mirror of
https://github.com/szdytom/LADRSolutions.git
synced 2025-10-19 16:30:16 +00:00
Compare commits
3 Commits
ba8e48f591
...
ee001d70c4
Author | SHA1 | Date | |
---|---|---|---|
ee001d70c4 | |||
faa17267a6 | |||
fb19713a43 |
9
math.typ
9
math.typ
@ -1,12 +1,17 @@
|
||||
#let ee = "e"
|
||||
#let ii = "i"
|
||||
#let rhs = "R.H.S."
|
||||
#let lhs = "L.H.S."
|
||||
|
||||
#let span = $op("span")$
|
||||
#let null = $op("null")$
|
||||
#let range = $op("range")$
|
||||
|
||||
#let Poly = math.cal("P")
|
||||
#let LinearMap = math.cal("L")
|
||||
#let Matrix = math.cal("M")
|
||||
|
||||
#let complexification(vv) = $vv_upright(C)$
|
||||
#let rhs = "R.H.S."
|
||||
#let lhs = "L.H.S."
|
||||
#let restricted(ff, uu) = $ff|_uu$
|
||||
#let Permutation(nn) = $cal(P)_nn$
|
||||
|
||||
|
@ -0,0 +1,82 @@
|
||||
#import "../styles.typ": exercise_sol, note, tab
|
||||
#import "../math.typ": LinearMap, range, Matrix, null, span, Poly
|
||||
|
||||
#exercise_sol(type: "proof", label: "tricky")[
|
||||
设 $T in LinearMap(V, W)$。证明:对于 $V$ 和 $W$ 的任意基,$T$ 所对应的矩阵至少有 $dim range T$ 个非零元素。
|
||||
][
|
||||
设 $v_1, dots, v_n$ 是 $V$ 的一组基,$w_1, dots, w_m$ 是 $W$ 的一组基,$A$ 为 $T$ 在这两组基下的矩阵表示。则对于 $i in {1, dots, m}$ 和 $j in {1, dots, n}$,
|
||||
|
||||
$ T v_j = sum_(k=1)^m A_(k, j) w_k $
|
||||
|
||||
#tab 设 $p = dim null T$,且 $q = dim range T$,则根据线性映射基本定理(原书3.21),$p + q = n$。则在 $v_1, dots, v_n$ 中至多有 $p$ 个向量属于 $null T$,也即至少有 $q$ 个向量不属于 $null T$。不妨设 $v_1, dots, v_q$ 不属于 $null T$,则对于 $j in {1, dots, q}$,我们有
|
||||
|
||||
$ A_(1, j) w_1 + dots.c + A_(m, j) w_m = T v_j != 0 $
|
||||
|
||||
#tab 考虑到 $w_1, dots, w_m$ 线性无关,只能有至少一个 $k in {1, dots, m}$ 使得 $A_(k, j) != 0$。因此,矩阵 $A$ 至少有 $q$ 个非零元素。
|
||||
]
|
||||
|
||||
#exercise_sol(type: "proof")[
|
||||
设 $T in LinearMap(V, W)$,其中 $V$ 和 $W$ 都是有限维的非零向量空间。证明:$dim range T = 1$,当且仅当,存在 $V$ 的一组基和 $W$ 的一组基,使得 $Matrix(T)$ 的所有元素都是 $1$。
|
||||
][
|
||||
首先证明充分性。设 $v_1, dots, v_n$ 是 $V$ 的一组基,$w_1, dots, w_m$ 是 $W$ 的一组基,且在这两组基下的 $Matrix(T)$ 的所有元素都是 $1$。则对于 $j in {1, dots, n}$,
|
||||
|
||||
$ T v_j = sum_(k=1)^m 1 w_k = w_1 + dots.c + w_m $
|
||||
|
||||
#tab 故 $T v_1 = dots.c = T v_n$,记为 $w$。设 $v in V$,则存在 $a_1, dots, a_n in FF$ 使得 $v = a_1 v_1 + dots.c + a_n v_n$。因此,
|
||||
|
||||
$ T v = a_1 T v_1 + dots.c + a_n T v_n = (a_1 + dots.c + a_n) w in span(w) $
|
||||
|
||||
#tab 故 $range T = span(w)$,因此 $dim range T = 1$。
|
||||
|
||||
#tab 另一方面,证明必要性。设 $dim range T = 1$,则存在 $w in W$ 使得 $range T = span(w)$。设 $u_1, dots, u_n$ 是 $V$ 的一组基,则对于 $j in {1, dots, n}$,存在 $a_j in FF$ 使得 $T u_j = a_j w$,其中 $a_j != 0$。
