第二章(矩阵变换和计算).
第二章 矩阵变换和计算
一、内容提要
本章以矩阵的各种分解变换为主要内容,介绍数值线性代数中的两个基本问题:线性方程组的求解和特征系统的计算,属于算法中的直接法。基本思想为将计算复杂的一般矩阵分解为较容易计算的三角形矩阵. 要求掌握Gauss (列主元)消去法、矩阵的(带列主元的)LU 分解、平方根法、追赶法、条件数与误差分析、QR 分解、Shur 分解、Jordan 分解和奇异值分解.
(一) 矩阵的三角分解及其应用
1.矩阵的三角分解及其应用
考虑一个n 阶线性方程组b Ax =的求解,当系数矩阵具有如下三种特殊形状:对角矩阵D ,下三角矩阵L 和上三角矩阵U ,这时方程的求解将会变得简单.
???????
?
?=n d d d D
2
1, ??????? ??=nn n n l l l l l l L
2
1
2221
11, ???
?
?
?
?
??=nn n n u u u u u u U 22212111
.
对于b Dx =,可得解为i i i d b x /=,n i ,,2,1 =. 对于b Lx =,可得解为1111/l b x =,ii i k k ik
i i l x l
b x /)(1
1∑-=-
=,n i ,,3,2 =.
对于b Ux =,可得解为nn n n l b x /=,ii n
i k k ik
i i l x l
b x /)(1
∑+=-
=,1,,2,1 --=n n i .
虽然对角矩阵的计算最为简单,但是过于特殊,任意非奇异矩阵并不都能对角化,因此较为普适的方法是对矩阵进行三角分解.
1).Gauss 消去法
只通过一系列的初等行变换将增广矩阵)|(b A 化成上三角矩阵)|(c U ,然后通过回代求与b Ax =同解的上三角方程组c Ux =的解.其中第k 步消元过程中,在第1-k 步得到的矩阵)
1(-k A
的主对角元素)
1(-k kk
a
称为主元.从)
1(-k A
的第j 行减去第k 行的倍数)1()
1(--=
k kk
k jk jk a a l (n j k ≤<)称为行乘数(子).
2).矩阵A 的LU 分解
对于n 阶方阵A ,如果存在n 阶单位下三角矩阵L 和n 阶上三角矩阵U ,使得LU A =, 则称其为矩阵A 的LU 分解,也称为Doolittle 分解.Gauss 消去法对应的矩阵形式即为LU 分
解, 其中L 为所有行乘子组成的单位下三角矩阵, U 为Gauss 消去法结束后得到的上三角矩阵. 原方程组b Ax =分解为两个三角形方程组??
?==y
Ux b
Ly .
3).矩阵LU 分解的的存在和唯一性
如果n 阶矩阵A 的各阶顺序主子式),,2,1(n k k =D 均不为零, 则必有单位下三角矩阵L 和上三角矩阵U ,使得LU A =, 而且L 和U 是唯一存在的.
4).Gauss 列主元消去法
矩阵每一列主对角元以下(含主对角元)的元素中, 绝对值最大的数称为列主元. 为避免小主元作除数、或0作分母,在消元过程中,每一步都按列选主元的Guass 消去法称为Gauss 列主元消去法.由于选取列主元使得每一个行乘子均为模不超过1的数,因此它避免了出现大的行乘子而引起的有效数字的损失.
5).带列主元的LU 分解
Gauss 列主元消去法对应的矩阵形式即为带列主元的LU 分解,选主元的过程即为矩阵的行置换. 因此, 对任意n 阶矩阵A ,均存在置换矩阵P 、单位下三角矩阵L 和上三角矩阵U ,使得LU PA =.由于选列主元的方式不唯一, 因此置换矩阵P 也是不唯一的. 原方程组
b Ax =两边同时乘以矩阵P 得到Pb PAx =, 再分解为两个三角形方程组???==y
Ux Pb
Ly .
5).平方根法(对称矩阵的Cholesky 分解)
对任意n 阶对称正定矩阵A ,均存在下三角矩阵L 使T
LL A =,称其为对称正定矩阵A 的Cholesky 分解. 进一步地, 如果规定L 的对角元为正数,则L 是唯一确定的.原方程组b Ax =分解为两个三角形方程组??
?==y
x L b
Ly T
. 利用矩阵乘法规则和L 的下三角结构可得
2
1
1
12?
??
? ??-=∑-=j k jk jj jj l a l , jj j k jk ik ij ij l l l a l /1
1???? ??-=∑-=, i=j +1, j +2,…,n , j =1,2,…,n . 计算次序为nn n n l l l l l l l ,,,,,,,,,2322212111 .由于jj jk a l ≤,k =1,2,…,j .因此在分解
过程中L 的元素的数量级不会增长,故平方根法通常是数值稳定的,不必选主元.
6).求解三对角矩阵的追赶法
对于三对角矩阵???
??
??
?
??=---n n n n n b a c b a c b a c b 11122211 A , 它的LU 分解可以得到两个只有两条对
角元素非零的三角形矩阵
???
?????
??=???????? ??=--n n n n u d u d u d u l l l 112
21132,1111
U L . 其中???????=-====-==--n
i c l b u n i u a l b u n i c d i i i i i i i i i ,,3,2,,,3,2,/1,,2,1,111
1
计算次序是n n u l u l u l u →→→→→→→ 33221. 原方程组b Ax =分解为两个三角形方程组??
?==y
Ux b
Ly . 计算公式为
n i y l b y b y i i i i ,,3,2,,111 =-==-,
.
1,,2,1,/)(,/1 --=-==+n n i u x c y x u y x i i i i i n
n n
该计算公式称为求解三对角形方程组的追赶法.当A 严格对角占优时,方程组b Ax =可用追赶法求解, 解存在唯一且数值稳定.
7).矩阵的条件数
设A 为非奇异矩阵,?为矩阵的算子范数,称1
)(cond -=A A A 为矩阵A 的条件
数.矩阵的条件数是线性方程组b Ax =, 当A 或b 的元素发生微小变化,引起方程组解的变化的定量描述, 因此是刻画矩阵和方程组性态的量. 条件数越大, 矩阵和方程组越为病态, 反之越小为良态.常用的矩阵条件数为
∞-条件数: ∞
-∞∞=1
)(cond A A A ,
1-条件数: 11
11)(cond -=A A A ,
2-条件数: )
()()(cond min max 2
1
2
2A A A A A
A
A H H λλ==-.
矩阵的条件数具有如下的性质: (1) 1)(cond ≥A ;
(2) )(cond )(cond 1
-=A A ;
(3) )(cond )(cond A A =α,0≠α,R ∈α;
(4) 如果U 为正交矩阵,则1)(cond 2=U ,)(cond )(cond )(cond 222A AU UA ==.
一般情况下,系数矩阵和右端项的扰动对解的影响为
定理2.5 设b Ax =,A 为非奇异矩阵,b 为非零向量且A 和b 均有扰动.若A 的扰
动δA 非常小,使得11
<-A A δ,则
)(
)
(cond 1)(cond b
δb
A δA A
A
A A x
δx
+-≤δ. 关于近似解的余量与它的相对误差间的关系有
定理2.6 设b Ax =,A 为非奇异矩阵,b 为非零向量,则方程组近似解x ~
的事后估计式为
b
x A b A x x x b x A b A ~)
cond(~~)cond(1
-≤-≤-. 其中称x A b ~-为近似解x ~
的余量,简称余量。 8).矩阵的QR 分解
利用正交变换保条件数的性质, 将满秩矩阵化为主对角元都大于零的上三角矩阵, 保持矩阵条件数不变.
设A 是n 阶可逆实矩阵, 则存在正交阵Q 和对角元都大于零的上三角阵R ,使得
QR A =, 称其为矩阵A 的QR 分解, 并且)(cond )(cond 22R A =.
为实现矩阵一般的QR 分解,我们引入Householder 矩阵T T
-
=ωωω
ωI ωH 2
)(, 其中0,≠∈ωωn R . 该矩阵具有如下性质:
(1) 特征值为:)(2
1))((T T
H ωωλω
ωωλ-
= 即,12
1-=-
ωωω
ωT T
,
个
11,,1-n ;
(2) )()(ωH ωH =T
, 即H 阵为对称阵; (3) n I ωH ωH =T
)()(,即H 阵为正交阵; (4) 如果y x ωH =)(,则22
x y
= (不变长度,镜面反射);
(5) 设n n x x x R ∈=T ),,,(21 x 且0x ≠,取12e x x ω-=,则
(6) .00)()(12212e x x x e x x H ωH =????
??
? ??=-= x 提示:Householder 变换并不是直接变换n 阶矩阵A , 而是通过重复变换矩阵的下三角部分
的列向量得到上三角矩阵, 因此, 每次变换的
Householder
矩阵
)(,),(),(1-n 21ωH ωH ωH 在逐渐降阶, 然后将它们分别“嵌入”n 阶单位矩阵得到相应的
n 阶正交阵1-n 21Q Q Q ,,, , 最后得到正交阵1-n 21Q Q Q Q ,,, =.具体变换过程见例子.
(二) 特殊矩阵的特征系统
特征系统即为矩阵的特征值和特征向量, 本节主要介绍与其计算相关的Schur 分解. 矩阵变换的思想主要为两点: 一是三角矩阵的主对角元素即为其所有特征值, 二是矩阵的特征多项式和特征值在相似变换下是不变的. 因此, 理论上获得矩阵特征值的方法就是通过相似变换将其变为一个三角矩阵.
Schur
定理
:
设
n
n A ?∈C ,则存在酉阵
n n U ?∈C 使得
H URU A =, 其中n n R ?∈C 为上三角矩阵.
