2021年上海理工大学《高等代数》试卷
解题人:蔡宇
1、(10分)设
∣
α
11
α
12
…
α
1
n
α
21
α
22
…
α
2
n
…
…
…
…
α
n
1
α
n
2
…
α
n
n
∣
=
1
\begin{vmatrix} \alpha_{11} & \alpha_{12} & \dots & \alpha_{1n} \\ \alpha_{21} & \alpha_{22} & \dots & \alpha_{2n} \\ \dots & \dots &\dots&\dots\\ \alpha_{n1} & \alpha_{n2} & \dots & \alpha_{nn} \end{vmatrix}=1
∣∣∣∣∣∣∣∣α11α21…αn1α12α22…αn2…………α1nα2n…αnn∣∣∣∣∣∣∣∣=1
且满足
α
i
j
=
−
α
j
i
(
i
,
j
=
1
,
2
,
…
n
)
\alpha_{ij}=-\alpha_{ji}~~(i,j=1,2,\dots n)
αij=−αji (i,j=1,2,…n)
对任意的数
b
~b~
b ,求
∣
α
11
+
b
α
12
+
b
…
α
1
n
+
b
α
21
+
b
α
22
+
b
…
α
2
n
+
b
…
…
…
…
α
n
1
+
b
α
n
2
+
b
…
α
n
n
+
b
∣
\begin{vmatrix} \alpha_{11}+b & \alpha_{12}+b & \dots & \alpha_{1n}+b \\ \alpha_{21}+b & \alpha_{22}+b & \dots & \alpha_{2n}+b \\ \dots & \dots &\dots&\dots\\ \alpha_{n1}+b & \alpha_{n2}+b & \dots & \alpha_{nn}+b \end{vmatrix}
∣∣∣∣∣∣∣∣α11+bα21+b…αn1+bα12+bα22+b…αn2+b…………α1n+bα2n+b…αnn+b∣∣∣∣∣∣∣∣
解法一:由于已知矩阵的行列式非零,且该行列式对应的矩阵为反对称矩阵,故可知该已知行列式中的
n
~n~
n 一定为偶数。
当
b
=
0
~b=0~
b=0 时,要求的行列式显然为1
当
b
≠
0
~b\neq0~
b=0 时,现考虑通过加边法
∣
α
11
+
b
α
12
+
b
…
α
1
n
+
b
α
21
+
b
α
22
+
b
…
α
2
n
+
b
…
…
…
…
α
n
1
+
b
α
n
2
+
b
…
α
n
n
+
b
∣
=
∣
1
0
0
…
0
1
α
11
+
b
α
12
+
b
…
α
1
n
+
b
1
α
21
+
b
α
22
+
b
…
α
2
n
+
b
…
…
…
…
1
α
n
1
+
b
α
n
2
+
b
…
α
n
n
+
b
∣
=
∣
1
−
b
−
b
…
−
b
1
α
11
α
12
…
α
1
n
1
α
21
α
22
…
α
2
n
…
…
…
…
1
α
n
1
α
n
2
…
α
n
n
∣
\begin{vmatrix} \alpha_{11}+b & \alpha_{12}+b & \dots & \alpha_{1n}+b \\ \alpha_{21}+b & \alpha_{22}+b & \dots & \alpha_{2n}+b \\ \dots & \dots &\dots&\dots\\ \alpha_{n1}+b & \alpha_{n2}+b & \dots & \alpha_{nn}+b \end{vmatrix}=\begin{vmatrix} 1 & 0 & 0 & \dots&0 \\ 1&\alpha_{11}+b & \alpha_{12}+b & \dots & \alpha_{1n}+b \\ 1&\alpha_{21}+b & \alpha_{22}+b & \dots & \alpha_{2n}+b \\ \dots & \dots &\dots&\dots\\ 1&\alpha_{n1}+b & \alpha_{n2}+b & \dots & \alpha_{nn}+b \end{vmatrix}=\begin{vmatrix} 1 & -b & -b & \dots&-b \\ 1&\alpha_{11} & \alpha_{12} & \dots & \alpha_{1n} \\ 1&\alpha_{21} & \alpha_{22} & \dots & \alpha_{2n} \\ \dots & \dots &\dots&\dots\\ 1&\alpha_{n1} & \alpha_{n2} & \dots & \alpha_{nn} \end{vmatrix}
∣∣∣∣∣∣∣∣α11+bα21+b…αn1+bα12+bα22+b…αn2+b…………α1n+bα2n+b…αnn+b∣∣∣∣∣∣∣∣=∣∣∣∣∣∣∣∣∣∣111…10α11+bα21+b…αn1+b0α12+bα22+b…αn2+b……………0α1n+bα2n+bαnn+b∣∣∣∣∣∣∣∣∣∣=∣∣∣∣∣∣∣∣∣∣111…1−bα11α21…αn1−bα12α22…αn2……………−bα1nα2nαnn∣∣∣∣∣∣∣∣∣∣
