线性代数及其应用习题答案(中文版)第二章 矩阵代数 2.1 矩阵运算(2)

。

---

21. 设 $AB$ 的最后一列全为零，但 $B$ 本身没有零列，那么 $A$ 的各列如何？为什么？

解答：

1. 列关系：
   设 $B$ 的最后一列为 $b_p$，则 $A{b}_p=0$。
   由 $b_p\ne 0$，说明 $A$ 的列向量线性相关（存在非零组合使结果为零）。

2. 线性相关性：
   $A{b}_p=0$ 表明 $b_p$ 是 $A$ 的零空间中的非零向量，故 $A$ 的列秩小于列数，即列线性相关。

结论：
$A$ 的各列线性相关。

---

22. 若 $B$ 的各列线性相关，证明 $AB$ 的各列也线性相关。

解答：

1. 线性相关定义：
   $B$ 的列线性相关 $⟹$ 存在非零向量 $\mathbf{x}$ 使 $B\mathbf{x}=0$。

2. 传递性：
   $AB\mathbf{x}=A(B\mathbf{x})=A0=0$，且 $\mathbf{x}\ne 0$，故 $AB$ 的列线性相关。

结论：
$AB$ 的各列线性相关。

---

23. 设 $CA=I_n$（$n\times n$ 单位矩阵），证明方程 $Ax=0$ 只有平凡解。

解答：

1. 假设解：
   设 $\mathbf{x}$ 满足 $A\mathbf{x}=0$，则：
   $$C(A\mathbf{x})=C0⟹(CA)\mathbf{x}=0⟹I_n\mathbf{x}=0⟹\mathbf{x}=0$$

2. 唯一性：
   任何解必为零向量，故 $Ax=0$ 仅有平凡解。

结论：
方程 $Ax=0$ 只有平凡解。

---

24. 设 $AD=I_m$（$m\times m$ 单位矩阵），证明：对任意向量 $\mathbf{b}$，方程 $Ax=\mathbf{b}$ 有解。

解答：

1. 构造解：
   令 $\mathbf{x}=D\mathbf{b}$，则：
   $$A\mathbf{x}=A(D\mathbf{b})=(AD)\mathbf{b}=I_m\mathbf{b}=\mathbf{b}$$

2. 存在性：
   对任意 $\mathbf{b}$，$\mathbf{x}=D\mathbf{b}$ 满足方程，故解存在。

结论：
方程 $Ax=\mathbf{b}$ 对任意向量 $\mathbf{b}$ 有解。

---

25. 设 $A$ 是 $m\times n$ 矩阵，存在 $n\times m$ 矩阵 $C$ 和 $D$，使 $CA=I_n$ 和 $AD=I_m$。证明：$m=n$ 且 $C=D$。

解答：

1. 维度关系：

   • 由 $CA=I_n$，得 $\text{rank}(A)\ge n$（因 $I_n$ 满秩），而 $A$ 为 $m\times n$，故 $m\ge n$。
   • 由 $AD=I_m$，得 $\text{rank}(A)\ge m$，而 $A$ 为 $m\times n$，故 $n\ge m$。
   • 综上，$m=n$。

2. 唯一性证明：
   $$C=C{I}_m=C(AD)=(CA)D=I_{n}D=D$$
   故 $C=D$。

结论：
$m=n$ 且 $C=D$。

---

26. 设 $A$ 是 $3\times n$ 矩阵，其列生成 ${\mathbb{R}}^3$，解释如何构造一个 $n\times 3$ 矩阵 $D$，使得 $AD=I_3$。

解答：

1. 将单位矩阵 $I_3$ 表示为列向量形式：$I_3=[e_1{e}_2{e}_3]$，其中 $e_1=\left[\begin{array}{c}1\\ 0\\ 0\end{array}\right]$, $e_2=\left[\begin{array}{c}0\\ 1\\ 0\end{array}\right]$, $e_3=\left[\begin{array}{c}0\\ 0\\ 1\end{array}\right]$ 为 ${\mathbb{R}}^3$ 的标准基向量。

2. 设 $D=[d_1{d}_2{d}_3]$，其中 $d_1,d_2,d_3$ 为 $n\times 1$ 矩阵（即 ${\mathbb{R}}^n$ 中的向量）。

