\(\def\image{\text{Im}} \def \Braket#1{\lang{#1}\rang} \def \norm#1{||#1||}\)
5.23 Remark
设矩阵 \(A\in \mathbb{F}^{n\times n},B\in \mathbb{F}^{m\times m},C\in \mathbb{F}^{n\times m}\),且 \((f_A,f_B)=1\),证明矩阵方程 \(AX-XB=C\) 有解。
证明:构造线性变换
要证明 \(\phi\) 是同构,只需证明 \(\phi\) 是单的;任取 \(X \in \ker \phi\),则 \(AX=XB\),
这是因为:由 \((f_A,f_B)=1\) 得 \(\exists u,v\) 满足 \(f_A(B)u(B)=1-f_B(B)v(B)=1\),故 \(f_A(B)\) 可逆。
从而 \(\phi\) 是一个同构,故 \(X=\phi^{-1}(C)\) 必存在且唯一。
Corollary
(Roth)分块 \(\begin{pmatrix}A & C \\ O & B\end{pmatrix}\) 和 \(\begin{pmatrix}A & O \\ O & B\end{pmatrix}\) 相似的充分必要条件是 \(\exist X\) 使 \(AX-XB=C\); 这也等价于 \((f_A,f_B)=1\).
5.22 Question
在向量空间 \(V=\mathbb{F}^n\) 上,定义直线:\(L=\{x_0+t x_1 | t\in \mathbb{F}\}\),定义集合的线性组成:\(\Braket{A_1,\cdots,A_s}=\{\sum\limits_{i=1}^s \lambda_ix_i | \lambda_i\in \mathbb{F},x_i\in A_i\}\);若一些直线符合 \(\Braket{L_1,\cdots,L_m}=V\),求正整数 \(m\) 的最小可能值;定义集合的线性包络:\([A_1,\cdots,A_s]=\{\dfrac{\sum_{i=1}^s \lambda_ix_i}{\sum_{i=1}^s \lambda_i} | \lambda_i\in \mathbb{F},x_i\in A_i\}\),若一些直线符合 \([L_1,\cdots,L_m]=V\),求正整数 \(m\) 的最小可能值。
5.20 初中生都会
求数项级数的值:
-
法一:设函数项级数:
\[f(x)=\sum_{n=1}^\infty \dfrac{x^n}{n} \]显然 \(1/2\) 在收敛域内,则所求为 \(f(\dfrac12)\). 我们有:
\[f(x)=\sum_{n=1}^\infty \int_0^x t^{n-1} \text{d}t \]在 \([0,\dfrac12]\) 上 \(t^{n-1}\) 可积,且 \(\sum\limits_{n=1}^\infty t^{n-1}\) 一致收敛到 \(\dfrac1{1-t}\),故
\[\begin{aligned} f(x)&=\int_0^x (\sum_{n=1}^\infty t^{n-1}) \text{d}t \\ &=\int_0^x \dfrac{1}{1-t} \text{d}t \\ &=-\ln(1-x) \end{aligned} \]故 \(f(\dfrac12)=\ln 2\).
-
法二:设函数项级数:
\[f(x)=\sum_{n=1}^\infty \dfrac{x^n}{n} \]显然 \(1/2\) 在收敛域内,则所求为 \(f(\dfrac12)\). 我们有:
\[(\dfrac{x^n}n)'=x^{n-1} \]且在 \([0,\dfrac12]\) 上 \(\sum\limits_{n=1}^{\infty} x^{n-1}\) 一致收敛到 \(\dfrac{1}{1-x}\),那么
\[f'(x)=\sum_{n=1}^\infty (\dfrac{x^n}{n})'=\dfrac{1}{1-x} \]故 \(f\) 在 \([0,\dfrac12]\) 上连续可导,
\[f(\dfrac12)-f(0)=\int_0^{1/2} f'(x) \text{d}x \]\(f(0)=0\),故 \(f(\dfrac12)=\ln 2\).
5.18 高等代数 / 构造
证明复方阵 \(A\) 可以写成两个酉矩阵的线性组合。
证明:设原矩阵是 \(A\) . 令 \(A=(\rho(A^TA)+1)A'\),作 \(A'\) 的奇异值分解,
\(\Lambda=\text{diag}(d_1,\cdots,d_n)\), \(0\le d_i \lt 1\),
显然 \(X=\text{diag}(x_i),Y=\text{diag}(y_i)\) 是酉对角矩阵;
则 \(A=\dfrac{(\rho(A^TA)+1)}{2}(UXV+UYV)\).
