矩阵理论与应用(张跃辉)(上海交大)第六章参考答案

合集下载

正定二次型的性质及应用

正定二次型的性质及应用

目录摘要 (2)关键词 (2)Abstract (2)Keywords (2)前言 (2)1预备知识 (2)1。

1二次型定义 (2)1。

2正定二次型定义 (3)2 正定二次型的性质 (3)3 正定二次型的应用 (7)3。

1正定二次型在解决极值问题中的应用 (7)3.2正定二次型在分块矩阵中的应用。

(9)3。

3正定二次型在解决多项式根的有关问题中的应用 (9)3.4正定二次型在解决二次曲线和二次曲面方程中的应用 (10)3。

5正定二次型在线形最小二乘法问题的解中的应用 (12)3.6正定二次型在欧氏空间中的应用(欧氏空间的内积与正定矩阵) (12)3。

7正定二次型在解线性方程组中的应用 (12)3.8正定二次型在物理力学问题中的应用。

(13)结束语………………………………………………………………………………。

.…….…。

13参考文献 (14)正定二次型的性质及应用摘 要:本文主要探讨了正定二次型的性质,结合例题重点介绍了正定二次型的应用,如研究极值问题方面、解决多项式的根和在物理方面的应用等. 关键词:正定二次型;正定矩阵;合同;初等变换;分块矩阵The properties and Applications of positive definiteQuadratic FormsAbstract :In this paper ,the properties of positive definite quadratic form is discussed. By giving examples , we mainly introduce the applications of positive definite quadratic form, such as the application to extremum questions 、studying the polynomial root and applications in physics et al.Keywords :positive definite quadratic form ; positive definite matrix ; congruence ; elementary transformation ;partitioned matrix.前言二次型是线性代数的主要内容之一,正定二次型是是实二次型中一类特殊的二次型,占有特殊的地位.正定二次型常常出现在许多实际应用和理论研究中,且有很大的实用价值,它不仅在几何而且在数学的其它分支学科以及物理和工程技术也常常用到,正定矩阵是依附正定二次型给出的,因而对正定矩阵的性质的考察,有助于更好地了解正定二次型,本文在二次型的基础上研究了正定二次型与正定矩阵的一些性质及相关证明,并以例题的形式详细介绍了正定二次型的一些应用。

(完整版)上海大学随机过程第六章习题及答案

(完整版)上海大学随机过程第六章习题及答案

第三章 习 题1.甲乙两人进行某种比赛,设每局比赛中甲胜的概率为p ,乙胜的概率为q ,平局的概率为r ,其中,,0,1p q r p q r ≤++=,设每局比赛后,胜者得1分,负者得1-分,平局不记分,当两个人中有一个人得到2分时比赛结束,以n X 表示比赛至第n 局时甲获得的分数,则{,1}n X n ≥是一齐冯马尔可夫链.(1)写出状态空间;(2)求一步转移概率矩阵;(3)求在甲获得1分的情况下,再赛2局甲胜的概率. 解(1){,0}n X n ≥的状态空间为{2,1,0,1,2}S =--(2){,0}n X n ≥的一步转移概率矩阵为1000000000001q rp q r p q r p ⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦P (3)因为两步转移概率矩阵为22(2)22222210000202220200001q rq r pq pr p q rq r pqpr p q qr pq r p pr ⎡⎤⎢⎥++⎢⎥⎢⎥==+⎢⎥++⎢⎥⎢⎥⎣⎦P P所以在甲获得1分的情况下,再赛2局甲胜的概率为(2)12(1)p p pr p r =+=+2.设{,1,2,}i Y i =L 为相互独立的随机变量序列,则 (1){,1,2,}i Y i =L 是否为Markov 链? (2)令1nn ii X Y ==∑,问{,1,2,}iX i =L 是否为Markov 链?解(1)由于11221112211122111221111221(,,,,) (,,,)(,,,)()()()()()()(,,,)n n n n n n n n n n n P Y i Y i Y i Y j P Y j Y i Y i Y i P Y i Y i Y i P Y i P Y i P Y i P Y j P Y j P Y j Y i P Y i Y i Y i ------=========================L L L L L因此,{,1,2,}n Y n =L 是马尔可夫链.(2)取1111()f U X U ==,当11U i =时,212X U U =+是2U 的函数,记为22().f U 依次类推,1121n n X U U U --=+++L 为1n U -的函数,记为1112(),n n n n f U X U U U --=+++L 为n U 的函数,记为().n n f U 由于12,,,,n U U U L L 相互独立,则其相应的函数1122(),(),,(),n n f U f U f U L L 也相互独立,从而122111221111112211 (,,,)(,,,)(,,,)()()nn n i n i n n n n n n P X j X i X i X i P Y j X i X i X i P X Y j X i X i X i P Y j i P X j X i --=---==========+======-===∑L L L因此{,1,2,}n X n =L 是马尔可夫链.3 设,1,2,i X i =L 是相互独立的随机变量,且使得(),0,1,i j P X j a j ===L ,如果max{,1,2,,1}n i X X i n >=-L ,其中0X =-∞,就称在时刻n 产生了一个记录.若在时刻n产生了一个记录,就称n X 为记录值,以n R 表示第n 个记录值. (1)证明,{,1,2,}n R n =L 是Markov 链,并求其转移概率;(2)以i T 表示第i 个与第1i +记录之间的时间,问{,1,2,}n T n =L 是否是Markov 链,若是,则计算其转移概率.证明:(a )根据题意有:k n k n n X R X R X R ===,....,2121,……满足........21k n n n X X X << 且........121k n n n <<<故},...,|{11111i R i R i R z R P k k k k k ====--+}...|{111i i i j z R P k k k >>>>==-+ }|{1k k i j z R P >==+}|{1k k k i R z R P ===+ 故}1,{≥i R i 是一个马尔可夫链且⎩⎨⎧≤>======++i j ij a i X z X P i R z R P j k n n k k k k k ,0,}|{}|{11 (由于i X 的独立性)(b )记i T 为第i 个记录与第1i +个记录之间的时间,i T 是相互独立的随机变量,因为{}i P T t =}1...,2,1,,|{k 1-=<=====+++t k i X i X R z X R P i i i n n i t n i 且}{1z X R P tn i i ===++=⎩⎨⎧≤>ij i j a j ,0,(由于i X 的独立性)故{i T ,1≥i }是一个马尔可夫链 令(,),1i i i Z R T i =≥ 则{}111,,,i i i P Z Z Z Z +-…{}111111(,)(,),(,),,(,)i i i i i i P R t R t R t R t ++--=…{}1111112111111211(,)(,),(,),,(,),(,)i i i t t i t t i t t i t t P X t X t X t X t X t +-+++++++-++=…+?+?+… {}111111(,)(,)i i t t i t t i P X t X t ++++++=…+?+ {}111111(,)(,)i i t t i t t i P X z t X i t ++++++===…+?+,0,j j i j iα>⎧=⎨≤⎩ 故}{,(),1i i R T i ≥是一个马尔可夫链。

