p82fioqpb
/
advanced-math-notes
forked from pkeazo37w/advanced-math-notes
1
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity

Merge remote-tracking branch 'origin/develop' into develop

Browse Source
develop
Cym10x 4 months ago
parent 82353433d9 c7774cac8d
commit 493fef77f2
10 changed files with 524 additions and 89 deletions
Show Stats Download Patch File Download Diff File

3
笔记分享/LaTeX（KaTeX）输入规范.md
Unescape View File

@ -3,4 +3,5 @@
2. 自然常数或电荷量e、虚数单位i应当为**正体**，需要用mathrm记号包裹，例：$\mathrm{e}^{\mathrm{i}\pi}+1=0$；然而，当e,i作为变量时，应当用正常的斜体。例：$\sum\limits_{i=1}^{n}a_i$
3. 微分算子d应当用正体，被微分的表达式用正常的斜体：$\mathrm{d}f(x)=f'(x)\mathrm{d}x$
4. 极限和求和求积符号用\limits，如$\lim\limits_{x\to0}$和$\sum\limits_{n=0}^{\infty}$
5. \$\$双美元符号之间不要打回车！除非你有\begin{...}\end{...}\$\$
5. \$\$双美元符号之间不要打回车！除非你有\begin{...}\end{...}\$\$
6. 矩阵和向量要加粗，用\boldsymbol{}，比如$\boldsymbol{A},\boldsymbol{x}$。

