111 年 國立中山大學電機工程學系碩士班乙組《工程數學乙》

📄 試題原卷 免費註冊後即可對照原始考卷 PDF免費註冊

第 1 題

Let A and B be matrices in Rn×n\mathbb{R}^{n \times n}. Which of the following statements are true?
(A) det⁡(−A)=−det⁡(A)\det(-A) = -\det(A).
(B) If AAT=IAA^T = I, then det⁡(A)=1\det(A) = 1.
(C) If AAT=IA A^T = I, then trace(A)=n\text{trace}(A) = n.
(D) If two rows of A are equal, then det⁡(A)=0\det(A) = 0.
(E) If det⁡(A)=det⁡(B)\det(A) = \det(B), then A and B have the same rank.

登入後即可作答並保存紀錄。

這一題的完整詳解

核心觀念

本題考查行列式、正交矩陣與矩陣秩的基本性質:

  1. 對任意 n×nn\times n 矩陣 AA,
    det⁡(cA)=cndet⁡(A).\det(cA)=c^n\det(A).

  2. 轉置不改變行列式:
    det⁡(AT)=det⁡(A).\det(A^T)=\det(A).

  3. 若 AAT=IAA^T=I,則 AA 為正交矩陣,且
    det⁡(A)=±1.\det(A)=\pm 1.

  4. 行列式具有交錯性:若矩陣有兩列相同,則行列式為 00。

  5. 矩陣可逆當且僅當行列式不為 00;但行列式為 00時,只能確定矩陣不是滿秩,無法由行列式判斷具體秩。

解題方法

逐一套用上述定理,並以簡單矩陣作為反例檢驗「是否必然成立」。選擇題中的敘述若存在一個符合條件但不符合結論的矩陣,即可判定為錯誤。

選項分析

(A) det⁡(−A)=−det⁡(A)\det(-A)=-\det(A)

由
−A=(−I)A-A=(-I)A

可得
det⁡(−A)=det⁡(−I)det⁡(A)=(−1)ndet⁡(A).\det(-A)=\det(-I)\det(A)=(-1)^n\det(A).

因此只有在 nn 為奇數時,才有
det⁡(−A)=−det⁡(A).\det(-A)=-\det(A).

題目未限制 nn 為奇數,故此敘述一般不成立。例如取 n=2n=2、A=IA=I:

det⁡(−A)=det⁡(−I)=1,\det(-A)=\det(-I)=1,
但
−det⁡(A)=−1.-\det(A)=-1.

因此 (A) 錯誤。

(B) 若 AAT=IAA^T=I,則 det⁡(A)=1\det(A)=1

由 AAT=IAA^T=I 取行列式:

det⁡(AAT)=det⁡(I)=1.\det(AA^T)=\det(I)=1.

利用行列式乘法公式與轉置性質:

det⁡(A)det⁡(AT)=det⁡(A)2=1.\det(A)\det(A^T)=\det(A)^2=1.

所以只能得到

det⁡(A)=±1,\det(A)=\pm1,

不能必然等於 11。

例如取

A=(−1001).A=\begin{pmatrix} -1&0\\ 0&1 \end{pmatrix}.

則

AAT=I,AA^T=I,

但

det⁡(A)=−1.\det(A)=-1.

因此 (B) 錯誤。

(C) 若 AAT=IAA^T=I,則 trace⁡(A)=n\operatorname{trace}(A)=n

🔒

後續完整解題步驟與【答案】

免費註冊,享三天全站完整詳解閱覽。

免費註冊

第 2 題

Let A∈R3×3A \in \mathbb{R}^{3 \times 3} and its eigenvalues are λ1,λ1\lambda_1, \lambda_1, and λ2\lambda_2, where λ1\lambda_1 and λ2\lambda_2 are distinct eigenvalues. Suppose the dimension of N(A−λ1I)N(A - \lambda_1 I) is 1, where N(A)N(A) denotes the null space of AA. Which of the following statements are true?
(A) λ1\lambda_1 must be a real number (not a complex number).
(B) λ2\lambda_2 must be a real number (not a complex number).
(C) The dimension of N(A−λ2I)N(A - \lambda_2 I) equals 1.
(D) A is diagonalizable.
(E) A has two linearly independent eigenvectors corresponding to λ1\lambda_1.

登入後即可作答並保存紀錄。

這一題的完整詳解

核心觀念

題目給出的特徵值為 λ1,λ1,λ2\lambda_1,\lambda_1,\lambda_2,因此:

  • λ1\lambda_1 的代數重數為 22;
  • λ2\lambda_2 的代數重數為 11;
  • λ1≠λ2\lambda_1\neq\lambda_2。

特徵空間為

N(A−λI)={x:Ax=λx},N(A-\lambda I)=\{x:Ax=\lambda x\},

其維度稱為幾何重數,且對任何特徵值皆有

1≤幾何重數≤代數重數.1\leq \text{幾何重數}\leq \text{代數重數}.

此外,實矩陣的特徵多項式具有實係數,因此非實特徵值必須以共軛成對出現,且代數重數相同。


解題方法

令特徵多項式為

p(t)=det⁡(tI−A)=(t−λ1)2(t−λ2).p(t)=\det(tI-A)=(t-\lambda_1)^2(t-\lambda_2).