第六章 线性空间 习题答案

第六章 线性空间 习题答案

第六章 线性空间3.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 (1n ≥)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n n ⨯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(反对称,上三角)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:1122121212(,)(,)(,)a b a b a a b b a a ⊕=+++,211111(1)(,)(,)2k k k a b ka kb a -=+; 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:k =0α;7)集合与加法同6),数量乘法定义为:k =αα;8)全体正实数+R ,加法与数量乘法定义为:a b ab ⊕=,k k a a =.解 1)不能构成实数域上的线性空间.因为两个n 次多项式相加不一定是n 次多项式,所以对加法不封闭. 2)能构成实数域上的线性空间.事实上,{()|()[]}V f f x x =∈R A 即为题目中的集合,显然,对任意的(),()f g V ∈A A ,及k ∈R ,有()()()f g h V +=∈A A A ,()()()kf kf V =∈A A ,其中()()()h x f x g x =+.这就说明V 对于矩阵的加法和数量乘法封闭.容易验证,这两种运算满足线性空间定义的1~8条,故V 构成实数域上的线性空间.3)能构成实数域上的线性空间.由于矩阵的加法和和数量乘法满足线性空间定义的1~8条性质,故只需证明对称(反对称,上三角)矩阵对加法与数量乘法是否封闭即可.而两个对称(反对称,上三角)矩阵的和仍为对称(反对称,上三角)矩阵,一个数k 乘对称(反对称,上三角)矩阵也仍为对称(反对称,上三角)矩阵.于是,n 级实对称(反对称,上三角)矩阵的全体,按照矩阵的加法和数量乘法,都构成实数域上的线性空间.4)不能构成实数域上的线性空间.因为,两个不平行与某一向量α的两个向量的和可能平行于α,例如:以α为对角线的任意两个向量的和都平行于α,从而不属于题目中的集合.5)能构成实数域上的线性空间.事实上,{(,)|,}V a b a b =∈R 即为题目中的集合.显然,按照题目中给出的加法和数量乘法都封闭.容易验证,对于任意的(,)a b ,(,)i i a b V ∈,1,2,3i =;,k l ∈R ,有①由于两个向量的分量在加法中的位置是对称的,故加法交换律成立; ②直接验证,可知加法的结合律也成立;③由于(,)(0,0)(0,00)(,)a b a b a b ⊕=+++=,故(0,0)是V 中加法的零元素;④如果11111(,)(,)(,)(0,0)a b a b a a b b aa ⊕=+++=,则有211(,)(,)a b a a b =--,即2(,)aa b --为(,)a b 的负元素;⑤21(11)1(,)(1,1)(,)2a b a b a a b -=+=; ⑥222(1)(1)(1)((,))(,)(,[]())222l l l l k k k l a b k la lb a kla k lb a la ---=+=++ 2(1)(,)()(,)2kl kl kla klb a kl a b -=+=; ⑦22(1)(1)(,)(,)(,)(,)22k k l l k a b l a b ka kb a la lb a --⊕=+⊕+ 222(1)(1)(,)22k k l l ka la kb a lb a kla --=+++++2(1)(1)[(),()]2k k l k l a k l b a ++-=+++()(,)k l a b =+;⑧1122121212[(,)(,)](,)k a b a b k a a b b a a ⊕=+++212121212(1)[(),()()]2k k k a a k b b a a a a -=+++++, 而221122111222(1)(1)(,)(,)(,)(,)22k k k k k a b k a b ka kb a ka kb a --⊕=+⊕+ 22212112212(1)(1)(,)22k k k k ka ka kb a kb a k a a --=+++++212121212(1)[(),()()]2k k k a a k b b a a a a -=+++++, 即11221122[(,)(,)](,)(,)k a b a b k a b k a b ⊕=⊕.于是,这两种运算满足线性空间定义的1~8条,所以V 构成实数域上的一个线性空间.6)不能构成实数域上的线性空间.因为1=≠0αα,故不满足定义的第5条规律. 7)不能构成实数域上的线性空间.因为()2k l k l αα+=≠=+=+ααααα,故不满足定义的第7条规律. 8)能构成实数域上的线性空间.由于两个正实数相乘还是正实数,正实数的指数还是正实数,故+R 对定义的加法和数量乘法都是封闭的.容易验证,对于任意的,a b +∈R ,,k l ∈R ,有①a b ab ba b a ⊕===⊕;②()()()()a b c ab c abc a bc a b c ⊕⊕=⊕==⊕=⊕⊕; ③11a a a ⊕==,即1是定义的加法⊕的零元素; ④111a a a a ⊕==,即1a是a 的负元素; ⑤11a a a ==;⑥()()()()ll klkklk l a k a a a a kl a =====; ⑦()()()k lk l k l a aa a k a l a ++===⊕⑧()()()()()kk kk a b k ab ab a b k a k b ⊕====⊕.于是,这两种运算满足线性空间定义的1~8条,所以+R 构成实数域上的一个线性空间. 『方法技巧』直接根据定义逐条验证即可,但是也要注意验证所给的加法和数量乘法是封闭的. 4.在线性空间中,证明:1)k =00;2)()k k k -=-αβαβ.『解题提示』利用线性空间定义的运算所满足的规律和性质.证明 1)证法1 由于对任意的向量α,存在负向量-α,使得()+-=0αα,故(())()(1)(())0k k k k k k k k =+-=+-=+-=+-==00αααααααα;证法2 对于任意的向量α,有()k k k k +=+=00ααα,左右两边再加上k α的负向量k -α,即可得k =00;2)利用数量乘法对加法的分配律,得到()()k k k k -+=-+=αββαββα,等式两边再加上k β的负向量k -β,即可得()k k k -=-αβαβ. 5.证明:在实函数空间中,21,cos ,cos2t t 是线性相关的.『解题提示』只需要说明其中一个向量可以由其他向量线性表出即可.证明 由于在实函数空间中,有1cos 22cos 2-=t t ,即cos 2t 可由另外两个向量线性表出,故21,cos ,cos 2t t 是线性相关的.7.在4P 中,求向量ξ在基1234,,,εεεε下的坐标,设2)1234(1,1,0,1),(2,1,3,1),(1,1,0,0),(0,1,1,1),(0,0,0,1)====--=εεεεξ. 解法1 设ξ在基1234,,,εεεε下的坐标为1234(,,,)k k k k ',则有11223344k k k k =+++ξεεεε.2)将向量等式按分量写出,得12312342412420,0,30,1.k k k k k k k k k k k k ++=⎧⎪+++=⎪⎨-=⎪⎪+-=⎩ 解方程组,得12341,0,1,0k k k k ===-=,即为ξ在基1234,,,εεεε下的坐标.解法2 将1234,,,εεεε和ξ作为矩阵的列构成一个矩阵()1234,,,,=εεεεξA ,对A 进行初等行变换,将其化成最简阶梯形矩阵,从而确定ξ与1234,,,εεεε的线性关系.2)对A 进行初等行变换,得到1210010001111100100003010001011101100010⎛⎫⎛⎫⎪ ⎪⎪ ⎪=→→ ⎪ ⎪-- ⎪ ⎪-⎝⎭⎝⎭A ,于是13=-ξεε.『方法技巧』解法1,利用了待定坐标法,将线性关系转化成线性方程组,解线性方程组即可;解法2,利用了初等行变换不改变列向量之间的线性关系,将向量组构成的矩阵化成最简阶梯形矩阵,从而观察出向量的坐标.8.求下列线性空间的维数与一组基: 1)数域P 上的空间n nP ⨯;2)n nP⨯中全体对称(反对称,上三角)矩阵作成的数域P 上的空间;『解题提示』根据各个线性空间的特点,构造出这些线性空间的一组基,同时也可以给出它们的维数. 解 1)n nP⨯是数域P 上全体n 级矩阵的全体,按照矩阵的加法和数量乘法,构成的线性空间.对于任意的1,i j n ≤≤,令ij E 表示第i 行第j 列的元素为1,其余元素均为0的n 级矩阵.根据矩阵的线性运算以及矩阵相等的定义,容易验证ij E ,,1,2,,i j n =是线性无关的,且任意n 级矩阵A 均可由它们线性表出,从而为n nP⨯的一组基.于是n nP⨯的维数为2n .2)仍然使用1)中的符号,并记{|}n n S P ⨯'=∈=A A A ,{|}n n T P ⨯'=∈=-A A A ,{()|0,}n n ij ij N a P a i j ⨯==∈=>A .则,按照矩阵的加法和数量乘法,,,S T N 分别表示n nP ⨯中全体对称、反对称、上三角矩阵全体构成的线性空间.容易验证①ii E ,1,2,,i n =;ij ji +E E ,1i j n ≤<≤,构成线性空间S 的一组基,其维数为(1)122n n n ++++=. ②ij ji -E E ,1i j n ≤<≤,构成线性空间T 的一组基,其维数为(1)12(1)2n n n -+++-=. ③ii E ,1,2,,i n =;ij E ,1i j n ≤<≤,构成线性空间N 的一组基,其维数为(1)122n n n ++++=. 『方法技巧』求已知线性空间的基和维数,构造出它的一组基尤为关键,这需要注意观察线性空间元素的特征,利用线性空间中元素之间的关系进行分析.9.在4P 中,求由基1234,,,εεεε到基1234,,,ηηηη的过渡矩阵,并求向量ξ在所指基下的坐标.设1)1234(1,0,0,0),(0,1,0,0),(0,0,1,0),(0,0,0,1),=⎧⎪=⎪⎨=⎪⎪=⎩εεεε1234(2,1,1,1),(0,3,1,0),(5,3,2,1),(6,6,1,3),=-⎧⎪=⎪⎨=⎪⎪=⎩ηηηη 1234(,,,)x x x x =ξ在1234,,,ηηηη下的坐标; 2)1234(1,2,1,0),(1,1,1,1),(1,2,1,1),(1,1,0,1),=-⎧⎪=-⎪⎨=-⎪⎪=--⎩εεεε1234(2,1,0,1),(0,1,2,2),(2,1,1,2),(1,3,1,2),=⎧⎪=⎪⎨=-⎪⎪=⎩ηηηη (1,0,0,0)=ξ在1234,,,εεεε下的坐标; 『解题提示』由于题目是在4维向量空间4P 中讨论,这里可以采用定义法或借助第三组基求过渡矩阵;对于求ξ在指定基下的坐标可以采用待定系数法,也可以采用坐标变换法.解 1)由于1234,,,εεεε为4维单位向量,故i η,1,2,3,4i =在基1234,,,εεεε下的坐标向量即为iη本身,故123420561336(,,,)11211013⎛⎫ ⎪⎪== ⎪- ⎪⎝⎭ηηηηA 即为由基1234,,,εεεε到1234,,,ηηηη的过渡矩阵.又由于1234(,,,)x x x x =ξ在基1234,,,εεεε下的坐标向量即为ξ本身,根据坐标变换公式,可知ξ在1234,,,ηηηη下的坐标为111222133344412927331129231900182773926y x x y x x y x x y x x ---⎛⎫⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪ ⎪-- ⎪ ⎪ ⎪ ⎪== ⎪ ⎪ ⎪ ⎪- ⎪ ⎪ ⎪ ⎪--⎝⎭⎝⎭⎝⎭⎝⎭A , 即1123421234314412344111,93914123,27932712,3371126.279327y x x x x y x x x x y x x y x x x x ⎧=+--⎪⎪⎪=+--⎪⎨⎪=-⎪⎪⎪=--++⎩2)由于这一题目是在4维向量空间4P 中讨论,故根据本章教材内容全解的基变换一节求过渡矩阵方法(3)可知,由基1234,,,εεεε到基1234,,,ηηηη的过渡矩阵为112341234(,,,)(,,,)-=A εεεεηηηη111112021212111131110021101111222----⎛⎫⎛⎫⎪ ⎪--⎪ ⎪= ⎪ ⎪- ⎪ ⎪⎝⎭⎝⎭. 令12341234(,,,),(,,,)==B C εεεεηηηη,则根据初等矩阵与初等变换的对应,可以构造2n n ⨯矩阵=()P B C ,对矩阵P 实施初等行变换,当把B 化成单位矩阵E 时,矩阵C 就化成了1-B C :1111202121211113=1110021101111222---⎛⎫ ⎪-- ⎪ ⎪- ⎪⎝⎭P 10001001010011010010011101010⎛⎫ ⎪ ⎪→→ ⎪ ⎪⎝⎭1()-=E B C 于是,由基1234,,,εεεε到基1234,,,ηηηη的过渡矩阵为11001110101110010-⎛⎫ ⎪ ⎪== ⎪ ⎪⎝⎭A B C . 另外,设1234,,,e e e e 为4P 的单位向量组成的自然基,那么12341234(,,,)(,,,)=e e e e B εεεε.于是1123412341100(1,0,0,0)(,,,)(,,,)0000-⎛⎫⎛⎫ ⎪ ⎪ ⎪ ⎪=== ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭e e e e B ξεεεε, 因此,ξ在1234,,,εεεε下的坐标为112134111111021210011100001110y y y y ----⎛⎫⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪ ⎪-- ⎪ ⎪ ⎪ ⎪== ⎪ ⎪ ⎪ ⎪- ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭⎝⎭B . 类似地,构造矩阵=()'P Bξ,并对其进行初等行变换,将B 化成单位矩阵E 时,矩阵'ξ就化成了1-'B ξ: 11111110003/132121001005/13=()1110000102/130111000013/13---⎛⎫⎛⎫⎪ ⎪-- ⎪ ⎪'→→= ⎪ ⎪-- ⎪ ⎪-⎝⎭⎝⎭P EB ξ,所以,(1,0,0,0)=ξ在1234,,,εεεε下的坐标为12343512133y y y y ⎛⎫⎛⎫ ⎪ ⎪ ⎪ ⎪= ⎪ ⎪- ⎪ ⎪-⎝⎭⎝⎭. 『方法技巧』利用n 维向量空间中的向量构成矩阵,将求过渡矩阵问题转化成求一个矩阵的逆与另一个矩阵(或向量)的乘积问题,注意在计算这样的矩阵乘法时,利用初等变换与初等矩阵的对应,构造一个新的矩阵,利用初等行变换就可求得.10.继第9题1),求一非零向量ξ,它在基1234,,,εεεε与1234,,,ηηηη下有相同的坐标. 解 根据上一题的讨论可知,由1234,,,εεεε到1234,,,ηηηη的过渡矩阵为123420561336(,,,)11211013⎛⎫ ⎪ ⎪== ⎪- ⎪⎝⎭ηηηηA . 设所求向量为1234(,,,)x x x x '=ξ,由于1234,,,εεεε为4维单位向量,故ξ在基1234,,,εεεε下的坐标向量即为ξ本身,故根据坐标变换公式,可知ξ在1234,,,ηηηη下的坐标为1-A ξ.因此,如果ξ在两组基下的坐标相同,那么1-=A ξξ.左右两边乘以A ,可得=A ξξ,即()-=0A E ξ,也就是说ξ是齐次线性方程组()-=0A E X 的解.利用消元法求得方程组的解为12341111x x k x x ⎛⎫⎛⎫⎪ ⎪ ⎪ ⎪= ⎪ ⎪ ⎪ ⎪-⎝⎭⎝⎭, 其中k 是任意常数.于是(,,,)k k k k '=ξ,k 是非零常数,即为所求向量.『特别提醒』利用坐标变换公式,将求向量问题转化成了求解线性方程组问题.12.设12,V V 都是线性空间V 的子空间,且12V V ⊂,证明:如果1V 的维数与2V 的维数相等,那么12V V =.证明 设12dim dim V V r ==.那么①如果0r =,则1V 与2V 都是零空间,从而,12V V =. ②如果0r >,任取1V 的一组基12,,,r ααα,由于21V V ⊂,且12,V V 的维数相等,故,根据基的定义,12,,,r ααα也是2V 的一组基,于是1122(,,,)r V L V ==ααα.『方法技巧』这个题目的结论,在证明两个线性空间相等时经常使用. 14.设100010312⎛⎫⎪= ⎪ ⎪⎝⎭A ,求33P⨯中全体与A 可交换的矩阵所成子空间的维数和一组基.『解题提示』可以待定所求矩阵的元素,利用交换关系、矩阵的相等以及解线性方程组,即可求得.解 设111213212223313233x x x x x x x x x ⎛⎫⎪= ⎪ ⎪⎝⎭X 是与A 交换的任意一个矩阵.首先将矩阵A 分解成100000010000001311⎛⎫⎛⎫ ⎪ ⎪=+=+ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭A EB .由于单位矩阵E 与任何矩阵都可交换,故X 与A 可交换当且仅当X 与B 可交换.事实上,由()=+=+=+AX E B X EX BX X BX ,()=+=+=+XA X E B XE XB X XB可知=AX XA 当且仅当=BX XB .将=BX XB 按元素写出,即为131313232323333333112131122232132333300030003333x x x x x x x x x x x x x x x x x x ⎛⎫⎛⎫⎪ ⎪= ⎪ ⎪ ⎪ ⎪++++++⎝⎭⎝⎭, 从而132311213133122232330,33,3,x x x x x x x x x x ==⎧⎪++=⎨⎪++=⎩ 即132331331121323312220,33,3.x x x x x x x x x x ==⎧⎪=--⎨⎪=--⎩ 这是一个含有9个未知数的线性方程组,取1112212233,,,,x x x x x 为自由未知量,依次取值为5维单位向量,得线性方程组的一个基础解系为1100000300⎛⎫ ⎪= ⎪ ⎪-⎝⎭X ,2010000030⎛⎫ ⎪= ⎪ ⎪-⎝⎭X ,3000100100⎛⎫ ⎪= ⎪ ⎪-⎝⎭X ,4000010010⎛⎫ ⎪= ⎪ ⎪-⎝⎭X ,5000000311⎛⎫⎪= ⎪ ⎪⎝⎭X .于是12345,,,,X X X X X 即为所求空间的一组基,且这个空间的维数为5.『方法技巧』本题中,利用单位矩阵的良好性质,将求与A 交换的矩阵的形式转化成一个与相对简单的矩阵B 可交换的形式,这能够给计算带来简便.19.设1V 与2V 分别是齐次方程组120n x x x +++=与121n n x x x x -====的解空间,证明12n P V V =⊕.证法1 由于齐次方程组120n x x x +++=的一组基础解系为111111100,,,010001n ----⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪=== ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭ααα,即为其解空间的一组基,从而1121(,,,)n V L -=ααα.另外,齐次方程组12n x x x ===的一组基础解系为(1,1,,1)'=β,即为其解空间的一组基,从而2()V L =β.又由于向量组121,,,,n -αααβ组成的n 级矩阵的行列式111111001(1)001011011n n +---=-≠, 故121,,,,n -αααβ线性无关,从而121dim (,,,,)n L n -=αααβ,而121(,,,,)n n L P -⊂αααβ,所以,根据习题12可知,121(,,,,)n n P L -=αααβ.于是,12121121(,,,)()(,,,,)n n n V V L L L P --+=+==αααβαααβ,且12dim dim dim n P V V =+,故12n P V V =⊕.证法2 由于齐次方程组120n x x x +++=的一组基础解系为111111100,,,010001n ----⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪=== ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭ααα,即为其解空间的一组基,从而1121(,,,)n V L -=ααα.另外,齐次方程组12n x x x ===的一组基础解系为(1,1,,1)'=β,即为其解空间的一组基,从而2()V L =β.对于任意的12V V ∈ξ,不妨设112211n n k k k l --=+++=ξαααβ,则112211n n k k k l --+++-=0αααβ,按分量写开,即为1211210,0,0,0.n n k k k l k l k l k l -------=⎧⎪-=⎪⎪-=⎨⎪⎪-=⎪⎩ 直接解得1210n k k k l -=====,从而=0ξ.因此12{}V V =0.所以1212dim()dim dim V V V V n +=+=,而显然12n V V P +⊂,根据习题12可知,12n V V P +=,结合12{}V V =0,有12n P V V =⊕.证法3 设1212(,,,)n a a a V V =∈ξ,即1V ∈ξ且2V ∈ξ,那么12120,.n n a a a a a a +++=⎧⎨===⎩ 直接解得120n a a a ====,即=0ξ.因此12{}V V =0.另外,对于任意的12(,,,)n n x x x P =∈η,显然有1212(,,,)(,,,)(,,,)n n x x x x x x x x x x x x ==---+η,其中121()n x x x x n=+++,且121(,,,)n x x x x x x V ---∈,2(,,,)x x x V ∈.所以12n P V V =+.结合12{}V V =0,有12n P V V =⊕.『方法技巧』证法3的证明更为直接和简便.20.证明:如果12V V V =⊕,11112V V V =⊕,那么21211V V V V ⊕⊕=.证法1 由题设知,11122V V V V =++.由于12V V V =⊕,故12dim dim dim V V V =+.又因为11112V V V =⊕,所以11112dim dim dim V V V =+.于是11122dim dim dim dim V V V V =++.因此21211V V V V ⊕⊕=.证法2 由题设知,11122V V V V =++.设11122=++0ααα,其中11112223,,V V V ∈∈∈ααα,那么,由11122()=++0ααα及12V V V =⊕,可得11122,+==00ααα.再由11112V V V =⊕可得1112==0αα,于是,零向量的表示法唯一,从而21211V V V V ⊕⊕=.。