202
素材/微分中值定理.md
Unescape View File

@ -0,0 +1,202 @@
>[!example] 例1
设 $f(x)$ 在 $[a, b]$ 上连续，在 $(a, b)$ 内可导，且 $0 < a < b$，试证存在 $\xi, \eta \in (a, b)$，使得 $$f'(\xi) = \frac{a + b}{2\eta} f'(\eta).$$
**解析**：
本题结论中含有两个不同的中值 $\xi$ 和 $\eta$，且涉及两个不同的函数形式。可考虑分别对 $f(x)$ 和 $g(x)=x^2$ 在 $[a,b]$ 上应用柯西中值定理：
由柯西中值定理，存在 $\eta \in (a,b)$，使得
$$
\frac{f(b)-f(a)}{b^2-a^2} = \frac{f'(\eta)}{2\eta}
$$
整理得
$$
\frac{f(b)-f(a)}{b-a} = \frac{a+b}{2\eta} f'(\eta)
$$
再对 $f(x)$ 在 $[a,b]$ 上应用拉格朗日中值定理，存在 $\xi \in (a,b)$，使得
$$
\frac{f(b)-f(a)}{b-a} = f'(\xi)
$$
比较两式即得结论。
---
>[!example] 例2
设函数 $f(x)$ 在 $[0,3]$ 上连续，在 $(0,3)$ 内可导，且 $f(0) + f(1) + f(2) = 3$，$f(3) = 1$，试证必存在 $\xi \in (0, 3)$，使 $f'(\xi) = 0$。
**解析**：
由介值定理，$f(x)$ 在 $[0,2]$ 上的平均值为 $\frac{f(0)+f(1)+f(2)}{3} = 1$，又 $f(3)=1$，由连续函数介值定理，存在 $c \in [0,2]$，使得 $f(c)=1$，则在 $[c,3]$ 上，$f(c)=f(3)=1$，由罗尔定理存在 $\xi \in (c,3) \subset (0,3)$，使 $f'(\xi)=0$。
---
>[!example] 例3
设 $f(x)$ 在区间 $[0,1]$ 上连续，在 $(0,1)$ 内可导，且 $f(0) = f(1) = 0$，$f(1/2) = 1$，试证：
(1)存在 $\eta \in (1/2, 1)$，使得 $f(\eta) = \eta$；
(2)对任意实数 $\lambda$，必存在 $\xi \in (0, \eta)$，使得 $f'(\xi) - \lambda [f(\xi) - \xi] = 1$。
**解析**：
(1) 令 $g(x)=f(x)-x$，则 $g(1/2)=1-1/2=1/2>0$，$g(1)=0-1=-1<0$，由零点定理，存在 $\eta \in (1/2,1)$，使 $g(\eta)=0$，即 $f(\eta)=\eta$。
(2) 令 $h(x)=e^{-\lambda x}[f(x)-x]$，则 $h(0)=0$，$h(\eta)=0$，由罗尔定理，存在 $\xi \in (0,\eta)$，使 $h'(\xi)=0$，即
$$
e^{-\lambda \xi}[f'(\xi)-1] - \lambda e^{-\lambda \xi}[f(\xi)-\xi] = 0
$$
整理得 $f'(\xi) - \lambda [f(\xi) - \xi] = 1$。
---
## 5.2 微分中值定理及其应用
>[!example] 例1
设函数 $f(x)$ 在 $(-1,1)$ 内可微，且
$$f(0) = 0, \quad |f'(x)| \leq 1,$$证明：在 $(-1,1)$ 内，$|f(x)| < 1$。
**解析**：
对任意 $x \in (-1,1)$，由拉格朗日中值定理，存在 $\xi$ 介于 $0$ 与 $x$ 之间，使得
$$
f(x) - f(0) = f'(\xi)(x-0)
$$
即 $f(x) = f'(\xi) x$。由于 $|f'(\xi)| \leq 1$，$|x| < 1$，故 $|f(x)| = |f'(\xi)| \cdot |x| < 1$。
---
>[!example] 例2
设 $a_i \in \mathbb{R} (i = 0,1,2,\cdots,n)$，且满足
$$a_0 + \frac{a_1}{2} + \frac{a_2}{3} + \cdots + \frac{a_n}{n+1} = 0，$$证明：方程 $a_0 + a_1x + a_2x^2 + \cdots + a_nx^n = 0$ 在 $(0,1)$ 内至少有一个实根。
**解析**：
构造辅助函数
$$
F(x) = a_0x + \frac{a_1}{2}x^2 + \frac{a_2}{3}x^3 + \cdots + \frac{a_n}{n+1}x^{n+1}
$$
则 $F(0)=0$，且由条件 $F(1)=0$。由罗尔定理，存在 $\xi \in (0,1)$，使 $F'(\xi)=0$，即
$$
a_0 + a_1\xi + a_2\xi^2 + \cdots + a_n\xi^n = 0
$$
---
>[!example] 例3
设函数 $f(x)$ 在 $[a,b]$ 上可导，且
$$f(a) = f(b) = 0，\quad f'_+(a)f'_-(b) > 0，$$
试证明 $f'(x) = 0$ 在 $(a,b)$ 内至少有两个根。
**解析**：
由导数极限定理及 $f'_+(a)f'_-(b) > 0$，知在 $a$ 右侧和 $b$ 左侧，$f(x)$ 的符号相同，不妨设 $f'_+(a)>0$，$f'_-(b)>0$。则在 $a$ 右侧附近 $f(x)>0$，在 $b$ 左侧附近 $f(x)>0$。由于 $f(a)=f(b)=0$，由极值点的费马定理，$f(x)$ 在 $(a,b)$ 内至少有一个极大值点，该点处导数为零。又因为 $f(x)$ 在 $[a,b]$ 上连续，在 $(a,b)$ 内可导，且 $f(a)=f(b)$，由罗尔定理至少存在一点 $c \in (a,b)$ 使 $f'(c)=0$。结合极大值点处的导数零点，可知至少有两个导数为零的点。
---
>[!example] 例4
设 $f(x)$ 在 $[a, b]$ 上连续，在 $(a, b)$ 内二阶可导，又若 $f(x)$ 的图形与联结 $A(a, f(a))$，$B(b, f(b))$ 两点的弦交于点 $C(c, f(c))$ ($a \leq c \leq b$)，证明在 $(a, b)$ 内至少存在一点 $\xi$，使得 $f''(\xi) = 0$。
**解析**：
弦 $AB$ 的方程为
$$
y = f(a) + \frac{f(b)-f(a)}{b-a}(x-a)
$$
由条件，$f(c) = f(a) + \frac{f(b)-f(a)}{b-a}(c-a)$。分别对 $f(x)$ 在 $[a,c]$ 和 $[c,b]$ 上应用拉格朗日中值定理，存在 $\xi_1 \in (a,c)$，$\xi_2 \in (c,b)$，使得
$$
f'(\xi_1) = \frac{f(c)-f(a)}{c-a} = \frac{f(b)-f(a)}{b-a}
$$
$$
f'(\xi_2) = \frac{f(b)-f(c)}{b-c} = \frac{f(b)-f(a)}{b-a}
$$
故 $f'(\xi_1)=f'(\xi_2)$。再对 $f'(x)$ 在 $[\xi_1,\xi_2]$ 上应用罗尔定理，存在 $\xi \in (\xi_1,\xi_2) \subset (a,b)$，使 $f''(\xi)=0$。
---
>[!example] 例5（柯西中值定理例）
试证至少存在一点 $\xi \in (1, e)$，使 $\sin 1 = \cos \ln \xi$。
**解析**：
考虑函数 $f(x)=\sin(\ln x)$，$g(x)=\ln x$，在 $[1,e]$ 上应用柯西中值定理：
存在 $\xi \in (1,e)$，使得
$$
\frac{f(e)-f(1)}{g(e)-g(1)} = \frac{f'(\xi)}{g'(\xi)}
$$
计算得 $f(e)=\sin 1$，$f(1)=0$，$g(e)=1$，$g(1)=0$，$f'(x)=\frac{\cos(\ln x)}{x}$，$g'(x)=\frac{1}{x}$，代入得
$$
\frac{\sin 1 - 0}{1-0} = \frac{\cos(\ln \xi)/\xi}{1/\xi} = \cos(\ln \xi)
$$
即 $\sin 1 = \cos(\ln \xi)$。
---
## 练习
>[!example] Ex1
设 $f(x)$ 在 $(a, b)$ 内可导，且 $f'(x) \neq 1$。试证明 $f(x)$ 在 $(a, b)$ 内至多只有一个不动点，即方程 $f(x) = x$ 在 $(a, b)$ 内至多只有一个实根。
**解析**：
反证法。假设存在两个不动点 $x_1 < x_2$，即 $f(x_1)=x_1$，$f(x_2)=x_2$。由拉格朗日中值定理，存在 $\xi \in (x_1,x_2)$，使得
$$
f'(\xi) = \frac{f(x_2)-f(x_1)}{x_2-x_1} = \frac{x_2-x_1}{x_2-x_1} = 1
$$
与 $f'(x) \neq 1$ 矛盾。故至多只有一个不动点。
---
>[!example] Ex2
设 $f(x)$ 在 $[0, 1]$ 上具有二阶导数，且满足
$$f(0) = 0, \, f(1) = 1, \, f\left(\frac{1}{2}\right) > \frac{1}{4}$$证明：
(1)至少存在一点 $\xi \in (0, 1)$，使得 $f''(\xi) < 2$；
(2)若对一切 $x \in (0, 1)$，有 $f''(x) \neq 2$，则当 $x \in (0, 1)$ 时，恒有 $f(x) > x^2$。
**解析**：
(1) 考虑函数 $g(x)=f(x)-x^2$，则 $g(0)=0$，$g(1)=0$，$g(1/2)=f(1/2)-1/4>0$。由极值点的费马定理，$g(x)$ 在 $(0,1)$ 内存在极大值点 $\eta$，且 $g'(\eta)=0$，$g''(\eta) \leq 0$。即 $f'(\eta)=2\eta$，$f''(\eta) \leq 2$。若 $f''(\eta) < 2$，则取 $\xi=\eta$ 即可；若 $f''(\eta)=2$，则考虑在 $\eta$ 两侧应用拉格朗日中值定理，可找到另一个点 $\xi$ 使得 $f''(\xi)<2$。
(2) 用反证法。假设存在 $x_0 \in (0,1)$ 使 $f(x_0) \leq x_0^2$，结合 $f(0)=0$，$f(1)=1$ 和 $f(1/2)>1/4$，利用连续性及中值定理可推出存在 $\xi$ 使 $f''(\xi)=2$，矛盾。
---
>[!example] Ex3
若 $f(x)$ 可导，试证在其两个零点间一定有 $f(x) + f'(x)$ 的零点。
**解析**：
设 $a<b$ 为 $f(x)$ 的两个零点，即 $f(a)=f(b)=0$。构造辅助函数 $F(x)=e^x f(x)$，则 $F(a)=F(b)=0$。由罗尔定理，存在 $\xi \in (a,b)$，使 $F'(\xi)=0$，即
$$
e^\xi f(\xi) + e^\xi f'(\xi) = 0
$$
因 $e^\xi \neq 0$，故 $f(\xi)+f'(\xi)=0$。
---
>[!example] Ex4
设 $f(x)$ 在 $[0,1]$ 连续，$(0,1)$ 可导，且 $f(1) = 0$，求证存在 $\xi \in (0,1)$ 使得 $nf(\xi) + \xi f'(\xi) = 0$。
**解析**：
设辅助函数 $\varphi(x) = x^n f(x)$，则 $\varphi(0)=0$，$\varphi(1)=0$。由罗尔定理，存在 $\xi \in (0,1)$，使得 $\varphi'(\xi)=0$，即
$$
n\xi^{n-1} f(\xi) + \xi^n f'(\xi) = 0
$$
两边除以 $\xi^{n-1}$ ($\xi>0$)，得 $nf(\xi) + \xi f'(\xi) = 0$。
---
>[!example] Ex5
设 $f''(x) < 0$，$f(0) = 0$，证明对任意 $x_1 > 0, x_2 > 0$ 有
$$f(x_1 + x_2) < f(x_1) + f(x_2)$$
**解析**：
不妨设 $0 < x_1 < x_2$。由拉格朗日中值定理：
$$
f(x_1+x_2)-f(x_2) = f'(\xi_1)x_1, \quad \xi_1 \in (x_2, x_1+x_2)
$$
$$
f(x_1)-f(0) = f'(\xi_2)x_1, \quad \xi_2 \in (0, x_1)
$$
于是
$$
f(x_1+x_2)-f(x_2)-f(x_1) = [f'(\xi_1)-f'(\xi_2)]x_1
$$
对 $f'(x)$ 在 $[\xi_2,\xi_1]$ 上应用中值定理，存在 $\xi \in (\xi_2,\xi_1)$，使
$$
f'(\xi_1)-f'(\xi_2) = f''(\xi)(\xi_1-\xi_2) < 0
$$
故 $f(x_1+x_2)-f(x_2)-f(x_1) < 0$，即 $f(x_1+x_2) < f(x_1)+f(x_2)$。
---
## 解题方法总结
1. **含一个中值的等式或根的存在**：多用罗尔定理，可用原函数法找辅助函数。
2. **结论涉及含中值的两个不同函数**：可考虑用柯西中值定理。
3. **结论中含两个或两个以上的中值**：必须多次应用中值定理。
4. **已知条件中含高阶导数**：多考虑用泰勒公式，有时也可考虑对导数用中值定理。
5. **结论为不等式**：要注意适当放大或缩小的技巧。