=
∣
1
−
b
−
b
…
−
b
0
α
11
α
12
…
α
1
n
0
α
21
α
22
…
α
2
n
…
…
…
…
0
α
n
1
α
n
2
…
α
n
n
∣
+
∣
0
−
b
−
b
…
−
b
1
α
11
α
12
…
α
1
n
1
α
21
α
22
…
α
2
n
…
…
…
…
1
α
n
1
α
n
2
…
α
n
n
∣
=
1
+
0
=
1
=\begin{vmatrix} 1 & -b & -b & \dots&-b \\ 0&\alpha_{11} & \alpha_{12} & \dots & \alpha_{1n} \\ 0&\alpha_{21} & \alpha_{22} & \dots & \alpha_{2n} \\ \dots & \dots &\dots&\dots\\ 0&\alpha_{n1} & \alpha_{n2} & \dots & \alpha_{nn} \end{vmatrix}+\begin{vmatrix} 0 & -b & -b & \dots&-b \\ 1&\alpha_{11} & \alpha_{12} & \dots & \alpha_{1n} \\ 1&\alpha_{21} & \alpha_{22} & \dots & \alpha_{2n} \\ \dots & \dots &\dots&\dots\\ 1&\alpha_{n1} & \alpha_{n2} & \dots & \alpha_{nn} \end{vmatrix}=1+0=1
=∣∣∣∣∣∣∣∣∣∣100…0−bα11α21…αn1−bα12α22…αn2……………−bα1nα2nαnn∣∣∣∣∣∣∣∣∣∣+∣∣∣∣∣∣∣∣∣∣011…1−bα11α21…αn1−bα12α22…αn2……………−bα1nα2nαnn∣∣∣∣∣∣∣∣∣∣=1+0=1
注:上面第二个行列式是奇数阶的反对称矩阵,故其行列式为0.
故对任意的数
b
~b~
b
∣
α
11
+
b
α
12
+
b
…
α
1
n
+
b
α
21
+
b
α
22
+
b
…
α
2
n
+
b
…
…
…
…
α
n
1
+
b
α
n
2
+
b
…
α
n
n
+
b
∣
=
1
\begin{vmatrix} \alpha_{11}+b & \alpha_{12}+b & \dots & \alpha_{1n}+b \\ \alpha_{21}+b & \alpha_{22}+b & \dots & \alpha_{2n}+b \\ \dots & \dots &\dots&\dots\\ \alpha_{n1}+b & \alpha_{n2}+b & \dots & \alpha_{nn}+b \end{vmatrix}=1
∣∣∣∣∣∣∣∣α11+bα21+b…αn1+bα12+bα22+b…αn2+b…………α1n+bα2n+b…αnn+b∣∣∣∣∣∣∣∣=1
解法二:还是先要指出这是一个偶数阶的反对称矩阵
∣
α
11
+
b
α
12
+
b
…
α
1
n
+
b
α
21
+
b
α
22
+
b
…
α
2
n
+
b
…
…
…
…
α
n
1
+
b
α
n
2
+
b
…
α
n
n
+
b
∣
=
∣
α
11
α
12
…
α
1
n
α
21
α
22
…
α
2
n
…
…
…
…
α
n
1
α
n
2
…
α
n
n
∣
+
b
∑
i
=
1
n
∑
j
=
1
n
A
i
j
\begin{vmatrix} \alpha_{11}+b & \alpha_{12}+b & \dots & \alpha_{1n}+b \\ \alpha_{21}+b & \alpha_{22}+b & \dots & \alpha_{2n}+b \\ \dots & \dots &\dots&\dots\\ \alpha_{n1}+b & \alpha_{n2}+b & \dots & \alpha_{nn}+b \end{vmatrix}=\begin{vmatrix} \alpha_{11} & \alpha_{12} & \dots & \alpha_{1n} \\ \alpha_{21} & \alpha_{22} & \dots & \alpha_{2n} \\ \dots & \dots &\dots&\dots\\ \alpha_{n1} & \alpha_{n2} & \dots & \alpha_{nn} \end{vmatrix}+b\sum_{i=1}^n\sum_{j=1}^n A_{ij}
∣∣∣∣∣∣∣∣α11+bα21+b…αn1+bα12+bα22+b…αn2+b…………α1n+bα2n+b…αnn+b∣∣∣∣∣∣∣∣=∣∣∣∣∣∣∣∣α11α21…αn1α12α22…αn2…………α1nα2n…αnn∣∣∣∣∣∣∣∣+bi=1∑nj=1∑nAij
其
中
A
i
j
为
矩
阵
(
a
i
j
)
对
应
元
素
a
i
j
的
代
数
余
子
式
其中 A_{ij}为矩阵(a_{ij})对应元素a_{ij}的代数余子式
其中Aij为矩阵(aij)对应元素aij的代数余子式
我们将其代数余子式可以分为两类,
对角线元素的代数余子式,这是一个奇数阶的反对称矩阵的行列式,故其值为0.