矩阵论简明教程习题答案

矩阵论简明教程习题答案

由此可得 与 故 (sinia)A==sinA 与 5. 对A求得 P= , P=, PAP= 根据p69方法二, e=Pdiag(e,e,e)P= sinA=Pdiag(sin(-1),sin1,sin2)P= 6. D()==, D()=D()=1, A~J=. 现设 r(,t)=b+b+b, 则有 b=1, b=2e-te-2, b=te-e+1. 于是 e=r(A, t)=bI+bA+bA=I+(2e-te-2)+(te-e+1) = 同理,由 b=1, b=tsint+2cost-2, b=1-tsint-cost. 将其代入 cosAt=bI+bA+bA, 求出 cosAt= 7. 设 f(A)=,S=.则 f(A)=并且由于 (S)== 所以, f(A)==f(A). 8, (1) 对A求得 P=, P=P , J= 则有 e=PP= sinAt=PP= (cosia)I==cosA.
10. 利用定理2.12得 . 11. A= cond(A)=; cond(A)=. 12.设x是对应于的特征向量, 则A.又设 是C上与矩阵范数相容的向量范 数,那么 ≦ 因 >0, 故由上式可得 ≦≦. 习 题 三 1. , 当﹤1时, 根据定理3.3, A为收敛矩阵. 2. 令S=, =S , 则 . 反例: 设 A=, 则因 发散, 故 发散, 但 =O. 3. 设 A=, 则 ≦行和范数=0.9<1, 根据定理3.7, =(I-A)=. 4. 我们用用两种方法求矩阵函数e: 相似对角化法. , 当 ia时, 解方程组 (ia-A)x=0, 得解向量 p=(i, 1). 当 =-ia时, 解方程组 (ia+A)x=0, 得解向量 p=(-i, 1).令 P=, 则P=, 于是 e=PP=. 利用待定系数法. 设e=(+a)q()+r(), 且 r()=b+b, 则由 b=cosa , b=sina .于是 e=bI+bA=cosa+sina=. 后一求法显然比前一种方法更简便, 以后我们多用待定系数法. 设 f()上面的分解变形可得 A= = = 3.对A的第1列向量, 构造Householder矩阵使得 ,

_矩阵的Kronecker乘积的性质与应用

_矩阵的Kronecker乘积的性质与应用

矩阵Kronecker乘积的性质与应用摘要按照矩阵乘法的定义,我们知道要计算矩阵的乘积AB,就要求矩阵A的列数和矩阵B的行数相等,否则乘积AB是没有意义的。

那是不是两个矩阵不满足这个条件就不能计算它们的乘积呢?本文将介绍矩阵的一种特殊乘积BA ,它对矩阵的行数和列数的并没有具体的要求,它叫做矩阵的Kronecker积(也叫直积或张量积)。

