矩阵6

合集下载

矩阵

矩阵
a1 Da4 − b1 Db4
a2 D= b3 b2 = a2 a3 − b2 b3 a3
14
含参数行列式
1 5 1.若 0 0 1 2 3 4 2 6 0 0 1 x 3 4 3 4 块三角形 7 8 12 = 0, 则x = = −4 ( 5 x − 12 ) = 0 ⇒ x = 5 x 3 4 5 前2列观察,容易化
⎛ ⎞ ⎡0 ⎜ ⎟ 2 4.若A = ⎜ 0 0 4 ⎟,则A = ⎢⎢0 ⎢0 ⎣ ⎜0 0 0⎟ ⎝ ⎠
0 8⎤ 0 0⎥ ⎥ 0 0⎥ ⎦
, A3 = 0 .
⎛ 0 2 3 ⎞ ⎛ 0 2 3 ⎞ ⎡0 0 8 ⎤ ⎛ 0 2 3 ⎞ ⎜ ⎟⎜ ⎟ ⎜ ⎟ A2 = ⎜ 0 0 4 ⎟ ⎜ 0 0 4 ⎟ → ⎢ 0 0 0 ⎥ ⎜ 0 0 4 ⎟ = 0 ⎢ ⎥ ⎜ 0 0 0 ⎟ ⎜ 0 0 0 ⎟ ⎢0 0 0⎥ ⎜ 0 0 0 ⎟ ⎝ ⎠⎝ ⎠ ⎣ ⎦⎝ ⎠
3 1 * T − A B = ____ . 2 2
n
A-1 B* − A* B −1 = ____ 。 −6
( −5)
n
1 * T ⎛1⎞ * T ⎛1⎞ n −1 A B =⎜ ⎟ A B =⎜ ⎟ A B 2 ⎝2⎠ ⎝2⎠
n
A* = 2 A−1 , B* = −3B −1 A-1 B* − A* B −1 = −3 A-1 B −1 − 2 A−1 B −1 = −5 A−1 B −1 A B −AB
⎧ Ax = 0有非零解 ⎪ ⎪反证法 ⎪ A 推理中: = 0 ⇔ ⎨ r ( A ) < n ⎪ 0是A的特征值 ⎪ ⎪A =− A ⎩
18
定理
设n 阶行列式 a11 a21 an1 a12 a22 an 2 a1n a2 n ann

第6讲 矩阵及其运算 方阵.PPT

第6讲  矩阵及其运算  方阵.PPT

3、矩阵与矩阵相乘
1) 定义
设 A (aij ) 是一个 m s 矩阵, B (bij ) 是一 个 s 矩n 阵,那末规定矩阵 A 与矩阵 B 的 乘积 C (cij是) 一个 m n矩阵. 其中
s
cij ai1b1 j ai2b2 j aisbsj aikbkj
k 1
(i 1, 2, m ; j 1, 2, , n),
C (cij )33.

1
C AB 1
0
0 1 5
1 3 1
402
0 1 3 1
3 2 1 2
4 1 1
1
5 6 7
10 2 6.
2 17 10
注意 只有当第一个矩阵的列数等于第二个矩阵 的行数时,两个矩阵才能相乘.
1 2 3
例如
3 5
2 8
1 9
1 6
如果 AT A 则矩阵A称为反对称的.
第二节 方阵
行数与列数都等于 n的矩阵 ,A称为 阶n 方阵. 可记作 An .
一 几类重要的方阵
1 单位阵
1 0
E
En
0
1 O
0 0
O
0 0
1
称为单位矩阵(或单位阵).来自全为1不全为0
2
1 0 形如 0 2
0 O 0
0
O0
的方阵,称为对角
2. 某航空公司在 A, B, C, D 四城
B
市之间开辟了若干航线, 如图
所示表示了四城市间的航班图, A
C
如果从 A 到 B 有航班, 则用带
箭头的线连接 A 与 B .
D
四城市间的航班图情况常用表格来表示:
其中 表示有航班.

新理解矩阵(1-6全)

新理解矩阵(1-6全)

新理解矩阵1前边我承诺过会写一些关于自己对矩阵的理解。

其实孟岩在《理解矩阵》这三篇文章中,已经用一种很直观的方法告诉了我们有关矩阵以及线性代数的一些性质和思想。

而我对矩阵的理解,大多数也是来源于他的文章。

当然,为了更好地理解线性代数,我还阅读了很多相关书籍,以求得到一种符合直觉的理解方式。

孟岩的blog已经很久没有更新了,在此谨引用他的标题,来叙述我对矩阵的理解。

当然,我不打算追求那些空间、算子那些高抽象性的问题,我只是想发表一下自己对线性代数中一些常用工具的看法,比如说矩阵、行列式等。

同时,文章命名为“理解矩阵”,也就是说这不是矩阵入门教程,而是与已经有一定的线性代数基础的读者一起探讨关于矩阵的其他理解方式,仅此而已。

我估计基本上学过线性代数的读者都能够读懂这篇文章。

首先,我们不禁要追溯一个本源问题:矩阵是什么?我们不妨回忆一下,矩阵是怎么产生的。

矩阵可以看成是一个个向量的有序组合,这说明矩阵可以类比向量;但是向量又是怎么产生的?向量则是一个个数字的有序组合,这又把我们的研究方向指向了“数字是什么”这个问题上。

比如,数字1是什么?它可以代表1米,可以代表1千克,也可以代表1分钟、1摄氏度甚至1个苹果。

它为什么有这么多的表示意义?答案很简单,因为在本质上,它什么都不是,它就是数字1,一个记号,一个抽象的概念。

正因为它抽象,它才可以被赋予各种各样直观的意义!回到矩阵本身,我们才会明白,矩阵的作用如此之大,就是因为书本上那个很枯燥的定义——矩阵就是m行n列的一个数表!它把矩阵抽象出来,让它得到了“进化”。