31
素材/特征值.md
Unescape View File

@ -0,0 +1,31 @@
>[!note] 定理
>秩为$1$的矩阵$A\in\mathbb{R}^{n\times n}$的特征值有如下特征：（1）$0$为其特征值，且代数重数和几何重数均为$n-1$；（2）它的另一个特征值为$\mathrm{tr}(A)$.
**证明：**
根据迹的定义，只需要证明（1）。
因为$r(A)=1<n$,所以$|A|=0$，故$0$是$A$的一个特征值。考虑齐次线性方程组$A\boldsymbol{x}=\boldsymbol{0}$.由于$r(A)=1$，$\mathrm{dim}N(A)=n-1$，所以特征值$0$的几何重数为$n-1$。若$0$的代数重数为$n$，则$A\sim O$,而相似必等价，故$r(A)=0$，矛盾。又代数重数必定不小于几何重数，所以$0$的代数重数为$n-1$。
特殊地，如果$A=\beta^T\alpha$,则$\mathrm{tr}(A)=\alpha\beta^T$.
>[!example] 例1
>设 $E$ 为 $3$ 阶单位矩阵，$\alpha$ 为一个 $3$ 维单位列向量，则矩阵 $E-\alpha\alpha^T$ 的全部 $3$ 个特征值为$\underline{\qquad}$。
**解：**
设 $B=\alpha\alpha^T$，该矩阵为**秩 $1$ 矩阵**（因 $\alpha$ 是单位列向量，$\alpha^T\alpha=1$）。
• 秩 $1$ 矩阵的特征值性质：非零特征值为矩阵的迹 $\text{tr}(B)=\alpha^T\alpha=1$，其余 $n-1=2$ 个特征值为 $0$（秩 $1$ 矩阵的非零特征值个数等于秩）。
• 若 $B\boldsymbol{x}=\lambda\boldsymbol{x}$（$\boldsymbol{x}$为特征向量），则 $(E-B)\boldsymbol{x}=(1-\lambda)\boldsymbol{x}$，即$E-B$ 的特征值为 $1-\lambda$。
$代入 B 的特征值 \lambda=1,0,0，得 E-B 的特征值为 1-1=0，1-0=1，1-0=1，即 1,1,0$。
>[!example] 例2
>已知 $n(n\geq2)$维列向量 $\alpha,\beta$ 满足 $\beta^T\alpha=-3$，则方阵 $(\beta\alpha^T)^2$ 的非零特征值为$\underline{\qquad}$。
**解：**
设 $A=\beta\alpha^T$（秩 1 矩阵），计算 $A^2$：
$A^2=(\beta\alpha^T)(\beta\alpha^T)=\beta(\alpha^T\beta)\alpha^T=(\alpha^T\beta)A$
• 注意：$\alpha^T\beta=(\beta^T\alpha)^T$（矩阵转置性质），而 $\beta^T\alpha=-3$（数，转置等于自身），故 $\alpha^T\beta=-3$，因此 $A^2=-3A$。
• 秩 $1$ 矩阵 $A$ 的非零特征值为 $\text{tr}(A)=\alpha^T\beta=-3$，设 $A\boldsymbol{x}=-3\boldsymbol{x}$，则 $A^2\boldsymbol{x}=(-3)A\boldsymbol{x}=(-3)^2\boldsymbol{x}=9\boldsymbol{x}$，即 $A^2$ 的非零特征值为 $9$。

1
素材/特征值与相似.md
Unescape View File

@ -0,0 +1 @@
$设 E 为 3 阶单位矩阵，\alpha 为一个 3 维单位列向量，则矩阵 E-\alpha\alpha^T 的全部 3 个特征值为\underline{\qquad}。$

