2 2 . ③
‖ β‖ ‖ β‖
将②、③式代入 ( 10 ) 式 , 即得
2 2 2
‖ α‖ ‖ β‖ ≥ | (α,β) | ,
故 | (α,β) | ≤ ‖ α‖‖ β‖ ,
等号成立 , 当且仅当α + kβ = 0 , 即α,β线性相关 .
( ii ) 在 ( 10 ) 式 中, 取 k = 1 , 利 用 Re { (α, β) } ≤ | (α, β) | ≤
A .4 　 酉矩阵和埃尔米特二次型 353

‖α‖‖β‖, 就得
‖ α+ β‖2 = (α+ β,α+ β)
≤ ‖ α‖2 + ‖ β‖2 + 2 ‖ α‖‖ β‖ ,
故 ‖ α+ β‖ ≤ ‖ α‖ + ‖ β‖ . ■
　 　 根据柯西－施 瓦 茨 不 等 式 , 可 以 给 出 非 零 向 量α,β的 夹 角 的
定义 .
定义 8 　 对于酉空间中的两非零向量α,β定义其夹角〈α,β〉为
(α,β)
〈α,β〉 = ar ccos , 　 　 0 ≤〈α,β〉≤ π .
‖ α‖‖ β‖
当 (α,β) = 0 时 , 称α与β正交或互相垂直 , 记作α⊥β .
当α与β正交时 , 在 (10) 式中取 k = 1 , 即得勾股定理
2 2 2
‖ α+ β‖ = ‖ α‖ + ‖ β‖ .
　 　 有限维酉空间与有限维欧氏空间一样 , 也有基的度量矩阵 ; 也
存在标准正交基 ; 也可用施密特正交化方法 , 由一组基构造一组标
准正交基 .但是要注意 , 基 {ε1 ,ε2 , … ,εn } 的度 量 矩阵 A = ( ai j ) 中
元素满足条件 .
a ji = (εj ,εi ) = (εi ,εj ) = aij , 　 　 i, j = 1 , 2 , … , n .
T
故 珚
A = A. (11)
酉空间的基的度量矩阵 A 称为埃尔米特矩阵 .
此外 , 若α, β在 基 {ε1 , ε2 , … , εn } 下 的 坐 标 向 量 为 x 和
y( x, y∈C n ) , 则
(α,β) = yT Ax, (12)
T
(α,α) = x Ax = ( Ax, x) . (13)
(13) 式称为复变量 x1 , x2 , … , xn 的埃尔米特二次型 .

A .4 　 酉矩阵和埃尔米特二次型

定义 9 　 若 n 阶复矩阵 U 满足条件
T
U U = I, (14)
354 附录 A 　 内积空间 　 埃尔米特二次型

则称 U 为酉矩阵 .
酉矩阵有以下性质 ( 证明留给读者练习 ) :
( i ) 酉矩阵的行列式的模为 1 , 即 | det U | = 1;
- 1 T T
( ii ) U = U , 且 U 仍是酉矩阵 ;
( iii ) 两个酉矩阵的乘积仍是酉矩阵 ;
n
( iv) 酉矩阵的列向量组和行向量组都是C 的标准正交基 .
定义 10 　 若 A = ( ai j ) 为 n 阶埃尔米特矩阵 ( AT = A) , 则
n n

∑∑ a
T
x Ax = ij x i x j , ( aji = aij ) , (15)
i=1 j =1

称为 x1 , x2 , … , xn 的埃尔米特二次型 .
n T
对于任 意的 x∈C , 埃 尔米 特 二 次型 x A x 都 是 实 数 , 这 是
因为
T T T T T T
x Ax = ( x Ax) = x A x = x Ax .
　 　 定理 4 　 埃尔米特 矩阵 A 的 特征 值都 是实 数 , 且 属于 不同 特
征值的特征向量是正交的 .
证 　 设 Ax = λx( x≠0) , 则
T T
x Ax = λx x = λ( x, x) ,
T
x Ax
λ= .
( x, x)
因为 ( x, x) > 0 , xT Ax 为实数 , 所以特征值 λ是实数 .
设 Ax1 = λ1 x1 , Ax2 = λ2 x2 ,λ1 ,λ2 是不同的特征值 ( 实数 ) , 则
T T T
λ1 x2 x1 = x2 Ax1 = ( Ax2 ) x1
T T
= λ2 x2 x1 = λ2 x2 x1 .
由于 λ1 ≠λ2 , 故 x2T x1 = ( x1 , x2 ) = 0 , 即特征向量 x1 与 x2 正交 . ■
定理 5 　 对于任一 个 n 阶埃 尔 米特 矩 阵 A, 一定 存 在酉 矩 阵
U, 使得
-1 T
U AU = U AU = diag (λ1 ,λ2 , … ,λn ) ,
其中 λ1 ,λ2 , … ,λn 是 A 的 n 个特征值 , U 的 n 个列向量是依次对应
习题 　 答案 355

于 λ1 ,λ2 , … ,λn 的标准正交的特征向量 .

定理 5 的证明与正文 5 .3 节定理 5 .12 的证法类似 .
由定理 5 立即可得下面的定理 .
T
定理 6 　 对于任一个埃尔米特二次型 x Ax, 一定 存在酉变 换
x = Uy, 使得
xT Ax = yT ( U T AU) y = λ1 y1 y1 + λ2 y2 y2 + … + λn y n y n .
　 　 在第 5 章中讲过 , 不是任何矩阵都能与对角阵相似 , 有了酉矩
阵的概念 , 可以证明任何矩阵在复数域上都与上三角矩阵相似 ( 定
理 7) .这个结论在实用上也很有意义 .
定理 7 　 对于任 一个实的或复的 n 阶矩阵 , 一定 存在酉矩阵 ,
使得
λ1 ＊ … ＊
- 1
λ2 … ＊
U AU = , (16)
ｗ …
λn
其中上三角矩阵是复矩阵 .
可用数学归纳法证明这个定理 , 与定理 5 的证法基本上一样 .
推论 　 若实矩阵 A 的特征值全为实数 , 则存在正交矩阵 Q, 使
- 1
得 Q AQ 成上三角矩阵 .

习题 　 答案

习题

　 　 1 . 设 A 是一个 n 阶正定矩阵 , 在R n 中对任意两个向量α = ( x1 , x2 , … ,

xn ) T ,β = ( y1 , y2 , … , yn ) T , 定义
(α,β) = αT Aβ .
　 　 (1 ) 证 明在这 个定义 之下 , R n 构成 欧氏空 间 ( 即验证 (α,β) 满足内 积 4
条性质) ;
356 附录 A 　 内积空间 　 埃尔米特二次型

( 2) 求R n 在自然基 {ε1 ,ε2 , … ,εn } 下的度量矩阵 ;

( 3) 写出这个空间的柯西－施瓦茨不等式 .
2 . 设α,β∈R 3 , 以下哪些函数 (α,β) 定义了 R 3 上的一个内积 ?
( 1) (α,β) = a1 b1 + a2 b2 + a3 b3 + 2 a2 b3 - 2 a3 b2 ;
( 2) (α,β) = a1 b1 + a2 b2 + a3 b3 - a2 b3 - a3 b2 ;
( 3) (α,β) = a21 b21 + a22 b22 + a23 b23 ;
( 4) (α,β) = a1 b1 + a3 b3 .
3 . 以下哪些运算定义了 C[ - 1 , 1] 上的一个内积 ?
1
( 1) ( f , g) = ∫ -1
f 2 ( x) g2 ( x) d x ;
1
( 2) ( f , g) =∫ x f ( x ) g( x )d x;
-1

∫ x f ( x) g( x) d x ;
2
( 3) ( f , g) =
-1

1
( 4) ( f , g) = -∫ x f ( x) g( x) d x ;
-1

1
=∫ e f ( x) g( x) d x .
- x
( 5) ( f , g)
-1

4 . 设{ε1 ,ε2 ,ε3 ,ε4 ,ε5 } 是 5 维欧 氏空 间 V 的一 组 标准 正交 基 ; W =

L(α1 ,α2 ,α3 ) , 其中α1 =ε1 + ε5 ,α2 = ε1 - ε2 + ε4 ,α3 = 2ε1 + ε2 + ε3 , 求 W
的一组标准正交基 .
5 . 设{α1 ,α2 , … ,αn }是 n 维欧氏空间 V 的一组标准正交基 .证明:
( 1) 如果γ∈ V , 使 (γ,αi ) = 0 , i = 1 , 2 , … , n, 则γ = 0;
( 2) 如果γ1 , γ2 ∈ V , 使 对 任 意 一 个α∈ V , 有 (γ1 , α) = (γ2 , α) , 则
γ1 = γ2 .
1
6 . 在R [ x] 4 中定义内积 ( f , g) = ∫ -1
f ( x) g( x) d x ;试 求基 {1 , x , x2 , x3 }

的度量矩阵 , 并由这组基构造 R [ x] 4 的一组标准正交基 .