非对角线元素的代数余子式,但是他们会成对出现,行列式异号,我们一定有
A
i
j
+
A
j
i
=
0
,
当
i
≠
j
时
A_{ij}+A_{ji}=0,当i\neq j时
Aij+Aji=0,当i=j时
故所求行列式的值为1
2、(10分)若整系数线性方程组
(
α
11
α
12
…
α
1
n
α
21
α
22
…
α
2
n
…
…
…
…
α
n
1
α
n
2
…
α
n
n
)
(
x
1
x
2
⋮
x
n
)
=
(
b
1
b
2
⋮
b
n
)
\begin{pmatrix} \alpha_{11} & \alpha_{12} & \dots & \alpha_{1n} \\ \alpha_{21} & \alpha_{22} & \dots & \alpha_{2n} \\ \dots & \dots &\dots&\dots\\ \alpha_{n1} & \alpha_{n2} & \dots & \alpha_{nn} \end{pmatrix}\begin{pmatrix} x_1\\x_2\\ \vdots\\x_n\end{pmatrix}=\begin{pmatrix} b_1\\b_2\\ \vdots\\b_n\end{pmatrix}
⎝⎜⎜⎛α11α21…αn1α12α22…αn2…………α1nα2n…αnn⎠⎟⎟⎞⎝⎜⎜⎜⎛x1x2⋮xn⎠⎟⎟⎟⎞=⎝⎜⎜⎜⎛b1b2⋮bn⎠⎟⎟⎟⎞
对任意的整数
b
1
,
b
2
,
…
,
b
n
b_1,b_2,\dots,b_n
b1,b2,…,bn都有整数解,求该方程组系数矩阵的行列式
证明:我们分两种情况来讨论
(1)系数矩阵不可逆,即其的行列式等于0。这种情况下有很多反例,随便写出一种即可
(2)系数矩阵可逆,对于方程组的解有
x
=
A
−
1
b
=
A
∗
b
∣
A
∣
x=A^{-1}b=\frac{A^*b}{\vert A\vert}
x=A−1b=∣A∣A∗b
由于系数矩阵为整数矩阵,故其伴随矩阵一定也为整数矩阵(伴随矩阵的元素只是对原矩阵进行加、减、乘运算而已),故对任意的整数
b
1
,
b
2
,
…
,
b
n
b_1,b_2,\dots,b_n
b1,b2,…,bn,有
A
∗
b
~A^*b~
A∗b 一定也为整数向量,从而要想一定要有整数解,那么系数矩阵的行列式只能为1或者-1。
综上所述:该方程组的系数矩阵的行列式只能为1或者-1才能满足要求
3、(20分)设
A
~A~
A 为
n
~n~
n 阶方阵,证明:存在一个可逆矩阵
B
~B~
B 及一个幂等矩阵
C
~C~
C ,使得
A
=
B
C
A=BC
A=BC.