94
素材/线性方程组的系数矩阵与解关系.md
Unescape View File

@ -1,22 +1,24 @@
这是一个链接了方程组解空间与方程组系数秩的公式
>[!note] 解零度化定理：
>对于齐次方程组 $\boldsymbol{A}_{m \times n}\boldsymbol{x}=\boldsymbol{0}$，设$\mathrm{rank}\boldsymbol{A}=r$，则
> $$\dim N(\boldsymbol{A})=n-r$$
>对于齐次方程组 ${A}_{m \times n}\boldsymbol{x}=\boldsymbol{0}$，设$\mathrm{rank}{A}=r$，则
> $$\dim N({A})=n-r$$
已知三阶方阵 $A=\begin{bmatrix}\alpha_1&\alpha_2&\alpha_3\end{bmatrix}$ 有三个不同的特征值，其中$\alpha_3=2\alpha_1+\alpha_2$，若 $\beta=\alpha_1+3\alpha_2+4\alpha_3$ ，求线性方程组 $Ax=\beta$ 的通解.
$\begin{bmatrix}1\\3\\4\end{bmatrix}+k\begin{bmatrix}2\\1\\-1\end{bmatrix}, k\in\mathbb{R}$
>分析：在求解非齐次方程组通解的题目中，若是题目给出了特解与齐次方程组的解，那么大概率来说这个齐次方程组的解就可以拓展为齐次方程组通解（根据问题导向，不然写不出来了），那么如何由齐次方程组的解拓展为齐次方程组通解呢，那就要根据题目具体的条件进行分析了，这就要用到我们的解零度化定理来求齐次方程组解空间的维数
>解析：由 $\alpha_3=2\alpha_1+\alpha_2$ 可得 $A$ 的列向量组线性相关， $|A|=0$；又因为 $A$ 的三个特征值各不相同，故 $A$ 有两个不为零的特征值 $\lambda_1,\lambda_2$，且 $A$ 可相似对角化，即 $A=P^{-1}\begin{bmatrix}\lambda_1&&\\&\lambda_2&\\&&0\end{bmatrix}P$，$\mathrm{rank}A=\mathrm{rank}(P^{-1}\begin{bmatrix}\lambda_1&&\\&\lambda_2&\\&&0\end{bmatrix}P)=\mathrm{rank}\begin{bmatrix}\lambda_1&&\\&\lambda_2&\\&&0\end{bmatrix}=2$
>故 $Ax=0$ 的解空间维数是 $1$ （5分）
>$\beta=\alpha_1+3\alpha_2+4\alpha_3$，所以 $(1,3,4)^\mathrm{T}$ 为特解；（5分）
>$\alpha_3=2\alpha_1+\alpha_2$，所以$A\begin{bmatrix}2k\\k\\-k\end{bmatrix}=2\alpha_1+\alpha_2-\alpha_3=0$，所以 $(2,1,-1)^\mathrm{T}$ 为基础解系；（10分）
>解空间维数是 $1$ ，方程的解 $\begin{bmatrix}1\\3\\4\end{bmatrix}+k\begin{bmatrix}2\\1\\-1\end{bmatrix}, k\in\mathbb{R}$ 维数是 $1$，该解完备
>[!example] 例1
>已知三阶方阵 $A=\begin{bmatrix}\alpha_1&\alpha_2&\alpha_3\end{bmatrix}$ 有三个不同的特征值，其中$\alpha_3=2\alpha_1+\alpha_2$，若 $\beta=\alpha_1+3\alpha_2+4\alpha_3$ ，求线性方程组 $A\boldsymbol{x}=\beta$ 的通解.
**答案：**
$$\begin{bmatrix}1\\3\\4\end{bmatrix}+k\begin{bmatrix}2\\1\\-1\end{bmatrix}, k\in\mathbb{R}$$
**分析：** 在求解非齐次方程组通解的题目中，若是题目给出了特解与齐次方程组的解，那么大概率来说这个齐次方程组的解就可以拓展为齐次方程组通解（根据问题导向，不然写不出来了），那么如何由齐次方程组的解拓展为齐次方程组通解呢，那就要根据题目具体的条件进行分析了，这就要用到我们的解零度化定理来求齐次方程组解空间的维数
**解析：** 由 $\alpha_3=2\alpha_1+\alpha_2$ 可得 $A$ 的列向量组线性相关， $|A|=0$；又因为 $A$ 的三个特征值各不相同，故 $A$ 有两个不为零的特征值 $\lambda_1,\lambda_2$，且 $A$ 可相似对角化，即 $A=P^{-1}\begin{bmatrix}\lambda_1&&\\&\lambda_2&\\&&0\end{bmatrix}P$，$\mathrm{rank}A=\mathrm{rank}(P^{-1}\begin{bmatrix}\lambda_1&&\\&\lambda_2&\\&&0\end{bmatrix}P)=\mathrm{rank}\begin{bmatrix}\lambda_1&&\\&\lambda_2&\\&&0\end{bmatrix}=2$
故 $Ax=0$ 的解空间维数是 $1$ （5分）
$\beta=\alpha_1+3\alpha_2+4\alpha_3$，所以 $(1,3,4)^\mathrm{T}$ 为特解；（5分）
$\alpha_3=2\alpha_1+\alpha_2$，所以$A\begin{bmatrix}2k\\k\\-k\end{bmatrix}=2\alpha_1+\alpha_2-\alpha_3=0$，所以 $(2,1,-1)^\mathrm{T}$ 为基础解系；（10分）
解空间维数是 $1$ ，方程的解 $\begin{bmatrix}1\\3\\4\end{bmatrix}+k\begin{bmatrix}2\\1\\-1\end{bmatrix}, k\in\mathbb{R}$ 维数是 $1$，该解完备
设
$$
A = \begin{bmatrix}
>[!example] 例2
>设 $$A = \begin{bmatrix}
1 & -1 & 0 & -1 \\
1 & 1 & 0 & 3 \\
2 & 1 & 2 & 6
@ -28,87 +30,55 @@ B = \begin{bmatrix}
\end{bmatrix},
\quad
\alpha = \begin{bmatrix} 0 \\ 2 \\ 3 \end{bmatrix}, \quad
\beta = \begin{bmatrix} 1 \\ 0 \\ -1 \end{bmatrix}
$$
\beta = \begin{bmatrix} 1 \\ 0 \\ -1 \end{bmatrix}$$
(1) 证明：方程组 $Ax = \alpha$ 的解均为方程组 $Bx = \beta$ 的解；
(2) 若方程组 $Ax = \alpha$ 与方程组 $Bx = \beta$ 不同解，求 $a$ 的值。
4. (10分) 设
$$
A = \begin{bmatrix}
1 & -1 & 0 & -1 \\
1 & 1 & 0 & 3 \\
2 & 1 & 2 & 6
\end{bmatrix}, \quad
B = \begin{bmatrix}
1 & 0 & 1 & 2 \\
1 & -1 & a & a-1 \\
2 & -3 & 2 & -2
\end{bmatrix},
$$
向量
$$
\alpha = \begin{bmatrix} 0 \\ 2 \\ 3 \end{bmatrix}, \quad
\beta = \begin{bmatrix} 1 \\ 0 \\ -1 \end{bmatrix}.
$$
(1) 证明：方程组 $Ax = \alpha$ 的解均为方程组 $Bx = \beta$ 的解；
(2) 若方程组 $Ax = \alpha$ 与方程组 $Bx = \beta$ 不同解，求 $a$ 的值。
---
$\quad$
(2) 若方程组 $A\boldsymbol{x} = \alpha$ 与方程组 $B\boldsymbol{x} = \beta$ 不同解，求 $a$ 的值。
**解：**
(1) 由于
$$
\left( \begin{array}{c}
\begin{bmatrix}
A \quad \alpha \\
B \quad \beta
\end{array} \right) =
\left( \begin{array}{ccccc}
\end{bmatrix} =
\begin{bmatrix}
1 & -1 & 0 & -1 & 0 \\
1 & 1 & 0 & 3 & 2 \\
2 & 1 & 2 & 6 & 3 \\
1 & 0 & 1 & 2 & 1 \\
1 & -1 & a & a-1 & 0 \\
2 & -3 & 2 & -2 & -1
\end{array} \right)
$$
$$
\end{bmatrix}
\rightarrow
\left( \begin{array}{ccccc}
\begin{bmatrix}
1 & -1 & 0 & -1 & 0 \\
0 & 1 & 0 & 2 & 1 \\
0 & 0 & 2 & 2 & 0 \\
0 & 0 & 0 & 0 & 0 \\
0 & 0 & 0 & 0 & 0 \\
0 & 0 & 0 & 0 & 0
\end{array} \right),
\end{bmatrix},
$$
故
$$
R \left( \begin{array}{c}
A \quad \alpha \\
B \quad \beta
\end{array} \right) = R(A, \alpha),
\mathrm{rank} \begin{bmatrix}A&\alpha\\B&\beta\end{bmatrix} = \mathrm{rank}[A\ \alpha],
$$
从而方程组
$$
\begin{cases}
Ax = \alpha, \\
Bx = \beta
A\boldsymbol{x} = \alpha \\
B\boldsymbol{x} = \beta
\end{cases}
$$
与 $Ax = \alpha$ 同解，故 $Ax = \alpha$ 的解均为 $Bx = \beta$ 的解。
与 $A\boldsymbol{x} = \alpha$ 同解，故 $A\boldsymbol{x} = \alpha$ 的解均为 $B\boldsymbol{x} = \beta$ 的解。
(2) 分析：不同解，却要可以求出a的具体值，说明这是一个与秩相关的题，而与解相关的秩的问题我们就可以考虑解零度化定理
由于 $Ax = \alpha$ 的解均为 $Bx = \beta$ 的解，若 $Ax = \alpha$ 与 $Bx = \beta$ 同解，则与题意矛盾，故 $Ax = \alpha$ 的解是 $Bx = \beta$ 解的真子集。于是 $Ax = 0$ 的基础解系中解向量的个数小于 $Bx = 0$ 的基础解系中解向量的个数，即
(2) 分析：不同解，却要可以求出$a$的具体值，说明这是一个与秩相关的题，而与解相关的秩的问题我们就可以考虑解零度化定理
由于 $A\boldsymbol{x} = \alpha$ 的解均为 $Bx = \beta$ 的解，若 $A\boldsymbol{x} = \alpha$ 与 $B\boldsymbol{x} = \beta$ 同解，则与题意矛盾，故 $Ax = \alpha$ 的解是 $Bx = \beta$ 解的真子集。于是 $Ax = 0$ 的基础解系中解向量的个数小于 $B\boldsymbol{x} = 0$ 的基础解系中解向量的个数，即
$$
4 - R(A) < 4 - R(B),
4 - r(A) < 4 - r(B),
$$
故 $R(A) > R(B)$。又因 $R(A) = 3$，故 $R(B) < 3$，则
故 $r(A) > r(B)$。又因 $r(A) = 3$，故 $r(B) < 3$，则
$$
\left| \begin{array}{ccc}
1 & 0 & 1 \\

7
编写小组/讲义/微分中值定理（解析版）.md
Unescape View File

@ -0,0 +1,7 @@
---
tags:
- 编写小组
---
**内部资料，禁止传播**
**编委会（不分先后，姓氏首字母顺序）：陈峰华 陈玉阶 程奕铭 韩魏 刘柯妤 卢吉辚 王嘉兴 王轲楠 彭靖翔 郑哲航 钟宇哲 支宝宁