因為 AA 是實矩陣,p(t)p(t) 為實係數多項式。

若 λ1\lambda_1 是非實數,則其共軛 λ1‾\overline{\lambda_1} 也必須是特徵值,而且代數重數同樣為 22。但題目中除了 λ1\lambda_1 外,只有代數重數為 11 的 λ2\lambda_2,不可能容納一個代數重數為 22 的不同共軛特徵值。因此 λ1\lambda_1 必為實數。

既然 λ1\lambda_1 為實數,剩下的特徵值 λ2\lambda_2 也必須為實數;否則非實的 λ2\lambda_2 必須和 λ2‾\overline{\lambda_2} 成對出現,但題目只剩一個一次特徵值的位置,無法形成共軛對。

再由題設

dim⁡N(A−λ1I)=1.\dim N(A-\lambda_1 I)=1.

因此 λ1\lambda_1 的幾何重數為 11,小於其代數重數 22。至於 λ2\lambda_2 的代數重數為 11,故

1≤dim⁡N(A−λ2I)≤1,1\leq \dim N(A-\lambda_2 I)\leq 1,

得到

dim⁡N(A−λ2I)=1.\dim N(A-\lambda_2 I)=1.

選項分析

🔒

後續完整解題步驟與【答案】

免費註冊,享三天全站完整詳解閱覽。

免費註冊

第 3 題

Let A∈Rm×nA \in \mathbb{R}^{m \times n}. Consider the linear equation Ax=bAx = b or the homogeneous linear equation Ax=0Ax = 0. Which of the following statements are true?
(A) If rank(A)=m\text{rank}(A) = m, then Ax=bAx = b has at least one solution for any b∈Rmb \in \mathbb{R}^m.
(B) If rank(A)=m\text{rank}(A) = m, then Ax=0Ax = 0 has only the trivial solution x=0x = 0.
(C) If rank(A)=n\text{rank}(A) = n, then Ax=bAx = b has at most one solution for any b∈Rmb \in \mathbb{R}^m.
(D) If rank(A)=n\text{rank}(A) = n and m>nm > n, then Ax=0Ax = 0 has infinitely many solutions.
(E) If rank(A)=m\text{rank}(A) = m and n>mn > m, then Ax=0Ax = 0 has infinitely many solutions.

登入後即可作答並保存紀錄。

這一題的完整詳解

核心觀念

設 A∈Rm×nA\in\mathbb{R}^{m\times n},則線性映射為

A:Rn→Rm.A:\mathbb{R}^n\to\mathbb{R}^m.

本題主要使用以下三個觀念:

  1. 滿列秩與滿行秩

    • rank⁡(A)=m\operatorname{rank}(A)=m:AA 滿行秩,代表其欄空間為 Rm\mathbb{R}^m,因此對任意 b∈Rmb\in\mathbb{R}^m,方程 Ax=bAx=b 必有解。
    • rank⁡(A)=n\operatorname{rank}(A)=n:AA 滿列秩,代表零空間只有零向量,因此 Ax=0Ax=0 只有平凡解。
  2. 秩-零度定理

rank⁡(A)+nullity⁡(A)=n,\operatorname{rank}(A)+\operatorname{nullity}(A)=n,

其中 nullity⁡(A)\operatorname{nullity}(A) 是齊次方程 Ax=0Ax=0 的解空間維度。因此

nullity⁡(A)=n−rank⁡(A).\operatorname{nullity}(A)=n-\operatorname{rank}(A).
  1. 非齊次方程解的唯一性

若 x1,x2x_1,x_2 都滿足 Ax=bAx=b,則

Ax1=Ax2⟹A(x1−x2)=0.Ax_1=Ax_2 \Longrightarrow A(x_1-x_2)=0.

因此,若 Ax=0Ax=0 只有零解,則 Ax=bAx=b 不可能有兩個不同解,也就是至多一解。


解題方法

先分別判斷兩種秩條件對零空間與方程可解性的影響:

  • rank⁡(A)=m\operatorname{rank}(A)=m 時,
nullity⁡(A)=n−m.\operatorname{nullity}(A)=n-m.

若 n>mn>m,零空間維度為正,因此有無限多個齊次解。

  • rank⁡(A)=n\operatorname{rank}(A)=n 時,
nullity⁡(A)=n−n=0.\operatorname{nullity}(A)=n-n=0.

因此 Ax=0Ax=0 只有 x=0x=0,且任何 Ax=bAx=b 至多有一解。


選項分析

(A) 正確

若 rank⁡(A)=m\operatorname{rank}(A)=m,則 AA 的欄空間維度為 mm。由於欄空間是 Rm\mathbb{R}^m 的子空間,故

Col⁡(A)=Rm.\operatorname{Col}(A)=\mathbb{R}^m.

