矩阵幂级数

合集下载

6-2 矩阵级数

6-2 矩阵级数
A
(k ) 1
( aijk) ∑k=0 ∑i=1∑j=1 m n ∞
都收敛 ,由于 由于
m n
= max ∑ a
m j
(k ) i=1 ij
( ≤ ∑i=1 ∑j=1 aijk )
由正项级数的比较判别法, 由正项级数的比较判别法,
Department of Mathematics
可知级数 ∑k=0

S = ∑k=0 A

(k )
( n aijk) = sij i =1,L, m; ∑k=0

j =1,L, n;
π
1 例1. 2k (k ) 已知矩阵序列{A } 的通项为A(k) = 0 ∞ A(k ) 判断矩阵级数 的敛散性 k =0

4k 1 (k +1)(k + 2)
A(0) B(0) + ( A(0) B(1) + A(1) B(0) ) +L+ ( A(0) B(k ) +L+ A(k ) B(0) ) +L
绝对收敛, 绝对收敛 记: S
S
(n) 3 n
(n) 1
= ∑k=0 A
n
(k )
S
(n) 2
= ∑k=0 B(k)
n
( ( 则 S1(n)S2n) − S3n) = A(1) B(n) + A(2) B(n−1) +L+ A(n) B(1) +L+ A(n) B(n)
Department of Mathematics
当 ρ ( <

R 时,幂级数
k k i
∑c λ

矩阵级数

矩阵级数

Department of Mathematics
c di 1 kdi 1 ki

c1 k1 ki ik
di di
所以


ck Ak ck (PJ k P1)
k 0
k 0

= P( ck J k )P1
k 0


= Pdiag(
,则它们按项
与B(k) k 0
相乘所得的矩阵级数
A(0) B(0) ( A(0) B(1) A(1) B(0) ) ( A(0) B(k)
也绝对收敛,且其和为AB
证明:只证4.及5.
均绝对收敛
A(k) B(0) )
4.因
A(k) A,记 S (n)
Department of Mathematics
其中
i

J
i
(i
)


1
i

(i 1, 2, , r) 1

i di di
于是
Ak

Pdiag( J1k
(1),
J
k 2
(2 ),
,
J
k r
(r
))
P
1
ik
J
k i
(i
)



c1 k1 ki ik
sA( k )(
n)
1
2k
a1
(1


q4kn
)



0
1 q11
(k 11)(2k
1 22) 3

1 34

矩阵分析

矩阵分析

⎤⎞ 0 ⎥⎟ ⎥ ⎟ P −1 ∞ k k ⎥⎟ 5 ⎥⎟ ∑ k k =0 5 ⎦⎠Biblioteka 由于∑ k发散, 所以原级数发散.
k =0
1 k 解:(3)相应的幂级数为∑ (−1) z , k +1 k =0 的收敛半径为 1,
k

1 k (−1) 所以,当ρ ( A) < 1时, A 收敛。 ∑ k +1 k =0
(3) lim PA Q = PAQ
(k ) k →∞
(4)设 lim A
k →∞ ( k ) −1 k →∞
(k )
= A,若A ,A均可逆,则
(k ) −1
lim( A ) = A
例:设A( k )
⎡ k +1 ⎢ 3k =⎢ ⎢ r 1k ⎢ ⎣
⎤ r ⎥ 1 + 1 1⎤ ⎡ (k ) k ⎥ ,B = ⎢ ⎥ 2 k −k⎥ ⎣ 1 1⎦ k2 + k ⎥ ⎦
1 所以,矩阵幂级数∑ 2 k =0 k


⎡1 7⎤ ⎢ −1 −3⎥ 发散。 ⎣ ⎦
k
⎡ 1 -8⎤ 的特征值为 − 3, (2) A = ⎢ 5 ⎥ ⎣ −2 1 ⎦
ρ ( A) = 5,
k k 级数∑ k z 的收敛半径为b, k =0 b

所以,当5 < b时, 原矩阵级数收敛,
当5 > b时, 原矩阵级数发散,
b = 5时,
k ∞ ⎛ k ⎡ 1 −8⎤ k ⎡ −3 0 ⎤ ⎞ −1 ⎟P = P⎜∑ k ⎢ ∑ ⎥ ⎥ k ⎢ ⎜ k =0 5 ⎣ 0 5⎦ ⎟ 1⎦ k = 0 5 ⎣ −2 ⎝ ⎠ ∞ k
⎛ ⎡∞ k k − ( 3) ⎜ ∞ ⎢∑ k k =0 5 ⎜ ⎢ =P ∑ ⎜ k =0 ⎢ 0 ⎜ ⎢ ⎝ ⎣

矩阵幂和矩阵指数函数的计算方法

矩阵幂和矩阵指数函数的计算方法

矩阵幂和矩阵指数函数的计算方法矩阵幂和矩阵指数函数是矩阵运算中比较重要的两个概念。

在矩阵幂和矩阵指数函数的计算过程中,我们需要用到一些特殊的算法和方法。

本文将介绍矩阵幂和矩阵指数函数的概念、计算方法和应用等方面的内容,帮助读者更好地了解和掌握这两个概念。

一、矩阵幂的概念对于一个$n$阶矩阵$A$,设$k$为一个自然数,则$A^k$表示$k$次幂。

即:$A^k=\underbrace{A \times A \times \cdots \times A}_{k\text{个} A}$其中,当$k=0$时,$A^k$等于$n$阶单位矩阵$I_n$。

矩阵幂的计算过程中,我们需要用到矩阵乘法的定义。

对于两个$n$阶矩阵$A$和$B$,它们的乘积$AB$定义为:$AB=[c_{ij}]=\sum_{k=1}^na_{ik}b_{kj}$其中,$c_{ij}$表示矩阵的第$i$行第$j$列的元素,$a_{ik}$和$b_{kj}$分别表示第$i$行第$k$列的元素和第$k$行第$j$列的元素。

二、矩阵幂的计算方法矩阵幂的计算方法有两种:直接幂法和快速幂法。

1. 直接幂法直接幂法是一种比较简单的计算矩阵幂的方法。

对于一个$n$阶矩阵$A$和一个自然数$k$,我们可以通过$k-1$次连乘的方式计算出$A^k$的值。

即:$A^k=\underbrace{A \times A \times \cdots \times A}_{k-1\text{个} A} \times A$由此可见,计算矩阵幂的直接幂法需要进行$k-1$次矩阵乘法运算,时间复杂度为$O(kn^3)$。

