矩阵分析题解

矩阵分析

ex1

（1）Solution:
数域$F$上线性空间$V$中，任何一个向量$\alpha$都可由$n$个线性无关向量${\alpha }_1，{\alpha }_2，\cdots ，{\alpha }_n$线性表出。
（2）Prof:
$k_1{f}_1(x)+k_2{f}_2(x)+k_3{f}_3(x)+k_4{f}_4(x)=0$
$(k_1-k_2+k_4)+(k_1+k_2)x+k_3{x}^2+k_4{x}^3=0$
$k_1=k_2=k_3=k_4=0$
任意一个向量$f(x)=a_0+a_{1}x+a_2{x}^2+a_3{x}^3\in R[x{]}_4$
令$f(x)=k_1{f}_1(x)+k_2{f}_2(x)+k_3{f}_3(x)+k_4{f}_4(x)$
$f(x)=(k_1-k_2+k_4)+(k_1+k_2)x+k_3{x}^2+k_4{x}^3$
$\{\begin{array}{l}{a}_0=k_1-k_2+k_4\\ a_1=k_1+k_2\\ a_2=k_3\\ a_3=k_4\end{array}$
$\{\begin{array}{l}{k}_1=(a_0+a_1-a_3)/2\\ k_2=(-a_0+a_1+a_3)/2\\ k_3=a_2\\ k_4=a_3\end{array}$
故任意向量$f(x)\in R[x{]}_4$都可由$f_1,f_2,f_3,f_4$线性表出
所以向量组$f_1,f_2,f_3,f_4$是$R[x{]}_4$的一组基。
（3）Solution:
映射$\mathcal{A}:V_1\to V_2，$如果对于任何两个向量${\alpha }_1,{\alpha }_2\in V_1$和任何数$\lambda \in F,$都有
$\mathcal{A}({\alpha }_1+{\alpha }_2)=\mathcal{A}({\alpha }_1)+\mathcal{A}({\alpha }_2);$
$\mathcal{A}(\lambda {\alpha }_1)=\lambda \mathcal{A}({\alpha }_1)$
则映射$\mathcal{A}$是$V_1到V_2$的线性映射。
（4）Prof:
显然，
$\mathcal{A}(f_1(x)+f_2(x))=\mathcal{A}(f_1(x))+\mathcal{A}(f_2(x))$
$\mathcal{A}(\lambda f(x))=\lambda \mathcal{A}(f(x))$
故$\mathcal{A}$ 是线性映射。
（5）Solution:
${\alpha }_1，{\alpha }_2，\cdots ，{\alpha }_n$是$V_1$的一组基，${\beta }_1，{\beta }_2，\cdots ，{\beta }_m$是$V_2$的一组基。$\mathcal{A}是V_1\to V_2的一个线性映射$
若$\mathcal{A}({\alpha }_1，{\alpha }_2，\cdots ，{\alpha }_n)=({\beta }_1，{\beta }_2，\cdots ，{\beta }_m)A$
则矩阵$A$称为线性映射$\mathcal{A}$在基$({\alpha }_1，{\alpha }_2，\cdots ，{\alpha }_n)$与基$({\beta }_1，{\beta }_2，\cdots ，{\beta }_m)$下的矩阵表示。
（6）Solution:
$\mathcal{A}(f_1,f_2,f_3)$
$=(\mathcal{A}(f_1),\mathcal{A}(f_2),\mathcal{A}(f_3))$
$=(1-2x-x^2,1+2x-x^2,2x-2/3x^3)$
$=(x+1,x-1,x^2,x^3+1)\left[\begin{array}{ccc}-\frac{1}{2}& \frac{3}{2}& \frac{4}{3}\\ -\frac{3}{2}& \frac{1}{2}& \frac{2}{3}\\ -1& -1& 0\\ 0& 0& -\frac{2}{3}\end{array}\right]$
$A=\left[\begin{array}{ccc}-\frac{1}{2}& \frac{3}{2}& \frac{4}{3}\\ -\frac{3}{2}& \frac{1}{2}& \frac{2}{3}\\ -1& -1& 0\\ 0& 0& -\frac{2}{3}\end{array}\right]$