证明:我们可以把任意一个矩阵进行如下分解
A
=
P
(
E
r
0
0
0
)
Q
=
P
Q
−
1
Q
(
E
r
0
0
0
)
Q
A=P\begin{pmatrix}E_r&0\\0&0 \end{pmatrix}Q=PQ^{-1}Q\begin{pmatrix}E_r&0\\0&0 \end{pmatrix}Q
A=P(Er000)Q=PQ−1Q(Er000)Q
其中
P
,
Q
为
可
逆
矩
阵
,
r
等
于
矩
阵
A
的
秩
P,Q为可逆矩阵,r等于矩阵A的秩
P,Q为可逆矩阵,r等于矩阵A的秩,这也是矩阵关于秩的分解。
我们令
B
=
P
Q
−
1
~B=PQ^{-1}~
B=PQ−1 ,
C
=
Q
−
1
(
E
r
0
0
0
)
Q
C=Q^{-1}\begin{pmatrix}E_r&0\\0&0 \end{pmatrix}Q
C=Q−1(Er000)Q
显然我们有
B
~B~
B 为可逆矩阵,
C
~C~
C 为幂等矩阵。
4、(15分)设
f
(
x
)
~f(x)~
f(x) 为实数域上
R
\mathbb{R}
R上的多项式,若
f
(
x
+
y
)
=
f
(
x
)
f
(
y
)
,
∀
x
,
y
∈
R
f(x+y)=f(x)f(y),\forall x,y\in\mathbb{R}
f(x+y)=f(x)f(y),∀x,y∈R,求
f
(
x
)
~f(x)~
f(x) .
解:不妨令
y
=
0
~y=0~
y=0 ,有
f
(
x
)
=
f
(
x
)
f
(
0
)
~f(x)=f(x)f(0)~
f(x)=f(x)f(0) ,则有
f
(
0
)
=
0
或
者
f
(
0
)
=
1
~f(0)=0或者f(0)=1~
f(0)=0或者f(0)=1
令
y
=
−
x
~y=-x~
y=−x ,有
f
(
0
)
=
f
(
x
)
f
(
−
x
)
f(0)=f(x)f(-x)~
f(0)=f(x)f(−x) ,由于
f
(
x
)
~f(x)~
f(x) 为多项式,故有
d
e
g
f
(
0
)
=
2
d
e
g
f
(
x
)
~degf(0)=2degf(x)~
degf(0)=2degf(x) ,那么有
f
(
x
)
=
0
,
或
者
d
e
g
f
(
x
)
=
0
~f(x)=0,或者~degf(x)=0~
f(x)=0,或者 degf(x)=0 ,故
f
(
x
)
=
0
,
或
者
f
(
x
)
=
1
~f(x)=0,或者f(x)=1~
f(x)=0,或者f(x)=1 .
5、(20分)已知实二次型
f
(
x
1
,
x
2
,
x
3
)
=
x
1
2
+
α
x
2
2
+
x
3
2
+
2
b
x
1
x
2
+
2
x
1
x
3
+
2
x
2
x
3
~f(x_1,x_2,x_3)=x_1^2+\alpha x_2^2 +x_3^2+2bx_1x_2+2x_1x_3+2x_2x_3~
f(x1,x2,x3)=x12+αx22+x32+2bx1x2+2x1x3+2x2x3 经过正交线性替换
(
x
1
x
2
x
3
)
=
P
(
y
1
y
2
y
3
)
\begin{pmatrix} x_1\\x_2\\x_3 \end{pmatrix}=P\begin{pmatrix} y_1\\y_2\\y_3 \end{pmatrix}
⎝⎛x1x2x3⎠⎞=P⎝⎛y1y2y3⎠⎞
化为标准型
y
1
2
+
4
y
2
2
~y_1^2+4y_2^2~
y12+4y22 ,求
a
,
b
的
值
及
正
交
矩
阵
P
a,b的值及正交矩阵P
a,b的值及正交矩阵P
解:不妨记二次型
f
(
x
1
,
x
2
,
x
3
)
~f(x_1,x_2,x_3)~
f(x1,x2,x3) 对应的矩阵为
A
~A~
A
A
=
(
1
b
1
b
α
1
1
1
1
)
A=\begin{pmatrix} 1&b&1\\ b&\alpha&1\\ 1&1&1 \end{pmatrix}
A=⎝⎛1b1bα1111⎠⎞
不妨记二次型
y
1
2
+
4
y
2
2
~y_1^2+4y_2^2~
y12+4y22 对应的矩阵为
B
~B~
B
B
=
(
1
0
0
0
4
0
0
0
0
)
B=\begin{pmatrix} 1&0&0\\ 0&4&0\\ 0&0&0 \end{pmatrix}
B=⎝⎛100040000⎠⎞
由于矩阵
A
和
B
是
正
交
相
似
的
~A和B是正交相似的~
A和B是正交相似的 ,根据相似的矩阵有相同的特征值,迹和行列式
根据矩阵迹相同,则
α
=
3
~\alpha=3~
α=3 .
