矩阵特征值的估计及其应用
收稿日期:2008-11-14
作者简介:薛建明(1982- ),女,硕士,研究方向为泛函分析和矩阵计算.Email:xuejianmi ng104@https://www.360docs.net/doc/d38381223.html,
文章编号:1671-9352(2009)12-0048-04
矩阵特征值的估计及其应用
薛建明,邹黎敏
(重庆三峡学院数学与计算机科学学院,重庆404000)
摘要:讨论矩阵特征值估计及其在稳定性理论中的应用。证明了矩阵的所有特征值都位于一个圆盘中,给出了定常线性系统在平衡位置渐近稳定的一个充分条件,并给出了数值算例。关键词:特征值;F 函数;范数;估计;稳定性中图分类号:O15112 文献标志码:A
Estimation for eigenvalues and its application
XUE Jian -ming,ZOU L-i min
(College of Mathematics and Computer Science of Chongqing,Three Gorges University ,Chongqing 404000,China)Abstract :T he purpose of this paper is to discuss the estimation for eigenvalues of matrices and its application in stability theory.We prove that all the eigenvalues of any complex matrix are located in one di sk.After that,we present a sufficient conditi on that a linear time -invariant sys tem is asymp totically stable in equilibrium position.Some numerical examples are given.Key w ords :eigenvalues;F function;norm;esti mation;stability
特征值的估计一直是矩阵分析领域非常热门的课题。特征值的定位与分布就是在复平面上对给出的矩阵的特征值的大小,所属区域给出一个范围。在自然科学的许多分支中,并不需要精确计算出矩阵的特征值,而只需要给出一个大体的分布范围。如在控制理论中,只需要判断系统方程中系统矩阵的特征值是否都具有非负的实部,就可以判断系统是否稳定;而在统计线性模型或是数值算法分析中,有时需要判断Her mite 矩阵是正定的,即所有的特征值都大于零
[1-4]
。
众所周知,动力系统d x
d t =f (x )的稳定性理论有着广泛的应用,而非线性系统的稳定性往往可以用其线性部分来处理。涉及常系数线性微分方程组
d x
d t
=Ax 的解的稳定性问题时,判断A 是否是稳定矩阵的方法有很多,如Routh -Hur witz,李亚普诺夫等方法。然而对于阶数较大的矩阵,上面的方法是比较复杂的,故寻求A 是稳定矩阵的简单判据是有必要的。文中先得到了矩阵特征值的估计,然后给出了定常线性系统在平衡位置渐近稳定的一个充分条件,并给出了数值算例验证估计的优越性。
设C
n @n
表示n @n 阶复矩阵的集合,若A =(a ij )I C
n @n
,称+A +F =tr(A *
A )为矩阵A 的F -范数,
其中A *
表示的A 的共轭转置。
1 矩阵特征值的估计
定义111 令映射f :C
n @n
y R +
G {0},若f 满足
第44卷 第12期
Vol.44 No.12
山 东 大 学 学 报 (理 学 版)
Journal of Shandong University(Natural Science)
2009年12月 Dec.2009
(1)对于任意的矩阵A ,若|tr A |2
>f (A ),则A 非奇异;
(2)对于任意的A I C ,有f (A I -A )=n -1n
(|tr(A I -A )|2-|tr A |2
)+f (A );(3)f (A )\n -1n |tr A |2,
则称f 为一个F 函数,记F 函数的全体为 f 。
定理111 设A I C
n @n
,f I f ,则A 的所有特征值位于如下一个圆盘之中:
z I C :z -tr A
n [
n f (A )-(n -1)|tr A |
2
n
。
证明 设K 为A 的任意特征值,令H =K I -A ,则由F 函数的定义,有
|tr H |2
[f (H ),
又由F 函数的定义可得
f (K I -A )=
n -1n
(|tr(K I -A )|2-|tr A |2
)+f (A ),于是
|tr(K I -A )|2[n -1n
(|tr(K I -A )|2-|tr A |2
)+f (A ),
即
|tr(K I -A )|2
n [f (A )-n -1n
|tr A |2
,
所以
n
2
K -tr A n
2
[n f (A )-(n -1)|tr A |2
,
故
K -tr A n
[
n f (A )-(n -1)|tr A |
2
n
。
于是定理得证。
定理112 设M I C
n @n
且被分块为如下形式:M =
A k @k
B k @(n -k )
C (n -k )@k
D (n -k )@(n -k )
,(1[k [n -1)。
令
f (M )=(n -1)
+M +2
F -max 1[k [n -1
+B k @(n -k )
+F -+C (n -
k )@k
+F
2
,
则f (M )I f 。
证明 (1)令
T (M )=|tr M |2
-(n -1)
+M +2
F -ma x 1[k [n -1
+B k @(n -k )
+F -+C (n -k )@k
+F
2
,
若|tr M |2
>f (M ),即T (M )>0,设M 有s 个非零特征值,则rank M \s ,于是
|tr M |2
=
E s
i =1
K i 2
[s E s
i =1|K i |2
[rank M E s
i =1
|K i |2
。假设M 为奇异矩阵,则有
|tr M |2
[(n -1)E s
i =1
|K i |2
。又由文献[3]定理1知
E s
i =1
|K i |2
[+M +2
F -max 1[k [n -1
(+B k @(n -k )+F -+C (n -k )@k +F )2
,所以
|tr M |2
[(n -1)+M +2
F -max 1[k [n -1
(+B k @(n -k )+F -+C (n -k )@k +F )2
,(1)
于是T (M )[0,与条件矛盾,所以M 为非奇异矩阵。
第12期薛建明,等:矩阵特征值的估计及其应用