它是一个更一般化的概念:一个向量可以看作一个矩阵,甚至一个数都可以看成一个矩阵,等等。

代数方面的理解当然,上述说法是含糊的,我们还是需要确切知道它究竟有什么用?这可以从代数和几何的角度来分析,因为做到数形结合才是最完美的。

首先我们知道数学最基本的元素就是数字,严格来说是自然数,如0,1,2,...;有了数字,我们就可以做到很多东西。

§6实对称矩阵的标准形

§6实对称矩阵的标准形

矩阵的运算
加法
相同位置的元素相加 。
减法
相同位置的元素相减 。
数乘
所有元素乘以一个数 。
乘法
两个矩阵相乘,仅当 第一个矩阵的列数等 于第二个矩阵的行数 时,才能进行乘法运 算。
转置
将矩阵的行转换为列 ,或者将列转换为行 。
02
实对称矩阵
实对称矩阵的定义
实对称矩阵的定义
如果一个矩阵A是实数矩阵,并且A的转置矩阵A^T等于A, 则称A为实对称矩阵。
矩阵的初等变换
总结词
详细描述
1. 行交换
2. 行倍法
3. 行消法
矩阵的初等变换是线性 代数中常用的方法,通 过行变换和列变换,可 以将一个矩阵转化为另 一个矩阵。
矩阵的初等变换包括以 下三种
将矩阵的两行互换位置 。
将矩阵的某一行乘以非 零常数。
用某一非零常数乘以矩 阵的某一行中的所有元 素,并将此常数加到另 一行对应位置的元素上 。
退化矩阵:至少有一个特征值为零的实对称矩阵。
正常矩阵:所有特征值都是正数的实对称矩阵。
半正定矩阵:所有特征值都是非负数的实对称矩阵,且 至少有一个特征值为零。
03
实对称矩阵的标准形
实对称矩阵标准形的定义
实对称矩阵
如果一个矩阵A是实数矩阵,并且A的转置等于它本身, 即$A^T=A$,那么我们称A为实对称矩阵。
矩阵的逆运算
要点一
总结词
矩阵的逆运算是线性代数中一个重要的概念,对于一 个可逆矩阵,存在一个逆矩阵,使得两矩阵相乘等于 单位矩阵。
要点二
详细描述
设A是一个n阶方阵,如果存在一个n阶方阵B,使得 AB=BA=E(E为单位矩阵),则称A是可逆矩阵,并将 B称为A的逆矩阵。在实数域上,一个n阶方阵A是可逆 的充分必要条件是|A|≠0。

太原理工大学研究生矩阵论第6章 非负矩阵

太原理工大学研究生矩阵论第6章 非负矩阵

显然 A 是正矩阵,则 A 必是非负矩阵. 反之不然. 若 A , B 是两个 m n 的实矩阵,其中 A (aij ) , B (bij ) ,
X ( x1 , x2 ,, xn )T 是 n 维实向量,则有记号 A B 表示所有元素 aij bij , A B 表示所有元素 aij bij ,
0 r , 1 ,, h1
的模都等于 r ,则这些数都是互不相同的而且是方程 r 0
h h
2 ( h 0) 的根; 复数平面上的点集 {r , 1 ,, h1 } 在绕原点旋转 h 角的变换下不变. 当 h 1 时,矩阵 A 置换相似于矩阵 D ,即
0 0 PAP T D 0 A h1 A12 0 0 0 0 0 0 A23 0 0 . Ah1,h 0
( A) . 即(2)得证.
(3) 令 B 1 ( A) A (bij ) 0 ,则有 ( B) 1 ,故要证明(3) 只需证明 1 是 B 的单特征根就行了. 这又只需证明在 B 的 Jordan 标准形中, 相当于特征值 1 的 Jordan 块只有一块, 并且是一阶子块. 根据结论(1),必有向量 Y ( y1 , y2 ,, yn )T 0 ,使得 从而对任何 k 1 都有 令
为特征值的正特征向量.
n
由于 AX X ,所以对于 1 i n 的整数 i ,有
xi aij x j ,
j 1
两边取模,就有
( A) xi xi aij x j , (i 1, 2,, n)
j 1
n
将这 n 个式子合起来写成矩阵形式就是
n

矩阵理论作业6:两种算法求三次最佳平方逼近多项式

矩阵理论作业6:两种算法求三次最佳平方逼近多项式

矩阵理论作业6:两种算法求三次最佳平⽅逼近多项式两种算法求()f x 的三次最佳平⽅逼近多项式摘要对于⼀个较复杂的函数,往往需要求⼀个简单多项式来逼近。

本⽂选取两种基函数,⽤两种算法计算⼀个函数()=exp()sin()f x x x ?在[0,]2x π∈上的三次最佳平⽅逼近多项式及其逼近误差,然后应⽤matlab 进⾏计算作图并对⽐两种⽅法的逼近结果。

关键字:三次最佳平⽅逼近两种算法引⾔多项式的⼀个重要应⽤就是可以⽤来逼近⼀个区间上的连续函数,往往许多复杂的函数需要⽤各种⽅法来进⾏多项式逼近。

本⽂参考矩阵理论讲义[1]对函数()=e x p()s i n (f x x x ?在[0,]2x π∈上进⾏三次最佳平⽅逼近,求其逼近误差,并在matlab 中编程计算和绘图以验证和⽐较逼近结果的准确性。

求最佳平⽅逼近的多项式()=exp()sin()f x x x ?,[0,]2x π∈求三次的最佳平⽅逼近多项式(内积中的权函数()=1x ρ)。

⽤两种算法实现,⼀是设{}23=1,,,span x x x Φ,⼆是设为{}0123=(),(),(),()L x L x L x L x Φ,其中(),0,1,2,3i L x i =是勒让德多项式。