2. 快速幂法快速幂法是计算矩阵幂的高效方法,它能够有效地减少运算次数,提高计算效率。

该方法基于指数的二进制表示,通过不断地平方和乘以相应的权值,最终计算出矩阵幂的值。

具体步骤如下:(1)将指数$k$转换成二进制数,例如,$k=13$转换成二进制数为$1101$。

矩阵分析

矩阵分析

附录I 矩阵分析介绍一、内容提要本章以矩阵序列的极限理论为基础的,介绍矩阵分析的一些基本内容, 包括矩阵序列的极限运算,矩阵序列和矩阵级数的收敛定理, 矩阵幂级数的极限运算和矩阵函数,矩阵的微积分等. 由于采用相似的极限理论为基础, 因此本章内容与通常的(函)数列, (函)数项级数, 幂级数具有许多类似的结果, 建议读者在学习本章时, 与高等数学中相应的内容进行对照, 比较异同, 加深理解.(一) 矩阵序列于矩阵级数1.矩阵序列定义 设{}1k k ∞=A 为m n⨯C中的矩阵序列, 其中()()k k ija =A .如果ij k ijk a a =∞→)(lim对i=1,2,…,m, j=1,2,…,n 均成立,则称矩阵序列{}1k k ∞=A 收敛,而()ij a =A 称为矩阵序列{}1k k ∞=A 的极限,记为lim k k →∞=A A .不收敛的矩阵序列称为发散的.从定义可知, 判断矩阵序列收敛需要判断所有矩阵元素组成的n m ⨯个数列同时收敛. 下面的定理告诉我们可以通过矩阵范数的收敛(一个数列)来判断矩阵序列的收敛.定理 设{}1k k ∞=A 为m n⨯C中的矩阵序列,⋅为m n⨯C 中的一种矩阵范数,则矩阵序列{}1k k ∞=A 收敛于矩阵A 的充要条件是k -A A 收敛于零.从线性空间的观点来看, 一个矩阵可以看作是它所在的矩阵空间中的一个“点”,因此一个矩阵序列的收敛问题就可以看成是该矩阵空间中的“点列”的收敛问题,就可以用各点到极限点的距离(范数)来描述收敛。

矩阵序列收敛有如下性质: (1) 设{}1k k ∞=A 和{}1k k ∞=B 为m n⨯C中的矩阵序列,并且lim k k →∞=A A ,lim k k →∞=B B ,则()lim ,,k k k αβαβαβ→∞+=+∀∈A B A B C .(2) 设{}1k k ∞=A 和{}1k k ∞=B 分别为m n⨯C和n l⨯C中的矩阵序列,并且lim k k →∞=A A ,lim k k →∞=B B ,则 lim k k k →∞=A B A B .(3) 设{}1k k ∞=A ,A ∈n n⨯C中的矩阵序列,lim k k →∞=A A 并且(1,2,)k k =A 和A 均为可逆的,则 11lim k k --→∞=A A.(4) 设n n⨯∈A C,lim 0kk →∞=A 的充分必要条件是<1ρ(A ).若对m n⨯C 上的某种范数⋅,有1<A ,则lim 0kk →∞=A .(5) 设{}1k k ∞=A ,∈A m n⨯C ,并且lim k k →∞=A A,则A A k k =∞→lim .2. 矩阵级数定义2设{}1k k ∞=A 为m n⨯C中的矩阵序列, 称12++++k A A A 为由矩阵序列{}1k k ∞=A 构成的矩阵级数,记为1k k ∞=∑A .定义3 记1kk i i ==∑S A ,称之为矩阵级数1k k ∞=∑A 的前k 项部分和.若矩阵序列{}1k k ∞=S 收敛且lim k k →∞=S S ,则称矩阵级数1kk ∞=∑A收敛,而矩阵S 称为矩阵级数的和矩阵,记为1kk ∞=∑S =A.不收敛的矩阵级数称为发散的.定义4 设1k k ∞=∑A 为m n⨯C中的矩阵级数,其中()()k k ija=A .如果∑∞=1)(k k ija对任意的1≤i≤m,1≤j≤n 均为绝对收敛的,则称矩阵级数1k k ∞=∑A 绝对收敛.对比矩阵级数绝对收敛的定义以及高等数学中的数项级数的绝对收敛的定义可以得出矩阵级数收敛的一些性质.(1) 若矩阵级数1k k ∞=∑A 是绝对收敛,则它一定是收敛的,并且任意调换各项的顺序所得到的级数还是收敛的,且级数和不变.(2) 矩阵级数1k k ∞=∑A为绝对收敛的充分必要条件是正项级数1k k ∞=∑A 收敛.(3) 设1k k ∞=∑A 为m n⨯C中的绝对收敛的级数,1k k ∞=∑B 为n l⨯C中的绝对收敛的级数,并且1kk ∞==∑A A, 1kk ∞==∑B B, 则1k k ∞=∑A ·1k k ∞=∑B 按任何方式排列得到的级数也是绝对收敛的,且和均为A B .(4) 设p m⨯∈P C和n q⨯∈Q C为给定矩阵,如果n m ⨯型矩阵级数0k k ∞=∑A 收敛(或绝对收敛),则q p ⨯矩阵级数k k ∞=∑PA Q 也收敛(或绝对收敛),且有等式 00k k k k ∞∞==⎛⎫= ⎪⎝⎭∑∑P A Q P A Q .(二) 矩阵幂级数定理 设∑∞=0k kk t a 为收敛半径为r 的幂级数,A 为n 阶方阵,则(1) ()r ρ<A 时,矩阵幂级数0kk k a ∞=∑A 绝对收敛;(2) ()r ρ>A 时,矩阵幂级数0kk k a ∞=∑A 发散.推论 设∑∞=-00)(k kk z z a 为收敛半径为r 的幂级数,A 为n 阶方阵,如果A 的特征值均落在收敛圆内,即r z <-0λ,其中λ为A 的任意特征值,则矩阵幂级数∑∞=-00)(k kk z a I A 绝对收敛;若有某个0i λ使得r z i >-00λ,则幂级数∑∞=-00)(k kk z a I A 发散.根据幂级数性质,幂级数的和函数是收敛圆内的解析函数(任意次可微,在任一点处均可展成Taylor 级数),而一个圆内解析的函数可以展开成收敛的幂级数.于是,如果)(z f 是 r z z <-0内的解析函数,其展成绝对收敛的幂级数为∑∞=-=0)()(k kkz z az f ,则当矩阵n n⨯∈A C的特征值落在收敛圆r z z <-0内时,定义∑∞=∆-=00)()(k kk z a f I A A并称之为A 关于解析函数)(z f 的矩阵函数.常用的一些矩阵函数有:232!3!e=++++AAAI A ;24cos 2!4!=-+-AAA I ;35sin 3!5!=-+-AAA A ;123()--=++++I A I A A A ;23ln()23+=-+-A A I A A .对于一般的矩阵函数()f A ,可以利用矩阵的Jordan 分解写出其具体表达式.定理 设∑∞=-=0)()(k k kz z az f 为收敛半径为r 的幂级数,A 为n 阶方阵,1-=A T JT 为其Jordan 分解,()s J J J J ,,,2 1diag =.当A 的特征值均落在收敛圆内时,即r z <-0λ,其中λ为A 的任意特征值,则矩阵幂级数∑∞=-00)(k kk z a I A 绝对收敛, 并且和矩阵为()()()()()-12,,,T J J J T A f s f f f 1diag=其中()i f J 的定义为(1)''()()()(1)!()()()()n ff f n f f f f λλλλλλ-⎛⎫⎪-⎪⎪= ⎪ ⎪ ⎪⎝⎭J. 另外,还可以通过待定系数的方法来求矩阵函数,避免求矩阵的Jordan 分解。