ex2

（1）Solution:
若$非奇异矩阵P，Q使得B=QA{P}^{-1},$则$B与A等价$
（2）Solution:
$A=\left[\begin{array}{ccc}1& 0& -1\\ 2& 1& \frac{1}{2}\\ 0& 1& 0\\ -1& 0& 1\end{array}\right]$
$\left[\begin{array}{cccc}1& 0& 0& 0\\ -2& 1& 0& 0\\ 2& -1& 1& 0\\ 1& 0& 0& 1\end{array}\right]\left[\begin{array}{ccc}1& 0& -1\\ 2& 1& \frac{1}{2}\\ 0& 1& 0\\ -1& 0& 1\end{array}\right]\left[\begin{array}{ccc}1& 0& -\frac{2}{5}\\ 0& 1& 1\\ 0& 0& -\frac{2}{5}\end{array}\right]=\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\\ 0& 0& 0\end{array}\right]$
令$Q^{-1}=\left[\begin{array}{cccc}1& 0& 0& 0\\ -2& 1& 0& 0\\ 2& -1& 1& 0\\ 1& 0& 0& 1\end{array}\right]P=\left[\begin{array}{ccc}1& 0& -\frac{2}{5}\\ 0& 1& 1\\ 0& 0& -\frac{2}{5}\end{array}\right]$
则$A=Q\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\\ 0& 0& 0\end{array}\right]P^{-1}$
$y=Ax=Q\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\\ 0& 0& 0\end{array}\right]P^{-1}x$
即$Q^{-1}y=\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\\ 0& 0& 0\end{array}\right]P^{-1}x$
若$x=P\tilde{x},y=P\tilde{y}$
则$\tilde{y}=\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\\ 0& 0& 0\end{array}\right]\tilde{x}$
$\tilde{y}和\tilde{y}是解耦的$
（3）Solution:
$设\mathcal{A}是线性空间V的线性变换，W是V的子空间，如果任意向量\alpha \in W都有\mathcal{A}(\alpha )\in W,则成W是\alpha 的不变子空间。$
（4）Solution:
$A的特征值{\lambda }_1=\frac{1}{2},{\lambda }_2=\frac{3}{2}$
$特征向量{\xi }_1=(2,1{)}^T,{\xi }_2=(2,-1{)}^T$

ex3

（1）Solution:

• $A(\lambda )的全部k阶子式的首项系数为1的最大公因式D_k(\lambda )称为A(\lambda )的k阶行列式因子$
• $A(\lambda )的k阶行列式因子D_k(\lambda ),若d_k(\lambda )=\frac{D_k(\lambda )}{D_{k-1}(\lambda )},d_k称为A(\lambda )的不变因子$
  （2）Solution:
  若存在多项式矩阵$V(\lambda )\in F^{n\times n}[\lambda ]使得U(\lambda )V(\lambda )=V(\lambda )U(\lambda )=I_n,则矩阵U(\lambda )称为单位模阵$
  （3）Solution:
  易得初等因子：$\lambda ,\lambda +1,\lambda ,(\lambda +1{)}^2$
  { 1 , λ , λ } { 1 , λ + 1 , ( λ + 1 ) 2 } \{1,\lambda,\lambda\}\{1,\lambda+1,(\lambda+1)^2\} {1,λ,λ}{1,λ+1,(λ+1)2}
  则不变因子：$1,\lambda (\lambda +1),\lambda (\lambda +1{)}^2$
  所以$\lambda$的Smith标准型是：
  $\left[\begin{array}{ccc}1& & \\ & \lambda (\lambda +1)& \\ & & \lambda (\lambda +1{)}^2\end{array}\right]$

ex4

（1）Solution:
$非奇异矩阵P，使得P^{-1}AP=B,则A，B相似。$
（2）Solution:

• $\lambda I-A与\lambda I-B作为多项式矩阵有相同的Smith标准型$
• $\lambda I-A与\lambda I-B作为多项式矩阵有相同的各阶行列式因子$
• $\lambda I-A与\lambda I-B作为多项式矩阵有相同的不变因子$
• $\lambda I-A与\lambda I-B作为多项式矩阵有相同的初等因子组$
  （3）Solution:
  $\lambda I-A=\left[\begin{array}{ccc}\lambda -1& 0& 0\\ -2& \lambda -1& 0\\ -3& -2& \lambda -1\end{array}\right]\to \left[\begin{array}{ccc}1& & \\ & 1& \\ & & (\lambda -1{)}^3\end{array}\right]$
  所以Jordan标准型，
  $\left[\begin{array}{ccc}1& 1& \\ & 1& 1\\ & & 1\end{array}\right]$