第⼀种算法:{}23=1,,,span x x x Φ,由矩阵形式(1)根据[,]C a b 上内积定义((),())()()()baf xg x x f x g x dxρ=?(2)其中权函数()=1x ρ,在[0,]2x π∈上计算得2340234513456245673 2.9052/2/8/24/64 3.2781/8/24/64/160 4.0294/24/64/160/384 5.2035/64/160/384/896a a a a ππππππππππππππππ=(3)解得待定系数00.0201a =,10.7658a =,2 1.5765a =,20.0708a =-。

6.相似矩阵复习

6.相似矩阵复习

3 设1 λ是 的 个 同 特 值 α, 2是 应 . λ, 2 A 两 不 的 征 , 1 α 相 的
征 量 明 α, 2 线 无 ; 特 向 ,证 : 1 α 必 性 关
征 量 明 α 2 不 的 征 量 特 向 ,证 : 1 +α 必 是A 特 向
证明1 证明1 因为A~B, 所以存在可逆矩阵P,使 因为A 所以存在可逆矩阵P,使 P,
A λE =0 根1 λ,, n就 A n 特 值 − 的 λ, 2 ⋯ λ 是的个 征
2、特征向量的求法
λ所 应 特 向 为 对 的 征 量 i kα + +kα ,k ,⋯k 不 为 , r 全 零 1 1 ⋯ r r 1
特 值i ( , 基 解 α , r 对 征 λ,解 A−λE X=0 得 础 系 1,⋯α i )
0 −4 −5 0=1 −A= 0 0 −6 =− 4 , ∴ c=0 E 2c −c 0 −2
3---特征向量的性质 ---特征向量的性质
1)方阵A的不同特征值所对应的特征向量必线性无关。 方阵A的不同特征值所对应的特征向量必线性无关。 2)实对称矩阵A的不同特征值所对应的特征向量必相 实对称矩阵A 互正交。 互正交。 3)正交向量组必是线性无关组。 正交向量组必是线性无关组。
(1) (2) (3)
用A左乘(1),得 左乘(1),得 (1),
λ 乘 ) 用 2左 ( 1 得 x λα +x λα =0 1 2 1 2 2 2
(3)-(2),得 (3)-(2),得
x λα +x λα =0 1 1 1 2 2 2
x ( λ −λ ) α =0 1 2 1 1
, 1 2 ∵ α ≠0 λ ≠λ , 1

风险矩阵表

风险矩阵表

风险矩阵表风险 矩阵 6 一般风 险 (Ⅱ 级) 3 4中等风险 (Ⅲ级) 12 18重大风险 (Ⅳ级) 24特别重大风险 (Ⅴ 级) 30 36损 有效类别 赋值 人员伤害程度及范围失 由于伤害估算的损失 (元)A6多人死亡500 万以上51015202530B5一人死亡100 万到 500 万之间812162024C4多人受严重伤害10 万到 100 万69121518 D 3一人受严重伤害 一人受到伤害,需要急1 万到 10 万2 低风险 (Ⅰ ) 级 14681012 E 2救;或多人受轻微伤害2000 到 1 万23456 F 1 有效类别 赋值 发生的可能性 风险值 30-36 18-25 一人受轻微伤害 0 到 2000 风险等级划分 风险等级 特别重大风险 重大风险 中等风险 一般风险 低风险 备注 Ⅴ级 Ⅳ级 Ⅲ级 Ⅱ级 Ⅰ级L 1 不可能K 2 很少J 3 低可能I 4 可能发生H 5 能发生G 6 时有发生估计从不发生10 年以上可能 发生一次10 年内可能发 生一次5 年内可能发生 一次每年可能发生一 次1 年内能发生 10 次或以上发生可能性的衡量(发生频率)9-16 3-81/100 年1/40 年1/10 年1/5 年1/1 年≥10/1 年发生频率量化1-2。

2.1 矩阵的概念 2.2矩阵的运算

2.1 矩阵的概念    2.2矩阵的运算

a11 b11 a 21 b21 a b m1 m1
a12 b12 a 22 b22 a m 2 bm 2
a1n b1n a 2 n b2 n a mn bmn
简记为:A B (aij ) (bij ) (aij bij )
三、矩阵与矩阵的乘法
定义2· 5
B 设矩阵 A (aij ) ms , (bij ) sn,由元素
cij ai1b1 j ai 2b2 j aisbsj aikbkj
k 1
s
构成的矩阵 C (cij ) mn称为矩阵A与矩阵B的乘积。 记为 即:
a11 a i1 a m1
a12 a 22 am2

a1n a2n a mn

1.
矩阵概念与行列式概念的区别:
a11 a12 a1n a 21 a 22 a 2 n 一个行列式 D a n1 a n 2 a nn
代表一个数
(*)
把方程组中系数aij及常数项 bi 按原来次序取出, 作一个矩阵
a11 a 21 a m1 a12 a 22 a1n a2n b1 b2 bm m×(n+1)
=A
增广矩阵
a m 2 a mn
则线性方程组(*)与 A 之间的关系是1-1对应的
则称矩阵A与矩阵B相等。记为:A=B
1 a c 1 1 例如:若 A B 且A=B 2 b 3 0 d
则有c=0; a=-1; b=2; d=3
一、矩阵的加法

