矩阵理论ppt
合集下载
《矩阵概念简易入门》课件
矩阵在未来的发展趋势与展望
矩阵在计算机科学 中的应用将更加广 泛,如机器学习、 图像处理等领域
矩阵理论将在数学、 物理等基础学科中 发挥更加重要的作 用
矩阵计算方法将更 加高效,如并行计 算、分布式计算等
矩阵理论将与其他 学科交叉融合,如 量子计算、生物信 息学等
THANKS
汇报人:
Part Four
矩阵的分解与变换
矩阵的LU分解
LU分解:将矩阵分解为下三角矩阵L和上三角矩阵U 应用:求解线性方程组、数值计算、矩阵分析等 特点:LU分解是唯一分解,且分解后的矩阵L和U都是稀疏矩阵 计算方法:高斯消去法、追赶法等
矩阵的QR分解
QR分解:将矩 阵分解为正交 矩阵Q和上三
矩阵的正则化方法
正则化方法:将矩 阵中的元素进行规 范化处理,使其满 足一定的约束条件
目的:提高矩阵的 稳定性和准确性, 避免过拟合和欠拟 合
正则化方法包括: L1正则化、L2正则 化、Elastic Net 正则化等
正则化方法的应用: 在机器学习、深度 学习等领域广泛应 用,如SVM、神 经网络等模型中
矩阵概念简易入门
,
汇报人:
目录
01 添 加 目 录 项 标 题 03 矩 阵 的 应 用 场 景 05 矩 阵 的 优 化 方 法 07 总 结 与 展 望
02 矩 阵 的 定 义 与 性 质 04 矩 阵 的 分 解 与 变 换 06 矩 阵 在 机 器 学 习 中 的 应 用
Part One
角矩阵R
正交矩阵Q: 满足Q^TQ=I, 其中I为单位矩
阵
上三角矩阵R: 主对角线以上 的元素均为0
QR分解的应用: 求解线性方程 组、最小二乘 法、特征值分
大学数学矩阵ppt课件
,达到降维的目的。
矩阵运算过程
02
构建协方差矩阵,计算特征值和特征向量,选择主成分进行投
影。
应用场景
03
高维数据处理、数据可视化、异常检测等。
图像处理和计算机视觉中矩阵运算实例
图像处理基础
图像可以表示为矩阵,矩阵运算可用于图像处理的各种操作,如 滤波、变换等。
计算机视觉应用
矩阵运算在计算机视觉领域有广泛应用,如目标检测、图像分割等 任务中的特征提取和降维处理。
拓展延伸:广义逆矩阵、张量等概念简介
广义逆矩阵
介绍广义逆矩阵的概念、性质及其在解决实际问题中的应用,如最小二乘法等。
张量简介
引入张量的概念、性质及其在数学、物理和工程领域的应用,为学生提供更广阔的视野。
THANKS
感谢观看
适用于求解中小规模线性方程组,具有计算简单、直观易懂等优点。
矩阵求逆方法及性质讨论
要点一
矩阵求逆方法
包括伴随矩阵法、初等行变换法等,用于求解方阵的逆矩 阵。
要点二
逆矩阵性质讨论
探讨逆矩阵的唯一性、性质及其在线性方程组求解中的应 用。
线性方程组解存在性判定
齐次线性方程组解存在性 判定
利用系数矩阵的秩与增广矩阵的秩之间的关 系,判断齐次线性方程组是否有非零解。
具体实例
卷积神经网络中的卷积运算、图像压缩中的离散余弦变换等。
机器学习算法中优化问题转化为矩阵形式求解
机器学习优化问题
许多机器学习算法可以转化为优 化问题进行求解,如线性回归、
支持向量机等。
矩阵形式表示
优化问题可以表示为矩阵形式,便 于使用矩阵运算进行高效求解。
求解方法
常用的求解方法包括梯度下降法、 牛顿法等,这些方法可以通过矩阵 运算实现并行计算,提高求解效率 。
矩阵理论课件 (5)
AP (1, ,r ,r1, ,n )
其中,1,2, ,r 线性无关
(r1, ,n ) (1, ,r ) C
AP (1, ,r )Er
C
U
R 0
E
r
C
U
R 0
RC 0
B R
RC
C rn r
B R RC L 0V1
A
U
R 0
RC 0
P
1
U
(L
0
0)V1 0
P1
(L U (0
0)V1 0)V1
A12
A22
A11 A12
A21
A22
L11 L21
0
L22
R%11 0
R%12 R%22
LL1211RR%%1111
L11R%12 L21R%12 L22
R%22
A11 L11R%11
K | A11 || L11 || R%11 | | L11 |
l11l22 lkk 0
An11
1
L1 R%11
0
ann
An11
R%1 0
R%1 An11
1
~
LR
唯一性:设A L1 R%1 L2 R%2
L11L2 R%1R%21
L11L2 R%1R%21 E
L1 L2, R%1 R%2
(ii) (i) A LR%且lii 0(i)
A
A11 A21
P1
U
L 0
0 0
V1
P
1
U
L 0
00V ,其中 V V1P 1.