- 另一种构造(四个酉矩阵):
由于 \(A=\dfrac{A+A^*}{2}+\dfrac{A-A^*}{2}\) ,进而 \(A=k(B+C)\) ,\(B\) 是自伴的,\(C\) 是斜对称的,且不妨令 \(B,C\) 的谱范数不超过 1,根据谱定理,\(B\) 的特征值全部为实数,\(C\) 的特征值全部为纯虚数,所以 \(I-B^2,I+C^2\) 是正定的;构造
容易验证算子 \(X,Y,Z,W\) 是酉算子,于是 \(A=\dfrac{k}2(X+Y+Z-W)\).
5.13 高代期中选题
对于复方阵 \(A\),证明:(i) 存在复方阵 \(B\),满足 \(B^2=A\);(ii) 存在复方阵 \(B\),满足 \(\mathrm{e}^B=A\).
(i) 先求矩阵 \(A\) 的 Jordan 标准型:
只需要对于每个 Jordan 块构造出 \(K_i^2=J_i\),则取 \(B=P\text{diag}(K_1\cdots K_s)P^{-1}\) 即可实现 \(B^2=A\).
设第 \(i\) 个 Jordan 块为
考虑
一方面 \(J\) 和 \(W^2\) 特征值完全一致,另一方面,我们从 \(\lambda \ne 0\) 可以得出 \(r(J-\lambda I)= r(W^2-\lambda I)\) ,从而知 \(J\sim W^2\),故
令 \(K=Q^{-1}WQ\),则 \(K^2=J\).
类似的,本题中数字 2 换成任何正整数均是同样成立的,但可逆矩阵的条件并不能缺少。
(ii) 其方法与上述完全相同,只是取 \(\mu=\ln r+ \i \theta\). 由于对数函数的多值性,对于某个 \(A\) 这样的 \(B\) 并不是唯一的(尽管我们可以正常的规定一个 \(\log A\))。由此证明了:
构成了一个满射。
5.13 高代期中选题
设域 \(\mathbb{F}\) 的一个扩张为 \(\bar{ \mathbb{F}}\),证明若矩阵 \(A\) 和 \(B\) 在 \(\bar {\mathbb{F}}\) 上相似,其在 \(\mathbb{F}\) 上亦相似。
依然相似。证明:
在域 \(\bar{\mathbb{F}}\) 上,存在 \(Q\in M_n(\bar{\mathbb{F}})\),\(AQ=QB\);设 \(Q=(q_{i,j})\),作空间
\(V\) 可以取定一组基 \(\{\alpha_1,\cdots,\alpha_k\}\);我们有
若令方阵 \(P_s=(\lambda_{i,j}^{(s)}) \in M_n(\mathbb{F})\),则:(留意 \(\alpha_s \in V \subset \bar{\mathbb{F}}\))
根据 \(AQ-QB=0\) 以及 \(\{\alpha_1,\cdots,\alpha_k\}\) 线性无关,得到
下面我们令 \(P(\mathbf{x})=\sum\limits_{s=1}^k x_sP_s\),可以证明总存在一些 \(x_s \in \mathbb{F}\),使得 \(P\) 是可逆的:对于多元多项式 \(f(\mathbf{x})=\det P\),若在域 \(\bar{\mathbb{F}}\) 上考虑之,
因此 \(f\) 不可能是零多项式,因此存在 \(\mathbf{x} \in \mathbb{F}^k\) 使得 \(\det P(\mathbf{x}) \ne 0\);它成立着,
同时 \(P\in GL_n(\mathbb{F})\),证毕。
5.13 高代期中选题
\(V\) 是一个 \(n\) 维线性空间,\(V_1,\cdots,V_k\) 均为其子空间,且 \(\sum\limits_{i=1}^k \dim V_i >n(k-1)\),证明:\(\bigcap_{i=1}^k V_i\ne 0\).