49
(2)设A I C为任意复数,则
f(A I-M)=(n-1)+A I-M+2F-max
k[k[n-1
+B k@(n-k)+F-+C(n-k)@k+F2。又因为
+A I-M+2F=1
n
[|tr(A I-M)|2-|tr M|2]++M+2F,
所以有
f(A I-M)=n-1
n
(|tr(A I-M)|2-|tr M|2)+f(M)。
(3)显然
f(M)-n-1
n |tr M|2=(n-1)+M+2F-max
1[k[n-1
+B k@(n-k)+F-+C(n-k)@k+F2-n-1
n
|tr M|2,
即
f(M)-n-1
n
|tr M|
2=(n-1)+M+2
F-ma x
1[k[n-1
+B k@(n-k)+F-+C(n-k)@k+F2-|tr M|2
n
。
所以,由式(1)可得
f(M)\n-1
n|tr M|
2。
综上可知f(M)I
f。
推论111设M I C n@n且被分块为如下形式:
M=
A k@k
B k@(n-k)
C(n-k)@k D(n-k)@(n-k)
I C n@n,(1[k[n-1)。
令
f(M)=(n-1)+M+2F-max
1[k[n-1
+B k@(n-k)+F-+C(n-k)@k+F2,则M的所有特征值位于如下一个圆盘之中:
z I C:z-tr M
n
[n f(M)-(n-1)|tr M|
2
n
。
证明推论111为定理111和定理112的综合推论。推论112设M I C n@n且被分块为如下形式:
M=
A k@k
B k@(n-k)
C(n-k)@k D(n-k)@(n-k)
I C n@n,(1[k[n-1),
令
f(M)=(n-1)+M+2F-max
1[k[n-1
+B k@(n-k)+F-+C(n-k)@+F2,设K=a+b-1为M的任一特征值,则
Re tr M
n
-
n f(M)-(n-1)|tr M|2
n
[a[Re tr M
n
+
nf(M)-(n-1)|tr M|2
n
。
推论113设定常线性系统的微分方程组为d x
d t
=A x,其中A为系数矩阵,若
Re tr A
n <-n f(A)-(n-1)|tr A|
2
n
,
则系统在平衡位置x=0是渐近稳定的。
注满足定义111的F函数有很多,如选取矩阵函数为
f(A)=(n-1)+A+2F,
由定理112的方法,容易验证f(A)I
f,于是立即可以得到文献[5]的主要结果。本文的定理111将此结果推广到了对于任意的F函数均成立。
50山东大学学报(理学版)第44卷
2数值算例
例211设
A=
5-13
-12-2
3-23
。
显然A是实对称矩阵,由推论111,可得所有特征值位于如下一个圆盘之中:
z I C:z-10
3
[14
3,
即
-113333[K[810000,
由著名的Gerschgorin定理,可得A的特征值位于如下三个圆盘的并:
{z I C:|z-5|[4}G{z I C:|z-2|[3}G{z I C:|z-3|[5},
即
-210000[K[910000
计算A的特征值为K1=010610,K2=210881,K3=718509,可见推论111对A的特征值的估计是有其优越性的。
例212考虑下面定常线性系统在平衡位置x=0的稳定性[6]。
d x d t =
d x1
d t
d x2
d t
d x3
d t
d x4
d t
=
-531-2
-1-401
-12-41
1-20-3
x。
因为
Re tr A
4=tr A
4
=-410000,f(A)=252,
故
-4f(A)-3|tr A|2
4
=-318730,
所以
Re tr A
4
[-4f(A)-3|tr A|
2
4
,
于是由推论113可知,系统在平衡位置x=0是渐近稳定的。
参考文献:
[1]HORN R A,J OHNSON C R.M atrix analysis[M].Cambridge:Cambridge University Press,1985.
[2]詹兴致.矩阵论[M].北京:高等教育出版社,2008.
[3]屠伯勋.矩阵秩的下界与方阵的非奇异性(?)[J].复旦大学学报:自然科学版,1982(04):416-422.
[4]黄廷祝,杨传胜.特殊矩阵分析及应用[M].北京:科学出版社,2007.
[5]古以熹.矩阵特征值的分布[J].应用数学学报,1994(04):501-511.
[6]屠伯勋.两类迹占优阵的特征值的分布与估计[J].数学杂志,1988(01):67-74.
(编辑:陈丽萍)第12期薛建明,等:矩阵特征值的估计及其应用51
矩阵特征值的运算性质及推广
矩阵特征值的运算性质及推广 摘要:本篇论文主要从五方面来进行讲解:引言;矩阵特征值的性质;矩阵特征值的应用推广;分块矩阵的性质;分块矩阵特征值应用推广。 由于本篇论文是要以矩阵特征值性质的应用为主题,首先介绍总结了矩阵的一些基本概念及矩阵基本运算,然后在文中着重阐述了矩阵特征值性质,罗列出相关引理并予以证明,然后通过五种类型的矩阵特征值的应用例子将矩阵特征值的运算性质进行推广。将矩阵拓展到分块矩阵,讨论分块矩阵的性质及应用. 关键词:矩阵,特征值,特征向量,特征方程,特征多项式 The Operation Properties and Promotion of Eigenvalue Cui haiyang (Institute of Computer Science, Math) Abstract Three aspects to this thesis to explain: Introduction; matrix eigenvalue nature; promote the application of Matrix Eigenvalues. Because of this paper is a matrix eigenvalue to the application of the nature of the theme first introduced some basic concepts of matrix and the matrix of basic operations, and then in the text focuses on the eigenvalue properties, set out the relevant Yin Li, and to prove it. Finally, five types of application examples Eigenvalue Eigenvalue computation will be the nature of promotion. Key words:Matrix , Eigenvalue, Eigenvectors, Characteristic equation,Characteristic polynomial 1引言 矩阵计算领域在不断的发展和成熟,作为一门数学学科,它是众多理工学科重要的数学工具,矩阵理论既是经典数学的基础课程,是数学的一个重要且目前仍然非常活跃的领域,又是一门最有实用价值的数学理论,是计算机科学与工