由于实矩阵的特征值可能是复数, 因此通常在复数域中考虑Schur 分解. 复数域中相应的矩阵名称及记号为:
U 的共轭转置: T H U U =, 它在实数域即为转置矩阵. U 为酉阵: 若I UU U U H H ==, 它在实数域即为正交阵.
A 为正规矩阵: 若H H AA A A =.常见的Hermite 阵(A A =H )、实对称矩阵
(A A =T
)、斜Hermite 阵(A A -=H
)、实反对称矩阵(A A -=T
)、酉阵(I AA A A ==H
H
)和正交矩阵(I AA A A ==T
T
)等均为正规矩阵. Schur 分解的一些特殊情况如下:
● 上三角矩阵R 为正规矩阵当且仅当R 为对角矩阵.
● n 阶方阵A 为正规矩阵当且仅当存在酉阵U 使得H
UDU A =,D 为n 阶对角阵. ● n 阶方阵A 为Hermite 阵当且仅当存在酉阵U 使得H UDU A =,D 为n 阶实对角阵. ● n 阶方阵A 为酉阵当且仅当存在酉阵U 使得H
UDU A =,D 为n 阶对角阵,且对角元的
模均为1.
(三) 矩阵的Jordan 分解介绍
矩阵的每一个特征值有两个重要的指标: 代数重数和几何重数. 一个特征值作为矩阵多项式的根个重数称为代数重数; 它对应的特征子空间的维数称为几何重数. 它们分别刻画了特征值在矩阵特征系统中的代数和几何的性质. 一般有, 代数重数≥几何重数. 当一个特征值的代数重数=几何重数, 称它为半单的; 而当代数重数>几何重数时称它为亏损的.
n 阶方阵A 可对角化当且仅当它的所有特征值都是半单的, 此时称A 为单纯矩阵; 否则, A 不可对角化当且仅当它有亏损的特征值, 此时称A 为亏损矩阵.
对于亏损矩阵, 只能将其经过相似变换为一个三角矩阵, 即为其Jordan 标准型. Jordan 标准型是一个块对角矩阵,每一个块称为Jordan 块, 其对角元便为矩阵的特征值.所谓矩阵A 的Jordan 分解即为通过可逆变换矩阵T 化为与之相似的Jordan 标准型J , 使得
1-=T J T A .
1. 关于Jordan 标准型J .对于特征值i λ, 它的代数重复度就是Jordan 标准型中以i λ为特征值的Jordan 块阶数的和,而其几何重复度(即与i λ相对应的线性无关的特征向量的个数)恰为以i λ为特征值的Jordan 块的个数.J 中以i λ为特征值、阶数为l 的Jordan 块的个数为l l l r r r 211
-+-+,其中l i l I r )(rank A -=λ, n I I r i ==-=)(rank )(rank 00A λ.
2. 关于变换矩阵T 可以通过Jordan 链得到. 将T 按J 的对角线上的Jordan 块相应地分块为()k T T T T ,,,21 =, 其中T i 为n ×n i 型矩阵.记()
i
n i
i
i i t t t T ,,,21 =, 则
???????+=+==-i n i n i i n i i i i i
i i i i i
112211t t At t t At t At λλλ n
i j C t ∈, k i ,,2,1 =, i n j ,,2,1 =
我们称向量i
n i
i
i t t t ,,,21 为关于特征值i λ的长度为i n 的Jordan 链.显然该Jordan 链的第一个向量就是矩阵A 的关于特征值i λ的特征向量,称其为链首.而链中的第j 个向量则可由等价的方程
()i i
j i
j n i n j ,,3,2,
1 ==--t t I A λ (2-45)
求出.
但是应当注意:
1) Jordan 链的链首i
1t 不仅要求是一个特征向量,而且还要求利用(2-45)可以求出Jordan 链中的其它向量i n i
i t t ,,2 (即不是任何一个特征向量都可作为Jordan 链的链首).
2) 对应于某个特征值i λ 的Jordan 链虽然一定存在,但当与i λ 相对应的线性无关的特征向量的个数大于或等于2时,关于特征值i λ的特征向量中的任何一个有可能都不能作
为链首.
因此我们必须从i λ的特征子空间中选取适当的向量作为Jordan 链的链首.
(四) 矩阵的奇异值分解
对于方阵,利用其特征值和特征向量可以刻画矩阵的结构.对非方阵情形,这些方法已经不适用.而推广的特征值--矩阵的奇异值分解理论能改善这种情况. 利用奇异值和奇异向量不仅可以刻画矩阵的本身结构,而且还可以进一步刻画线代数方程组的解的结构,是构造性的研究线代数问题的有利的工具.
设n
m ?∈C A , Hermite 半正定矩阵A A H
的特征值为021≥≥≥≥n λλλ , 称非负实
数i i λσ=
)(A (n i ,,2,1 =)为矩阵A 的奇异值.
奇异值分解: 设A n
m ?∈C
, 且其秩rank(A )=r , 则存在m 阶、n 阶酉阵U 、V 使得
H V ΣU A ???
? ??=00
0, 其中),,,(diag 21r σσσ =Σ,),,2,1(r i i =σ为矩阵A 的非零奇异值.U 与V 的列向量m u u u ,,,21 和n v v v ,,,21 分别称为矩阵A 的与奇异值i σ对应的左奇异向量和右奇异向量.
利用矩阵的奇异值讨论矩阵的性质:
(1) 矩阵A 的非零奇异值的个数恰为矩阵A 的秩.
(2) },,,{span )(21r u u u A =R , )(A N },,,{span 21n r r v v v ++=,其中n
m R
A ?∈?,
},|{)(n m R x y Ax R y ∈?=∈=A R 为由A 的列向量生成的子空间,称为A 的值域或
像空间,即},,,{span )(21n a a a A =R 。)(A N }{0x |=∈=A R x n
称为A 的零空间或核,即}{)(0Ax x A ==N 。
(3) 设021>≥≥≥r σσσ ,则12σ=A , F A =2
2221r σσσ+++ .
(4) 如果A 为Hermite 矩阵,则A 的奇异值即为A 的特征值的绝对值. (5) 如果A 为n 阶方阵,则 ∏==n
i i
1
)det(σ
A .
(6) 秩为
r 的
m×n
矩阵A 可以表示为
r 个秩为
1
的矩阵的和
H r r r H
H v u v u v u A σσσ+++= 222111.
(7) n
n C
A ?∈?为正规阵, λ是A 的特征值, x 是相应于λ的特征向量, 则λ是H
A 的特征
值, 相应于λ的特征向量仍为x .
(8) n
n C
A ?∈?为正规阵, μλ,是A 的特征值, y x ,是相应的特征向量, 如果μλ≠, 则 x
与y 正交.
2.2典型例题分析
例 1 证明在对矩阵n n j i a ?=)(,A 进行Gauss 消去法的过程中, 主元)
1(,-k k k a (n k ,,2,1 =)
均不为零的充要条件是A 的各阶顺序主子式k D (n k ,,2,1 =) 均不为零.
证明 利用归纳法, 当1=k 时, )0(1,11,11a a D ==, 结论显然成立. 假设结论直到1-k 成立,
则Gauss 消去法可以进行到1-k 步, 即存在1-k 个Gauss 变换11,,-k L L , 使得
???
?
??==-----)1(2,2)1(2,1)
1(1
,111)
1(k k k
k k A 0
A A A L L A
, 其中)
1(1
,1-k A 是对角元为)1(,-i i i a (1,,2,1-=k i )的上三角阵, 于是)
1(-k A
的k 阶顺序主子阵为
k
k k k k k
k k
a ?---???? ??=)1(,)
1(1
,1)
1(*0A A
. 另一方面, 将)1(111)(---=k k A L L A 的两端在第k 行k 列处分块有
???
?
?????? ??==----****)()
1(*2*
1
)
1(111k k k k A L 0L A
L L A , 其中*
1L 为k 阶单位下三角阵. 因此A 的k 阶顺序主子式
)
1(,)0(1,1)1()1(*1)det()det()det(---===k k k k k k k k a a D A A L ,
由归纳假设知, 主元0)
1(,≠-k k
k a 当且仅当0≠k D , 即结论对k 成立. 故由归纳法, 0)
1(,≠-k k
k a (n k ,,2,1 =)当且仅当0≠k D (n k ,,2,1 =) .
例2 证明: 若n n j i a ?=)(,A 为可逆矩阵, 则A 可进行LU 分解的充要条件是A 的各阶顺序主子式k D (n k ,,2,1 =) 均不为零.
证明 充分性. 由例1结论知如果k D (n k ,,2,1 =) 均不为零, 则主元0)
1(,≠-k k k a , 于是可
对A 进行Gauss 消去法, 从而得到A 的LU 分解.
必要性. 若存在单位下三角阵L 和上三角阵U 使得LU A =, 则
)
1(,)0(1,1)det()det()det()det(-===n n n a a U U L A ,
由A 可逆知主元0)
1(,≠-k k
k a (n k ,,2,1 =), 再由例1可得A 的各阶顺序主子式0≠k D (n k ,,2,1 =).
例3 证明, 若可逆矩阵A 可进行LU 分解, 则分解必唯一.
证明 如果A 存在两个LU 分解, 即2211U L U L A ==, 其中21,L L 皆为单位下三角阵,
21,U U 皆为上三角阵. 由A 可逆知21,U U 也可逆, 于是有112112--=U U L L . 不难验证, 单
位下三角阵的逆矩阵为单位下三角阵, 而上三角阵的逆也为上三角阵. 进一步, 单位下三角阵的乘积仍是单位下三角阵, 而上三角阵的乘积也为上三角阵. 因此上式左端为一个单位下三角阵, 而右端为一个上三角阵. 显然, 等式成立当且仅当两端皆为单位矩阵
I U U L L ==--112112, 故可得2121,U U L L ==, 即分解唯一.