矩阵论知识点

矩阵论知识点

矩阵论知识点第一章:矩阵的相似变换1. 特征值,特征向量特殊的:Hermite矩阵的特征值,特征向量2. 相似对角化充要条件:(1)(2)(3)(4)3. Jordan标准形计算:求相似矩阵P及Jordan标准形求Jordan标准形的方法:特征向量法,初等变换法,初等因子法4. Hamilton-Cayley定理应用:待定系数法求解矩阵函数值计算:最小多项式5. 向量的内积6. 酉相似下的标准形特殊的:A酉相似于对角阵当且仅当A为正规阵。

第二章:范数理论1. 向量的范数计算:1,2,范数2. 矩阵的范数计算:1,2,,m , F 范数,谱半径3. 谱半径、条件数第三章:矩阵分析1. 矩阵序列2. 矩阵级数特别的:矩阵幂级数计算:判别矩阵幂级数敛散性,计算收敛的幂级数的和3. 矩阵函数计算:矩阵函数值,At e ,Jordan 矩阵的函数值4. 矩阵的微分和积分计算:函数矩阵,数量函数对向量的导数如,dt dA(t),dt dA(t),)()(X R AXX X X X f T T T 等5. 应用计算:求解一阶常系数线性微分方程组第四章:矩阵分解1. 矩阵的三角分解计算:Crout分解,Doolittle分解,Choleskey分解2. 矩阵的QR分解计算:Householder矩阵,Givens矩阵,矩阵的QR分解或者把向量化为与1e同方向3. 矩阵的满秩分解计算:满秩分解,奇异值分解4. 矩阵的奇异值分解第五章:特征值的估计与表示1. 特征值界的估计计算:模的上界,实部、虚部的上界2. 特征值的包含区域计算:Gerschgorin定理隔离矩阵的特征值3. Hermite矩阵特征值的表示计算:矩阵的Rayleigh商的极值4. 广义特征值问题AX转化为一般特征值问题计算:BX第六章:广义逆矩阵1. 广义逆矩阵的概念2. {1}逆及其应用计算:)(1A ,判别矩阵方程D AXB ,b Ax 解的情况3. Moore-Penrose 逆A计算:利用A 判别方程组b Ax 解的情况,并求极小范数解或极小范数最小二乘解第七章:矩阵的直积1. 矩阵的直积计算:B A 的特征值,行列式,迹2. 矩阵的行拉直计算:AXB 的行拉直,求解矩阵方程FXBAX 第八章:线性空间与线性变换1. 线性空间的基、维数、坐标计算:基、维数、坐标,值域和核空间2. 线性变换计算:线性变换的矩阵,线性变换的值域与核的基与维数3. 欧氏空间1. 求相似矩阵P 及Jordan 标准形2. 求解一阶常系数线性微分方程组3. Crout 分解,Doolittle 分解4. 矩阵的QR 分解或者把向量化为与1e 同方向5. 奇异值分解6. Gerschgorin 定理隔离矩阵的特征值7. 利用A 判别方程组b Ax 解的情况,并求极小范数解或极小范数最小二乘解8. 求解矩阵方程FXB AX 1.向量1,2,范数,矩阵的1,2,,m , F 范数,谱半径2.判别矩阵幂级数敛散性,计算收敛的幂级数的和3.矩阵函数值,At e ,Jordan 矩阵的函数值4.函数矩阵,数量函数对向量的导数如,dt dA(t),dt dsinAt ,)()(X R AX X X X X f TTT 等5.模的上界,实部、虚部的上界6.矩阵的Rayleigh 商的极值7.广义特征值BX AX 转化为一般特征值问题8.)(1A ,B A 的特征值,行列式,迹9.基、维数、坐标,值域和核空间10.线性变换的矩阵,线性变换的值域与核的基与维数。

矩阵幂级数的收敛性质和应用

矩阵幂级数的收敛性质和应用

矩阵幂级数的收敛性质和应用孙延彬【摘要】根据矩阵幂级数的定义和数学分析中幂级数的收敛性质,运用类比的推理方法,在已知知识的基础上,验证并总结了矩阵幂级数的部分相应的收敛性质.【期刊名称】《和田师范专科学校学报》【年(卷),期】2010(029)003【总页数】4页(P198-201)【关键词】矩阵幂级数;范数;收敛性质【作者】孙延彬【作者单位】平顶山学院团委,河南平顶山,467000【正文语种】中文作为数学的一个重要分支,矩阵理论具有极为丰富的内容;作为一种基本的工具,矩阵理论在数学以及其他科学技术领域,如数值分析、最优化理论、概率论、运筹学、控制理论、力学、电学、信息科学与技术、管理科学与工程等学科都有着重要的应用。

其中矩阵级数以及矩阵幂级数在建立矩阵函数和解决微分方程的许多问题时,也有着重要的应用。

目前有很多关于矩阵、幂级数以及矩阵幂级数的研究:曹玉平发表过《矩阵幂级数绝对收敛性的判定》,林金火发表过《矩阵幂级数的收敛性质》等,这篇文章从矩阵序列的收敛性质来讨论矩阵级数以及矩阵幂级数的收敛性质,主要分四个部分:范数的定义和有关性质、矩阵序列的定义和收敛性质、矩阵幂级数的收敛性质和应用。

定义 1.1 设V是数域F(一般为实数域R或复数域C)上的线性空间,用表示按某个法则确定的与向量x对应的实数,且满足:(1)非负性:当当且仅当(2)齐次性:为任意数;(3)三角不等式:对于V中任何向量x, y都有则称实数是向量x的范数。

定义1.2 设向量对任意数称xp−量为向量的范数。

常用的范数有下述三种:(1)1-范数(2)2-范数也称为欧氏范数;(3)∞-范数定义1.3 设V是n维线性空间,和为任意两种向量范数(不限于p−范数),则总存在正数对V中所有向量x∈V,总有则称这两种向量范数是等价的。

定义1.4 对于任何一个矩阵A ∈ Cm×n,用表示按照某个法则确定的与矩阵A对应的实数,且满足:(1)非负性:当时,;当且仅当时,(2)齐次性:k为任意复数;(3)三角不等式:对于任意两个同类型矩阵A, B都有(4)矩阵乘法相容性:若A与B可乘,有则称对于A的这个实数是矩阵A的矩阵范数。

矩阵论-矩阵级数

矩阵论-矩阵级数

例:判断矩阵序列Ak的敛散性.
1 0 0
(1)
A
1 0
11,
(2)
A
0.9
0
01.9,
(3)
A
0 0
0.9 0
1 , 0.9
0.3 0.8 (4)A 0.6 0.1
1 0
0
1 0 0
解:(3)Ak 0
0.9k
k
0.9k
1
,

limA k
k
0
0 0.
0 0 0.9k
0 0 0
(4) A 0.9 1,故Ak收敛,且lim Ak 0.
Ck2i k2 kik1
i
ik
例:判断矩阵序列Ak的敛散性.
1 0 0
(1)
A
1 0
11,
(2)
A
0.9
0
01.9,
(3)
A
0 0
0.9 0
1 , 0.9
0.3 0.8 (4)A 0.6 0.1
解:(1)Ak
1 0
k 1
,

limA k
k
发散.
(2)(A) 0.9 1,故limA k 0. k
yH ( cmAm ) y cm yH Am y cm yH km y cmkm yH y
m0
m0
m0
m0
cmkm也收敛. 与Able定理矛盾. m0
故当(A) R时, cmAm发散. m0
注:定理1实际上定义了一种映射f(z)= cmzm , z R(收敛半径), m0
A Cnn满足(A) R, f (A)= cmAm收敛,所以对应一个矩阵, m0