§6实对称矩阵的标准形

§6实对称矩阵的标准形

要点二
例子2
二维矩阵 $A=\begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix}$ 也是一个实对称矩阵,因为 $A^T=A$。它的特征值是1和-1,对应的特征向量分 别是 $\frac{1}{\sqrt{2}}\begin{pmatrix} 1 \\ 1 \end{pmatrix}$ 和 $\frac{1}{\sqrt{2}}\begin{pmatrix} 1 \\ -1 \end{pmatrix}$。这些特征向量正交,且可以单位化 ,验证了实对称矩阵的性质2和性质3。
方法一
通过特征值和特征向量进行对角化。首先求出实对称矩阵的 特征值和特征向量,然后将特征向量单位正交化,构成正交 矩阵P,最后计算P^(-1)AP得到对角矩阵D。
方法二
通过矩阵的相似变换进行对角化。寻找一个可逆矩阵P,使得 P^(-1)AP为对角矩阵。对于实对称矩阵,这个可逆矩阵P可 以由其正交的特征向量构成。
§6实对称矩阵的标准 形
2023-11-11
目录
• 实对称矩阵的定义与性质 • 实对称矩阵的对角化 • 实对称矩阵的正交变换与标准形 • 实对称矩阵标准形的求解方法 • 实对称矩阵标准形的应用
01
实对称矩阵的定义与性质
实对称矩阵的定义
• 定义:实对称矩阵是指一个矩阵的所有元素都是实数,并且 满足矩阵的转置等于它本身的矩阵。具体来说,对于一个 $n\times n$ 的矩阵 $A$,如果满足 $A^T=A$,则称 $A$ 为实对称矩阵。
多元统计分析中的应用
因子分析
实对称矩阵的标准形在因子分析中可用来确定公共因 子,简化多元数据的分析过程。
判别分析
通过实对称矩阵的标准形,可以建立判别函数,用于 分类和预测问题。

第6章矩阵的特征值及特征向量的计算

第6章矩阵的特征值及特征向量的计算
特征值。 特征值。 当
λ
x
的特征值时, 是矩阵 A 的特征值时,相应的方程组 的特征向量。 ,称为矩阵 A 关于 λ 的特征向量。
(λ I − A) x = 0
的非零解
式及( 式看, 它只是代数方程求根及线性方程组求解的问题。 从 ( 6 . 1 ) 式及 ( 6 . 2 ) 式看 , 它只是代数方程求根及线性方程组求解的问题 。 当 很小时( 这种方法是可行的。 稍大时, 很小时( 如 n = 2,3,4 ) ,这种方法是可行的。 但当 n 稍大时 ,多项式方 程是一个高次方程,求解它是一个很困难的问题。 程是一个高次方程,求解它是一个很困难的问题。 本章主要介绍四种目前在计算机上比较常用的计算矩阵的特征值和特征向 量的幂法、反幂法、雅可比法及雅可比过关法。 量的幂法、反幂法、雅可比法及雅可比过关法。
程序运行结果: 程序运行结果: Matrix 2.000000 3.000000 10. 10.000000 3.000000 3.000000 6.000000 Max EigenValue 11. 11.000002 Max EigenVector 0.500000 1.000000 0.750000
▪ 反幂法的基本思想
反幂法是计算矩阵按模最小的特征值和相应的特征向 量的数值计算方法。 可逆, 量的数值计算方法 。 设某 n 阶矩阵 A 可逆 , λ 和 ν 分别 的特征值和相应的特征向量, 为 A 的特征值和相应的特征向量 , 并设 λi ≠ 0, i = 1,2,⋅ ⋅ ⋅, n , 1 −1 得 A −1 ν = 对 Aν = λ ν 两边同乘 A , ν ,可见 A 和 A −1 的 λ 特征值互为倒数, 特征值互为倒数 , 而且 ν 也是 A −1 的特征值 1 λ 的特征向 量。 A −1 的按模最大的特征值正是 A 的按模最小的特征值 的倒数, 的倒数 , 用幂法计算 A −1 的按模最大的特征值而得到 A 的 按模最小的特征值的方法,称为反幂法。 按模最小的特征值的方法,称为反幂法。

§6实对称矩阵的标准形

§6实对称矩阵的标准形

基于共轭梯度法的优化算法设计
基于共轭梯度法的实对称矩阵优化算法设计
通过计算当前点的梯度和前一步的梯度方向,确定新的搜索方向,每次迭代时更新特征值和特征向量,直到满足收敛条件。
算法复杂度和收敛性分析
基于共轭梯度法的实对称矩阵优化算法的复杂度和收敛性取决于目标函数的性质、初始值的选择以及迭代步长等参数。该算法在实际应用中具有较高的效率和精度。
构建目标函数
通过构建目标函数,将优化问题转化为最优化问题,目标函数通常是最小化矩阵与对角矩阵之间的差距。
构建约束条件
实对称矩阵的特征值和特征向量之间存在特定的约束条件,如归一化、正交等,需要在建模时考虑。
01
02
03
03
算法复杂度和收敛性分析
基于梯度下降的实对称矩阵优化算法的复杂度和收敛性取决于目标函数的性质、初始值的选择以及迭代步长等参数。
xx年xx月xx日
§6实对称矩阵的标准形
目录
contents
矩阵的基础知识实对称矩阵的标准形实对称矩阵的应用实对称矩阵的标准形判定方法实对称矩阵在数值计算中的应用实对称矩阵的优化算法设计
01
矩阵的基础知识
由$m\times n$个元素构成,元素的排布按照行优先的顺序构成一个矩形阵列。
矩阵的定义
在机器学习中的应用
04
实对称矩阵的标准形判定方法
VS
实对称矩阵的特征值是矩阵的重要参数,可以反映矩阵的特性和行为。实对称矩阵的特征值具有特定的性质,如重数和符号等。通过计算实对称矩阵的特征值,可以确定其标准形。
特征向量
实对称矩阵的特征向量是矩阵特征值的对应向量。通过计算特征向量,可以确定实对称矩阵的奇异值分解和标准形。
谢谢您的观看