7 . 证明在 R [ x] (全体实系数多项式) 中对任意两个多项式 f ( x) , g( x ) ,
定义了
+∞
( f , g) = ∫ 0
f ( x ) g( x ) e - x d x,

R [ x ] 就 构 成 一 个 欧 氏 空 间 , 并 用 施 密 特 正 交 化 方 法 由 f0 = 1 ,
f1 = x, f 2 = x2 关于这个内积构造 3 个标准正交多项式 .
习题 　 答案 357

8 . 在C n× n 中对任意两个 n 阶复矩 阵 A, B, 定 义 ( A, B) = tr ( ABT ) , 验 证

它满足内积的 4 条性质 .
9 . 证明: 对任何复矩阵 B, A = BBT 是埃尔米特矩阵 .
10 . 证明酉矩阵的 4 条性质 .
11 . 设 U 是 n 阶酉矩阵 , x, y 是 n 维复的列向量 , 证明 ( Ux, Uy) = ( x, y) .
12 . 证明定理 5 . 　 　 13 . 证明定理 7 .
14 . 对下列埃尔米特矩阵 , 求酉矩阵 , 使得 UT AU 为对角阵 :
1 2i 2 3 - 3i
( 1) A = ; (2 ) A = .
- 2i 1 3 + 3i 5
15 . 设 P1 , P2 均是 m 阶矩阵 ,
P1 A
P=
0 P2
是酉矩阵 .证明 : A = 0 , 且 P1 , P2 都是酉矩阵 .

　 　 答案

1 . ( 2) A; (3) | (α,β) | ≤ αT Aα βT Aβ .
2 . ( 1) 满足 ; ( 2) 不满足 ; ( 3) 不满足 ; ( 4) 不满足 .
3 . (1) 不满足 ; (2) 不满足; (3) 满足 ; (4) 不满足 ; (5) 满足 .
1 1 1 2 2 1
4. ε1 + ε5 , ε1 - ε2 + ε4 - ε5 ,
2 2 10 10 10 10
1 1 1 1
ε1 + ε2 + ε3 - ε5 .
2 2 2 2
2
2 0 0
3
2 2
0 0
3 5 2 3 3 1
6. ; , x, 10 x2 - ,
2 2 2 2 4 3
0 0
3 5
2 2
0 0
5 7
5 3
14 x3 - x .
4 5
358 附录 A 　 内积空间 　 埃尔米特二次型

1
7 . 3 个标准正交多项式 : 1 , x - 1 , ( x - 2) 2 .
2 2
1 1
2 2 3 　0
14 . (1 ) ; .
- i i 0 - 1
2 2
i- 1 i- 1
6 3 8 　0
( 2) ; .
- 2 1 0 - 1
6 3
15 . 由定义和分块矩阵的性质证明 .
　 附录 B

约当标准形（简介）

　 　 在第 5 章讲过 , 复数域上的 n 阶矩阵 A 与 对角 矩阵相 似的 充

分必要条件是 A 有 n 个 线性 无关 特征 向量 , 如果 只有 m 个 ( m <
n) 线性无关的特征向量 , 可以证明 A 一定与由 约当 块组成 的约 当
形矩阵相似 .约当形矩阵的定义如下 .
定义 1 　 我们把准对角矩阵
J1
J2
J= ,
ｗ
Js
其中
λi 1
λi ｗ
Ji = , 　 　 i = 1 , 2 , … , s,
ｗ 1
λi
叫做约当 (Jordan) 形矩阵 , Ji 为方阵 , 叫做约当块 .
当 J1 = (λ1 ) , J2 = (λ2 ) , … , Js = (λs ) 都是 一阶 约当 块时 , J 为
对角矩阵 , 所以对角矩阵是约当形的特例 .
A 和约当形矩阵相似 , 即存在可逆矩阵 P, 使得
360 附录 B 　 约当标准形 ( 简介 )

J1
J2
P- 1 AP = J = ,
ｗ
Js
Ji 中的λi 显然是 A 的特征值 , 但当 i≠ j 时 ,λi 和λj 可 能相 等 .然
而 , P 中的列向量却并非都是 A 的特征向量 .
我们把与 A 相似的约当形矩阵称为 A 的约当标准形 .
约当标准形的理论比较复杂 , 我们仅介绍这个理论的要点 ( 不
作证明 ) 和求约当标准形的方法 .
定义 2 　 若矩阵 A= ( aij ) 的 元素 ai j 是 λ的多项 式 , 就称 A 为
λ矩阵 .记作 A(λ) .
例如 A 的特征矩阵λI - A 是一个λ矩阵 .
λ矩阵也可做初等变换 , 它的 3 种初等变换为 :
( i ) 矩阵的某行 ( 列 ) 乘以非零常数 ;
( ii ) 矩阵的某行 ( 列 ) 乘多项式 φ(λ) 加到另一行 ( 列 ) ;
( iii ) 矩阵的两行 ( 列 ) 对换位置 .
定义 3 　 λ矩阵 A (λ) 经初 等变 换化 为 B(λ) , 称 A(λ) 与 B(λ)
是相抵的 , 记作 A(λ) ǖ B(λ) .
定理 1 　 任意一个 n 阶矩阵 A 的特征矩阵 A(λ) =λI - A 都相
抵于一个对角形 λ矩阵 , 即
d1 (λ)
d2 (λ)
　 A(λ) = λI - Aǖ = D(λ) , ( 1)
ｗ
dn (λ)
且
Ak (λ) = Dk (λ) 　 　 ( k = 1 , 2 , … , n) , ( 2)
其中 : ( i) di (λ) ( i = 1 , 2 , … , n) 是 首一多 项式 ( 即 λ的最高 次项 系
数为 1) ;
附录 B 　 约当标准形 ( 简介 ) 361

( ii ) di (λ) | di + 1 (λ) ( 即 di + 1 (λ) = qi (λ) di (λ) , qi (λ) 也是 λ的多

项式 ) i = 1 , 2 , … , n - 1;
( iii ) Ak (λ) 和 Dk (λ) 分 别表 示 A(λ) 和 D(λ) 中 全 部 k 阶子 式
的最高公因式 .
由定理的结论可知 :
Dk (λ) = d1 (λ) d2 (λ) … dk (λ) , 　 k = 1 , 2 , … , n, ( 3)
d1 (λ) = D1 (λ) = A1 (λ) , ( 4)
Ak (λ) = Dk (λ) = Dk - 1 (λ) d k (λ) = A k - 1 (λ) dk (λ) ,
所以 dk (λ) = Ak (λ)/ Ak - 1 (λ) , 　 k = 2 , 3 , … , n . ( 5)
　 　 由此可见 , d1 (λ) , d2 (λ) , … , dn (λ) 是 由 A(λ) = λI - A 唯一 确
定的 , 它们称为 λI - A 的 不变 因子 ( 以后 简称 为 A 的不 变 因子 ) .
由于 An (λ) = |λI - A| = Dn (λ) 是 λ的 n 次多 项式 , 所 以 n 个不 变
因子的次数和等于 n .
例 1 　 求三阶矩阵
a 1 0
J= 0 a 1
0 0 a
的特征矩阵 J(λ) =λI - J 的不变因子 .
解 　 方 法 1: 根 据 ( 4 ) 式 d1 (λ) = A1 (λ) 及 ( 5 ) 式 dk (λ) =
A k (λ)/ Ak - 1 (λ) 求不变因子 .
先把
λ- a - 1 0
J(λ) = λI - J = 0 λ- a - 1
0 0 λ- a
的所有一阶、二阶子式及三阶子式求出来 , 然后容易求得它们的最
高公因式分别为
J1 (λ) = 1 , 　 J2 (λ) = 1 , 　 J3 (λ) = (λ - a) 3 ,
于是得 J(λ) 的不变因子
362 附录 B 　 约当标准形 ( 简介 )

d1 (λ) = J1 (λ) = 1 , 　 　 d2 (λ) = J2 (λ)/ J1 (λ) = 1 ,

d3 (λ) = J3 (λ)/ J2 (λ) = (λ - a) 3 .
　 　 方法 2 : 用初等变换 , 把 J(λ) =λI - J 化成 (1 ) 的形式 ( 下面的
○
i 表示第 i 行 , [ j]表示第 j 列 ) .
λ- a - 1 0
λI - J = 0 λ- a - 1
0 0 λ- a
0 - 1 0
[1 ] + [ 2 ]×(λ- a)
> (λ - a) 2 λ- a - 1
0 0 λ- a
- 1 0 0
② +①× (λ- a) 2
[ 1 ] ＼ [2 ]
> 　0 (λ - a) - 1
　0 0 λ- a