因此任意 b∈Rmb\in\mathbb{R}^m 都屬於 AA 的欄空間,方程

Ax=bAx=b

對每個 bb 至少有一組解。故 (A) 正確。


(B) 錯誤

由秩-零度定理,

nullity⁡(A)=n−rank⁡(A)=n−m.\operatorname{nullity}(A)=n-\operatorname{rank}(A)=n-m.

rank⁡(A)=m\operatorname{rank}(A)=m 並不保證 n=mn=m。當 n>mn>m 時,

n−m>0,n-m>0,

所以 Ax=0Ax=0 的解空間維度大於 00,具有無限多組解。

例如

A=[100010],rank⁡(A)=2=m,n=3.A= \begin{bmatrix} 1&0&0\\ 0&1&0 \end{bmatrix}, \qquad \operatorname{rank}(A)=2=m,\quad n=3.
🔒

後續完整解題步驟與【答案】

免費註冊,享三天全站完整詳解閱覽。

免費註冊

第 4 題

Let A and B be square matrices. Suppose that A is similar to B, that is, B=P−1APB = P^{-1}AP for some nonsingular matrix P. Which of the following statements are true?
(A) If x is an eigenvector of B, then x is also an eigenvector of A.
(B) If y is in the column space of B, then y is also in the column space of A.
(C) trace(A)=trace(B)\text{trace}(A) = \text{trace}(B).
(D) A - I is similar to B - I.
(E) A5A^5 is similar to B5B^5.

登入後即可作答並保存紀錄。

這一題的完整詳解

核心觀念

本題考查矩陣的相似關係及其保有的性質。若

B=P−1AP,B=P^{-1}AP,

其中 PP 為可逆矩陣,則稱 AA 與 BB 相似。相似矩陣具有相同的特徵值、行列式、跡與秩,但其特徵向量與欄空間不必相同。


解題方法

逐一判斷各敘述是否為所有相似矩陣都必然具備的性質:

  • 特徵向量會隨可逆變換 P−1P^{-1} 改變。
  • 欄空間只保證維度相同,不保證集合本身相同。
  • 跡具有循環置換不變性。
  • 相似關係可透過多項式與矩陣次方保留。

選項分析

(A) 錯誤

若 xx 是 BB 的特徵向量,則存在特徵值 λ\lambda 使得

Bx=λx.Bx=\lambda x.

代入 B=P−1APB=P^{-1}AP:

P−1APx=λx.P^{-1}APx=\lambda x.

兩邊左乘 PP,得到

A(Px)=λ(Px).A(Px)=\lambda(Px).

因此真正能保證的是 PxPx 為 AA 的特徵向量,而不是 xx 本身。除非 PP 恰好不改變該向量,否則 xx 不必是 AA 的特徵向量。

例如取

A=[1002],P=[1101],A= \begin{bmatrix} 1&0\\ 0&2 \end{bmatrix}, \qquad P= \begin{bmatrix} 1&1\\ 0&1 \end{bmatrix},

則

B=P−1AP=[1−102].B=P^{-1}AP= \begin{bmatrix} 1&-1\\ 0&2 \end{bmatrix}.

向量

x=[−11]x= \begin{bmatrix} -1\\ 1 \end{bmatrix}

滿足

Bx=2x,Bx=2x,

所以是 BB 的特徵向量;但

Ax=[−12]Ax= \begin{bmatrix} -1\\ 2 \end{bmatrix}

並非 xx 的倍數,因此 xx 不是 AA 的特徵向量。


(B) 錯誤

由

B=P−1APB=P^{-1}AP

可知

Col⁡(B)=Col⁡(P−1A)=P−1Col⁡(A).\operatorname{Col}(B) = \operatorname{Col}(P^{-1}A) = P^{-1}\operatorname{Col}(A).

因此相似矩陣的欄空間通常只是經過可逆線性變換後互相對應,並不代表兩者欄空間相同。相似矩陣只能保證

rank⁡(A)=rank⁡(B),\operatorname{rank}(A)=\operatorname{rank}(B),

不能保證每一個屬於 Col⁡(B)\operatorname{Col}(B) 的向量也屬於 Col⁡(A)\operatorname{Col}(A)。

例如取

A=[1000],P=[1011].A= \begin{bmatrix} 1&0\\ 0&0 \end{bmatrix}, \qquad P= \begin{bmatrix} 1&0\\ 1&1 \end{bmatrix}.

計算得

🔒

後續完整解題步驟與【答案】

免費註冊,享三天全站完整詳解閱覽。

免費註冊

第 5 題

Let A∈Rm×nA \in \mathbb{R}^{m \times n}, R(A)R(A) denotes the column space of AA, N(A)N(A) denotes the null space of AA, and dim⁡(S)\dim(S) denotes the dimension of a subspace S. Which of the following statements are true?
(A) If y∈R(A)y \in R(A), then y∈R(AAT)y \in R(AA^T).
(B) If x∈N(A)x \in N(A), then x∈N(ATA)x \in N(A^T A).
(C) rank(A)+dim⁡(N(A))=rank(AT)+dim⁡(N(AT))\text{rank}(A) + \dim(N(A)) = \text{rank}(A^T) + \dim(N(A^T)).
(D) It is possible for a matrix A to have [2,1,−1]T[2, 1, -1]^T in N(A)N(A) and [1,2,3]T[1, 2, 3]^T in R(AT)R(A^T).
(E) Let y∈Rmy \in \mathbb{R}^m. If y=u1+v1=u2+v2y = u_1 + v_1 = u_2 + v_2, where u1,u2∈R(A)u_1, u_2 \in R(A) and v1,v2∈N(AT)v_1, v_2 \in N(A^T), then u1=u2u_1 = u_2 and v1=v2v_1 = v_2.