证明:考虑将 \(k\) 个子空间做成外直和 \(W=\bigoplus\limits_{i=1}^kV_i\),这是一个 \(\sum\limits_{i=1}^k \dim V_i\) 大小的线性空间,构造一个从 \(W\) 到 \(V^{k-1}\) 的线性映射 \(f\),定义为
由于 \(\dim W=\sum\limits_{i=1}^k \dim V_i >n(k-1)=\dim V^{k-1}\),从而必有 \(\dim \ker f>0\),存在非零的向量列 \((v_1,\cdots,v_k)\) 满足 \(f(v_1,\cdots,v_k)=0\),进而
5.13 高代期中选题
(Roth定理) 设分块矩阵 \(M=\begin{pmatrix}A&C\\O&B\end{pmatrix}\),证明 \(r(M)=r(A)+r(B)\) 是 \(\exists X,Y,\text{s.t. }C=AX+YB\) 的充分必要条件。
证明:只需证 “\(\implies\)”:对矩阵 \(\begin{pmatrix}A&C\\O&B\end{pmatrix}\) 进行消元,先把 \(A,B\) 消成最简,再用两块单位矩阵处理右上角部分,即:
此时由 \(r\begin{pmatrix}A&C\\O&B\end{pmatrix}=s+t\) 便可以看出 \(C_4=O\). 说明这些消元操作将右上角大块变成了 0,整理这些初等矩阵的乘积,即相当于 \(C-AX-YB=O\).
5.13 高代期中选题
(数域 \(\mathbb{F}\) 上)给定一个多重线性函数,且 \(f(x_1,x_2,\cdots,x_n) \iff f(x_{\sigma_1},x_{\sigma_2},\cdots,x_{\sigma_n})=0\) (\(\sigma\) 是一个置换(排列))。证明 \(f\) 是一个对称的多重线性函数,或是一个交错的多重线性函数。
证明:先证明如下引理:
- (i) 若 \(B\) 是一个双线性函数,且 \(B(x,y)=0 \iff B(y,x)=0\),则 \(B\) 是一个对称的双线性函数,或是一个交错的双线性函数。
首先,若对于任意的 \(x\),均有 \(B(x,x)=0\),则
这种情况下 \(B\) 是斜对称的双线性函数;
否则,存在 \(x\),使得 \(B(x,x) \ne 0\),对于任意的 \(y\) 和 \(a\in \mathbb{F}\),
关于 \(a\) 有解,那么 \(B(x,ax+y)=B(ax+y,x)\),这推出 \(B(x,y)=B(y,x)\).
对于任取的 \(y,z\),考虑关于 \(a,b\in \mathbb{F}\),
一定存在解 \((a,b)\). 那么 \(B(y+ax,z+bx)=B(z+bx,y+ax)\),这推出 \(B(y,z)=B(z,y)\),即 \(B\) 是对称的双线性函数。
- (ii) 给定一个三线性函数,其关于其中两个变量是对称的,关于另两个变量是反对称(交错)的。则该函数恒等于 0.
设 \(\Braket{,,}:V^3\to W\) 是满足题意的函数,
- 回到原题的证明。
设 \(\Braket{\dots}:V^N\to W\) 是满足题意的函数;假如单独考虑 \(i,j\) 两个位置的变量值,沿用和 (i) 题完全一样的做法,可以得到 \(\Braket{x_1,\cdots,x_n}\) 关于 \(x_i,x_j\) 要么是对称的,要么是斜对称的。
构建一个无向完全图 \(G=(V=\{1,\cdots,n\},E)\),且边 \((i,j)\) 被染成白色,如果 \(\Braket{.}\) 关于 \(x_i,x_j\) 是对称的;被染成黑色,如果 \(\Braket{.}\) 关于 \(x_i,x_j\) 是反对称的。现在我们考虑 \(G\) 中任意一个三元环 \((i,j,k)\),利用 (ii) 题的做法,我们知道如果存在两条边异色,便能立刻推出 \(\Braket{.}=0\).
因此,但凡 \(\Braket{.}\ne 0\)(该多重线性函数不恒为 0),必有 \(G\) 中任意一个三元环是单色的。这证明了,该多重线性函数要么任何两个变量是对称的,要么关于任何两个变量是斜对称的。
5.13 高代期中选题
\(U\) 和 \(W\) 是线性空间 \(V\) 的子空间,商空间 \(V/(U\cap W)\) 是有限维的,证明余维数公式:
\[\def\codim{\text{codim}} \codim(U+W)+\codim(U\cap W)=\codim(U)+\codim(V) \]
证明:本题考虑在商空间上做,因为商空间是有限维的,我一开始的思路就作出商空间的基,然后从小的往大里扩,尝试之后发现不大可行。
考虑短正合列:
其中 \(f:x+(U\cap W) \mapsto (x+U, -x+W)\);
\(g:(x+U,y+W) \mapsto ((x+y)+(U+W))\);
显然 \(g\) 是满射,可以证明 \(f\) 是单射,因为:
假设 \(f(x)=f(y)\),从而 \(x+U=y+U,-x+W=-y+W\),所以 \(x-y \in U\cap W\),即 \(x+(W\cap W)=y+(U\cap W)\).