本文将从矩阵的Kronecker积的定义出发,对矩阵的Kronecker 积进行介绍和必要的说明。

之后,对Kronecker积的运算规律,可逆性,秩,特征值,特征向量等性质进行了具体的探究,得出结论并加以证明。

此外,还对矩阵的拉直以及矩阵的拉直的性质进行了说明和必要的证明。

矩阵的Kronecker积是一种非常重要的矩阵乘积,它应用很广,理论方面在诸如矩阵方程的求解,矩阵微分方程的求解等矩阵理论的研究中有着广泛的应用,实际应用方面在诸如图像处理,信息处理等方面也起到重要的作用。

本文讨论矩阵的Kronecker积的性质之后还会具体介绍它在矩阵方程中的一些应用。

关键词:矩阵;Kronecker积;矩阵的拉直;矩阵方程;矩阵微分方程Properties and Applications of matrix KroneckerproductAbstractAccording to the definition of matrix multiplication, we know that to calculate the matrix product AB, requires the number of columns of the matrix A and matrix B is equal to the number of rows, otherwise the product AB makes no sense.That is not two matrices not satisfy this condition will not be able to calculate their product do?This article will describe a special matrix product BA , the number of rows and columns of a matrix and its no specific requirements, it is called the matrix Kronecker product (also called direct product or tensor product).This paper will define the matrix Kronecker product of view, the Kronecker product matrix are introduced and the necessary instructions. Thereafter, the operation rules Kronecker product, the nature of reversibility, rank, eigenvalues, eigenvectors, etc. specific inquiry, draw conclusions and to prove it. In addition, the properties of the stretch of matrix and its nature have been described and the necessary proof.Kronecker product matrix is a very important matrix product, its use is very broad, theoretical research, and other matrix solving differential equations, such as solving the matrix equation matrix theory has been widely applied in practical applications such as image processing aspects of information processing, also play an important role. After the article discusses the nature of the matrix Kronecker product it will introduce a number of specific applications in the matrix equation. Keywords:Matrix; Kronecker product; Stretch of matrix; Matrix equation; Matrix Differential Equations目录摘要 .................................................................................................................................................. I Abstract ........................................................................................................................................... II 第一章 矩阵的Kronecker 积 (1)1.1 矩阵的Kronecker 积的定义 ........................................................................................... 1 1.2 矩阵的Kronecker 积的性质 ........................................................................................... 1 第二章 Kronecker 积的有关定理及推论 ...................................................................................... 6 第三章 矩阵的拉直 . (9)3.1矩阵的拉直的定义 ............................................................................................................ 9 3.2矩阵的拉直的性质 ............................................................................................................ 9 第四章 矩阵的Kronecker 积与矩阵方程 .. (11)4.1矩阵的Kronecker 积与Lyapunov 矩阵方程 ................................................................ 11 4.2矩阵的Kronecker 积与一般线性矩阵方程 .................................................................. 13 4.3矩阵的Kronecker 积与矩阵微分方程 .......................................................................... 14 参考文献......................................................................................................................................... 16 致谢 (18)符号说明W a W a 属于集合元素nm ij a A ⨯=)( 矩阵的记法列元素的行为以n m j i a ij⨯ij A )( 列的元素行的矩阵j i AT A 的转置矩阵A H A 的共轭转置矩阵A 1-A 的逆矩阵矩阵A→A 按行拉直得到的列向量矩阵AA det 的行列式方阵AtrA 的主对角元素之和的迹,方阵A A)(A rank 的秩矩阵A)(A λ 的特征值方阵An I 阶单位矩阵nR 实数域 C 复数域n C 维复向量的全体n n m C ⨯ 复矩阵全体n m ⨯O 零矩阵B A ⊗ 的和矩阵B A Kronecker 积第一章 矩阵的Kronecker 积1.1 矩阵的Kronecker 积的定义定义1.1设矩阵n m C A ⨯∈,矩阵q p C B ⨯∈,定义A 和B 的Kronecker 积(或直积,张量积)B A ⊗为:⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗B a B a B a B a B a B a B a B a B a B A mn m m n n 212222111211 可以看出,其结果是一个)()(nq mp ⨯矩阵,同时也是一个以B a ij 为子块的分块矩阵.例1.1 设⎥⎦⎤⎢⎣⎡-=1201A ,[]31-=B ,则 ⎥⎦⎤⎢⎣⎡---=⎥⎦⎤⎢⎣⎡-=⊗316200312B B O BB A []⎥⎦⎤⎢⎣⎡---=-=⊗361203013A A A B 由此可见,B A ⊗与A B ⊗具有相同的阶数,但是它们并不相等,也就是说,Kronecker 积不满足交换律.1.2 矩阵的Kronecker 积的性质虽然Kronecker 积不满足交换律,但是具有以下一些性质: 性质1.2.1 设矩阵n m C A ⨯∈,矩阵q p C O ⨯∈,则O O A A O =⊗=⊗(这个O 为)()(nq mp ⨯矩阵).证明:略.性质1.2.2 设k 为任一常数,矩阵n m C A ⨯∈,矩阵q p C B ⨯∈,则)()()(B A k kB A B kA ⊗=⊗=⊗.证明:不失一般性,设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211,则:⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n ka ka ka ka ka ka ka ka ka kA 212222111211,根据Kronecker 积的定义可以得到:⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B kA mn m m n n mn m m n n 212222111211212222111211)()()()()()()()()()(, ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗B ka B ka B ka B ka B ka B ka B ka B ka B ka kB a kB a kB a kB a kB a kB a kB a kB a kB a kB A mn m m n n mn m m n n 212222111211212222111211)()()()()()()()()()(, 即)(B A k B kA ⊗=⊗,)()(B A k kB A ⊗=⊗. 所以)()()(B A k kB A B kA ⊗=⊗=⊗.性质1.2.3 设A ,B 为同阶矩阵(同阶是为了可以做加法),则C B C A C B A ⊗+⊗=⊗+)(,B C A C B A C ⊗+⊗=+⊗)(.证明:不失一般性,设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211,⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n b b b b b b b b b B 212222111211,则:⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡+++++++++=+mn mn m m m m n n n n b a b a b a b a b a b a b a b a b a B A221122222221211112121111,根据Kronecker 积的定义可以得到:⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡+++++++++=⊗+C b a C b a C b a C b a C b aC b a C b a Cb a C b a C B A mn mn m m m m n n n n )()()()()()()()()()(221122222221211112121111(1.1)*,⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗C a C a C a C a C a C a C a C a C a C A mn m m n n 212222111211 (1.2)*, ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗C b C b C b C b C b C b C b C b C b C B mn m m n n 212222111211 (1.3)*,由(1.2)*,(1.3)*得:⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡+++++++++=⊗C b C a C b C a C b C a C b C a C b C a C b C a C b C a C b C a C b C a C A mn mn m m m m n n n n 221122222221211112121111 (1.4)*, 由(1.1)*,(1.4)*可得:C B C A C B A ⊗+⊗=⊗+)(.同理设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n c c c c c cc c c C 212222111211可证:B C A C B A C ⊗+⊗=+⊗)(.性质1.2.4 设矩阵n m C A ⨯∈,矩阵q p C B ⨯∈,矩阵s r C F ⨯∈,则)()(F B A F B A ⊗⊗=⊗⊗证明:不失一般性,设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211,则:⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⊗⊗⊗⊗⊗⊗⊗⊗⊗=⊗⊗)()()()()()()()()()(212222111211F B a F B a F B a F B a F B a F B a F B a F B a F B a F B A mn m m n n)(212222111211F B A F B a B a B a B a B a B a B a B a B a mn m m n n ⊗⊗=⊗⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡= 得证.性质1.2.5设矩阵n m C A ⨯∈,矩阵q p C B ⨯∈,矩阵s n C F ⨯∈,矩阵t q C D ⨯∈,则)()())((BD AF D F B A ⊗=⊗⊗证明:不失一般性,设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211,⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=ns n n s s f f f f f f f f f F212222111211, 则:⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗⊗D f D f D f D f D f Df D f D f D f B a B a B a B a B a B a B a B a B a D F B A ns n n s s mn m m n n212222111211212222111211))(()()()()()()()()()()()(112111112211211121111BD AF BD f a BD f a BD f a BD c a BD f a BD f a BD f a BD f a BD f a nk ks mk n k k mk n k k mk nk ks k n k k k n k k k n k ks k n k k k n k k k ⊗=⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=∑∑∑∑∑∑∑∑∑=========得证.性质1.2.6 设矩阵m m C A ⨯∈可逆, 且矩阵n n C B ⨯∈可逆,则B A ⊗可逆,且111)(---⊗=⊗B A B A .证明:mn n m I I I BB AA B A B A =⊗=⊗=⊗⊗----)()())((1111(这里I n 与数的乘法中的1起到相同的作用), 故111)(---⊗=⊗B A B A .性质1.2.7 设矩阵n m C A ⨯∈,矩阵q p C B ⨯∈,则T T T B A B A ⊗=⊗)(H H H B A B A ⊗=⊗)(证明: ij T T T ji ij T B A B a B A ][])[(⊗==⊗ 得证.同理可证:H H H B A B A ⊗=⊗)(.性质1.2.8 两个正交(酉)矩阵的Kronecker 积还是正交(酉)矩阵. 证明:设矩阵m m C A ⨯∈,矩阵n n C B ⨯∈.因为A ,B 都是正交(酉)矩阵,所以有m T T I A A AA ==,n T T I B B BB ==. 由性质1.2.7和性质1.2.5可得:mn n m T T T T T I I I BB AA B A B A B A B A =⊗=⊗=⊗⊗=⊗⊗))(())((. mn m n T T T T T I I I B B A A B A B A B A B A =⊗=⊗=⊗⊗=⊗⊗))(()()(.故mn T T I B A B A B A B A =⊗⊗=⊗⊗)()())((. 得证.第二章 Kronecker 积的有关定理及推论定理2.2.2 设矩阵n m C A ⨯∈,矩阵q p C B ⨯∈,则)()()(B rank A rank B A rank =⊗.证明:设rank A =r ,rank B=s ,A ,B 的标准形分别为:1111--⎥⎦⎤⎢⎣⎡=Q O O O I P A r ,1212--⎥⎦⎤⎢⎣⎡=Q O O O I P B s其中i P ,i Q =i (1,2)均为非奇异矩阵,则由性质1.2.5和1.2.6可以得:`1211211211121112121111)()()()(----------⊗⎥⎦⎤⎢⎣⎡⊗=⊗⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡⎥⎦⎤⎢⎣⎡⊗=⎪⎪⎭⎫⎝⎛⎥⎦⎤⎢⎣⎡⊗⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡=⊗Q Q O OO I P P Q Q O O O I O OO I P P Q O O O I P Q O OO I P B A rssrsr所以)()()(B rank A rank s r B A rank =•=⊗ 得证.定理2.2.3 设矩阵m m C A ⨯∈,矩阵n n C B ⨯∈,对于向量m C x ∈和n C y ∈,若x 是A 关于特征值λ的一个特征向量,y 是A 关于特征值μ的一个特征向量,则y x ⊗是B A ⊗对应特征值λμ的一个特征向量.证明:因为x ,y 都是非零向量,所以x ⊗y 也是非零向量,由性质1.2.2和性质1.2.5可得:)()()()()())((y x y x By Ax y x B A ⊗=⊗=⊗=⊗⊗λμμλ.