根据行列式相同,则
b
=
1
~b=1~
b=1 .
我们现在求矩阵
A
分
别
对
应
特
征
值
1
,
4
,
0
的
特
征
向
量
~A~分别对应特征值1,4,0的特征向量
A 分别对应特征值1,4,0的特征向量
由
(
A
−
E
)
X
=
0
~(A-E)X=0~
(A−E)X=0 ,解得对应的特征向量基础解析
(
−
1
1
−
1
)
\begin{pmatrix} -1\\ 1\\ -1 \end{pmatrix}
⎝⎛−11−1⎠⎞单位化得
(
−
1
3
1
3
−
1
3
)
\begin{pmatrix} \frac{-1}{\sqrt3}\\ \frac{1}{\sqrt3}\\ \frac{-1}{\sqrt3} \end{pmatrix}
⎝⎜⎛3−1313−1⎠⎟⎞,
由
(
A
−
4
E
)
X
=
0
~(A-4E)X=0~
(A−4E)X=0 ,解得对应的特征向量基础解析
(
1
2
1
)
\begin{pmatrix} 1\\ 2\\ 1 \end{pmatrix}
⎝⎛121⎠⎞单位化得
(
1
6
2
6
1
6
)
\begin{pmatrix} \frac{1}{\sqrt6}\\ \frac{2}{\sqrt6}\\ \frac{1}{\sqrt6} \end{pmatrix}
⎝⎜⎛616261⎠⎟⎞,
由
A
X
=
0
~AX=0~
AX=0 ,解得对应的特征向量基础解析
(
1
0
−
1
)
\begin{pmatrix} 1\\ 0\\ -1 \end{pmatrix}
⎝⎛10−1⎠⎞单位化得
(
1
2
0
−
1
2
)
\begin{pmatrix} \frac{1}{\sqrt2}\\ 0\\ \frac{-1}{\sqrt2} \end{pmatrix}
⎝⎛2102−1⎠⎞,
故正交矩阵
P
=
(
−
1
3
1
6
1
2
1
3
2
6
0
−
1
3
1
6
−
1
2
)
P=\begin{pmatrix} \frac{-1}{\sqrt3}&\frac{1}{\sqrt6}&\frac{1}{\sqrt2}\\ \frac{1}{\sqrt3}&\frac{2}{\sqrt6}&0\\ \frac{-1}{\sqrt3}&\frac{1}{\sqrt6}&\frac{-1}{\sqrt2} \end{pmatrix}
P=⎝⎜⎛3−1313−16162612102−1⎠⎟⎞
6、(15分)若
n
~n~
n 维线性空间的两个子空间的和的维数减1等于它们交的维数,证明:它们的和与其中的一个子空间相等,它们的交与另一个子空间相等。
证明:不妨设
V
1
和
V
2
~V_1和V_2~
V1和V2 是
n
~n~
n 维线性空间的两个子空间
则根据线性空间的维数公式及和空间、交空间的维数关系有
d
i
m
(
V
1
+
V
2
)
+
d
i
m
(
V
1
∩
V
2
)
=
d
i
m
(
V
1
)
+
d
i
m
(
V
2
)
dim(V_1+V_2)+dim(V_1\cap V_2)=dim(V_1)+dim(V_2)
dim(V1+V2)+dim(V1∩V2)=dim(V1)+dim(V2)
根据题目已知
d
i
m
(
V
1
+
V
2
)
−
1
=
d
i
m
(
V
1
∩
V
2
)
~dim(V_1+V_2)-1=dim(V_1\cap V_2)~
dim(V1+V2)−1=dim(V1∩V2)
则有
2
d
i
m
(
V
1
∩
V
2
)
+
1
=
d
i
m
(
V
1
)
+
d
i
m
(
V
2
)
≥
2
d
i
m
(
V
1
∩
V
2
)
~2dim(V_1\cap V_2)+1=dim(V_1)+dim(V_2)\ge 2 dim(V_1\cap V_2)~
2dim(V1∩V2)+1=dim(V1)+dim(V2)≥2dim(V1∩V2)
我们可以得出只会出现下面两种情之一:
(1)、
d
i
m
(
V
1
∩
V
2
)
=
d
i
m
(
V
1
)
,
d
i
m
(
V
1
∩
V
2
)
+
1
=
d
i
m
(
V
2
)