例4 n 阶Hilbert 矩阵为?
??
??????
??
-++=12111111312
1
1211n n n n n n
H , 计算3H 的条件数. 解 ,514
13
1413121
312113???????
?
??=H .180180301801923630369
1
3????? ??----=-H (1) 计算3H 的条件数, 容易得到6
113
1
3=
=∞
H H , 4081
31
1
3==∞
--H H ,
40832.12
3
=H ,
115.3722
1
3=-H , 于是748)()(313==∞H H c o n d c o n d ,
057.524)(23=H cond . 同样可计算76109.2)(?=∞H cond , 871085.9)(?=∞H cond .
当n 越大, n H 矩阵病态越严重. (2) 考虑方程组b x H ==T
)60
47,1213,611(
3, 设3H 和b 有微小误差(取3位有效数字)有 ?
???
? ??=??
??? ??+++????? ??783.008.183.1200.0250.0333.0250.0333.0500.0333.0500.000.1332211x x x x x x δδδ,
简记为
b
b x x H H δδδ+=++))((33,其解为
T )491002798.1,487967062.0,089512538.1()(=+x x δ. 而方程组b x H =3的精确解为T
)1,1,1(=x . 于是T
)4910.0,5120.0,0895.0(-=x δ,
%02.01018.033
3
≈-∞
∞H H δ,
%182.0≈∞
∞b
b
δ,
%2.51≈∞
∞x
x
δ. 这就是说3H 和b 的相对误差不超过%3.0, 而引起解
的相对误差超过%50.
例 5 n 阶复Householder 矩阵定义为H ωωI ωH 2)(-=, 其中12
=ω. 证明)(ωH 为
Hermite 矩阵, 也是酉矩阵, 并求它的特征值.
证明 )(2)2()(ωH ωωI ωωI ωH =-=-=H H H H ,
I ωωωωI ωωI ωH ωH ωH ωH =+-=-==22)(44)2()()()()(H H H H , 即)
(ωH 为Hermite 矩阵, 也是酉矩阵. 由
矩
阵
特
征
值
的
性
质
知
,
)
(21))((H ωωωH λλ-=, 而
个
个
110,,0,10,,0),()(--==n n H H ωωωωλλ, 因此)(ωH 的特征值为 个
11,,1,1--n .
例6 已知T )4,0,3(=x , 求Householder 矩阵H , 使得12e x Ηx =.
解 由52
=x
, 取???
?
?
??-=????? ??-????? ??=-=40200540312e x x ω, 则
??
????
?
??-=????? ??---????? ??=-=530540105405316080008042021000100012
)(H H ωωωωI ωH ,
使得T
)0,0,5(12==e x Ηx .
例7 设A 为n 阶正规矩阵, 证明若0A =k
, 则0A =.
证明 根据Shur 定理, 正规矩阵A 存在分解H
UDU A =, 其中U 为n 阶酉阵, D 为n 阶对
角矩阵????
??
?
?
?=n λλλ
2
1D , C ∈i λ, n i ,,2,1 =. 于是 由0U U U
UD A =??????
?
?
?==H
k n k k
H
k k λλλ 2
1, 当且仅当0=i λ, n i ,,2,1 =, 即0A =.
例8 求矩阵????
??
?
?
?-=200
022001121
0002
A 的Jordan 分解. 解 4)2()det(-=-λλA I , 于是A 的特征值为2=λ, 代数重数为4, 故以2=λ为特征值的Jordan 块阶数之和为4. 而2=λ的几何重数为2)(4=--A I λrank , 故以2=λ为特征值的Jordan 块的个数为2. 注意到
,2)2()(1=-=-=A I A I rank rank r λ
,1)2()(222=-=-=A I A I rank rank r λ
故以2=λ为特征值的阶数为1的Jordan 块的个数为122412102=?-+=-+r r r . 因此
A 的Jordan 标准型为??????
?
?
?=20
0012000120
0002J . 下面求矩阵A 化Jordan 标准型的变换矩阵T . 首先求出2=λ所对应的线性无关的特征向量为T
)0,1,0,1(1-=x , T
)0,0,1,0(2=x . 其次确定长度为3的Jordan 链的链首, 令
22111x x t k k +=, 由??
?
?
?
?
?
?
?--=-0000
020001101
0000)|(1211k k k t I A λ, 为使1)(t y I A =-λ有解,
只需取01=k 即可. 再取22=k , 此时T
)0,0,2,0(1=t 为链首, 解得T
)0,2,1,0(1=y ,
T )0,1,0,1(2=y . 令22112y y t c c +=, 由??
??
?
?
?
?
?+-=-0000
022*******
0000)|(21122c c c c t I A λ, 为使2)(t z I A =-λ有解, 只需取02=c 即可. 再取11=c , 此时T )0,2,1,0(2=t , 解得链尾
T )1,1,0,1(13==z t 或者T )1,2,1,0(23==z t . 于是可得
???????
?
?-=10
0120101201001
T 或者??????
? ?
?-=10
0022011120000
1T , 故有A 的Jordan 分解为1
-=TJT A .
例9 证明若n 阶方阵A 的奇异值满足021>≥≥≥n σσσ , 则A 可逆, 而且12σ=A ,
1
2
1
--=n σA .
证明 由奇异值的定义,
0)det()det(2
22212
≠==n H σσσ A A A , 知
0)det(21≠=n σσσ A , 则A 可逆, 且1max 2)(σλ==A A A H .
于是, A A H
也可逆, 且1
)(-A A H 的特征值为
1
1
111----≥≥≥σσσ n n , 注意到111)()(---=H H AA A A 的特征值与1)(-A A H 的特征值相同, 因此
1
1m a x
2
1
)(----==n H σλA A A .
例10 设n
m ?∈R
B A ,, 如果存在m 阶和n 阶的正交矩阵U 和V , 使得
1
-==U A V U A V B T , 则称A 和B 正交相抵. 证明正交相抵的矩阵有相同的奇异值.
证明 由1-==UAV UAV
B T
,
1)()()()(-====V A A V V A A V AV U U VA UAV UAV B B T T T T T T T T T T , 知B B T 与
A A T 相似, 从而它们由相同的特征值, 故A 和
B 有相同的奇异值.
注: 不难验证, 正交相抵具有自反性、对称性和传递性. 因此正交相抵是等价关系. 它所形成的等价类称为正交相抵等价类. 此例说明, 正交相抵等价类中的矩阵都有相同的奇异值, 所
以对此类中任一矩阵A , 所作的奇异值分解T
UDV A =中的对角矩阵D 相同, 并由它们的奇异值组成. 即D 是该矩阵类中的标准型矩阵.
2.3 习题 1. 填空题
(1) ????
?
?+=1221a A ,当a 满足条件 时,A 可作LU 分解. (2)?
??
?
??--=a 222A , 当a 满足条件 时,A 可作T
LL 分解,其中L 是对角元素为正的下三角阵,则???
?
?
?=L . (3) ???
?
?
??----=210121012A ,则)(cond 2A = .
(4) 设n
n ?∈C
A ,其Schur 分解为H URU A =,其中n
n ?∈C
U 为酉矩阵,n
n ?∈C
R 为
上三角矩阵.特别地,当A 为正规矩阵时,R 为 矩阵,A 的特征值为 ,A
的特征向量为 ;当A 为Hermite 矩阵时,R 为 矩阵;当A 为斜Hermite 矩阵时,R 为 阵.
2.利用①Gauss 消去法,②Gauss 列主元法解方程组
?????
?
??????-=??
?????????????????
??
???----01743231
5322235221214321x x x x
3.用Gauss 列主元法求解方程组,并求出系数矩阵A 的行列式det (A )的值.
??
?
??=++-=-+-=+-6
315318153312321321321x x x x x x x x x 4.设??
???
?
?
??
???----=32315322235
22121
A , 利用1题消元过程求出L 和U 矩阵,并验证 A =LU 5.下述矩阵能否作Doolittle 分解,若能分解,分解式是否唯一?
??
??
?
?????=??
??
?
?????=??????????=461561552621,133122111,764142321C B A
6.利用Doolittle 分解法,Cholesky 法和三对角追赶法三种方法求解线性方程组:
????
?
?????=????????????????????10858225114321x x x 7.设????
?
?????-=340233114A ,求A 的QR 分解. 8.证明
(1)1)(cond ≥A ;
(2))(cond )(cond A A =k (k 为非零常数). 9.设A 、B 都是n 阶非奇异方阵,试证
)(cond )(cond )(cond B A AB ?≤
10.证明上三角矩阵R 为正规阵的充分必要条件为R 为对角矩阵. 11.证明Schur 不等式:
∑∑∑===≤n i n
j ij n i i a 11
2
1
2
λ,其中i λ为()n n ij a ?=A 的特征值,并证明
Schur 不等式等号成立的充分必要条件是A 为正规矩阵.
12.求矩阵????
??
?
??---=16000
20002040114A 的Jordan 分解. 13.证明定理2.15.
14.证明 正规矩阵的奇异值是其特征值的模,Hermite 半正定矩阵的奇异值为其特征值. 15.设4
4?∈C
M ,特征值2=λ的代数重数为4, 已知21=r ,02=r ,其中
l l r )2(r a n k I M -=,求M 的Jordan 标准型.
16.设A 的奇异值分解为
??
??
?
?????--????????????????????-=10004530354200060008100053405453A
求2A ,)(ond 2A c ,F A .
17.设?
??
?
??--=2442A , 求A 的奇异值分解,并据此计算 2A ,)(cond 2A .