42
编写小组/讲义/线性方程组的解与秩的不等式（解析版）.md
Unescape View File

@ -227,6 +227,27 @@ $$
$$
解得 $a = 1$。
# 通过秩反过来得方程是否有解
>[!example] 例1
>已知$\boldsymbol{A},\boldsymbol{B}$均为$m\times n$矩阵，$\beta_1,\beta_2$为$m$维列向量，则下列选项正确的有[ ]
(A)若$\mathrm{rank}\boldsymbol{A}=m$，则对于任意$m$维列向量$\boldsymbol{b},\boldsymbol{A}\boldsymbol{x}=\boldsymbol{b}$总有解.
(B)若$\boldsymbol{A}$与$\boldsymbol{B}$等价，则齐次线性方程组$\boldsymbol{A}\boldsymbol{x}=\boldsymbol{0}$与$\boldsymbol{B}\boldsymbol{x}=\boldsymbol{0}$同解.
(C)矩阵方程$\boldsymbol{A}\boldsymbol{X}=\boldsymbol{B}$有解，但$\boldsymbol{B}\boldsymbol{Y}=\boldsymbol{A}$无解的充要条件是$$\mathrm{rank}\boldsymbol{B}<\mathrm{rank}\boldsymbol{A}=\mathrm{rank}[\boldsymbol{A\ B}].$$
(D)线性方程组$\boldsymbol{A}\boldsymbol{x}=\boldsymbol{\beta_1}$与$\boldsymbol{A}\boldsymbol{x}=\boldsymbol{\beta_2}$同时有解当且仅当$$\mathrm{rank}\boldsymbol{A}=\mathrm{rank}[\boldsymbol{A\ \beta_1\ \beta_2}].$$
**解：**
(A)一方面$\mathrm{rank}[\boldsymbol{A\ b}]\ge \mathrm{rank}\boldsymbol{A}=m$,另一方面矩阵$[\boldsymbol{A\ b}]$只有$m$行，所以它的秩必然不大于$m$，所以$\mathrm{rank}[\boldsymbol{A\ b}]=m=\mathrm{rank}\boldsymbol{A}$，即方程$\boldsymbol{A}\boldsymbol{x}=\boldsymbol{b}$总有解。
(B)等价的矩阵只需要是经过初等变换可以变成同一个矩阵就行了，但齐次线性方程组同解需要只经过初等行变换就能变成同一个矩阵才行，后一个条件明显更强，所以后一种更“难”达成，B就不对。
(C)方程$\boldsymbol{A}\boldsymbol{X}=\boldsymbol{B}$有解$\Leftrightarrow\mathrm{rank}[\boldsymbol{A\ B}]=\mathrm{rank}\boldsymbol{A}$,方程$\boldsymbol{B}\boldsymbol{Y}=\boldsymbol{A}$无解$\Leftrightarrow\mathrm{rank}\boldsymbol{B}<\mathrm{rank}[\boldsymbol{B\ A}]$,而$\mathrm{rank}[\boldsymbol{A\ B}]=\mathrm{rank}[\boldsymbol{B\ A}]$,故C正确。这是纯形式化的解答，不过当然是正确的。但是怎么理解这个结果呢？$\boldsymbol{A}\boldsymbol{X}=\boldsymbol{B}$有解，就是说我们可以用矩阵$\boldsymbol{A}$表示矩阵$\boldsymbol{B}$,也就是说，$\boldsymbol{A}$中包含了$\boldsymbol{B}$中的所有信息，也就是$\mathrm{rank}\boldsymbol{A}\ge\mathrm{rank}\boldsymbol{B}$；另一方面，$\boldsymbol{BY}=\boldsymbol{A}$无解说明我们无法用矩阵$\boldsymbol{B}$表示矩阵$\boldsymbol{A}$，也就是说，$\boldsymbol{B}$中没有包含$\boldsymbol{A}$中的所有信息，那么$\mathrm{rank}\boldsymbol{B}<\mathrm{rank}\boldsymbol{A}$；再加上有解的充要条件得出C正确。
(D)我们同样有两种方法去解这道题，一种是形式化的、严谨的，另一种是理解性的、直观的。
1)线性方程组$\boldsymbol{A}\boldsymbol{x}=\boldsymbol{\beta_1}$与$\boldsymbol{A}\boldsymbol{x}=\boldsymbol{\beta_2}$同时有解$\Leftrightarrow\mathrm{rank}\boldsymbol{A}=\mathrm{rank}[\boldsymbol{A\ \beta_1}]=\mathrm{rank}[\boldsymbol{A\ \beta_2}]$,故$\mathrm{rank}\boldsymbol{A}=\mathrm{rank}[\boldsymbol{A\ \beta_1\ \beta_2}]$。
2)也可以从初等变换的角度来理解，方程$\boldsymbol{A}\boldsymbol{x}=\boldsymbol{\beta_1}$有解说明$\boldsymbol{\beta_1}$可以用$\boldsymbol{A}$的列向量线性表示，从而$[\boldsymbol{A\ \beta_1}]$可以通过初等列变换变成$[\boldsymbol{A\ O}]$，故$\mathrm{rank}\boldsymbol{A}=\mathrm{rank}[\boldsymbol{A\ \beta_1}]$；同理可以得出关于$\boldsymbol{\beta_2}$的结论。
3)同样，怎么直观地理解？我们一样用信息量的观点去看。方程$\boldsymbol{A}\boldsymbol{x}=\boldsymbol{\beta_1}$有解，意味着$\boldsymbol{A}$中包含了$\boldsymbol{\beta_1}$中的所有信息，同理，$\boldsymbol{A}$中也包含了$\boldsymbol{\beta_2}$中的所有信息，这就意味着矩阵$[\boldsymbol{A\ \beta_1\ \beta_2}]$中所有的信息其实只需要用$\boldsymbol{A}$就可以表示，故$\mathrm{rank}\boldsymbol{A}=\mathrm{rank}[\boldsymbol{A\ \beta_1\ \beta_2}]$,反过来也是一样的。这就说明D是正确的。
# 秩的不等式
### 1. 和的秩不超过秩的和
@ -302,24 +323,3 @@ $$
> 在遇到诸如 $AB=O$ 的情况，务必要想到$\mathrm{rank}\boldsymbol{A}+\mathrm{rank}\boldsymbol{B}-n\le\mathrm{rank}(\boldsymbol{AB}) \Rightarrow \mathrm{rank}\boldsymbol{A}+\mathrm{rank}\boldsymbol{B}\le n$
>[!example] 例3
>已知$\boldsymbol{A},\boldsymbol{B}$均为$m\times n$矩阵，$\beta_1,\beta_2$为$m$维列向量，则下列选项正确的有[ ]
(A)若$\mathrm{rank}\boldsymbol{A}=m$，则对于任意$m$维列向量$\boldsymbol{b},\boldsymbol{A}\boldsymbol{x}=\boldsymbol{b}$总有解.
(B)若$\boldsymbol{A}$与$\boldsymbol{B}$等价，则齐次线性方程组$\boldsymbol{A}\boldsymbol{x}=\boldsymbol{0}$与$\boldsymbol{B}\boldsymbol{x}=\boldsymbol{0}$同解.
(C)矩阵方程$\boldsymbol{A}\boldsymbol{X}=\boldsymbol{B}$有解，但$\boldsymbol{B}\boldsymbol{Y}=\boldsymbol{A}$无解的充要条件是$$\mathrm{rank}\boldsymbol{B}<\mathrm{rank}\boldsymbol{A}=\mathrm{rank}[\boldsymbol{A\ B}].$$
(D)线性方程组$\boldsymbol{A}\boldsymbol{x}=\boldsymbol{\beta_1}$与$\boldsymbol{A}\boldsymbol{x}=\boldsymbol{\beta_2}$同时有解当且仅当$$\mathrm{rank}\boldsymbol{A}=\mathrm{rank}[\boldsymbol{A\ \beta_1\ \beta_2}].$$
**解：**
(A)一方面$\mathrm{rank}[\boldsymbol{A\ b}]\ge \mathrm{rank}\boldsymbol{A}=m$,另一方面矩阵$[\boldsymbol{A\ b}]$只有$m$行，所以它的秩必然不大于$m$，所以$\mathrm{rank}[\boldsymbol{A\ b}]=m=\mathrm{rank}\boldsymbol{A}$，即方程$\boldsymbol{A}\boldsymbol{x}=\boldsymbol{b}$总有解。
(B)等价的矩阵只需要是经过初等变换可以变成同一个矩阵就行了，但齐次线性方程组同解需要只经过初等行变换就能变成同一个矩阵才行，后一个条件明显更强，所以后一种更“难”达成，B就不对。
(C)方程$\boldsymbol{A}\boldsymbol{X}=\boldsymbol{B}$有解$\Leftrightarrow\mathrm{rank}[\boldsymbol{A\ B}]=\mathrm{rank}\boldsymbol{A}$,方程$\boldsymbol{B}\boldsymbol{Y}=\boldsymbol{A}$无解$\Leftrightarrow\mathrm{rank}\boldsymbol{B}<\mathrm{rank}[\boldsymbol{B\ A}]$,而$\mathrm{rank}[\boldsymbol{A\ B}]=\mathrm{rank}[\boldsymbol{B\ A}]$,故C正确。这是纯形式化的解答，不过当然是正确的。但是怎么理解这个结果呢？$\boldsymbol{A}\boldsymbol{X}=\boldsymbol{B}$有解，就是说我们可以用矩阵$\boldsymbol{A}$表示矩阵$\boldsymbol{B}$,也就是说，$\boldsymbol{A}$中包含了$\boldsymbol{B}$中的所有信息，也就是$\mathrm{rank}\boldsymbol{A}\ge\mathrm{rank}\boldsymbol{B}$；另一方面，$\boldsymbol{BY}=\boldsymbol{A}$无解说明我们无法用矩阵$\boldsymbol{B}$表示矩阵$\boldsymbol{A}$，也就是说，$\boldsymbol{B}$中没有包含$\boldsymbol{A}$中的所有信息，那么$\mathrm{rank}\boldsymbol{B}<\mathrm{rank}\boldsymbol{A}$；再加上有解的充要条件得出C正确。
(D)我们同样有两种方法去解这道题，一种是形式化的、严谨的，另一种是理解性的、直观的。
1)线性方程组$\boldsymbol{A}\boldsymbol{x}=\boldsymbol{\beta_1}$与$\boldsymbol{A}\boldsymbol{x}=\boldsymbol{\beta_2}$同时有解$\Leftrightarrow\mathrm{rank}\boldsymbol{A}=\mathrm{rank}[\boldsymbol{A\ \beta_1}]=\mathrm{rank}[\boldsymbol{A\ \beta_2}]$,故$\mathrm{rank}\boldsymbol{A}=\mathrm{rank}[\boldsymbol{A\ \beta_1\ \beta_2}]$。
2)也可以从初等变换的角度来理解，方程$\boldsymbol{A}\boldsymbol{x}=\boldsymbol{\beta_1}$有解说明$\boldsymbol{\beta_1}$可以用$\boldsymbol{A}$的列向量线性表示，从而$[\boldsymbol{A\ \beta_1}]$可以通过初等列变换变成$[\boldsymbol{A\ O}]$，故$\mathrm{rank}\boldsymbol{A}=\mathrm{rank}[\boldsymbol{A\ \beta_1}]$；同理可以得出关于$\boldsymbol{\beta_2}$的结论。
3)同样，怎么直观地理解？我们一样用信息量的观点去看。方程$\boldsymbol{A}\boldsymbol{x}=\boldsymbol{\beta_1}$有解，意味着$\boldsymbol{A}$中包含了$\boldsymbol{\beta_1}$中的所有信息，同理，$\boldsymbol{A}$中也包含了$\boldsymbol{\beta_2}$中的所有信息，这就意味着矩阵$[\boldsymbol{A\ \beta_1\ \beta_2}]$中所有的信息其实只需要用$\boldsymbol{A}$就可以表示，故$\mathrm{rank}\boldsymbol{A}=\mathrm{rank}[\boldsymbol{A\ \beta_1\ \beta_2}]$,反过来也是一样的。这就说明D是正确的。
根据上面的题目，我们可不可以归纳出一种比较普遍的方式，去解决这种与秩和方程组解都有密切关系的题目呢？