第6讲矩阵的初等变换与初等矩阵

第6讲矩阵的初等变换与初等矩阵

1 ... 1 E(i(k)) = k 1 ... 1
1 1 ... ... 1 k 1 or E ( ij ( k )) = E ( ij ( k )) = ... ... k 1 1 ... ... 1 1
第六讲 矩阵的初等变换与初等矩阵
§3.1 矩阵的初等变换 §3.2 初等矩阵
矩阵的初 第一节 等 变 换
矩阵的初等变换是矩阵的一种十分重要的 运算,它在解线性方程组、求逆矩阵及矩阵理 论的探讨中都可起到非常重要的作用。 引例:用消元法解下面的线性方程组
2x1 − x2 − x3 + x4 = 2 x1 + x2 − 2x3 + x4 = 4 4x − 6x + 2x − 2x = 4 2 3 4 1 3x1 + 6x2 − 9x3 + 7x4 = 9 2 −1 −1 1 2 1 1 −2 1 4 方 程组 的增 广矩 B = 阵 4 −6 2 −2 4 3 6 −9 7 9
(1) r1 −r2 −r3 1 (2) r2 −r3 0 ~ 0 (3) 0 (4)
1 1 0 0
0 1 0 0
−2 1 −1 1 0 1 0 0
−1 0 −1 0 0 1 0 0
4 0 −3 0
4 3 −3 0
x1 = x3 + 4 令 即 程 的 为 x2 = x3 + 3 x3 = c, 方 组 解 : x4 = −3
设矩阵Am×n,Em(i,j),En(i,j),Em(i(k)), En(i(k)),Em(ij(k)), En(ij(k)),则可以验证:

矩阵教学课件

矩阵教学课件

例如:
13 2
6 2
5 2
是一个3 阶方阵.
2 2 2
(2) 只有一行的矩阵 A a1,a2 ,,an ,称为行矩阵(或行向量).
(3) 只有一列的矩阵
a1
B
a2
,
an
称为列矩阵(或列向量).
第二章 矩阵
§1 矩阵的概念
(4) 元素全为零的矩阵称为零矩阵, 记作O.
注意:不同阶数的零矩阵是不相等的.
例8: 设列矩阵X = (x1 x2 ···xn)T, 满足XTX = 1, E为n 阶单位 矩阵, H = E – 2XXT, 证明: H为对称矩阵, 且HHT = E.
证明: 自学 (见P49)
第二章 矩阵
§2 矩阵的运算
五、方阵的行列式 定义:由n阶方阵A的元素所构成的行列式(各元素的位
置不变),称为方阵A的行列式,记作|A| 或det A. 例
第二章 矩阵
§1 矩阵的概念 §2 矩阵的运算 §3 逆矩阵 §4 分块矩阵 §5 矩阵的初等变换 §6 矩阵的秩
第二章 矩阵
§1 矩阵的概念
一、矩阵的定义 定义: 由m×n个数aij (i = 1,2, ∙ ∙ ∙, m ; j = 1,2, ∙ ∙ ∙, n) 排
成的m行n列的数表
称为m行n列矩阵,简称m×n矩阵.
y1 a11x1 a12 x2 a1n xn ,
y2 a21x1 a22 x2 a2n xn ,
ym am1 x1 am2 x2 amn xn .
表示一个从变量x1、x2、…xn到变量y1、y2、…ym的线性变换,
其中aij为常数。
第二章 矩阵
§1 矩阵的概念
,
x

6 矩阵的秩

6 矩阵的秩
第六节 矩阵的秩
一:矩阵秩的概念
位于这些行及列的交叉处的元素按原来的位置组成一个 称其为矩阵A的一个k阶子式。 k阶行列式,
1 2 矩阵 A 0 2 0 0 0 0 3 1 1 1 0 3 0 0 0 1 0 0
任意取出k个行和k个列, 定义1 在一个 m n矩阵A中,
0 R( A) min m, n
即一个矩阵的秩肯定小于等于矩阵行数和列数的最小者 (3) R( A) r A中所有r+1阶子式全为零
R( A) r A中所有大于r阶子式全为零 R( A) r A中有一个r阶子式不为零
例1 求矩阵A的秩,已知
1 2 1 0 A 2 4 1 0
0 0
1 2 0 2 0 0 0 0
2 0
1 6 3
注 对一个 m n 矩阵显然有 k minm, n
k k 一共有C m Cn 个k阶子式
取A的1、2、3、4行和A的1、2、3、4列得到A的一个4阶
子式为
3 1 1 1 0 0 3 0 0
矩阵A的不等于零的子式的最高阶数称为A的秩, 定义2: 记作秩为R(A),并规定零矩阵的秩是零。
0 1 0 3
0 1 1 4
解: 首先考查A的最高阶子式(这里为4阶且只有一个)即
A 4 0
故 定理1
R( A) 4
n阶方阵A可逆的充分必要条件是秩 R(A)=n 注 (1)n阶方阵A秩为n A 0 (2)n阶方阵A不可逆 R( A) n (3)n阶方阵A不可逆 A 0 当n阶方阵A的秩为n时,也称A为满秩矩阵, 否则称A为降秩矩阵。
b 0 0 a b
c1