登入後即可作答並保存紀錄。

這一題的完整詳解

核心觀念

對 A∈Rm×nA\in\mathbb{R}^{m\times n},四個基本子空間具有以下正交關係:

R(A)=N(AT)⊥,R(AT)=N(A)⊥.R(A)=N(A^T)^\perp,\qquad R(A^T)=N(A)^\perp.

因此:

  • R(A)R(A) 與 N(AT)N(A^T) 互為正交補空間;
  • R(AT)R(A^T) 與 N(A)N(A) 互為正交補空間;
  • rank⁡(A)=rank⁡(AT)\operatorname{rank}(A)=\operatorname{rank}(A^T);
  • 秩-零度定理給出 rank⁡(A)+dim⁡N(A)=n,\operatorname{rank}(A)+\dim N(A)=n, rank⁡(AT)+dim⁡N(AT)=m.\operatorname{rank}(A^T)+\dim N(A^T)=m.

此外,對實矩陣而言:

N(ATA)=N(A),R(AAT)=R(A).N(A^TA)=N(A),\qquad R(AA^T)=R(A).

選項分析

(A)正確

先證明 R(AAT)=R(A)R(AA^T)=R(A)。

因為對任意 z∈Rmz\in\mathbb{R}^m,

AATz=A(ATz),AA^Tz=A(A^Tz),

所以 AATzAA^Tz 必定是 AA 的某個欄向量線性組合,故

R(AAT)⊆R(A).R(AA^T)\subseteq R(A).

另一方面,若 z∈N(AAT)z\in N(AA^T),則

AATz=0.AA^Tz=0.

左乘 zTz^T:

zTAATz=0.z^TAA^Tz=0.

而

zTAATz=(ATz)T(ATz)=∥ATz∥2,z^TAA^Tz=(A^Tz)^T(A^Tz)=\|A^Tz\|^2,

因此 ∥ATz∥2=0\|A^Tz\|^2=0,得到 ATz=0A^Tz=0。所以

N(AAT)=N(AT).N(AA^T)=N(A^T).

利用基本子空間關係:

R(AAT)=N((AAT)T)⊥=N(AAT)⊥=N(AT)⊥=R(A).R(AA^T) =N\big((AA^T)^T\big)^\perp =N(AA^T)^\perp =N(A^T)^\perp =R(A).

因此若 y∈R(A)y\in R(A),必有 y∈R(AAT)y\in R(AA^T),選項(A)正確。


(B)正確

若 x∈N(A)x\in N(A),按照零空間定義,

Ax=0.Ax=0.

因此

ATAx=AT(Ax)=AT0=0.A^TAx=A^T(Ax)=A^T0=0.

所以

x∈N(ATA).x\in N(A^TA).

選項(B)正確。

事實上還可以證明兩者相等。若 ATAx=0A^TAx=0,則

0=xTATAx=∥Ax∥2,0=x^TA^TAx=\|Ax\|^2,

故 Ax=0Ax=0,因此

N(ATA)=N(A).N(A^TA)=N(A).

(C)錯誤

由秩-零度定理,

rank⁡(A)+dim⁡N(A)=n.\operatorname{rank}(A)+\dim N(A)=n.

對 AT∈Rn×mA^T\in\mathbb{R}^{n\times m} 使用同一定理:

rank⁡(AT)+dim⁡N(AT)=m.\operatorname{rank}(A^T)+\dim N(A^T)=m.

所以題目左右兩邊實際上分別等於 nn 與 mm,不一定相等。

例如取

A=[10]∈R1×2.A=\begin{bmatrix}1&0\end{bmatrix}\in\mathbb{R}^{1\times 2}.

此時

🔒

後續完整解題步驟與【答案】

免費註冊,享三天全站完整詳解閱覽。

免費註冊

第 6 題

Let
A=[41321433−1117]A = \begin{bmatrix} 4 & 1 & 3 & 2 \\ 1 & 4 & 3 & 3 \\ -1 & 1 & 1 & 7 \end{bmatrix}.
Which of the following vectors are in the column space of A?
(A) [3,1,2]T[3, 1, 2]^T
(B) [1,0,−1]T[1, 0, -1]^T
(C) [0,1,3]T[0, 1, 3]^T
(D) [2,1,1]T[2, 1, 1]^T
(E) [4,2,−1]T[4, 2, -1]^T

登入後即可作答並保存紀錄。

這一題的完整詳解

核心觀念

矩陣 AA 的 column space 定義為其所有欄向量的線性組合:

Col⁡(A)=span⁡{[41−1],[141],[331],[237]}.\operatorname{Col}(A) =\operatorname{span}\left\{ \begin{bmatrix}4\\1\\-1\end{bmatrix}, \begin{bmatrix}1\\4\\1\end{bmatrix}, \begin{bmatrix}3\\3\\1\end{bmatrix}, \begin{bmatrix}2\\3\\7\end{bmatrix} \right\}.

因為 AA 是 3×43\times 4 矩陣,所以

Col⁡(A)⊆R3.\operatorname{Col}(A)\subseteq \mathbb{R}^3.