=
d
i
m
(
V
1
+
V
2
)
dim(V_1\cap V_2)=dim(V_1),dim(V_1\cap V_2)+1=dim(V_2)=dim(V_1+V_2)
dim(V1∩V2)=dim(V1),dim(V1∩V2)+1=dim(V2)=dim(V1+V2)
(2)、
d
i
m
(
V
1
∩
V
2
)
=
d
i
m
(
V
2
)
,
d
i
m
(
V
1
∩
V
2
)
+
1
=
d
i
m
(
V
1
)
=
d
i
m
(
V
1
+
V
2
)
dim(V_1\cap V_2)=dim(V_2),dim(V_1\cap V_2)+1=dim(V_1)=dim(V_1+V_2)
dim(V1∩V2)=dim(V2),dim(V1∩V2)+1=dim(V1)=dim(V1+V2)
无论哪一种情况出现,结论都会得证。
7、(15分)设
A
~A~
A 为
3
~3~
3 阶矩阵,
α
~\alpha~
α 为
3
~3~
3 维列向量,且
α
,
A
α
,
A
2
α
~\alpha,A\alpha,A^2\alpha~
α,Aα,A2α 线性无关,
A
3
α
=
3
A
α
−
2
A
2
α
A^3\alpha=3A\alpha-2A^2\alpha
A3α=3Aα−2A2α
证明:矩阵
B
=
(
α
,
A
α
,
A
4
α
)
~B=(\alpha,A\alpha,A^4\alpha)~
B=(α,Aα,A4α) 可逆
证明:由于
A
4
α
=
3
A
2
α
−
2
A
3
α
=
3
A
2
α
−
2
A
3
α
=
7
A
2
α
−
6
A
α
~A^4\alpha=3A^2\alpha-2A^3\alpha=3A^2\alpha-2A^3\alpha =7A^2\alpha-6A\alpha~
A4α=3A2α−2A3α=3A2α−2A3α=7A2α−6Aα
不妨令存在
k
1
,
k
2
,
k
3
~k_1,k_2,k_3~
k1,k2,k3 使得
k
1
α
+
k
2
A
α
+
k
3
A
4
α
=
0
~k_1\alpha+k_2A\alpha+k_3A^4\alpha=0~
k1α+k2Aα+k3A4α=0 ,即
k
1
α
+
k
2
A
α
+
k
3
(
7
A
2
α
−
6
A
α
)
=
0
k_1\alpha+k_2A\alpha+k_3(7A^2\alpha-6A\alpha)=0
k1α+k2Aα+k3(7A2α−6Aα)=0
k
1
α
+
(
k
2
−
6
k
3
)
A
α
+
7
k
3
A
2
α
=
0
k_1\alpha+(k_2-6k_3)A\alpha+7k_3A^2\alpha=0
k1α+(k2−6k3)Aα+7k3A2α=0
由于
α
,
A
α
,
A
2
α
~\alpha,A\alpha,A^2\alpha~
α,Aα,A2α 线性无关,故
k
1
=
k
3
=
0
,
k
2
−
6
k
3
=
0
~k_1=k_3=0,k_2-6k_3=0~
k1=k3=0,k2−6k3=0 ,从而
k
1
=
k
2
=
k
3
=
0
~k_1=k_2=k_3=0~
k1=k2=k3=0 ,故
α
,
A
α
,
A
4
α
~\alpha,A\alpha,A^4\alpha~
α,Aα,A4α 是线性无关,从而矩阵
B
=
(
α
,
A
α
,
A
4
α
)
~B=(\alpha,A\alpha,A^4\alpha)~
B=(α,Aα,A4α) 可逆。
8、(15分)求
A
~A~
A 的若尔当标准型,其中
A
=
(
3
0
8
0
3
−
1
6
0
−
2
0
−
5
0
0
0
8
2
)
A=\begin{pmatrix} 3&0&8&0\\ 3&-1&6&0\\ -2&0&-5&0\\ 0&0&8&2 \end{pmatrix}
A=⎝⎜⎜⎛33−200−10086−580002⎠⎟⎟⎞
解:
λ
E
−
A
=
(
λ
−
3
0
−
8
0
−
3
λ
+
1
−
6
0
2
0
λ
+
5
0
0
0
0
λ
−
2
)
→
(
λ
−
3