3. 根据矩阵乘法的定义，$AD=A[d_1{d}_2{d}_3]=[A{d}_{1}A{d}_{2}A{d}_3]$。

4. 要求 $AD=I_3$，即 $[A{d}_{1}A{d}_{2}A{d}_3]=[e_1{e}_2{e}_3]$，这等价于以下三个方程：
   $$A{d}_1=e_1,A{d}_2=e_2,A{d}_3=e_3$$

5. 由于 $A$ 的列生成 ${\mathbb{R}}^3$（即 $\text{Col}(A)={\mathbb{R}}^3$），方程组 $Ax=b$ 对任意 $b\in {\mathbb{R}}^3$ 都有解。

6. 因此，每个方程 $A{d}_1=e_1$、$A{d}_2=e_2$ 和 $A{d}_3=e_3$ 均至少存在一个解。

7. 为每个方程选择一个特解：

   • 取 $d_1$ 为 $A{d}_1=e_1$ 的一个解，
   • 取 $d_2$ 为 $A{d}_2=e_2$ 的一个解，
   • 取 $d_3$ 为 $A{d}_3=e_3$ 的一个解。

8. 以 $d_1,d_2,d_3$ 为列构造 $D=[d_1{d}_2{d}_3]$，则 $AD=I_3$ 成立。

结论：
构造 $D$ 的方法为：对每个标准基向量 $e_i$ ($i=1,2,3$)，求解 $A{d}_i=e_i$ 得到解 $d_i$，并将 $d_1,d_2,d_3$ 依次作为 $D$ 的第一列、第二列和第三列。

---

27. 设 $u=\left[\begin{array}{c}-2\\ 3\\ -4\end{array}\right]$, $v=\left[\begin{array}{c}a\\ b\\ c\end{array}\right]$，计算 $u^{T}v$, $v^{T}u$, $u{v}^T$ 和 $v{u}^T$。

解答：

1. 计算 $u^{T}v$：
   $$u^{T}v=\left[\begin{array}{ccc}-2& 3& -4\end{array}\right]\left[\begin{array}{c}a\\ b\\ c\end{array}\right]=-2a+3b-4c$$
   $u^{T}v$ 是 $1\times 1$ 矩阵，通常简化为实数 $-2a+3b-4c$。

2. 计算 $v^{T}u$：
   $$v^{T}u=\left[\begin{array}{ccc}a& b& c\end{array}\right]\left[\begin{array}{c}-2\\ 3\\ -4\end{array}\right]=-2a+3b-4c$$
   $v^{T}u$ 也是 $1\times 1$ 矩阵，结果与 $u^{T}v$ 相同。

3. 计算 $u{v}^T$：
   $$u{v}^T=\left[\begin{array}{c}-2\\ 3\\ -4\end{array}\right]\left[\begin{array}{ccc}a& b& c\end{array}\right]=\left[\begin{array}{ccc}-2a& -2b& -2c\\ 3a& 3b& 3c\\ -4a& -4b& -4c\end{array}\right]$$
   $u{v}^T$ 是 $3\times 3$ 矩阵。

4. 计算 $v{u}^T$：
   $$v{u}^T=\left[\begin{array}{c}a\\ b\\ c\end{array}\right]\left[\begin{array}{ccc}-2& 3& -4\end{array}\right]=\left[\begin{array}{ccc}-2a& 3a& -4a\\ -2b& 3b& -4b\\ -2c& 3c& -4c\end{array}\right]$$
   $v{u}^T$ 是 $3\times 3$ 矩阵。

结论：
$u^{T}v=v^{T}u=-2a+3b-4c$，
$u{v}^T=\left[\begin{array}{ccc}-2a& -2b& -2c\\ 3a& 3b& 3c\\ -4a& -4b& -4c\end{array}\right]$，
$v{u}^T=\left[\begin{array}{ccc}-2a& 3a& -4a\\ -2b& 3b& -4b\\ -2c& 3c& -4c\end{array}\right]$。

---

28. 若 $u$ 和 $v$ 属于 ${\mathbb{R}}^n$，$u^{T}v$ 和 $v^{T}u$ 有什么关系？$u{v}^T$ 和 $v{u}^T$ 有什么关系？

