矩阵理论-第八讲
合集下载
第8讲 分块矩阵、矩阵的秩.PPT

0 0 3 2
0
0
1
1
3
解:设
A
0
0
0
0 2 0 0
0 0 3 1
0 0 2 1
A1
A2
A3
A1 3 , A2 2 , A3 1
所以 A 3( 2)1 6
又
A11
1 3
,
A21
1 2
,
A31
1 1
2
3
1 3
0
0 0
故
A1
0
12 0
2
A3 A2 A 0
2 2
1 2 0
1
0 3
1 0
32 3
3 32
0
0
2 0 0
0
0
3
3.
(1)
3 B'
2A
1 3 0
0 2
3 1 0 2 0
0 2
0 1 1 0
0 2
3 2
0 1 1 0 0 1 0 3 1
1 0 6 1 0 0 0 0 6
同理可定义矩阵的初等列变换 (所用记号是 把“r”换成“c”).
三、 由 P 1AP B 有 P P1APP 1 P B P 1
A PBP 1 A2 AA PBP1PBP1 PBBP1 PB2P 1
A10 PB10P 1
P 1 1 1 4 3 1 1
B2 BB 1 0
0 1 2 0
0 2
(1)2 0
0 22
B3 B2B 1 0
Bs
A1 B1
0
L
0
0L A2 B2 L
LL 00
0
0
L
第八讲 矩阵对策概要

矩阵G的一般解法
1)取每行的最小值:
min gij i 1, 2, , m
j
i
maxmin gij i 1, 2, , m 2)从上述值中选最大值: j
j
3)取每列的最大值: max gij j 1,
i
2, , n
max gij j 1, 2, , n 4)从3)项中选最大值:min j
E X ,Y E X ,Y
那么: X
x和y EX ,Y
都成立时
局中人P1的最优策略; 局中人P2的最优策略; 对策的值; 对策的解;
Y
E X ,Y
X
,Y
最优策略的解法
假设策略的值是V,最优策略及策略的解可 通过下式求得。
m
E X , j g ij xi V
Y , , 5) 13 13 13 25 V 13
E 1, Y 3 y1 y2 y3 V E 2, Y y1 y2 5 y3 V E 3, Y y1 4 y2 y3 V y1 y2 y3 1
i
min gij min max gij gi* j* 时, 5)若 max j j i i
ai* →P1的最优纯策略; b * →P2的最优纯策略; j
a , b 对策的解; V
i* j*
g i* j* 对策 a * , b * 的值。 i j
例3
某耕地根据种植划以及自然条件,规划 与收益存在如下表所示的关系。 试求出最佳规划方案。
矩阵理论及其应用(重大版第八章课件)

������→∞ ������→∞ ������→∞ ������→∞
{������������ }和{������������ }为数列,则 lim (������������ ������������ +������������ ������������ ) = ������������ + ������������。
(运用������(������) ������−1 (������)=E,然后两边求导)
������ (6) 几种特殊情况: ������������ ������ − ������sin ������������ , sin ������������ ������������
������ ������������
=
������������ ������������
=
������ ������������ ������
,
������ ������������
cos ������������
=
= ������cos ������������ 。
例1 设求二次型������ ������ ������������ 的导数(其中A对称)。
的每一个元素������������������ (������)是变量������
的可微函数,则称������(������)微,其导数定义为
������������ ������������
=
������′ (������)
=
������������������������ ������������ ������������
������→∞
CQU
4
向量和矩阵序列极限的性质
{������������ }和{������������ }为数列,则 lim (������������ ������������ +������������ ������������ ) = ������������ + ������������。
(运用������(������) ������−1 (������)=E,然后两边求导)
������ (6) 几种特殊情况: ������������ ������ − ������sin ������������ , sin ������������ ������������
������ ������������
=
������������ ������������
=
������ ������������ ������
,
������ ������������
cos ������������
=
= ������cos ������������ 。
例1 设求二次型������ ������ ������������ 的导数(其中A对称)。
的每一个元素������������������ (������)是变量������
的可微函数,则称������(������)微,其导数定义为
������������ ������������
=
������′ (������)
=
������������������������ ������������ ������������
������→∞
CQU
4
向量和矩阵序列极限的性质
大学课程大一数学线性代数上册8.行列式与矩阵综合例题课件