浅谈矩阵的特征向量特征值的意义
浅谈矩阵的特征向量特征值的意义 描述了矩阵的特征向量和特征值的定义,简述了矩阵的特征向量特征值在数学、物理、信息和哲学上的一些意义,对于从多角度深入理解矩阵的特征向量特征值有积极意义。 标签:线性代数;矩阵;特征向量;特征值 1 线性变换与矩阵的特征向量特征值[1] 线性变换是指一个n维列向量被左乘一个n阶矩阵后得到另一个n维列向量,它是同维向量空间中的把一个向量线性映射成了另一个向量。即 Y=AX (Y,X∈Rn A=(aij)A=(aij)n×n) 如果对于数λ,存在一个n维零列向量X(即X∈Rn且X≠0),使得 AX=?姿X 则称数λ为矩阵A的一个特征值,X为矩阵A对应于λ的特征向量。 在线性代数中研究线性变换就是研究相应的矩阵A,矩阵A的特征向量和特征值是线性变换研究的重要内容。 2 在数学上的意义 矩阵乘法对应了一个变换,是把任意一个向量变成另一个方向或长度都大多不同的新向量。在这个变换的过程中,原向量主要发生旋转、伸缩的变化。如果矩阵对某一个向量或某些向量只发生伸缩变换,不对这些向量产生旋转的效果,那么这些向量就称为这个矩阵的特征向量,伸缩的比例就是特征值。这里可以将特征值为负,特征向量旋转180度,也可看成方向不变,伸缩比为负值。所以特征向量也叫线性不变量。特征向量的不变性是他们变成了与其自身共线的向量,他们所在的直线在线性变换下保持不变;特征向量和他的变换后的向量们在同一根直线上,变换后的向量们或伸长或缩短,或反向伸长或反向缩短,甚至变成零向量(特征值为零时)[2]。 对对称矩阵而言,可以求得的特征向量是正交的,就是把矩阵A所代表的空间,进行正交分解,使得A的向量集合可以表示为每个向量a在各个特征向量上面的投影长度。 例如,对于x,y平面上的一个点(x,y),我对它作线性变换A, 这个线性变换相当于关于横轴x做镜像。我们可以求出矩阵A的特征向量
浅析分块矩阵的性质和应用[1]讲解
浅析分块矩阵的性质和应用 作者姓名:周甜 河南理工大学数学与信息科学学院数学与应用数学专业2007级2班 性质1:分块矩阵都是可逆的,且逆矩阵为分块初等矩阵。 性质2:分块单位矩阵经过一次分块矩阵的初等变换后所得到的矩阵仍为分块初等矩阵。 摘要:分块矩阵在高等代数中有着广泛的应用,矩阵的分块运算是矩阵运算的一种重要方法。本文主要讨论了分块矩阵的运算性质,初等变换,并举例说明和分析了分块矩阵在解决矩阵特征值计算和有关矩阵证明等问题中的应用。利用分块矩阵可以使阶数比较高,比较复杂的矩阵和抽象矩阵的特征值问题的解决变得简明而清晰。 关键词:分块矩阵行列式特征值初等变换矩阵的逆 Tentative Analysis of Properties and Applications of Block Matrices Author Name:Zhou Tian Class 2 Grade 2007 of Mathematics and Applied Mathematics of College Mathematics and Information Science of Henan Polytechnic University School Summary:Block matrices has a wide use in Advanced Algebra. Operations of block matrices play an important role in the operation of matrices. This paper mainly illustrates the operation properties and the elementary transformations of block matrices. Several examples are given in the paper to show the applications of block matrices in calculating the eigenvalues of a matrix and proving a subject in connection with matrices. It is convenient to apply block matrices to deal with questions containing matrices with high order and complex appearances and calculating the eigenvalues of abstract matrices. Keywords: block matrices determinant eigenvalues elementary transformation the inverse of a matrix
12 特征值估计、广义特征值与极大极小原理
第十二讲 矩阵特征值估计 特征值计算较困难,希望找到简便的特征值界限或分布范围的估计方法。 一、 特征值界的估计 定理1. 设n n A R ?∈,λ为A 的任意特征值,则有 () Im M λ≤其中,ij ji 1i ,j n a a M m a x 2 ≤≤-= 证明:设x 为A 的属于特征值λ的单位特征向量,即A x x =λ, H x x 1=, 则 H x A x λ= → ( ) () H H H H H x A x x A x x A x λ== = () ()()H H H T 2jIm x A A x x A A x λ-λ=λ=-=- 将x 写成[] T 12n x ,,,=ξξξ ()()n n H T i ij ji j i 1 j 1 x A A x a a ==-=ξ-ξ∑∑ () ()()n n i ij ji j i 1j 1 n n i ij ji j i 1 j 1 2I m a a a a ====λ= ξ-ξ≤ ξ-ξ∑∑ ∑∑ n ' i j ij ji i ,j 1 a a == ξξ-∑ ('∑表示不含i =j ) n ' i j i ,j 1 2M =≤ξξ∑ () 2 n 2 2 ' i j i ,j 1 I m M =? ?λ≤ξξ ? ? ? ∑