2.4 习题解答
1. (1) 当1-≠a 时, A 可作LU 分解. 注: 矩阵A 的各阶顺序主子式均不为零只是A 可作LU 分解的一个充分条件. 当3-=a 时, ???
?
??=1224A , 虽然A 的行列式(2阶顺序主子式)为零, 但经第一步消元可得???
?
??0024, 这已是一个上三角矩阵, 说明此时A 也可作LU 分解. (2) 当2>a 时, A 正定, 可作T
LL 分解, ????
?
?--=220
2a L . (3) 223)(2+=A cond . (4) 设n
n ?∈C
A ,其Schur 分解为H URU A =,其中n
n ?∈C
U 为酉矩阵,n
n ?∈C
R 为上三
角矩阵.特别地,当A 为正规矩阵时,R 为 对角 矩阵,A 的特征值为 R 的对角元素 ,A 的特征向量为 U 的列向量 ;当A 为Hermite 矩阵时,R 为 实对角 矩阵;当A 为斜Hermite 矩阵时,R 为 对角元素为纯虚数或零的对角 阵.
2.解 (1) Gauss 消元法:
??
??
?
?
?
?
?----?→????????
?
?--?→????????
?
?-----3300
093300
12110
4212
1
4511
071520
12110
4212
1
032311532272352
42121
21L L
其中???????
?
?--=10
010*******
0001
1L , ????
???
?
?-=10
100120001000
012L , 所求解为 ??????
?-==-==1
212
432
1x x x x . (2) 带列主元的Gauss 消元法:
???
???
? ??-----?→???
?
??
??
??-----?→????????
?
?-----272
121
21
21
2
140636
301072
35
203231153224212
172
352
032311532272352
42
121
11L P
??????
?
??---?→???????
? ?
?----?→????????
?
?-----?→?33
000063
630
72352
000
0636
30
7235
2401063
630723
52232121292
72
1232
12
1272
121
212
12
1
322
L L P 其中
??????
?
?
?=10
00010000010010
1P ,
??
?
??
?
?
??-=10001010010001
212
11L ,
??????
?
?
?=10
00001001000001
2P ,
???????
?
?-=10
00100010000
161
61
2L , ????
??? ?
?=
11
000100001000
13L , 所求解为 ???????-==-==1
212
432
1x x x x . 3. 解
????? ??----?→??????
??----?→?
????? ??----63118536737
05101513186311153312151318631115131815331211L P ?????
??---?→?????? ??----?→?76621102
631
18536737631185367000151318510015131822L P , 其中
?
??
??
??=1000010101
P ,????? ??=100100118
1321L ,???
??
??=010*******P ,????
? ??=10010001762L , 解为
?????=-==17
333821711
1x x x . 由????? ?
?--==21102
1853
6711220001318U A P L P L , 102)det(/)det(
)det(1122-==P L P L U A .
4. 解: 由第2题中Gauss 消元过程可知
U A L L =???????
?
?--=300
033002110
2121
12, ??????
?
??-==-1011122121)(1
12L L L , 容易验证LU A =.
5. 解???
?? ??--???→?????? ??=52050
032
1764142321第一次消元A 不能继续消元, 因此不能进行LU 分解. ??
??
? ??-=?→?????? ??--=?→?????? ??=0001001112001001111331221112121U U B L L , 其中
?
???
? ??--=1030120011L , ???
?? ??-=1200100012L . 经过第一次消元得到一个上三角矩阵B L U 11=,
由于第2列主对角线以下的元素已经是0, 还可以利用2L 把最后一行消去, 也得到一个上三
角矩阵B L L U 122=. 因此得到了矩阵B 两个不同的LU 分解211211
1)(U L L U L B --==. 这说
明在某些情况下, 即使矩阵的各阶顺序主子式不为0, 也能进行LU 分解, 但分解不唯一.
对于矩阵C , 其各阶顺序主子式为1,1,1. 可得唯一的LU 分解???
?
?
??????? ??=131621136012001C .
6. 解 (1) Doolittle 分解
???
?
? ?
?????→????
?? ?
????→?????? ??=?????
?
??-????
? ??-191364
19
100100014
19
100010010
020
01
4
82
020
01
4
820251014198
1A , 则A 的Doolittle 分解为
????
?
??????? ?
?==191364
19
19
84
1
2001
41001
001
LU A . 按
b
LUx =得
??
?==y
Ux b Ly , 由
????? ??=????? ??????? ?
?10851001
00132119
841y y y 解得???
??===19136
34
27215y y y , 再由????
? ??=????? ??????? ?
?19136427321191364
19
50
02001
4x x x 解得???
??===111321x x x .
(2) Cholesky 分解
由???
?
?
??=?????
??????? ??=8202510140
00000
333222
31211133323122
2111l l l l l l l l l
l l l LL T
解得????
?
? ?
?=1913619
421921
0000
2L .按
b x LL T
=得???==y x L b Ly T , 由????? ??=????? ???????? ?
?10850000
23211913619
4191
y y y 解得??
?
??===19136319
2272251y y y , 再由?????
? ?
?=????? ?????
??? ?
?19
1361922725
321191361942
19210
0002
x x x 解得???
??===111321x x x . (3) 追赶法
利用三对角矩阵的LU 分解公式可得与Doolittle 分解一致的结果.
7. 解:????? ??-=340233114A , 记???
?
? ??=0341a ,
51=a , ????? ??-=????? ??-????? ??=0310050341
ω, ????
?
?
?-=-==100002)(5
4
535354
111
111T T I H Q ωωωωω, ??
?
?
? ??--=34013021
5)(1A H ω. 记
???
?
??--=34131A ,
?
??
? ??-=43~1a ,
5~1
=a ,
?
??
?
??-=???? ??-???? ??-=4805432ω,
???
? ??-=-=5
35
4
545
3
2
22
222
)(T T I H ωωωωω, ?
??
?
??=1035)(12A H ω,
?
?
??? ?
?-=???? ??=5354
54
5
3
220000
1)(001ωH Q , 则有R A Q Q =?????
??=??10035021512, 得到分解QR A =, 其中????
? ?
?-
-=?=34
251625
12
532512
2595
4
210T
T Q Q Q .
8. 证明: (1) 根据矩阵范数的相容性和单位矩阵的算子范数为1的性质有
1)(11==≥=--I AA A A A cond .
(2) 当0≠k , 根据矩阵范数的齐次性和逆矩阵的性质有
)()()(1111A c o n d A A A k A k kA kA kA cond ==???==----.
9. 证明: 由矩阵范数的相容性
)()()()(111B c o n d
A c
o n d B A B A AB AB AB cond ?=???≤?=---.
10. 证明: 由定义, 上三角阵??
?
?
?
?
?
??=-n n n n n r r r r r r ,,12,2,12
,11
,1000
R 是正规矩阵当且仅当
??????
? ????????? ??=
??????? ????????? ??----n n n
n n
n n n n n n n n n n n n n
n n
r r r r r r r r r r r r r r r r r r r r r r r r ,,1,12
,22
,11
,1,,12,2,12,11,1,,12,2,12,11,1,,1,12,22,11,1000000000000
分别比较等式两端乘积矩阵的主对角元素即可得知0,=j i r , 1,,2,1-=n i ; i j >, 即R 为对角矩阵.
11. 证明: 设矩阵A 的Shur 分解为H
URU A =, 其中??
??
?
?
?
??=-n n n n n r r r r r r ,,12,2,12
,11
,1000
R , 由相似变换保持矩阵的特征值不变可知R 的主对角元为A 的所有特征值, 即i i i r λ=,,
n
i ,,2,1 =. 再
由矩阵的
迹
等于特
征值
之和
,
因
此
∑∑∑∑∑=====≥====n
i i n
i n
i
j j i H
H
H
H
n
i n
j j i r t r a c e t r a c e t r a
c e a 1
2
12
,11
2
,)()()(λR R RU UR A A . 其中等号成立的充要条件是R 的非主对角元素为0, 即R 为对角矩阵. 由上题结论可知等价于A 为正规矩阵.
12. 解: 由3
)2)(1(--=-λλλA I 得矩阵A 的特征值为1和2 (3重). 当2=λ时, 矩阵
A I -λ的秩为2, 则2=λ的几何重数224=-=. 因此由特征值的代数重数和几何重数的意义可知矩阵A 的Jordan 标准型为??????
?
?
?=200012000020
0001J .
下面计算变换矩阵T . 对11=λ求得对应特征向量为T }1,0,0,0{, 对22=λ求得对应两
个线性无关的特征向量为T }0,0,2,1{和T }6,1,0,{2
1. 对应22=λ在Jordan 标准型中的2阶Jordan 块需要计算长度为2的Jordan
链. 以T }0,0,2,1{为链首, 由
???????
??=??????? ????????? ??-----=-00
211600000002240112)2(4321x x x x x I A 可解得链尾为T
}0,0,1,1{. 因此可得变换矩阵??????
? ??=00610
010********T , 则矩阵A 的Jordan 分解为1
-=TJT A .
13. 证明: 由定义矩阵A 的奇异值为半正定矩阵A A H
的特征值的平方根, 则A 的非零奇异值的个数等于A A H
的非零特征值的个数即为A A H
的秩. 因此只要证明A 与A A H
的秩相
等即可. 事实上, 方程组O Ax =的任意解x 显然满足方程组O Ax A =H
. 反过来, 方程组
O Ax A =H 的任意解x 满足O Ax A x =H H , 则O Ax A x Ax ==H H 2
2于是满足O Ax =.
这说明两个方程组O Ax =和O Ax A =H
是同解方程组, 故系数矩阵A 与A A H 的秩相等.
