如果结果不匹配，请 
更多“一个矩阵就对应一个线性变换，通过矩阵乘法实现()。”相关的问题
试题四（15分）
阅读下列说明和C代码，回答问题1至问题3，将解答写在答题纸的对应栏内。
【说明】
某工程计算中要完成多个矩阵相乘（链乘）的计算任务。
两个矩阵相乘要求第一个矩阵的列数等于第二个矩阵的行数，计算量主要由进行乘法运算的次数决定。采用标准的矩阵相乘算法，计算Am*n*Bn*p，需要m*n*p次乘法运算。
矩阵相乘满足结合律，多个矩阵相乘，不同的计算顺序会产生不同的计算量。以矩阵A110*100，A2100*5，A35*50三个矩阵相乘为例，若按（A1*A2）*A3计算，则需要进行10*100*5+10*5*50=7500次乘法运算；若按A1*（A2*A3）计算，则需要进行100*5*50+10*100*50=75000次乘法运算。可见不同的计算顺序对计算量有很大的影响。
矩阵链乘问题可描述为：给定n个矩阵＜A1,A2,….An＞，矩阵Ai的维数为pi-1*Pi，其中i = 1,2,….n。确定一种乘法顺序，使得这n个矩阵相乘时进行乘法的运算次数最少。
由于可能的计算顺序数量非常庞大，对较大的n，用蛮力法确定计算顺序是不实际的。经过对问题进行分析，发现矩阵链乘问题具有最优子结构，即若A1*A2*…*An的一个最优计算顺序从第k个矩阵处断开，即分为A1*A2*….Ak和Ak+1*Ak+2*…*An两个子问题，则该最优解应该包含A1*A2*…*Ak的一个最优计算顺序和Ak+1*Ak+2*…An的一个最优计算顺序。据此构造递归式，
其中，cost[i][j]表示Ai+1*Ai+2*...Aj+1的最优计算的计算代价。最终需要求解cost[0][n-1]。
【C代码】
算法实现采用自底向上的计算过程。首先计算两个矩阵相乘的计算量，然后依次计算3个矩阵、4个矩阵、…、n个矩阵相乘的最小计算量及最优计算顺序。下面是算法的C语言实现。
（1）主要变量说明
n：矩阵数
seq[]：矩阵维数序列
cost[][]：二维数组，长度为n*n，其中元素cost[i][j]表示Ai+1*Ai+2*…Aj+1的最优计算的计算代价
trace[][]：二维数组，长度为n*n，其中元素trace[i][j]表示Ai+1*Ai+2*Aj+1的最优计算对应的划分位置，即k
（2）函数cmm
define N 100
intcost[N][N];
inttrace[N][N];
int cmm(int n,int seq[]){
int tempCost;
int tempTrace;
int i,j,k,p;
int temp;
for(i=0;i＜n;i++){ cost[i][i] =0;}
for(p=1;p＜n;p++){
for(i=0; （1） ;i++){
（2）;
tempCost = -1;
for(k = i;k＜j;k++){
temp = （3） ;
if(tempCost==-1||tempCost＞temp){
tempCost = temp;
（4） ；
}
}
cost[i][j] = tempCost;
trace[i][j] = tempTrace;
}
}
return cost[0][n-1];
}
【问题1】（8分）
根据以上说明和C代码，填充C代码中的空（1）~（4）。
【问题2】（4分）
根据以上说明和C代码，该问题采用了 （5） 算法设计策略，时间复杂度 （6） 。（用O符号表示）
【问题3】（3分）
考虑实例n=6，各个矩阵的维数：A1为5*10，A2为10*3，A3为3*12，A4为12*5，A5为5*50，A6为50*6，即维数序列为5,10,3,12,5,50,6。则根据上述C代码得到的一个最优计算顺序为 （7） （用加括号方式表示计算顺序），所需要的乘法运算次数为 （8） 。
令V=Mn(C)是复数域上全体n阶矩阵所组成的n2维向量空间，令A是任意一个n阶复矩阵。如下地定义V的一个线性变换αA：V→V：对于任意X∈V=Mn(C)，αA(X)=AX-AX。
(i)证明
，r是非负整数，由此推出，如果A是幂零矩阵，那么αA是V的幂零变换;
(ii)如果A=D+N是A的若尔当分解，其中D是A的可对角化部分，N是幂零部分，那么αD和αN分别是线性变换αA的若尔当分解。
.jpg)
A.1／3
B.1
C.3
D.9
(65）
A.1/3
B.1
C.3
D.9
设V是一个欧氏空间，α∈V是一个非零向量。对于ξ∈V，规定
证明：τ是V的一个正交变换，且τ2=t，t是单位变换。
线性变换τ叫作由向量α所决定的一个镜面反射。当V是一个n维欧氏空间时，证明存在V的一个标准正交基，使得τ关于这个基的矩阵有形状：
在三维欧氏空间里说明线性变换τ的几何意义。
可逆，向量
是矩阵A'的一个特征向量
是a所对应的特征值，试求a，b和检验以下集合对于所指的线性运算是否构成实数域上的线性空间：
1)次数等于n(n≥1)的实系数多项式的全体，对于多项式的加法和数量乘法;
2)设A是一个nxn实矩阵，A的实系数多项式f(A)的全体，对于矩阵的加法和数量乘法;
3)全体n级实对称(反称，上三角形)矩阵，对于矩阵的加法和数量乘法;
4)平面上不平行于某一向量的全部向量所成的集合，对于向量的加法和数量乘法;
5)全体实数的二元数列，对于下面定义的运算：
6)平面上全体向量，对于通常的加法和如下定义的数量乘法：
7)集合与加法同6)，数量乘法定义为
8)全体正实数R+，加法与数量乘法定义为
设矩阵 A非奇异,且有一个特征值为λ对应的特征向量为Vo证明:
(1)
的一个特征值，对应的特征向量为V(λ≠0);
(2)aλ为aA的一个特征值(a为常数);
(3)λ+a为A+al的一个特征值(I为单位阵)。
阅读以下说明和流程图，将应填入(n)处的字句写在对应栏内。
【说明】
在一个矩阵中，如果其零元素的个数远远多于其非零元素的个数时，称这样的矩阵为稀疏矩阵。稀疏矩阵通常采用三元组数组表示。每个非零元素用一个三元组来表示，即非零元素的行号、列号和它的值。然后按某种顺序将全部非零元素的三元组存于一个数组中。例如，对于以下二维数组：
int x[3][4]={{1，0，0，0}，{0，5，0，0)，{0，0，7，2}}；
可用以下数组a来表示：
int a[][3]={{3，4，4}，{0，0，1}，{1，1，5)，{2，2，7}，{2，3，2}}；
其中三元数组a的第1行元素的值分别存储稀疏矩阵×的行数、列数和非零元素的个数。
下面的流程图描述了稀疏矩阵转换的过程。
【流程图】
.jpg)
设V是对于非退化对称双线性函数f(α，β)的n维准欧氏空间，V的一组基ε1，...，εn如果满足
则称为V的一组正交基。如果V上的线性变换
满足
则称为V的一个准正交变换。试证：
1)准正交变换是可逆的，且逆变换也是准正交变换;
2)准正交变换的乘积仍是准正交变换;
3)准正交变换的特征向量α，若满足f(α，α)≠0，则其特征值等于1或-1;
4)准正交变换在正交基下的矩阵T满足