() n 2 2 ' i j i ,j 1M n n 1=≤-ξξ∑ () n 2 2 2 ' i j i ,j 1M n n 1==-ξξ∑ n n n n n 2 2 2 2 4 2 4 ' i j i j i i i i ,j 1 i ,j 1 i 1 i 1 i 1 =====ξξ= ξξ- ξ≤ ξ- ξ∑ ∑ ∑ ∑ ∑ ( )n 2 2 i i i 11== ξ-ξ∑ 不妨写为: ( ) ( ) ( )n 2 222 2 2 1 1 2 2 i i i 3 111==ξ-ξ +ξ -ξ + ξ -ξ∑ ( )( )( )2 2 2 2 2 2 n 11 22 2 2 i i i 3 1112 2 =????ξ +-ξξ +-ξ ? ? ≤++ ξ-ξ ? ? ? ???? ? ∑ 12 ≤ 取等号的条件为2 2 1 2 12 ξ=ξ= ,但 2 x 1 =,所以其它2 i ξ= ∴ () Im M λ≤定理2. 设n n A R ?∈,λ为A 的任意特征值,则有 n λ≤ρ ()R e n λ≤τ () I m n s λ≤ 其中,ij 1i,j n m a x a ≤≤ρ =,ij ji 1i,j n m a x a a ≤≤τ =+,ij ji 1i,j n s m a x a a ≤≤=- 二、 盖尔圆法 定义:设() n n ij n n A a C ??= ∈,由方程 n ii i ij j 1 i j z a R a =≠-≤= ∑ 所确定的圆称 为A 的第i 个盖尔圆,i R 称为盖尔圆的半径。
分块矩阵的应用论文
分块矩阵的应用 引言 矩阵作为数学工具之一有其重要的实用价值,它常见于很多学科中,如:线性代数、线性规划、统计分析,以及组合数学等,在实际生活中,很多问题都可以借用矩阵抽象出来进行表述并进行运算,如在各循环赛中常用的赛格表格等,矩阵的概念和性质相对矩阵的运算较容易理解和掌握,对于矩阵的运算和应用,则有很多的问题值得我们去研究,其中当矩阵的行数和列数都相当大时,矩阵的计算和证明中会是很烦琐的过程,因此这时我们得有一个新的矩阵处理工具,来使这些问题得到更好的解释,矩阵分块的思想由此产生矩阵分块,就是把一个大矩阵看成是由一些小矩阵组成的?就如矩阵的元素(数)一样,特别是在运算中,把这些小矩阵当作数一样来处理.把矩阵分块运算有许多方便之处因为在分块之后,矩阵间的相互关系可以看得更清楚,在实际操作中与其他方法相比,- 般来说,不仅非常简洁,而且方法也很统一,具有较大的优越性,是在处理级数较高的矩阵时常用的方法?比如,从行列式的性质出发,可以推导出分块矩阵的若干性质,并可以利用这些性质在行列式计算和证明中的应用分块矩阵;也可以借助分块矩阵的初等变换求逆矩阵及矩阵的秩等;再如利用分块矩阵求高阶行列式,如设A、C都是n阶矩阵, A B 其中A 0,并且AC CA,则可求得AD BC ;分块矩阵也可以在求解线性 C D 方程组应用? 本文将通过对分块矩阵性质的研究,比较系统的总结讨论分块矩阵在计算和证明方面的应用,从而确认分块矩阵为处理很多代数问题带来很大的便利
1 分块矩阵的定义及相关运算性质 1.1 分块矩阵的定义 矩阵分块 , 就是把一个大矩阵看成是由一些小矩阵组成的 . 就如矩阵的元素 ( 数) 一 样,特别是在运算中 , 把这些小矩阵当作数一样来处理 . 定义1设A 是一个m n 矩阵,若用若干横线条将它分成r 块,再用若干纵线条将它 A 11 ... 分成s 块,于是有rs 块的分块矩阵,即A .... A r1 . 1.2 分块矩阵的相关运算性质 1. 2.1 加法 A A ij r s , B B ij r s , 其中 A ij , B ij 的级数相同, A B A ij B ij r s 1.2.2 数乘 kA 1.2.3 乘法 1.2.4 转置 A A ji s r 1.2.5 分块矩阵的初等变换 分块矩阵A 的下列三种变换称为初等行变换: A 1s ... ,其中 A ij 表示的是一个矩阵 . A rs 设 A a ij B mn b ij m n ,用同样的方法对 A,B 进行分块 设是任 A a ij mn A ij r s ,k 为任意数, 定义分块矩阵 A A ij r s 与 k 的数乘为 设 A a ij ,B sn n m 分块为 A A ij nm r l ,B B ij l r ,其中 A ij 是 s i n j 矩阵, B ij 是 n i m j 矩阵, 定义分块矩阵A A j rl 和B B ij l r 的乘积为 r C ij A i1 B 1j A i2 B 2j ... A il B lj , i 1,2,...t; j 1,2,3,..., l a ij s n 分块为 A sn A ij r s ,定义分块矩阵 A A ij r s 的转置为 rs
求矩阵特征值算法及程序
求矩阵特征值算法及程序简介 1.幂法 1、幂法规范化算法 (1)输入矩阵A、初始向量( 0),误差eps; (2) k 1; (3)计算V(k)A(k 1); (4)m k max(V(k)) ,m k1max( V ( k 1)); (5) (k)V(k)/m k; (6)如果m k m k 1eps,则显示特征值1和对应的特征向量x(1) ),终止; (7)k k 1, 转(3) 注:如上算法中的符号max(V )表示取向量V 中绝对值最大的分量。本算法使用了数据规范化处理技术以防止计算过程中出现益出错误。 2、规范化幂法程序 Clear[a,u,x]; a=Input[" 系数矩阵A="]; u=Input[" 初始迭代向量u(0)="]; n=Length[u]; eps=Input[" 误差精度eps ="]; nmax=Input[" 迭代允许最大次数nmax="]; fmax[x_]:=Module[{m=0,m1,m2}, Do[m1=Abs[x[[k]]]; If[m1>m,m2=x[[k]];m=m1], {k,1,Length[x]}]; m2] v=a.u; m0=fmax[u]; m1=fmax[v]; t=Abs[m1-m0]//N; k=0; While[t>eps&&k 浅谈矩阵的特征值与特征向量的应用(终稿) 浅谈矩阵的特征值与特征向量的应用 摘要 特征值与特征向量在现代科学中有重要的应用。本文介绍了特征值与特征向量的定义以及性质,并且给出了在线性空间中线性变换的特征值、特征向量与矩阵中的特征值、特征向量之间的关系。然后介绍了几种特征值与特征向量的求解方法。最后介绍了特征值与特征向量在实际中的应用,如在数学领域中、物理中以及经济发展与环境污染增长模型中的应用等等。 