HW2-solu
自学任务
- 了解域的定义, 以及域和数域有何区别?
- 了解行阶梯形的定义. 此处的行阶梯形的拐角处均是 $1$, 这类 $1$ 的左/上/下位置均是 $0$. 有时称作最简行阶梯形 (reduced row échelon form).
- 可以参考此书的第 88 页 (PDF 的第 96 页), 理解 (既约) 阶梯形方程组这一定义.
- 了解方程组秩的定义. 秩就是最简行阶梯形中非零行数.
数域
求包含有理数 $\mathbb Q$ 和 $\pi$ 的最小的数域.
这个数域必须包含一切 $f(\pi)$, 其中 $f$ 是有理系数的多项式.
$f$ 是非零有理系数多项式, 则 $f(\pi) \neq 0$.
大家愿意相信即可. 这是比无理数复杂一些的性质.
因此, 该数域必须包含所有 $\frac{f(\pi)}{g(\pi)}$, 其中 $g$ 是有理系数的非零多项式, $f$ 是有理系数多项式. 最后说明, 集合 $$ X:= \left\{\frac{f(\pi)}{g(\pi)} \mid f,g \ \text{是有理系数多项式}, g \neq 0 \right\} $$ 是个数域即可.
- (包含 $0$ 与 $1$). 显然 $0,1 \in X$.
- (加法封闭). $\frac{f_1(\pi)}{g_1(\pi)} + \frac{f_2(\pi)}{g_2(\pi)} = \frac{f_1(\pi)g_2(\pi) + f_2(\pi)g_1 (\pi)}{g_1(\pi)g_2(\pi)} \in X$.
- (减法封闭). 注意到 $- \frac{f(\pi)}{g(\pi)} \in X$. 验证对减法封闭, 就是验证对加法和相反数封闭.
- (乘法封闭). $\frac{f_1(\pi)}{g_1(\pi)} \cdot \frac{f_2(\pi)}{g_2(\pi)} = \frac{f_1(\pi)f_2(\pi)}{g_1(\pi)g_2(\pi)} \in X$.
- (除法封闭). 对非零的数, 注意到 $(\frac{f(\pi)}{g(\pi)})^{-1} \in X$. 验证对除法封闭就是验证对乘法和倒数封闭.
重要提示: 多项式只能是有限和, 不能是无限和. 例如
- (错误书写). 取多项式 $a_0 + a_1x +a_2 x^2+ \cdots $
- (正确书写). 取多项式 $a_0 + a_1x +a_2 x^2+ \cdots + a_nx^n$.
行阶梯形存在且唯一
最简行阶梯形 (reduced row échelon form) 是否总存在? 若存在, 是否唯一?
从 9-19 作业可以观察到一个现象: 行变换不改变最简行阶梯形.
假定 $A$ 是一个矩阵, $A'$ 由 $A$ 通过行变换得到, 且 $A'$ 可以通过行变换复原至 $A$. 记 $v_k$ 是 $A$ 的第 $k$ 列, $v'_k$ 是 $A'$ 的第 $k$ 列. 不难发现, 如有 $v_1 + 2 v_2 = v_3$ 一类的式子成立, 当且仅当 $v_1' + 2v_2' = v_3'$ 也成立. 在可逆行变换中, 所有这类列向量的等式被无损地传递.
矩阵到最简行阶梯形的行变换是可逆的. 我们按照以上观察, 给出一个计算最简行阶梯形的算法, 并将以上的 $A'$ 构造作 $A$ 的最简行阶梯形. 这一算法适合借助线性空间的语言表述, 先给一个口语化的表述 (不完全归纳):
-
若 $v_1 = 0$, 则取 $v_1' = \left(\substack{0\\0\\0\\\vdots}\right)$. 若 $v_1 \neq 0$, 则取 $v_1' = \left(\substack{1\\0\\0\\\vdots}\right)$.
-
假定 $v_1 \neq 0$, 且 $v_2 = \lambda \cdot v_1$, 则取 $v_2' = \left(\substack{\lambda\\0\\0\\\vdots}\right)$. 假定不存在 $v_2 = \lambda \cdot v_1$ 这类等式, 则取 $v_2' = \left(\substack{0\\1\\0\\\vdots}\right)$.