6满秩矩阵与逆矩阵

6满秩矩阵与逆矩阵

!!! 请记住:矩阵是否等价只须看矩阵的秩是否相同。 请记住:矩阵是否等价只须看矩阵的秩是否相同。
满秩矩阵
定义:若方阵 的秩与其阶数相等 则称A为满秩矩阵 的秩与其阶数相等, 为满秩矩阵; 定义:若方阵A的秩与其阶数相等,则称 为满秩矩阵; 否则称为降秩矩阵。 否则称为降秩矩阵。 E----满秩阵 满秩阵 ( 满秩⇔非奇异 降秩⇔奇异) 满秩⇔ 降秩⇔奇异) O----降秩阵 降秩阵 定理: 为满秩阵, 定理:设A为满秩阵,则A的标准形为同阶单位阵 E .即 为满秩阵 的标准形为同阶单位阵 即
A≅ E
推论1:以下命题等价: 推论 :以下命题等价:
(i) A满秩; (ii ) A ≅ E ; (iii) A非奇异; (iv ) A = P1 P2 ⋯ Pm ; (其中Pi为初等矩阵。 ) (∵ r ( A) = n,∴ A ≠ 0, 证
(i ) ⇔ (ii ) ⇔ (iii )
定理
(ii ) ⇒ (iv ) : ∵ A ≅ E , ∴ ∃初等矩阵 P1 , P2 , ⋯ , Pl,Pl +1 , ⋯ , Pm , 使 A = P1 P2 ⋯ Pl EPl +1 ⋯ Pm = P1 P2 ⋯ Pl Pl +1 ⋯ Pm (iv ) ⇒ (ii ) : ∵ A = P1 P2 ⋯ Pm ∴A≅ E = PP ⋯P E
?? 1 − 1 − 1 的逆怎样求? ? A = − 3 2 1 的逆怎样求?
2 0 1
逆阵的性质
1 (i ) A可逆 ⇒ A = ; A (ii ) A可逆 ⇒ A−1可逆, ( A−1 ) −1 = A;
−1
(iii ) AB = E (or BA = E ) ⇒ B = A ;

矩阵基本性质完整版

矩阵基本性质完整版

矩阵基本性质标准化管理处编码[BBX968T-XBB8968-NNJ668-MM9N]矩阵的基本性质矩阵A的第A第A列的元素为A AA。

我们A A或(A)表A×A的单位矩阵。

1.矩阵的加减法(1)A=A±A,对应元素相加减(2)矩阵加减法满足的运算法则a.交换律:A+A=A+Ab.结合律:(A+A)+A=A+(A+A)c.A+A=Ad.A−A=A2.矩阵的数乘(1)A=A A,各元素均乘以常数(2)矩阵数乘满足的运算法则a.数对矩阵的分配律:A(A+A)=A A+A Ab.矩阵对数的分配律:(A+A)A=A A+A Ac.结合律:(AA)A=A(A A)d.A?A=A3.矩阵的乘法(1)A=A A×A A A×A,左行右列对应元素相乘后求和为C的第A行第A列的元素(2)矩阵乘法满足的运算法则a.对于一般矩阵不满足交换律,只有两个方正满足且有AA=AA=Ab.分配律:A(A+A)=AA+AAc.结合律:(AA)A=A(AA)d.数乘结合律:A(AA)=A(A A)4.矩阵的转置A A, (A A)AA=A AA(1)矩阵的幂:A1=A,A2=AA,…,A A+1=A(A A)(2)矩阵乘法满足的运算法则a. (A A)A=Ab. (A+A)A=A A+A Ac. (A A)A=A(A A)d. (AA)A=A A A A5.对称矩阵:A A=A即a AA=a AA;反对称矩阵:A A=−A即a AA=−a AA (1)设A,A为(反)对称矩阵,则A±A仍是(反)对称矩阵。

(2)设A,A为对称矩阵,则AA或AA仍是对称矩阵的充要条件AA=AA。

(3)设A 为(反)对称矩阵,则A A ,A A 也是(反)对称矩阵。

(4)对任意矩阵A ,则A ≡12(A +A A ),A ≡12(A +A A )分别是对称矩阵和反对称矩阵且A =A +A .(5)(A A )A =A6. Hermite 矩阵:A A =A 即a AA =a AA ̅̅̅̅̅̅̅;反Hermite 矩阵,A A =−A即a AA =−a AA ̅̅̅̅̅̅̅ a.A A =(A ̅)Ab. (A +A )A =A A +A Ac. (A A )A =A ̅̅̅(A A )d. (AA )A =A A A Ae. (A A )A =Af. (A A )−A =(A −A )A (当A矩阵可逆时)7.正交矩阵:若A A A =A A A =A ,则A ,(A )∈A A ×A 是正交矩阵(1)A −A =A A ∈A A ×A(2)det A =±1(3)AA , AA ∈A A ×A8.酉矩阵:若A A A =A A A =A ,则A ,(A )∈A A ×A 是酉矩阵(1)A −A =A A ∈A A ×A(2)|det A |=1(3)AA , AA ∈A A ×A(4)A A ∈A A ×A9.正规矩阵:若A A A =A A A ,则A 是正规矩阵;若A A A =AA A ,则A 是实正规矩阵10.矩阵的迹和行列式(1)AA (A )=∑A AA A A =A =∑A A A A =A 为矩阵A 的迹;|A |或det (A )为行列式(2)AA (AA )=AA (AA );注:矩阵乘法不满足交换律(3)AA (AAA )=AA (AAA )=AA (AAA )(4)A =AAA , A 为酉矩阵,则AA (A )=AA (A )(5)|A A +AA A |=|A A +A A A |(6)|A A +AA A |=|A A +A A A |(7)|A A |=|A |(8)|A A |=A A |A |(9)|AA |=|A ||A |(10)det (A +AA )=det (A +AA )(11)|A |=∏A A A A =A(12)A =log [det (A A +AAA ∗)], A =A A A A ,则 A =∑log (1+A AA A )A A =1其中A A 为AA ∗奇异分解值的特征值11.矩阵的伴随矩阵A ∗(1)设A ={A AA }由行列式|A |的代数余子式A AA 所构成的矩阵(2)AA ∗=A ∗A =|A |A12.矩阵的逆(逆矩阵是唯一的)(1)A 的逆矩阵记作A −A , AA −A =A −A A =A ;(2)|A |≠0(A 为非奇矩阵)时,A −A =A|A |A ∗(3)|A |≠0且A ≠0,则(A A )−A =1A A −A(4)由AAA −A A −A =A ,得(AA )−A =A −A A −A(5)(A A )−A =(A −A )A(6)若|A |≠0,|A −A |=A|A |(7)若A 是非奇上(下)三角矩阵,则A −A 也上(下)三角矩阵(8)A −A =(A −A )A(9)(A −A +A A A −A A )−A A A A −A =AA A (AAA A +A )−A(10)(A +AA )−A A =A (A +AA )−A(11)Woodbury 恒等式 :(A +AA −A A )−A =A −A −A −A A (A +AA −A A )−A AA −A(12)A −A =A ∧−1A A12.对角矩阵,矩阵A 为对称矩阵,A 正交矩阵,则A −A AA =AAAA(A A ,A A )为对角矩阵或A −A AA =A A AA =AAAA (A A ,A A )=∧,则A =A ∧A A =∑A A A A A A A A A =A ; A −A =A ∧−1A A =∑1A AA A A A AA A =A 13.矩阵的导数(1)A (AA )=A A A +A A A(2)A (A −A )=−A −A A A A −A(3)A AA |A |=AA (A −A A A )(4)A AA AA (AA )=A AA(5)A AA (AA )=A A(6)A AA (A A A )=A(7)A AA (A )=A(8)A AA (AAA A )=A (A +A A )AA|A|=(A−A)A (9)A。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