A RT R
定理 2:设 ACnnn, 用L表示下三角复矩阵, L~是单位下三角复矩阵 , R是上三角复矩阵,
矩阵理论矩阵的标准型ppt课件
–矩阵的相等、加法、数乘和乘法等概念与运算 都与数字矩阵相同,而且有相同的运算规律. 对 n n 的 -方阵可类似定义行列式、子式、余子式、 伴随矩阵等概念.
如果 –矩阵 A( ) 中有一个 r 阶子式 (r 1) 不为零,
而所有 r 1 阶子式(如果存在的话)全为零,则称
A( ) 的秩为 r ,记为 rankA( ) r .零矩阵的秩为 0 . 当 rank( Ann ( ) ) n 时,称 Ann ( ) 为满秩的或非奇异的.
矩阵理论矩阵的标准型
3.1不变因子与初等因子
形如
a11( )
A(
)
a21 (
)
am1
(
)
a12( ) a22( )
am2( )
a1n( )
a2n
(
)
amn
(
)
的 m n 型矩阵称为 –矩阵或多项式矩阵,
其中 aij ( ) (i 1, 2, , m; j 1, 2, , n) 为 的多项式.
若 A( ) 的秩为 r ,则 Dr ( ) 0 ,但 Dr1( ) 0 ,
记
d1( ) D1( )
dk ( )
Dk ( ) , k Dk1( )
2, ..., r
则 di ( )(i 1, , r) 是 r 个首 1 的多项式.
定义 3.4 上式中的 di ( ) (i 1, , r) 称为 A( ) 的不变因子. 其中 r 为 A( ) 的秩. 定理 3.3 里 A( ) 的 Smith 标准形中的 d1( ), , dr ( ) 就是 它的不变因子.
解 A( ) 虽然是对角形,但对角元素不满足依次相除性,
故不是 Smith 标准形. 方法一 用初等变换
(精品课件)研究生教材《矩阵理论》PPT演示文档
列和第
行, x ( x1 , x2 ,, xn ) ,则有
( 2) ( n)
Ax x1 A x2 A xn A
这就是说,矩阵乘一个列向量,其结果是将该矩 阵的列向量进行线性组合,组合系数即是该列向量 的对应系数。 若令 y ( y1 , y2 ,, ym ), 则有:
yA y1 A(1) x2 A( 2) xm A( m)
其余元素均为0的矩阵。借助这些矩阵,任意 矩阵 A aij , 均能唯一地表示成: A
m n
n ij ij
a E .
i 1 j 1
m
对矩阵乘法的表达,可以利用下述性质:
Eij Ekl jk Eil ,1 i, j, k , l n,
其中 jk 是Kronecker符号,即当
.函数与极限
5
【定义1.1.4 】 一个 一个
m p
pn
p
矩阵 B bij
m n
矩阵 C cij , 其中
矩阵 A aij
与
的乘积是一个
cij aik bkj ,1 i m,1 j n.