所以,y x ⊗是B A ⊗对应特征值λμ的一个特征向量.推论2.2.4 设矩阵m m C A ⨯∈,矩阵n n C B ⨯∈,对于向量m C x ∈和n C y ∈,若A 的特征值是1λ,2λ,…,m λ;B 的特征值是1μ,2μ,…,n μ,则B A ⊗的特征值为t s μλ,m s ≤≤1,n t ≤≤1(k 重根算k 个).定理2.2.5 设矩阵m m C A ⨯∈,矩阵n n C B ⨯∈,对于向量m C x ∈和n C y ∈,若x 是A 关于特征值λ的一个特征向量,y 是A 关于特征值μ的一个特征向量,则y x ⊗是B I I A m n ⊗+⊗对应特征值μλ+的一个特征向量.证明:由性质1.2.3,性质1.2.5可以得到:)()()()())((y x y x y I Ax y x I A n n ⊗=⊗=⊗=⊗⊗λλ, )()()()())((y x y x By x I y x B I m m ⊗=⊗=⊗=⊗⊗μμ,故))(())(())(())((y x y x B I y x I A y x B I I A m n m n ⊗+=⊗⊗+⊗⊗=⊗⊗+⊗μλ.所以,y x ⊗是B I I A m n ⊗+⊗对应特征值μλ+的一个特征向量.推论2.2.6 设矩阵m m C A ⨯∈,矩阵n n C B ⨯∈,对于向量m s C x ∈和n t C y ∈,若1x ,2x ,…,m x 是A 关于特征值1λ,2λ,…,m λ的特征向量,1y ,2y ,…,n y 是B 关于特征值1μ,2μ,…,n μ的特征向量,则B I I A m n ⊗+⊗的n m •个特征值为{t s μλ+}.(s=1,2,…,m ;t=1,2,…,n ).例2.2 设矩阵m m C A ⨯∈,矩阵n n C B ⨯∈,对于向量m i C x ∈和n j C y ∈,若1x ,2x ,…,m x 是A 关于特征值1λ,2λ,…,m λ的特征向量,1y , 2y ,…,n y 是B 关于特征值1μ,2μ,…,n μ的特征向量,证明:矩阵)()(B A I I n m ⊗-⊗的特征值是j i μλ-1,对应的特征向量为j i y x ⊗.(i=1,2,…,m ;j=1,2,…,n ).证明:由性质1.2.3和性质1.2.5可得:))(()()()()())((j i j i j j i i j i j i y x y x By Ax y x B A ⊗=⊗=⊗=⊗⊗μλμλ,故有:))(1())(()())(()())(())(())](()[(j i j i j i j i j i j i j i j i mn j i j i n m j i n m y x y x y x y x y x I y x B A y x I I y x B A I I ⊗-=⊗-⊗=⊗-⊗=⊗⊗-⊗⊗=⊗⊗-⊗μλμλμλ所以,矩阵)()(B A I I n m ⊗-⊗的特征值是j i μλ-1,对应的特征向量j i y x ⊗. 定理2.2.7 设矩阵m m C A ⨯∈,矩阵n n C B ⨯∈,则trB trA B A tr •=⊗)(证明:由Kronecker 积和迹的定义可得:trBtrA trB a trB a trB a B a tr B a tr B a tr B A tr nn nn •=+++=+++=⊗ 22112211)()()()(得证.定理2.2.8 设矩阵m m C A ⨯∈,矩阵n n C B ⨯∈,则m n B A B A )(det )(det )det(=⊗证明:设A 的特征值为1λ,2λ,…,m λ,B 的特征值为1μ,2μ,…,n μ, 由推论2.2.4可得:mn m n n m n m m n n nj j m nj j mnji nj j j i B A B A )(det )(det )()()())(())(()()()()()det(21211212111112,11=====⊗∏∏∏∏===μμμλλλμλμλμλμλμλμλμλμλμλμλ得证.第三章 矩阵的拉直3.1矩阵的拉直的定义定义3.1 设n m ij a A ⨯=)(,定义矩阵A 的按行拉直为:T mn m n n a a a a a a A A vec )()(1221111,,,,,,,,, ==→即矩阵A 的拉直是一个mn 元的列向量,它是由矩阵A 所有元素按行顺序依次排成一列得到的.例如:⎥⎦⎤⎢⎣⎡=d c b a A ,则矩阵A 的拉直为T d c b a A )(,,,=→.3.2矩阵的拉直的性质矩阵的拉直具有以下性质:性质 3.2.1 设矩阵n m C A ⨯∈,矩阵n m C B ⨯∈,k 和l 是常数,则)(lB kA +=→→+B l A k .证明:略.性质3.2.2 设n m ij t a t A ⨯=))(()(,则dtt dA )(=dt d)(t A . 证明:左边==))((dtt dA vet ij a vet ((′)))(n m t ⨯ = [(a 11′(t ),…,a n 1′(t ),a 21′(t ),…,a n 2′(t ),…,a 1m ′(t ),…,a mn ′(t ) ]T =[(a 11(t ),…,a n 1(t ),a 21(t ),…,a n 2(t ),…,a 1m (t ),…,a mn (t ) )T ]′ = ))](([t A vet ′=))](([t A vec dtd=右边,得证. 性质 3.2.3设矩阵n m C A ⨯∈,矩阵p n C X ⨯∈,矩阵q p C B ⨯∈,则AXB →⊗=X B A T)(.证明:设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211,T n x x X )(1,, =→,其中,T i x 是X 的第i 行=i (1,2,…,)n ,则⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++++=B x a x a B x a x a AXB T n mn T m Tn n T )()(111111 ,⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=→n x x X 1 所以AXB T Tn mn T m T n n T B x a x a B x a x a ])()[(111111++++= ,, →⊗=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++++=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++++=X B A x x B a B a B a B a x a x a B x a x a B n T mn T m T n T n mn m T n n T )()()()()(11111111111 得证. 推论3.2.4 设矩阵m m C A ⨯∈,矩阵n m C X ⨯∈,矩阵n n C B ⨯∈,则有1.AX →⊗=X I A n )( 2.XB →⊗=X B I Tm )(.3(AX +XB )→⊗+⊗=X B I I A Tm n )(.第四章 矩阵的Kronecker 积与矩阵方程4.1矩阵的Kronecker 积与Lyapunov 矩阵方程设矩阵m m C A ⨯∈,矩阵n n C B ⨯∈,矩阵n m C F ⨯∈,解Lyapunov 矩阵方程: AX+XB=F .第一步:将方程两边拉直,由推论3.2.4可得:→→=⊗+⊗C X B I I A Tm n )(. (4.1) 第二步:判断是否有解,根据线性方程组是否有解的判别条件可得:矩阵方程(4.1)有解的充要条件是:Tm n B I I A rank ⊗+⊗(┊)()T m n B I I A rank C ⊗+⊗=→,:有唯一解的充要条件是det(A ⊗I n + I m ⊗B T )≠0,即A 和(-B )没有公共的特征值或者说A 和B 无互为相反数的特征值.例4.1 分别在下2列条件下解矩阵方程AX+XB=C.(1) ⎥⎦⎤⎢⎣⎡-=0112A ,⎥⎦⎤⎢⎣⎡=42-1-3B ,⎥⎦⎤⎢⎣⎡--=1081710C (2) ⎥⎦⎤⎢⎣⎡=3201A ,⎥⎦⎤⎢⎣⎡--=1052B ,⎥⎦⎤⎢⎣⎡--=11353C 解:(1) 首先计算A 和B 的特征值,解0=-A I λ得:121==λλ,解0=-B I μ得:5221==μμ,.观察有无互为相反数的特征值发现,A 和B 没有互为相反数的特征值,所以矩阵方程有唯一解. 将矩阵方程两边拉直,得到:→→=⊗+⊗C X B I I A Tm n )(. (4.1)设⎥⎦⎤⎢⎣⎡=4321x x x x X ,计算⎥⎦⎤⎢⎣⎡--=4123TB ,将A ,T B ,X ,C 代入(4.1)得: ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡--⊗⎥⎦⎤⎢⎣⎡+⎥⎦⎤⎢⎣⎡⊗⎥⎦⎤⎢⎣⎡-108171041231001100101124321x x x x ,计算得到:⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡------108171041102301106101254321x x x x , 根据矩阵的乘法的定义可以求得:21314321-===-=x x x x ,,,. 故矩阵方程AX+XB=C 的唯一解为:⎥⎦⎤⎢⎣⎡--=2131X . (2) 同样先计算A 和B 的特征值,解0=-A I λ得:3121==λλ,, 解0=-B I μ得:1221-==μμ,.通过观察可知:021=+μλ. 一所以矩阵方程的解不唯,即存在通解. 将矩阵方程两边拉直,得到:→→=⊗+⊗C X B I I A Tm n )(. (4.1)设⎥⎦⎤⎢⎣⎡=4321x x x xX ,计算⎥⎦⎤⎢⎣⎡--=1502TB ,将A ,T B ,X ,C 代入(4.1)得: ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡--⊗⎥⎦⎤⎢⎣⎡+⎥⎦⎤⎢⎣⎡⊗⎥⎦⎤⎢⎣⎡1135315021001100132014321x x x x , - 计算得到:⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--113532520050200050034321x x x x ,根据矩阵的乘法的定义可以求得:c x x c x x -=-===3114321,,,. 故矩阵方程AX+XB=C 的通解为:⎥⎦⎤⎢⎣⎡--=c c X 311(c 为任意常数).4.2矩阵的Kronecker 积与一般线性矩阵方程设矩阵n m k C A ⨯∈,矩阵q p C B ⨯∈,矩阵q m C F ⨯=,解一般线性矩阵方程:F XB Ark k k=∑=1(r = 1,2,…).第一步,将矩阵方程两边拉直,由性质3.2.3可以得到:∑=→→=⊗rk T kkF X B A1)][(. (4.2)第二步:判断是否有解,根据线性方程组是否有解的判别条件可得:矩阵方程(4.2)有解的充要条件是:∑⊗)((Tkk B A rank ┊))(()1∑=→⊗=rk Tkk B A rank F . 即∑=⊗rk Tkk B A 1)(的所有特征值均不为0. 例4.2 设A 和C 都是n ⨯n 矩阵,A 的特征值λi (i=0,1,2,…,n )R ∈(实数),求证:矩阵方程C XA A AXA X =++22有唯一解.证明:将两边方程拉直得到:→→=⊗+⊗+⊗C X A A A A I I T T n n ])([(22,化简得到:→→=⊗+⊗+C X A A A A I TTn ])()([22.由定义3.1可知:T A A ⊗的2n 个特征值是=j i j i ,(λλ0,1,2,…,n ). 故:2)()(2T T n A A A A I ⊗+⊗+的2n 个特征值是:22)21(43)()(1j i j i j i λλλλλλ++=++>00(=j i ,,1,2,…,n ). 即2)()(2T T n A A A A I ⊗+⊗+是可逆的,由唯一解的判断方法可知:矩阵方程C XA A AXA X =++22有唯一解.例4.3 在下列条件下解矩阵方程C XB A XB A =+2211.已知:⎥⎦⎤⎢⎣⎡-=20311A ,⎥⎦⎤⎢⎣⎡-=13101B ,⎥⎦⎤⎢⎣⎡-=11022A ,⎥⎦⎤⎢⎣⎡-=01232B ,⎥⎦⎤⎢⎣⎡--=48213C . 解:将矩阵方程两边拉直得到:→→=⊗+⊗C X B A B A T T)(2211. (4.3)*设⎥⎦⎤⎢⎣⎡=4321x x x xX ,计算⎥⎦⎤⎢⎣⎡-=11301T B 和 ⎥⎦⎤⎢⎣⎡-=02132TB 代入(4.3)*得到:⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡-⊗⎥⎦⎤⎢⎣⎡-+⎥⎦⎤⎢⎣⎡-⊗⎥⎦⎤⎢⎣⎡-4821302131102113020314321x x x x .计算化简得:⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡------4821320027313331390564321x x x x . 根据矩阵的乘法的定义可以求得:10214321===-=x x x x ,,,.计算T T B A B A rank 2211(⊗+⊗┊4)()2211=⊗+⊗=TT B A B A rank C , 所以方程有唯一解:⎥⎦⎤⎢⎣⎡-=1021X . 4.3矩阵的Kronecker 积与矩阵微分方程设m m C A ⨯∈矩阵,n n C B ⨯∈矩阵,n m C t X ⨯∈)(,求下列矩阵微分方程初值问题的解:⎪⎩⎪⎨⎧=+=0)0()()()(X X B t X t AX dt t dX (4.3)引理:设m m C A ⨯∈矩阵A ,矩阵n m C B ⨯∈,则n A I A I e e n ⊗=⊗,B m B I e I e m ⊗=⊗. 证明:因为性质1.2.5可得:∑∑∞=∞=⊗⊗=⊗=11)(!1)(!1k k k k kI A I A k I A k enn A k kI e I A k ⊗=⊗=∑∞=1)!1(. 同理可证:B m B I e I e m ⊗=⊗.将矩阵微分方程(4.3)两边拉直,由推论3.2.4可以得到:⎪⎩⎪⎨⎧=⊗+⊗=→0)0()()()(X X t X B I I A dt t X d T m n (4.4)由引理可得:T t B At tB AtB I I A t TT m n e X e X ee X et X )()()(000)(=⊗==→→⊗+⊗,又因为∑∑∞=∞====11!1))(!1()(k Bt k k T k k k T Tt B e t B k t B k eT ,故Bt At e X e t X 0)(= (4.5) 这就是微分方程(4.3)的解.例4.4 求解下列矩阵微分方程的初值问题:⎪⎩⎪⎨⎧=+=0)0()()()(X X B t X t AX dt t dX (4.6)已知:⎥⎦⎤⎢⎣⎡=0011A ,⎥⎦⎤⎢⎣⎡-=0011B ,⎥⎦⎤⎢⎣⎡=10010X . 解:可计算得到:⎥⎦⎤⎢⎣⎡-=101t tAte e e,⎥⎦⎤⎢⎣⎡-=101t t Bte e e .由(4.5)式可以得到: ⎥⎦⎤⎢⎣⎡--==10)1()(220t tBtAt e e eX e t X . 即(4.6)的解为⎥⎦⎤⎢⎣⎡--=10)1()(22t te e t X . 通过本章的学习,我们知道矩阵的Kronecker 积在解矩阵方程领域有很大的作用,利用Kronecker 积的性质,我们可以解决Lyapunov 矩阵方程,一般矩阵方程,矩阵微分方程的初值问题等问题.参考文献[1]矩阵论简明教程(第三版).徐仲等编.北京:科学出版社.2014.1.[2]矩阵论教程(第2版).张绍飞,赵迪编.北京:机械工业出版社.2012.5.[3]矩阵论引论(第2版).陈祖明,周家胜编.北京:北京航空航天大学出版社.2012.10.[4]矩阵论十讲.李乔,张晓东编.合肥:中国科学技术大学出版社.2015.3.[5]矩阵理论及方法.谢冬秀,雷纪刚,陈桂芝编.北京:科学出版社.2012.[6]H-矩阵类的理论及应用.徐仲等编.北京:科学出版社.2013.[7]高等代数教程(上).王萼芳编.北京:清华大学出版社.1997(2008重印).[8]常微分方程(第二版).东北师范大学微分方程教研室.北京:高等教育出版社.2005.4(2012.12重印).[9]矩阵分析与应用(第2版).张贤达编.北京:清华大学出版社.2013(2014.6重印).[10]线性代数及其应用.毛立新,咸美新编.北京:高等教育出版社.2015.8.[11]线性代数(第2版).钟玉泉,周建编.北京:科学出版社.2015.1.[12]矩阵理论与方法(第2版).吴昌悫,魏洪增编.北京:电子工业出版社.2013.8.[13]线性代数学习指导.赵春燕,单净,王麟编.哈尔滨:哈尔滨工程大学出版社.2012.2.[14]矩阵论.张凯院等编.北京:科学出版社.2013.[15]矩阵论导教·导学·导考.张凯院,徐仲编.西安:西北工业大学出版社.2014.8.[16]矩阵函数与矩阵方程.柏兆俊,高卫国,苏仰锋编.北京:高等教育出版社.2015.5.[17]矩阵分析.姜志侠,孟品超,李延忠编.北京:清华大学出版社.2015.[18]矩阵论札论.梁昌洪编.北京:科学出版社.2014.[19]线性代数及其应用.马新顺,王涛,郭燕编.北京:高等教育出版社.2014.7.[20]矩阵论引论.田振际,王永铎,吴德军编.北京:科学出版社.2013.[21]线性代数及其应用(第2版).河北农业大学理学院编.北京:高等教育出版社.2006.11.(2015.2重印).[22]线性代数及其应用.王坤龙编.北京:电子工业出版社.2014.10.[23]线性代数(第2版).许峰,范爱华编.合肥:中国科学技术大学出版社.2013.4.[24]线性代数及其应用.俞方元编.上海:同济大学出版社.2014.8.[25]线性代数学习指导.谢政,陈挚编.北京:清华大学出版社.2012.10.[26]高等线性代数学.黎景辉,白正简,周国晖编.北京:高等教育出版社.2014.9.[27]线性代数讲义.江惠坤,邵荣,范红军编.北京:科学出版社.2013.[28]线性代数.贾屹峰编.上海:上海交通大学出版社.2012.[29]线性代数.侯亚君,艾玲,沙萍,林洪娟编.北京:机械工业出版社.2012.1(2012.7重印).[30]线性代数.郝秀敏,姜庆华编.北京:经济科学出版社.2013.7.[31]线性代数.韩旸,王静宇,周莉编.北京:化学工业出版社.2013.8.[32]线性代数重点难点考点辅导与精析.高淑萍,张剑湖编.西安:西北工业大学出版社.2014.5.[33]线性代数.傅媛编.武汉:武汉大学出版社.2013.2(2013.11重印).[34]跟我学线性代数:导学与习题精解.董晓波编.北京:机械工业出版社.2014.1.[35]线性代数同步学习辅导.陈绍林,唐道远编.北京:科学出版社,2014.7.[36]线性代数及应用.刘三明编.南京:南京大学出版社.2012.8.[37]线性代数.谭福锦,黎进香编.北京.人民邮电出版社.2012.8.[38]工程数学.线性代数(第6版).同济大学数学系编.北京:高等教育出版社.2014.6.[39]矩阵分析与计算.李继根,张新发编.武汉:武汉大学出版社.2013.10.[40]矩阵计算的理论与方法.徐树方编.北京:北京大学出版社.1995.8.[41]矩阵分析及其应用.曾祥金,吴华安编.武汉:武汉大学出版社.2007.8.[42]矩阵理论与应用.张跃辉编.北京:科学出版社.2011.8.致谢通过一个月来不断的努力,终于完成了这篇毕业论文。