§5. 矩阵函数我们知道,在复变函数论中,复变量幂级数:∑∞=0!m mm zzeR =+∞=ˆ(和函数)∑∞=----0121)!12()1(m m m m zz R sin ˆ=+∞=∑∞=-+2)!2()1(1m mmm zz R cos ˆ=+∞=都在整个复平面上收敛,因而都有确定的和(如上)。

由上节Th 3.及推论知n n C A ⨯∈∀,则方阵幂级数:∑∞==0!m Amem A—称为A 的指数函数Am Am m m sin )!12()1(0121=--∑∞=--—称为A 的正弦函数201(1)cos (2)!mmm AA m ∞=+-=∑—称为A 的余弦函数都收敛,且其和为方阵的函数(可以用幂级数的和函数来定义矩阵函数)根据1)1()1ln(11=⋅-=+∑∞=-R Zmz m mm1!)1()1()1(1=⋅+-⋅⋅-⋅+=+∑∞=R Zm m I z m mαααα可以定义矩阵函数,)ln(A E +与α)(A E +为:(只要1)(<A ρ)∑∞=-⋅-=+11)1()ln(m mm AmA E∑∞=⋅+-⋅⋅-⋅+=+1!)1()1()(m mAm m E A E αααα一般地,有如下重要结论:若复变量幂级数∑∞=0m m m z c 的收敛半径为R ,其和为f (z ),即)()(0R z zcz f m mm<=∑∞=则),)(()(0∑∞=⨯∈<=m nn mm CA R A A c A f ρ)(A f 称为矩阵幂级数∑∞=0m mm Ac 的和矩阵—A 的函数。

那么,对于∑∞=0m m m A c ,且R A <)(ρ时,绝对收敛,而如何求出和矩阵(矩阵函数))(A f ——是本节课所要解决的问题。

Th 1.对nn C Z ⨯∈∀,若∑∞=0m mm Z c 收敛,其和记为)(Z f ,即:∑∞==)(m mmZcZ f则当),,,(21t Z Z Z diag Z =时,有))(,),(),(()(21t Z f Z f Z f diag Z f =Proof :mt Nm mN t Z Z Z diag cZ Z Z diag f Z f )),,,((lim)),,,(()(21021 ∑=∞→==),,,(lim 021mt Nm m m N m m m N m m N Z c Z c Z c diag ∑∑∑===∞→=)lim ,,lim ,lim(021mt Nm mN m N m mN m N m mN Z cZ cZ cdiag ∑∑∑=∞→=∞→=∞→=))(,),(),((21t Z f Z f Z f diag =另证:),,,(21mt mmmZ Z Z diag Z =∑∑∞=∞===210),,,()(m mt mmmm mmZ Z Z diag cZcZ f∑∞==21),,,(m mt m mm mmZ c Z c Z cdiag ))(,),(),((21t Z f Z f Z f diag =Th 2.设)()(0R z z c z f m mm <=∑∞=是收敛半径为R 的复变量幂级数。

又n n J ⨯⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=0000111λλλ 是n 阶约当块,则当R<0λ时,矩阵幂级数mmm cJ ∞=∑绝对收敛,且其和为:⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡-'-'''==--∞=∑)()()!2(1)()()()!1(1)(!21)()()(00)2(000)1(00000λλλλλλλλf f n f f fn f f f J cJ f n n m mm注:)(0J f 的第一行恰为函数∑∞==0)(m m m x c x f 在0λ点处的T aylor 级数的导数,(注意约当块的另一种形式,和为转置)。

∴求)(0J f 时,应先求出各阶T aylor 级数的导数,写到对应的位置上即可。

有了上述两个定理的准备工作,就可以计算矩阵函数)(A f 了。

下面分两种情况来讨论: 一、 若),,(~21m diag A λλλ即121),,(-=PPdiag A m λλλi λ为A 的特征值,这就有了:Th 3.设复变数幂级数∑∞==0)(m m m z c z f 的收敛半径为R ,若:121),,()(-⨯=∈PPdiag CA n nn λλλ 且R A <)(ρ,则:矩阵函数∑∞=-==0121))(),(),(()(m n mm Pf f f Pdiag A c A f λλλ显见①)(A f 的特征值为)(),(),(21n f f f λλλ 。

