当前位置: 首页 > news >正文

数学分析原理答案——第九章 习题25

【第九章 习题25】

A ∈ L ( R n , R m ) A \in L\left( R^{n},R^{m} \right)AL(Rn,Rm),令A AA的秩是r rr

a. 像在定理9.32的证明中那样定义S SS。证明S A SASAR n R^{n}Rn中的射影,它的零空间是N ( A ) \mathcal{N}(A)N(A),而它的值域是R ( S ) \mathcal{R}(S)R(S)。提示:根据( 68 ) (68)(68)S A S A = S A SASA = SASASA=SA

b. 用( a ) (a)(a)证明

dim ⁡ N ( A ) + dim ⁡ R ( A ) = n \dim{\mathcal{N}(A)} + \dim{\mathcal{R}(A)} = ndimN(A)+dimR(A)=n

【证明】

a. 首先根据( 68 ) (68)(68)

S A x = 0 ⇒ A S A x = 0 ⇒ A x = 0 # ( ∗ ) \begin{array}{r} SA\mathbf{x}\mathbf{= 0 \Rightarrow}ASA\mathbf{x}\mathbf{= 0 \Rightarrow}A\mathbf{x}\mathbf{= 0\ }\#(*) \end{array}SAx=0ASAx=0Ax=0#()

其中A x = y A\mathbf{x = y}Ax=y。易知

A x = 0 ⇒ S A x = 0 A\mathbf{x = 0 \Rightarrow}SA\mathbf{x = 0}Ax=0SAx=0

所以S A SASA的零空间与A AA一致,都是N ( A ) \mathcal{N}(A)N(A)。根据S SS的定义,A x A\mathbf{x}Ax的值域R ( A ) \mathcal{R}(A)R(A)恰好是S SS的定义域Y 1 Y_{1}Y1,所以S A SASA的值域是R ( S ) \mathcal{R}(S)R(S)。根据(*)因为

A S A = A ASA = AASA=A

所以

S A S A = S A SASA = SASASA=SA

b. 根据S SS的定义

dim ⁡ R ( S ) = dim ⁡ R ( A ) \dim{\mathcal{R}(S)} = \dim{\mathcal{R}(A)}dimR(S)=dimR(A)

于是

dim ⁡ N ( A ) + dim ⁡ R ( A ) = dim ⁡ N ( S A ) + dim ⁡ R ( S ) = dim ⁡ N ( S A ) + dim ⁡ R ( S A ) \dim{\mathcal{N}(A)} + \dim{\mathcal{R}(A)} = \dim{\mathcal{N(}SA)} + \dim{\mathcal{R}(S)} = \dim{\mathcal{N(}SA)} + \dim{\mathcal{R}(SA)}dimN(A)+dimR(A)=dimN(SA)+dimR(S)=dimN(SA)+dimR(SA)

下面证明对于任意的射影P ∈ L ( R n ) P \in L\left( R^{n} \right)PL(Rn),都有

dim ⁡ N ( P ) + dim ⁡ R ( P ) = n \dim{\mathcal{N}(P)} + \dim{\mathcal{R}(P)} = ndimN(P)+dimR(P)=n

设向量

p 1 、 p 2 … p r ∈ N ( P ) \mathbf{p}_{1}、\mathbf{p}_{2}\ldots\mathbf{p}_{r} \in \mathcal{N}(P)p1p2prN(P)

N ( P ) \mathcal{N}(P)N(P)的一组基,向量

p r + 1 … p s ∈ R ( P ) = ( P x ) \mathbf{p}_{r + 1}\ldots\mathbf{p}_{s} \in \mathcal{R}(P) = \left( P\mathbf{x} \right)pr+1psR(P)=(Px)

R ( P ) \mathcal{R}(P)R(P)的一组基。对于任意的向量x ∈ R n \mathbf{x \in}R^{n}xRn,因为P PP为射影,都有

x = x 1 + x 2 \mathbf{x} = \mathbf{x}_{1} + \mathbf{x}_{2}x=x1+x2

x 2 = P x \mathbf{x}_{2} = P\mathbf{x}x2=Px

x 1 = k 1 p 1 + k 2 p 1 + … + k r p r \mathbf{x}_{1} = k_{1}\mathbf{p}_{1} + k_{2}\mathbf{p}_{1} + \ldots + k_{r}\mathbf{p}_{r}x1=k1p1+k2p1++krpr

x 2 = k r + 1 p r + 1 + … + k s p s \mathbf{x}_{2} = k_{r + 1}\mathbf{p}_{r + 1} + \ldots + k_{s}\mathbf{p}_{s}x2=kr+1pr+1++ksps