-
假定 $v_1' = \left(\substack{1\\0\\0\\\vdots}\right)$, $v_2' = \left(\substack{0\\1\\0\\\vdots}\right)$. 若存在 $a v_1 + b v_2 = v_3$ 一类等式 (也就是 $v_3$ 落在 $\{v_1, v_2\}$ 所在的平面中), 则取 $v_3' = \left(\substack{a\\b\\0\\\vdots}\right)$. 若不存在这类等式, 则取 $v_3' = \left(\substack{0\\0\\1\\\vdots}\right)$.
-
如是归纳即可.
给一个基于线性空间语言的严谨表述 (约定 $e_l$ 是第 $l$ 项为 $1$, 其余项为 $0$ 的列向量):
- 找到最小的 $k$ 使得 $v_k \neq 0$. 记 $v'_{< k}$ 为零向量. 记 $v'_k = e_1$.
- 假定构造了 $\{v_{i}'\}_{i \leq d}$, 且 $d$ 小于矩阵宽度, 下构造 $v_{d+1}'$.
- 若 $v_{d+1} \notin \left\{\sum\limits_{1 \leq i\leq d} c_i v_i\right\}$, 则记 $v_{d+1} = e_{q+1}$, 其中 $q = \dim \left\{\sum\limits_{1 \leq i\leq d} c_i v_i\right\}$ 是向量空间的维数.
- 若 $v_{d+1} \in \left\{\sum\limits_{1 \leq i\leq d} c_i v_i\right\}$, 那么任取一个等式 $v_{d+1} = \sum\limits_{1 \leq i\leq d} c_i v_i$, 定义 $v_{d+1}' = \sum\limits_{1 \leq i\leq d} c_i v_i'$ 即可.
可以从数学归纳的角度看出, 以上算法解得的矩阵就是 $ref(A)$. 对仅有 $1$ 列的矩阵, 该算法显然正确. 假定对 $n$ 列的矩阵该算法正确, 那么对 $n+1$ 列的矩阵, 该算法也正确 (第 $n+1$ 列要么由前 $n$ 列唯一决定, 要么另起一行).
以上给出最简行阶梯形的一种构造. 下证明其唯一性. 假定 $B$ 与 $B'$ 是 $A$ 的最简行阶梯形, 下证明 $B = B'$. 直接地, $B$ 与 $B'$ 的第一列相同 (要么是 $0$, 要么是 $\left(\substack{1\\0\\0\\\vdots}\right)$). 假定 $B$ 与 $B'$ 在 $1$ 至 $k$ 列相同, 在第 $k+1$ 列不同.
- 若 $A$ 的第 $k+1$ 列能用前 $k$ 列的线性组合表示, 则 $B$ 与 $B'$ 的第 $k+1$ 列均是 $B$ 与 $B'$ 前 $k$ 列对应的线性组合. 这与假定矛盾.
- 若 $A$ 的第 $k+1$ 列不能用前 $k$ 列的线性组合表示, 则 $B$ 与 $B'$ 的第 $k+1$ 列都是主元所在的列, 从而相同. 矛盾.
(重要结论). 矩阵的行最简阶梯形表示列向量的线性关系, 这一关于由上述贪心算法描述. 行最简阶梯形是用来看列的, 而不是看行的.
解方程
使用课堂方法求解以下方程组, 应当标明每步行变换方式. 请视个人时间与能力, 自行选题完成.
- 见此书 3.3 习题与解答部分 (书中的第 97 页, PDF 的第 105 页).
问题 1. $\left\{\begin{matrix}
2x_1 & +x_2 & +x_3& = & 2,\\
x_1 & +3x_2 & +x_3& = & 5,\\
x_1 & +x_2 & +5x_3& = & -7,\\
2x_1 & +3x_2 & -3x_3& = & 14.
\end{matrix}\right.$
问题 2. $\left\{\begin{matrix}
6x_1 & +6x_2 & +5x_3 &+ 18x_4 &+20x_5 & = & 14,\\
10x_1 & +9x_2 & +7x_3 &+ 24x_4 &+30x_5 & = & 18,\\
12x_1 & +12x_2 & +13x_3 &+ 27x_4 &+35x_5 & = & 32,\\
8x_1 & +6x_2 & +6x_3 &+ 15x_4 &+20x_5 & = & 16,\\
4x_1 & +5x_2 & +4x_3 &+ 15x_4 &+15x_5 & = & 11.