关键字:特征值;特征向量;应用;矩阵;初等变换 Abstract Eigenvalues and eigenvectors have important applications in modern science. This paper introduces the definition and nature of the eigenvalues and eigenvectors, eigenvalues and gives linear space of linear transformations, eigenvectors and eigenvalues of the relationship matrix, feature vectors. Then introduces several eigenvalues and eigenvectors of solving methods. Finally, the eigenvalues and eigenvectors in practical application, such as in the fields of mathematics, physics, economic development and environmental pollution growth model and the application, and so on. Keys words:eigenvalue;eigenvector;application;matrix;elementary; 目录 浅谈矩阵的特征值与特征向量的应用 (2) 摘要 (2) Abstract (2) 第1章引言 (4) 1.1 研究背景 (4) 1.2 研究现状 (5) 1.3 本文研究目的及意义 (6) 第2章特征值与特征向量的一般理论 (6) 2.1 特征值与特征向量的定义和性质 (6) 2.1.1 特征值与特征向量的定义 (7) 2.1.2 特征值与特征向量的性质 (7) 2.2 特征值与特征向量的一般求解方法 (8) 2.2.1 一般数字矩阵的简单求解 (8) 第三部分 矩阵特征值的估计 引言: 矩阵特征值的计算与估计在理论上和实际应用中都是很重要的,但要精确计算特征值并非总是可能的,即使在某些特殊情况下有可能,可是付出的代价也是很大的。幸好在许多应用中并不需要精确计算矩阵的特征值,而只需有一个粗略的估计就够了。比如:在线性系统理论中,通过估计系统矩阵A 的特征值是否有负实部,便可判定系统的稳定性;当研究一个迭代法的收敛性时便要判断迭代矩阵的特征值是否都落在单位圆内;在差分方程的稳定性理论以及自动控制理论中都需要估计矩阵的特征值是否在复平面上的某一确定的区域中。 §1. 特征值的界的估计 引理1. n 阶复矩阵A ,酉相似于一个上(或下)三角矩阵,且三角矩阵的对角线元素是A 的特征值。即存在一个酉矩阵U 和三角矩阵T ,使T AU U T = 引理2. 设n n n n ij C a A ??∈=)(,则∑∑====n i n j F ij H A a AA tr 11 2 2 )( Proof :设n n ij H b AA B ?==)(则 ∑∑===++==n j j n n n j j j a a a a a a a a a b 1 2 11112121 11111111 ∑∑====n j j n j j j a a a b 1 2 21 2222 ∑∑====n j ij n j ij ij ii a a a b 12 1 ∑∑∑======n i n j ij n i ii H a b B tr AA tr 11 2 1 )()( 引理3. A 为正规矩阵?A 酉相似于对角矩阵。 (注:正规矩阵:A A A A H H ?=?)即存在酉矩阵U 使 ),,,(21n H diag AU U λλλ = Th 1.设A 为n 阶矩阵,n λλλ,,,21 为其特征值,则: ?=≤∑∑∑===n i n i n j F ij i A a 1 11 2 2 2 λA 为正规矩阵,等号成立。 Proof:由引理1.存在酉阵U ,使T AU U H =(三角阵)——① 对①两边取共轭转置:U A U AU U T H H H H H ==)(——② ①?②得 H H H H T T U A U AU U ?=?)()( H H H T T U AA U ?=?(为酉阵) )()()(H H H H T T tr AA tr U AA U tr ?==? 即∑∑∑∑∑∑=======≥=n i n j n i n i i ii ij n i n j ij t t a 11 1 1 2 2 2 11 2 λ 设n n C A ?∈,令2 ,2H H A A C A A B -=+=, 则A =B +C : 其中B 为Hermit 阵(即H B B =)实 C 为反Hermit 阵(即H C C -=)虚 1引言 在数学名词中,矩阵(英文名Matrix )是用来表示统计数据等方面的各种有关联的数据.这个定义很好的解释了Matrix 代码是制造世界的数学逻辑基础.数学上,矩阵就是方程组的系数及常数所构成的方阵.把它用在解线性方程组上既方便,又直观.例如对于方程组 我们可以构成一个矩阵 因为这些数字是有规则的排列在一起,形状像矩形,所以数学家们称之为矩阵,通过矩阵的变化,就可以得出方程组的解来.数学上,一个*m n 矩阵乃一个m 行n 列的矩形阵列.矩阵由数组成,或更一般的,由某环中元素组成. 矩阵作为数学工具之一有其重要的实用价值,它常用于很多学科中.如:线性代数、线性规划、统计分析,以及组合数学等.在实际生活中有许多问题都可以借用矩阵抽象出来进行表述并进行运算,如在各循环赛中常用的赛况表格等,矩阵的概念和性质相对矩阵的运算较容易理解和掌握,对于矩阵的运算和应用,则有很多的问题值得我们去研究,其中当矩阵的行数和列数都相当大时,矩阵的计算的证明中则会是一个很繁琐的过程,因此这时我们得有一个新的矩阵处理工具,来使这些问题得到更好的解决,矩阵分块的思想由此产生,对级数较高矩阵的处理是矩阵的相关内容中重要的一部分,分块矩阵形象的揭示了一个复杂或是特殊矩阵的内部本质结构.本文即是通过查阅相关文献和学习相关知识后总结并探讨分块矩阵在各方面的应用,以计算和证明两大方面为主. 在已有的相关文件中,分块矩阵的一些应用如下: (1)从行列式的性质出发,推导出分块矩阵的若干性质,并举例说明这些性质在行列式计算和证明中的应用. (2)分块矩阵在线性代数中是一个基本工具,研究许多问题都需要它.借助分块矩阵的初等变换可以发现分块矩阵在计算行列式、求逆矩阵及矩阵秩方面的应用. 如:设A B M C D ??=???? 是一个四分块n 阶矩阵,其中A 、B 、C 、D 分别是,r r ?(),r n r ?-(),n r r -?()n r -?()n r -阶矩阵,若A 可逆,可证M =AD - 1CA B -,另若D 可逆,则可证得1M D BD C -=-. 第39卷 第7期 高 师 理 科 学 刊 Vol. 39 No.7 2019年 7月 Journal of Science of Teachers′College and University Jul. 2019 文章编号:1007-9831(2019)07-0008-03 矩阵特征值和特征向量在实际中的应用及其实现 周琴 (湖南涉外经济学院 信息与机电工程学院,湖南 长沙 410205) 摘要:矩阵的特征值和特征向量是矩阵理论中的重要内容,在实际问题中的应用也很广泛.