j 1
★矩阵的乘法有下述性质: (M1)结合律:( AB)C A( BC);
并将其分块成
P Q1P2 ,
P 11 P P 21
.函数与极限
P 12 P22
26
其中
P 11 , P 12 , P 21 , P 22
分别为
r1 r2 ,
r1 ( p r2 ), ( p r1 ) r2 , ( p r1 ) ( p r2 )
A( E pq Eqp ) (aii Eii E pq aii Eii Eqp ) a pp E pq aqq Eqp ;
矩阵理论及方法(谢冬秀,雷纪刚,陈桂芝编著)PPT模板
第7章矩阵的广义逆与直积及其应用
7.1矩阵的几种广义逆
01
7.1.1广义逆矩阵的基本概 念
03
7.1.3自反减号逆A<sup></sup><sub>r</sub>
05
7.1.5最小二乘广义逆A<sup></sup><sub>l</sub>
02
7.1.2减号逆
04
7.1.4极小范数广义逆A<sup></sup><sub>m</sub>
01
习题6
06
6.2随机矩 阵与双随 02 机 矩 阵
6 . 5 T o e p l 05 itz矩阵与 Hankel
矩阵
04
6.4广义对 角占优矩阵
6.3M矩
03
阵与 Stieltje
s矩阵
第6章几类特殊矩阵
6.1非负矩阵
6.1.2非负矩 阵谱半径的 界
6.1.1Perron -Frobenius 定理
2.4.3常用的 直接三角分 解法
第2章矩阵的变换与分解
2.5QR分解
2.5.1QR分解的概念
2.5.2QR分解的实际求 法
2.5.3基于QR分解的参 数估计问题
2.5.4矩阵与Hessenberg矩 阵的正交相似问题
04 第3章矩阵范数及其应用
第3章矩阵范数及其应用
3.1向量范数
3.2矩阵范数
06
7.1.6加号逆 A<sup>+</sup>
第7章矩阵的广义逆与直积及其应用
7.2广义逆与线性方程组的解
矩阵理论课件 (21)
例2: C[a,b]表示在[a,b]所有实连续函数的全体, 其构成R上的 线性空间,f ( x), g( x) [a,b]规定
b
(f (x), g(x)) a f ( x)g( x)dx
证明: C[a,b]是欧氏空间.
b
f ( x), g( x), a f ( x)g( x)dx 是唯一确定实数
当 t (t R,非零),显然定理中等号成立;反之,如果等号 成立,则, 必线性相关.因为若, 线性无关,则t R, 非零,都有 t 0.从而( t , t ) 0,所以等号不
成立, 矛盾.
返回
证明(2):若=0,不等式显然成立. 设 0,则
0 -k 2 =(-k ,-k )
( , )-k( , )-k( , ) kk( , )
(4)(分配律): ( , ) ( , ) ( , )
则映射( , ) 是 Vn(C) 上的内积,定义了内积的V为
n维酉空间.
返回
例1: (a1 ,L ,an )T , (b1 ,L ,bn )T Rn ,若规定
n
( , ) aibi i 1
则上式定义了一个内积, Rn是内积空间.
i 1
j 1
n
n
n
n
( , ) ( xii , y j j )
xi y j (i , j )= xi y j aij
i 1
j 1
i, j 1
i, j 1
(其中aij=(i , j )),构造矩阵和列向量:
(1, 1) (1, 2 ) L
A ( 2 ,1) ( 2 , 2 ) L
(2) , V , , 在基1 ,L
,
下的坐标分别为
n
x (x1 ,L , xn )T , y (y1 ,L , yn )T ,则
b
(f (x), g(x)) a f ( x)g( x)dx
证明: C[a,b]是欧氏空间.
b
f ( x), g( x), a f ( x)g( x)dx 是唯一确定实数
当 t (t R,非零),显然定理中等号成立;反之,如果等号 成立,则, 必线性相关.因为若, 线性无关,则t R, 非零,都有 t 0.从而( t , t ) 0,所以等号不
成立, 矛盾.
返回
证明(2):若=0,不等式显然成立. 设 0,则
0 -k 2 =(-k ,-k )
( , )-k( , )-k( , ) kk( , )
(4)(分配律): ( , ) ( , ) ( , )
则映射( , ) 是 Vn(C) 上的内积,定义了内积的V为
n维酉空间.
返回
例1: (a1 ,L ,an )T , (b1 ,L ,bn )T Rn ,若规定
n
( , ) aibi i 1
则上式定义了一个内积, Rn是内积空间.
i 1
j 1
n
n
n
n
( , ) ( xii , y j j )
xi y j (i , j )= xi y j aij
i 1
j 1
i, j 1
i, j 1
(其中aij=(i , j )),构造矩阵和列向量:
(1, 1) (1, 2 ) L
A ( 2 ,1) ( 2 , 2 ) L
(2) , V , , 在基1 ,L
,
下的坐标分别为
n
x (x1 ,L , xn )T , y (y1 ,L , yn )T ,则
电子科技大学 矩阵理论!ppt课件
n
( , ) H aibi i 1
则上式定义了一个内积,C n是酉空间.
返回
定义: 设1,L , n是酉空间V一组基,令aij ( i , j ),
则称矩阵A=(aij )为基1,L
,
的度量矩阵
n
,或Gram矩阵
.
定理:
设矩阵A=(aij
)为酉空间V的一组基1,L
,
的
n
度量矩阵,则
(1) AH A;
xi H Bx j ij .
