引言
矩阵论是线性代数中的重要分支，它广泛应用于数学、物理、工程、计算机科学等多个领域。南航（南京航空航天大学）的矩阵论课程作为一门专业基础课程，课后习题是检验学生学习效果的重要手段。本文将揭秘南航矩阵论课后习题，帮助读者轻松掌握核心知识点。
1. 矩阵的基本概念
1.1 矩阵的定义与性质
矩阵是由数字按行列排列组成的矩形数组。矩阵的行数称为矩阵的阶数，列数称为矩阵的秩。矩阵的性质包括：
- 加法：同型矩阵相加。
- 数乘：矩阵与数相乘。
- 转置：将矩阵的行变为列，列变为行。
1.2 课后习题解析
例题：设有矩阵 (A = \begin{bmatrix} 1 & 2 \ 3 & 4 \end{bmatrix})，求矩阵 (A) 的转置。
解答：
矩阵 \(A\) 的转置为 \(A^T = \begin{bmatrix} 1 & 3 \\ 2 & 4 \end{bmatrix}\)。
2. 矩阵的运算
2.1 矩阵的乘法
矩阵乘法是矩阵运算中的核心内容，其规则为：
- 相乘条件：若矩阵 (A) 是 (m \times n) 的，矩阵 (B) 是 (n \times p) 的，则 (A \cdot B) 是 (m \times p) 的。
- 计算方法：通过行与列对应元素的乘积之和计算。
2.2 课后习题解析
例题：设有矩阵 (A = \begin{bmatrix} 1 & 2 \ 3 & 4 \end{bmatrix})，(B = \begin{bmatrix} 5 & 6 \ 7 & 8 \end{bmatrix})，求矩阵 (A \cdot B)。
解答：
矩阵 \(A \cdot B = \begin{bmatrix} 1 \times 5 + 2 \times 7 & 1 \times 6 + 2 \times 8 \\ 3 \times 5 + 4 \times 7 & 3 \times 6 + 4 \times 8 \end{bmatrix} = \begin{bmatrix} 19 & 26 \\ 43 & 58 \end{bmatrix}\)。
3. 特征值与特征向量
3.1 特征值与特征向量的定义
特征值是矩阵与其特征向量的乘积中的常数因子。特征向量是与特征值相关联的向量。
3.2 课后习题解析
例题：设有矩阵 (A = \begin{bmatrix} 4 & 1 \ -1 & 2 \end{bmatrix})，求矩阵 (A) 的特征值和特征向量。
解答：
求特征值：
\det(A - \lambda I) = \det \begin{bmatrix} 4 - \lambda & 1 \\ -1 & 2 - \lambda \end{bmatrix} = (4 - \lambda)(2 - \lambda) - (-1)(-1) = 0
\Rightarrow \lambda = 3 \text{ 或 } \lambda = 1
求特征向量：
当 \lambda = 3，\begin{bmatrix} 1 & 2 \\ -1 & -1 \end{bmatrix} \begin{bmatrix} x \\ y \end{bmatrix} = \begin{bmatrix} 0 \\ 0 \end{bmatrix} \Rightarrow y = 2x
当 \lambda = 1，\begin{bmatrix} 3 & 1 \\ -1 & 1 \end{bmatrix} \begin{bmatrix} x \\ y \end{bmatrix} = \begin{bmatrix} 0 \\ 0 \end{bmatrix} \Rightarrow y = x
因此，特征值 3 对应的特征向量为 \begin{bmatrix} 1 \\ 2 \end{bmatrix}，特征值 1 对应的特征向量为 \begin{bmatrix} 1 \\ 1 \end{bmatrix}。
4. 总结
通过以上对南航矩阵论课后习题的解析，读者可以了解到矩阵的基本概念、运算以及特征值与特征向量的求解方法。掌握这些核心知识点对于深入学习矩阵论具有重要意义。