2
- 1 0 0
[ 2 ] + [ 3] ×(λ- a)
> 　0 0 - 1
3
　0 (λ - a) λ- a
- 1 0 0
③ + ②×(λ- a)
> 0 - 1 0
[2 ] ＼ [ 3 ]
0 (λ - a) 3
1 0 0
①×( - 1 )
②×( - 1 )
> 0 1 0 ,
3
0 0 (λ - a)
3
故 J(λ) =λI - J 的不变因子为 1 , 1 , (λ- a) .
由于 n 次多项式在复数域上一定可以分解为 n 个一次因式的
乘积 , 因此 λI - A 的次 数≥ 1 的 不变 因子 都可 以分 解 为若 干个 一
次因式幂 的乘 积 , 这些一 次因 式的 幂称为 λI - A( 或简称 A) 的 初
等因子 .但是 A(λ) 的初等 因子 中 , 同 样的 一次 因式 的 幂可 能重 复
出现 .如例 1 中 J(λ) = λI - J 的初等因子为 (λ- a) 3 .又如当
附录 B 　 约当标准形 ( 简介 ) 363

1
1
λI - Aǖ 1 ( 6)
(λ- 3) 2
(λ+ 1 ) (λ- 3 ) 2
2 2
时 , A 的初等因子为 (λ- 3 ) , (λ- 3 ) , (λ+ 1) .
定理 2 　 A～ B 的充要条件是λI - Aǖ λI - B .( 证明略 )
由于相抵关系具有 传递 性 , 所 以 λI - Aǖ λI - B 的 充要 条 件
是它们有完全相同的不变因子 .有相同的不变因子 , 则必有相同的
初等因子 , 反之亦然 .于是有下面的定理 .
定理 3 　 A～ B 的充 要条件 是λI - A 和λI - B 有 完全 相同 的
初等因子 .
定理 4 　 若 n 阶矩阵 A 的特征矩阵λI - A 的初等因子为
k

(λ - λ1 ) , (λ - λ2 ) , … , (λ - λk ) , 其中 ∑ mi = n 则
m m m
1 2 k

i =1

J1
J2
A～ J = , ( 7)
ｗ
Jk
其中
λi 1
λi ｗ
Ji = , 　 i = 1, 2,…, k .
ｗ 1
λi m 阶
i
m
　 　 证 　 由例 1 可知 ,λI - Ji 的不变 因子为 1 , … , 1 , (λ- λi ) i
,初
等因子为 (λ- λi ) , i = 1 , 2 , … , k, 因 此 λI - J 与λI - A 有 完全 相
m
i

同的初等因子 .根据定理 3 , A 与 J 相似 . ■
由于 λI - A 存在初等因 子 , 且 由 A 唯 一 确定 , 又 A 的 初等 因
364 附录 B 　 约当标准形 ( 简介 )

子的次数和等于 矩阵的 阶数 , 因此 , 由定理 4 可 知 , 任意一个 n 阶

矩阵在复数域上都与一个约当形矩阵相似 .
这里需要做一点说明 : 在约当形矩阵 J 中改变约 当块的排 列
次序 , 不影响 λI - J 的初 等因子 .因 此 , 如果 不考虑 约 当块 的排 列
次序 , 矩阵 A 的约当标准形 J 是唯一的 .
由定理 4 可知 , A 与对角 矩阵 相似的 充要 条件 是 λI - A 的 初
等因子都是一次因式 .
例 2 　 已知
1
1
λI - A ǖ 1 ,
(λ - 3) 2
(λ+ 1) (λ - 3) 2
1
1
λI - B ǖ 1 ,
1
(λ+ 4 ) (λ+ 3 ) 4
试求矩阵 A, B 的约当标准形 .
解 　 由 已 知 条 件 可 知 , λI - A 的 初 等 因 子 为 (λ - 3 ) 2 ,
2 4
(λ- 3 ) , (λ+ 1 ) ;λI - B 的初等因子为 (λ+ 3) , (λ+ 4) .所以

3 1 3 1
0 3 0 3
A～ J = 3 1 或 A～ 　 　 -1
　 　 3 1
0 3
- 1 0 3
附录 B 　 约当标准形 ( 简介 ) 365

-1
3 1
　 　
或 A～ 0 3 .
3 1
0 3

- 3 1 0 0 　 　
0 - 3 1 0
B～ J = 0 0 - 3 1
0 0 0 - 3

- 4

- 4

　 - 3 1 0 　0
或 B～ 0 - 3 1 　0 .
0 0 - 3 　1
0 0 0 - 3

　 　 例3　 求
3 1 0
A= - 4 -1 0
4 -8 - 2
的约当标准形 .
366 附录 B 　 约当标准形 ( 简介 )

　 　解
λ- 3 - 1 0 0 - 1 0
λI - A= λ+ 1 ǖ 2
4 0 (λ - 1) λ+ 1 0
- 4 8 λ+ 2 8λ - 28 8 λ+ 2
0 - 1 0 1 0 0
ǖ ǖ
2 2
(λ - 1 ) 0 0 0 (λ - 1) 0
8λ - 28 0 λ+ 2 0 8λ - 28 λ+ 2
1 0 0
1 0 0
1 2
ǖ 0 (λ- 1) 2 0 ǖ 0 0 (λ+ 2)(λ - 1)
44
0 - 44 λ+ 2
0 - 44 λ+ 2
1 0 0
ǖ 0 1 0 ,
2
0 0 (λ+ 2 ) (λ - 1 )
2
所以 λI - A 的初等因子是λ+ 2 , (λ- 1) , 因此 A 的约当标准形为
- 2 0 0 1 1 　0
0 1 1 　 或 　 0 1 　0 .
0 0 1 0 0 - 2
　 　 例4　 设
1 2 0
A= 0 2 0 ,
-2 -2 1
问 : A 是否与对角矩 阵 相似 ? 若 不 与对 角 矩阵 相 似 , 求 可逆 矩 阵
- 1
P, 使 P AP 为约当标准形 .
解
λ- 1 -2 0
2
|λI - A| = 0 λ- 2 0 = (λ- 1) (λ- 2 ) ,
2 2 λ- 1
附录 B 　 约当标准形 ( 简介 ) 367

A 的特征值为λ1 = 1 ( 二重 ) ,λ2 = 2 .
二重特征值 λ1 = 1 的线性无关的特征向量只有一个 , 即
x1 = ( 0 , 0 , 1) T ,
故 A 不能与对角矩阵相似 .
求 A 的约当标准形 , 可按例 3 或例 1 的解法 , 得
1 1 0
A～ J = 0 1 0 ,
0 0 2
即存在可逆矩阵 P, 使得 P- 1 AP = J .设
P = (ξ1 ,ξ2 ,ξ3 ) ,
则 AP = PJ,
1 1 0
A(ξ1 ,ξ2 ,ξ3 ) = (ξ1 ,ξ2 ,ξ3 ) 0 1 0 ,
0 0 2
于是
Aξ1 =ξ1 ,
Aξ2 =ξ1 +ξ2 ,
Aξ3 = 2 ξ3 ,
其中 : ξ1 是对应于 λ1 = 1 的特征向量 , 即ξ1 = x1 = ( 0 , 0 , 1) T ;ξ3 是
T
A 的对应于λ2 = 2 的特征向量 , 易得ξ3 = ( 2 , 1 , - 6) .
ξ2 不是 A 的特征向量 , 但将ξ1 代入
Aξ2 =ξ1 +ξ2 ,
即
( A - I)ξ2 =ξ1 ,
T
1
便可解得 ξ2 = - ,0 ,0 .
2
因此取
368 附录 B 　 约当标准形 ( 简介 )

1
0 - 2
2
P = (ξ1 ,ξ2 ,ξ3 ) = ,
0 0 1
1 0 - 6
1 1 0
就可使 P- 1 AP = J = 0 1 0 .
0 0 2
由于特征向量ξ1 ,ξ3 的 取法可 以不同 , 从而ξ2 也可 不同 , 故 P
不是唯一的 .
由此例求 P 的方法可知 , 如果 A 的 约当标 准形 由 s 个 约当 块
组成 , 则 A 有 s 个线性无关的特征向量 ; 反之亦然 .但是 , 读者必须
注意 , 我们求得了 A 的 s 个线性无关的特征向量 , 并不能立即写出
它的 s 个约当块 .例如 λi 是 A 的四 重特 征 值 , A 属于 λi 的 线性 无
关的特征向量有两个 , A 的约当标准 形中以 λi 为主 对角元 的约 当
块必有两块 , 但它们可能有两种情况
λi 1 λi
0 λi λi 1 0
　 或 　 ,
λi 1 　　 0 λi 1
0 λi 0 0 λi

当然对于给定的 A, 必是二者之一 .

