_矩阵求迹运算
第五专题 矩阵的数值特征(行列式、范数、条件数、迹、秩、相对特征根)
第五专题 矩阵的数值特征 （行列式、迹、秩、相对特征根、范数、条件数） 一、行列式 已知A p ×q , B q ×p , 则|I p +AB|=|I q +BA| 证明一：参照课本194页，例4.3. 证明二：利用AB 和BA 有相同的非零特征值的性质； 从而I p +AB ，I q +BA 中不等于1的特征值的数目 相同，大小相同；其余特征值都等于1。 行列式是特征值的乘积，因此|I p +AB|和|I q +BA|等于特征值（不等于1）的乘积，所以二者相等。 二、矩阵的迹 矩阵的迹相对其它数值特征简单些，然而，它在许多领域，如数值计算，逼近论，以及统计估计等都有相当多的应用，许多量的计算都会归结为矩阵的迹的运算。下面讨论有关迹的一些性质和不等式。 定义：n n ii i i 1 i 1 tr(A)a ====λ∑∑，etrA=exp(trA)
性质： 1. tr(A B)tr(A)tr(B)λ+μ=λ+μ，线性性质； 2. T tr(A )tr(A)=； 3. tr(AB)tr(BA)=； 4. 1 tr(P AP)tr(A)-=； 5. H H tr(x Ax)tr(Axx ),x =为向量； 6. n n k k i i i 1 i 1 tr(A),tr(A )===λ=λ∑∑; 从Schur 定理（或Jordan 标准形）和（4）证明； 7. A 0≥,则tr(A)0≥,且等号成立的充要条件是A=0； 8. A B(A B 0)≥-≥即,则tr(A)tr(B)≥，且等号成立的充要条件是A=B （i i A B (A)(B)≥?λ≥λ）； 9. 对于n 阶方阵A ，若存在正整数k,使得A k =0,则tr(A)=0（从Schur 定理或Jordan 标准形证明）。 若干基本不等式 对于两个m ×n 复矩阵A 和B ，tr(A H B)是m ×n 维酉空间上的内积，也就是将它们按列依次排成的两个mn 维列向量的内积，利用Cauchy-schwarz 不等式 [x,y]2≤[x,x]﹒[y,y]
矩阵的运算及其运算规则
矩阵基本运算及应用 201700060牛晨晖 在数学中，矩阵是一个按照长方阵列排列的复数或实数集合。矩阵是高等代数学中的常见工具，也常见于统计分析等应用数学学科中。在物理学中，矩阵于电路学、力学、光学和量子物理中都有应用；计算机科学中，三维动画制作也需要用到矩阵。矩阵的运算是数值分析领域的重要问题。将矩阵分解为简单矩阵的组合可以在理论和实际应用上简化矩阵的运算。在电力系统方面，矩阵知识已有广泛深入的应用，本文将在介绍矩阵基本运算和运算规则的基础上，简要介绍其在电力系统新能源领域建模方面的应用情况，并展望随机矩阵理论等相关知识与人工智能电力系统的紧密结合。 1矩阵的运算及其运算规则 1.1矩阵的加法与减法 1.1.1运算规则 设矩阵，， 则
简言之，两个矩阵相加减，即它们相同位置的元素相加减！ 注意：只有对于两个行数、列数分别相等的矩阵（即同型矩阵），加减法运算才有意义，即加减运算是可行的． 1.1.2运算性质 满足交换律和结合律 交换律； 结合律． 1.2矩阵与数的乘法 1.2.1运算规则 数乘矩阵A，就是将数乘矩阵A中的每一个元素，记为或． 特别地，称称为的负矩阵． 1.2.2运算性质 满足结合律和分配律 结合律：(λμ)A=λ(μA)；(λ+μ)A =λA+μA． 分配律：λ(A+B)=λA+λB．
已知两个矩阵 满足矩阵方程，求未知矩阵． 解由已知条件知 1.3矩阵与矩阵的乘法 1.3.1运算规则 设，，则A与B的乘积是这样一个矩阵： (1) 行数与（左矩阵）A相同，列数与（右矩阵）B相同，即 ． (2) C的第行第列的元素由A的第行元素与B的第列元素对应相乘，再取乘积之和．
求矩阵的基本运算
求矩阵的基本运算 #include 第五专题 矩阵的数值特征 （行列式、迹、秩、相对特征根、范数、条件数） 一、行列式 已知A p ×q , B q ×p , 则|I p +AB|=|I q +BA| 证明一：参照课本194页，例4.3. 证明二：利用AB 和BA 有相同的非零特征值的性质； 从而I p +AB ，I q +BA 中不等于1的特征值的数目 相同，大小相同；其余特征值都等于1。 行列式是特征值的乘积，因此|I p +AB|和|I q +BA|等于特征值（不等于1）的乘积，所以二者相等。 二、矩阵的迹 矩阵的迹相对其它数值特征简单些，然而，它在许多领域，如数值计算，逼近论，以及统计估计等都有相当多的应用，许多量的计算都会归结为矩阵的迹的运算。下面讨论有关迹的一些性质和不等式。 定义：n n ii i i 1i 1tr(A)a ====λ∑∑，etrA=exp(trA) 性质： 1. tr(A B)tr(A)tr(B)λ+μ=λ+μ，线性性质； 2. T tr(A )tr(A)=； 3. tr(AB)tr(BA)=； 4. 