所以p 1 、 p 2 … p r 、 p r + 1 … p s \mathbf{p}_{1}、\mathbf{p}_{2}\ldots\mathbf{p}_{r}、\mathbf{p}_{r + 1}\ldots\mathbf{p}_{s}p1p2prpr+1ps生成了空间R n R^{n}Rn,由于x = x 1 + x 2 \mathbf{x} = \mathbf{x}_{1} + \mathbf{x}_{2}x=x1+x2的表示是唯一的,所以当x = 0 \mathbf{x = 0}x=0时,有

x 1 = 0 x 2 = 0 \mathbf{x}_{1} = \mathbf{0\ \ \ \ \ \ }\mathbf{x}_{2}\mathbf{= 0}x1=0x2=0

从而

k 1 = k 2 = … = k r = k r + 1 = … k s = 0 k_{1} = k_{2} = \ldots = k_{r} = k_{r + 1} = \ldots k_{s} = 0k1=k2==kr=kr+1=ks=0

也就是说p 1 、 p 2 … p r 、 p r + 1 … p s \mathbf{p}_{1}、\mathbf{p}_{2}\ldots\mathbf{p}_{r}、\mathbf{p}_{r + 1}\ldots\mathbf{p}_{s}p1p2prpr+1ps线性无关,所以s = n s = ns=n,从而

dim ⁡ N ( P ) + dim ⁡ R ( P ) = n \dim{\mathcal{N}(P)} + \dim{\mathcal{R}(P)} = ndimN(P)+dimR(P)=n

由于S A SASAR n R^{n}Rn中的射影,所以

dim ⁡ N ( S A ) + dim ⁡ R ( S A ) = n \dim{\mathcal{N(}SA)} + \dim{\mathcal{R}(SA)} = ndimN(SA)+dimR(SA)=n

从而

dim ⁡ N ( A ) + dim ⁡ R ( A ) = n \dim{\mathcal{N}(A)} + \dim{\mathcal{R}(A)} = ndimN(A)+dimR(A)=n

http://www.jsqmd.com/news/1119152/

相关文章:

  • Copilot开发实践:从集成部署到工作流优化
  • 有格调火锅店理性测评|行业避坑+科学选型指南
  • C语言题目初学(4)--字符串
  • ECP5702 PD Sink协议芯片在无电池照明产品中的应用
  • 11款米哈游架空文字字体:为你的设计项目注入游戏文化内涵
  • 千元电动牙刷核心技术解析:磁悬浮电机与智能算法
  • 大模型推理服务架构演进2026:Serverless、K8s与边缘部署的工程选型
  • C语言箭头操作符(->)完全教程:用法与实例
  • PyTorch 2.0 反向传播实战:从计算图到梯度下降的 5 步代码实现
  • PHP 5.x + MySQL SQL注入实战:3种经典绕过手法与防御代码对比
  • 2026年7月Agent开发面试题 -- 基础篇
  • 1940-2025年全国多级行政单元逐时气象数据
  • VScode SSH 免密连接 一键脚本
  • Holoscan SDK 概述
  • 深入解析pytest_terminal_summary钩子:从原理到实战的测试报告终极定制指南
  • 建筑外立面缺陷智能识别:YOLOv26驱动下的多类损伤检测数据集与实战10748期
  • Java毕设项目:基于 SpringBoot+Vue 的动漫资讯更新与浏览管理系统的设计与实现 动漫爱好者作品投稿与社区交流平台 (源码+文档,讲解、调试运行,定制等)
  • TVA在具身智能技术演进中的独特价值(9)
  • MySQL 全套 SQL 语句系统精讲|语法规范、性能避坑、企业级实战与学习复盘
  • AI Agent记忆系统深度解析:从短期上下文到长期知识库的架构设计
  • 2026年7月Agent开发面试题 -- 进阶篇
  • 个人AI聊天机器人真的必要吗?三重过滤网评估技术适配度
  • 海关合规风控进入大模型时代:稽核应对、自查自纠与内部审计如何智能化
  • 大模型逻辑能力横评:28道题深度压力测试
  • 容量规划——让资源“恰到好处“
  • 机械零件热处理的“四把火”:常用热处理方法全解析,什么是“调质”一次讲透!
  • 《和姐姐一起嫁入公府》小说|下载|txt
  • UIAbility 冷启动、热启动与重复拉起处理:把入口状态写稳
  • 2026年免费查重网站推荐:PaperRed、毕业之家AI等8款平台对比测评
  • 基础的无线实验