下面证明 \(\ker g =\image f\):
利用同态基本定理,我们得到
上面证明了 \(f\) 是单射,因而
整理即得
5.9 练习题
\(V\) 是 \(n\) 维向量空间,\(\def\A{\mathcal{A}} \A \in \mathcal{L}(V)\),证明: \(\def\img{\text{Im}} V=\ker \A^n \oplus \img \A^n\).
任取 \(v \in \ker \A^n \cap \img \A^n\),则 \(v=\A^n w,\A^n v=0\),所以 \(w\in \ker \A^{2n}\). 可以证明 \(\ker \A^{2n}=\ker \A^n\),因此 \(w\in \ker \A^n\),故 \(v=\A^n w=0\).
又 \(\dim \ker \A^n+\dim \img \A^n=\dim V\),所以 \(V=\ker \A^n \oplus \img \A^n\).
5.3 高等代数,空间正交关系
(一)
设 \(\phi\) 是内积空间 \(V\) 到 \(W\) 上的线性映射。
我们可以证明 \(\ker \phi \perp \image \phi^*\):这是因为
用矩阵的语言写,则设 \(A\in \mathbb{C}^{m\times n}\),有 \(N(A) \perp R(A^*)\),这是因为
假如限定为有限维空间, \(\dim \ker A+\text{rank} A =n\),所以有
所以得到如下结论:若 \(\phi \in L(V,W)\),则
(二)
接下来讨论 \(\phi\) 是有限维内积空间 \(V\) 上的一个正规算子,
我们可以说明 \(\ker \phi =\ker \phi^*\),这是因为 \(\norm{\phi w}=\norm{\phi^* w}\),当 \(\phi\) 是正规的。
因此立刻得出 \(\image \phi=\image \phi^*\),这是因为它们分别是 \(\ker \phi\) 和 \(\ker \phi^*\) 在 \(V\) 上的正交补。
这引出一个优美的结论,若 \(\phi\) 是 \(V\) 上的正规算子,则
对于正规矩阵也是类似的。
(三)
我们接下来只从矩阵角度来看,设 $A,B\in \mathbb{C}^{m\times n} $,则 \(A\) 的列空间包含在 \(B\) 的列空间中,当且仅当 \(A=BC\);\(A\) 的行空间包含在 \(B\) 的行空间中,当且仅当 \(A=DB\)。上面的两句话几乎是显然的。
值得注意的是,\(A\) 的零空间包含在 \(B\) 的零空间中,当且仅当 \(B=QA\);这是因为:
所以 \(B^*=A^*P\);同时共轭转置即得 \(B=QA\).
上述三条性质亦可表明,对于矩阵 \(A,B\in \mathbb{C}^{n\times n}\), \(A\) 的行空间包含在 \(B\) 的行空间中,当且仅当 \(A\) 的零空间包含 \(B\) 的零空间;特别的,\(A\) 的行空间和 \(B\) 的行空间相同,当且仅当 \(A\) 的零空间和 \(B\) 的零空间相同。
思考:对于正规矩阵 \(A\),是否可推出 \(A\) 的行空间和列空间相同?
