← 全部笔记

高等代数

高等代数一题多解索引

文章目录

来源 谢启鸿、姚慕生, 高等代数学习指导书, 第4版, 第1–10章. 各项出处见下文; PDF页码 = 印刷页码 + 10。 来源PDF 题面根据已目视核对的扫描件转述;题目选择、顺序安排及标出的补充路线由整理者给出。这不是学习者本人解答的记录。

除另有说明外,矩阵在 R\mathbb R 或 C\mathbb C 上有限维。转置记为 T\mathsf T,共轭转置记为 ∗*。一题多解的意义在于改变视角,而不只是重新排列同一计算。每项都标明哪些路线来自原书,哪些为补充。

返回高等线性代数知识脉络 · 高等代数递进题组

1. 行列式关于秩一参数仿射

问题。 计算对角元为 aa、上方元素为 bb、下方元素为 cc 的矩阵的行列式。来源: 例 1.23,印刷页 22–23 / PDF页 32–33;原书也回指例 1.16。

解法 A:秩一摄动,原书解法。 令 f(t)=det⁡(A+t11T)f(t)=\det(A+t\mathbf1\mathbf1^{\mathsf T})。多重线性使 ff 为仿射函数,在 t=−bt=-b 与 t=−ct=-c 处为三角行列式,所以对 b≠cb\ne c, det⁡A=b(a−c)n−c(a−b)nb−c.\det A=\frac{b(a-c)^n-c(a-b)^n}{b-c}.

解法 B:递推,整理者结合拆分与消元的解法。 将第一行拆为 (a−b)e1T+b1T(a-b)e_1^{\mathsf T}+b\mathbf1^{\mathsf T}。第一个行列式为 (a−b)Dn−1(a-b)D_{n-1}。对第二个,从每个其余行减去全 1 的第一行的 cc 倍,得到行列式 (a−c)n−1(a-c)^{n-1}。因此对 n≥2n\ge2 有 Dn=(a−b)Dn−1+b(a−c)n−1D_n=(a-b)D_{n-1}+b(a-c)^{n-1},初值为 D1=aD_1=a。求解此数量递推。与商式相比,它无需除以 b−cb-c,也处理 b=cb=c,给出 (a−b)n−1(a+(n−1)b)(a-b)^{n-1}(a+(n-1)b)。

关键一步(整理者补充)。 多重线性展开中,凡从摄动项选出两列,这两列都与 1\mathbf1 成比例,故该项为零。这才保证 f(t)f(t) 的次数至多为一;仅有两个特殊值,对一般行列式多项式并不足以求出 f(0)f(0)。

比较。 若两个参数值使矩阵三角化,解法 A 较短。解法 B 解释不同阶数为何共用同一机制,也更适合对角元变化的情形。详见 行列式的拆分与低秩扰动、行列式的递推与归纳方法。

2. 四阶矩阵的符号结构

问题。 分解 M=(xyzwyxwzzwxywzyx)M=\begin{pmatrix}x&y&z&w\\y&x&w&z\\z&w&x&y\\w&z&y&x\end{pmatrix} 的行列式。来源: 例 1.36 在印刷页 99 / PDF页 109 给出的第二种解法。

解法 A:分块消元,原书再解。 写成 M=(BCCB)M=\begin{pmatrix}B&C\\C&B\end{pmatrix},其中 B=(xyyx)B=\begin{pmatrix}x&y\\y&x\end{pmatrix}、C=(zwwz)C=\begin{pmatrix}z&w\\w&z\end{pmatrix}。例 2.69 给出 det⁡(B+C)det⁡(B−C)\det(B+C)\det(B-C),从而得到四个一次因式。

解法 B:共同特征向量,整理者补充。 向量 (1,1,1,1)(1,1,1,1)、(1,−1,1,−1)(1,-1,1,-1)、(1,1,−1,−1)(1,1,-1,-1)、(1,−1,−1,1)(1,-1,-1,1) 构成基,其特征值依次为 x+y+z+wx+y+z+w、x−y+z−wx-y+z-w、x+y−z−wx+y-z-w、x−y−z+wx-y-z+w。相乘得到同一行列式。

两种解法的连接(整理者补充)。 取 S=(III−I)S=\begin{pmatrix}I&I\\I&-I\end{pmatrix},则 S−1=12SS^{-1}=\frac12S,且 S−1MS=diag⁡(B+C,B−C)S^{-1}MS=\operatorname{diag}(B+C,B-C)。它先按向量 (u,u)(u,u)、(u,−u)(u,-u) 分出两个不变子空间,再在各块内对角化,便得到解法 B 的四个向量。此式不需要 BC=CBBC=CB,但使用了 2≠02\ne0。