返回
定理 6 设n n矩阵 A AH , B BH,且B正定,与B共扼 向量系x1 , x2 ,L , xn具有以下性质, (1) xi 0 ( i 1, 2,L ,n ) ; (2) x1 , x2 ,L , xn 线性无关 ; (3)i与xi满足方程Axi i Bxi ; (4)若令X ( x1 , x2 ,L , xn ) , X H BX E , X H AX diag( 1 , 2 ,L ,n )
定义 4 ( x, y) 0
向量 x和y正交,记为 x y
勾股定理: x y
|| x y ||2 || x ||2 || y ||2
垂线最短定理:欧氏空间Vn ( R) 中的一个固定向量 和一个子空间中各向量的距离“垂线最短”.
返回
定义5
n维欧氏空间V中向量1 ,2 ,L ,k的Gram行列式 :
b
(f (x), g(x)) a f ( x )g( x )dx
证明: C[a,b]是欧氏空间.
b
f ( x ), g( x ), a f ( x )g( x )dx 是唯一确定实数
返回
1
f
,
g
b
a
( , ) H aibi i 1
则上式定义了一个内积,C n是酉空间.
返回
定义: 设1,L , n是酉空间V一组基,令aij ( i , j ),
则称矩阵A=(aij )为基1,L
,
的度量矩阵
n
,或Gram矩阵
.
定理:
设矩阵A=(aij
)为酉空间V的一组基1,L
,
的
n
度量矩阵,则
(1) AH A;
xi H Bx j ij .
返回
定理 6 设n n矩阵 A AH , B BH,且B正定,与B共扼 向量系x1 , x2 ,L , xn具有以下性质, (1) xi 0 ( i 1, 2,L ,n ) ; (2) x1 , x2 ,L , xn 线性无关 ; (3)i与xi满足方程Axi i Bxi ; (4)若令X ( x1 , x2 ,L , xn ) , X H BX E , X H AX diag( 1 , 2 ,L ,n )
定义 4 ( x, y) 0
向量 x和y正交,记为 x y
勾股定理: x y
|| x y ||2 || x ||2 || y ||2
垂线最短定理:欧氏空间Vn ( R) 中的一个固定向量 和一个子空间中各向量的距离“垂线最短”.
返回
定义5
n维欧氏空间V中向量1 ,2 ,L ,k的Gram行列式 :
b
(f (x), g(x)) a f ( x )g( x )dx
证明: C[a,b]是欧氏空间.
b
f ( x ), g( x ), a f ( x )g( x )dx 是唯一确定实数
返回
1
f
,
g
b
a
矩阵分析课件-2024鲜版
19
特征多项式求解技巧
特征多项式定义
设A为n阶矩阵,则行列式|λE-A|称为A的 特征多项式。
VS
求解技巧
通过求解特征多项式|λE-A|=0的根,可以 得到矩阵A的特征值。对于具体的求解过程, 可以采用行列式性质、降阶法、因式分解 等方法进行化简和计算。
2024/3/28
20
对角化条件及判别方法
03
$(AB)' = A'B + AB'$,其中$A(t)$和$B(t)$是可乘 的矩阵函数。
26
常见矩阵函数求导公式
若$A(t) = [a_{ij}(t)]$是对角矩阵函数,则$A'(t) = [a_{ij}'(t)]$。
若$A(t) = sin(Bt)$或$cos(Bt)$,其中$B$是常数矩 阵,则可以通过将$sin(x)$和$cos(x)$的幂级数展开
欧拉法具有一阶精度且计算简单但误差较大。
02
龙格-库塔法
一种高精度求解一阶常微分方程的数值方法,通过多步迭代提高精度。
四阶龙格-库塔法具有较高的精度和稳定性,在实际应用中广泛使用。
2024/3/28
03
有限差分法
一种求解偏微分方程的数值方法,通过将连续问题离散化并构造差分格
式进行求解。有限差分法适用于规则区域且易于编程实现但精度受限于
对角化条件
一个n阶矩阵A可以对角化的充分必要条件是A有n个线性无关的特征向量。
判别方法
判断一个矩阵是否可以对角化,可以通过求解其特征值和特征向量,然后判断是否有n个线性无关的特征向量。 如果存在n个线性无关的特征向量,则矩阵可以对角化;否则,矩阵不能对角化。
2024/3/28
21
特征多项式求解技巧
特征多项式定义
设A为n阶矩阵,则行列式|λE-A|称为A的 特征多项式。
VS
求解技巧
通过求解特征多项式|λE-A|=0的根,可以 得到矩阵A的特征值。对于具体的求解过程, 可以采用行列式性质、降阶法、因式分解 等方法进行化简和计算。