各章习题参考答案要

各章习题参考答案要

第二章2.如何读取cell 类型和struct 类型数据中的值? 答:cell 型数据仍类似于矩阵,只不过矩阵中的每个元素可以是不同类型的数据。

而struct 型数据由多个子域(field )构成一个结构体。

cell 型数据的读取通过大括号{}和元素位置来读取,如A{1,1};而struct 型数据的读取通过点符.结合域名来读取,如student.score 。

4.在本章中没有介绍矩阵计算的相关内容,请在MATLAB 的帮助中查找相关的函数,来对矩阵A 进行如下的计算。

17 24 1 8 1523 5 7 14 16 4 6 13 20 2210 12 19 21 311 18 25 2 9⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦A求A 的逆矩阵1-A 、特征根和特征向量、A 的行列式、A 的秩和A 的迹,并判断A 的对角线上元素和是否等于A 的迹。

答:求A 的逆矩阵1-A :A_inv =inv(A)求A 的特征根和特征向量:[eigV eigR]=eig(A) 注:eigV 是特征向量,eigR 的对角元素是特征根。

求A 的行列式:A_det=det(A)求A 的秩:A_rank=rank(A) 求A 的迹:A_trace=trace(A)A 的对角线上元素和:A_diagsum=sum(diag(A)) 注:应等于A 的迹5.利用MATLAB 的帮助,完成对矩阵A 的下列操作。