合肥工业大学2016级研究生矩阵理论课件第3章

合肥工业大学2016级研究生矩阵理论课件第3章
第三章 矩阵的范数与幂级数
3.1 向量范数 3.2 矩阵范数 3.3 矩阵的算子范数 3.4 矩阵序列 3.5 矩阵幂级数的收敛性
3.1 向量范数
定义 1 设 V 是数域 P 上的线性空间,如果 对 V 中任意向量 x,都有一个非负实数║x║ 与之对应, 且满足: 1) 正定性: x 0 时, ║x║> 0,
k 1
k 1
例 2 设 x = (1, 2,…, n)T Cn,定义
n
x 2
| k |2 ,
k 1
证明║x║2 为向量范数. 称此范数为 2-范数.
证明: ║x║2 就是 Cn 中标准内积所定义的范
数║x║:
n
x 2 ( x, x) k1 k 2. .
例3
对 A = (aij)nn,B = (bij)nn,令
n
D AB (dij )nn , dij aikbkj , k 1
由 Cauchy-Schwarz 不等式可知
所以
2
dij
n
2
n
aikbkj
n
aik 2
2
bkj ,
k 1
k 1
k 1
AB 2 F
设 x=(1, 2,…, n)TCn,令
x


max
0k n
k
,
证明║x║为向量范数. 此范数称为-范数.
证明 1) x 非零时其分量不全为零,即得.
2) 计算可得
x


max
0k n
k


max
0k n
k

x,
3) 再设 y = (1, 2,…, n)T, 则

5.2矩阵级数

5.2矩阵级数

zk
的收敛半径为2,再求A的特
征值为 1 1.1, 2 0.4 ,则谱半径 ( A) r ,
由此可得此矩阵级数绝对收敛。
都绝对收敛,其和分别为A与B . 则级数 与
级数 按项相乘所得的矩阵级数
S3:A(1) B(1) ( A(1) B(2) A(2) B(1) ) ( A(1) B(3) A(2) B(2) A(3) B(1) )
( A(1) B(k ) A(2) B(k 1) A(k ) B(1) )
k
A(i) B(k 1i)
k 1 i1
绝对收敛,且和为AB.
定理5.4 方阵A 的幂级数(Neuman级数)
收敛 A 为收敛矩阵,且在收敛时,其和为 .
证 必要性. 由于该矩阵幂级数的第i 行第 j 列的元素是数项级数
因为
收敛,所以
从而
即 A 为收敛矩阵.
充分性. 由于 可逆,又因为
1
例5.2
已知 A(k )
2k 0
3 4k
1 k
(k
1)
研究矩阵级数
的收敛性.
解 因为
S N
N
A(k )
N k 1
1 2k
k 1
0
N
k 1 3 4k
N
k 1
1
k
(k
S (N )
N
1 0
9 1
所以,级数收敛.
定义5.6 如果 绝对收敛的,则称
中的mn个数项级数都是 是绝对收敛的.
的收敛半径为r ,如果方阵A 的特征值为
1, 2 , , n ,当 i 0 r i 1,2, , n
时,则方阵级数
绝对收敛;若
存在j,使得 j 0 r ,则方阵级数

矩阵论定义定理总结

矩阵论定义定理总结

矩阵论1.行列式的相关知识:1.1定义:由2n 个数ij a (,1,2,...,)i j n =组成的一个n 阶行列式为1212121112121222(...)12 (12)(1)...n j j jnnn n j j j n j j j n n nna a a a a a D a a a a a a τ==-∑即所有取自不同行不同列的n 个元素的乘积1212...j j j n n a a a 的代数和,其中每一项的符合由排列12...n j j j 的奇偶性决定。

n 阶行列式的展开原理:定义1.1.2在n 阶行列式D 中,任选k 行和 k 列(k n ≤),将其交叉点上的2k 个元素按原来位置排成一个k 阶行列式M ,称为D 的一个k 阶子式。

在D 中划去M 所在之k 行k 列后余下的2()n k -个元素按照原来位置排成的n-k 阶行列式M ',称为M 的余子式。

定义1.1.3设D 的k 阶子式M 在D 中所在行列指标分别是12,,...,k i i i和12,,...,k j j j ,则称1212()()(1)k k i i i j j j A M ++++++'=-•为M 的代数余子式,其中M '为M 的余子式。

定理1.1.1(拉普拉斯定理)设在行列式D 中任意取定k 行(11)k n ≤≤-,则由这k 行元素所组成的一切k 阶子式与其对应的代数余子式的乘积之和等于和列式D 。

定理1.1.4(克莱姆法则):若线性方程组11112211211222221122n n n n n n nn n na x a x a xb a x a x a x b a x a x a x b +++=⎧⎪+++=⎪⎨⎪⎪+++=⎩ (1.1.7)的系数行列式1112121222120n n n n nna a a a a a D a a a =≠则方程组(1.1.7)有唯一解,且/(1,2,)i i x D D i n ==,其中i D 是将D 中第i 列换成(1.1.7)式右端的常数项12,,,n b b b 所得的行列式,即1,11,111112,12,22122,1,1i i n i i n i n i n i nn nnna a ab a a a a b a D a a a b a -+-+-+=(1,2,,)i n =该定理通常称为克莱姆法则。

李代数与矩阵幂级数

李代数与矩阵幂级数

李代数与矩阵幂级数引言李代数与矩阵幂级数是数学中重要的概念和工具,它们在不同领域的数学和物理问题中发挥着重要作用。

本文将从基本概念、性质和应用三个方面深入探讨李代数与矩阵幂级数的相关内容。

李代数基本概念李代数是一种代数结构,它由一个域上的向量空间和一个满足特定条件的二元运算所构成。

李代数的运算满足线性性质和李括号运算的条件。

李括号运算李括号运算是李代数的重要性质之一。

对于李代数中的两个元素,它们的李括号是对它们进行线性组合得到的一个新元素。

李括号运算满足反对称性、双线性性、雅可比恒等式等性质。

李代数的例子常见的李代数包括矩阵李代数、Lie群的李代数、Heisenberg代数等。

每种李代数都有其特定的结构和性质,它们在不同领域的数学和物理问题中有着广泛的应用。

矩阵幂级数基本概念矩阵幂级数是矩阵的一种级数表示形式,它将矩阵按照次数逐项展开,并使用幂次递增的系数进行线性组合。

矩阵幂级数能够描述矩阵的特定性质和变化规律。

矩阵幂级数的收敛性对于一个矩阵幂级数,我们关心它的收敛性问题。

收敛性与矩阵幂级数中的矩阵的特征值有着密切的联系。

通过矩阵的特征值和特征向量的计算,我们可以确定矩阵幂级数的收敛半径和收敛域。

应用领域矩阵幂级数在物理、工程等领域中有着广泛的应用。

它们被用于研究动力系统、控制理论、量子力学等问题。

通过矩阵幂级数的计算和分析,我们可以得到系统的稳定性、振动模式和特征行为等重要信息。

李代数与矩阵幂级数的关系李代数的幂级数表示对于一个李代数中的元素,我们可以将其表示为幂级数形式。

通过将李代数中的元素按照次数逐项展开,并进行线性组合,我们可以得到李代数的幂级数表示。

李代数与矩阵幂级数的对应关系矩阵幂级数可以用于表示李代数中的元素,并建立起二者之间的对应关系。

通过矩阵幂级数的计算和分析,我们可以研究李代数的结构、性质和变换规律。

应用举例李代数与矩阵幂级数的关系在物理和数学问题中得到了广泛应用。

例如,在量子力学中,我们可以使用李代数和矩阵幂级数来描述粒子的对称性和相互作用。

矩阵理论

矩阵理论
§5.
矩阵函数
我们知道,在复变函数论中,复变量幂级数:
zm ∑ m =0 m!