习题 　 答案

习题

　 　 求下列 1～8 题矩阵的约当标准形 :

1 1 0 3 0 8
　 　1. -4 5 0 .　 　 　 　 2 . 3 -1 6 .
1 0 2 -2 0 - 5
习题 　 答案 369

4 　5 - 2 1 - 1 2
3. -2 -2 1 .　 4. 3 - 3 6 .
-1 -1 1 2 - 2 4
3 　7 - 3 -4 2 10
5. -2 -5 2 .　 6. -4 3 7 .
-4 - 10 3 -3 1 7
3 1 0 0
-4 -1 0 0
7. .
7 1 2 1
-7 -6 - 1 0
0 1 0 … 0 0
0 0 1 … 0 0
8. … … … ｗ … … .
0 0 0 … 0 1
1 0 0 … 0 0
9 . 对下列约当块 Jj , 求 k 次幂 Jki :
λ 1
λ 1 0
λ ｗ
( 1) 0 λ 1 ; 　 (2 ) .
ｗ 1
0 0 λ
λ m阶

10 . 对 1 题 的 矩 阵 A, 求 可 逆 矩 阵 P, 使 得 P- 1 AP 成 为 约 当 标 准 形 ,
并求 Ak .
11 . 设 A为 n 阶幂零矩阵(即存在正整数 k, 使得 Ak = 0) , 试求 det( A - 2 I) .

　 　 答案

1 1 0 0
2 0 0 -1 0 0
0 1 1 0
1. 0 3 1 .　2 . 0 1 1 .　 7 . .
0 0 1 1
0 0 3 0 0 1
0 0 0 1
8 . 特征值为 n 个互不相同的单位根 , 故相似于对角阵 .
370 附录 B 　 约当标准形 ( 简介 )

k( k - 1 ) k - 2
λk kλk - 1 λ
2
9 . ( 1) .
0 λk kλk - 1
0 0 λk
λk C1kλk - 1 … 1 0 … 0
λk ｗ ｗ ｗ ｗ …
ｗ ｗ ｗ ｗ 0
( 2) k < m - 1 时 , ｗ ｗ ｗ 1 .
ｗ ｗ …
λk kλk - 1
λk
λk C1kλk - 1 … C km - 1 ・1
0 λk … C km - 2λ
k= m - 1 时, .
… … ｗ …
0 0 … λk
λk C1kλk - 1 C km - 1λk - m+ 1
…
0 λk … C km - 2λk - m+ 2

k> m - 1 时, .
… … ｗ …
0 0 … λk
0 1 2 2 0 0
10 . P = 0 2 5 ; 　 J= 0 3 1 .
1 1 1 0 0 3
Ak
5(5・3 k - 2・ k3 k - 1 ) - 4・3 k - 2・3 k + k・3 k - 1 + 2・3 k 0
k k- 1 k k k-1 k
= 2(5・3 - 2 k3 ) - 10・3 2( - 2・3 + k・3 + 5・3 0 .
- 3・2 k + 5・3 k - 2・ k・3 k - 1 - 2・3 k 2 k - 2・3 k + k・3 k - 1 + 3 k 2k
11 . ( - 2 ) n
 　 附录 C

历年硕士研究生入学考试中
线性代数试题汇编

1　 行列式

1 . 设 A= (α,γ2 , γ3 , γ4 ) , B = (β,γ2 ,γ3 ,γ4 ) , 其 中α,β,

γ2 ,γ3 ,γ4 为 4 维列向量 , 已知 | A| = 4 , | B| = 1 , 求 | A + B| .
2 . 习题 1 －27 ( 表示第 1 章习题 27 , 下同 ) .
m× n n× m
3 . 设 A∈ R , B∈R , 则下列命题必成立的是 ( 　 　 ) .
① 若 m > n, 则 | AB| ≠0; 　 　 ② 若 m > n, 则 | AB| = 0 ;
③ 若 n > m, 则 | AB| ≠0; 　 　 ④ 若 n > m, 则 | AB| = 0 .
4.设
x - 2 x - 1 x - 2 x - 3
2x - 2 2x - 1 2x - 2 2x - 3
f ( x) = ,
3x - 3 3x - 2 4x - 5 3x - 5
4x 4x - 3 5x - 7 4x - 3
则方程 f ( x) = 0 的根的个数为 ( 　 　 ) .
① 1 个; 　 　 ② 2 个; 　 　 ③ 3 个; 　 　 ④ 4 个 .
＊ - 1
5 . 设 A, B 均为 n 阶矩阵 , | A| = 2 , | B| = - 3 , 求 | 2 A B | .
T T n
6 . 设α = ( 1 , 0 , - 1) , A= αα , 计算 | aI - A | , 其中 I 为三 阶
372 附录 C 　 历年硕士研究生入学考试中线性代数试题汇编

单位矩阵 , a 为常数 , n 为正整数 .

7 . 设 4 阶矩阵 A～ B, A 的特征值为 2 , 3 , 4 , 5 , 计算 | B - I| .
8 . 设行列式
3 0 4 0
2 2 2 2
D = ,
0 - 7 0 0
5 3 - 2 2
则第四行各元素余子式之和的值为 .

2　 矩阵

1 . 给定 A, 且 A - 2 I 可逆 , 已知 AB= A + 2 B, 求 B .
＊
2 . 设 n 阶矩阵 A 的行列式 | A| = a≠0 , 求 | A | .
3 . 已 知 AP = PB, B 为 对 角 阵 , P 为 下 三 角 可 逆 矩 阵 , 求
5
A, A .
3 0 0
4.设 A= 1 4 0 ,
0 0 3
- 1
求 ( A - 2 I) .
5 2 0 0
2 1 0 0
5.设 A= ,
0 0 1 -2
0 0 1 1
求 A - 1
.
1 -1 0 0 2 1 3 4
0 1 - 1 0 0 2 1 3
6 . 设 　 B= , 　 C= ,
0 0 1 -1 0 0 2 1
0 0 0 1 0 0 0 2
- 1 T T
且 A 满足 A( I - C B) C = I, 试化简方程 , 并求 A .
附录 C 　 历年硕士研究生入学考试中线性代数试题汇编 373

7 . 设 A, B, C 均为 n 阶矩阵 , 且 ABC= I , 则必有 ( 　 　 ) .

① ACB= I; 　 ② CBA = I; 　 ③ BAC= I; 　 ④ BCA = I .
2
8 . 设 A, B 为三阶矩阵 , 且 AB + I = A + B, 其中
1 0 1
A= 0 2 0 ,
- 1 0 1
求 B.
a1 b1 a1 b2 … a1 bn
a2 b1 a2 b2 … a2 bn
9.设 A= ,
… … …
an b1 an b2 … an bn
其中 ai bi ≠0 , i = 1 , 2 , … , n, 求 r( A) .
1 1 T n
10 . 设α = (1 , 2 , 3 ) ,β = 1 , , , A= α β, 计算 A .
2 3
＊ T
11 . A 为 n 阶非零矩阵 , 当 A = A 时 , 证明 | A| ≠0 ( 编者注 :
此题 中 的 A 应 为 实 矩 阵 .如 果 元 素 为 复 数 的 复 矩 阵 , 结 论 将
不成立 ) .
提示 : 由 A＊ A = AT A = | A| I, 只要证明 AT A≠0 , 就有 | A| ≠0
( 因为若 | A| = 0 , 则 AT A = 0) .
T T
证明时, 设 A = (α1 ,α2 , …,αn ) , 则 A A = (αi αj ) n× n , 由于 A =
n

( aij ) n× n ≠0 , 所以存在 ai j ≠ 0 , 即 ｖ αj ≠ 0, 从而α αj = ∑a

T 2
j ij =
i= 1

| αj | 2 ≠ 0 , 故 AT A ≠ 0 .
1/ 3 0 0
12 . 设 A= 0 1/ 4 0 ,
0 0 1/ 7
- 1
且 A BA = 6 A + BA, 求 B .
374 附录 C 　 历年硕士研究生入学考试中线性代数试题汇编