比较。 分块证明可推广到任意矩阵块,无需假设可交换。特征向量证明还给出幂、四个因子非零时的逆,以及实对称惯性。详见 矩阵的分块消元与Schur补、结构矩阵的特征值方法。

3. 交换矩形乘积的顺序

问题。 对 U∈Fm×nU\in\mathbb F^{m\times n} 和 V∈Fn×mV\in\mathbb F^{n\times m},证明 Im+UVI_m+UV 可逆当且仅当 In+VUI_n+VU 可逆。来源: 例 2.23,印刷页 71 / PDF页 81。

解法 A:构造逆矩阵,原书解法。 取 G=(Im+UV)−1G=(I_m+UV)^{-1},直接相乘核验 (In+VU)−1=In−VGU(I_n+VU)^{-1}=I_n-VGU。

解法 B:传递核向量,整理者补充。 若 (In+VU)x=0(I_n+VU)x=0 且 x≠0x\ne0,则 Ux≠0Ux\ne0,否则方程会给出 x=0x=0。此外有 (Im+UV)Ux=0(I_m+UV)Ux=0。交换 U,VU,V 得到反向蕴含。有限维方阵可逆当且仅当核为零。

解法 C:比较两个 Schur 补,整理者补充。 消去 (ImU−VIn)\begin{pmatrix}I_m&U\\-V&I_n\end{pmatrix} 中任一单位块,得到 det⁡(Im+UV)=det⁡(In+VU)\det(I_m+UV)=\det(I_n+VU)。

额外所得(整理者补充)。 UU 实际给出 ker⁡(In+VU)→ker⁡(Im+UV)\ker(I_n+VU)\to\ker(I_m+UV) 的同构,其逆为 −V-V:在前一个核上有 −VUx=x-VUx=x,在后一个核上有 −UVy=y-UVy=y。所以两个矩阵的零度相同,即使它们的阶数不同。

比较。 解法 A 给出可用的逆;解法 B 以最少计算证明等价;解法 C 还给出行列式降阶。详见 矩阵的可逆性与构造求逆、矩阵的分块消元与Schur补。

4. 投影分量的秩可加性

问题。 设 P2=PP^2=P 且 P=∑iAiP=\sum_iA_i。证明 rank⁡P=∑irank⁡Ai\operatorname{rank}P=\sum_i\operatorname{rank}A_i 当且仅当每个 Ai2=AiA_i^2=A_i,且 i≠ji\ne j 时 AiAj=0A_iA_j=0。来源: 例 4.60,印刷页 223–225 / PDF页 233–235;原书印有两份证明。

解法 A:直和几何,原书解法。 界 dim⁡im⁡P≤dim⁡∑iim⁡Ai≤∑irank⁡Ai\dim\operatorname{im}P\le\dim\sum_i\operatorname{im}A_i\le\sum_i\operatorname{rank}A_i 全部取等号,因此各像构成直和,且等于 im⁡P\operatorname{im}P。由分量唯一性及 PP 在其上作用为恒等映射,得到所需乘积。

分量唯一性如何使用(整理者补充)。 对 y∈im⁡Aj⊆im⁡Py\in\operatorname{im}A_j\subseteq\operatorname{im}P,有 y=Py=∑iAiyy=Py=\sum_iA_iy。另一方面,yy 自己就是第 jj 个分量。直和分解唯一,故 Ajy=yA_jy=y,而 i≠ji\ne j 时 Aiy=0A_iy=0。再令 y=Ajxy=A_jx,即得全部乘积恒等式。

解法 B:分块秩,原书解法。 从 diag⁡(I−P,A1,…,Am)\operatorname{diag}(I-P,A_1,\ldots,A_m) 出发,通过可逆行、列变换化为 diag⁡(I,R)\operatorname{diag}(I,R),其中 RR 的对角块为 Ai−Ai2A_i-A_i^2,非对角块为 −AiAj-A_iA_j。秩等式使其秩为 nn,迫使 R=0R=0。

反向使用各像的直和。在特征为零时,取迹较短;但正特征中不能仅凭迹恒等式推出整数意义的秩相等。比较: 几何解释分量唯一性,分块消元同时组织全部分量恒等式。详见 幂等变换与投影分解。

5. 正定度量中的自伴性

问题。 对实矩阵 AA 与实对称矩阵 H≻0H\succ0,证明 ATH=HAA^{\mathsf T}H=HA 蕴含 AA 可对角化。来源: 例 9.72,印刷页 542 / PDF页 552;两条路线均来自原书。

解法 A:改变矩阵。 H1/2AH−1/2H^{1/2}AH^{-1/2} 对称,因此可用通常的实谱定理。

解法 B:改变内积。 使用 ⟨x,y⟩H=yTHx\langle x,y\rangle_H=y^{\mathsf T}Hx。同一恒等式使算子在此度量下自伴。此度量中的标准正交特征向量基也是 AA 的通常特征向量基。