1tr(P AP)tr(A)-=； 5. H H tr(x Ax)tr(Axx ),x =为向量； 6. n n k k i i i 1i 1tr(A),tr(A )===λ=λ∑∑; 从Schur 定理（或Jordan 标准形）和（4）证明； 7. A 0≥,则tr(A)0≥,且等号成立的充要条件是A=0； 8. A B(A B 0)≥-≥即,则tr(A)tr(B)≥，且等号成立的充要条件是A=B （i i A B (A)(B)≥?λ≥λ）； 9. 对于n 阶方阵A ，若存在正整数k,使得A k =0,则tr(A)=0（从Schur 定理或Jordan 标准形证明）。 若干基本不等式 对于两个m ×n 复矩阵A 和B ，tr(A H B)是m ×n 维酉空间上的内积，也就是将它们按列依次排成的两个mn 维列向量的内积，利用Cauchy-schwarz 不等式 [x,y]2≤[x,x]﹒[y,y] 得 定理：对任意两个m ×n 复矩阵A 和B |tr(A H B)|2≤tr(A H A)﹒tr(B H B) 这里等号成立的充要条件是A=cB,c 为一常数。特别当A 和B 为实对称阵或Hermit 矩阵时 0≤|t r(AB)|≤ 定理：设A 和B 为两个n 阶Hermite 阵,且A≥0， 矩阵的定义及其运算规则 1、矩阵的定义 一般而言，所谓矩阵就是由一组数的全体，在括号（）内排列成m行n 列（横的称行，纵的称列）的一个数表，并称它为m×n阵。 矩阵通常是用大写字母 A 、B …来表示。例如一个m 行n 列的矩阵可以简记为： ，或 。即： （2-3） 我们称（2-3）式中的为矩阵A的元素，a的第一个注脚字母，表示矩阵的行数，第二个注脚字母j（j＝1，2，…，n）表示矩阵的列数。 当m＝n时，则称为n阶方阵，并用表示。当矩阵（a ij）的元素仅有一行或一列时，则称它为行矩阵或列矩阵。设两个矩阵，有相同的行数和相同的列数，而且 它们的对应元素一一相等，即，则称该两矩阵相等，记为A＝B。 2、三角形矩阵 由i＝j的元素组成的对角线为主对角线，构成这个主对角线的元素称为主对角线元素。 如果在方阵中主对角线一侧的元素全为零，而另外一侧的元素不为零或不全为零，则该矩阵叫做三角形矩阵。例如，以下矩阵都是三角形矩阵： ，，，。 3、单位矩阵与零矩阵 在方阵中，如果只有的元素不等于零，而其他元素全为零，如： 则称为对角矩阵，可记为。如果在对角矩阵中所有的彼此 都相等且均为1，如：，则称为单位矩阵。单位矩阵常用E来表示，即： 当矩阵中所有的元素都等于零时，叫做零矩阵，并用符号“0”来表示。 4、矩阵的加法 矩阵A＝（a ij）m×n和B＝（b ij）m×n相加时，必须要有相同的行数和列数。如以C＝（c ij）表示矩阵A及B的和，则有： m ×n 式中：。即矩阵C的元素等于矩阵A和B的对应元素之和。 由上述定义可知，矩阵的加法具有下列性质（设A、B、C都是m×n矩阵）： （1）交换律：A＋B＝B＋A （2）结合律：（A＋B）＋C＝A＋（B＋C） 5、数与矩阵的乘法 我们定义用k右乘矩阵A或左乘矩阵A，其积均等于矩阵中的所有元素都乘上k之后所得的矩阵。如： 由上述定义可知，数与矩阵相乘具有下列性质：设A、B都是m×n矩阵，k、h为任意常数，则： （1）k（A＋B）＝kA＋kB （2）（k＋h）A＝kA＋hA （3）k（hA）＝khA 第2章 MATLAB 矩阵运算基础 2.1 在MA TLAB 中如何建立矩阵?? ?? ??194375，并将其赋予变量a ？ 2.2 请产生一个100*5的矩阵，矩阵的每一行都是[1 2 3 4 5] 2.3产生一个1x10的随机矩阵，大小位于（-5 5） 2.2 有几种建立矩阵的方法？各有什么优点？ 可以用四种方法建立矩阵： ①直接输入法，如a=[2 5 7 3]，优点是输入方法方便简捷； ②通过M 文件建立矩阵，该方法适用于建立尺寸较大的矩阵，并且易于修改； ③由函数建立，如y=sin(x)，可以由MATLAB 的内部函数建立一些特殊矩阵； ④通过数据文件建立，该方法可以调用由其他软件产生数据。 2.3 在进行算术运算时，数组运算和矩阵运算各有什么要求？ 进行数组运算的两个数组必须有相同的尺寸。进行矩阵运算的两个矩阵必须满足矩阵运算规则，如矩阵a 与b 相乘（a*b ）时必须满足a 的列数等于b 的行数。 2.4 数组运算和矩阵运算的运算符有什么区别？ 在加、减运算时数组运算与矩阵运算的运算符相同，乘、除和乘方运算时，在矩阵运算的运算符前加一个点即为数组运算，如a*b 为矩阵乘，a.*b 为数组乘。 2.5 计算矩阵??????????897473535与???? ??????638976242之和，差，积，左除和右除。 2.6 求?? ?? ??+-+-+-+-++=i 44i 93i 49i 67i 23i 57i 41i 72i 53i 84x 的共轭转置。 2.7 计算???? ??=572396a 与??????=864142b 的数组乘积。 2.8 “左除”与“右除”有什么区别？ 