若能找出 33 個線性獨立的欄向量,則 rank⁡(A)=3\operatorname{rank}(A)=3。此時 column space 是 R3\mathbb{R}^3 中維度為 33 的子空間,因此

Col⁡(A)=R3.\operatorname{Col}(A)=\mathbb{R}^3.

解題方法

取 AA 的前三個欄向量形成矩陣

B=[413143−111].B= \begin{bmatrix} 4&1&3\\ 1&4&3\\ -1&1&1 \end{bmatrix}.

計算其行列式:

det⁡(B)=4∣4311∣−1∣13−11∣+3∣14−11∣=4(4−3)−(1+3)+3(1+4)=4−4+15=15≠0.\begin{aligned} \det(B) &=4 \begin{vmatrix} 4&3\\ 1&1 \end{vmatrix} -1 \begin{vmatrix} 1&3\\ -1&1 \end{vmatrix} +3 \begin{vmatrix} 1&4\\ -1&1 \end{vmatrix}\\ &=4(4-3)-(1+3)+3(1+4)\\ &=4-4+15\\ &=15\neq 0. \end{aligned}

因此 BB 可逆,前三個欄向量線性獨立,故

rank⁡(A)≥3.\operatorname{rank}(A)\geq 3.

另一方面,AA 只有 33 列,所以 rank⁡(A)≤3\operatorname{rank}(A)\leq 3。因此

rank⁡(A)=3.\operatorname{rank}(A)=3.

所以

Col⁡(A)=R3.\operatorname{Col}(A)=\mathbb{R}^3.

選項分析

🔒

後續完整解題步驟與【答案】

免費註冊,享三天全站完整詳解閱覽。

免費註冊

第 7 題

Let u and v be two vectors in an inner product space V, and p is the orthogonal projection of u onto v. Define ∣∣v∣∣=(v,v)||v|| = \sqrt{(v, v)}. Which of the following statements are true?
(A) ∣∣u∣∣≥∣∣p∣∣||u|| \geq ||p||
(B) ∣∣u−p∣∣≥∣∣p∣∣||u - p|| \geq ||p||
(C) ∣∣u−p∣∣+∣∣p∣∣≥∣∣u∣∣||u - p|| + ||p|| \geq ||u||
(D) p = u implies v=uv = u
(E) ∣∣p∣∣2+∣∣u−p∣∣2=∣∣u∣∣2|| p ||^2 + ||u - p||^2 = ||u||^2

登入後即可作答並保存紀錄。

這一題的完整詳解

核心觀念

本題考查「正交投影」與「勾股定理」。

將 uu 正交投影到由 vv 所張成的直線上,所得投影向量為 pp,因此具有:

  1. p∈span⁡{v}p\in \operatorname{span}\{v\};
  2. u−p⊥vu-p\perp v;
  3. 因為 pp 是 vv 的倍數,所以 u−p⊥pu-p\perp p;
  4. 向量分解為
    u=(u−p)+p.u=(u-p)+p.

假設 v≠0v\neq 0,在實內積空間中,
p=(u,v)(v,v)v.p=\frac{(u,v)}{(v,v)}v.

由於 u−pu-p 與 pp 互相正交,故有畢氏定理:
∥u∥2=∥u−p∥2+∥p∥2.\|u\|^2=\|u-p\|^2+\|p\|^2.


解題方法

直接利用正交分解
u=(u−p)+pu=(u-p)+p
以及
u−p⊥p.u-p\perp p.

其中,三個向量長度之間的關係為:

  • 投影長度不超過原向量長度;
  • u−pu-p 與 pp 為直角兩股;
  • uu 為斜邊;
  • 三角不等式可提供另一個長度關係。

選項分析

(A) ∥u∥≥∥p∥\|u\|\geq \|p\|

由勾股定理,
∥u∥2=∥u−p∥2+∥p∥2.\|u\|^2=\|u-p\|^2+\|p\|^2.

因為 ∥u−p∥2≥0\|u-p\|^2\geq 0,所以
∥u∥2≥∥p∥2.\|u\|^2\geq \|p\|^2.

兩邊皆為非負數,得到
∥u∥≥∥p∥.\|u\|\geq \|p\|.

因此 (A) 正確。


(B) ∥u−p∥≥∥p∥\|u-p\|\geq \|p\|

正交投影的誤差長度 ∥u−p∥\|u-p\| 不一定大於投影長度 ∥p∥\|p\|,兩者大小取決於 uu 與 vv 的方向。

例如取 u=v≠0u=v\neq 0,則 uu 完全落在 span⁡{v}\operatorname{span}\{v\} 上,因此
p=u.p=u.

此時
u−p=0,u-p=0,
所以
∥u−p∥=0<∥p∥=∥u∥.\|u-p\|=0<\|p\|=\|u\|.

