logo资料库

矩阵论习题答案.doc

第1页 / 共38页
第2页 / 共38页
第3页 / 共38页
第4页 / 共38页
第5页 / 共38页
第6页 / 共38页
第7页 / 共38页
第8页 / 共38页
资料共38页,剩余部分请下载后查看
T=
T
A=P
J =
A~J=
A~J=
A~J=
P=
U=, U
UAU=
A=UU
B=UU
UAU=diag(
(3)(1). 任取x
A=
P= , P
P=P=
A(t)=,
A=
A=
A=
A=
A=
A=
A==QR
H=, H=
HAH=
1.设x=为对应于特征值
习 题 一 2  为 A  2  A22  O 的特征值, 故 1. 设为的任一特征值,则因 2 0 . 即 2    =0 或 2. 2. A~B, C~D 时, 分别存在可逆矩阵 P 和 Q, 使得 P 1 AP=B, Q 1 CQ=D.令 则 T 是可逆矩阵,且 T 1 OA CO       T=    1  P O 1  QO       T=    OP QO    OA CO       OP QO    = OB DO       3. 设 ix 是对应于特征值 i的特征向量, 则 A ix = i ix , 用 1A 左乘得 x 1 xA  .即 i i i AE  故 1 4. (1) 可以. i 是 A 的特征值, i=1,2, , n. )(1 )(1 (     4 21      003      04 1   P = ,  1 xA i  i  1 x i )2 , P 1AP   1      1 .      2 (2) 不可以. (3) P       010 101 110      , P 1AP   2      2 .      1 5. (1) A 的特征值是 0, 1, 2. 故 A =-(b-a) 2 =0. 从而 b=a.又 1  a  1  将=1, 2 代入上式求得 A=0. AI   a  1  a  1  a  1  =  2 2 a 3   ( 2  )2 (2) P = . 1 01     0 01     1 01   2 ( ()2 )1     6. = AI  =2 所对应的方程组 (2I-A)x=0 有解向量 , A 有特征值 2, 2, -1. 1
p 1=      1 4 0      , p 2 =      1 0 4      =-1 所对应的方程组 (I+A)x=0 有解向量 p 3=      1 0 0      , 则 P 1 =      1 12      P 1 = 1 3 100 24  0 244       0   4   4  100 2  0 3 4 1  16 4  100 2 1  100 23  100 2  . 于是有  1 0 100  1 .      令 P=(p ,1 p ,2 p 3)=      100 2 A 100 =P      AI  7. (1) 111 004 140      100 2 1 241  =D 3(), I-A 有 2 阶子式 100 = (2  )1 1  21   1  17  =-4 -4 不是 D 3()的因子, 所以 D 2 ()=D 1()=1, A 的初等因子为 -1, 2 . A 的 Jordan 标准形为 J =      001 1 00 000      设 A 的相似变换矩阵为 P=(p 1,p 2 ,p 3), 则由 AP=PJ 得      Ap 1 Ap 2 Ap 3  0  p  p 1 2 解出 (2) 因为 P= 1 1 1        ),2  ; 1 1    3 2    4 2  )(  D 1 D 2 D  )(  ( 3 2 ()1   设变换矩阵为 P=( ppp 1 , , 2 A~J= ), 则 3 ,故 1)(    011     010     200   2
Ap  1  Ap  2  Ap  (   p  1 p   1 2 p  3 2 ()1   3 ),2 p 2 P=        03 13 02 ,1      8 5 5  1)(1 D .A 的不变因子 )(   AI   D 3 (3) 是 ,11 d  d 2 ,1 d  3  ( )2 )(2  D )(1  1        1      2 A~J= 因为 A 可对角化,可分别求出特征值-1,2 所对应的三个线性无关 的特征向量: 当=-1 时,解方程组 求得两个线性无关的特征向量 ) xAI  ,0  ( 当=2 时,解方程组 2( ) xAI  3p 2p       2 1 0      , P= 1  0 1       2 1 0  2 1 1      p 1 1     0 ,     1   ,0 得  2     1     1   1  (4) 因  AI     1 1 21  1      6  3  4        ~           2)1 , 故   1 (        11 10 1      A~J= 设变换矩阵为 P= ( 1, pp 是线性方程组 2 2 3 , , 则 ) , ppp 2 1 p Ap   1 1  Ap p   2  Ap p p    2 0 ) xAI 的解向量,此方程仴的一般解形为  s 3 t    s   t  p=      ( 3 3 取 3