解答：

1. $u^{T}v$ 与 $v^{T}u$ 的关系：

   • $u^{T}v$ 和 $v^{T}u$ 均为 $1\times 1$ 矩阵（标量）。

   • 由转置性质：
     $$u^{T}v=(u^{T}v{)}^T=v^T(u^T{)}^T=v^{T}u$$

   • 因此，$u^{T}v=v^{T}u$。

2. $u{v}^T$ 与 $v{u}^T$ 的关系：

   • $u{v}^T$ 和 $v{u}^T$ 均为 $n\times n$ 矩阵。

   • 由转置性质：
     $$(u{v}^T{)}^T=(v^T{)}^T{u}^T=v{u}^T$$

   • 因此，$u{v}^T$ 与 $v{u}^T$ 互为转置。

结论：
$u^{T}v=v^{T}u$，且 $(u{v}^T{)}^T=v{u}^T$。

---

29. 证明 $A(B+C)$ 和 $(B+C)A$ 的 $(i,j)$ 元素可写成 $a_{i1}(b_{1j}+c_{1j})+\cdots +a_{in}(b_{nj}+c_{nj})$ 或 ${\sum }_{k=1}^n{a}_{ik}(b_{kj}+c_{kj})$。

解答：

1. 分析 $A(B+C)$ 的 $(i,j)$ 元素：

   • $B+C$ 的 $(k,j)$ 元素为 $b_{kj}+c_{kj}$。

   • $A(B+C)$ 的 $(i,j)$ 元素为：
     $$\sum _{k=1}^n{a}_{ik}(b_{kj}+c_{kj})=\sum _{k=1}^n{a}_{ik}{b}_{kj}+\sum _{k=1}^n{a}_{ik}{c}_{kj}$$

   • 这恰好是 $AB$ 和 $AC$ 的 $(i,j)$ 元素之和，即 $AB+AC$ 的 $(i,j)$ 元素。

2. 分析 $(B+C)A$ 的 $(i,j)$ 元素：

   • $B+C$ 的 $(i,k)$ 元素为 $b_{ik}+c_{ik}$。

   • $(B+C)A$ 的 $(i,j)$ 元素为：
     $$\sum _{k=1}^n(b_{ik}+c_{ik})a_{kj}=\sum _{k=1}^n{b}_{ik}{a}_{kj}+\sum _{k=1}^n{c}_{ik}{a}_{kj}$$

   • 这恰好是 $BA$ 和 $CA$ 的 $(i,j)$ 元素之和，即 $BA+CA$ 的 $(i,j)$ 元素。

结论：
$A(B+C)$ 的 $(i,j)$ 元素等于 $AB+AC$ 的 $(i,j)$ 元素，$(B+C)A$ 的 $(i,j)$ 元素等于 $BA+CA$ 的 $(i,j)$ 元素。

---

30. 证明定理 2 (d)，即 $r(AB)$, $(rA)B$ 和 $A(rB)$ 的 $(i,j)$ 元素相等。

解答：

1. 分析 $r(AB)$ 的 $(i,j)$ 元素：

   • $AB$ 的 $(i,j)$ 元素为 ${\sum }_{k=1}^n{a}_{ik}{b}_{kj}$。
   • $r(AB)$ 的 $(i,j)$ 元素为 $r{\sum }_{k=1}^n{a}_{ik}{b}_{kj}$。

2. 分析 $(rA)B$ 的 $(i,j)$ 元素：

   • $rA$ 的 $(i,k)$ 元素为 $r{a}_{ik}$。
   • $(rA)B$ 的 $(i,j)$ 元素为 ${\sum }_{k=1}^n(r{a}_{ik})b_{kj}=r{\sum }_{k=1}^n{a}_{ik}{b}_{kj}$。

3. 分析 $A(rB)$ 的 $(i,j)$ 元素：

   • $rB$ 的 $(k,j)$ 元素为 $r{b}_{kj}$。
   • $A(rB)$ 的 $(i,j)$ 元素为 ${\sum }_{k=1}^n{a}_{ik}(r{b}_{kj})=r{\sum }_{k=1}^n{a}_{ik}{b}_{kj}$。