14. 证明: 由Shur 分解的性质, 正规矩阵n
n ?∈C
A 酉相似于对角矩阵, 即存在酉阵
n
n ?∈C
U 和对角矩阵n n n d d d ?∈????
??
?
?
?=C D
2
1使得H UDU A =. 则H H H DU UD A A =, 于是A 的奇异值为矩阵D D H 的特征值的平方根i d , 即为A 的特征
值的模. 特别, 当A 为Hermite 半正定矩阵时, 其特征值为非负的实数i i d d =, 即A 的奇异值为其特征值.
15. 解: 由2=λ的代数重数为4知矩阵M 的Jordan 标准型中以2为特征值的Jordan 块的
矩阵的运算及其运算规则
矩阵基本运算及应用 牛晨晖 在数学中,矩阵是一个按照长方阵列排列的或集合。矩阵是高等代中的常见工具,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、、光学和中都有应用;中,制作也需要用到矩阵。矩阵的运算是领域的重要问题。将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. 1.2.3典型举例 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. 1.3.2典型例题 设矩阵 计算 解是的矩阵.设它为
线性变换与矩阵地关系
线性变换与矩阵的关系 学院:数学与计算机科学学院 班级:2011级数学与应用数学 : 学号:
线性变换与矩阵的关系 (西北民族大学数学与应用数学专业, 730124) 指导教师 一、线性变换 定义1 设有两个非空集合V,U,若对于V中任一元素α,按照一定规则总有U中一个确定的元素β和它对应,则这个对应规则被称为从集合V到集合U的变换(或映射),记作β=T(α)或β=T α,( α∈V)。 设α∈V,T(α)= β,则说变换T把元素α变为β,β称为α在变换T下的象,α称为β在变换T下的源,V称为变换T的源集,象的全体所构成的集合称为象集,记作T(V)。即 T(V)={ β=T(α)|α∈V}, 显然T(V) ?U 注:变换的概念实际上是函数概念的推广。 定义2 设V n,U m分别是实数域R上的n维和m维线性空间,T是一个从V n到U m得变换,如果变换满足 (1)任给α1 ,α2∈V n,有T(α1+α2)=T(α1)+T(α2); (2)任给α∈V n,k∈R,都有 T(kα)=kT(α)。 那么,就称T为从V n到U m的线性变换。 说明:
○1线性变换就是保持线性组合的对应的变换。 ○2一般用黑体大写字母T,A,B,…代表现象变换,T(α)或Tα代表元 α在变换下的象。 ○3若U m=V n,则T是一个从线性空间V n到其自身的线性变换,称为线性空 V n中的线性变换。下面主要讨论线性空间V n中的线性变换。 二、线性变换的性质 设T是V n中的线性变换,则 (1)T(0)=0,T(-α)=-T(α); (2)若β=k1α1+k2α2+…+k mαm,则Tβ=k1Tα1+k2Tα2+…+k m Tα m; (3)若α1,…αm线性相关,则Tα1…Tαm亦线性相关; 注:讨论对线性无关的情形不一定成立。 (4)线性变换T的象集T(V n)是一个线性空间V n的子空间。 记S T={α|α∈V n,T α=0}称为线性变换T的核,S T是V n的子空间。 设V和W是数域F上的向量空间,而σ:V→W是一个线性映射。那么 (i)σ是满射Im(σ)=W; (ii)σ是单射Ker(σ)={0}
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.
第3章 矩阵及其运算
第3章 矩阵及其运算 3.1 基本要求、重点难点 基本要求: 1.1.掌握矩阵的定义. 2.2.掌握矩阵的运算法则. 3.3.掌握伴随矩阵的概念及利用伴随矩阵求逆矩阵的方法. 4.4.掌握矩阵秩的概念及求矩阵秩的方法. 5.5. 掌握初等变换和初等矩阵的概念,能够利用初等变换计算矩阵的秩,求可逆矩阵的逆矩阵. 6.6.掌握线形方程组有解得判定定理及其初等变换解线形方程组的方法. 重点难点:重点是矩阵定义,矩阵乘法运算,逆矩阵的求法,矩阵的秩,初等 变换及线性方程组的解. 难点是矩阵乘法,求逆矩阵的伴随矩阵方法. 3.2 基本内容 3.2.1 3.2.1 重要定义 定义3.1 由n m ?个数)2,1;,2,1(n j m i a ij ==组成的m 行n 列的数表成为一个m 行n 列矩阵,记为 ????????????mn m m n n a a a a a a a a a 2122221 11211 简记为A n m ij a ?=)(,或A )(ij a =,n m A ?,mn A 注意行列式与矩阵的区别: (1) (1) 行列式是一个数,而矩阵是一个数表. (2) (2) 行列式的行数、列数一定相同,但矩阵的行数、列数不一定相 同. (3) (3) 一个数乘以行列式,等于这个数乘以行列式的某行(或列)的所有元素,而一个数乘以矩阵等于这个数乘以矩阵的所有元素. (4) (4) 两个行列式相等只要它们表示的数值相等即可,而两个矩阵相等则要求两个矩阵对应元素相等. (5) (5) 当0||≠A 时,||1A 有意义,而A 1 无意义.
n m =的矩阵叫做阶方阵或m 阶方阵.一阶方阵在书写时不写括号,它在 运算中可看做一个数. 对角线以下(上)元素都是0的矩阵叫上(下)三角矩阵,既是上三角阵, 又是下三角的矩阵,也就是除对角线以外的元素全是0的矩阵叫对角矩阵.在对角矩阵中,对角线上元素全一样的矩阵叫数量矩阵;数量矩阵中,对角线元素全是1的n 阶矩阵叫n 阶单位矩阵,常记为n E (或n I ),简记为E (或I ),元素都是0的矩阵叫零矩阵,记为n m 0?,或简记为0. 行和列分别相等的两个矩阵叫做同型矩阵,两个同型矩阵的且对应位置上的 元素分别相等的矩阵叫做相等矩阵. 设有矩阵A =n m ij a ?)(,则A -n m ij a ?-=)(称为A 的负矩阵. 若A 是方阵,则保持相对元素不变而得到的行列式称为方针A 的行列式,记 为||A 或A Det . 将矩阵A 的行列式互换所得到的矩阵为A 的转置矩阵,记为T A 或A '. 若方阵A 满足A A T =,则称A 为对称矩阵,若方阵A 满足A A T -=,则称A 为反对称矩阵. 若矩阵的元素都是实数,则矩阵称为实矩阵.若矩阵的元素含有复数,则称矩 阵为复矩阵,若A =n m ij a ?)(是复矩阵,则称矩阵n m ij a ?)((其中ij a 为ij a 的共轭矩阵,记为A n m ij a ?=)(. 定义3.2 对于n 阶矩阵A ,如果存在n 阶矩阵B ,使得E BA AB ==,则 称方阵A 可逆,B 称为A 的逆矩阵,记做1-=A B . 对于方阵A n m ij a ?=)(,设ij a 的代数余子式为ij A ,则矩阵 *A ????????????=nm n n n n A A A A A A A A A 2122212 12111 称为A 的伴随矩阵,要注意伴随矩阵中元素的位置. 定义3.3 设有矩阵A ,如果: (1) (1) 在A 中有一个r 阶子式D 不为零.
矩阵数值算法
计算实习报告 一 实习目的 (1)了解矩阵特征值与相应特征向量求解的意义,理解幂法和反幂法的原理, 能编制此算法的程序,并能求解实际问题。 (2)通过对比非线性方程的迭代法,理解线性方程组迭代解法的原理,学会编 写Jacobi 迭代法程序,并能求解中小型非线性方程组。初始点对收敛性质及收 敛速度的影响。 (3)理解 QR 法计算矩阵特征值与特征向量的原理,能编制此算法的程序,并 用于实际问题的求解。 二 问题定义及题目分析 1. 分别用幂法和幂法加速技术求矩阵 2.5 2.5 3.00.50.0 5.0 2.0 2.00.50.5 4.0 2.52.5 2.5 5.0 3.5-?? ?- ?= ?-- ?--?? A 的主特征值和特征向量. 2. 对于实对称矩阵n n ?∈A R ,用Jacobi 方法编写其程序,并用所编程序求下列矩阵的全部 特征值. 1515 4 1141144114114?-?? ?-- ? ?- ?= ? ?- ?-- ? ?-??A 3. 对于实矩阵n n ?∈A R ,用QR 方法编写其程序,并用所编程序求下列矩阵的全部特征值: 111 21 113,4,5,62311111n n n n n n ? ???? ?????==+? ????? ??+??A 三 概要设计 (1) 幂法用于求按模最大的特征值及其对应的特征向量的一种数值算法,
它要求矩阵 A 的特征值有如下关系: 12n ...λλλ>≥≥ ,对于相应 的特征向量。其算法如下: Step 0:初始化数据0,, 1.A z k = Step 1:计算1k k y A z +=。 Step 2:令 k k m y ∞=。 Step 3:令 k k k z y m = ;如果1k k m m +≈或1k k z z +≈,则 goto Step 4;否则 , k = k + 1 ,goto Step 1。 Step 4:输出结果 算法说明与要求 输入参数为实数矩阵、初始向量、误差限与最大迭代次数。输出 参数为特征值及相对应的特征向量。注意初始向量不能为“0”向量。 (2) 迭代法的原理 如果能将方程 Ax =b 改写成等价形式:x=Bx+f 。如果B 满足:ρ(B )<1,则对于任意初始向量 x (0) ,由迭代 x ( k + 1) = Bx (k ) + f 产生的序列均收敛到方程组的精确解。迭代法中两种最有名的迭代法就是Jacobi 迭代法,它的迭代矩阵 B 为: 1()J D L U -=-+,1 f D b -= 其中,D 为系数矩阵 A 的对角元所组成对角矩阵,L 为系数矩阵 A 的对角元下方所有元素所组成的下三角矩阵,U 为系数矩阵 A 的对角元上方所有元素所组成的上三角矩阵。 算法如下: Step 0:初始化数据 00,,,,k A b x δ=和ε。 Step 1:计算D,L,U,J 或G, 得到迭代矩阵B. Step 2::1k k =+ 0x B x f * =+ 0x x = 如果0x x δ-<或()f x ε≤,goto Step 3?否则 goto Step 2。 Step 3:输出结果。 程序说明与要求
线性变换和矩阵.