线性代数(1)
第八讲 清华大学数学科学系
1
行列式
解方程
几何空间中的向量 对解的认识 n 维向量空间
线性方程组 线性空间与线性变换
Gauss消元法
怎么求?
线性变换的不变量
矩阵 初等变换、秩、 逆矩阵、分块
特征值与特征向量
二次型与二次曲面
(综合应用)
2
a11 a12 行列式 a21 a22
an1 an2
例13 设 A, B, C 是 n 阶矩阵, 且 AB = BC = CA = I, 则
A2+B2+C2 = ( ).
(A) 3I
(B) 2I
(C)I
(D) 0
3797
例14 设有四阶行列式:
1 D
1
1
1 ,
3049
1472
记 a = A41+A42+A43+A44, 则 a 的值为:
(A) -2;
0 0 0
6
例6 设 A, B 是 n 阶矩阵, 则 ( ).
(A) 若 |A| = 0, 则 A = 0
(B) 若 A2 = 0, 则 A = 0
(C) 若 A 是对称矩阵, 则 A2 也是对称矩阵
(D) (A+B)(A-B) = A2-B2 例7 设 A 是 n 阶可逆阵, 则 (
(B) ).
例5 两个同阶反对称矩阵的乘积( ).
(A) 仍为反对称矩阵
(B) 不是反对称矩阵
(C) 不一定是反对称矩阵
(D) 是同阶对称矩阵
0 1 0 0 0 0
(A) 和 (D) 反例
A
1
0
0 , B 0
0
第八讲 清华大学数学科学系
1
行列式
解方程
几何空间中的向量 对解的认识 n 维向量空间
线性方程组 线性空间与线性变换
Gauss消元法
怎么求?
线性变换的不变量
矩阵 初等变换、秩、 逆矩阵、分块
特征值与特征向量
二次型与二次曲面
(综合应用)
2
a11 a12 行列式 a21 a22
an1 an2
例13 设 A, B, C 是 n 阶矩阵, 且 AB = BC = CA = I, 则
A2+B2+C2 = ( ).
(A) 3I
(B) 2I
(C)I
(D) 0
3797
例14 设有四阶行列式:
1 D
1
1
1 ,
3049
1472
记 a = A41+A42+A43+A44, 则 a 的值为:
(A) -2;
0 0 0
6
例6 设 A, B 是 n 阶矩阵, 则 ( ).
(A) 若 |A| = 0, 则 A = 0
(B) 若 A2 = 0, 则 A = 0
(C) 若 A 是对称矩阵, 则 A2 也是对称矩阵
(D) (A+B)(A-B) = A2-B2 例7 设 A 是 n 阶可逆阵, 则 (
(B) ).
例5 两个同阶反对称矩阵的乘积( ).
(A) 仍为反对称矩阵
(B) 不是反对称矩阵
(C) 不一定是反对称矩阵
(D) 是同阶对称矩阵
0 1 0 0 0 0
(A) 和 (D) 反例
A
1
0
0 , B 0
0
矩阵论第8章

第8章 广义逆矩阵及其应用
广义逆矩阵是通常逆矩阵的推广. 1920 年穆尔(Moore)首先 提出了广义逆矩阵的概念, 但其后的 30 年未引起人们的重视. 直 到 1955 年彭诺斯(Penrose)利用四个矩阵方程给出了广义逆矩 阵的新的更简便实用的定义之后,广义逆矩阵的研究才进入了一 个新的时期,其理论和应用得到了迅速发展,已成为矩阵论的一 个重要分支,广义逆矩阵在数理统计、最优化理论、控制理论、 系统识别、数字图象处理等许多领域都具有重要应用. 本章着重介绍几种常见的广义逆矩阵及其在解线性方程组中 的应用.
由定义不难看出:
A A{1,2} A{1} ; A A{1,3} A{1} ; A A{1,4} A{1} .
1 0 1 0 0 1 0 0 例 8.1.1 设 A 1 0 , B 0 1 0 0 0 1 ,C ,由于 1 0 ABA A , ACA A , 所以, B 与 C 均为 A 的减号逆.
1 2 3 4 C4 C4 C4 C4 15 .
但应用较多的是以下 5 类: A{1} , A{1, 2} , A{1, 3} , A{1, 4} , A{1, 2, 3, 4} . 下面将会看到,只有 A{1, 2, 3, 4} 是唯一确定的,其他各类广义 逆矩阵都不唯一.
定义 8.1.2 设 A C mn 为任意复数矩阵,则 (1)满足方程(8.1.1)的广义逆矩阵类记为 A{1} ,其中任意一 个确定的广义逆,称为减号逆,记为 A ; (2)满足方程(8.1.1)与(8.1.2)的广义逆矩阵类记为 A{1, 2} , 其中任意一个确定的广义逆,称为自反减号逆,记为 Ar ; (3)满足方程(8.1.1)与(8.1.3)的广义逆矩阵类记为 A{1, 3} , 其中任意一个确定的广义逆,称为最小范数广义逆,记为 Am ; (4)满足方程(8.1.1)与(8.1.4)的广义逆矩阵类记为 A{1, 4} , 其中任意一个确定的广义逆,称为最小二乘广义逆,记为 Al ; (5) 满足全部 4 个 M-P 方程的广义逆矩阵类记为 A{1, 2, 3, 4} , 这类广义逆对给定的 A 来说只有唯一的一个广义逆,称为加号逆, 或穆尔-彭诺斯广义逆,记为 A .
广义逆矩阵是通常逆矩阵的推广. 1920 年穆尔(Moore)首先 提出了广义逆矩阵的概念, 但其后的 30 年未引起人们的重视. 直 到 1955 年彭诺斯(Penrose)利用四个矩阵方程给出了广义逆矩 阵的新的更简便实用的定义之后,广义逆矩阵的研究才进入了一 个新的时期,其理论和应用得到了迅速发展,已成为矩阵论的一 个重要分支,广义逆矩阵在数理统计、最优化理论、控制理论、 系统识别、数字图象处理等许多领域都具有重要应用. 本章着重介绍几种常见的广义逆矩阵及其在解线性方程组中 的应用.
由定义不难看出:
A A{1,2} A{1} ; A A{1,3} A{1} ; A A{1,4} A{1} .
1 0 1 0 0 1 0 0 例 8.1.1 设 A 1 0 , B 0 1 0 0 0 1 ,C ,由于 1 0 ABA A , ACA A , 所以, B 与 C 均为 A 的减号逆.
1 2 3 4 C4 C4 C4 C4 15 .
但应用较多的是以下 5 类: A{1} , A{1, 2} , A{1, 3} , A{1, 4} , A{1, 2, 3, 4} . 下面将会看到,只有 A{1, 2, 3, 4} 是唯一确定的,其他各类广义 逆矩阵都不唯一.
定义 8.1.2 设 A C mn 为任意复数矩阵,则 (1)满足方程(8.1.1)的广义逆矩阵类记为 A{1} ,其中任意一 个确定的广义逆,称为减号逆,记为 A ; (2)满足方程(8.1.1)与(8.1.2)的广义逆矩阵类记为 A{1, 2} , 其中任意一个确定的广义逆,称为自反减号逆,记为 Ar ; (3)满足方程(8.1.1)与(8.1.3)的广义逆矩阵类记为 A{1, 3} , 其中任意一个确定的广义逆,称为最小范数广义逆,记为 Am ; (4)满足方程(8.1.1)与(8.1.4)的广义逆矩阵类记为 A{1, 4} , 其中任意一个确定的广义逆,称为最小二乘广义逆,记为 Al ; (5) 满足全部 4 个 M-P 方程的广义逆矩阵类记为 A{1, 2, 3, 4} , 这类广义逆对给定的 A 来说只有唯一的一个广义逆,称为加号逆, 或穆尔-彭诺斯广义逆,记为 A .
第8讲矩阵的秩