因此此不等式並非對所有情況成立,(B) 錯誤。


🔒

後續完整解題步驟與【答案】

免費註冊,享三天全站完整詳解閱覽。

免費註冊

第 8 題

Suppose that vectors x and y in Rn\mathbb{R}^n satisfy Rx=yRx = y for some R∈Rn×nR \in \mathbb{R}^{n \times n} with RTR=IR^T R = I. Which of the following options are possible?
(A) x=[2,1,2]Tx = [2, 1, 2]^T, y=[3,0,0]Ty = [3, 0, 0]^T.
(B) x=[2,1,1]Tx = [2, 1, 1]^T, y=[3,1,0]Ty = [3, 1, 0]^T.
(C) x=[1,2,3]Tx = [1, 2, 3]^T, y=[0,0,6]Ty = [0, 0, 6]^T.
(D) x=[3,4,2]Tx = [3, 4, 2]^T, y=[2,0,5]Ty = [2, 0, 5]^T.
(E) x=[2,3,5]Tx = [2, 3, 5]^T, y=[1,5,4]Ty = [1, 5, 4]^T.

登入後即可作答並保存紀錄。

這一題的完整詳解

核心觀念

由 RTR=IR^T R=I 可知 RR 是正交矩陣。正交矩陣保持向量的長度,因此若 Rx=yRx=y,必須滿足

∥y∥2=∥Rx∥2=(Rx)T(Rx)=xTRTRx=xTx=∥x∥2.\|y\|^2=\|Rx\|^2=(Rx)^T(Rx) =x^T R^T R x =x^T x =\|x\|^2.

所以判斷條件為

∥x∥=∥y∥.\boxed{\|x\|=\|y\|}.

此外,在 Rn\mathbb{R}^n 中,只要兩個向量長度相同,就能取一個正交矩陣將其中一個映射到另一個,因此此條件也是充分條件。


解題方法

逐一計算各選項中 xx 與 yy 的平方長度:

∥x∥2=x12+x22+⋯+xn2,∥y∥2=y12+y22+⋯+yn2.\|x\|^2=x_1^2+x_2^2+\cdots+x_n^2, \qquad \|y\|^2=y_1^2+y_2^2+\cdots+y_n^2.

兩者相等即可判定為可能。


選項分析

(A)

∥x∥2=22+12+22=4+1+4=9,\|x\|^2=2^2+1^2+2^2=4+1+4=9, ∥y∥2=32+02+02=9.\|y\|^2=3^2+0^2+0^2=9.

兩者長度相同,因此存在正交矩陣 RR 使得 Rx=yRx=y。
(A) 正確。

(B)

∥x∥2=22+12+12=6,\|x\|^2=2^2+1^2+1^2=6, ∥y∥2=32+12+02=10.\|y\|^2=3^2+1^2+0^2=10.

兩者長度不同,正交矩陣無法改變向量長度。
(B) 錯誤。

(C)

🔒

後續完整解題步驟與【答案】

免費註冊,享三天全站完整詳解閱覽。

免費註冊

第 9 題

Let L be the operator on P3P_3 (the set of polynomials of degree less than 3) defined by L(p(x))=xp′(x)+p′′(x)L(p(x)) = xp'(x) + p''(x), where p′(x)p'(x) denotes the derivative of p(x)p(x) with respect to x. Find the matrix A representing L with respect to E={1+x,−1+x2,1+x2}E = \{1 + x, -1 + x^2, 1 + x^2\}. Denote the last two rows of A by [a21,a22,a23][a_{21}, a_{22}, a_{23}] and [a31,a32,a33][a_{31}, a_{32}, a_{33}], respectively. Which of the following statements are true?
(A) a21=0a_{21} = 0
(B) a22=0a_{22} = 0
(C) a31=0.5a_{31} = 0.5
(D) a32=1a_{32} = 1
(E) a33=2a_{33} = 2

登入後即可作答並保存紀錄。

這一題的完整詳解

核心觀念

對基底 E={e1,e2,e3}E=\{e_1,e_2,e_3\},線性算子 LL 的表示矩陣 AA 滿足:

[L(p)]E=A[p]E[L(p)]_E=A[p]_E

其中矩陣的第 jj 欄為 [L(ej)]E[L(e_j)]_E。

因為 P3P_3 表示次數小於 33 的多項式,所以可設

p(x)=c0+c1x+c2x2.p(x)=c_0+c_1x+c_2x^2.

則

p′(x)=c1+2c2x,p′′(x)=2c2,p'(x)=c_1+2c_2x,\qquad p''(x)=2c_2,

因此

L(p)=xp′(x)+p′′(x)=c1x+2c2x2+2c2.L(p)=xp'(x)+p''(x) =c_1x+2c_2x^2+2c_2.

解題方法

令

e1=1+x,e2=−1+x2,e3=1+x2.e_1=1+x,\qquad e_2=-1+x^2,\qquad e_3=1+x^2.

第一欄:計算 L(e1)L(e_1)

由 e1=1+xe_1=1+x,得

e1′=1,e1′′=0,e_1'=1,\qquad e_1''=0,

所以

L(e1)=x.L(e_1)=x.

將 xx 表示成基底 EE 的線性組合:

x=αe1+βe2+γe3.x=\alpha e_1+\beta e_2+\gamma e_3.

