方企勤 第五章 多元函数微分学 第8题

教材习题

📝 题目

例 8 给定 $n$ 阶行列式 $A = \left| {a}_{ij}\right|$ .

(1)求证: 在行向量长有限条件下,即 $\mathop{\sum }\limits_{{j = 1}}^{n}{a}_{ij}^{2} = {s}_{i}\left( {i = 1,\cdots ,n}\right)$ 条件下,使 $A$ 达到最大值的列向量两两正交;

(2) 求证:

$$ {A}^{2} \leq \mathop{\prod }\limits_{{i = 1}}^{n}\left( {\mathop{\sum }\limits_{{j = 1}}^{n}{a}_{ij}^{2}}\right) . $$

💡 答案解析

证(1)这是一个 $n \times n$ 个变量的条件极值问题. 令

$$ \Phi = \left| \begin{matrix} {a}_{11} & {a}_{12} & \cdots & {a}_{1n} \\ \vdots & \vdots & & \vdots \\ {a}_{i1} & {a}_{i2} & \cdots & {a}_{in} \\ \vdots & \vdots & & \vdots \\ {a}_{l1} & {a}_{l2} & \cdots & {a}_{ln} \\ \vdots & \vdots & & \vdots \\ {a}_{n1} & {a}_{n2} & \cdots & {a}_{nn} \end{matrix}\right| $$

$$ - {\lambda }_{1}\left( {\mathop{\sum }\limits_{{j = 1}}^{n}{a}_{1j}^{2} - {s}_{1}}\right) - \cdots - {\lambda }_{n}\left( {\mathop{\sum }\limits_{{j = 1}}^{n}{a}_{nj}^{2} - {s}_{n}}\right) . $$

记 ${a}_{ij}$ 的代数余子式为 ${\Delta }_{ij}$ ,我们有

$$ {\Phi }_{{a}_{i1}}^{\prime } = \left| \begin{matrix} 0 & {a}_{12} & \cdots & {a}_{1n} \\ \vdots & \vdots & & \vdots \\ 1 & {a}_{i2} & \cdots & {a}_{in} \\ \vdots & \vdots & & \vdots \\ 0 & {a}_{i2} & \cdots & {a}_{in} \\ \vdots & \vdots & & \vdots \\ 0 & {a}_{n1} & \cdots & {a}_{nn} \end{matrix}\right| - 2{\lambda }_{i}{a}_{i1} = {\Delta }_{i1} - 2{\lambda }_{i}{a}_{i1}\overset{\text{ 令 }}{ \rightarrow }0. $$

$\Phi$ 对每个变量 ${a}_{ij}$ 求导,共得 $n \times n$ 个等式:

$$ {\Phi }_{{a}_{ij}}^{\prime } = {\Delta }_{ij} - 2{\lambda }_{i}{a}_{ij} = 0\;\left( {i,j = 1,2,\cdots ,n}\right) , $$

由此可得

$$ \mathop{\sum }\limits_{{j = 1}}^{n}{a}_{lj}{\Delta }_{ij} - 2{\lambda }_{i}\mathop{\sum }\limits_{{j = 1}}^{n}{a}_{lj}{a}_{ij} = 0. $$

上式第一项即为行列式 $A$ 中第 $i$ 行元素换成第 $l$ 行元素的值,故有

$$ \left\{ \begin{array}{ll} 2{\lambda }_{i}\mathop{\sum }\limits_{{j = 1}}^{n}{a}_{lj}{a}_{ij} = 0, & l \neq i, \\ A - 2{\lambda }_{i}{s}_{i} = 0, & l = i. \end{array}\right. \tag{4.16} $$ (4.17)

因 $A$ 的最大值不会等于零 (如取 ${a}_{ii} = \sqrt{{s}_{i}}$ ,其余为零),由 (4.17) 式知 ${\lambda }_{i} \neq 0\left( {i = 1,\cdots ,n}\right)$ . 再由 (4.16) 式知 $\displaystyle{\mathop{\sum }\limits_{{j = 1}}^{n}{a}_{lj}{a}_{ij} = 0}$ ,即使 $A$ 达到最大值的行向量两两正交.