1 1 -1
13 . 设 A= 0 1 1 ,
0 0 -1
2
且 A - AB = I , 求 B .
1 2 -3 - 2 1 2 0 1
0 1 2 - 3 0 1 2 0
14 . 设 　 B = , 　 C= ,
0 0 1 2 0 0 1 2
0 0 0 1 0 0 0 1
- 1 T - 1
且 (2 I - C B) A = C ,求 A.
1 1 -1
15 . 设 A= -1 1 1 ,
1 -1 1
求矩阵 X, 使之满足 A＊ X = A- 1 + 2 X .
＊
16 . 设 A = diag( 1 , - 2 , 1) , 且 A BA = 2 BA - 8 I, 求 B .
1 0 0 0
＊
0 1 0 0
17 . 设 A = ,
1 0 1 0
0 -3 0 8
- 1 - 1
且 ABA = BA + 3 I, 求 B .
1 0 0 0
- 2 3 0 0
18 . 设 A= ,
0 -4 5 0
0 0 - 6 7
- 1 - 1
且 B= ( I + A) ( I - A) , 求 ( I + B) .
提示 : 由 ( I + A) B = I - A ( I + A) ( B + I) = 2 I .
a11 a12 a13
19 . 设 A= a21 a22 a23 ,
a31 a32 a33
附录 C 　 历年硕士研究生入学考试中线性代数试题汇编 375

a21 a22 a23

B= a11 a12 a13 ,
a3 1 + a1 1 a3 2 + a1 2 a3 3 + a13
0 1 0 1 0 0
P1 = 1 0 0 , 　 P2 = 0 1 0 .
0 0 1 1 0 1
则必有 ( 　 　 ) .
① AP1 P2 = B; 　 　 　 　 ② AP2 P1 = B;
③ P1 P2 A = B; 　 　 　 　 ④ P2 P1 A = B .
4 ×3
20 . 设 　 A = R , r( A) = 2 ,
1 0 2
B= 0 2 0 ,
-1 0 3
则 r ( AB) = .
＊
21 . A 为 n 阶矩阵 ( n≥ 3 ) , k 为 常数 ( k≠ 0 , ± 1 ) , 则 ( kA ) =
(　 　) .
＊ n- 1 ＊ n ＊ - 1 ＊
① kA ; 　 　 ② k A ; 　 　③ k A ; 　 　④ k A .
提示 : 令 B = kA, 讨论 B＊ 与 A＊ 之间的关系 .答案为② .
22 . 设 A 为 n 阶 可 逆 矩 阵 , A 的 第 i, j 行 对 换 后 得 B .试 :
① 证明 B 可逆 ; ② 求 AB - 1 .
23 . 设 A = I - ξ
ξT ( 其中ξ是 n 维非零列向量 ) , 证明 :
2 T
① A = A 的充要条件是ξ ξ = 1;
② 当ξT ξ = 1 时 , A 不可逆 .
2
提示 : ② 由 A = A 得 ( A - I) A= 0 .再根据 r( A - I) + r( A) ≤ n,
T
r( A - I) = r ( - ξ
ξ ) = 1 , 得 r ( A) ≤ n - 1 , 所以 A 不可逆 .
24 . 设 A, B 为 n 阶矩 阵 , A＊ , B＊ 分别 为 A, B 对 应 的伴 随 矩
A　0 ＊
阵 .分块矩阵 C= , 则 C 的伴随矩阵 C = .
0　 B
376 附录 C 　 历年硕士研究生入学考试中线性代数试题汇编

＊ ＊
| A| A 0 | B| B 0
( A) ＊
; 　 　 　 (B) ＊
;
0 | B| B 0 | A| A
| A| B＊ 0 | B| A＊ 0
( C) ; ( D) .
0 | B| A＊ 0 | A| B＊
25 . 设矩阵
k 1 1 1
1 k 1 1
A= ,
1 1 k 1
1 1 1 k
且秩 ( A) = 3 , 则 k = .
26 . 设
a11 a1 2 a1 3 a1 4 a1 4 a1 3 a12 a11
a21 a2 2 a2 3 a2 4 a2 4 a2 3 a22 a21
A= , 　 B= ,
a31 a3 2 a3 3 a3 4 a3 4 a3 3 a32 a31
a41 a4 2 a4 3 a4 4 a4 4 a4 3 a42 a41
0 0 0 1 1 0 0 0
0 1 0 0 0 0 1 0
P1 = , P2 = ,
0 0 1 0 0 1 0 0
1 0 0 0 0 0 0 1
其中 A 可逆 , 则 B - 1 等于 .
P1 P2 ; 　 　 　 　 ( B) P1 A - 1 P2 ;
- 1
( A) A
- 1 - 1
( C) P1 P2 A ; 　 ( D ) P2 A P1 .
27 . 已知 A, B 为三阶矩阵 , 且满 足 2 A - 1 B = B - 4 I, 其 中 I 是
三阶单位矩阵 .
(1 ) 证明 : 矩阵 A - 2 I 可逆 ;
1 -2 0
(2 ) 若 B = 1 2 0 , 求矩阵 A .
0 0 2
附录 C 　 历年硕士研究生入学考试中线性代数试题汇编 377

3　 线性方程组

1 . n 维向量α1 ,α2 , … ,αs ( s≥3 ) 线性无关的充要条件是什么 ?

提示 : 作 A = (α1 ,α2 , … ,αs ) n× s , 用 Ax = 0 的解回答 .
2 . 设 4 阶矩阵 A 的行列式 | A| = 0 , 则 A 中必有 ( 　 　 ) .
① A 的列向量线性相关 , 且任意 3 个列向量也线性相关 ;
② A 的 4 个列向量两两线性相关 ;
③ A 中必有一个列向量是其余列向量的线性组合 ;
④ A 中 任意 3 个 行向 量线 性无 关, 但 其 4 个行 向量 线 性
相关 .
3 . 已知α1 ,α2 ,α3 ,α4 线性无关 , 则 ( 　 　 ) .
① α1 +α2 ,α2 +α3 ,α3 + α4 ,α4 + α1 也线性无关 ;
② α1 - α2 ,α2 - α3 ,α3 - α4 ,α4 - α1 也线性无关 ;
③ α1 +α2 ,α2 +α3 ,α3 + α4 ,α4 - α1 也线性无关 ;
④ α1 +α2 ,α2 +α3 ,α3 - α4 ,α4 - α1 也线性无关 .
4 . 设α1 = (1 , 0 , 2 , 3 ) ,α2 = ( 1 , 1 , 3 , 5) ,α3 = ( 1 , - 1 , a + 2 , 1 ) ,
α4 = ( 1 , 2 , 4 , a + 8 ) ,β = ( 1 , 1 , b + 3 , 5 ) .试问 :
① a, b 为何值时 ,β不能由α1 ,α2 ,α3 ,α4 线性表示 ;
② a, b 为何值时 ,β可由α1 ,α2 ,α3 ,α4 唯一地线性表示 .
T T T
5 .设α1 = (1 , 4 , 0 , 2 ) ,α2 = (2 , 7 , 1 , 3 ) ,α3 = ( 0 , 1 , - 1 , a) ,
T
β = ( 3 , 10 , b, 4 ) , 试讨论 :
① a, b 取何值时 ,β不能由α1 ,α2 ,α3 线性表示 ;
② a, b 取何值时 ,β可用α1 ,α2 ,α3 线性表示 , 并写出表示式 .
T T
6 . 设α1 = (1 , 1 , 1 , 3 ) ,α2 = ( - 1 , - 3 , 5 , 1 ) ,α3 = ( 3 , 2 , - 1 ,
T T
p + 2 ) ,α4 = ( - 2 , - 6 , 10 , p) , 试求 :
T
① p 为何值时 ,α1 ,α2 ,α3 ,α4 线性无关 , 并将α = ( 4 , 1 , 6 , 10 )
用它们线性表示 .
② p 为何 值 时 , α1 , α2 , α3 , α4 线 性 相 关 , 并 求 一 个 极 大 无
378 附录 C 　 历年硕士研究生入学考试中线性代数试题汇编

关组 .
7 . 设β可由{α1 , … ,αm } 线性 表 示 , 记 ( Ⅰ ) : {α1 , … ,αm - 1 } ,
( Ⅱ ) : {α1 , … ,αm - 1 ,β} , 若β不能由 ( Ⅰ ) 线性表示 , 则 ( 　 　 ) .
① αm 不能由 ( Ⅰ ) 表示 , 也不能由 ( Ⅱ ) 表示 ;
② αm 不能由 ( Ⅰ ) 表示 , 但可由 ( Ⅱ ) 表示 ;
③ αm 可由 ( Ⅰ ) 表示 , 也可由 ( Ⅱ ) 表示 ;
④ αm 可由 ( Ⅰ ) 表示 , 但不可由 ( Ⅱ ) 表示 .
n
8 . 设αi ,βi ∈ F , 若α1 , … ,αm ( m < n) 线 性 无 关 , 则β1 , … ,
βm 线性无关的充要条件为 ( 　 　 ) .
① {α1 , … ,αm }可由{β1 , … ,βm }线性表示 ;
② {β1 , … ,βm }可由{α1 , … ,αm }线性表示 ;
③ {α1 , … ,αm }与 {β1 , … ,βm } 等价 ;
④ 矩阵 A= (α1 , … ,αm ) ǖ B= (β1 , … ,βm ) .
9 . 设α1 = (1 , 2 , 3 , 4) ,α2 = ( 2 , 3 , 4 , 5 ) ,α3 = ( 3 , 4 , 5 , 6 ) ,α4 =
(4 , 5 , 6 , 7 ) , 求秩{α1 ,α2 ,α3 ,α4 } = ?
10 . 设α1 = ( 1 , 2 , - 1 , 1 ) , α2 = ( 2 , 0 , t, 0 ) ,α3 = ( 0 , - 4 ,
5 , - 2) , 若秩{α1 ,α2 ,α3 } = 2 , 则 t = .
11 . 习题 3 －49 . 　 　 　 　 　 　 12 . 习题 3 －46 .
13 . 习题 3 －52 .
14 . 已知α1 ,α2 ,α3 是 Ax = b 的 3 个解 ( A∈ R 4 × 4 ) , r ( A) = 3 .
T T
α1 = ( 1 , 2 , 3 , 4) ,α2 +α3 = (0 , 1 , 2 , 3 ) , c 为任 意 常 数 , 则 A x = b
的通解 x = .
T T
① α1 + c( 1 , 1 , 1 , 1) ; 　 　 　 　 ② α1 + c(0 , 1 , 2 , 3 ) ;
T T
③ α1 + c( 2 , 3 , 4 , 5) ; 　 　 　 　 ④ α1 + c(1 , 3 , 5 , 7 ) .
15 . 设β1 = ( 0 , 1 , - 1) ,β2 = ( a, 2 , 1 ) ,β3 = ( b, 1 , 0 ) T ;α1 =
T T