1 1 1 1 12 2 2 2 23 3 3 3 34 4 4 4 4⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦A(1) 将矩阵A 转换为10×2的矩阵。

答:B=reshape(A,10,2)(2) 将矩阵A 上下翻转后形成新的矩阵B 。

答:B=flipud(A)8生物医学数据分析及其MATLAB 应用(3) 将矩阵A 左右翻转。

答:B=fliplr(A)(4) 提取A 的主对角线上的元素。

答:V=diag(A)(5) 将A 的第2行至第3行和第2列至第5列构成的子矩阵赋值为-1。

戴华《矩阵论》习题答案

第一章第一章第6题实数域R 上的全体n 阶对称(反对称)矩阵,对矩阵的加法和数量乘法。

解:实数域R 上的全体n 阶矩阵,对矩阵的加法和数量乘法构成R 上的线性空间n n R ⨯,记 {}{}A A R A A W A A RA A V T n n T nn -=∈==∈=⨯⨯,/;,/以为,对任意的,,,,B B A A V B A TT==∈则(),B A B A T+=+即V B A ∈+,所以V 对加法运算是封闭的;对任意的A A R k V A T=∈∈,,,则(),,V kA kA kA T∈=即所以V 对数乘运算封闭;所以,V 是nn R⨯的一个线性子空间,故V 构成实数域R 上的一个线性空间。

同理可证,W 也是一个线性空间。

P41第一章第8题(参考P10例题 1.2.5) 证明:存在1k ,2k ,3k ,4k 使得112233440k k k k αααα+++=即11111k ⎡⎤⎢⎥⎣⎦+21101k ⎡⎤⎢⎥⎣⎦+31110k ⎡⎤⎢⎥⎣⎦+41011k ⎡⎤⎢⎥⎣⎦=0 解12341231341240000k k k k k k k k k k k k k +++=⎧⎪++=⎪⎨++=⎪⎪++=⎩ 得12340k k k k ====所以1α,2α,3α,4α线性无关P42第1章第12题解:因为A=x 1α1+x 2α2+x33α+x 4α4即x 1+x 2+x 3+x 4=1x 1+x 2+x 3=2x 1+x 3+x 4=-2x 1+x 2+x 4=0⇒x 1=-2x2=3x 3=1 x 4=-1所以A 的坐标为[x 1,x 2,x 3,x 4]T=[-2,3,1,-1]TP42第一章第13题 答案 f(x)=3+1-n 2x( 泰勒展开))(f x '=2(n-1)2-n x(x)f ''=2(n-1)(n-2)3-n x ……)1(f -n (x)=2(n-1)! )(f n (x)=0f(1)=5 )1(f '=2(n-1) (1)f ''=2(n-1)(n-2) ……)1(f -n (1)=2(n-1)!f(x)=f(1)+ )1(f '(x-1)+!21(1)f ''2)1(-x +……+)!1(1-n )1(f -n (1)1)1(--n x=5+2(n-1)(n-2)+!2)2)(1(2--n n 2)1(-x +……+)!1()1(2--n n !1)1(--n x=5+211-n C (x-1)+221-n C 2)1(-x +……+211--n n C 1)1(--n x取f(x)=3+1-n 2x在基1, (x-1), 2)1(-x , ……,1)1(--n x 下的坐标为(5 , 211-n C , 221-n C ,…… , 211--n n C T) 教材P42习题14:求基T)0,0,0,1(1=α,T )0,0,1,0(2=α,T )0,1,0,0(3=α,T )1,0,0,0(4=α,到基T )1,1,1,2(1-=β,T )0,1,3,0(2=β,T )1,2,3,5(3=β,T )3,1,6,6(4=β的过度矩阵,确定向量Tx x x x ),,,(4321=ξ在基1β,2β,3β,4β,下的坐标,并求一非零向量,使它在这两组基下的坐标相同。

第六章线性空间自测练习及答案

第六章 线性空间—自测答案一.判断题1.两个线性子空间的和(交)仍是子空间。

2.两个线性子空间的并仍是子空间。

3.n 维线性空间中任意n 个线性无关的向量可以作为此空间的一组基。

4.线性空间中两组基之间的过渡阵是可逆的。

5.两个线性子空间的和的维数等于两个子空间的维数之和。

6.同构映射的逆映射仍是同构映射。

7.两个同构映射的乘积仍是同构映射。

8.同构的线性空间有相同的维数。

9.数域P 上任意两个n 维线性空间都同构。

10.每个n 维线性空间都可以表示成n 个一维子空间的和。

答案:错:2.5.8 对:1.3.4.6.7.9.10 二.计算与证明1. 求[]n P t 的子空间1011{()|(1)0,()[]}n n n W f t a a t a t f f t P t --==++=∈……+的基与维数。

解:(1)0f =0110n a a a -∴++=……+ 0121n a a a a -∴=----……设11a k =,22a k =,…,11n n ak --=,故0121n a k k k -=----……,21121121()n n n f t k k k k t k t k t ---∴=---+++ 21121(1)(1)(1)n n t k t k tk --=-+-++-因此,W 中任一多项式可写成211,1,,1n t t t ---- 的线性组合,易知211,1,,1n t t t---- 线性无关,故为W 的一组基,且W 的维数为n -1. 2. 求22P ⨯中由矩阵12113A ⎛⎫= ⎪-⎝⎭,21020A ⎛⎫= ⎪⎝⎭,33113A ⎛⎫= ⎪⎝⎭,41133A ⎛⎫= ⎪-⎝⎭生成的子空间的基与维数。

解:取22P ⨯的一组基11122122,,,E E E E ,则有 12341112212221311011,,,)(,,,)12133033A A A A E E E E ⎡⎤⎢⎥⎢⎥=⎢⎥-⎢⎥⎣⎦( 设213110111213333A ⎡⎤⎢⎥⎢⎥=⎢⎥-⎢⎥⎣⎦,即为1234,,,A A A A 在11122122,,,E E E E 下的坐标矩阵,对其作初等行变换得矩阵1011011-1000000B ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦1234dim (,,,)2L A A A A rankB ∴==,12,A A 为一组基。

上海交大版物理第六章答案

上海交大版物理第六章答案习题66-1. 设置自然长度l0?2.50米汽车,v?当以30.0m/s的速度直线行驶时,询问站在路边的观察者,根据相对论,汽车的长度缩短了多少?222解:l?l01?(uc),由泰勒展开,知1?x?1?12x??2221u1u?1.25?10?14m。

∴1?(u2)?1?,?l?l0?l?l0?22c2c2c26-2. 在参考系s中,粒子沿直线从坐标原点移动到x?1.5?108m处,经历时间为?t?1.00s,试计算该过程对应的固有时。

解:以粒子为s?系,u??x/?t?0.5c使用22?Tt1?(加州大学)有:1.5?1082?t??1?()?0.866s。

83?106-3. 以v的速度从加速器上?从0.8摄氏度飞出的离子沿其运动方向发射光子。

求光子相对于加速器的速度。

解:设加速器为s系,离子为s?系,利用:vx?v??uc?0.8c则:vx?x??c。

紫外线?0.8摄氏度?c1?2x1?c2cv?十、Uuv?1?2xc在6-4100m的高层大气中产生了一个π介子,其速度为v?假设π介子在其自身静态参考系中的寿命等于其平均寿命2.4×10s,尝试从以下两个角度来判断π介子是否能到达地球表面,即地面上的观察者相对于π介子静态系统中的观察者。

解决方案:(1)实地观察者认为时间会延长:是吗?T6.t'u21?2c∴? T2.4? 106(0.8摄氏度)21?c2?6.4.10? 6sa由l?v?t?0.8?3?10?4?108?960m?1000m,∴到达不了地球;(2)? 介子静止系统中的观察者认为,长度收缩:(0.8c)2u2有l?l01?2,∴l?10001??600m2cc而s?v?t?2.4?10?0.8?3?10?576m?600m,∴到达不了地球。

6-5长度l0?1m的米尺仍在s'系统中,与X'轴的夹角?=30°s’是相对的68s系沿x轴运动,在s系中观测者测得米尺与x轴夹角为??45°。

应用回归分析,第6章课后习题参考答案

第6章多重共线性的情形及其处理思考与练习参考答案6.1 试举一个产生多重共线性的经济实例。

答:例如有人建立某地区粮食产量回归模型,以粮食产量为因变量Y,化肥用量为X1,水浇地面积为X2,农业投入资金为X3。

由于农业投入资金X3与化肥用量X1,水浇地面积X2有很强的相关性,所以回归方程效果会很差。

再例如根据某行业企业数据资料拟合此行业的生产函数时,资本投入、劳动力投入、资金投入与能源供应都与企业的生产规模有关,往往出现高度相关情况,大企业二者都大,小企业都小。

6.2多重共线性对回归参数的估计有何影响?答:1、完全共线性下参数估计量不存在;2、近似共线性下OLS估计量非有效;3、参数估计量经济含义不合理;4、变量的显著性检验失去意义;5、模型的预测功能失效。

6.3 具有严重多重共线性的回归方程能不能用来做经济预测?答:虽然参数估计值方差的变大容易使区间预测的“区间”变大,使预测失去意义。

但如果利用模型去做经济预测,只要保证自变量的相关类型在未来期中一直保持不变,即使回归模型中包含严重多重共线性的变量,也可以得到较好预测结果;否则会对经济预测产生严重的影响。

6.4多重共线性的产生于样本容量的个数n、自变量的个数p有无关系?答:有关系,增加样本容量不能消除模型中的多重共线性,但能适当消除多重共线性造成的后果。

当自变量的个数p较大时,一般多重共线性容易发生,所以自变量应选择少而精。

6.5 自己找一个经济问题来建立多元线性回归模型,怎样选择变量和构造设计矩阵X才可能避免多重共线性的出现?答:请参考第三次上机实验题——机场吞吐量的多元线性回归模型,注意利用二手数据很难避免多重共线性的出现,所以一般利用逐步回归和主成分回归消除多重共线性。

如果进行自己进行试验设计如正交试验设计,并收集数据,选择向量使设计矩阵X的列向量(即X1,X2,X p)不相关。

6.6对第5章习题9财政收入的数据分析多重共线性,并根据多重共线性剔除变量。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