R = +∞ = ˆ ez
m =0
∑ (−1) m−1


z 2 m −1 (2m − 1)! z 2m (2m)!
R = +∞ = ˆ sin z
1 + ∑ cos z
都在整个复平面上收敛,因而都有确定的和(如上) 。由上节 Th3.及 推论知 ∀A ∈ C n×n ,则方阵幂级数:
矩阵(矩阵函数) f ( A) ——是本节课所要解决的问题。 Th1.对 ∀Z ∈ C n×n , 若 ∑ cm Z m 收敛,其和记为 f ( Z ) , 即: f ( Z ) = ∑ c m Z m
m=0 m =0 ∞ ∞
则当 Z = diag ( Z1 , Z 2 ,", Z t ) 时,有 f ( Z ) = diag ( f ( Z 1 ), f ( Z 2 )," , f ( Z t )) Proof: f ( Z ) = f (diag ( Z 1 , Z 2 ," , Z t )) = lim ∑ c m (diag ( Z 1 , Z 2 ," , Z t )) m N →∞
1 ⎞ ⎛ ⎜1 ⎟ − 2 − 1 1 1 ⎞ ⎜ ⎛ ⎞ 1⎛ 2 −1 ⎟ 令P =⎜ ⎜ 0 1⎟ ⎟=⎜ ⎜ 0 − 2⎟ ⎟ ,则 P 可逆,且 P = − 2 ⎜ ⎟ 1 ⎝ ⎠ ⎝ ⎠ ⎜0 − ⎟ 2⎠ ⎝
则 A = P⎜ ⎜
⎛ 0 0 ⎞ −1 ⎟ ⎟P ⎝ 0 − 2⎠
即 PAP −1 = ⎜ ⎜
m =0 ∞

( z < R)

高等工程数学智慧树知到答案2024年南京理工大学

高等工程数学智慧树知到答案2024年南京理工大学

高等工程数学南京理工大学智慧树知到答案2024年第一章测试1.有限维线性空间上范数1,范数2之间的关系是A:2强于1 B:等价 C:1强于2 D:无法比较答案:B2.赋范线性空间成为Banach空间,需要范数足?A:完备性 B:可加性 C:不变性 D:非负性答案:A3.标准正交系是一个完全正交系的充要条件是满足Parseval等式A:错 B:对答案:B4.在内积空间中,可以从一组线性无关向量得到一列标准正交系A:对 B:错答案:A5.矩阵的F范数不满足酉不变性A:错 B:对答案:A6.与任何向量范数相容的矩阵范数是?A:F范数 B:极大行范数 C:算子范数 D:极大列范数答案:C7.正规矩阵的谱半径与矩阵何种范数一致A:极大行范数 B:极大列范数 C:矩阵2范数 D:算子范数答案:C8.矩阵收敛,则该矩阵的谱半径A:无从判断 B:大于1 C:小于1 D:等于1答案:C9.矩阵幂级数收敛,则该矩阵的谱半径A:等于1 B:大于1 C:无从判断 D:小于1答案:D10.正规矩阵的条件数等于其最大特征值的模与最小特征值的模之商A:错 B:对答案:B第二章测试1.l矩阵不变因子的个数等于( )A:矩阵的列数 B:矩阵的秩 C:行数和列数的最小值 D:矩阵的行数答案:B2.Jordan标准形中Jordan块的个数等于( )A:矩阵的秩 B:行列式因子的个数 C:不变因子的个数 D:初等因子的个数答案:D3.Jordan块的对角元等于其( )A:初等因子的零点 B:初等因子的次数 C:不变因子的个数 D:行列式因子的个数答案:A4.n阶矩阵A的特征多项式等于( )A:A的n个不变因子的乘积 B:A的n阶行列式因子 C:A的行列式因子的乘积 D:A的次数最高的初等因子答案:AB5.下述条件中,幂迭代法能够成功处理的有( )A:主特征值有两个,是一对共轭的复特征值 B:主特征值有两个,是一对相反的实数 C:主特征值是实r重的 D:主特征值只有一个答案:ABCD6.n阶矩阵A的特征值在( )A:A的n个行盖尔圆构成的并集与n个列盖尔圆构成的并集的交集中 B:A的n个列盖尔圆构成的并集中 C:A的n个行盖尔圆构成的并集中 D:都不对答案:ABC7.不变因子是首项系数为1的多项式A:错 B:对答案:B8.任意具有互异特征值的矩阵,其盖尔圆均能分隔开A:对 B:错答案:B9.特征值在两个或两个以上的盖尔圆构成的连通部分中分布是平均的A:错 B:对答案:A10.规范化幂迭代法中,向量序列uk不收敛A:对 B:错答案:B第三章测试1.二阶方阵可作Doolittle分解A:错 B:对答案:A2.若矩阵A可作满秩分解A=FG,则F的列数为A的()A:列数B:都不对C:秩D:行数答案:C3.矩阵的满秩分解不唯一.A:错 B:对答案:B4.酉等价矩阵有相同的奇异值.A:对 B:错答案:A5.求矩阵A的加号逆的方法有()A:满秩分解 B:Greville递推法 C:奇异值分解 D:矩阵迭代法答案:ABCD6.若A为可逆方阵,则A:错 B:对答案:B7.用A的加号逆可以判断线性方程组Ax=b是否有解?A:对 B:错答案:A8.A的加号逆的秩与A的秩相等A:错 B:对答案:B9.若方阵A是Hermite正定矩阵,则A的Cholesky分解存在且唯一.A:错 B:对答案:B10.是Hermite标准形.A:错 B:对答案:A第四章测试1.()是利用Gauss消去法求解线性方程组的条件.A:系数矩阵的顺序主子式均不为0B:系数矩阵满秩C:所有主元均不为0D:都不对答案:AC2.关于求解线性方程组的迭代解法, 下面说法正确的是().A:J法和GS法的敛散性无相关性B:若迭代矩阵谱半径不大于1, 则迭代收敛C:若系数矩阵A对称正定, 则GS迭代法收敛D:都不对答案:AC3.如果不考虑舍入误差, ()最多经n步可迭代得到线性方程组的解.A:SOR法B:共轭梯度法C:最速下降法D:都是答案:B4.关于共轭梯度法, 下面说法正确的是()A:相邻两步的残量正交 B:相邻两步的搜索方向正交 C:搜索方向满足A共轭条件 D:B和C都对答案:D5.下面哪些是求解线性方程组的迭代解法().A:共轭梯度法 B:三角分解解法 C:ABC都对 D:最速下降法答案:AD6.若系数矩阵A对称正定, 则()A:J法和GS法均收敛B:都不对 C:可用Cholesky法求解线性方程组D:SOR法收敛答案:C7.任意线性方程组都可以通过三角分解法求解.A:错 B:对答案:A8.最速下降法和共轭梯度法的区别在于选取的搜索方向不同.A:错 B:对答案:B9.广义逆矩阵法可用于任意线性方程组的求解.A:对 B:错答案:A10.Gauss消去法和列主元素法的数值稳定性相当.A:错 B:对答案:A第五章测试1.对于凸规划,如果x为问题的KKT点,则其为原问题的全局极小点A:对 B:错答案:A2.对于无约束规划问题,如果海塞阵非正定,我们可采用哪种改进牛顿法求解原问题?A:难以处理 B:构造一对称正定矩阵来取代当前海塞阵,并一该矩阵的逆乘以当前梯度的负值作为方向 C:牛顿法 D:阻尼牛顿法答案:B3.共轭梯度法中,为A:FR公式 B:DY公式 C:DM公式 D:PRP公式答案:A4.内点罚函数法中常用的障碍函数有A:三种都可以B:二次函数C:倒数障碍函数D:对数障碍函数答案:CD5.广义乘子罚函数的优点是在罚因子适当大的情形下,通过修正拉格朗日乘子就可逐步逼近原问题的最优解?A:错 B:对答案:B6.分子停留在最低能量状态的概率随温度降低趋于( ).A:2 B:3 C:0 D:1答案:D7.模拟退火算法内循环终止准则可采用的方法.A:固定步数 B:温度很低时 C:接受概率很低时 D:由接受和拒绝的比率控制迭代步答案:AD8.背包问题是组合优化问题吗?A:错 B:对答案:B9.单纯形算法是求解线性规划问题的多项式时间算法.A:对 B:错答案:B10.对于难以确定初始基本可行解的线性规划问题,我们引入人工变量后,可采用哪些方法求解原问题?A:单纯形法 B:无法确定 C:两阶段法 D:大M法答案:CD第六章测试1.如果不限定插值多项式的次数,满足插值条件的插值多项式也是唯一的()A:错 B:对答案:A2.改变节点的排列顺序,差商的值不变()A:错 B:对答案:B3.Hermite插值只能用插值基函数的方法求解()A:错 B:对答案:A4.在最小二乘问题中,权系数越大表明相应的数据越重要()A:错 B:对答案:B5.加窗傅里叶变换时频窗的长宽比是信号自适应的()A:对 B:错答案:B6.傅里叶变换域的点和时间域上的点是一一对应的()A:对 B:错答案:B7.若f(t)的傅里叶变换为,则 f(2t)的傅里叶变换为 ( )A: B: C:答案:B8.小波函数对应了()A:低通滤波器 B:高通滤波器答案:B第七章测试1.有界区域上的弦振动方程定解问题可以用傅里叶积分变换法求解。