(1 , 2 , - 3 ) T ,α2 = (3 , 0 , 1 ) T ,α3 = ( 9 , 6 , - 7 ) T .已 知 : 秩 {β1 ,β2 ,

β3 } = 秩 {α1 ,α2 ,α3 }且β3 可由α1 ,α2 ,α3 线性表示 .试求 : a, b .
16 . 设α1 = ( a, 2 , 10 ) T ,α2 = ( - 2 , 1 , 5 ) T ,α3 = ( - 1 , 1 , 4 ) T ,
附录 C 　 历年硕士研究生入学考试中线性代数试题汇编 379

β = ( 1 , b, c) T , 问 : a, b, c 满足什么条件时 , ① β可用α1 ,α2 ,α3 线 性

表示 , 且表示方式唯一 ; ② β不能 用α1 ,α2 ,α3 表示 ; ③ β可 用α1 ,
α2 ,α3 表示 , 但表示方式不唯一 , 并写出一般表示式 .
17 . 习题 3 －45 .
m× n
18 . 设 A∈R , n < m, 证 明 : 若 AB = I, 则 B 的
n× m
, B∈ R
列向量组线性无关 .
19 . 设非 齐次线 性方 程组 Ax = b 的 增广 矩阵 ( A, b) 如 下 , 问
其中参数 ( a, b,λ等 ) 取何值时 , 方程无解 , 有 唯一 解 , 有无穷 多解 ?
当有无穷多解时 , 求其一般解 .
1 1 1 1 0
1 0 1 λ
0 1 2 2 1
　 　 (1 ) ; 　 ( 2) 4 1 1 λ+ 2 ;
0 -1 a-3 - 2 b
6 1 4 2λ+ 3
2 2 1 a -1
1 3 2 4 1 2 λ -1 1
　 　 (3 ) 0 1 a - a - 1 ; 　 (4 ) λ - 1 1 2 ;
1 2 0 3 3 4 5 -5 - 1
1 2 1 1
　 　 (5 ) 2 3 a+ 2 3 .
1 a - 2 0
20 . 习题 3 －38 . 　 　 21 . 习题 3 －39 .
22 . 习题 3 －40 . 　 　 23 . 习题 3 －50 .
T T
24 . 若ξ1 = ( 1 , 0 , 2 ) ,ξ2 = ( 0 , 1 , - 1 ) 是齐次线性方程组
Ax = 0 的解 , 则系数矩阵 A 为 ( 　 　 ) .
2 0 -1
① ( - 2 ,1 ,1) ; 　 　 　 　 ② .
0 1 1
1 1 0 0 5
25 . 设 A= 1 1 -1 0 0 ,
0 0 1 1 1
 380 附录 C 　 历年硕士研究生入学考试中线性代数试题汇编

求齐次线性方程组 Ax = 0 的基础解系 .
26 . 设 A = ( aij ) 是 n× ( 2 n) 矩阵 , 已知 Ax = 0 的基础解 系为 :
ξ1 = ( b11 , b12 , … , b1 , 2 n ) T , ξ2 = ( b21 , b22 , … , b2 , 2 n ) T , … , ξn =
T
( bn1 , bn2 , … , bn, 2 n ) , 试求齐次线性方程组 By = 0, 即
b1 1 y1 + b1 2 y2 + … + b1 n y n + … + b1 , 2 n y2 n = 0 ,
……………………………………………………
bn1 y1 + bn2 y2 + … + bnn y n + … + bn , 2 n y 2 n = 0 .
的通解 , 并说明理由 .
27 . 习题 3 －51 .
1 1 1
28 . 设 A= a b c ,
2 2 2
a b c
① a, b, c 满足什么关系时 , Ax = 0 只有零解 ;
② a, b, c 满足什么关系时 , Ax = 0 有无穷多解 , 并用基础解系
表示通解 .
2
λ 1 λ
29 . 设 A= 1 λ 1 ,
1 1 λ
已知存在三阶矩阵 B≠0 , 使 AB = 0, 则必有 ( 　 　 ) .
① λ= - 2 , | B| = 0; 　 　 　 　 ② λ= - 2 , | B| ≠0;
③ λ= 1 , | B| = 0; ④ λ= | B| ≠0 .
1 2 -2
30 . 设 A= 4 t 3 ,
3 -1 1
已知存在三阶非零矩阵 B, 使 AB = 0 , 则 t = .
a1 b1 c1
31 . 设 A= a2 b2 c2
a3 b3 c3
附录 C 　 历年硕士研究生入学考试中线性代数试题汇编 381

是满秩矩阵 , 直线 L1 , L2 的方程分别为
x - a3 y - b3 z - c3 x - a1 y - b1 z - c1
= = ;　 = = .
a1 - a2 b1 - b2 c1 - c2 a2 - a3 b2 - b3 c2 - c3
则直线 L1 与 L2 必是 ( 　 　 ) .
① 交于一点 ; 　 ② 重合 ; 　 ③ 平行而不重合 ;
④ 两条异面直线 .
32 . 设 A∈ Mn ( R ) ( 即 n 阶实矩阵 ) , 则线性方程组 (Ⅰ) , (Ⅱ) :
T
( Ⅰ ) Ax = 0; 　 　 　 ( Ⅱ ) A Ax = 0
的解集必为 ( 　 　 ) .
① 同解 ( 相等 ) ; ② ( Ⅰ ) 的解必是 ( Ⅱ ) 的解 , 但 ( Ⅱ ) 的解不一
定是 ( Ⅰ ) 的解 ; ③ ( Ⅱ ) 的解必 是 ( Ⅰ ) 的 解 , 但 ( Ⅰ ) 的 解不 一定 是
( Ⅱ ) 的解 ; ④ 二者的解没有关系 .
33 . 3 .5 节例 5 .
34 . 设αi = ( ai1 , ai2 , … , ain ) T ( i = 1 , 2 , … , r; r < n) 是 n 维实 向
量 , 且α1 ,α2 , … ,αr 线性无关 , 已知β = ( b1 , b2 , … , bn ) T 是线性方程
组
a11 x1 + a1 2 x2 + … + a1 n x n = 0 ,
a21 x1 + a2 2 x2 + … + a2 n x n = 0 ,
… ……… …… ……… …… ……
ar1 x1 + ar2 x2 + … + ar n x n = 0
的非零解向量 .试判断向量组α1 ,α2 , … ,αr ,β的线性相关性 .
35 . 设四元齐次线性方程组 ( Ⅰ ) 为
2 x1 + 3 x2 - x3 = 0 ,
x1 + 2 x2 + x3 - x4 = 0 .
已知另一四元齐次线性方程组 ( Ⅱ ) 的一个基础解系为
T T
α1 = (2 , - 1 , a + 2 , 1 ) , 　 α2 = ( - 1 , 2 , 4 , a + 8 ) .
　 　 (1 ) 求方程组 ( Ⅰ ) 的一个基础解系 ;
(2 ) 当 a 为何值时 , 方 程 组 ( Ⅰ ) 与 ( Ⅱ ) 有 非零 公共 解 ? 在 有
382 附录 C 　 历年硕士研究生入学考试中线性代数试题汇编