\end{matrix}\right.$
问题 3. $\left\{\begin{matrix}
2x_1 & +7x_2 & +3x_3 &+ x_4 &= & 5,\\
x_1 & +3x_2 & +5x_3 & -2x_4 &= & 3,\\
x_1 & +5x_2 & -9x_3 & +8x_4 &= & 1,\\
5x_1 & +18x_2 & 4x_3 & +5x_4 &= & 12.
\end{matrix}\right.$
问题 4. $\left\{\begin{matrix}
2x_1 & -x_2 & +x_3 &- x_4 & = & 3,\\
4x_1 & -2x_2 & -2x_3 &+3x_4 & = & 2,\\
2x_1 & -x_2 & +5x_3 & -6x_4 & = & 1,\\
2x_1 & -x_2 & -3x_3 & +4x_4 & = & 5.
\end{matrix}\right.$
问题 1. 的解答: 可以先将方程组转化成增广矩阵, 也可以直接操作方程组. 以下 $:=$ 是赋值符号, 定义作新 := 旧. $$ \begin{align*} &\left\{\begin{matrix} 2x_1 & +x_2 & +x_3& = & 2,\\ x_1 & +3x_2 & +x_3& = & 5,\\ x_1 & +x_2 & +5x_3& = & -7,\\ 2x_1 & +3x_2 & -3x_3& = & 14. \end{matrix}\right.\\[6pt] \xrightarrow {\begin{matrix}(r_1;r_2;r_3):= (r_3;r_1;r_2)\end{matrix}} & \left\{\begin{matrix} x_1 & +x_2 & +5x_3& = & -7,\\ 2x_1 & +x_2 & +x_3& = & 2,\\ x_1 & +3x_2 & +x_3& = & 5,\\ 2x_1 & +3x_2 & -3x_3& = & 14. \end{matrix}\right.\\[6pt] \xrightarrow {\begin{matrix}r_2 := r_2 - 2r_1\\r_3 := r_3 - r_1\\r_4:= r_4 - 2r_1\end{matrix}} \ & \left\{\begin{matrix} x_1 & +x_2 & +5x_3& = & -7,\\ & -x_2 & -9x_3& = & 16,\\ & +2x_2 & -4x_3& = & 12,\\ & +x_2 & -13x_3& = & 28. \end{matrix}\right.\\[6pt] \xrightarrow {\begin{matrix}r_3 := r_3 + 2r_2\\ r_4 := r_4 + r_2\end{matrix}} \ & \left\{\begin{matrix} x_1 & +x_2 & +5x_3& = & -7,\\ & -x_2 & -9x_3& = & 16,\\ & & -22x_3& = & 44,\\ & & -22x_3& = & 44. \end{matrix}\right.\\[6pt] \xrightarrow {\begin{matrix}r_4 := r_4 - r_3\end{matrix}} \ & \left\{\begin{matrix} x_1 & +x_2 & +5x_3& = & -7,\\ & -x_2 & -9x_3& = & 16,\\ & & -22x_3& = & 44. \end{matrix}\right.\\[6pt] \xrightarrow {\begin{matrix}r_2 := - r_2 \\ r_3 = \frac{-1}{22}r_3\end{matrix}} \ & \left\{\begin{matrix} x_1 & +x_2 & +5x_3& = & -7,\\ & x_2 & +9x_3& = & -16,\\ & & x_3& = & -2. \end{matrix}\right.\\[6pt] \xrightarrow {\begin{matrix}r_2 := r_2 - 9r_3\end{matrix}} \ & \left\{\begin{matrix} x_1 & +x_2 & +5x_3& = & -7,\\ & x_2 & & = & 2,\\ & & x_3& = & -2. \end{matrix}\right.\\[6pt] \xrightarrow {\begin{matrix}r_1 := r_1 - r_2- 5r_3\end{matrix}} \ & \left\{\begin{matrix} x_1 & & & = & 1,\\ & x_2 & & = & 2,\\ & & x_3& = & -2. \end{matrix}\right. \end{align*} $$