矩阵分析

矩阵分析

p-范数及其性质
定义5.1.2:对复n维线性空间C 定义5.1.2:对复n维线性空间Cn,对任意给定 5.1.2 p≥1,x=(x1,…,xn)∈Cn,令 ,x ‖x‖p=(Σi=1n|xi|p)1/p 算术根 是向量范数,称为x 范数. 则‖x‖p是向量范数,称为x的p-范数. 非负性显然成立; 证:非负性显然成立;
Holder不等式与Minkows不等式
• 下面两个不等式对本章的理论推导十分有用 • Holder不等式:对任意给定p>1和q=p/(p-1) Holder不等式:对任意给定p>1和q=p/(p不等式 p>1 (>1,即(1/p)+(1/q)=1)及任意 及任意a (>1,即(1/p)+(1/q)=1)及任意ak,bk≥0成立 Σk=1nakbk ≤ (Σk=1nakp)1/p(Σk=1nbkp)1/p. (C- 不等式为其(p=2时 特例) (C-S不等式为其(p=2时)特例) • Minkowski不等式:对任意给定p≥1成立 Minkowski不等式:对任意给定p 不等式 (Σk=1n|ak+bk|p)1/p ≤(Σk=1n|ak|p)1/p+(Σk=1n|bk|p)1/p 此2不等式证明见教本
第五章 向量与矩阵范数 前言
• 向量与矩阵范数是向量与矩阵的一个重要数 向量与矩阵范数是向量与矩阵的一个重要数 范数是向量与矩阵的一个重要 字特征-----用它可以建立向量集或矩阵集的 字特征---用它可以建立向量集或矩阵集的 拓扑结构,从而便于研究向量或矩阵序列, 拓扑结构,从而便于研究向量或矩阵序列,向 收敛性质. 量或矩阵级数的收敛性质 因此, 量或矩阵级数的收敛性质.因此,这一章的理 论在数值分析及其它领域中十分有用. 论在数值分析及其它领域中十分有用. • 本章是本课程重点内容之一.所有5节都要认 本章是本课程重点内容之一.所有5 真学好.最后一节(矩阵幂级数) 真学好.最后一节(矩阵幂级数)是研究矩阵 函数的重要工具. 函数的重要工具.

幂级数表达式

幂级数表达式

幂级数表达式“幂级数表达式”是一个定义了一系列加法操作的表达式,常用来推导出任意函数的初始值和终止值之间的差分。

幂级数表达式已经被广泛应用于数学、物理、化学和生物等多个学科,其中一个最重要的应用是利用它来表示正弦波和余弦波的初始值和终止值。

可以先从概念上认识幂级数表达式。

幂级数表达式一般以下面的公式形式表示:S=∑n=0→∞a(n)*x(n-s)其中,s是系数,x是变量,n表示幂次,a(n)表示系数,这里的系数a(n)是正则级数中的确定性指标,也可以用系数矩阵来表示。

因此,在推导幂级数的情况下,可以将幂级数表示为以下形式: S=a0+a1*x+a2*x2+...+an*xn其中,a0表示系数,x表示变量,n表示幂次,an表示系数的值,这里的系数an是不确定的,它决定了幂级数式的值。

幂级数有着独特的性质,首先,它们拥有以下特性:1、函数可以表示为多项式,它们可以用幂级数形式表示;2、逆幂级数可以用来表达任意函数;3、它们可以表示多维非线性函数;4、幂级数的参数的范围比常规多项式的参数范围更大;5、它们可以总结椭圆曲线、抛物曲线、几何曲线和其他常见函数的特征,而不需要考虑参数的限制。

另外,幂级数表达式也具有一定的适用性,舍入误差可以控制在一定范围以内,它可以用来计算正弦波和余弦波的初始值和终止值之间的差分,并且推导出振幅、相位及其他参数,从而探究所有函数的初始值和终止值之间的变化特征。

此外,幂级数表达式的应用也是十分广泛的,它可以用来表示实数域上多维复变函数,不仅可以用来实现多项式的拟合,并且也可以用来求解一些复杂的微分方程。

在统计学和算法学中,也可以使用幂级数表达式推导出一些统计数据和算法方法,包括最小二乘法、拟合理论等一系列优秀算法。

总之,幂级数表达式是一种非常有用的数学表达式,它可以用来推导出任意函数的初始值和终止值之间的差分,并且它也可以运用到种种学科,如数学、物理和化学、生物等学科,具有不可替代的作用。