4. 比较结果：

   • 三者的 $(i,j)$ 元素均为 $r{\sum }_{k=1}^n{a}_{ik}{b}_{kj}$，因此相等。

结论：
$r(AB)$, $(rA)B$ 和 $A(rB)$ 的 $(i,j)$ 元素相等。

---

31. 证明 $I_{m}A=A$，其中 $A$ 为 $m\times n$ 矩阵。

解答：

1. 矩阵表示：

   • 设 $I_m=[e_1{e}_2\cdots e_m]$，其中 $e_i$ 是 ${\mathbb{R}}^m$ 的标准基向量。
   • 设 $A=[a_1{a}_2\cdots a_n]$，其中 $a_j$ 是 $A$ 的第 $j$ 列。

2. 矩阵乘法：

   • $I_{m}A=I_m[a_1{a}_2\cdots a_n]=[I_m{a}_1{I}_m{a}_2\cdots I_m{a}_n]$。
   • 由于 $I_{m}x=x$ 对任意 $x\in {\mathbb{R}}^m$ 成立，故 $I_m{a}_j=a_j$。

3. 结果验证：

   • $[I_m{a}_1{I}_m{a}_2\cdots I_m{a}_n]=[a_1{a}_2\cdots a_n]=A$。

结论：
$I_{m}A=A$。

---

32. 证明 $A{I}_n=A$，其中 $A$ 为 $m\times n$ 矩阵。

解答：

1. 矩阵表示：

   • 设 $I_n=[e_1{e}_2\cdots e_n]$，其中 $e_j$ 是 ${\mathbb{R}}^n$ 的标准基向量。
   • 设 $A=[a_1{a}_2\cdots a_n]$，其中 $a_j$ 是 $A$ 的第 $j$ 列。

2. 矩阵乘法：

   • $A{I}_n=A[e_1{e}_2\cdots e_n]=[A{e}_{1}A{e}_2\cdots A{e}_n]$。
   • $A{e}_j$ 是 $A$ 的第 $j$ 列，因为 $e_j$ 只有第 $j$ 位为 1，其余为 0。

3. 结果验证：

   • $[A{e}_{1}A{e}_2\cdots A{e}_n]=[a_1{a}_2\cdots a_n]=A$。

结论：
$A{I}_n=A$。

---

33. 证明定理 3(d) 的公式。

解答：

1. 转置定义：

   • $(AB{)}^T$ 的 $(i,j)$ 元素是 $AB$ 的 $(j,i)$ 元素。
   • $AB$ 的 $(j,i)$ 元素为 ${\sum }_{k=1}^n{a}_{jk}{b}_{ki}$。

2. 分析 $B^T{A}^T$：

   • $B^T$ 的 $(i,k)$ 元素是 $B$ 的 $(k,i)$ 元素，即 $b_{ki}$。
   • $A^T$ 的 $(k,j)$ 元素是 $A$ 的 $(j,k)$ 元素，即 $a_{jk}$。
   • $B^T{A}^T$ 的 $(i,j)$ 元素为 ${\sum }_{k=1}^n{b}_{ki}{a}_{jk}={\sum }_{k=1}^n{a}_{jk}{b}_{ki}$。

3. 比较结果：

   • $(AB{)}^T$ 的 $(i,j)$ 元素等于 $B^T{A}^T$ 的 $(i,j)$ 元素。
   • 因此，$(AB{)}^T=B^T{A}^T$。

结论：
$(AB{)}^T=B^T{A}^T$。

---

34. 给出 $(ABx{)}^T$ 的公式，其中 $x$ 是向量，$A$ 和 $B$ 是适当维数的矩阵。

解答：

1. 应用定理 3(d)：

   • $(ABx{)}^T=x^T(AB{)}^T$（将 $ABx$ 视为 $AB$ 与 $x$ 的乘积）。

2. 进一步展开：

   • 由定理 3(d)，$(AB{)}^T=B^T{A}^T$。
   • 因此，$x^T(AB{)}^T=x^T{B}^T{A}^T$。

3. 验证维度：

   • 若 $A$ 是 $m\times n$ 矩阵，$B$ 是 $n\times p$ 矩阵，$x$ 是 $p\times 1$ 向量，则：
     • $ABx$ 是 $m\times 1$ 向量，其转置为 $1\times m$ 矩阵。
     • $x^T{B}^T{A}^T$ 是 $1\times p$ 乘 $p\times n$ 乘 $n\times m$，结果为 $1\times m$ 矩阵，维度匹配。

结论：
$(ABx{)}^T=x^T{B}^T{A}^T$。