( 为求滿足方程 ) pAI  3 22   11   11  由此可得 s=t, 从而向量 1p ,   2p           3 0 1 1   1   0  的解向量 3p , 再取 3 s  0 0      p  2 6  3  3  , xxxp 2 3 3 3 x  3 t s t , 1 x p  根据 2 s  3 s t  t s  11   00   00  T ) 的坐标应満足方程  , p         (       ~ 3 s x 1 2 3 取 )0,0,1(p 3 T , 最后得  1  0 0 31 01 0 1      . A 的最小多项式为      P=  4 Am  )( 2   3 1 , 10 , 于是 26  61  34      . = 37 24 2     3 48    0 95   0 61   , 设 f 7 ( A 17   32   1 0   0     0 0   I 1)2  .由此求出 1 0 0 2)1 (        , A 的最小多项 5  3 8. 设 f ()= 8 2 2  作带余除法得 ()=( 3  5 2    f 9 14 ), 5 4    4 2 )(Am + f (A)= 24 2 A  37 A  10 I 9. A 的最小多项式为 ()= 2 2 29 12 19     2 . 于是 [f (A)] 1 = + f ()= 2 )5 )( 2( Am   )( Am  37    ,则 6  3 4 2 [f (A)] 1 = 1 23      1 1 21  1      6  3  4        标准形 10. (1) I-A= 式为 (  ; 2)1 2) ( )(1    2 . (3) )1 ; 11. 将方程组写成矩阵形式:         d x 1 d t d x 2 d t d x 3 d t          11  34  88       0 0 1            x 1 x x 2 3 ,      x       x 1 x x 2 3 4 ,      d d x t          d x 1 d t d x 2 d t d x 3 d t         , A= 11  34  88       0 0 1      
001 012 124      . 则      , 则有 J=PAP 1 = 11 0 1 00      0 0 1      , .其中 P= 令 x=Py, 将原方程组改写成 : d y 1 d t d y 2 d t d y 3 d t         Jy d d  y  t y 1  y 1  y 2  y 3 解此方程组得: y 1=C 1e t +C 2 Te t , y 2 =C 2 e t , y 3=C 3e t . 于是 t t      (1) A 是实对称矩阵. x=Py= e c 1 t e2 c  1 t  e tc  2 e1 2 ) t(c  2 t e2 e e4 4 c t(c ) c   1 2 3 = 2)1 ( )(10 AI      t t .      ,A 有特征值 10, 2, 2. 12. 当=10 时. 对应的齐次线性方程组 (10I-A)x=0 的系数矩阵       8 2 2  22 45 54      ~      102 110 000      由此求出特征向量 p 1=(-1, -2, 2) T , 单位化后得 e 1= (  当=1 时, 对应的齐次线性方程组 (I-A)x=0 的系数矩阵 ) T . 1 3 2 3 2 3  , , 1  2  2        2 4 4 2 4 4       ~ 21 00 00       2 0 0      由此求出特征向量 p 2 =(-2, 1, 0) T , p 3=(2, 0, 1) T . 单位化后得 e 2 =( 0, , 2 5 2 , 53 1 5 4 53 , e 3=( ) T , 5 53           U= ) T . 令  2 5 1 5 0 1 3 2 3 2 3 2 53 4 53 5 53         , 则 U 1 AU= 10      1 .      1 (2) A 是 Hermit 矩阵. 同理可求出相似变换矩阵 5
U=         0 i 2 1 2  1 2 i 2 1 2   1 2 i 2 1 2         , U 1 AU= 0      .      2  2 13. 若 A 是 Hermit 正定矩阵,则由定理 1.24 可知存在 n 阶酉矩阵 U, 使 得 于是 令  2  2 U H AU=  1        1        1 A=U = U        B=U               n , i﹥0, I=1, 2, , n.       U H        n  n   2  1  2  U H U  1               n U H  2         n U H 则 A=B 2 . 反之,当 A=B 2 且 B 是 Hermit 正定矩阵时,则因 Hermit 正定矩阵 的乘积仍为 Hermit 正定矩阵,故 A 是 Hermit 正定的. 14. (1)(2). 因 A 是 Hermit 矩阵,则存在酉矩阵 U,使得 U H AU=diag( 令 x=Uy, 其中 y=e k . 则 x  0. 于是 1  ) , n , , 2 x HAx=y H (U H AU)y= k ≧0 (k=1, 2, , n). 1  )U H =Udiag( , n , , 2  1 2 , ,  , n )diag(  1 2 , ,  , n ) (2)(3). A=Udiag( U H 令 (3)(1). 任取 x  0, 有 P=diag(  1 2 , ,  , n )U H , 则 A=P H P . 6