在通常情况下，左除x=a\b 是a*x=b 的解，右除x=b/a 是x*a=b 的解，一般情况下，a\b ≠b/a 。 2.9 对于B AX =，如果??????????=753467294A ，???? ??????=282637B ，求解X 。 2.10 已知：???? ??????=987654321a ，分别计算a 的数组平方和矩阵平方，并观察其结果。 2.11 ??????-=463521a ，?? ????-=263478b ，观察a 与b 之间的六种关系运算的结果。 1.2.10矩阵的迹 函数trace 格式b=trace (A) %返回矩阵A的迹，即A的对角线元素之和。 1.2.11矩阵和向量的范数 命令向量的范数 函数norm 格式n = norm(X) %X为向量，求欧几里德范数，即。 n = norm(X,inf) %求-范数，即。 n = norm(X,1) %求1-范数，即。 n = norm(X,-inf) %求向量X的元素的绝对值的最小值，即。 n = norm(X, p) %求p-范数，即，所以norm(X,2) = norm(X)。 命令矩阵的范数 函数norm 格式n = norm(A) %A为矩阵，求欧几里德范数，等于A的最大奇异值。 n = norm(A,1) %求A的列范数，等于A的列向量的1-范数的最大值。 n = norm(A,2) %求A的欧几里德范数，和norm(A)相同。 n = norm(A,inf) %求行范数，等于A的行向量的1-范数的最大值 即：max(sum(abs(A')))。 n = norm(A, 'fro' ) %求矩阵A的Frobenius范数， 即sqrt(sum(diag(A'*A)))，不能用矩阵p-范数的定义来求。 命令范数的估计值 函数normest 格式nrm = normest(A) %矩阵A的2-范数(欧几里德范数)的估计值，相对误差小于 106。 nrm = normest(A,tol) %tol为指定相对误差 [nrm,count] = normest(…) %count给出计算估计值的迭代次数 1.2.12条件数 命令矩阵的条件数 函数cond 格式c = cond(X) %求X的2-范数的条件数，即X的最大奇异值和最小奇异值的商。 c = cond(X,p) %求p-范数的条件数，p的值可以是1、2、inf或者’fro’。 说明线性方程组AX=b的条件数是一个大于或者等于1的实数，用来衡量关于数据中的扰动，也就是A/或b对解X的灵敏度。一个差条件的方程组的条件数很大。条件数的定义为： 命令1-范数的条件数估计 函数condest 格式c = condest (A) %方阵A的1-范数的条件数的下界估值。 [c,v] = condest (A) %v为向量，满足，即norm(A*v,1) =norm(A,1)*norm(v,1)/c。 [c,v] = condest (A,t) %求上面的c和v，同时显示出关于计算的步骤信息。如果t=1，则计算的 每步都显示出来；如果t=-1，则给出商c/rcond(A)。 命令矩阵可逆的条件数估值 函数rcond 格式c = rcond(A) %对于差条件矩阵A来说，给出一个接近于0的数；对于好条件矩阵A， 则给出一个接近于1的数。 命令特征值的条件数 函数condeig 矩阵的运算及其运算规则 一、矩阵的加法与减法 1、运算规则 设矩阵，， 则 简言之，两个矩阵相加减，即它们相同位置的元素相加减！ 注意：只有对于两个行数、列数分别相等的矩阵（即同型矩阵），加减法运算才有意义，即加减运算是可行的． 2、运算性质（假设运算都是可行的） 满足交换律和结合律 交换律； 结合律． 二、矩阵与数的乘法 1、运算规则 数乘矩阵A，就是将数乘矩阵A中的每一个元素，记为或．特别地，称称为的负矩阵． 2、运算性质 满足结合律和分配律 结合律：(λμ)A=λ(μA)；(λ+μ)A =λA+μA． 分配律：λ(A+B)=λA+λB． 典型例题 例6.5.1已知两个矩阵 满足矩阵方程，求未知矩阵． 解由已知条件知 三、矩阵与矩阵的乘法 1、运算规则 设，，则A与B的乘积是这样一个矩阵： (1) 行数与（左矩阵）A相同，列数与（右矩阵）B相同，即． (2) C的第行第列的元素由A的第行元素与B的第列元素对应相乘，再取乘积之和． 典型例题 例6.5.2设矩阵 计算 解是的矩阵．设它为 想一想：设列矩阵，行矩阵，和的行数和列数分别是多少呢 是3×3的矩阵，是1×1的矩阵，即只有一个元素． 课堂练习 1、设，，求． 2、在第1道练习题中，两个矩阵相乘的顺序是A在左边，B在右边，称为A左乘B 或B右乘A．如果交换顺序，让B在左边，A在右边，即A右乘B，运算还能进行吗？请算算试试看．并由此思考：两个矩阵应当满足什么条件，才能够做乘法运算． 3、设列矩阵，行矩阵，求和，比较两个计算结果，能得出什么结论吗？ 4、设三阶方阵，三阶单位阵为，试求和，并将计算结果与A比较，看有什么样的结论． 解： 第1题 ． 第2题 对于 实验一 Matlab 常用函数、数组及矩阵的基本运算 一、 实验目的 1. 