(2)给定行列式 $A = \left| {a}_{ij}\right|$ 后,令 $\mathop{\sum }\limits_{{j = 1}}^{n}{a}_{ij}^{2} = {s}_{i}\left( {i = 1,\cdots ,n}\right)$ . 然后考虑行列式 $\widetilde{A} = \left| {\widetilde{a}}_{ij}\right|$ 在条件 $\displaystyle{\mathop{\sum }\limits_{{j = 1}}^{n}{\widetilde{a}}_{ij}^{2} = {s}_{i}}$ 下的极值问题. 由 (1) 知,当行向量两两正交时,使 $\widetilde{A}$ 达到最大值 $\widetilde{A} = \left| {\widetilde{a}}_{ij}\right|$ (为了节省符号起见,我们将达到最大值的元素 ${\widetilde{a}}_{ij}$ 与变量 ${\widetilde{a}}_{ij}$ 采用同一记号),故

$$ {A}^{2} \leq {\widetilde{A}}^{2} = \widetilde{A}{\widetilde{A}}^{\mathrm{T}} = \left| \begin{matrix} {s}_{1} & 0 & \cdots & 0 \\ 0 & {s}_{2} & \cdots & 0 \\ \vdots & \vdots & & \vdots \\ 0 & 0 & \cdots & {s}_{n} \end{matrix}\right| $$

$$ = {s}_{1} \cdot {s}_{2} \cdot \cdots \cdot {s}_{n} = \mathop{\prod }\limits_{{i = 1}}^{n}\left( {\mathop{\sum }\limits_{{j = 1}}^{n}{a}_{ij}^{2}}\right) . $$

评注 结果表明: 在 ${\mathbf{R}}^{n}$ 空间中,由 $n$ 个长度一定的向量组成的平行 ${2n}$ 面体的体积,只在当 $n$ 个向量两两正交时组成的 ${2n}$ 面长方体体积最大.

📋 详细解题步骤

步骤 1/4
目标:构造拉格朗日函数
引入拉格朗日乘子 λ_i,构造函数 Φ = det(A) - Σ λ_i (Σ_j a_{ij}^2 - s_i)。
公式:Φ = |a_{ij}| - Σ_{i=1}^n λ_i (Σ_{j=1}^n a_{ij}^2 - s_i)
提示:注意行列式是变量 a_{ij} 的函数,拉格朗日函数用于处理条件极值。
步骤 2/4
目标:对每个变量 a_{ij} 求偏导并令其为零
利用行列式求导法则,得到 ∂Φ/∂a_{ij} = Δ_{ij} - 2λ_i a_{ij} = 0,其中 Δ_{ij} 是 a_{ij} 的代数余子式。
公式:Δ_{ij} - 2λ_i a_{ij} = 0
提示:行列式对 a_{ij} 的导数等于其代数余子式。
步骤 3/4
目标:推导行向量正交条件
将第 i 个方程乘以 a_{lj} 并对 j 求和,得到 Σ_j a_{lj} Δ_{ij} - 2λ_i Σ_j a_{lj} a_{ij} = 0。第一项当 l≠i 时为零(行列式两行相同),当 l=i 时为 A。因此得到:当 l≠i 时,2λ_i Σ_j a_{lj} a_{ij}=0;当 l=i 时,A - 2λ_i s_i=0。由于 A 的最大值非零,λ_i≠0,故 Σ_j a_{lj} a_{ij}=0,即行向量两两正交。
公式:Σ_j a_{lj} a_{ij} = 0 (l≠i); A = 2λ_i s_i
提示:利用行列式性质:若两行相同,行列式为零。
步骤 4/4
目标:证明不等式 A^2 ≤ Π s_i
给定原行列式 A,令 s_i = Σ_j a_{ij}^2。考虑在相同行向量长度条件下,使行列式达到最大值的矩阵,其行向量两两正交。该最大行列式记为 ̃A,则 ̃A^2 = det(̃A ̃A^T) = diag(s_1,...,s_n) 的行列式 = Π s_i。由于 A ≤ ̃A,两边平方得 A^2 ≤ Π s_i。
公式:A^2 ≤ ̃A^2 = Π_{i=1}^n s_i
提示:正交行向量时,矩阵的行列式平方等于各行长度平方的乘积。

📷 拍照上传批改

拍照上传批改功能已预留入口,后续接入图片上传、OCR识别与AI批改。