证明:直接验证即可. 6. 证明命题 6.1.1. ∑ 证明:直接验证可知 A† A 与 AA† 均为正交投影矩阵. 再设 A = U V ∗ 是 A 的奇异值 ∑ ∑ ∑ ∑ 分解, 则 A† = V † U ∗ , A∗ = V ∗ U ∗ . 由于 † 与 ∗ 的列空间与零空间相同, U, V 可逆, 故 R(A† ) = R(A∗ ), N (A† ) = N (A∗ ). 7. 设 A ∈ Cm×n , 又 U ∈ Cm×m 和 V ∈ Cn×n 均为酉矩阵. 证明 (U AV )† = V ∗ A† U ∗ . ∑ ∗ ∑ ∗ 证明:设 A = P Q 是 A 的奇异值分解, 则 U P Q V 是 U AV 的奇异值分解. 因 ∑ ∑ † 此 (U AV )† = (U P Q∗ V )† = V ∗ (Q P ∗ )U ∗ = V ∗ A† U ∗ . 8. 设 H 为幂等 Hermite 矩阵, 证明 H31. 证明命题 6.4.3. 32. (1) 哪些矩阵的 {1, 2}- 逆等于它的转置矩阵? (2) 哪些矩阵的 {1, 4}- 逆等于它的转置矩阵? 33. 试求一个与书中公式形式不同的计算秩为 1 的矩阵的各种广义逆的公式. 34. 不可逆的方阵可否有可逆的 {1, 2}- 逆或 {1, 3}- 逆或 {1, 4}- 逆? 35. 哪些不可逆的方阵有唯一的 {1, 2}- 逆或 {1, 3}- 逆或 {1, 4}- 逆? 36. 是否存在矩阵其 {1, 2}- 逆或 {1, 3}- 逆或 {1, 4}- 逆不唯一但只有有限个? 37. 设正规矩阵 A 仅有一个非零特征值 λ. (1) 证明 A† = λ−2 A; (2) 试求 A 的 {1, 2}- 逆, {1, 3}- 逆及 {1, 4}- 逆的表达式; −2 1 1 (3) 根据 (1) 与 (2) 计算矩阵 1 −2 1 的各种广义逆. 1 1 −2 38. 设 L, M 是 Cn 的子空间. 证明: (1) PL+M = (PL + PM )(PL + PM )† = (PL + PM )† (PL + PM ); (2) PL∩M = 2PL (PL + PM )† PM = 2PM (PL + PM )† PL . 39. 证明: A† = A(1,4) AA(1,3) . 40. 取 A1 , A2 分别为第 18 题的 (1) 和 (2), 并设 b1 = (1, 1, 0, 1)T , b2 = (1, 1, 2)T . 分别求 出方程组 A1 x = b1 和 A2 x = b2 的通解. ) ) ( ( 2 1 2 −1 . 求 Ax = b 的最小范数解. ,b= 41. 设 A = −1 0 −1 0 ) ( ) ( 2 1 2 −1 . 求矛盾方程组 Ax = b 的最小二乘解. ,b= 42. 已知 A = 0 −1 −2 1 43. 证明推论 6.5.1. 44. 确定矩阵方程矩阵方程 AXB = 0 的通解, 并以此证明定理 6.5.6. 1 0 0 1 1 1 0 0 . 45. 设 A = 0 1 1 0 0 0 1 1 (1) 当 b = (1, 1, 1, 1)T 时, 方程组 Ax = b 是否相容? (2) 当 b = (1, 0, 1, 0)T 时, 方程组 Ax = b 是否相容? 若方程组相容, 求其通解和最小范数解; 若方程组不相容, 求其最小范数的最小二乘解. 46. 证明线性方程组 Ax = b 有解 ⇐⇒ AA† b = b. 这里 A ∈ Cm×n , b ∈ Cm . 47. 判断矩阵方程 AXB = C 是否有解, 有解时求其解, 其中
第六章习题参考解答
注: 本章习题自 19 题以后属补充内容,暂不提供答案. 改错: P231,习题 6,“定理”应改为“命题”;
1. 证明定理 6.1.1. 证明:见第二章定理 2.3.2 的证明。 2. 设 P1 , P2 均为投影矩阵, 证明: (1) P = P1 + P2 是投影矩阵 ⇐⇒ P1 P2 = P2 P1 = 0; (2) P = P1 − P2 是投影矩阵 ⇐⇒ P1 P2 = P2 P1 = P2 ; ∗ , I − P , T −1 P T (T 为任意一个非奇异矩阵) 均为投影矩阵. (3) P1 1 1 证明:由 P 2 = P 直接验证即可。 3. 设 R3 的子空间 L 由向量 e = (1, 0, 0)T 生成. (1) 若子空间 M 由 α = (1, 1, 0)T 和 β = (1, 1, 1)T 生成, 求投影矩阵 PL,M 和向量 x = (2, 3, 1)T 沿着 M 到 L 上的投影; (2) 求正交投影矩阵 PL 和向量 x = (2, 3, 1)T 在 L 上的正交投影. 1 −1 0 −1 解:(1) PL,M = 0 0 0 , PL,M x = 0 ; 0 0 0 0 1 0 0 2 (2) PL = 0 0 0 , PL x = 0 . 0 0 0 0 4. 证明例 6.1.3. 证明:因为 A2 = A∗ = A, 故 Ax = b 的正规化方程为 Ax = Ab. 而 Ab 显然是该方程的 解. ( 5. 证明 A 0 )† = (A† , 0).
1 ∫ 0
f (x)g (x) d x, 计算求导变换 ∂
60
证明:由于 A† = (A∗ A)† A∗ , 故将公式 (6.2.7) 代入公式 (6.2.4) 即可. 18. 计算下列矩阵 A 的 Moore-Penrose 广义逆和 1 0 2 1 1 0 2 ; (2) 1 (1) 0 1 0 2 1 0 2 0 −1 1 1 0 0 0 0 0 0 . 解:(1) 0 0 1 0 ; (2) 0 0 0 0 0 0 0 0 2 −1 19. 证明:(1) 如果矩阵 A 的左逆唯一, 则 A 必是可逆矩阵, 于是左逆等于右逆; (2) 设矩阵 A 存在左逆但不唯一, 则 A 有无穷多个左逆. 类似地, 如果存在两个右逆, 则必 存在无穷多个右逆. 20. 证明命题 6.3.1. 21. 证明命题 6.3.1. 22. 证明定理 6.3.5. 23. 证明: (AB )† = B † A† ⇐⇒ A† ABB ∗ A∗ = BB ∗ A∗ 与 BB † A∗ AB = A∗ AB 同时成立. 24. 证明定理 6.4.1. 25. 证明命题 6.4.1. 26. 计算下列矩阵的 {1, 2}- 逆: ( (1) A = 2 1 解:(1) A† = 1 3 −1 ( 1 −2i 1 (2) A† = 1 −i 3 −3 0 ; 3 ) −i . 2 1 1 −1 2 0 −2 . (2) A = −1 1 1 3 −1 −3 1 2 1 0 1 1 ) ; i 0 (2) A = 1 i . 0 1 {1}- 广义逆矩阵, 并验证所得的结果. 0 1 1 0 1 1 ; 0 2 1
59
证明:因为 H 为幂等 Hermite 矩阵, 故可酉对角化, H = U ∗ DU , 其中 D 为实幂等对角矩 阵, 故 D = Im ⊕ 0 = D† . 于是 H † = U ∗ D† U = U ∗ DU = H . 9. 证明 A† = A ⇐⇒ A2 为幂等 Hermite 矩阵且 r(A2 ) = r(A). ∑ ∑ 证明:设 A = U V ∗ 是 A 的奇异值分解, r(A) = r. 则 A† = V † U ∗ . 因此, 若 A† = A, ∑ ∑ 则 A2 = A† A = U † U ∗ = U (Ir ⊕ 0)U ∗ , 故 A2 = A4 , r(A2 ) = r = r(A). 反之, 若 A2 为幂 等 Hermite 矩阵, 则由定理 6.1.1 可知 A2 是正交投影矩阵, 即 A2 = PR(A2 ) . 但 r(A2 ) = r(A), 故 AA = A2 = PR(A2 ) = PR(A) . 于是 A 是 A 自己的 Moore 逆, 从而 A† = A. 10. 证明: 若 A 是正规矩阵, 则 A† A = AA† , 且 (An )† = (A† )n , 其中 n 为正整数. 证明:利用正规矩阵的谱分解 A = U ∗ DU 可知, A† = U ∗ D† U, An = U ∗ Dn U, (An )† = U ∗ (Dn )† U . 故 A† A = AA† , 且 (An )† = (A† )n . 11. 计算基本矩阵 Eij 的 Moore-Penrose 广义逆和 {1}- 广义逆矩阵.
62
) ( 1 −1 1 1 1 1 2 −1 ; C = 2 −2 2 ; (1) A = 1 0 ; B = −1 1 1 −1 1 −1 0 1 1 0 1 1 0 2 1 −1 0 −1 0 2 2 ; B = 1 0 2 ; C = 1 0 1 . (2) A = 0 0 2 1 1 0 2 −1 1 0 1 48. 相容方程组 Ax = a 的通解 x = A† a + (I − A† A)y (∀y ) 还可以表示为 A† a + N (A) 的 陪集形式. 证明: (1) 这个表示是正 正交 表 示, 即向量 A† b 与向量 (I − A† A)y 正交, ∀y ; (2) 方程组 Ax = a 与 Bx = b 有公共解 ⇐⇒ A† a − B † b ∈ N (A) + N (B ); (3) 设方程组 Ax = a 与 Bx = b 有公共解. 试用陪集形式表示其解. 49. 设 A, B, C, D 均为 n 阶矩阵, 且矩阵方程 AX = B 与 XC = D 均有解. 证明: (1) 两个方程有公共解 ⇐⇒ AD = BC ; (2) 设两个方程有公共解. 试利用广义逆矩阵表示它们的公共通解.(提示: 可先研究齐次方 程.) 50. 证明约束优化问题 min{xT x}, Ax = b 具有唯一解, 并求该解. ˆ = I − AA† . 51. 证明约束优化问题 min{tr(X T X ) − 2tr(X )}, XA = 0 的解为 X 52. 设 U 与 W 是线性空间 V 的两个子空间, α, β ∈ V . 设 (α + U ) ∩ (β + W ) = ∅. 证明: (1) (α + U ) ∩ (β + W ) = α + PU (PU + PW )† (β − α) + (U ∩ W ); (2) (α + U ) ∩ (β + W ) = α + (PU ⊥ + PW ⊥ )† PW ⊥ (β − α) + (U ∩ W ); (3) (α + U ) ∩ (β + W ) = α + (I − PW PU )† PW ⊥ (β − α) + (U ∩ W ). (提示: 参考第二章习题 75.)
相关文档
最新文档