幂级数求和的矩阵方法

幂级数求和的矩阵方法

1
]
( E
一x
A
)一 ` 一 E

= 1
命E
一 x
A =
B
则由 ( 3 ) 知


、:
x
’+ `
户k 下子 训 + 1

J
斗 l

1 一 x
1
l +
1

n
x
1
n
A” 二
! ?
,

|ó ù 门 一
1

( 1 一 x )
2

1 k
了、 、 、 产 l| Jf | |
) … 1一 x
/|

l 1
l 一 X
=
.
X
一 C
}
、 l
x
`
( l 一 x )
2
一 x
l
+
l
X
l
一 X
由于 x 易知li
m e

( 一 1
,
l
)
z =
所 以 1 1胡
1一闪
x
J+
,
=
0

十1 又因C子 是 关 于 l 的 多项 式
,
由 洛必 达 法 则
,
l
,
x
, + `
=
o
,
2
,

,
k

1

于 是 上 式 右 端 第一 个 矩 阵
o 当 Z~ c
( 一 1 )
:
1
,
b
:
:

矩阵分析(第三章)

矩阵分析(第三章)
(1)利用Hamiltቤተ መጻሕፍቲ ባይዱn–Cayley定理/递推法:
由特征多项式:det(λⅠ-A)得到f(λ),将λ用A替换,常数项用nI代替,有f(A)=0,得到递推关系式。将g(A)用上诉级数展开(若g(At)可将At看成A并展开),以此代入递推关系式化简,最后将g(A)(或g(At)写成矩阵形式。
例题;A= ,计算eAt。
方程组为:
解为:
从而cosA=b2A2+b1A+b0I=
(3)相似对角化:
若A是可对角化的n阶方阵,则存在P ,有P-1AP=diag(λ1λ2…λn)=Λ
故A=PΛP-1;
有f(A)= = =
=
=
同理,f(At)=
求{P}:解方程组(λI-{A}){P}=0,归一法,即可求得P1…Pn。
例题:A= ,求eAt。
矩阵分析
1,
1,Cm×n上的矩阵{A(k)},有{A(k)}=(aij(k))m×n。
2,矩阵序列收敛:若limk→+∞aij(k)=aij,i=1,…m,j=1,…n,则{A(k)}→A=(aij)m×n,写作limk→+∞A(k)=A或A(k)→A(k→+∞)。
3,性质:设limk→+∞A(k)=A,limk→+∞B(k)=B,其中A(k),B(k),A,B为适当阶矩阵, ,有:
(2)待定系数法:
运用了一些数值分析的理论:f(λ)=(λ-λ1)r1(λ-λ2)r2…(λ-λs)λs,λk都是互异的,r1+r2+…rs=n,g(At)= , g(λt)= 改写成:g(λt)=q(λ,t)f(λ)+r(λ,t)(*);其中,q(λ,t)为含参数的关于λ的幂级数,r(λ,t)是含参数t且次数不超过n-1的关于λ的多项式。

矩阵理论特征值

矩阵理论特征值

k 0 ak J k
即矩阵幂级数 k 0 ak J 收敛,由于 k 0 ak J 的对角线元素为
k k k 所以,这些复数项幂级数收敛,且 k 0 ak j f (i ) ( j 1, , n) k a k 0 k j
( j 1, , n)
k
由于幂级数

k 0
ak ( ( A) )k
收敛,根据正项级数的比较审敛法知矩阵幂级数
k a A k 0 k
绝对收敛 2. 由于 ( A) max j ,设 l max j ,则 ( A) l
当 ( A) r 时,l r
nn 由Jordan定理,P Cn ,使得
An 0 A是收敛矩阵 lim n S lim S ( n ) ( I A)1
n
矩阵的幂级数 – 举例 设
0.2 0.1 0.2 A 0.5 0.5 0.4 0.1 0.3 0.2
k
判断矩阵幂级数 k 0 A 的敛散性,若收敛,求其和
收敛。由于
k 0 P 1 (ak Ak ) P P1 ( k 0 (ak Ak )) P P1 f ( A) P
1 k 1 k P ( a A ) P a ( P k 0 k 0 k A P) k
k 0 ak ( P 1 AP)k


并且在此级数收敛时,其和为 ( I A)1


k A 收敛 k 0
( A) 1
证明:
充分性: ( A) 1 幂级数 k 0 kz 的收敛半径为1
k


k 收敛 A k 0
必要性:若矩阵幂级数

2.4矩阵幂级数

2.4矩阵幂级数

2.4矩阵幂级数§4. 矩阵的幂级数在研究矩阵幂级数之前先研究一下矩阵(主要是方阵)级数。

一、矩阵级数1. Df 1. :若给定C 中的一方阵序列,An ⨯n, A 1, A m ,则和式(1)A 0+A 1+A 2+ +A m +称为方阵级数,记为∑m =0N∞A m。

其中A 为通项,m —求和变量。

mS N =A 0+A 1+ +A N =∑m =0A m称为(1)的前N 阵序列)若{SN}→S,则称(1)收敛,且其和为Sm说明:若记(A 据定义1) ij表示的A m第i 行第j 列位置上的元素,根显然有,∞∞∑m =0A m收敛⇔n2个数项级数∑(Am =0m) ij(i , j =1, 2, , n )收敛。

Df 2. 若n 个数项级数∑(A2m =0∞m) ij绝对收敛,则称∑m =0∞A m绝对收敛。

2. 收敛方阵级数的性质:①若方阵级数∑m =0∞A m绝对收敛,则它一定收敛,且任意交换各项的次序,所得新级数仍收敛且和不变。

②方阵级数∑m =0∞A m收敛⇔对任一方阵范数⋅,正项级数∑m =0∞A m收敛。

下面研究矩阵(方阵)幂级数二、矩阵幂级数 Df 1. 设A ∈C n ⨯n,称∑cm =0N∞mAm为矩阵A 的幂级数,其中{c }为一复m∞数序列,称S 称∑cm =0∞N=∑cm =0mAm为幂级数∑cm =0mAm的部分和,若lim∞N →∞S N =S,mAm收敛于S ,并称S 为幂级数∑cm =0mAm的和矩阵。

注:若令cmAm=A m,则矩阵幂级数→矩阵级数的形式。

因此,矩阵级数的结论对矩阵幂级数的形式是适用的。

即: Th 1. 矩阵幂级数∑c m =0∞mAm收敛于S∞⇔∑(cm =0mA ) ij =(S ) ijm(i , j =1, 2, n )其中,(cmA ) ij , (S ) ijm 分别表示cmAm和S 的第i 行,第j 列元素。

Th 2. 矩阵幂级数∑c∞mAm绝对收敛⇔对任一范数,正向级数m =0级数∞∑c mm A收敛。

  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)。

§4.矩阵的幂级数在研究矩阵幂级数之前先研究一下矩阵(主要是方阵)级数。

一、矩阵级数1.Df 1.:若给定n n C ⨯中的一方阵序列, ,,,10m A A A 则和式 +++++m A A A A 210)1(称为方阵级数,记为∑∞=0m m A 。