了解Matlab7.0软件工作界面结构和基本操作; 2. 掌握矩阵的表示方法及Matlab 常用函数; 3. 掌握数组及矩阵的基本运算. 二、 实验内容 1. 了解命令窗口(command widow)和变量空间(workspace)的作用,掌握清 除命令窗口(clc )和变量空间(clear)的方法.掌握查询函数(help)的方法. 2. 掌握保存和加载变量的方法. 加载变量:load 变量名. 3. 掌握掌握矩阵的表示方法: 给a,b,c 赋如下数据: ]6,46,23,4,2,6,3,8,0,1[,356838241248 7,278744125431-=??????????--=??????????=c b a 4. 求a+b,a*b,a.*b,a/b,a./b,a^2,a.^2的结果. 5. 将str1=electronic; str2 = information; str3 = engineering; 三个字符串连接 在一起成str = electronic information engineering. 6. 求矩阵a 的逆矩阵a -1，行列式计算。 (inv(a),det(a)) 三、 实验要求 1.上机操作,熟练掌握清除命令窗口和变量空间的方法、查询变量的方法、加载变量的方法。 2.第2道题请写出步骤。 3.对实验内容中第3-6项,写出指令,上机运行. 记录运行结果(数据)。 4.写出实验报告。 四、 实验结果 2. 用save 函数,可以将工作空间的变量保存成txt 文件或mat 文件等. 比如: save peng.mat p j 就是将工作空间中的p 和j 变量保存在peng.mat 中. 用load 函数,可以将数据读入到matlab 的工作空间中. 比如:load peng.mat 就是将peng.mat 中的所有变量读入matlab 工作空间中。 1.1 矩阵的表示 1.2 矩阵运算 1.2.14 特殊运算 1．矩阵对角线元素的抽取 函数diag 格式X = diag(v,k) %以向量v的元素作为矩阵X的第k条对角线元素，当k=0时，v为X的主对角线；当k>0时，v为上方第k条对角线；当k<0时，v为下方第k条对角线。 X = diag(v) %以v为主对角线元素，其余元素为0构成X。 v = diag(X,k) %抽取X的第k条对角线元素构成向量v。k=0：抽取主对角线元素；k>0：抽取上方第k条对角线元素；k<0抽取下方第k条对角线元素。 v = diag(X) %抽取主对角线元素构成向量v。 2．上三角阵和下三角阵的抽取 函数tril %取下三角部分 格式L = tril(X) %抽取X的主对角线的下三角部分构成矩阵L L = tril(X,k) %抽取X的第k条对角线的下三角部分；k=0为主对角线；k>0为主对角线以上；k<0为主对角线以下。函数triu %取上三角部分 格式U = triu(X) %抽取X的主对角线的上三角部分构成矩阵U U = triu(X,k) %抽取X的第k条对角线的上三角部分；k=0为主对角线；k>0为主对角线以上；k<0为主对角线以下。3．矩阵的变维 矩阵的变维有两种方法，即用“：”和函数“reshape”，前者主要针对2个已知维数矩阵之间的变维操作；而后者是对于一个矩阵的操作。 （1）“：”变维 （2）Reshape函数变维 格式 B = reshape(A,m,n) %返回以矩阵A的元素构成的m×n矩阵B B = reshape(A,m,n,p,…) %将矩阵A变维为m×n×p×… B = reshape(A,[m n p…]) %同上 B = reshape(A,siz) %由siz决定变维的大小，元素个数与A中元素个数 相同。 （5）复制和平铺矩阵 函数repmat 格式 B = repmat(A,m,n) %将矩阵A复制m×n块，即B由m×n块A平铺而成。 B = repmat(A,[m n]) %与上面一致 B = repmat(A,[m n p…]) %B由m×n×p×…个A块平铺而成 repmat(A,m,n) %当A是一个数a时，该命令产生一个全由a组成的m×n矩阵。 1.3 矩阵分解 1.3.1 Cholesky分解 函数chol 格式R = chol(X) %如果X为n阶对称正定矩阵，则存在一个实的非奇异上三角阵R，满足R'*R = X；若X非正定，则产生错误信息。 [R,p] = chol(X) %不产生任何错误信息，若X为正定阵，则p=0，R与上相同；若X非正定，则p为正整数，R是有序的上三角阵。 1.3.2 LU分解 矩阵的基本运算 （摘自：华东师范大学数学系；https://www.360docs.net/doc/3d1502780.html,/）§3.1 加和减 §3.2矩阵乘法 §3.2.1 矩阵的普通乘法 §3.2.2 矩阵的Kronecker乘法 §3.3 矩阵除法 §3.4矩阵乘方 §3.5 矩阵的超越函数 §3.6数组运算 §3.6.1数组的加和减 §3.6.2数组的乘和除 §3.6.3 数组乘方 §3.7 矩阵函数 §3.7.1三角分解 §3.7.2正交变换 §3.7.3奇异值分解 §3.7.4 特征值分解 §3.7.5秩 §3.1 加和减 如矩阵A和B的维数相同，则A+B与A-B表示矩阵A与B的和与差．