223
编写小组/试卷/线代期末复习模拟/1.13线代测试答案.md
Unescape View File

@ -0,0 +1,223 @@
# **1.13 线性代数限时练（题目 + 答案与解析）**
## **第一部分：题目**
### **1.**
已知三阶行列式 $\begin{vmatrix}a_{11}&a_{12}&a_{13}\\a_{21}&a_{22}&a_{23}\\a_{31}&a_{32}&a_{33}\end{vmatrix}=c$，代数余子式之和 $\sum_{i=1}^{3}\sum_{j=1}^{3}A_{ij}=3c$，则行列式 $\begin{vmatrix}a_{11}+1&a_{12}+1&a_{13}+1\\a_{21}+1&a_{22}+1&a_{23}+1\\a_{31}+1&a_{32}+1&a_{33}+1\end{vmatrix}=$？
### **2.（2013 秋 A）**
$已知向量空间 V=\{(2a,2b,3b,3a)\mid a,b\in\mathbb{R}\}，则 V 的维数是\underline{\qquad}。$
### **3.（2018 秋 A）**
$设 E 为 3 阶单位矩阵，\alpha 为一个 3 维单位列向量，则矩阵 E-\alpha\alpha^T 的全部 3 个特征值为\underline{\qquad}。$
### **4.（2018 秋 A）**
$设 n 阶矩阵 A=[a_{ij}]_{n\times n}，则二次型 f(x_1,x_2,\cdots,x_n)=\sum\limits_{i=1}^{n}(a_{i1}x_1+a_{i2}x_2+\cdots+a_{in}x_n)^2 的矩阵为\underline{\qquad}。$
### **5.（2018 秋 A）**
$若 n 阶实对称矩阵 A 的特征值为 \lambda_i=(-1)^i（i=1,2,\cdots,n），则 A^{100}=\underline{\qquad}。$
### **6.（2022 秋 A・5）**
$已知 n（n\geq2）维列向量 \alpha,\beta 满足 \beta^T\alpha=-3，则方阵 (\beta\alpha^T)^2 的非零特征值为\underline{\qquad}。$
### **7.（2022 秋 A）**
$已知向量组 \alpha_1,\alpha_2,\alpha_3 线性无关（\alpha_1,\alpha_2,\alpha_3\in\mathbb{R}^3），A 为 3 阶方阵，且满足：$
$$\begin{aligned}
A\alpha_1&=2\alpha_1-\alpha_2-\alpha_3,\\A\alpha_2&=\alpha_1+2\alpha_2+3\alpha_3,\\A\alpha_3&=2\alpha_1+4\alpha_2+\alpha_3
\end{aligned}
$$
(1) $证明 A\alpha_1,A\alpha_2,A\alpha_3 线性无关$；
(2) $计算行列式 |E-A|（E 是 3 阶单位矩阵）$。
### **8.（2013 秋 A）**
$求 n 阶方阵 A=\begin{bmatrix}1&1&1&\cdots&1\\1&0&1&\cdots&1\\1&1&0&\cdots&1\\\vdots&\vdots&\vdots&\ddots&\vdots\\1&1&1&\cdots&0\end{bmatrix} 的逆矩阵。$
### **9.（2013 秋 A・三）**
设 n 阶行列式：
$$D_n=\begin{vmatrix}1&1&0&\cdots&0&0\\-1&1&1&\cdots&0&0\\0&-1&1&\cdots&0&0\\\vdots&\vdots&\vdots&\ddots&\vdots&\vdots\\0&0&0&\cdots&1&1\\0&0&0&\cdots&-1&1\end{vmatrix}$$
证明：$D_n=\frac{1}{\sqrt{5}}\left[\left(\frac{1+\sqrt{5}}{2}\right)^{n+1}-\left(\frac{1-\sqrt{5}}{2}\right)^{n+1}\right]$。
## **第二部分：答案与解析**
### 1. 答案：$\boxed{4c}$
#### **解析：**
$设原矩阵为 A（即 |A|=c），全 1 矩阵 J=\boldsymbol{e}\boldsymbol{e}^T（其中 \boldsymbol{e}=(1,1,1)^T），需求解的行列式为 |A+J|。$
由代数余子式性质：$\sum_{i,j}A_{ij}=\boldsymbol{e}^T A^*\boldsymbol{e}=3c$，且可逆矩阵的伴随矩阵满足$A^*=|A|A^{-1}=cA^{-1}$（因 $|A|=c\neq0，A$ 可逆），代入得 $\boldsymbol{e}^T A^{-1}\boldsymbol{e}=3$。
利用**Sherman-Morrison 行列式公式**：对可逆矩阵$A$ 和向量 $\boldsymbol{u},\boldsymbol{v}$，有 $|A+\boldsymbol{u}\boldsymbol{v}^T|=|A|(1+\boldsymbol{v}^T A^{-1}\boldsymbol{u})$。
此处 $\boldsymbol{u}=\boldsymbol{v}=\boldsymbol{e}$，代入得 $|A+J|=c(1+\boldsymbol{e}^T A^{-1}\boldsymbol{e})=c(1+3)=4c$。
### **2. 答案：$\boxed{2}$
#### **解析：**
将向量空间 V 中的元素拆分为线性组合形式：
$$(2a,2b,3b,3a)=a(2,0,0,3)+b(0,2,3,0)$$
设 $\boldsymbol{\alpha}=(2,0,0,3)，\boldsymbol{\beta}=(0,2,3,0)$，需验证 $\boldsymbol{\alpha},\boldsymbol{\beta}$ 线性无关：
若 $k_1\boldsymbol{\alpha}+k_2\boldsymbol{\beta}=\boldsymbol{0}$（零向量），则 $\begin{cases}2k_1=0\\2k_2=0\\3k_2=0\\3k_1=0\end{cases}$，解得 $k_1=k_2=0$，故 $\boldsymbol{\alpha},\boldsymbol{\beta}$是 V 的一组基。
向量空间的维数等于基的个数，因此 $V$ 的维数为 $2$。
### **3. 答案：$\boxed{1,1,0}$
#### **解析：**
设 $B=\alpha\alpha^T$，该矩阵为**秩 $1$ 矩阵**（因 $\alpha$ 是单位列向量，$\alpha^T\alpha=1$）。
• 秩 $1$ 矩阵的特征值性质：非零特征值为矩阵的迹 $\text{tr}(B)=\alpha^T\alpha=1$，其余 $n-1=2$ 个特征值为 $0$（秩 $1$ 矩阵的非零特征值个数等于秩）。
• 若 $B\boldsymbol{x}=\lambda\boldsymbol{x}$（$\boldsymbol{x}$为特征向量），则 $(E-B)\boldsymbol{x}=(1-\lambda)\boldsymbol{x}$，即$E-B$ 的特征值为 $1-\lambda$。
$代入 B 的特征值 \lambda=1,0,0，得 E-B 的特征值为 1-1=0，1-0=1，1-0=1，即 1,1,0$。
### **4. 答案：$\boxed{A^T A}$**
#### **解析：**
记$A_i$为$A$中除了第$i$行全都改为$0$的矩阵，$\boldsymbol{x}=\begin{bmatrix}x_1&x_2&\cdots&x_n\end{bmatrix}^T$。那么$$A_i\boldsymbol{x}=\begin{bmatrix}0 & 0 & \cdots & 0\\\vdots & \vdots & &\vdots\\a_{i1} & a_{i2} & \cdots &a_{in}\\\vdots & \vdots & &\vdots\\0 & 0 & \cdots & 0\end{bmatrix}\begin{bmatrix}x_1\\x_2\\\vdots\\x_n\end{bmatrix}=\begin{bmatrix}0\\0\\\vdots\\\sum\limits_{j=1}^{n}a_{ij}x_j\\\vdots\\0\end{bmatrix}$$则$$(a_{i1}x_1+a_{i2}x_2+\cdots+a_{in}x_n)^2=(\sum\limits_{j=1}^{n}a_{ij}x_j)^2=(A_i\boldsymbol{x})^TA_i\boldsymbol{x}=\boldsymbol{x}^TA_i^TA_i\boldsymbol{x}$$将二次型用上式展开得：
$$\begin{aligned}
f(\boldsymbol{x})&=\sum_{i=1}^{n}(\boldsymbol{x}^TA_i^TA_i\boldsymbol{x})\\
&=\boldsymbol{x}^T(\sum\limits_{i=1}^nA_i^TA_i)\boldsymbol{x}\\
&=\boldsymbol{x}^T(\sum\limits_{i=1}^nA_i^T\sum\limits_{i=1}^nA_i)\boldsymbol{x}\\
&=\boldsymbol{x}^T(A^T A)\boldsymbol{x}
\end{aligned}$$
其中因为$A_i^TA_j=\boldsymbol{0},$如果$i\neq j$，所以