其中为通项,m —求和变量。

∑==+++=Nm mN N A A A A S 010 称为(1)的前N 项部分和序列(矩阵序列)若S S N →}{,则称(1)收敛,且其和为S说明:若记ij m A )(表示的第i 行第j 列位置上的元素,根据定义1显然有,∑∞=0m mA 收敛2n ⇔个数项级数∑∞==0),,2,1,()(m ijm n j i A收敛。

Df 2.若个数项级数∑∞=0)(m ij m A 绝对收敛,则称∑∞=0m m A 绝对收敛。

2.收敛方阵级数的性质:①若方阵级数∑∞=0m m A 绝对收敛,则它一定收敛,且任意交换各项的次序,所得新级数仍收敛且和不变。

②方阵级数∑∞=0m m A 收敛对任一方阵范数⋅,正项级数∑∞=0m mA 收敛。

下面研究矩阵(方阵)幂级数 二、矩阵幂级数Df 1.设nn C A ⨯∈,称∑∞=0m m m A c 为矩阵A 的幂级数,其中}{m c 为一复数序列,称∑==N m mm N A c S 0为幂级数∑∞=0m m m A c 的部分和,若S S N N=∞→lim ,称∑∞=0m mm A c 收敛于S ,并称S 为幂级数∑∞=0m m m A c 的和矩阵。

注:若令m m m A A c =,则矩阵幂级数矩阵级数的形式。

因此,矩阵级数的结论对矩阵幂级数的形式是适用的。

即: Th 1.矩阵幂级数∑∞=0m mm A c 收敛于∑∞===⇔0),2,1,()()(m ijij m m n j i S A c S其中,ij m m A c )(,ij S )(分别表示m m A c 和的第i 行,第j 列元素。

Th 2.矩阵幂级数∑∞=0m m m A c 绝对收敛对任一范数⋅,正向级数级数∑∞=0m m m A c 收敛。

Proof :若∑∞=0m mm A c 收敛,考虑∑∞=01m m m A c 的敛散性,由矩阵范数的等价性,⋅与1⋅等价,即21,k k ∃ 使mm mm mm A c k A c A c k 211≤≤(由比较审敛法)∑∞=01m mmA c收敛。

又∑==≤ni ijm m jm m ij mm A c Ac Ac 11)(max ˆ)(∑∞=0)(m ijmmA c收敛,因此,∑∞=0m m m A c 绝对收敛。

若∑∞=0m m m A c 绝对收敛∑∞=⇔0)(m ijm m A c 收敛))((011∑∑∑∞===⇒m n i n j ij mm A c 收敛,即∑∞=04m mm A c 收敛。

由矩阵范数的等价性对任一矩阵范数⋅,21,k k ∃使4241mm mm mm Ac k Ac Ac k ≤≤,有∑∞=0m mm A c 收敛。

推论1.若∑∞=0m mm A c 绝对收敛(收敛),则∑∞=0)(m m m Q A c P 绝对收敛(收敛)其中P ,Q 为给定的n 阶方阵,且有∑∑∞=∞==0)(m m m m mmQ A c P Q A cPProof :∑∞=0m mm A c 绝对收敛∑∞=0m m m A c 绝对收敛。

又QA c P Q A c P m m m m ⋅⋅≤⋅⋅)(由比较审敛法,∑∞=0)(m m m Q A c P 绝对收敛。

下面给出判断矩阵幂级数收敛与发散的方法:Th 3.设复变数幂级数∑∞=0m m m Z c 的收敛半径为R ,A 的谱半径为n n C A A ⨯∈),(ρ,则:①当R A <)(ρ时,∑∞=0m m m A c 绝对收敛。

②当R A >)(ρ时,∑∞=0m m m A c 发散。

Proof :①若R A <)(ρ,R A st <+>∃ερε)(.,0(如取))((21A R ρε-=)∑∞=+0))((m mmA cερ收敛存在矩阵⋅,mm m m A c A c A A ts ))(()(.ερερ+≤⇒≥+②若R A >)(ρ,设x Ax j λ=,其中x 为单位向量,)(A j ρλ=若∑∞=0m m m A c 收敛,则由推论1.知:x x c x c x x A c x x A c x m Hm j m m mjm Hm mm Hm mm H∑∑∑∑∞=∞=∞=∞====0)(λλ)1(02∑∞====m H m jm x x x c λ也收敛,但∑∞=0m m j m c λ在收敛域之外而发散,矛盾,故,∑∞=0m m m A c 发散。

应该注意:R A =)(ρ时,无法确定。

推论 2.若∑∞=0m mm Z c 的收敛半径+∞=R ,则对nn C A ⨯∈∀,∑∞=0m m m A c 绝对收敛,即复变数幂级数∑∞=0m m m Z c 在整个复平面上收敛。

eg 1.∑∞=0!m mm Z 的收敛半径+∞=R ,对n n C A ⨯∈∀,有RA <)(ρ,故Am m e m A →∑∞=0!且绝对收敛。

eg 2.设⎪⎪⎪⎭⎫ ⎝⎛=2.024.02.03.015.01.01.03.02.0A ,试证明∑∞=0m m A 绝对收敛。

Proof :∑∞=0m m X 的收敛半径1=R 。

则只要证1)(<A ρ即可。

对任意的矩阵范数,都相互等价,不妨取5⋅,有:19.0max )(,15<==<≤≤ij n j i a n A A ρ由Th 3,∑∞=∴0m m A 绝对收敛。

eg 3.若nn C A ⨯∈,1)(<A ρ证明:10)(-∞=-=∑A E A m mProof :12))((+-=++++-N N A E A A A E A E 即10)(+=-=-∑N Nm m A E A A E两边取极限左边=00lim()()Nmm N m m E A AE A A ∞→∞==-=-∑∑右边=1lim N N E A E+→∞-=(由上节Th5. 1)(<A ρ ,0lim 1→∴+∞→N N A )所以有E AA E Nm m=-∑=0)(,即10()m m A E A ∞-==-∑eg 4.设⎪⎪⎪⎭⎫ ⎝⎛=3003.0203.02.01A①试判断∑∞=+01m mA m 的敛散性②试证明:∑∞=-0!)1(m mm Am 绝对收敛。

解:①3)(=A ρ,设∑∞=+01m m Z m 的收敛半径为R 。

121lim=++=∞→m m R m 可见R A >)(ρ,故∑∞=+01m mA m 发散。

②∑∞=-0!)1(m mm Zm 的收敛半径+∞=RR A <∴)(ρ故∑∞=-0!)1(m mm Am 绝对收敛。

说明:象幂级数一样,有时还会遇到如∑∞=-00)(m m m E A c λ的幂级数,对于它的敛散性,可用下列定理判别。

Th 4.若∑∞=-00)(m m m E Z c λ的收敛半径为R ,对n n C A ⨯∈∀,其特征值为n λλλ,,,21 ,若满足),,2,1(0n i R i =<-λλ。

则∑∞=-)(mmmEAcλ绝对收敛;若有某一使Ri>-λλ,则∑∞=-)(mmmEAcλ发散。

相关文档
最新文档