0
−
8
0
−
1
λ
+
1
λ
−
1
0
2
0
λ
+
5
0
0
0
0
λ
−
2
)
\lambda E-A=\begin{pmatrix} \lambda-3&0&-8&0\\ -3&\lambda+1&-6&0\\ 2&0&\lambda+5&0\\ 0&0&0&\lambda-2 \end{pmatrix}\rightarrow\begin{pmatrix} \lambda-3&0&-8&0\\ -1&\lambda+1&\lambda-1&0\\ 2&0&\lambda+5&0\\ 0&0&0&\lambda-2 \end{pmatrix}
λE−A=⎝⎜⎜⎛λ−3−3200λ+100−8−6λ+50000λ−2⎠⎟⎟⎞→⎝⎜⎜⎛λ−3−1200λ+100−8λ−1λ+50000λ−2⎠⎟⎟⎞
→
(
0
λ
2
−
2
λ
−
3
λ
2
−
4
λ
−
5
0
−
1
λ
+
1
λ
−
1
0
0
2
λ
+
2
3
λ
+
3
0
0
0
0
λ
−
2
)
→
(
1
0
0
0
0
2
λ
+
2
3
λ
+
3
0
0
λ
2
−
2
λ
−
3
λ
2
−
4
λ
−
5
0
0
0
0
λ
−
2
)
\rightarrow\begin{pmatrix} 0&\lambda^2-2\lambda-3&\lambda^2-4\lambda-5&0\\ -1&\lambda+1&\lambda-1&0\\ 0&2\lambda+2&3\lambda+3&0\\ 0&0&0&\lambda-2 \end{pmatrix}\rightarrow\begin{pmatrix} 1&0&0&0\\ 0&2\lambda+2&3\lambda+3&0\\ 0&\lambda^2-2\lambda-3&\lambda^2-4\lambda-5&0\\ 0&0&0&\lambda-2 \end{pmatrix}
→⎝⎜⎜⎛0−100λ2−2λ−3λ+12λ+20λ2−4λ−5λ−13λ+30000λ−2⎠⎟⎟⎞→⎝⎜⎜⎛100002λ+2λ2−2λ−3003λ+3λ2−4λ−50000λ−2⎠⎟⎟⎞
→
(
1
0
0
0
0
2
λ
+
2
λ
+
1
0
0
λ
2
−
2
λ
−
3
(
λ
+
1
)
2
0
0
0
0
λ
−
2
)
→
(
1
0
0
0
0
λ
+
1
0
0
0
0
(
λ
+
1
)
2
0
0
0
0
λ
−
2
)
\rightarrow\begin{pmatrix} 1&0&0&0\\ 0&2\lambda+2&\lambda+1&0\\ 0&\lambda^2-2\lambda-3&(\lambda+1)^2&0\\ 0&0&0&\lambda-2 \end{pmatrix}\rightarrow\begin{pmatrix} 1&0&0&0\\ 0&\lambda+1&0&0\\ 0&0&(\lambda+1)^2&0\\ 0&0&0&\lambda-2 \end{pmatrix}
→⎝⎜⎜⎛100002λ+2λ2−2λ−300λ+1(λ+1)20000λ−2⎠⎟⎟⎞→⎝⎜⎜⎛10000λ+10000(λ+1)20000λ−2⎠⎟⎟⎞
→
(
1
0
0
0
0
λ
+
1
0
0
0
0
(
λ
+
1
)
2
0
0
0
0
λ
−
2
)
→
(
1
0
0
0
0
1
0
0
0
0
λ
+
1
0
0
0
0
(
λ
+
1
)
2
(
λ
−
2
)
)
\rightarrow\begin{pmatrix} 1&0&0&0\\ 0&\lambda+1&0&0\\ 0&0&(\lambda+1)^2&0\\ 0&0&0&\lambda-2 \end{pmatrix}\rightarrow\begin{pmatrix} 1&0&0&0\\ 0&1&0&0\\ 0&0&\lambda+1&0\\ 0&0&0&(\lambda+1)^2(\lambda-2) \end{pmatrix}
→⎝⎜⎜⎛10000λ+10000(λ+1)20000λ−2⎠⎟⎟⎞→⎝⎜⎜⎛1000010000λ+10000(λ+1)2(λ−2)⎠⎟⎟⎞