非零公共解时 , 求出全部非零公共解 .
36 . 设 A 是 m × n 矩 阵 , B 是 n × m 矩 阵 , 则 线 性 方 程
组 ( AB) x= 0
( A ) 当 n > m 时仅有零解 ; 　 　 ( B) 当 n > m 时必有非零解 ;
( C) 当 m > n 时仅有零解 ; ( D ) 当 m > n 时必有非零解 .
37 . 设齐次线性方程组
ax1 + bx2 + bx3 + … + bx n = 0 ,
bx 1 + ax2 + bx3 + … + bx n = 0 ,
……………………………………
bx 1 + bx2 + bx3 + … + ax n = 0 .
其中 a≠ 0 , b≠0 , n≥2 .试讨论 a, b 为何值 时 , 方 程组 仅有零 解、有
无穷多组解 ? 在有无穷多组解时 , 求出全部解 , 并用基础解系表示
全部解 .
38 . 设α1 ,α2 , … ,αs 为 线性 方 程组 A x = 0 的 一 个基 础 解系 ,
β1 = t1α1 + t2 α2 ,β2 = t1 α2 + t2 α3 , … ,βs = t1 αs + t2 α1 , 其中 t1 , t2
为实常数 .试问 t1 , t2 满足 什么 关系 时 ,β1 ,β2 , … ,βs 也 为 A x = 0
的一个基础解系 .
A α
39 . 设 A 是 n 阶 矩 阵 , α是 n 维 列 向 量 .若 秩 T
=
α 0
秩 ( A) , 则线性方程组
( A ) Ax =α必有无穷多解 ;
( B) Ax =α必有唯一解 ;
A α x
( C) = 0 仅有零解 ;
αT 0 y
A α x
(D) = 0 必有非零解 .
αT 0 y
40 . 已知 4 阶方阵 A = (α1 ,α2 ,α3 ,α4 ) , 其中α1 ,α2 ,α3 ,α4 均
为 4 维列向量 , 且α2 ,α3 ,α4 线性无关 ,α1 = 2 α2 - α3 .如果β= α1 +
附录 C 　 历年硕士研究生入学考试中线性代数试题汇编 383

α2 +α3 + α4 , 求线性方程组 Ax =β的通解 .

41 . 设向量组α1 ,α2 ,α3 线性 无关 , 向量β1 可 由α1 ,α2 ,α3 线 性
表示 , 而向 量β2 不 能 由α1 ,α2 ,α3 线 性 表 示 , 则 对 于 任 意 常 数 k,
必有
( A ) α1 ,α2 ,α3 , kβ1 +β2 线性无关 ;
( B) α1 ,α2 ,α3 , kβ1 + β2 线性相关 ;
( C) α1 ,α2 ,α3 ,β1 + kβ2 线性无关 ;
( D ) α1 ,α2 ,α3 ,β1 + kβ2 线性相关 .

4　 向量空间与线性变换
3
1 . 已知R 的 基底 为α1 = ( 1 , 1 , 0) ,α2 = ( 1 , 0 , 1 ) ,α3 = ( 0 , 1 ,
1) , 求μ = ( 2 , 0 , 0) 在基底下的坐标 .
2 . 已知R 3 的两组基 :
T T T
α1 = ( 1 , 0 , 1) ,α2 = (1 , 0 , - 1 ) ,α3 = ( 1 , 1 , 1) ;
β1 = ( 1 , 2 , 1) T ,β2 = (2 , 3 , 4 ) T ,β3 = ( 3 , 4 , 3) T .
求{α1 ,α2 ,α3 }到{β1 ,β2 ,β3 }的过渡矩阵 .
3 . 设 B∈R 5 × 4 , r ( B) = 2 , 已知齐次线性方程组 Bx = 0 的 3 个
T T
解向量为α1 = (1 , 1 , 2 , 3 ) ,α2 = ( - 1 , 1 , 4 , - 1 ) ,α3 = ( 5 , - 1 ,
- 8 , 9) T .试求 Bx = 0 的解空间的一个标准正交基 .

5　 特征值与特征向量 　 矩阵的对角化

1 . 习题 5 －3 . 　 　 　 2 . 习题 5 －6 .
3 . 习题 5 －18 ( 只求特征值 ) . 　 　 4 . 习题 5 －43 .
5 . 习题 5 －39 . 6 . 习题 5 －44 .
7 . 习题 5 －40 . 8 . 习题 5 －41 .
9 . 习题 5 －45 . 10 . 习题 5 －46 .
11 . 习题 5 －42 .
12 . 已知三阶矩阵 A 的特征值λ1 = 1 ,λ2 = 2 ,λ3 = 3 , 其对应 的
384 附录 C 　 历年硕士研究生入学考试中线性代数试题汇编

特征向 量ξ1 = ( 1 , 1 , 1 ) T ,ξ2 = ( 1 , 2 , 4 ) T ,ξ3 = ( 1 , 3 , 9 ) T ; 又β =

(1 , 1 , 3 ) T .
① 将β用ξ1 ,ξ2 ,ξ3 线性表示 ;
n
② 求 Aβ ( n∈N 自然数集 ) .
13 . 设
3 2 - 2
A= - k - 1 k .
4 2 - 3
- 1
问: k 为 何 值 时, 存 在 可 逆 矩 阵 P, 使 P AP = Λ( 对 角 矩 阵 ) , 并
求 P 和 Λ.
1 0 1
14 . 设 A= 0 2 0 ,
1 0 1
计算 A - 2 A ( 其中自然数 n≥ 2) .
n n - 1

x1 1 xn + 1 xn
15 . 已 知 = , = A ( n = 1 , 2, … ) ,
y1 1 yn + 1 yn
xn + 1
求 .
yn + 1
1 1 1 2
① A= , 　 　 　 ② A= .
0 1 3 2
T
16 . 设 A 是 n 阶实矩阵 , AA = I, | A | < 0 , 求 | A + I| .
提示 : A 是正 交矩 阵 , 设 A x = λx( x≠0, 特 征 值 λ可 能 是 复
数 ) , 则由
T T T T T
Ax Ax = λx λx x A Ax = λλx x
T T T 2
x x= λ
λx x 　 ( x x = ‖ x‖ ≠ 0)
得λ
λ= 1 .当 λ为实数时 ,λ2 = 1 ,λ= ± 1; 当 λ为复数 时 , 其模 |λ| =
1 , 且 λ也必是其特征值 .再由 | A| = - 1 = λ1 λ2 …λn , 可知 A 必以 - 1
为其特征值 , 故 | I + A| = | - ( - I - A) | = ( - 1 ) n | - I - A| = 0 .
附录 C 　 历年硕士研究生入学考试中线性代数试题汇编 385

17 . 设 A 为三阶实对称矩阵 , 且满足条件 A2 + 2 A = 0, 已知 A
的秩 r ( A) = 2 .
(1 ) 求 A 的全部特征值 ;
(2 ) 当 k 为何值时 , 矩阵 A + kI 为正定矩阵 , 其中 I 为三阶 单
位矩阵 .
2
18 . 已知三阶矩阵 A 与三维向量 x, 使得向量组 x, Ax, A x 线
性无关 , 且满足 A3 x = 3 Ax - 2 A2 x .
2 - 1
(1 ) 记 P = ( x, Ax, A x) , 求三阶矩阵 B, 使 A = PBP ;
(2 ) 计算行列式 | A + I | .
19 . 设矩阵
1 1 a 1
A= 1 a 1 , 　 　 β= 1 .
a 1 1 - 2
已知线性方程组 Ax =β有解但不唯一 , 试求 : ( 1 ) a 的值 ; ( 2 ) 正 交
矩阵 Q, 使 QT AQ 为对角矩阵 .
20 . 设 A 是 n 阶实对称矩阵 , P 是 n 阶可逆矩阵 .已 知 n 维 列
向量α是 A 的属于特征值λ的特征向量 , 则矩阵 ( P- 1 AP) T 属于特
征值 λ的特征向量是
( A ) P- 1 α; 　 　 ( B) PT α; 　 　 ( C) Pα ; 　 　 ( D) ( P- 1 ) T α .

21 . 设实对称矩阵
a 1 1
A= 1 a - 1 ,
1 - 1 a
求可逆矩阵 P, 使 P- 1 AP 为对角矩阵 , 并计算行列式 | A - I | 的值 .
0 -2 -2
22 . 矩阵 2 2 - 2 的非零特征值是 .
-2 -2 2
386 附录 C 　 历年硕士研究生入学考试中线性代数试题汇编

23 . 设 A, B 为同阶方阵 .
(1 ) 如果 A, B 相似 , 试证 A, B 的特征多项式相等 .
(2 ) 举一个二阶方阵的例子说明 ( 1) 的逆命题不成立 .
(3 ) 当 A, B 均为实对称矩阵时 , 试证 (1 ) 的逆命题成立 .