比較各次方係數:

x=α(1+x)+β(−1+x2)+γ(1+x2),x=\alpha(1+x)+\beta(-1+x^2)+\gamma(1+x^2),

得到

{α−β+γ=0,α=1,β+γ=0.\begin{cases} \alpha-\beta+\gamma=0,\\ \alpha=1,\\ \beta+\gamma=0. \end{cases}

解得

α=1,β=12,γ=−12.\alpha=1,\qquad \beta=\frac12,\qquad \gamma=-\frac12.

故

[L(e1)]E=[112−12].[L(e_1)]_E= \begin{bmatrix} 1\\[2pt] \frac12\\[2pt] -\frac12 \end{bmatrix}.

第二欄:計算 L(e2)L(e_2)

由 e2=−1+x2e_2=-1+x^2,得

e2′=2x,e2′′=2.e_2'=2x,\qquad e_2''=2.

因此

L(e2)=x(2x)+2=2x2+2=2(1+x2)=2e3.L(e_2)=x(2x)+2=2x^2+2=2(1+x^2)=2e_3.

所以

🔒

後續完整解題步驟與【答案】

免費註冊,享三天全站完整詳解閱覽。

免費註冊

第 10 題

Let S2×2S_{2 \times 2} be the set of all 2×22 \times 2 symmetric matrices. Then S2×2S_{2 \times 2} is a subspace of R2×2\mathbb{R}^{2 \times 2}. Suppose that E={v1,v2,v3}E = \{v_1, v_2, v_3\} and F={w1,w2,w3}F = \{w_1, w_2, w_3\} are two bases of S2×2S_{2 \times 2}, where
v1=[133−7]v_1 = \begin{bmatrix} 1 & 3 \\ 3 & -7 \end{bmatrix}, v2=[11117]v_2 = \begin{bmatrix} 1 & 1 \\ 1 & 17 \end{bmatrix}, v3=[0−3−37]v_3 = \begin{bmatrix} 0 & -3 \\ -3 & 7 \end{bmatrix}
w1=[4110]w_1 = \begin{bmatrix} 4 & 1 \\ 1 & 0 \end{bmatrix}, w2=[111−3]w_2 = \begin{bmatrix} 1 & 1 \\ 1 & -3 \end{bmatrix}, w3=[0331]w_3 = \begin{bmatrix} 0 & 3 \\ 3 & 1 \end{bmatrix}
Let S be the transition matrix from E to F. Denote the first two rows of S by [s11,s12,s13][s_{11}, s_{12}, s_{13}] and [s21,s22,s23][s_{21}, s_{22}, s_{23}], respectively. Which of the following statements are true?
(A) s11=1s_{11} = 1
(B) s12=1s_{12} = 1
(C) s13=3s_{13} = 3
(D) s21=3s_{21} = 3
(E) s22=1s_{22} = 1

登入後即可作答並保存紀錄。

這一題的完整詳解

核心觀念

將 2×22 \times 2 對稱矩陣 [abbc]\begin{bmatrix} a & b \\ b & c \end{bmatrix} 同構映射至三維空間座標向量 (a,b,c)T∈R3(a, b, c)^T \in \mathbb{R}^3。
基底 E={v1,v2,v3}E = \{v_1, v_2, v_3\} 與 F={w1,w2,w3}F = \{w_1, w_2, w_3\} 之向量表示分別為:
v1=[13−7],v2=[1117],v3=[0−37]v_1 = \begin{bmatrix} 1 \\ 3 \\ -7 \end{bmatrix}, \quad v_2 = \begin{bmatrix} 1 \\ 1 \\ 17 \end{bmatrix}, \quad v_3 = \begin{bmatrix} 0 \\ -3 \\ 7 \end{bmatrix}
w1=[410],w2=[11−3],w3=[031]w_1 = \begin{bmatrix} 4 \\ 1 \\ 0 \end{bmatrix}, \quad w_2 = \begin{bmatrix} 1 \\ 1 \\ -3 \end{bmatrix}, \quad w_3 = \begin{bmatrix} 0 \\ 3 \\ 1 \end{bmatrix}

由基底 EE 至基底 FF 之轉移矩陣(Transition Matrix)SS 定義為滿足 [x]F=S[x]E[x]_F = S [x]_E 之矩陣,其第 jj 行為 [vj]F[v_j]_F,即滿足關係式:
vj=s1jw1+s2jw2+s3jw3,j=1,2,3v_j = s_{1j} w_1 + s_{2j} w_2 + s_{3j} w_3, \quad j = 1, 2, 3
寫成矩陣形式:
WS=V  ⟹  S=W−1VW S = V \implies S = W^{-1} V
其中 W=[4101130−31]W = \begin{bmatrix} 4 & 1 & 0 \\ 1 & 1 & 3 \\ 0 & -3 & 1 \end{bmatrix}, V=[11031−3−7177]V = \begin{bmatrix} 1 & 1 & 0 \\ 3 & 1 & -3 \\ -7 & 17 & 7 \end{bmatrix}。


詳細推導與計算

🔒

後續完整解題步驟與【答案】

免費註冊,享三天全站完整詳解閱覽。

免費註冊
📄 以下 4 題共用同一段題幹

考慮函數 f:[0,∞)→Rf:[0,\infty)\to\mathbb{R}(R\mathbb{R} 代表實數所成之集合)及 Laplace 轉換 L:f↦F\mathcal{L}:f\mapsto F,定義為:
F(s)=∫0∞f(τ)e−sτ dτ:=L(f(t))F(s)=\int_0^\infty f(\tau)e^{-s\tau}\,d\tau:=\mathcal{L}(f(t))

第 11 題3 分

令 F(s)=L(f(t))F(s)=\mathcal{L}(f(t)),G(s)=L(g(t))G(s)=\mathcal{L}(g(t))。請問 L(3f(t)+g(t))\mathcal{L}(3f(t)+g(t)) 等於哪個函數?