研究了矩阵的特征值和特征向量在循环比赛的排名问题和预测分析中的应用,并利用MATLAB软件实现了这些问题的快速求解. 关键词:特征值;特征向量;排名问题;预测分析 中图分类号:O151.2 文献标识码:A doi:10.3969/j.issn.1007-9831.2019.07.003 Application and realization of matrix eigenvalue and eigenvector in practical problems ZHOU Qin (School of Information,Mechanical and Electrical Engineering,Hunan International Economics University,Changsha 410205,China) Abstract:The eigenvalues and eigenvectors of matrices are important contents in matrix theory and are widely used in practical problems.Studies on the application of eigenvalues and eigenvectors of matrices in ranking of cyclic competitions and prediction analysis,and use software MATLAB to realize the rapid solution of these problems. Key words:eigenvalue;eigenvector;ranking issues;predictive analysis 1 引言及预备知识 矩阵的特征值和特征向量在矩阵理论体系中具有举足轻重的作用,并且在实际问题中的应用也很广泛.文献[1-2]探索了特征值和特征向量的几何意义;文献[3]利用特征值与特征向量研究了纤维及大分子的可视化显示.在一些常用的数学建模方法如马尔可夫链模型、偏最小二乘回归模型、层次分析法和主成分分析法中,特征值和特征向量均有应用[4-6]. 定义[7-9]设A是n阶矩阵,如果数l和n维非零列向量a满足l A a a,那么数l称为矩阵A的特征 = 值,a称为A对应于特征值l的特征向量. 在实际教学中,由于矩阵特征值和特征向量的计算方法较为繁琐,学生需要较长的计算时间.如需进一步将计算结果应用到实际问题中,冗长的过程会使学生理解起来比较困难.为了解决此问题,可以利用MATLAB软件[10]自带的函数eig(A)实现矩阵A的特征值和特征向量的快速计算,再将其与实际应用相结合.本文介绍矩阵特征值和特征向量在排名问题和预测分析中的应用,给出了求解实际问题的MATLAB实现方法. 收稿日期:2019-03-02 基金项目:湖南省教育厅科学研究项目(18C1097);2017年度湖南涉外经济学院教学改革研究项目——数学实验在地方本科院校非数学专业 教学中的应用研究 作者简介:周琴(1984-), 女, 湖南长沙人,讲师,硕士,从事计算数学和数学教育研究.E-mail:19891881@https://www.360docs.net/doc/d38381223.html, 矩阵的分块及应用 武夷学院毕业设计(论文) 矩阵的分块及应用院系:专业:姓名:学号: 指导教师:职称:完成日期:数学与计算机系计算机科学与技术陈航20073011014 魏耀华教授年月日武夷学院教务处制摘要矩阵分块,就是把一个大矩阵按照一定规则分成小矩阵,它是矩阵运算的一种常用技巧与方法。分块矩阵的理论不但在工程技术和实际生产中有着广泛的应用,而且在线性代数中求矩阵乘积、行列式的值、逆矩阵、矩阵的秩和矩阵的特征根的过程中也起到重要作用。分块矩阵的初等变换则是处理分块矩阵有关问题的重要工具,它在线性代数中有非常广泛的应用。讨论了分块矩阵的概念、分块矩阵的运算、分块矩阵的性质以及分块矩阵的广义初等矩 阵,归纳并提出了分块矩阵的一些应用,这些应用主要涉及到矩阵的秩,逆矩阵,行列式以及矩阵正定和半正定等方面。通过引用了大量的实例说明了对矩阵进行适当分块可以使高等代数中的许多计算与证明问题迎刃而解。关键词: 分块矩阵;初等变换;计算;逆矩阵;证明。I Abstract Partitioned matrices mean dividing a big matrix into the small matrices according to the certain rule. It is a common technique and method in matrix operation. The theories of partitioned matrices have not only a wide range of applications in engineering and production, but also play an important role to the process for seeking matrix product and the value of determinant and inverse matrix and rank of matrix and the characteristic in linear algebra. Elementary transformation of partitioned matrices is an important tool to deal with the partition matrix. Also, it is 浅谈分块矩阵的性质及应用 摘要:本文主要谈及分快矩阵的思想在线性代数的证明。解线性方程组,矩阵得知 逆及矩阵的逆,和初等变换中的应用。 关键词:分块矩阵;线性方程组;矩阵的秩及矩阵的逆;初等变换 On the nature of block matrix and its application Abstract: this thesis uses the blocking matrix method into proving and applying the linear algebra, tries to solve the linear equations, and the proof of other relative matrix rank and elementary matrix. Key word s: Block matrix; Linear algebra; rank of matrix; elementary matrix.