2024/3/28
20
对角化条件及判别方法
03
$(AB)' = A'B + AB'$,其中$A(t)$和$B(t)$是可乘 的矩阵函数。
26
常见矩阵函数求导公式
若$A(t) = [a_{ij}(t)]$是对角矩阵函数,则$A'(t) = [a_{ij}'(t)]$。
若$A(t) = sin(Bt)$或$cos(Bt)$,其中$B$是常数矩 阵,则可以通过将$sin(x)$和$cos(x)$的幂级数展开
欧拉法具有一阶精度且计算简单但误差较大。
02
龙格-库塔法
一种高精度求解一阶常微分方程的数值方法,通过多步迭代提高精度。
四阶龙格-库塔法具有较高的精度和稳定性,在实际应用中广泛使用。
2024/3/28
03
有限差分法
一种求解偏微分方程的数值方法,通过将连续问题离散化并构造差分格
式进行求解。有限差分法适用于规则区域且易于编程实现但精度受限于
对角化条件
一个n阶矩阵A可以对角化的充分必要条件是A有n个线性无关的特征向量。
判别方法
判断一个矩阵是否可以对角化,可以通过求解其特征值和特征向量,然后判断是否有n个线性无关的特征向量。 如果存在n个线性无关的特征向量,则矩阵可以对角化;否则,矩阵不能对角化。
2024/3/28
21
第一章矩阵理论(管理数学基础)课件
其中凡是幂次kij
0的一次因式幂(
-
)kij
j
均称为A的初等因子
(i=1, ,n;j=1, ,s; kij n)
ij
28
计算方法
法一:求的不变因子dk (),再分解为( i )ki ,见14页1.12及1.13
Tn a1n1 amnm,
即:
a11
[T
1
T
n
]
[1
m
]
am1
a1n ,
amn
a11
a1n
记
A
,
am1
amn
则上式简记为T A,
称A为线性变换T 关于基、的一个矩阵表示(简称矩阵)。
10
思考:若映射为T : X X,X的维数为n, [1n ]
是X中的一组基,则T的矩阵表示应为:
(1)
16
在上式两边同乘以s得
k1s x1 kss xs 0,
(2)
因为Axi i xi (i 1,,s),用A左乘(1)式得
k11x1 k x s1 s1 s1 kss xs 0, (3)
将(3)、(2)二式两边分别相减得
k1(1 s )x1 ks1(s1 s )xs1 0 由于x1,,xS1线性无关,且i s
变换(算子):非空集合X 到Y的映射,记T:X Y
(若T:X X,则称T为X 上的变换。)
线性变换:满足线性性的变换:T ( x y) Tx Ty
(注:这里X 与Y为线性空间)
例3:考虑变换T:R2 R2,对任x R2,x (x1 x2 )T ,
Tx (x1,0)T ,则有:
T
(
(i 1,s 1),故必有k1 ks1 0, 从而ks 0。即x1,
矩阵理论课件-第一章 线性代数引论
推论2 V中任意一个元素y, 均可由V的一个基底 x1, … , xn唯一表出.
坐标:
n
设 dim V=n, x1, , xn为一组基,y V , 令y= ai xi ,称 i 1
有序数组(a1, , an )T 为y在基x1, , xn下的坐标,它由 y与基x1, , xn唯一确定.
n
例如Pn(x)={ ai xi | ai R}为n+1维空间,1,x, ,xn可作为 i0
2 0 -2 1
注:实际上即
1
0
1 2
1 1
3 1
是标准基(1
,
2
,
3
,
4
)到
1
2
2
2
(1,2,3,4 )的过渡矩阵. 第二问也可用前面讲的公式.
四、子空间和维数定理
子空间:设V是数域F上的线性空间,W V,W非空, 若W中向量关于V的加法和数乘运算也构成F上的线性 空间,则称W为V的子空间.
例1 恒等变换 T:V V,Tx=x,x V. 零变换 T:V V,Tx=0,x V.
例2 伸缩变换:取定k 0,令 T: R3 R3, Tx=kx,x R3. T将R3中任一向量拉伸(k>1)或 压缩(k<1)k倍.
例3 平面旋转变换:取定 (0,2),x (x1, x2 )
令
cos
W1 W2不一定为子空间,例如两个坐标轴之并.
定理 3 设W1,W2为V的两个子空间,则
dim(W1 W2 ) dim W1 dim W2 dim(W1 W2 ).
直和:如果和空间W1 W2中的任一向量均可唯一的表成W1中 的一个向量和W2中的一个向量之和,则称W1 W2是W1与W2的 直和,记为W1 W(2 或W1 W2).