比较。 两条路线分别从代数与几何表达同一结构。解法 A 构造相似变换,解法 B 解释原矩阵为何无需欧氏对称性。用 H=diag⁡(0,1)H=\operatorname{diag}(0,1) 与 A=(0100)A=\begin{pmatrix}0&1\\0&0\end{pmatrix} 检验假设的必要性:恒等式成立,但不能对角化。详见 伴随映射与度量矩阵。

6. 迹不等式度量不可交换性

问题。 对实对称矩阵 A,BA,B,证明 tr⁡((AB)2)≤tr⁡(A2B2)\operatorname{tr}((AB)^2)\le\operatorname{tr}(A^2B^2) 并求等号条件。来源: 第 2 章解答题 11 在第 9 章的再解,印刷页 541–542 / PDF页 551–552。

解法 A:将一个矩阵对角化,第 9 章的再解。 对 A=diag⁡(λi)A=\operatorname{diag}(\lambda_i),两边之差为 ∑i<j(λi−λj)2bij2\sum_{i<j}(\lambda_i-\lambda_j)^2b_{ij}^2。等号意味着 AB=BAAB=BA。

解法 B:识别范数平方,整理者改写。 通过展开与迹的循环性,两边之差为 12∥AB−BA∥F2\frac12\|AB-BA\|_F^2。其中 ∥⋅∥F\|\cdot\|_F 是 Frobenius 范数。

核验范数恒等式(整理者补充)。 令 C=AB−BAC=AB-BA。实对称性给出 CT=−CC^{\mathsf T}=-C,故 ∥C∥F2=−tr⁡(C2)=2tr⁡(A2B2)−2tr⁡(ABAB).\|C\|_F^2=-\operatorname{tr}(C^2)=2\operatorname{tr}(A^2B^2)-2\operatorname{tr}(ABAB). 最后一步使用迹的循环性,而不是假定 A,BA,B 交换。等号成立恰好是 C=0C=0。

比较。 解法 A 展示哪些元素产生障碍;解法 B 与坐标无关,直接给出等号条件。详见 Lyapunov方程与交换子的迹方法。

7. 对偶映射的像

问题。 对有限维线性自映射 TT,证明 im⁡T∨=(ker⁡T)∘\operatorname{im}T^\vee=(\ker T)^\circ。这里 ∨\vee 表示对偶,∘\circ 表示零化子,不涉及度量。来源: 例 10.8,印刷页 612 / PDF页 622;原书印有两条路线。

解法 A:包含关系与维数。 对 x∈ker⁡Tx\in\ker T 有 f(Tx)=0f(Tx)=0,因此像属于零化子。利用转置矩阵与秩零度定理,两边维数均为 rank⁡T\operatorname{rank}T。

解法 B:检验求值,再取零化子。 xx 零化每个 T∨fT^\vee f,当且仅当每个泛函在 TxTx 处为零,也当且仅当 Tx=0Tx=0。故 (im⁡T∨)∘=ker⁡T(\operatorname{im}T^\vee)^\circ=\ker T,再由有限维双重零化子完成证明。

比较。 维数已知时解法 A 高效;解法 B 显露配对,适合不变子空间论证。原书讨论无限维时指出,中间的求值恒等式需要更少假设。对完整代数对偶,允许泛函延拓时,所示像空间恒等式也推广到无限维:在 ker⁡T\ker T 上为零的泛函下降到 im⁡T\operatorname{im}T,并可延拓到目标空间。这一延拓论证是整理者澄清,不是关于拓扑对偶的断言。详见 对偶映射与双重对偶。

8. 非零泛函具有相同的核

问题。 对非零泛函 f,gf,g,证明 ker⁡f=ker⁡g\ker f=\ker g 当且仅当存在满足 c≠0c\ne0 的数量使 g=cfg=cf。来源: 例 10.1,印刷页 609 / PDF页 619;例 10.2 后提示另一种有限维方法,印刷页 610 / PDF页 620。

解法 A:选择一个规范化向量,原书解法。 取 uu 使 f(u)=1f(u)=1。由 x−f(x)u∈ker⁡fx-f(x)u\in\ker f,对每个 xx 有 g(x)=g(u)f(x)g(x)=g(u)f(x)。任意维数都适用。

解法 B:行秩,原书提示的有限维方法。 若 f,gf,g 无关,其公共核余维为 2;但相同的单个核余维为 1,矛盾。

比较。 解法 A 构造比例常数并直接推广;解法 B 联系齐次方程组与交空间维数。详见 对偶空间与对偶基、零化子与线性方程。

继续阅读 高等代数递进题组。新增条目时,保留准确题面、来源、假设、各解法的关键第一步,以及第二种解法增加的信息。只重新排列同一消元过程,未必算新解法。