②))(),(),((~)(21n f f f diag A f λλλ 推论1.若121),,(-=PPdiag A m λλλ 则:①1),,,(21-=Peee Pdiag e nA λλλ②121)sin ,,sin ,(sin sin -=PPdiag A n λλλ ③121)cos ,,cos ,(cos cos-=PPdiag A n λλλ可见,在求矩阵函数)(A f 时,先看A 是否相似于对角阵),,(21n d i a g λλλ ,若~A 对角阵,则求出P ,即可得121))(),(),(()(-=Pf f f Pdiag A f n λλλeg 1.设⎪⎪⎭⎫ ⎝⎛-=2010A 求A e Asin ,解:由)2(21+=+-=-λλλλλA EA ∴的特征值2,021-==λλ01=λ时,由0)(21=⇒=-x XA E θλ 取⎪⎪⎭⎫⎝⎛=011ξ 22-=λ时,由02)(212=--⇒=-x x X A E θλ取⎪⎪⎭⎫ ⎝⎛-=212ξ令⎪⎪⎭⎫ ⎝⎛-=2011P (通过求特征相量求P ),则P 可逆,且⎪⎪⎪⎪⎭⎫⎝⎛-=⎪⎪⎭⎫ ⎝⎛---=-2102111012211P则12000-⎪⎪⎭⎫ ⎝⎛-=P P A 即⎪⎪⎭⎫ ⎝⎛-=-20001PAP ⎪⎪⎪⎭⎫ ⎝⎛-=⎪⎪⎭⎫⎝⎛=∴----2212021211001eeP e P eA⎪⎪⎪⎭⎫⎝⎛-=⎪⎪⎭⎫ ⎝⎛-=-2sin 02sin 210)1sin(000sin 1P P A⎪⎪⎪⎭⎫ ⎝⎛-=⎪⎪⎭⎫ ⎝⎛=-2cos 02cos 212102cos 0cos 1P P A二、当A 与约当标准形相似时一般地,A 不与对角阵相似,则必与Jordan 形相似。

事实上,对角阵是Jordan 形的一种特殊情形。

Th 4.设复变数幂级数∑∞==0)(m m m z c z f 的收敛半径为R ,n n C A ⨯∈12211))(,),(),((-=PJ J J Pdiag A s s λλλ 且R A <)(ρ,则121))(,),(),(()(-=PJ f J f J f Pdiag A f s其中111i ii i s i n n J λλλ⨯⎛⎫⎪⎪⎪= ⎪⎪⎪⎝⎭ 是i n 阶约当块,且nn si i=∑=1eg 2.设⎪⎪⎪⎭⎫ ⎝⎛=032100010A求A e解:⎪⎪⎪⎭⎫ ⎝⎛----=-λλλλ321001)(A E23)1)(2()(323--=+-=λλλλλD ; 1)(2=λD1)(1=λD23)1)(2()(+-=λλλE1)(2=λE1)(1=λE初等因子组:2)1()2(+-λλ⎪⎪⎪⎭⎫⎝⎛--=∴100110002~J A 即PJAP PJP A =⇒=-1 令),,(321x x x P=则),,2(),,(3221321x x x x PJ Ax Ax Ax AP--===则有⎪⎩⎪⎨⎧-=-==)(23232211x x Ax x Ax x Ax求得⎪⎪⎪⎭⎫ ⎝⎛--=114012111P (不唯一)(如何求P )⎪⎪⎪⎭⎫ ⎝⎛--=-336252121911P121)))1(()),2(((--=∴PJ f J f Pdiag eA⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛--⎪⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎭⎫ ⎝⎛--=--31313292959291929100000114012111112e e e e⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛--⎪⎪⎪⎪⎭⎫⎝⎛---+=-----3131329295929192914211212112e e e e e e e e e e e §6.矩阵谱上的函数矩阵的多项式表示Df 1.设n n C A ⨯∈,r λλλ ,,21是A 的所有互异的特征值,A 的最小多项式为:rd r d d mP)()()()(2121λλλλλλλ---= 其中i d 为A 的Jordan 标准形中包含i λ的Jordan 块的最大阶数,且nd ri i≤∑=1若函数)(λf 各阶导数存在,则称下列m 个值: 其中,m 为A 的最小多项式的次数。

12(1)111(1)222(1)(),(),,()(),(),,()(),,,(),(),,()r d d d r r r f f ff f f f f f f λλλλλλλλλλ---'⎫⎪'⎪⎬⎪⎪'⎭为在的谱上的值若上述m 个值均存在,则称)(λf 在A 的谱上有意义。

Th 1.A 的最小多项式)(λm P 在A 的谱上的值全为0。

Proof :0)()()(21====r m m m P P P λλλrrrd r r d dd r d dd r d d m d d d P )()()()()()()()()()(2121212112212111λλλλλλλλλλλλλλλλλλλ---++---+---='--r i P i m ,,2,10)( =='⇒λ同理0)(0)(0)()1(2)1(1)1(21===---r d md md mr P P PλλλTh 2.若多项式)(λg 在A 的谱上的值全为0,则)(λg 必可被A 的最小多项式整除。

)()()()(0)()()(0)()()(0)()1(2λλλλλλλλλλλλλλg P g g g g g g m di i d i i i i i i ⇒⎪⎪⎭⎪⎪⎬⎫-⇒=-⇒='-⇒=-Th 3.设n n C A ⨯∈,)(λf 与)(λg 为两个多项式,则()()()()f A g A f g A λλ=⇔与在的谱上的值相同Proof :⇒由)()(A g A f = 令)()()(λλλg f h -=则0)(=A h ,)(λh ∴是A 的零化多项式)()()(λλλq P h m ⋅=∴由Th 1.,)(λm P 在A 谱上的值全为0。

相关文档
最新文档