坐标:
n
设 dim V=n, x1, , xn为一组基,y V , 令y= ai xi ,称 i 1
有序数组(a1, , an )T 为y在基x1, , xn下的坐标,它由 y与基x1, , xn唯一确定.
n
例如Pn(x)={ ai xi | ai R}为n+1维空间,1,x, ,xn可作为 i0
2 0 -2 1
注:实际上即
1
0
1 2
1 1
3 1
是标准基(1
,
2
,
3
,
4
)到
1
2
2
2
(1,2,3,4 )的过渡矩阵. 第二问也可用前面讲的公式.
四、子空间和维数定理
子空间:设V是数域F上的线性空间,W V,W非空, 若W中向量关于V的加法和数乘运算也构成F上的线性 空间,则称W为V的子空间.
例1 恒等变换 T:V V,Tx=x,x V. 零变换 T:V V,Tx=0,x V.
例2 伸缩变换:取定k 0,令 T: R3 R3, Tx=kx,x R3. T将R3中任一向量拉伸(k>1)或 压缩(k<1)k倍.
例3 平面旋转变换:取定 (0,2),x (x1, x2 )
令
cos
W1 W2不一定为子空间,例如两个坐标轴之并.
定理 3 设W1,W2为V的两个子空间,则
dim(W1 W2 ) dim W1 dim W2 dim(W1 W2 ).
直和:如果和空间W1 W2中的任一向量均可唯一的表成W1中 的一个向量和W2中的一个向量之和,则称W1 W2是W1与W2的 直和,记为W1 W(2 或W1 W2).
矩阵理论课程介绍.ppt
、数乘.
轾犏犏犏犏犏犏犏臌xxxMn21
每个分量是实 数
处理器:m xn矩阵 骣 çççççççç桫aamM111
L M L
a1n M
am 3
÷÷÷÷÷÷÷÷÷
每个分量是实 数
本科线性代数
研究:由n维实矢量组成的欧式空间和其上的变换/映 射。
矩阵理论
处理对象:线性空间(欧式空间、多项式、函数、实 数、复数、矩阵等)
主要内容
矩阵理论和本科线性代数有什么区别? 为什么电气工程(EE)需要矩阵理论? 课程安排 本科线性代数的回顾
本科线性代数
处理系统(DSP/控制器/电路)
轾犏x 1 犏犏x 2 犏犏M 犏犏臌x n
骣 çççççççç桫aamM111
L M L
a1n M
am 3
÷÷÷÷÷÷÷÷÷
轾犏犏犏犏犏犏犏臌yyyMn21
输入
输出
将向量理解为被处理的对象
例如:信号、控制量/被控制量、参数向量等
将矩阵理解为处理装置
例如:数字信号处理器、线性控制器、图像降噪算法、线 性电路等
矩阵有多少列,输入就有多少分量,矩阵有多少行, 输出就有多少分量。
本科线性代数
处理对象:n维向量(欧式空间中),代数运算:加
参考书籍
教材:刘西奎,矩阵分 析讲义,2006.
参考书:
刘丁酉. 矩阵分析. 武汉大 学出版社, 武汉, 2003.
董增福. 矩阵分析教程. 哈 尔滨工业大学出版社. 哈 尔滨, 2005.
张明淳. 工程矩阵理论. 东 南大学出版社. 1999。
参考书籍
David, C. Lay. Linear Algebra and Its Applications (3rd). 电子工业出版社. 2004 (中文版、英文版)
矩阵理论课件-第三章 矩阵的广义逆
注2:由定理2知
A In
I
m
初等变换
PAQ Q
P
Ir 0 Q
0 0
P
1 0 -1 1
例:设A=
0
2
2
2 ,求A{1}.
-1 4 5 3
解:由
A I4
I3 0
初等变换
I2 0 Q
0 0
P ,这里
0
1 0 1 1
1 0
P=
0
1/ 2
1 2
0 0 1
,
这里只是给出了A{1}的一个构造性描述,在使用上并不直接, 因为还要求出一个A(1).
推论2:方程组(1)相容的充要条件是AA(1)b b,且其通解为 x=A(1)b+(I-A(1)A) y, y Cn任意.
证明:定理1中,取D=b Cm,B=1即得.
注1:因为A+ A{1},故Ax=b相容时,通解为 x=A+b+(I-A+A) y, y Cn.
证明:由A的奇异值分解(r(A)=r),有A=V
Sr 0
0 0
U
H,其中
Sr diag{1, , r},i 0,U和V是酉阵.