$$\sum\limits_{i=1}^nA_i^T\sum\limits_{i=1}^nA_i=\sum\limits_{i=1}^nA_i^TA_i$$
• 二次型的矩阵需满足**对称性质**（即矩阵等于其转置），验证：$(A^T A)^T=A^T(A^T)^T=A^T A$，故 $A^T A$ 是对称矩阵，即为二次型的矩阵。
### **5. 答案：$\boxed{E}$（单位矩阵）**
#### **解析：**
实对称矩阵可对角化，即存在可逆矩阵 P，使得 $P^{-1}AP=\Lambda$（$\Lambda$ 为对角矩阵，对角元为 A 的特征值 $\lambda_i=(-1)^i$）。
• 矩阵幂运算性质：$A^{100}=P\Lambda^{100}P^{-1}$。
• 计算 $\Lambda^{100}$：对角元为 $\lambda_i^{100}=[(-1)^i]^{100}=1$，故 $\Lambda^{100}=E$（单位矩阵）。
• 因此 $A^{100}=P E P^{-1}=P P^{-1}=E$。
### **6. 答案：$\boxed{9}$**
#### **解析：**
设 $A=\beta\alpha^T$（秩 1 矩阵），计算 $A^2$：
$A^2=(\beta\alpha^T)(\beta\alpha^T)=\beta(\alpha^T\beta)\alpha^T=(\alpha^T\beta)A$
• 注意：$\alpha^T\beta=(\beta^T\alpha)^T$（矩阵转置性质），而 $\beta^T\alpha=-3$（数，转置等于自身），故 $\alpha^T\beta=-3$，因此 $A^2=-3A$。
• 秩 $1$ 矩阵 $A$ 的非零特征值为 $\text{tr}(A)=\alpha^T\beta=-3$，设 $A\boldsymbol{x}=-3\boldsymbol{x}$，则 $A^2\boldsymbol{x}=(-3)A\boldsymbol{x}=(-3)^2\boldsymbol{x}=9\boldsymbol{x}$，即 $A^2$ 的非零特征值为 $9$。
### **7. 答案：(1) 证明见解析；(2) $\boxed{20}$**
#### **(1) 证明 $A\alpha_1,A\alpha_2,A\alpha_3$ 线性无关**
因 $\alpha_1,\alpha_2,\alpha_3$ 线性无关，故矩阵 $P=(\alpha_1,\alpha_2,\alpha_3)$ 可逆（列向量线性无关的矩阵可逆）。
由题设条件，将 $A$ 对 $\alpha_1,\alpha_2,\alpha_3$ 的作用表示为矩阵乘法：
$$A(\alpha_1,\alpha_2,\alpha_3)=(\alpha_1,\alpha_2,\alpha_3)\begin{bmatrix}2&1&2\\-1&2&4\\-1&3&1\end{bmatrix}=P C$$
其中 $C=\begin{bmatrix}2&1&2\\-1&2&4\\-1&3&1\end{bmatrix}$，计算 $|C|$：
$$\begin{aligned}
|C|&=2\times(2\times1-4\times3)-1\times(-1\times1-4\times(-1))+2\times(-1\times3-2\times(-1))\\
&=2\times(-10)-1\times3+2\times(-1)\\
&=-25\neq0
\end{aligned}
$$
• 因 $|C|\neq0$，故 $C$ 可逆，$\text{rank}(C)=3$。
• 又 $P$ 可逆，故 $\text{rank}(A\alpha_1,A\alpha_2,A\alpha_3)=\text{rank}(P C)=\text{rank}(C)=3$，即 $A\alpha_1,A\alpha_2,A\alpha_3$ 线性无关。
#### **(2) 计算 $|E-A|$**
由 (1) 知$P^{-1}AP=C（A 与 C 相似）$，则 $E-A$ 与 $E-C$ 相似（相似矩阵的 “单位矩阵减矩阵” 仍相似），而**相似矩阵的行列式相等**，故 $|E-A|=|E-C|$。
计算 $E-C$：
$$E-C=\begin{bmatrix}1-2&0-1&0-2\\0-(-1)&1-2&0-4\\0-(-1)&0-3&1-1\end{bmatrix}=\begin{bmatrix}-1&-1&-2\\1&-1&-4\\1&-3&0\end{bmatrix}$$
按第三行展开计算行列式：
$$
\begin{aligned}
|E-C|&=1\times\begin{vmatrix}-1&-2\\-1&-4\end{vmatrix}-(-3)\times\begin{vmatrix}-1&-2\\1&-4\end{vmatrix}+0\times(\text{余子式})\\
&=1\times(4-2)+3\times(4+2)\\
&=2+18=20
\end{aligned}
$$
故 $|E-A|=20$。
### **8. 答案：**
$$A^{-1}=\begin{bmatrix}-(n-2)&1&1&\cdots&1\\1&-1&0&\cdots&0\\1&0&-1&\cdots&0\\\vdots&\vdots&\vdots&\ddots&\vdots\\1&0&0&\cdots&-1\end{bmatrix}
$$
#### **解析：**
通过 “行变换法” 或 “规律归纳” 推导：
• 观察矩阵 A 的结构：第一行全为 1，其余行的对角元为 0，非对角元为 1。可先计算 n=2,3 时的逆矩阵，归纳规律：
◦ $当 n=2 时，A=\begin{bmatrix}1&1\\1&0\end{bmatrix}，逆矩阵为 \begin{bmatrix}0&1\\1&-1\end{bmatrix}（符合上述形式，-(2-2)=0）$；
◦ 当 $n=3$ 时，$A=\begin{bmatrix}1&1&1\\1&0&1\\1&1&0\end{bmatrix}$，逆矩阵为 $\begin{bmatrix}-1&1&1\\1&-1&0\\1&0&-1\end{bmatrix}$（符合上述形式，$-(3-2)=-1$）。
• 验证规律：对 n 阶矩阵，逆矩阵的第一行第一列元素为 -(n-2)，第一行其余元素为 1，第一列其余元素为 1，对角元（除第一行第一列）为 -1，非对角元（除第一行、第一列）为 0，即为上述形式。
### **9. 证明：$D_n=\frac{1}{\sqrt{5}}\left[\left(\frac{1+\sqrt{5}}{2}\right)^{n+1}-\left(\frac{1-\sqrt{5}}{2}\right)^{n+1}\right]$**
**步骤 1：建立递推公式**
对 $D_n$ 按**第一行展开**（第一行元素为 $a_{11}=1,a_{12}=1$，其余 $a_{1j}=0$）：
$D_n=a_{11}\times(-1)^{1+1}M_{11}+a_{12}\times(-1)^{1+2}M_{12}$
• $M_{11}$：去掉第一行第一列后的子式，即 $n-1$ 阶行列式 $D_{n-1}$（结构与 $D_n$ 一致）；
• $M_{12}$：去掉第一行第二列后的子式，按第一列展开（第一列仅首元素为 $-1$），得 $-D_{n-2}$（符号需结合 $(-1)^{1+2}=-1$）。
因此递推公式为：
$$D_n=D_{n-1}+D_{n-2}$$
**步骤 2：确定初始条件**
• 当 $n=1$ 时，$D_1=\begin{vmatrix}1\end{vmatrix}=1$；
• 当 n=2 时，$D_2=\begin{vmatrix}1&1\\-1&1\end{vmatrix}=1\times1-1\times(-1)=2$。
容易证明$n=1,n=2$时满足要证的式子
**步骤3：运用数学归纳法**
假设当$n\le k$时，有$D_n=\frac{1}{\sqrt{5}}\left[\left(\frac{1+\sqrt{5}}{2}\right)^{n+1}-\left(\frac{1-\sqrt{5}}{2}\right)^{n+1}\right]$。当$n=k+1$时，有$$
\begin{aligned}
D_{k+1}&=D_k+D_{k-1}\\
&=\frac{1}{\sqrt{5}}((\frac{1+\sqrt{5}}{2})^{k+1}-(\frac{1-\sqrt{5}}{2})^{k+1}+(\frac{1+\sqrt{5}}{2})^k-(\frac{1-\sqrt{5}}{2})^k)\\
&=\frac{1}{\sqrt{5}}((\frac{1+\sqrt{5}}{2})^{k}(\frac{3+\sqrt{5}}{2})-(\frac{1-\sqrt{5}}{2})^{k}(\frac{1-\sqrt{5}}{2}))\\
&=\frac{1}{\sqrt{5}}((\frac{1+\sqrt{5}}{2})^{k}(\frac{1+\sqrt{5}}{2})^2-(\frac{1-\sqrt{5}}{2})^{k}(\frac{1-\sqrt{5}}{2})^2)\\
&=\frac{1}{\sqrt{5}}((\frac{1+\sqrt{5}}{2})^{k+2}-(\frac{1-\sqrt{5}}{2})^{k+2})
\end{aligned}
$$满足条件，故由数学归纳法知，$\forall{n}\in\mathbb{N}_+,D_n=\frac{1}{\sqrt{5}}\left[\left(\frac{1+\sqrt{5}}{2}\right)^{n+1}-\left(\frac{1-\sqrt{5}}{2}\right)^{n+1}\right]$.