§3 线性变换和矩阵 一、线性变换关于基的矩阵 设V 是数域P 上n 维线性空间.n εεε,,,21 V 的一组基,现在建立线性变换与 矩阵关系. 空间V 中任意一个向量ξ可以被基n εεε,,,21 线性表出,即有关系式 n n x x x εεεξ+++= 2211 (1) 其中系数是唯一确定的,它们就是ξ在这组基下的坐标.由于线性变换保持线性关系不变,因而在ξ的像A ξ与基的像A 1ε,A 2ε,…,A n ε之间也必然有相同的关系: A ξ=A (n n x x x εεε+++ 2211) =1x A (1ε)+2x A (2ε)+…+n x A (n ε) (2) 上式表明,如果知道了基n εεε,,,21 的像,那么线性空间中任意一个向量ξ 的像也就知道了,或者说 1. 设n εεε,,,21 是线性空间V 的一组基,如果线性变换?与?在这组基上 的作用相同,即 A i ε= B i ε, ,,,2,1n i = 那么A = B . 结论1的意义就是,一个线性变换完全被它在一组基上的作用所决定.下面指出,基向量的像却完全可以是任意的,也就是 2. 设n εεε,,,21 是线性空间V 的一组基,对于任意一组向量n ααα,,,21 一定有一个线性变换?使 A i ε=i α .,,2,1n i = 定理1 设n εεε,,,21 是线性空间V 的一组基,n ααα,,,21 是V 中任意n 个 向量.存在唯一的线性变换?使
A i ε=i α .,,2,1n i = 定义2 设n εεε,,,21 是数域P 上n 维线性空间V 的一组基,A 是V 中的一个 线性变换.基向量的像可以被基线性表出: ???????+++=+++=+++=. ,,22112222112212211111n nn n n n n n n n a a a A a a a A a a a A εεεεεεεεεεεε 用矩阵表示就是 A (n εεε,,,21 )=(A (1ε),A ?(2ε),…, A (n ε)) =A n ),,,(21εεε (5) 其中 ?????? ? ??=nn n n n n a a a a a a a a a A 2122221 11211 矩阵A 称为线性变换A 在基n εεε,,,21 下的矩阵. 例 1 设m εεε,,,21 是n )(m n >维线性空间V 的子空间W 的一组基,把它 扩充为V 的一组基n εεε,,,21 .指定线性变换A 如下 ???+====. ,,1,0,,,2,1,n m i A m i A i i i εεε 如此确定的线性变换A 称为子空间W 的一个投影.不难证明 A 2=A 投影A 在基n εεε,,,21 下的矩阵是
第二章 矩阵变换和计算.
第二章 矩阵变换和计算 一、内容提要 本章以矩阵的各种分解变换为主要内容,介绍数值线性代数中的两个基本问题:线性方程组的求解和特征系统的计算,属于算法中的直接法。基本思想为将计算复杂的一般矩阵分解为较容易计算的三角形矩阵. 要求掌握Gauss (列主元)消去法、矩阵的(带列主元的)LU 分解、平方根法、追赶法、条件数与误差分析、QR 分解、Shur 分解、Jordan 分解和奇异值分解. (一) 矩阵的三角分解及其应用 1.矩阵的三角分解及其应用 考虑一个n 阶线性方程组b Ax =的求解,当系数矩阵具有如下三种特殊形状:对角矩阵D ,下三角矩阵L 和上三角矩阵U ,这时方程的求解将会变得简单. ??????? ? ?=n d d d D O 2 1, ??????? ??=nn n n l l l l l l L ΛO M M 21222111, ???? ?? ? ??=nn n n u u u u u u U M O ΛΛ 22212111. 对于b Dx =,可得解为i i i d b x /=,n i ,,2,1Λ=. 对于b Lx =,可得解为1111/l b x =,ii i k k ik i i l x l b x /)(1 1∑-=- =,n i ,,3,2Λ=. 对于b Ux =,可得解为nn n n l b x /=,ii n i k k ik i i l x l b x /)(1 ∑+=- =,1,,2,1Λ--=n n i . 虽然对角矩阵的计算最为简单,但是过于特殊,任意非奇异矩阵并不都能对角化,因此较为普适的方法是对矩阵进行三角分解. 1).Gauss 消去法 只通过一系列的初等行变换将增广矩阵)|(b A 化成上三角矩阵)|(c U ,然后通过回代求与b Ax =同解的上三角方程组c Ux =的解.其中第k 步消元过程中,在第1-k 步得到的矩阵) 1(-k A 的主对角元素) 1(-k kk a 称为主元.从) 1(-k A 的第j 行减去第k 行的倍数)1()1(--= k kk k jk jk a a l (n j k ≤<)称为行乘数(子). 2).矩阵A 的LU 分解 对于n 阶方阵A ,如果存在n 阶单位下三角矩阵L 和n 阶上三角矩阵U ,使得LU A =, 则称其为矩阵A 的LU 分解,也称为Doolittle 分解.Gauss 消去法对应的矩阵形式即为LU 分解, 其中L 为所有行乘子组成的单位下三角矩阵, U 为Gauss 消去法结束后得到的上三角矩
矩阵链算法
/************************ Matrix Chain Multiplication ***************************/ /************************ 作者:Hugo ***************************/ /************************ 最后修改日期:2015.09.10 ***************************/ /************************ 最后修改人:Hugo ***************************/ using System; using System.Collections.Generic; using System.Linq; using System.Text; using System.Threading.Tasks; using System.Text.RegularExpressions; using System.Collections; namespace Matrix { class Program { public static int nummulti = 0; static ArrayList list1 = new ArrayList();//定义计算式存储列表 static ArrayList listrow = new ArrayList();//定义矩阵行数存储列表 static ArrayList listcolumn = new ArrayList();//定义矩阵列数存储列表 static void Main(string[] args) { /****************************************************************************** *****************/ //从键盘上获取矩阵 int nummatrix = Int32.Parse(Console.ReadLine()); int countmat = 0; for (countmat = 0; countmat < nummatrix; countmat++) { string s = Console.ReadLine(); string[] str = s.Split(' ');//把输入的一行字符按空格拆分 listrow.Add(Int32.Parse(str[1]));//行数存储到矩阵行数存储列表 listcolumn.Add(Int32.Parse(str[2]));//列数存储到矩阵列数存储列表
矩阵初等变换及应用
矩阵初等变换及应用 王法辉 摘要:矩阵初等变换是高等代数的重要组成部分。本文对初等变换进行了研究探讨,详细介绍了与矩阵初等变换有关的基础知识。在阐述矩阵初等变换方法及应用原理的基础上,首先重点讨论该方法在解决高等代数相关计算问题上的应用,如求多项式的最大公因式、求逆矩阵解矩阵方程、求解线性方程组、判定向量的线性相关性、化二次型为标准型、求空间的基等。尤其是利用矩阵初等变换法求空间的基(解空间、特征子空间、核、值域等)的问题的计算,以具体实例生动的展示出问题的内在关系,最后给出了该方法在解决实际问题中的应用。本文理论分析与实际相结合,凸现了矩阵初等变换法直接、便利、有效的威力与作用。 关键词:矩阵初等变换;最大公因式;线性相关性;二次型;空间的基 1 导言 在线性方程组的讨论中我们看到,线性方程组的一些重要性质反映在它的系数矩阵和增广矩阵的性质上,并且解方程组的过程也表现为变换这些矩阵的过程。在数学的学习和应用中,矩阵理论是高等代数的重要组成部分,矩阵初等变换方法更是贯穿高等代数理论的始终。应用初等变换证明命题过程容易被接受,同时也是解决高等代数相关计算问题最直接、便利、有效的方法。此外,还有大量的各种各样的,表面上看完全没有联系的问题的解决,都可以通过相同的方法实现:矩阵的初等变换。 因此,对矩阵初等变换方法及应用进行探讨,无疑是十分必要和重要的。 目前,有许多文献涉及到对矩阵初等变换方法该的讨论,但比较零散。在研读文献的基础上,对矩阵初等变换的内涵进一步挖掘,使矩阵初等变换方法的威力作用得以充分展示是重要也是必要的。 2 矩阵及其初等变换
2.1 矩阵 由n m ?个数)j ,,,2,1(==m i a ij (i =1,2, ,j =1,2,n , )排成m 行n 列 的数表 ? ? ??? ???????=mn m m n n a a a a a a a a a A 2 1 22221 11211 称为m 行n 列的矩阵,简称n m ?矩阵。 2.2 矩阵的初等变换及初等矩阵 矩阵有行列之分,因此有如下定义 定义1 矩阵的初等行(列)变换是指如下三种变换 (1)交换矩阵某两行(列)的位置,记为j i r r ? )(j i c c ?; (2)把某一行(列)的k 倍加到另一行(列)上,记为j i kr r + )(j i kc c +; (3)用一个非零常数k 乘以某一行(列),记为i kr )(i kc ,k ≠0; 矩阵的初等行变换及初等列变换统称为矩阵的初等变换。 定义2 由单位矩阵E 经过一次初等变换得到的方阵称为初等矩阵。有以下3种形式 (1)互换矩阵E 的i 行和j 行的位置,得 ? ???? ? ??? ?? ? ????? ???????????????? ?=1101111011),( j i P ; (2)用数域P 种非零数c 乘E 的i 行,得
第七章线性变换.