即我们可以得到该特征矩阵的初等因子组是
λ
+
1
~\lambda+1~
λ+1 ,
(
λ
+
1
)
2
~(\lambda+1)^2~
(λ+1)2 ,
λ
−
2
~\lambda-2~
λ−2 ,
故矩阵
A
~A~
A 的若尔当标准型
(
−
1
0
0
0
0
−
1
0
0
0
1
−
1
0
0
0
0
2
)
\begin{pmatrix} -1&0&0&0\\ 0&-1&0&0\\ 0&1&-1&0\\ 0&0&0&2 \end{pmatrix}
⎝⎜⎜⎛−10000−11000−100002⎠⎟⎟⎞
9、(15分)设
A
~A~
A 为
n
~n~
n 阶正定矩阵,判断
A
+
A
−
1
−
E
~A+A^{-1}-E~
A+A−1−E 是否为正定矩阵,并说明理由。
证明:因为
A
+
A
−
1
−
E
=
(
A
+
A
−
1
−
E
)
T
~A+A^{-1}-E=(~A+A^{-1}-E)^T~
A+A−1−E=( A+A−1−E)T ,故
A
+
A
−
1
−
E
~A+A^{-1}-E~
A+A−1−E 为对称矩阵
不妨设
A
~A~
A 的特征值为
λ
1
,
λ
2
,
⋯
,
λ
n
~\lambda_1,\lambda_2,\cdots,\lambda_n~
λ1,λ2,⋯,λn ,由
A
~A~
A 为
n
~n~
n 阶正定矩阵,知
λ
i
>
0
,
i
=
1
,
2
,
⋯
,
n
\lambda_i>0,i=1,2,\cdots,n
λi>0,i=1,2,⋯,n,故
A
+
A
−
1
−
E
~A+A^{-1}-E~
A+A−1−E 的特征值为
λ
1
+
1
λ
1
−
1
,
λ
2
+
1
λ
2
−
1
⋯
,
λ
n
+
1
λ
n
−
1
~\lambda_1+\frac{1}{\lambda_1}-1,\lambda_2+\frac{1}{\lambda_2}-1\cdots,\lambda_n+\frac{1}{\lambda_n}-1~
λ1+λ11−1,λ2+λ21−1⋯,λn+λn1−1 ,由于
λ
i
+
1
λ
i
≥
2
~\lambda_i+\frac{1}{\lambda_i}\ge2~
λi+λi1≥2 ,故
A
+
A
−
1
−
E
~A+A^{-1}-E~
A+A−1−E 的特征值都大于0,那么
A
+
A
−
1
−
E
~A+A^{-1}-E~
A+A−1−E 为正定矩阵。
10、(15分)设
A
,
B
~A,B~
A,B 为
2
~2~
2 阶矩阵,且
A
=
A
B
−
B
A
~A=AB-BA~
A=AB−BA ,求
A
2
~A^2~
A2 .
解:首先我们应该知道矩阵
A
B
~AB~
AB 和矩阵
B
A
~BA~
BA 有相同的特征值(证明很常见,此处不证明),故他们有相同的迹。
那我们现在证明这样矩阵
A
~A~
A 不可逆,用反证法,假设矩阵
A
~A~
A 可逆
则把
A
=
A
B
−
B
A
~A=AB-BA~
A=AB−BA 左乘
A
−
1
~A^{-1}~
A−1 ,我们有
n
=
t
r
(
E
)
=
t
r
(
B
−
A
−
1
B
A
)
=
t
r
(
B
)
−
t
r
(
A
−
1
B
A
)
=
0
n=~tr(E)=tr(B-A^{-1}BA)=tr(B)-tr(A^{-1}BA)=0~
n= tr(E)=tr(B−A−1BA)=tr(B)−tr(A−1BA)=0 ,显然矛盾,故假设不成立
由于
A
~A~
A 为
2
~2~
2 阶矩阵,根据相似的矩阵有相同的迹和秩,那么矩阵矩阵
A
~A~
A 的若尔当标准型一定为
B
=
(
0
0
∗
0
)
,
其
中
∗
为
0
或
者
1
B=\begin{pmatrix} 0&0\\ *&0\\ \end{pmatrix},其中*为0或者1
B=(0∗00),其中∗为0或者1
显然
B
~B~
B 为幂零矩阵,即
B
2
=
0
~B^2=0~
B2=0 ,那么
A
2
~A^2~
A2 与
0
~0~
0 矩阵相似,故
A
2
=
0
~A^2=0~
A2=0 .