如果矩阵A和B的维数不匹配，Matlab会给出相应的错误提示信息．如： A= B= 1 2 3 1 4 7 4 5 6 2 5 8 7 8 0 3 6 0 C =A+B返回： C = 2 6 10 6 10 14 10 14 0 如果运算对象是个标量（即1×1矩阵），可和其它矩阵进行加减运算．例如： x= -1 y=x-1= -2 0 -1 2 1 §3.2矩阵乘法 Matlab中的矩阵乘法有通常意义上的矩阵乘法，也有Kronecker乘法，以下分别介绍． §3.2.1 矩阵的普通乘法 矩阵乘法用“ * ”符号表示，当A矩阵列数与B矩阵的行数相等时，二者可以进行乘法运算，否则是错误的．计算方法和线性代数中所介绍的完全相同． 如：A=[1 2 ; 3 4]; B=[5 6 ; 7 8]; C=A*B， 结果为 C=×== 即Matlab返回： C = 19 22 43 50 如果A或B是标量，则A*B返回标量A（或B）乘上矩阵B（或A）的每一个元素所得的矩阵． §3.2.2 矩阵的Kronecker乘法 对n×m阶矩阵A和p×q阶矩阵B，A和B的Kronecher乘法运算可定义为： 由上面的式子可以看出，Kronecker乘积A B表示矩阵A的所有元素与 B之间的乘积组合而成的较大的矩阵，B A则完全类似．A B和B A均为np ×mq矩阵，但一般情况下A B B A．和普通矩阵的乘法不同，Kronecker乘 法并不要求两个被乘矩阵满足任何维数匹配方面的要求．Kronecker乘法的Matlab命令为C=kron(A,B)，例如给定两个矩阵A和B： A= B= 则由以下命令可以求出A和B的Kronecker乘积C： A=[1 2; 3 4]; B=[1 3 2; 2 4 6]; C=kron(A,B) C = 1 3 2 2 6 4 2 4 6 4 8 12 3 9 6 4 12 8 矩阵的基本性质 矩阵的第?第列的元素为。我们?或（）表?的单位矩阵。 1.矩阵的加减法 （1）,对应元素相加减 （2）矩阵加减法满足的运算法则 a.交换律： b.结合律： c. d. 2.矩阵的数乘 （1），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： b.矩阵对数的分配律： c.结合律： d. 3.矩阵的乘法 （1），左行右列对应元素相乘后求和为C的第行第列的元素（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 b.分配律： c.结合律： d.数乘结合律： 4.矩阵的转置, （1）矩阵的幂：,,…, （2）矩阵乘法满足的运算法则 a. b. c. d. 5.对称矩阵：即；反对称矩阵：即 （1）设为（反）对称矩阵，则仍是（反）对称矩阵。 （2）设为对称矩阵，则或仍是对称矩阵的充要条件=。 （3）设为（反）对称矩阵，则，也是（反）对称矩阵。 （4）对任意矩阵，则分别是对称矩阵和反对称矩阵且. （5） 6. Hermite矩阵：即；反Hermite矩阵，即 a. b. c. d. e. f.（当矩阵可逆时） 7.正交矩阵：若,则是正交矩阵 （1） （2） 8.酉矩阵：若,则是酉矩阵 （1） （2） （3）, （4） 9.正规矩阵：若,则是正规矩阵；若,则是实正规矩阵 10.矩阵的迹和行列式 （1）为矩阵的迹；或为行列式 （2）；注：矩阵乘法不满足交换律 （3） （4）,为酉矩阵，则 （5） （6） （7） （8） （9） （10） （11） （12）,，则其中为奇异分解值的特征值 11.矩阵的伴随矩阵 （1）设由行列式的代数余子式所构成的矩阵 矩阵迹的若干个性质与应用 姓名：某某 指导老师：某某 摘 要：根据矩阵迹的定义,首先给出了矩阵迹的性质,然后依据方阵的F -范数定义Cauchy —Schwarz 不等式,给出了零矩阵,不相似矩阵,数幂矩阵,列矩阵,幂等矩阵及矩阵不等式的证法。矩阵的迹在解题中的应用给出了实例。 关键词：迹 矩阵 范数 特征值 1 引言 矩阵的迹及其应用是高等数学的重要内容，也是工程理论研究中的重要工具。本文在前人研究的基础上，首先介绍了矩阵迹的相关性质，然后给出了零矩阵，不相似矩阵，数幂矩阵，列矩阵，幂等矩阵及矩阵不等式的证法，最后对矩阵的应用给出实例。 2 预备知识 定义1 设 n n ij C a A ?∈=)(,则∑==n i ii a trA 1 称为A 的迹。 定义2 设 n n ij C a A ?∈=)(,记与向量范数2X A 相容的A 的F 一范数为: 2 112 1 )(∑∑===n i n j ij F a A )1(00>?≠F A A (2) C K A K KA F F ∈??