0
编写小组/试卷/线代期末复习模拟/1.14线代限时练.md → 编写小组/试卷/线代期末复习模拟/1.13线代限时练.md
Unescape View File

10
编写小组/试卷/高数期末真题/2017高数期末考试卷.md
Unescape View File

@ -11,11 +11,11 @@ tags:
**考试时间：150 分钟**
**满分：100 分**
| 题号 | 一 | 二 | 三 | 四 | 五 | 六 | 七 | 八 | 九 | 十 | 十一 | 十二 | 总分 | 核分 |
|------|----|----|----|----|----|----|----|----|----|----|-----|-----|------|------|
| 满分 | 15 | 15 | 6 | 6 | 6 | 6 | 6 | 8 | 8 | 8 | 8 | 8 | 100 | |
| 得分 | | | | | | | | | | | | | | |
| 评阅人 | | | | | | | | | | | | | | |
| 题号 | 一 | 二 | 三 | 四 | 五 | 六 | 七 | 八 | 九 | 十 | 十一 | 十二 | 总分 | 核分 |
| --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- |
| 满分 | 15 | 15 | 6 | 6 | 6 | 6 | 6 | 8 | 8 | 8 | 8 | 8 | 100 | |
| 得分 | | | | | | | | | | | | | | |
| 评阅人 | | | | | | | | | | | | | | |
**注意：**
1. 所有答题都须写在此试卷纸密封线右边，写在其它纸上一律无效。

Write Preview
Loading…
Cancel
Save