5.1 外微分 - 高维积分公式
Note.\(\def\i{\text{i}} \def\d{\text{d}} \def\e{\text{e}} \def\pian#1#2{\dfrac{\part{#1}}{\part{#2}}} \def\Int{\displaystyle\int}\)
考虑微分记号之间的一种类似外积的计算:
Green Formula 是:
若记 \(w=P\d{x}+Q\d{y}\),可以规定
进而此处有
在右手系中,逆时针为曲线的正向,规定 \(\d{x}\times \d{y}\) 在数值上为正值,从而 Green Formula 可以有形式
Guass Formula 是:
若记 \(w=P\d{y}\times \d{z}+Q\d{z}\times \d{x}+R \d{x}\times\d{y}\),在第二类曲面积分中,面元本身就具有方向的,一般的封闭面元数值正负性理应和外积的表达一致(一侧为正一侧为负)。
在右手系中,规定 \(\d{x}\times \d{y} \times \d{z}\) 为数值正值,从而
最后看 Stokes Formula,它是
由于 \(\d{P}=(\pian{P}{x}\d{x}+\pian Py \d{y} +\pian Pz \d{z})\times \d{x} = \pian Pz \d{z}\times \d{x}-\pian Py \d{x}\times \d{y}\),因此实际上也有
从表观上,该公式描述了区域内微元累积对边界上信息的贡献,这可以看作是 Newton-Leibniz Formula 在多维空间上的推广。
4.24 期中考试
为什么:有界闭集上的连续函数不一定可积。
在多元微积分的定义中,可积的必要条件是,其积分区域是可求面积的,又等价于积分区域的边界是零面积集。
设开集 \(U\) 是一系列开区间的并,用长度不超过 1/3 的开区间逐个盖住 \((0,1)\) 中的有理数,再记 \(V=(-\infty,0) \cup U\cup (1,+\infty)\),那么 \(V\) 也是开集。考虑 \(V\) 的补,则这是一个紧集,其只含有 \((0,1)\) 内的一些无理数,同时测度大于 0. 这样的集合 \(U\) 边界不是零面积集。即便是常值函数,也是不可积的。
考虑二维平面的例子,见 雪花分形,Koch - 雪花是可求面积但边界长度为无限的有界闭集,根据可积的必要条件是边界为零面积集,从而这样的区域上的函数应该是不可积的。
4.1 二重积分换元的解释
计算
此处的 \(\text{d}x\) 和 \(\text{d}y\) 是正交坐标系下的,若考虑换元
先写出对应的 \(\varphi(x,y)=\phi(u,v)\);
现在需要把 \((\text{d}u,\text{d}v)\) 放在一个正交系中,考虑 \(u,v\) 变化对应的原坐标系中的面积元大小为
从而得到换元公式
特别的,若
对应的积分变换即
尽管这是“极坐标换元”,但右侧二重积分中的 \(u,v\) 是在正交系下看待的,不要弄混淆。
3.22 对称酉矩阵
\[A\in U(n),A^T=A; \\ x\in \mathbb{C}^n. s.t.\\ Ax= \lambda x \\ \text{Show that } A\bar x=\lambda \bar{x} . \]
Proof: Let \(A=B+Ci\\\), and \(B,C\in M_n(\mathbb{R})\). We have \(A\in U(n)\), so
which means \(A\) has real eigenvectors \(v_i \in \mathbb R^n\), \(i=1,2,\cdots,n\) .
If \(Av=\lambda v\), \(v=\sum_\limits{i=1}^{n} k_iv_i(k_i\in \mathbb{C})\), then
3.1 思考题 实变函数
是否存在闭集 \(F\subsetneq [a,b]\),而 \(m(F)=b-a\)?
否!(没想到吧?)
作一个由无理数构成的闭集 \(E\),满足 \(m(E)>0\).
由于 \(\mathbb{Q}\) 零测,因此可以用足够短的不相交开区间覆盖之 \(\mathbb{Q}\subset\bigcup_{k=1}^\infty I_k=I\),且 \(I\) 是开集,从而 \(I^c\subset \mathbb{Q}^c\) 是可测闭集,测度大于 0.
证明一个不可数点集,其凝聚点个数也是不可数的.
点集中分为凝聚点和孤立点。实际上孤立点至多可数,可以类比实轴上不相交开区间是至多可数的,考虑每个孤立点作出其半径为 \(\delta/2\) 的开球,那么这些球不相交,从而可以与有理点对应。
在 \([0,1]\) 中作一不可数集 \(A\),使 \(A-A=\{x-y|x\in A,y\in A\}\) 无内点.
.
一族可测集的交集一定为可测集吗?
否,记 \(W\) 是不可测集,则 \(\bigcap\limits_{a\in W^c}\{a\}^c=W\) 是不可测的。
在 \(\mathbb{R}^n\) 中作零测集 \(E\),使 \(E+E\) 是不可测集.
.
3.1 作业题
设 \(f\) 是复平面单位圆盘 \(|z|\lt 1\) 上的单叶解析函数, \(\Omega=\{f(z)|z\in D\}\). \(m\) 表示测度. 证明:\(m\Omega=\int_D |f'(z)|^2 dz\).
根据连续映射的性质,\(\Omega\) 是连通集. 设 \(z=x+\mathrm{i}y,f(z)=u(x,y)+\mathrm{i}v(x,y)\). 则 \(\Omega\) 的面积等于 \(\iint_{(u,v)\in \Omega}dudv = \iint_{(x,y)\in D} \det J_f(x,y) dxdy\),其中 \(J_f\) 是 Jacobi 矩阵 :
另一方面,我们可以证明 \(|f'(z)|^2=\det J_f(x,y)\),这是因为
结合柯西黎曼方程可得一个结论
从而可以验证
就证明了该等式成立。