|
||||
|
||||
#tab 现在,对于 $j in {1, dots, n}$,令 $v_j = u_j slash a_j$,则 $T v_1 = dots.c = T v_n = w$。容易说明 $v_1, dots, v_n$ 也是 $V$ 的一组基。根据每个线性无关组都可被扩充为基(原书2.32),我们可以将 $w$ 扩充为 $W$ 的一组基 $w, w_2, dots, w_m$。
|
||||
|
||||
#tab 令 $w_1 = w - (w_2 + dots.c + w_m)$,则 $w_1, dots, w_m$ 也是 $W$ 的一组基,且 $w_1 + dots.c + w_m = w$。
|
||||
|
||||
#tab 设关于 $v_1, dots, v_n$ 和 $w_1, dots, w_m$ 的 $Matrix(T)$ 的元素为 $A_(i, j)$,则对于 $j in {1, dots, n}$,
|
||||
|
||||
$ sum_(k=1)^m A_(k, j) w_k = T v_j = w $
|
||||
|
||||
#tab 由于 $w_1, dots, w_m$ 线性无关,因此对于 $k in {1, dots, m}$,都有 $A_(k, j) = 1$。因此,$Matrix(T)$ 的所有元素都是 $1$。
|
||||
]
|
||||
|
||||
#exercise_sol(type: "proof")[
|
||||
设 $v_1, dots, v_n$ 是 $V$ 的一组基,$w_1, dots, w_m$ 是 $W$ 的一组基。证明:
|
||||
|
||||
+ 若 $S, T in LinearMap(V, W)$,则 $M(S + T) = M(S) + M(T)$;
|
||||
+ 若 $lambda in FF$,$T in LinearMap(V, W)$,则 $M(lambda T) = lambda M(T) $。
|
||||
|
||||
#note[本题是在让你验证原书3.35和3.38。]
|
||||
][
|
||||
对于(a),记 $A = M(S)$,$B = M(T)$,$C = M(S + T)$。则对于 $j in {1, dots, n}$,有
|
||||
|
||||
$ sum_(k=1)^m C_(k, j) w_k = (S + T) v_j = S v_j + T v_j = sum_(k=1)^m (A_(k, j) + B_(k, j)) w_k $
|
||||
|
||||
#tab 故 $C_(k, j) = A_(k, j) + B_(k, j)$,即 $C = A + B$。
|
||||
|
||||
#tab 对于(b),记 $A = M(T)$,$B = M(lambda T)$。则对于 $j in {1, dots, n}$,有
|
||||
|
||||
$ sum_(k=1)^m B_(k, j) w_k = (lambda T) v_j = lambda (T v_j) = sum_(k=1)^m (lambda A_(k, j)) w_k $
|
||||
|
||||
#tab 故 $B_(k, j) = lambda A_(k, j)$,即 $B = lambda A$。
|
||||
]
|
||||
|
||||
#exercise_sol(type: "answer")[
|
||||
设 $D in LinearMap(Poly_3(RR), Poly_2(RR))$ 是微分映射,定义为 $p |-> p'$。求 $Poly_3(RR)$ 的一个基和 $Poly_2(RR)$ 的一个基,使得 $Matrix(D)$ 为
|
||||
|
||||
$ mat(1, 0, 0, 0; 0, 1, 0, 0; 0, 0, 1, 0) $
|
||||
|
||||
#note[和原书3.33比较一下。下一题拓展了本题。]
|
||||
][
|
||||
取 $Poly_3(RR)$ 的基为 $x^3, x^2, x, 1$,$Poly_2(RR)$ 的基为 $3 x^2, 2 x, 1$。则
|
||||
|
||||
$ D x^3 &= 3 x^2 &= 1 dot.c (3 x^2) + 0 dot.c (2 x) + 0 dot.c 1 \
|
||||
D x^2 &= 2 x &= 0 dot.c (3 x^2) + 1 dot.c (2 x) + 0 dot.c 1 \
|
||||
D x &= 1 &= 0 dot.c (3 x^2) + 0 dot.c (2 x) + 1 dot.c 1 \
|
||||
D 1 &= 1 &= 0 dot.c (3 x^2) + 0 dot.c (2 x) + 0 dot.c 1 $
|
||||
|
||||
#tab 故
|
||||
|
||||
$ Matrix(D) = mat(1, 0, 0, 0; 0, 1, 0, 0; 0, 0, 1, 0) $
|
||||
]
|
@ -99,6 +99,7 @@
|
||||
set footnote(numbering: "注1")
|
||||
show math.equation: set text(font: mathfont)
|
||||
set math.vec(delim: ("[", "]"))
|
||||
set math.mat(delim: ("[", "]"))
|
||||
|
||||
hide[#title <book-title>]
|
||||
|
||||
|
Loading…
x
Reference in New Issue
Block a user