登入後即可作答並保存紀錄。

這一題的完整詳解
載入中…

第 12 題3 分

令 F(s)=L(f(t))F(s)=\mathcal{L}(f(t)),G(s)=L(g(t))G(s)=\mathcal{L}(g(t))。請問 L(f(t)g(t))\mathcal{L}(f(t)g(t)) 等於哪個函數?

登入後即可作答並保存紀錄。

這一題的完整詳解
載入中…

第 13 題3 分

令 F(s)=L(f(t))F(s)=\mathcal{L}(f(t)),且 f(0)=0f(0)=0。請問 e3sF(s)+s2F(s)e^{3s}F(s)+s^2F(s) 是哪個函數的 Laplace 轉換?

登入後即可作答並保存紀錄。

這一題的完整詳解
載入中…

第 14 題3 分

令 F(s)=L(f(t))F(s)=\mathcal{L}(f(t))。請問 L(t∗f(t))\mathcal{L}(t*f(t)) 是哪個函數的 Laplace 轉換?

在這裡,t∗f(t)t*f(t) 代表函數 g(t)=tg(t)=t 與函數 f(t)f(t) 的 convolution。

登入後即可作答並保存紀錄。

這一題的完整詳解
載入中…
📄 以下 6 題共用同一段題幹

考慮線性微分方程式:
x¨(t)+ax˙(t)+bx(t)=u(t),x(0)=x1,x˙(0)=x2\ddot{x}(t)+a\dot{x}(t)+bx(t)=u(t),\qquad x(0)=x_1,\qquad \dot{x}(0)=x_2

第 15 題3 分

令 u(t)≡0u(t)\equiv 0。請問當參數 aa 與 bb 滿足甚麼條件的情況下,給予任何非零初值 (x1,x2)(x_1,x_2),方程式的解 x(t)x(t) 都不會發散?

登入後即可作答並保存紀錄。

這一題的完整詳解
載入中…

第 16 題3 分

令 u(t)≡0u(t)\equiv 0。請問當參數 aa 與 bb 滿足甚麼條件的情況下,給予任何非零初值 (x1,x2)(x_1,x_2),方程式的解 x(t)x(t) 都會發散?

登入後即可作答並保存紀錄。

這一題的完整詳解
載入中…

第 17 題3 分

令 u(t)≡0u(t)\equiv 0。請問當參數 aa 與 bb 滿足甚麼條件的情況下,給予任何非零初值 (x1,x2)(x_1,x_2),方程式的解 x(t)x(t) 都會收斂到 00?

登入後即可作答並保存紀錄。

這一題的完整詳解
載入中…

第 18 題3 分

令 u(t)≡0u(t)\equiv 0,(a,b)=(0,−1)(a,b)=(0,-1)。請列出所有會讓方程式的解收斂到 00 的非零初值。

登入後即可作答並保存紀錄。

這一題的完整詳解
載入中…

第 19 題3 分

令 (x1,x2)=(0,0)(x_1,x_2)=(0,0),(a,b)=(0,1)(a,b)=(0,1)。請列出所有會讓方程式的解發散的 u(t)u(t) 函數。

登入後即可作答並保存紀錄。

這一題的完整詳解
載入中…

第 20 題3 分

令 (x1,x2)=(0,0)(x_1,x_2)=(0,0),(a,b)=(1,1)(a,b)=(1,1),u(t)=sin⁡(ωt)u(t)=\sin(\omega t)。請問 ω\omega 之值為何,會讓本方程式之解有最大振幅?

登入後即可作答並保存紀錄。

這一題的完整詳解
載入中…

第 21 題20 分

考慮聯立微分方程組:

x˙1=x3,x˙2=x4,x˙3=−α1x1+βx2,x˙4=βx1−α2x2.\begin{aligned} \dot{x}_1&=x_3,\\ \dot{x}_2&=x_4,\\ \dot{x}_3&=-\alpha_1x_1+\beta x_2,\\ \dot{x}_4&=\beta x_1-\alpha_2x_2. \end{aligned}

其中 α1,α2,β\alpha_1,\alpha_2,\beta 皆為正數。令
A=[−α1ββ−α2].A=\begin{bmatrix}-\alpha_1&\beta\\\beta&-\alpha_2\end{bmatrix}.

(a)(10 分)令 x1x_1 所滿足之微分方程式的特徵方程式的根為 λ\lambda。請證明 λ2\lambda^2 為矩陣 AA 之特徵值。

(b)(10 分)請推導 α1,α2,β\alpha_1,\alpha_2,\beta 須滿足之條件,來讓微分方程組的解在給定任何初值的情況下都不會發散。

登入後即可作答並保存紀錄。

這一題的完整詳解
載入中…

其他考古題