令G=U
Sr1 0
AGA=V
Sr 0
0 0
VH
,
可以验证G满足方程1)-4).如第1)3)方程
0 0
U
H
U
Sr1 0
0 0
VH
V
Sr 0
X=A(1) DB(1) +Y-A(1)AYBB(1).(2) 其中Y Cnq为任意.
证明::若AA(1)DB(1)B D,令X=A(1)DB(1)则满足AXB=D. :若AXB=D有解,则D=AXB=AA(1) AXBB(1) B=AA(1) DB(1) B.
相关主题
- 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、"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、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)。
解 A 的3个盖尔圆为
G1: z 20 5.8, G2: z 10 5; G3: z 10i 3
G3
G2
G1
选取 D=diag(1,1,2)
20 5 0.4 则 1 B DAD 4 10 0.5 2 4 10i 的3个盖尔圆为 ' ' G3 G1: z 20 5.4,
j 1 j t
n
两边除以 x t 并取模得
| att | | atj |
j 1 j t
n
n
xj xt
| atj | Rt ,
j 1 j t
n
所以 S t ,即 S S i .
i 1
例 估计矩阵
0.1 0.2 1 0. 5 3 0.1 A 1 0.3 1 0.2 0.3 0.1
n
(i 1, , n).
j 1 j i
称为盖尔圆 Gi 的
定理(圆盘定理 1) 设 A (aij ) C
nn
,则 A 的一切特
征值都在它的 n 个盖尔圆的并集之内,即 A 的任一特征值 满 足
S Si .
i 1
n
设 为 A 的特征值,其对应的特征向量为 x ( x 0) ,即 Ax x ,写成分量形式为 证明
征值都是实数.
定义 设 A (aij ) C
nn
,则称圆盘
S j { z | z a jj | Rj , z C } 为矩阵 A 在复平面上的第 j 个列盖尔圆( j 1,2,, n ) ,其中
Rj Rj ( A) | aij | ( j 1,2,, n )称为 S j 的半径.
G4
~ G4
-2i
四个孤立圆盘
~ ~ G1, G 2, G 3, G4
中,
且各圆盘中仅有A的一个特征值。
例
试估计矩阵
0.11 0.02 1 A 0.02 0.5 0.01 0.01 0.14 0.9
集 S 3 S 4 含有 A 的两个特征值.
0.25 0 1 0.5
0.25 0.25 的特征值. 0.5 2 2i
| z (1 2i) | 0.5 , | z (2 2i) | 1.25 .
其中 S1 与 S 2 是孤立的圆盘,因而各含有 A 的一个特征值, S 3 与 S 4 连通,并
的特征值的范围.
解 A的4 个盖尔圆为 z 1 0.6, z 3 0.8
0.3 0.2 0.5 4
z 1 1.8, z 4 0.6
在复平面的图:
那么,A的全部特征值就在这四个盖尔圆并起来
的区域之中.
连通区域:区域中的任意两点都可以用位于该
推论 1
设 n 阶矩阵 A 的 n 个盖尔圆两两互不相交(都是孤
立的) ,则 A 相似于对角矩阵.
推论 2 设 n 阶实矩阵 A 的 n 个盖尔圆两两互不相交, 则 A的 特征值全为实数. 证明 因为 A 为实矩阵,所以 A 的 n 个盖尔圆都关于实轴对
称.又由这 n 个盖尔圆两两互不相交知, A 的 n 个特征值互不相 等,且每个盖尔圆内恰含有一个特征值.因为,如果实矩阵有复 特征值,则一定成对出现,且在复平面上关于实轴对称,所以若 有一个复特征值在某个盖尔圆内,则与其成共轭的特征值也一定 在该盖尔圆内,这与圆盘定理 2 的结论相矛盾,所以 A 的特征值 都是实数.
区域内的一条折线连接起来的区域.
连通部分:交结为一起的盖尔圆所构成的最大 连通区域.
定理 (圆盘定理2)在矩阵A所
有盖尔圆组成的任一连通部分中,含有A的特征
值的个数等于该连通部分的盖尔圆的个数.
由圆盘定理 2 可知, 由一个盖尔圆组成的连通部分有且仅有一个特 征值, 由两个盖尔圆组成的连通部分有且仅有两个特征值, 但可能这两 个特征值都落在一个圆盘中,而另一个圆盘中没有特征值.
矩阵的特征值在理论上和实际应用中都是 十分重要的,但是特征值的计算一般是非常
麻烦的,尤其当矩阵的阶数比较高时,要精
确计算出矩阵的特征值是相当困难的,因此, 由矩阵元素的简单关系式估计出特征值的范 围就显得尤为重要.本节将主要给出特征值 的估计与圆盘定理,以及谱半径的估计.