=, (3) n F F F C B A B A B A ∈?+≤+,, (4) n n F F F C B A B A AB ?∈??≤,, (5) 22 X A AX F ?≤ 引理：矩阵迹的性质: 1 trB trA B A tr ±=±)( 证明：设 (a ),()ij n n ij n n A B b ??==则1 1 1 (),(),()()i n i n i n ii ii ii ii i i i tr A a tr B b tr A B a b ========±=±∑∑∑ 第五专题矩阵的数值特征 （行列式、迹、秩、相对特征根、范数、条件数） 一、行列式 已知A p×q, B q×p, 则|I p+AB|=|I q+BA| 证明一：参照课本194页，例4.3. 证明二：利用AB和BA有相同的非零特征值的性质； 从而I p+AB，I q+BA中不等于1的特征值的数目相同，大小相同；其余特征值都等于1。 行列式是特征值的乘积，因此|I p+AB|和|I q+BA|等于特征值（不等于1）的乘积，所以二者相等。 二、矩阵的迹 矩阵的迹相对其它数值特征简单些，然而，它在许多领域，如数值计算，逼近论，以及统计估计等都有相当多的应用，许多量的计算都会归结为矩阵的迹的运算。下面讨论有关迹的一些性质和不等式。 定义： n n ii i i1i1 tr(A)a == ==λ ∑∑，etrA=exp(trA) 性质： 1. tr(A B)tr(A)tr(B) λ+μ=λ+μ，线性性质； 2. T tr(A )tr(A)=； 3. tr(AB)tr(BA)=； 4. 1 tr(P AP)tr(A)-=； 5. H H tr(x Ax)tr(Axx ),x =为向量； 6. n n k k i i i 1 i 1 tr(A),tr(A )===λ=λ∑∑; 从Schur 定理（或Jordan 标准形）和（4）证明； 7. A 0≥,则tr(A)0≥,且等号成立的充要条件是A=0； 8. A B(A B 0)≥-≥即,则tr(A)tr(B)≥，且等号成立的充要条件是A=B （i i A B (A)(B)≥?λ≥λ）； 9. 对于n 阶方阵A ，若存在正整数k,使得A k =0,则tr(A)=0（从Schur 定理或Jordan 标准形证明）。 若干基本不等式 对于两个m ×n 复矩阵A 和B ，tr(A H B)是m ×n 维酉空间上的内积，也就是将它们按列依次排成的两个mn 维列向量的内积，利用Cauchy-schwarz 不等式 [x,y]2≤[x,x]﹒[y,y] 得 定理：对任意两个m ×n 复矩阵A 和B |tr(A H B)|2≤tr(A H A)﹒tr(B H B) 矩阵的基本运算法则 1、矩阵的加法 矩阵加法满足下列运算规律（设A 、B 、C 都是m n ?矩阵，其中m 和n 均为已知的正整数）： （1）交换律：+=+A B B A （2）结合律：()()++++A B C =A B C 注意：只有当两个矩阵为同型矩阵（两个矩阵的行数和列数分别相等）时，这两个矩阵才能进行加法运算。 2、数与矩阵相乘 数乘矩阵满足下列运算规律（设A 、B 是m n ?矩阵，λ和μ为数）： （1）结合律：()λμλμ=A A （2）分配律：()λμλμ+=+A A A （3）分配律：()λλλ+=+A B A B 注意：矩阵相加与数乘矩阵合起来，统称为矩阵的线性运算。 3、矩阵与矩阵相乘 矩阵与矩阵的乘法不满足交换律、但是满足结合律和分配率（假设运算都是可行的）： （1）交换律：≠AB BA （不满足） （2）结合律：()()=AB C A BC （3）结合律：()()()λλλλ==其中为数AB A B A B （4）分配律：()(),+=++=+A B C AB AC B C A BA CA 4、矩阵的转置 矩阵的转置满足下述运算规律（假设运算都是可行的，符号()T g 表示转置）： （1）()T T =A A （2）()T T T +=+A B A B （3）()T T λλ=A A （4）()T T T =AB B A 5、方阵的行列式 由A 确定A 这个运算满足下述运算法则（设A 、B 是n 阶方阵，λ为数）： （1）T =A A （2）n λλ=A A （3）=AB A B 6、共轭矩阵 共轭矩阵满足下述运算法则（设A 、B 是复矩阵，λ为复数，且运算都是可行的）： （1）+=+A B A B （2）λλ=A A （3）=AB AB 7、逆矩阵 方阵的逆矩阵满足下述运算规律： （1）若A 可逆，则1-A 亦可逆，且()11--=A A （2）若A 可逆，数0λ≠，则λA 可逆，且()111 λλ--=A A （3）若A 、B 为同阶矩阵且均可逆，则AB 亦可逆，且()111---=AB B A 参考文献： 【1】线性代数（第五版），同济大学 1.1矩阵的表示 1.2矩阵运算 1.2.14特殊运算 1．