ex5

（1）Solution:
对V中的任意两个向量$\alpha 、\beta$依一确定法则对应着一个实数，这个实数称为内积。
（2）Solution:
$G({\alpha }_1,{\alpha }_2,\cdots ,{\alpha }_s)=[<{\alpha }_i,{\alpha }_j>{]}_{s\times s}称为向量组{\alpha }_1,{\alpha }_2,\cdots ,{\alpha }_s的Gram矩阵$
（3）Solution:
$|<\alpha ,\beta >|\le ||\alpha ||\cdot ||\beta ||$
prof:
$|<\alpha ,\beta >|\le ||\alpha ||\cdot ||\beta ||\iff (2<\alpha ,\beta >{)}^2\le 4<\alpha ,\alpha >\cdot <\beta ,\beta >$
$\iff (2<\alpha ,\beta >{)}^2\le (<\alpha ,\alpha >+<\beta ,\beta >{)}^2$
$\iff (<\alpha ,\alpha >-2<\alpha ,\beta >+<\beta ,\beta >)\ge 0$
$\iff (<\alpha ,\alpha >-<\alpha ,\beta >+<\beta ,\beta >-<\beta ,\alpha >)\ge 0$
$\iff (<\alpha ,\alpha -\beta >+<\beta ,\beta -\alpha >)\ge 0$
$\iff (<\alpha -\beta ,\alpha -\beta >)\ge 0$
显然成立，证毕。

ex6

（1）Solution:
$A列满秩，存在唯一的一对矩阵Q，R满足：$

1. $A=QR$
2. $Q^{H}Q=I_r$
3. $R是对角元素为正实数的上三角矩阵$

（2）Solution:
$v_1=(\frac{1}{\sqrt{10}},\frac{3}{\sqrt{10}}{)}^T,v_2=(\frac{3}{\sqrt{10}},\frac{-1}{\sqrt{10}}{)}^T$
$U=(v_1,v_2)$
$R=U^{H}A=\left[\begin{array}{cc}\sqrt{10}& \frac{5}{\sqrt{10}}\\ 0& \frac{5}{\sqrt{10}}\end{array}\right]$
$A=UR=\left[\begin{array}{cc}\frac{1}{\sqrt{10}}& \frac{3}{\sqrt{10}}\\ \frac{3}{\sqrt{10}}& \frac{-1}{\sqrt{10}}\end{array}\right]\left[\begin{array}{cc}\sqrt{10}& \frac{5}{\sqrt{10}}\\ 0& \frac{5}{\sqrt{10}}\end{array}\right]$

ex7

（1）Solution:
$A{A}^H=A^{H}A,则A是正规矩阵$
（2）Solution:
$当且仅当A是正规矩阵，A可酉相似对角化。$
（3）Prof:
$A^H=A,则{\overline{\lambda }}_i={\lambda }_i,即{\lambda }_i为实数$

ex8

（1）Solution:
$存在m阶酉矩阵U和n阶酉矩阵V，使得$
$U^{H}AV=\left[\begin{array}{cc}{\sum }_r& 0_{r\times (n-r)}\\ 0_{(m-r)}\times r& 0_{(m-r)\times (n-r)}\end{array}\right]$
${\sum }_r=\left[\begin{array}{ccc}{\sigma }_1& & \\ & \ddots & \\ & & {\sigma }_r\end{array}\right],{\sigma }_i>0(i=1,2,\cdots ,r)$
（2）Solution:
$A^{T}A=\left[\begin{array}{cc}2& -1\\ -1& 1\end{array}\right],{\lambda }_1=\frac{3+\sqrt{5}}{2},{\lambda }_2=\frac{3-\sqrt{5}}{2}$
$A=U\sum V^H,\sum =\left[\begin{array}{cc}\sqrt{\frac{3+\sqrt{5}}{2}}& \\ & \sqrt{\frac{3-\sqrt{5}}{2}}\end{array}\right]$
$||S|{|}^2=||A^{-1}y|{|}^2=||(U\sum V^H{)}^{-1}y|{|}^2=||V{\sum }^{-1}(U^{H}y)|{|}^2=||{\sum }^{-1}\tilde{y}|{|}^2$
$=\frac{|y_1{|}^2}{{\sigma }_1^2}+\frac{|y_2{|}^2}{{\sigma }_2^2}=1,其中\tilde{y}=U^{H}y$
所以单位圆周S在映射A下的像A(S)是椭圆。
长半轴：$\sqrt{\frac{3+\sqrt{5}}{2}}$
短半轴：$\sqrt{\frac{3-\sqrt{5}}{2}}$