第七章线性变换 计划课时:24 学时.(P 307—334) §7.1 线性变换的定义及性质( 2 学时) 教学目的及要求:理解线性变换的定义,掌握线性变换的性质 教学重点、难点:线性变换的定义及线性变换的性质 本节内容可分为下面的两个问题讲授. 一. 线性变换的定义(P307) 注意:向量空间V到自身的同构映射一定是V上的线性变换,反之不然。 二. 线性变换的性质 定理7.1.1 (P309) 定理7.1.2 (P309) 推论7.1.3 (P310) 注意: 1.定理7.1.2 给出了在有限维向量空间构造线性变换的方法,且说明了一个线性变换完全被它对基向量的作用所决定。 2. 两个线性变换相等当且仅当它们对任意一个向量的作用结果相等,推论7.1.3 (P310)告诉我们,只要这两个线性变换对某个基中的每个基向量的作用结果相等即可。 作业:习题七P330 1 ,2, 3. §7.2 线性变换的运算( 4 学时) 教学目的及要求:掌握线性变换的运算及线性变换可逆的条件教学重点、难点:线性变换的运算及线性变换可逆的条件 本节内容分为下面四个问题讲授: 一. 加法运算 定义 1 (P310) 注意:+ 是V的线性变换. 二. 数乘运算 定义 2 (P311) 显然k 也是V的一个线性变换. 定理7.2.1 L(V)对于线性变换的加法与数乘运算构成数域F上的一个向量空间. 三. 乘法运算 (1). 乘法运算 定义 3 (P311-312)
注意:线性变换的乘法适合结合律,但不适合交换律及消去律. 两个非零线性变换的乘积可能是零变换. (2). 线性变换的方幂 四. 可逆线性变换定义 4 ( P313) 线性变换可逆的充要条件例 2 ( P314) 线性变换的多项式的概念( 阅读 内容). 作业:P330 习题七4, 5. §7.3 线性变换的矩阵( 6 学时) 教学目的及要求:理解线性变换关于一个基的矩阵的定义,掌握与( ) 关于同一个基的坐标之间的关系、线性变换与它们的和、数乘、乘积在同一个基下的矩阵的关系、 同一个线性变换在不同基下的矩阵是相似的理论,掌握L(V)与M(F)的同构理 论。 教学重点、难点: 1. 线性变换关于一个基的矩阵的定义。 2. L(V)与M(F)的同构理论,线性变换与它们的和、数乘、乘积在同一个基下的矩阵的关系。 本节内容分为下面四个问题讲授: 一.线性变换关于基的矩阵 定义 ( P316) 。 注意:取定n维向量空间V的一个基之后,对于V的每一个线性变换,有唯一确定的n阶矩阵与 它对应. 例 1 ( P316 ) 注意:一个线性变换在不同基下的矩阵通常是不同的. 例 2 ( P317) 例 3 ( P317) 二.与( )关于同一个基的坐标之间的关系. 定理7.3.1 例 4 ( P318 ) 三? L(V)与M(F)的同构 定理7.3.2 (P320) 定理7.3.3 (P320) 注意:1.定理732 ( P320)的证明是本章的难点,在证明之前应复习证明所用到的知识点。 2. 由于L(V) 同构于M n ( F ) ,所以就把研究一个很复杂的向量空间L(V) 的问题转化成研究一个很直观具体的向量空间M n(F) 的问题。同构是高等代数课程的一个基本概念。 3. 定理7.3.3 不仅给出了在有限维向量空间判定一个线性变换可逆的方法,而且给出了求 逆变换的方法。 四. 同一个线性变换在不同基下的矩阵之间的关系定理7.3.4 (P321). 作业:P331 习题七6,9,12,17.
GE矩阵+计算方法+案例(一班三组)
GE矩阵法及其使用方法介绍 一、GE矩阵法概述 GE矩阵法又称通用电器公司法、麦肯锡矩阵、九盒矩阵法、行业吸引力矩阵是美国通用电气公司(GE)于70年代开发了新的投资组合分析方法。对企业进行业务选择和定位具有重要的价值和意义。GE矩阵可以用来根据事业单位在市场上的实力和所在市场的吸引力对这些事业单位进行评估,也可以表述一个公司的事业单位组合判断其强项和弱点。在需要对产业吸引力和业务实力作广义而灵活的定义时,可以以GE矩阵为基础进行战略规划。按市场吸引力和业务自身实力两个维度评估现有业务(或事业单位),每个维度分三级,分成九个格以表示两个维度上不同级别的组合。两个维度上可以根据不同情况确定评价指标。 二、方格分析计算方法介绍: GE矩阵可以用来根据事业单位在市场上的实力和所在市场的吸引力对这些事业 单位进行评估,也可以表述一个公司的事业单位组合判断其强项和弱点。在需要 对产业吸引力和业务实力作广义而灵活的定义时,可以以GE矩阵为基础进行战 略规划。按市场吸引力和业务自身实力两个维度评估现有业务(或事业单位),
每个维度分三级,分成九个格以表示两个维度上不同级别的组合。两个维度上可以根据不同情况确定评价指标。 绘制GE矩阵,需要找出外部(行业吸引力)和内部(企业竞争力)因素,然后对各因素加权,得出衡量内部因素和市场吸引力外部因素的标准。当然,在开始搜集资料前仔细选择哪些有意义的战略事业单位是十分重要的。 1. 定义各因素。选择要评估业务(或产品)的企业竞争实力和市场吸引力所需的重要 因素。在GE内部,分别称之为内部因素和外部因素。下面列出的是经常考虑的一些因素(可能需要根据各公司情况作出一些增减)。确定这些因素的方法可以采取头脑风暴法或名义群体法等,关键是不能遗漏重要因素,也不能将微不足道的因素纳人分析中。 2. 估测内部因素和外部因素的影响。从外部因素开始,纵览这张表(使用同一组经理), 并根据每一因素的吸引力大小对其评分。若一因素对所有竞争对手的影响相似,则对其影响做总体评估,若一因素对不同竞争者有不同影响,可比较它对自己业务的影响和重要竞争对手的影响。在这里可以采取五级评分标准(1=毫无吸引力,2=没有吸引力,3=中性影响,4=有吸引力,5=极有吸引力)。然后也使用5级标准对内部因素进行类似的评定(1=极度竞争劣势,2=竞争劣势,3=同竞争对手持平,4=竞争优势,5=极度竞争优势),在这一部分,应该选择一个总体上最强的竞争对手做对比的对象。 具体的方法是:- 确定内外部影响的因素,并确定其权重- 根据产业状况和企业状况定出产业吸引力因素和企业竞争力因素的级数(五级)- 最后,用权重乘以级数,得出每个因素的加权数,并汇总,得到整个产业吸引力的加权值 下面分别用折线图和表格两种形式来表示。
矩阵的运算与运算规则复习课程
矩阵的运算与运算规 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. 1.2.3典型举例 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. 1.3.2典型例题 设矩阵 计算 解是的矩阵.设它为
高等代数与解析几何第七章节(1-3习题) 线性变换与相似矩阵答案
第七章线性变换与相似矩阵 习题7.1 习题7.1.1判别下列变换是否线性变换? (1)设是线性空间中的一个固定向量, (Ⅰ),, 解:当时,显然是的线性变换; 当时,有,,则 ,即此时不是的线性变换。 (Ⅱ),; 解:当时,显然是的线性变换; 当时,有,,则 ,即此时不是的线性变换。 (2)在中, (Ⅰ), 解:不是的线性变换。因对于,有, ,所以。 (Ⅱ); 解:是的线性变换。设,其中,, 则有 ,
。 (3)在中, (Ⅰ), 解:是的线性变换:设,则 , ,。 (Ⅱ),其中是中的固定数; 解:是的线性变换:设,则 , ,。 (4)把复数域看作复数域上的线性空间,,其中是的共轭复数; 解:不是线性变换。因为取,时,有, ,即。 (5)在中,设与是其中的两个固定的矩阵,, 。 解:是的线性变换。对,,有 , 。 习题7.1.2在中,取直角坐标系,以表示空间绕轴由 轴向方向旋转900的变换,以表示空间绕轴由轴向方向
旋转900的变换,以表示空间绕轴由轴向方向旋转900的 变换。证明(表示恒等变换), , ; 并说明是否成立。 证明:在中任取一个向量,则根据,及的定义可 知:,,;, ,;,, ,即,故。 因为, ,所以。 因为, ,所以。 因为, ,所以。 习题7.1.3在中,,,证明。证明:在中任取一多项式,有 。所以。 习题7.1.4设,是上的线性变换。若,证明 。 证明:用数学归纳法证明。当时,有
命题成立。假设等式对成立,即。下面证明等式对 也成立。因有 ,即等式对也成立,从而对任意自然数都成立。习题7.1.5证明(1)若是上的可逆线性变换,则的逆变换唯一;(2)若,是上的可逆线性变换,则也是可逆线性变换,且 。 证明:(1)设都是的逆变换,则有,。进而。即的逆变换唯一。 (2)因,都是上的可逆线性变换,则有 ,同理有 由定义知是可逆线性变换,为逆变换,有唯一性得 。 习题7.1.6设是上的线性变换,向量,且,,, 都不是零向量,但。证明,,, 线性无关。 证明:设,依次用可得 ,得,而, 故;同理有:,得, 即得;依次类推可得,即得,进而得 。
浅谈矩阵计算