前言: 矩阵得分快是处理问题的一重要方法,把一个告诫矩阵分成若干个地界矩阵,在运算中把低阶矩阵当作数一样处理,这样高阶矩阵就化作低阶矩阵,长能使我们迅速接近问题的本质,从而达到解决问题的目的,使解题更简洁,思路更开阔,因此本文主要谈及分块矩阵再求行列式的值,解线性方程组,求矩阵的秩及逆等方面的应用。 1.预备知识: 分块矩阵的定义:将分块矩阵A用若干条纵线和横线分成许多个小矩阵,每一个小矩阵称为 A的子块,一子块为元素的形式上的矩阵成为分块矩阵。 分块矩阵的运算: 1.2.1分块矩阵的加法: 设分块矩阵 A 与 B 的行数相同,列数相同,采用相同的得分块法,有 A=1111n m mn A A A A ?? ? ? ???K M O M L ,1111n m mn B B B B B ?? ?= ? ??? K M O M L 其中ij A 与ij B 的行数相同,列数相同,那么A+B=111111111n n m m n mn A B A B A B A B ++?? ? ? ?++?? K M O M L 1.2.2分块矩阵与数的乘法: A=1111n m mn A A A A ?? ? ? ???K M O M L ,1111n m mn A A A A A λλλλλ?? ? = ? ??? K M O M L 1.2.3设A 为m l ?矩阵,B 为l n ?矩阵,分块成 1111111 1 t r s st t tr A A B B A B A A B B ???? ? ?== ? ? ? ????? K K M O M M O M L L 其中1i A ,2i A ……,it A 的列数分别等于1j B ,2j B ……,tj B 的行数,那么 1111 r s sr C C AB C C ?? ? = ? ??? K M O M L ,其中1 t ij ik ik k C A B ==∑(i=1……s ;j=1,……,r) 1.2.4设1111 t s st A A A A A ?? ? = ? ???K M O M L ,则1111T T t T T T s st A A A A A ?? ?= ? ?? ? K M O M L 2. 分块矩阵的性质及应用: 分块矩阵的性质: 设A 为n 阶矩阵,若A 的分块矩阵只有在对角线上有非零子块,其余子块都为零矩阵,且在对角线上的子块都是方阵,即 特征值与特征向量在图像处理中的应用 姓名:张x 学号:20092430 班级:2009121 摘要:正所谓学以致用,在长期以来的学习过程中,我们真正能够将所学到的知识运用到生活中的能有多少,我们对课本上那些枯燥的公式虽牢记于心,却不知道它的实际用途。在学习了矩阵论以来,虽然知道很多问题的求法,就如矩阵特征值和特征向量,它们有何意义我们却一点不知。我想纯粹的理知识已经吸引不了我们了,我们需要去知道它们的用途,下面就让我们一起来看看矩阵特征值与特征向量在图像处理中是如何发挥它们的作用的。 关键字: 特征值、特征向量、图像、 正文: 生活中的我们,每天清晨醒来,随之映入眼帘的就是各种形形色色的图像,我们确实也很难想象,在我们的生活中,图像的处理和矩阵特征值、特征向量有什么关系?首相我们先来了解下,何为特征值、特征向量。 定义:设是阶方阵,若有数和非零向量,使得 称数是的特征值,非零向量是对应于特征值的特征向量。 例如对,有及向量,使得,这说明 是的特征值,是对应于的特征向量。 特征值和特征向量的求法: 1.由得,并且由于是非零向量,故行列式,即 (称之为的特征方程) 由此可解出个根(在复数范围内),这就是的所有特征值。 2.根据某个特征值,由线性方程组解出非零解,这就是对应于特征值的特征向量。 特征值和特征向量的性质: 1 ., 2 .若是的特征向量,则对,也是的特征向量。 3 .若是的特征值,则是的特征值,从而是的特征值。 4 .是的个特征值,为依次对应的特征向量,若 各不相同,则线性无关。 我想在了解了特征值和特征向量的基本理论之后,你们很难想象,为什么这些知识会和图像有联系吧。说实话,我自己也不是很清楚,我也是看了别人的理论讲解,才略微理解了一二。让我们一起去了解下。 根据特征向量数学公式定义,矩阵乘以一个向量的结果仍是同维数的一个向量,因此,矩阵乘法对应了一个变换,把一个向量变成同维数的另一个向量,那么变换的效果是什么呢?这当然与方阵的构造有密切关系,比如可以取适当的二维方阵,使得这个变换的效果就是将平面上的二维向量逆时针旋转30度,这时我们可以问一个问题,有没有向量在这个变换下不改变方向呢?可以想一下,除了零向量,没有其他向量可以在平面上旋转30度而不改变方向的,所以这个变换对应的矩阵(或者说这个变换自身)没有特征向量(注意:特征向量不能是零向量),所以一个特定的变换特征向量是这样一种向量,它经过这种特定的变换后保持方向不变,只是进行长度上的伸缩而已(再想想特征向量的原始定义Ax=cx, cx是方阵A对向量x进行变换后的结果,但显然cx和x的方向相同)。 这里给出一个特征向量的简单例子,比如平面上的一个变换,把一个向量关于横轴做镜像对称变换,即保持一个向量的横坐标不变,但纵坐标取相反数,把这个变换表示为矩阵就是[1 0;0 -1](分号表示换行),显然[1 0;0 -1]*[a b]'=[a -b]'(上标'表示取转置),这正是我们想要的效果,那么现在可以猜一下了,这个矩阵的特征向量是什么?想想什么向量在这个变换下保持方向不变,显然,横轴上的向量在这个变换下保持方向不变(记住这个变换是镜像对称变换,那镜子表面上(横轴上)的向量当然不会变化),所以可以直接猜测其特征向量是[a 0]'(a不为0),还有其他的吗?有,那就是纵轴上的向量,这时经过变换后,其方向反向,但仍在同一条轴上,所以也被认为是方向没有变化,所以[0 b]'(b不为0)也是其特征向量。 分块矩阵的应用 引言 矩阵作为数学工具之一有其重要的实用价值,它常见于很多学科中,如:线性代数、线性规划、统计分析,以及组合数学等,在实际生活中,很多问题都可以借用矩阵抽象出来进行表述并进行运算,如在各循环赛中常用的赛格表格等,矩阵的概念和性质相对矩阵的运算较容易理解和掌握,对于矩阵的运算和应用,则有很多的问题值得我们去研究,其中当矩阵的行数和列数都相当大时,矩阵的计算和证明中会是很烦琐的过程,因此这时我们得有一个新的矩阵处理工具,来使这些问题得到更好的解释,矩阵分块的思想由此产生. 矩阵分块,就是把一个大矩阵看成是由一些小矩阵组成的.就如矩阵的元素(数) 一样,特别是在运算中,把这些小矩阵当作数一样来处理.把矩阵分块运算有许多方便之处.因为在分块之后,矩阵间的相互关系可以看得更清楚,在实际操作中与其他方法相比,一般来说,不仅非常简洁,而且方法也很统一,具有较大的优越性,是在处理级数较高的矩阵时常用的方法.比如,从行列式的性质出发,可以推导出分块矩阵的若干性质,并可以利用这些性质在行列式计算和证明中的应用分块矩阵;也可以借助分块矩阵的初等变换求逆矩阵及矩阵的秩等;再如利用分块矩阵求高阶行列式,如设A 、C 都是n 阶矩阵,其中0A ≠,并且AC CA =,则可求得A B AD BC C D =-;分块矩阵也可以在求解线性 方程组应用. 