x H Ax=x H P H Px= 2 2Px ≧0. 习 题 二 2  01i4 2 )2( i)  2 ,  , 1. 1x = i1  2x = 1(  x =max 2. 当 x  0 时, 有 x ﹥0; 当 x﹦0 时, 显然有 x =0. 对任意  C, 有 =7+ 2 , i)4i(4   1 =4. , 1i)( i1  = 23 ,  i4 1 x = n  k 1   k k 2    k k n k 1  2   x . 为证明三角不等式成立,先证明 Minkowski 不等式: 设 1≦p﹤∞, 则对任意实数 x k ,y k (k=1, 2, , n)有  (  ≦   y y x x 1 p 1 p 1 p ) ) ( ) ( n p n p n p k k k k k 1  k 1  k 1  证 当 p=1 时,此不等式显然成立. 下设 p﹥1, 则有 n  k 1  n  k 1  x k  y k p ≦ xx k k  y k p 1   xy k k  y k p 1  n  k 1  对上式右边的每一个加式分别使用 Hölder 不等式, 并由 (p- 1)q=p, 得 n  k 1  x k  y k p ≦ ( 1 p ( p ) x k n  k 1  = [( p x k ) n  1 k  1 q n ( k 1  n  k 1  1 p ( p )1  q x k  y k 1 q )  ( n  k 1  1 p ( p ) y k n  k 1  ( p )1  q x k  y k 1 q )  ( n  k 1  1 p ]( y k p ) n  k 1  x k  y k 1 q p ) 再用 p x k  y k ) 除上式两边,即得 Minkowski 不等式. 现设任意 y=( 1  ) T C n , 则有 , n , 2 x  y  n  k 1  2 k  k k (  k  k k 2) n ≦  k 1  (  k  k k k 2) , =  n k 1  ≦ n  k 1  (  k k 2 )  n  k 1  (  j k 2 = x  y . 3. (1) 函数的非负性与齐次性是显然的,我们只证三角不等式.利用最 大函数的等价定义: ( ba ba  ) max(A, B)= ,  x y ) b a max( x  y ≦max( x  a y , a x b  y ) b 1 2 7
= 1 2 ≦ a a ( x x x    1 2 ( 1 2 ( x x )+max( =max( (2) 只证三角不等式. k 1 x  =( k 1 4. A x  ≦k 1 bx )+( k 1 53 i4  +k 2 ay ax +k 2 i1 = a x x , by a b 1m  y  y  b a b x a  y a  x  y  a b y b y ) ) b  x  b a y a  y  b y a  y ) b x b  y a  y x b  b x y , a  ) b a y b x  1)  2 ( ax +k 1 ay +k 2 bx +k 2 by ay +k 2 132  by ) . 18  2 ; ; 2 2 2 2 F    3 5 i4 i1  1 A   1A 列和范数(最大列模和)= ; 2 5. 非负性: A≠O 时 S 1 AS≠O, 于是 3 7  2  2 2  A 15 m  66 A =行和范数(最大行模和)=9 ; >0. A=O 时, 显然 1AS A S   ; m A =0; 齐次性: 设C, 则 三角不等式: BA   1   S  A  1  ( ) SA  ) SBAS  ≦  ( S 1   1 m S ASS AS S  m 1   1  m S BS BS  AS  m 1AS S  1  S  A S m BS B  AS 1  =  A ; m ; AB 相容性: 6. 因为 I n ≠O, 所以 nI >0.从而利用矩阵范数的相容性得: ) SAB BS ≦ S S  ( m m m m 1 1 1    = A B . I  n 7. 设 A=(A ij )C nn , x= II nn ( ,  1 2 ≦ nI ,  n , nI  T ) ,即 nI ≧1. C n , 且 A= max , ji a ij , 则 Ax 1   i k a k ik ≦ ika  =  [ k k i k k i a ] ik ≦nA k k = mA 1x ; Ax  2 2 a ik k   i k ≦   [ ika  =   [  k 2] a 2 k 2 ] i k i k = n A 2x ≦nA= mA 2x . 8. 非负性与齐次性是显然的, 我们先证三角不等式和相容性成立. A=(a ij ), B=(b ij )C nm , a ij C=(c st )C ln 且 A= MBA  =max{m,n} +B) max , ji max , ji a  ij , B= b ij a max , ji , C= ≦max{m,n} ij c max st , ts (max , ji . 则 a  ≦max{m,n}(A b ij ) ij =max{m ,n }A+max{m ,n }B= A  M B M ; 8
分享到:
收藏