特殊矩阵的特征值: 实对称矩阵(厄米特矩阵):特征值在实轴上
0.8 1 2 例 矩阵 A 的特征方程为 0.4 0 ,所以 0.5 0
A 的特征值为
1
A 的两个盖尔圆为
由于
1 0.6 i 2
,
2
1 0.6 i 2
.
| z 1 | 0.8 ,
| z | 0.5 .
| 1 || 2 | 0.4 0.63 0.5 . 所以这两个特征值都不落在圆盘 | z | 0.5 内.
a
j 1
n
ij
x j xi , ( i 1,2,, n )
或
( aii ) xi aij x j . ( i 1,2,, n )
j 1 ji
n
设 x t 为 x 的各分量中模最大的一个,则 xt 0 ,在上式中当 i t 时 有
( att ) xt atj x j ,
G: z 10 4.5;
' 2
G: z 10i 6
' 3
G
' 2
G
' 1
因为 5.4+4.5=9.9 10,4.5+6=10.5 10 2 ' ' ' G , G 与 G 5.4+6=11.4 10 5 ,所以 1 2 3 互不 相交,因而3个特征值在分别在该3个盖尔圆中.
例 如果矩阵 A (aij ) nn , 按行(列)严格对 角占优,则
1i n j 1
n
l 1
n
2
l
aij
i , j 1
n
2
( Schur )
证明 由舒尔定理,存在酉矩阵 U 使得
U H AU T . 其中 T 为上三角矩阵, T 的对角线元素 t ii (i 1,2,, n) 为 A 的特征
值,于是
2 2 2 2 | t | | t | | t | T | | i ii ii ij
det A 0.
证 设 是A 的任一特征值,则存在 i使
Gi , 于是可得
如果
aii Ri aij
j i
0, 则有
aii aij
j i
这与A按行严格对角占优矛盾,故应有 0,
所以 det A 0.
例
估计矩阵
的特征值范围。 解
1 1 2 1 2 4 4 1 1 2 i 0 1 4 4 A 1 1 1 2 1 4 2 1 1 1 2 2 2 i 4 2
n
T ( Si ) ( G j )
i 1
j 1
之中.
取行盖尔圆的并集与列盖尔圆的并集的交一般可以得到比较满意的特征值估
计.
0.5 2 0.25 1 2i 例 隔离矩阵 A 0.5 0.25 0.25 0.5 解 A 的四个行盖尔圆为 S1 : | z 2 | 1 , S 2 : S 3 : | z 1 | 1.25 , S 4 :
幂等矩阵:特征值为0或1
正交矩阵(酉矩阵):特征值位于单位圆上
4.5 特征值的估计
一.特征值的界
nn A ( a ) C 定理:设 的特征值为 1 , ij
, n ,则
l max aij ( A 1 )
1 j n i 1
n
l max aij ( A ) (l 1, 2, , n)
n
n
n
2 F
.
i 1
i 1
i 1
i j
由于在酉相似下矩阵的 F 范数不变,所以
|
i 1
n
i
| T
2
2 F
A F.
2
结论中等号成立当且仅当
2 | t | ij 0 . i j
即 T 为对角阵,因此结论中等号成立当且仅当 A 酉相似于对角阵, 即 A 为正规矩阵.
3 i 2 3i 2i 例 已知矩阵 A 1 0 0 0 1 0
A 的四个列盖尔圆为 : | z (1 2i) | 1.25 , : | z 2 | 1 , S2 S1 : | z 1 | 0.75 , S4 : | z (2 2i) | 1 . S3 与 S4 内, 是孤立的圆盘,因而含在 S 3 S 4 内的两个特征值一个在 S 3 其中 S 3 内. 一个在 S 4
的特征值范围。 解
1 1 2 1 2 4 4 1 1 2 i 0 1 4 4 A 1 1 1 2 1 4 2 1 1 1 2 2 i 4 2 2
A的四个盖尔圆为
ቤተ መጻሕፍቲ ባይዱ
1 G1 : z 2 1 ,G 2 : z 1 2 i 2 5 5 G3 : z 1 , G4 : z 2 2i 4 4
j 1
推论 4 设矩阵 A 的 n 个列盖尔圆中有 k 个互相连通且与其 余 n k 个不相交,则这个连通区域中恰有 A 的 k 个特征值 (当
A 的主对角线上有相同元素时,则按重复次数计算,有特征值相
同时也按重复次数计算).
推论 5 设 A (aij ) C 域