本文将通过对分块矩阵性质的研究,比较系统的总结讨论分块矩阵在计算和证明方面的应用,从而确认分块矩阵为处理很多代数问题带来很大的便利. 1 分块矩阵的定义及相关运算性质 1.1分块矩阵的定义 矩阵分块,就是把一个大矩阵看成是由一些小矩阵组成的.就如矩阵的元素(数) 一样,特别是在运算中,把这些小矩阵当作数一样来处理. 定义1设A 是一个m n ?矩阵,若用若干横线条将它分成r 块,再用若干纵线条将它 分成s 块,于是有rs 块的分块矩阵,即1111...............s r rs A A A A A ???? =?????? ,其中ij A 表示的是一个矩阵. 1.2分块矩阵的相关运算性质 1. 2.1加法 设() ij m n A a ?=() ij m n B b ?=,用同样的方法对,A B 进行分块 () ij r s A A ?=,() ij r s B B ?=, 其中ij A ,ij B 的级数相同, 则 ()ij ij r s A B A B ?+=+. 1.2.2数乘 设是任() () ,ij ij m n r s A a A k ??==为任意数,定义分块矩阵() ij r s A A ?=与k 的数乘为 () ij r s kA kA ?= 1.2.3乘法 设() () ,ij ij s n n m A a B b ??==分块为()(),ij ij r l l r A A B B ??==,其中ij A 是i j s n ?矩阵,ij B 是 i j n m ?矩阵,定义分块矩阵() ij r l A A ?=和()ij l r B B ?=的乘积为 () 1122...,1,2,...;1,2,3,...,ij i j i j il lj C A B A B A B i t j l =+++==.、 1.2.4转置 设() ij s n A a ?=分块为() ij r s A A ?=,定义分块矩阵() ij r s A A ?=的转置为 () ji s r A A ?''= 1.2.5分块矩阵的初等变换 分块矩阵A 的下列三种变换称为初等行变换: 矩阵的特征值与特征向量的若干应用 Several applications of eigenvalues and eigenvectors of the matrix 专业: 数学与应用数学 作者: 指导老师: 学校 二○一 摘要 本文介绍了矩阵的特征值与特征向量的一些理论, 在此理论基础上做了一定的推广, 并通过矩阵的特征值与特征向量的命题与性质来探讨特征值与特征向量的一些应用. 关键词: 特征值; 特征向量; 矩阵; 递推关系 Abstract This article describes some theories of eigenvalues and eigenvectors of the matrix , based on these theories we do some promotions, and discusses the applications of eigenvalues and eigenvectors of the matrix through their propositions and nature. Keywords: eigenvalue; eigenvector; matrix; recursion relations 目录 摘要 ................................... I ABSTRAC.T ........................................................... II 0 引言 (1) 1 关于矩阵的特征值与特征向量的一般理论 (1) 2 矩阵特征值与特征向量的几个应用 (5) 2.1 特征值与特征向量确定矩阵的方法证明及应用 (5) 2.1.1 命题的证明 (5) 2.1.2 命题的应用 (7) 2.2 线性递推关系中特征值与特征向量的应用 (7) 2.2.1 命题的证明 (7) 2.2.2 命题的应用 (9) 2.3 特征值与特征向量在矩阵运算中的应用 (11) 2.3.1 特征值与特征向量的基本性质 (11) 2.3.2 性质的应用 (12) 3 小结 (15) 参考文献 (16) 分块矩阵及其应用 【摘要】矩阵论是代数学中是一个重要的组成部分和主要的研究对象。而分块矩阵可以降低较高级数的矩阵级数,使矩阵的结构更加清晰,从而使矩阵的相关计算简化,并且可以证明一些与矩阵有关的问题。本文详细且全面论述了分块矩阵阵的概念、分块矩阵的运算和其初等变换,而且证明了矩阵的分块在高等代数中的应用,包括用分块矩阵证明矩阵秩的问题,用分块矩阵求行列式问题,用分块矩阵求逆矩阵的问题,分块矩阵相似的问题。 【关键词】:分块矩阵;矩阵的秩;逆矩阵;行列式 目录 1引言 (2) 2矩阵分块的定义和性质 (2) 2.1 矩阵分块的定义 (2) 2.2 分块矩阵的运算 (2) 2.3 分块矩阵的初等变换 (3) 2.4 n阶准对角矩阵的性质 (3) 3分块矩阵在高等代数中的应用 (4) 3.1 分块矩阵在矩阵的秩的相关证明中的应用 (4) 3.2 利用分块矩阵计算行列式 (7) 3.3 分块矩阵在求逆矩阵方面的应用 (11) 3.4 分块矩阵在解线性方程组方面的应用 (16) 4总结 (19) 参考文献 (20) 1 引言 矩阵是高等代数中的一个重要内容,也是高等数学的很多分支研究问题的工具。在学习高等代数的时候常常碰到一些很难的问题,我们要经常用到矩阵的分块去解决,它可以使矩阵的结构更简单,从而使问题的解决更简明。比如当我们处理阶数较高或具有特殊结构的矩阵时,用处理一般低阶矩阵的方法,往往比较困难,为了研究问题的方便,也为了显示出矩阵中某些部分的特性,我们常把一个大型矩阵分成若干子块,把每个子块看作一个元素,从而构成一个分块矩阵,这是处理矩阵问题的重要技巧。利用矩阵的分块,可以把高阶矩阵划分成阶数较低的“块”,然后对这些以“块”为元素的矩阵施行矩阵的运算。本文就分块矩阵的加法、乘法、转置、初等变换等运算性质,及分块矩阵在证明矩阵相关秩的问题、矩阵求逆、行列式展开计算等方面的应用作了较为深入的研究。矩阵的分块能使矩阵的一些证明和计算变的非常简洁和快速,易于理解和掌握,而且能开拓思维,提高灵活应用知识解决问题的能力。浅谈矩阵的特征值与特征向量的应用(终稿)复习课程
矩阵理论3.1 特征值界的估计
分块矩阵的应用研究
矩阵特征值和特征向量在实际中的应用及其实现
矩阵的分块及应用
浅谈分块矩阵的性质及应用
矩阵特征值与特征向量在图像处理中的应用
分块矩阵的应用论文
毕业论文矩阵的特征值与特征向量的若干应用
分块矩阵及其应用