6　 二次型
2 2
1 . 求 一 个 正 交 变 换 , 化 二 次 型 f ( x1 , x2 , x3 ) = x1 + 4 x2 +
4 x23 - 4 x1 x2 - 4 x1 x3 - 8 x2 x3 为标准形 .
2 . 已知 A 为 n 阶实对称正定矩阵 , 证明 : | A + I | > 1 .
3 . x2 + ay2 + z2 + 2bx y + 2 x z + 2 y z = 4 经过正交变换
T T
( x, y, z) = P(ξ,η,ζ)
可化为椭圆柱面方程 η2 + 4ζ2 = 4 , 试求 a, b 及正交矩阵 P .
4 . 习题 6 －46 ( 与习题 6 －8 (1 ) 相同 ) .
5 . 习题 6 －47 . 　 　 6 . 习题 6 －48 .
7 . 习题 6 －49 . 　 　 8 . 习题 6 －50 .
9 . 已知实二次型 f ( x1 , x2 , x3 ) = a( x21 + x22 + x23 ) + 4 x1 x2 +
2
4 x1 x3 + 4 x2 x3 经 正 交 变 换 x = Py 可 化 成 标 准 形 f = 6 y1 , 则
a= .
 索　　引

半负定二次型 　 §6 .5 倍乘变换 　 §2 .5
半负定矩阵 　 §6 .5 标准的二次型 　 §6 .2
半正定二次型 　 §6 .5 标准基 　 §4 .1
半正定矩阵 　 §6 .5 标准正交基 　 §4 .2
伴随矩阵 　 §2 .4 不定二次型 　 §6 .5
变换 　 §4 .6 不相容方程组§2 .1
倍加变换 　 §2 .5

柯西－施瓦茨不等式 　 §4 .2 初等对换矩阵 　 §2 .5
初等变换 　 §2 .5 初等行变换 　 §2 .5
初等矩阵 　 §2 .5 初等列变换 　 §2 .5
初等倍乘矩阵 　 §2 .5 初等旋转阵 　 §4 .6
初等倍加矩阵 　 §2 .5

代数余子式 　 §1 .1 对换变换 　 §2 .5
单射 　 §4 .6 对称矩阵 　 §2 .3
单位矩阵 　 §2 .2 对角矩阵 　 §2 .2
等价关系 　 §3 .4 对角块矩阵 ( 准对角阵 ) 　 §2 .6
递推关系 ( 递推公式) 　 §1 .1 §7 .5 对角化 　 §5 .3
388 索引

二次型 　 §6 .1 二次型的规范形 　 §6 .3
二次型的标准形 　 §6 .2

范德蒙行列式 　 §1 .2 分块矩阵 　 §2 .6
反对称行列式 　 §1 .2 分配平衡方程组 　 §7 .3
反对称矩阵 　 §2 .3 符号差 　 §6 .3
反射阵 　 §4 .6 负定二次型 　 §6 .5
方阵的多项式 　 §2 .1 负定矩阵 　 §6 .5
方阵 　 §2 .1 负惯性指数 　 §6 .3
方阵的幂 　 §2 .2 负元素 　 §4 .3
非负矩阵 　 §7 .3 复空间 　 §4 .3
非负向量 　 §7 .3 复矩阵 　 §5 .3
非奇异矩阵 　 §2 .2 复向量 　 §5 .3
非齐次线性方程组 　 §2 .1

概率向量 　 §7 .2 惯性定理 　 §6 .3
高斯消元法 　 §2 .1 过渡矩阵 　 §4 .1
共轭矩阵 　 §5 .3

核 　 §4 .6 行向量 　 §3 .1
行 　 §2 .1 合同 　 §6 .1
行空间 　 §4 .4 合同矩阵 　 §6 .1
行列式 　 §1 .1 恒等变换 　 §4 .6
行列式性质 　 §1 .1 回路§7 .4
行简化阶梯矩阵 　 §2 .1
索引 389

基 　 §4 .1 §4 .5 矩阵表示 　 §4 .6
基变换 　 §4 .1 矩阵的乘法 　 §2 .2
基的变换矩阵 　 §4 .1 矩阵的加法 　 §2 .2
基础解系 　 §3 .4 矩阵的数量乘法 　 §2 .2
极大线性无关组 　 §3 .2 矩阵的对角化 　 §5 .2
交换律 　 §2 .2 矩阵的主对角元 　 §2 .2
净产值向量 　 §7 .3 矩阵的行秩 　 §3 .3
镜像变换 ( 镜面反射) 　 §4 .6 矩阵的阶 　 §2 .1
解的结构 　 §3 .4 矩阵的列秩 　 §3 .3
解空间 　 §4 .4 矩阵的合同 ( 相合) 　 §6 .1
解向量 　 §3 .1 矩阵的相抵 　 §3 .3
结合律 　 §2 .2 矩阵的相似 　 §5 .1
阶梯形线性方程组 　 §2 .1 矩阵的转置 　 §2 .3
矩阵( 方阵 ) 　 §2 .1 矩阵的秩 　 §3 .3

可对角化 　 §5 .2 可逆线性变换 　 §4 .6
可达到矩阵 　 §7 .4 克罗内克 δij 　 §1 .1
可交换矩阵 　 §2 .2 克拉默法则 　 §1 .3
可逆矩阵 　 §2 .4

Leslie 矩阵 　 §7 .1 零变换 　 §4 .6
Leslie 人口模型 　 §7 .1 零矩阵 　 §2 .1
连通图 　 §7 .4 零空间 　 §4 .4
列 　 §2 .1 零元素 　 §4 .3
列空间 　 §4 .4 零子空间 　 §4 .4
列向量 　 §3 .1
390 索引

马尔可夫链 　 §7 .2 幂等矩阵 　 §5 .2
满射 　 §4 .6

内积 　 §4 .2 逆矩阵 　 §2 .4

欧几里得空间 　 §4 .2

平凡子空间 　 §4 .4 配方法 　 §6 .2

企业消耗矩阵 　 §7 .3 齐次线性方程组 　 §2 .1
奇异矩阵 　 §2 .2

三对角行列式 　 §1 .2 实空间 　 §4 .3
三角( 形 )不等式 　 §4 .2 数乘变换 　 §4 .6
施密特正交化 　 §4 .2 数量乘法 ( 数乘) 　 §2 .2
上三角矩阵 　 §2 .2 数量矩阵 　 §2 .2
生产向量 　 §7 .3 双射( 一一对应) 　 §4 .6
实对称矩阵 　 §5 .3

特解 　 §3 .5 特征方程 　 §5 .1
特征多项式 　 §5 .1 特征矩阵 　 §5 .1
索引 391

特征向量 　 §5 .1 投入产出数学模型 　 §7 .3
特征值 　 §5 .1 椭球面 　 §6 .2
特征子空间 　 §5 .1 图 　 §7 .4
投影矩阵 　 §7 .7 图的邻接矩阵 　 §7 .4

外部需求向量 　 §7 .3 无限维线性空间 　 §4 .5
维数 　 §4 .5

系数矩阵 　 §2 .1 线性子空间 　 §4 .4
下三角矩阵 　 §2 .2 象 　 §4 .6
线性变换 　 §4 .6 相抵 　 §3 .3
线性表示 　 §3 .1 相抵标准形 　 §3 .3
线性方程组 　 §1 .3 §3 .1 相合 　 §6 .1
线性非齐次方程组 　 §1 .3 相容方程组 　 §2 .1
线性空间 　 §4 .5 相似 　 §5 .1
线性空间的基 　 §4 .5 相似标准形 　 §5 .2
线性空间的维数 　 §4 .5 相似矩阵 　 §5 .1
线性相关 　 §3 .1 向量 　 §3 .1 §4 .3
线性相关性 　 §3 .1 向量空间 　 §4 .5
线性无关 　 §3 .1 向量组的秩 　 §3 .2
线性运算 　 §4 .3 消耗平衡方程组 　 §7 .3
线性映射 　 §4 .6 消去律 　 §2 .2
线性组合 　 §3 .1 旋转变换 　 §4 .6

一般解( 通解 ) 　 §3 .4 有定二次型 　 §6 .5
一阶线性常系数微分方程组 　 §7 .6 右零因子 　 §2 .2
映射 　 §4 .6 余子式 　 §1 .1
392 索引

元素 　 §2 .1 原象 　 §4 .6

增广矩阵 　 §2 .1 主对角线 　 §1 .1
正定二次型 　 §6 .4 主对角元 　 §1 .1
正定矩阵 　 §6 .4 主轴定理 　 §6 .2
正规方程 　 §7 .7 主子式 　 §3 .3
正交 　 §4 .4 准对角阵 　 §2 .6
正交变换 　 §4 .6 子空间 　 §4 .4
正交补 　 §4 .4 子空间的和 　 §4 .4
正交矩阵 　 §4 .2 子空间的交 　 §4 .4
正惯性指数 　 §6 .3 子空间的维数公式 　 §4 .5
正则链 　 §7 .2 子式 　 §3 .3
正则转移矩阵 　 §7 .2 子行列式 　 §3 .3
直和 　 §4 .4 自然基 　 §4 .1 §4 .5
直接消耗系数矩阵 　 §7 .3 最小二乘解 　 §7 .7
值域 　 §4 .6 坐标 　 §4 .1 §4 .5
转移概率 　 §7 .2 坐标变换 　 §4 .1
转移矩阵 　 §7 .2 坐标向量 　 §4 .1
转置矩阵 　 §2 .3 左零因子 　 §2 .2