浅谈矩阵计算 一丶引言 矩阵是高等代数学中的常见的工具。在应用数学,物理学,计算机科学中都有很大的作用。研究矩阵的计算,可以简化运算,并深入理解矩阵的性质。在数学中,矩阵(Matrix)是一个按照长方阵列排列的复数或实数集合,最早来自于方程组的系数及常数所构成的方阵。这一概念由19世纪英国数学家凯利首先提出。矩阵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。对一些应用广泛而形式特殊的矩阵,例如稀疏矩阵和准对角矩阵,有特定的快速运算算法。关于矩阵相关理论的发展和应用,请参考矩阵理论。在天体物理、量子力学等领域,也会出现无穷维的矩阵,是矩阵的一种推广。矩阵的研究历史悠久,发展也是历久弥新,拉丁方阵和幻方在史前年代已有人研究。 作为解决线性方程的工具,矩阵也有不短的历史。成书最迟在东汉前期的《九章算术》中,用分离系数法表示线性方程组,得到了其增广矩阵。在消元过程中,使用的把某行乘以某一非零实数、从某行中减去另一行等运算技巧,相当于矩阵的初等变换。但那时并没有现今理解的矩阵概念,虽然它与现有的矩阵形式上相同,但在当时只是作为线性方程组的标准表示与处理方式。 矩阵正式作为数学中的研究对象出现,则是在行列式的研究发展起来后。逻辑上,矩阵的概念先于行列式,但在实际的历史上则恰好相反。日本数学家关孝和(1683年)与微积分的发现者之一戈特弗里德·威廉·莱布尼茨(1693年)近乎同时地独立建立了行列式论。其后行列式作为解线性方程组的工具逐步发展。1750年,加布里尔·克拉默发现了克莱姆法则。 矩阵的现代概念在19世纪逐渐形成。1800年代,高斯和威廉·若尔当建立了高斯—若尔当消去法。1844年,德国数学家费迪南·艾森斯坦(F.Eisenstein)讨论了“变换”(矩阵)及其乘积。1850年,英国数学家詹姆斯·约瑟夫·西尔维斯特(James Joseph Sylvester)首先使用矩阵一词。英国数学家凯利被公认为矩阵论的奠基人。他开始将矩阵作为独立的数学对象研究时,许多与矩阵有关的性质已经在行列式的研究中被发现了,这也使得凯利认为矩阵的引进是十分自然的。他说:“我决然不是通过四元数而获得矩阵概念的;它或是直接从行列式的概念而来,或是作为一个表达线性方程组的方便方法而来的。”他从1858年开始,发表了《矩阵论的研究报告》等一系列关于矩阵的专门论文,研究了矩阵的运算律、矩阵的逆以及转置和特征多项式方程。凯利还提出了凯莱-哈密尔顿定理,并验证了3×3矩阵的情况,又说进一步的证明是不必要的。哈密尔顿证明了4×4矩阵的情况,而一般情况下的证明是德国数学家弗罗贝尼乌斯(F.G.Frohenius)于1898年给出的。1854年时法国数学家埃尔米特(C.Hermite)使用了“正交矩阵”这一术语,但他的正式定义直到1878年才由费罗贝尼乌斯发表。1879年,费罗贝尼乌斯引入矩阵秩的概念。至此,矩阵的体系基本上建立起来了。 无限维矩阵的研究始于1884年。庞加莱在两篇不严谨地使用了无限维矩阵和行列式理论的文章后开始了对这一方面的专门研究。1906年,希尔伯特引入无限二次型(相当于无限维矩阵)对积分方程进行研究,极大地促进了无限维矩阵的研究。在此基础上,施密茨、赫林格和特普利茨发展出算子理论,而无限维矩阵成为了研究函数空间算子的有力工具。 二、矩阵的介绍与基本运算 由m×n个数a ij(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。只有一行的矩阵A=(a1,a2…a n)称为行矩阵或行向量,只有一列的矩阵称为列矩阵或列向量。矩阵计算的合适出发点是矩阵与矩阵的乘法。这一问题在数学上虽然简单,但从计算上来看却是十分丰富的。矩阵相乘可以有好几种不同的形式,还将引入矩阵划分的概念,并将其用来刻画计
动态规划矩阵连乘算法
问题描述:给定n个矩阵:A1,A2,...,A n,其中A i与A i+1是可乘的,i=1,2...,n-1。确定计算矩阵连乘积的计算次序,使得依此次序计算矩阵连乘积需要的数乘次数最少。输入数据为矩阵个数和每个矩阵规模,输出结果为计算矩阵连乘积的计算次序和最少数乘次数。 问题解析:由于矩阵乘法满足结合律,故计算矩阵的连乘积可以有许多不同的计算次序。这种计算次序可以用加括号的方式来确定。若一个矩阵连乘积的计算次序完全确定,也就是说该连乘积已完全加括号,则可以依此次序反复调用2个矩阵相乘的标准算法计算出矩阵连乘积。 完全加括号的矩阵连乘积可递归地定义为: (1)单个矩阵是完全加括号的; (2)矩阵连乘积A是完全加括号的,则A可表示为2个完全加括号的矩阵连乘积B和C的乘积并加括号,即A=(BC) 例如,矩阵连乘积A1A2A3A4有5种不同的完全加括号的方式:(A1(A2(A3A4))),(A1((A2A3)A4)),((A1A2)(A3A4)),((A1(A2A3))A4),(((A1A2)A3)A4)。每一种完全加括号的方式对应于一个矩阵连乘积的计算次序,这决定着作乘积所需要的计算量。 看下面一个例子,计算三个矩阵连乘{A1,A2,A3};维数分别为10*100 , 100*5 , 5*50 按此顺序计算需要的次数
((A1*A2)*A3):10X100X5+10X5X50=7500次,按此顺序计算需要的次数(A1*(A2*A3)):10*5*50+10*100*50=75000次 所以问题是:如何确定运算顺序,可以使计算量达到最小 化。 算法思路: 例:设要计算矩阵连乘乘积A1A2A3A4A5A6,其中各矩阵的维数分别是: A1:30*35; A2:35*15; A3:15*5; A4: 5*10; A5:10*20; A6:20*25 递推关系: 设计算A[i:j],1≤i≤j≤n,所需要的最少数乘次数m[i,j],则原问题的最优值为m[1,n]。 当i=j时,A[i:j]=A i,因此,m[i][i]=0,i=1,2,…,n 当i 第七章 线性变换(小结) 本章的重点: 线性变换的矩阵以及它们对角化的条件和方法. 本章的难点: 不变子空间的概念和线性变换和矩阵的一一对应关系. 线性变换是线性代数的中心内容之一,它对于研究线性空间的整体结构以及向量之间的内在联系起着重要作用.线性变换的概念是分析几何中的坐标变换、数学分析中的某些变换替换等的抽象和推广,它的理论和方法,(特别是和之相适应的矩阵理论和方法)在分析几何、微分方程等许多其它使用学科,都有极为广泛的使用. 本章的中心问题是研究线性变换的矩阵表示,在方法上则充分利用了线性变换和矩阵对应和相互转换. 一、线性变换及其运算 1. 基本概念: 线性变换,可逆线性变换和逆变换; 线性变换的值域和核,秩和零度; 线性变换的和和差, 乘积和数量乘法, 幂及多项式. 2. 基本结论 (1) 线性变换保持零向量、线性组合和线性关系不变; 线性变换把负向量变为象的负向量、把线性相关的向量组变为线性相关的向量组 (2) 线性变换的和、差、积、数量乘法和可逆线性变换的逆变换仍为线性变换. (3) 线性变换的基本运算规律(略). (4) 一个线性空间的全体线性变换关于线性变换的加法和数量乘法作成一个线性空间. (5) 线性空间V 的线性变换A 的象Im(A )= A V 和核ker A = A -1(0) (a) A 的象Im(A )= A V 和核ker A = A -1(0)是V 的(A -)子空间. (b)若dim(V )=n ,则Im(A )由V 的一组基的象生成: 即设V 的一组基 n ααα,...,,21, Im(A )= A V =L(A α1, A α2,… ,A αn )={ A α|α∈V }. ker A = A -1(0)= { α∈V | A α=0}. (c)A 的秩(dim Im(A ))+A 的零度(dim ker A )=n . (d)A 是双射?A 是单射? Ker(A )={0}?A 是满射. 第01课时 矩阵的概念 一、要点讲解 1.矩阵的概念: 2.矩阵的相等: 二、知识梳理 1.在数学中,将形如13?????? ,80908688??????,23324m ????-??这样的__________________称做矩阵._____________________________________叫做矩阵的行,______________________ ________________叫做矩阵的列.通常称具有i 行j 列的矩阵为i ×j 矩阵. 2.__________________称为零矩阵;______________________称为行矩阵;____________ _______________称为列矩阵. 3.平面上向量α = (x ,y )的坐标和平面上的点P (x ,y )看作行矩阵可记为________,看作列矩阵可记为_________. 4.当两个矩阵A ,B ,只有当A ,B 的_______________________,并且____________________也分别相等时,才有A = B . 三、例题讲解 例1. 用矩阵表示△ABC ,其中A (-1,0),B (0,2),C (2,0). 例2. 设31,422x y A B z ????==????--???? ,若A = B ,求x ,y ,z . 例3. 已知n 阶矩阵11221 21247712j n j n i i i j in n n n j nn a a a a A a a a a a a a a ????????=???????????? ,其中每行、每列都是等差数列,ij a 表示位于第i 行第j 列的数. (1)写出45a 的值; (2) 写出ij a 的计算公式. 四、巩固练习 1. 画出矩阵143111-????-?? 所表示的三角形,并求该三角形的面积.#第七章 线性变换(小结)
苏教版数学高二选修4-2矩阵与变换学案第01课时 矩阵的概念