矩阵对角线元素的抽取 函数diag 格式X = diag(v,k)% 以向量 v 的元素作为矩阵 X 的第 k 条对角线元素，当 k=0 时， v 为 X 的主对角线；当 k>0 时，v 为上方第 k 条对角线；当 k<0 时， v 为下方第 k 条对角线。 X = diag(v)% 以 v 为主对角线元素，其余元素为 0 构成 X。 v = diag(X,k)%抽取 X 的第 k 条对角线元素构成向量 v。k=0：抽取主对角线元素； k>0 ：抽取上方第 k 条对角线元素；k<0 抽取下方第 k 条对角线元素。 v = diag(X)% 抽取主对角线元素构成向量 v。 2．上三角阵和下三角阵的抽取 函数tril% 取下三角部分 格式L = tril(X)%抽取 X 的主对角线的下三角部分构成矩阵L L = tril(X,k)% 抽取 X 的第 k 条对角线的下三角部分； k=0 为主对角线； k>0 为主对角线以上； k<0 为主对角线以下。 函数triu% 取上三角部分 格式U = triu(X)%抽取 X 的主对角线的上三角部分构成矩阵U U = triu(X,k)% 抽取 X 的第 k 条对角线的上三角部分； k=0 为主对角线； k>0 为主对角线以上； k<0 为主对角线以下。3．矩阵的变维 矩阵的变维有两种方法，即用“：”和函数“reshape，”前者主要针对 2 个已知维数矩阵之间的变维操作；而后者是对 于一个矩阵的操作。 （1）“：”变维 （2）Reshape 函数变维 格式 B = reshape(A,m,n)%返回以矩阵 A 的元素构成的 m×n 矩阵 B B = reshape(A,m,n,p,)% 将矩阵 A 变维为 m×n×p× B = reshape(A,[m n p])%同上 B = reshape(A,siz)% 由 siz 决定变维的大小，元素个数与 A 中元素个数 相同。 （5）复制和平铺矩阵 函数repmat 格式 B = repmat(A,m,n)% 将矩阵 A 复制 m×n 块，即 B 由 m×n 块 A 平铺而成。 B = repmat(A,[m n])%与上面一致 B = repmat(A,[m n p]) %B 由 m×n×p× 个 A 块平铺而成 repmat(A,m,n)%当 A 是一个数 a 时，该命令产生一个全由 a 组成的 m×n 矩阵。 1.3矩阵分解 1.3.1Cholesky 分解 函数chol 格式R = chol(X)% 如果 X 为 n 阶对称正定矩阵，则存在一个实的非奇异上三角阵R，满足 R'*R = X ；若 X 非正定，则产生错误信息。 [R,p] = chol(X)% 不产生任何错误信息，若X 为正定阵，则p=0 ，R 与上相同；若X 非正定，则p 为正整数， R 是有序的上三角阵。 1.3.2 LU 分解 矩阵的定义及其运算规则 矩阵的定义及其运算规则 1、矩阵的定义 一般而言，所谓矩阵就是由一组数的全体，在括号（）内排列成m行n 列（横的称行，纵的称列）的一个数表，并称它为m×n阵。 矩阵通常是用大写字母A 、B …来表示。例如一个m 行n 列的矩阵可以简记为：，或 。即： （2-3）我们称（2-3）式中的为矩阵A的元素，a 的第一个注脚字母，表示矩阵的行数，第二个注脚字母j（j＝1，2，…，n）表示矩阵的列数。 当m＝n时，则称为n阶方阵，并用 表示。当矩阵（a ij）的元素仅有一行或一列时，则称它为行矩阵或列矩阵。设两个矩阵，有相同的行数和相同的列数，而且它们的对应元素一一相等，即，则称该两矩阵相等，记为A＝ B。 2、三角形矩阵 由i＝j的元素组成的对角线为主对角线，构成这个主对角线的元素称为主对角线元素。 如果在方阵中主对角线一侧的元素全为零，而另外一侧的元素不为零或不全为零，则该矩阵叫做三角形矩阵。例如，以下矩阵都是三角形矩阵： ，，，。 3、单位矩阵与零矩阵 在方阵中，如果只有的元素不等于零，而其他元素全为零，如： 则称为对角矩阵，可记为。如果在对角矩阵中所有的彼此都相等且均为1， 如：，则称为单位矩阵。单位矩阵常用E来表示，即： 当矩阵中所有的元素都等于零时，叫做零矩 阵，并用符号“0”来表示。 4、矩阵的加法 矩阵A＝（a ij）m×n和B＝（b ij）m×n相加时，必须要有相同的行数和列数。如以C＝（c ij）m ×n 表示矩阵A及B的和，则有： 式中：。即矩阵C的元素等于矩阵A和B 的对应元素之和。 由上述定义可知，矩阵的加法具有下列性质（设A、B、C都是m×n矩阵）： （1）交换律：A＋B＝B＋A 摘要 矩阵的迹在高等代数的教学过程中只是提及概念，并未做深入的探讨。然而，矩阵的迹是矩阵的一个重要的数量特征，在理论和实践中都有相关的应用。本文先简单介绍矩阵的迹的基本性质；然后，分析反对称矩阵、正定矩阵等几类特殊矩阵的迹及其性质；最后，论述矩阵的迹在解有关特征值问题，证明有关否定命题和不等式中的应用。 关键词：矩阵的迹；反对称矩阵；正定矩阵；特征值；否定命题；不等式 Abstract Matrix trace just mentioned in the process of higher algebra teaching concept, did not do in-depth discussion. Matrix trace, however, is an important characteristic of Matrix which has relevant application in theory and practice . This paper first simply sums up the basic matrix trace properties; Then, analyzes antisymmetric matrix, trace of positive definite matrix and several kind of special matrix and its properties; Finally, this paper discusses matrix trace in solving the eigenvalue problem, and proves that the application of negative proposition and inequality. Key words:matrix trace; antisymmetric matrix; positive definite matrix; characteristic value; negative proposition; inequality 行列式与矩阵幂迹的代数关系 计算]det[xB A +的公式 （1）递归推导法： ∑=+=i i i x C xB A w ]det[]det[ ... ]det[)(]det[)(]det[]det[)()ln (]det[21)(ln )(ln w v v w w v w ww w w w w tr tr tr tr e tr e x x x tr x tr x x +?=?=?=?=?=?- 001)](det[]det[)(!==+?=?=x i x x n x i tr i C v w w ... 2)()()()()()(3 1 1 1 1 1 1 1 11122111v ww ww ww w w ww ww w w ww w w w w v v w w ww w w v -=???-??-?=???+???=?-=?-?=??=?-------------x x x x x x x x x x x x x x x x x x )()1)..(1)(()(n m m n x tr n m m m tr ++-----=?v v () m x m n m m n m n x x i x i i i i tr tr tr n m m m tr m tr tr i C x C x )()()()1)..(1)(()()(1)(! det ]det[100 B A v v v v v A B A -=+==+-----=-=?+?= =+∑ （2）直接展开法 ∑ ∏∑∑ ∏∑∑∏ ∑∑∏∑∏∑∑∏∑∑∑∑∑=-+∞ ==+∞ ==∞===∞==∞=+=∞ =+--∑ -=+∑ -=∑=∑==∑=≡-=-=+=++≡+=+=+n jm m m i m i m i n n n jm m m i m i m i n n n jm m i m i n n m i m i jm m i im m i m m m m i im m i m i i i m m i i i i m i i i i j j i i i i i j j i i i i i j j i i i i i i j j i i i i i i i i i i m tr x x i m tr x m P x m P x m x P m x P P x m i tr x m i tr x x tr x x x x x }, {)1(0 }, {)1(0 },{0}{}{0},{1 01101 1!)))((()1(]det[]det[!))(()1(!!!!) (!1))()1((!1) ) ()1(exp())ln(exp(]det[]det[det ]det[det ]det[det ]det[B A A B A D D D D δD δD δA B A δA B A δA B A 111 按照分配 C#矩阵的运算代码 #region 矩阵运算 /// 第五专题 矩阵的数值特征(行列式、范数、条件数、迹、秩、相对特征根)
矩阵的定义及其运算规则 (2)
MATLAB矩阵运算基础练习题
矩阵相关运算
矩阵的运算及其运算规则
Matlab常用函数数组及矩阵的基本运算
matlab中的矩阵的基本运算命令
矩阵的基本运算
矩阵基本性质
矩阵迹的性质与应用
第五专题 矩阵的数值特征(行列式、范数、条件数、迹、秩、相对特征根)讲解
矩阵的基本运算法则
matlab中矩阵基本运算命令.docx
矩阵的定义及其运算规则
矩阵的迹及其应用
行列式与矩阵幂迹的代数关系
C_矩阵基本运算代码