则AT经过初等行变换变为BT. 故, R(AT)=R(BT). R(A) = R(AT) = R(BT) = R(B). 因而有: 综上所述, 若A经过有限次初等变换变为B, 即 A B, 则 R(A) = R(B). 证毕
初等变换求矩阵秩的方法: 用初等行变换把矩阵变成为行 阶梯形矩阵, 行阶梯形矩阵中非零行的行数就是矩阵的秩.
1 3 2 2 1 3 2 2 0 2 1 3 ~ 0 2 1 3 , 2 0 1 5 0 0 0 0
显然, 非零行的行数为2. 所以, R(A)=2.
例 求矩阵的秩
0 A 1 1
1 1 3
0 2 4
2 1 4
解:
1 2 B 2 3 r22 1 r3–r2 0 0 r4+3r2 0
2 2 1 1 r2–2r1 1 2 2 1 1 4 8 0 2 r3+2r1 0 0 4 2 0 4 2 3 3 r4–3r1 0 0 2 1 5 0 0 6 3 1 6 0 6 4 2 2 1 1 1 2 2 1 1 0 2 1 0 r35 0 0 2 1 0 =B 0 0 0 5 r4–r3 0 0 0 0 1 1 0 0 0 0 0 0 0 0 1
性质5: max{R(A), R(B)} R(A ¦ R(A) + R(B), 特别当B = b B) 时, R(A) R(A ¦ R(A) + 1. b) 证明: 由于A的最高阶非零子式当然是(A ¦ B)的非零子式, 故 R(A) R(A ¦ 同样R(B) R(A ¦ B). B), 故 max{R(A), R(B)} R(A ¦ . B) 设R(A)=r , R(B)=t . 对A和B分别做列变换, 化为列阶梯形矩 阵A1和B1, 则A1和B1中分别含有r 个和t 个非零列, 设为 A A1=(a1, a2, ·, ar , 0, ·, 0), · · · · B B1=(b1, b2, ·, bt , 0, ·, 0), · · · · 从而 (A ¦ (A1 ¦ 1), B) B 但是(A1 ¦ 1)中仅有r+t个非零列, B 因此, R(A ¦ = R(A1 ¦ 1) r + t = R(A) + R(B). B) B
第一章矩阵理论(管理数学基础)

定理1:若1, ,s是方阵A的互异的特征值, x1, ,xs是分别相应于它们的特征向量,则 x1, ,xs 线性无关。 证:对s使用数学归纳法。 当s 1,因为任一个非零向量线性无关,所以定理 成立。 设对s 1个互异的特征值定理成立,要证对s个互异 的特征值定理也成立,为此令 k1 x1 ks 1 xs 1 k s xs 0, () 1
T 线性( p11T1 pn1Tn, ,p1nT1 pnnT n ) (T1, ,T n ) P T (1 n ) P (1 n ) AP P 1 AP B P 1 AP。 称满足此关系式的A、B矩阵为相似的。
线性空间:即赋予了线性运算的非空集合。具体定义为: 设X是一个非空集合,K是数域(K为实数域R或复数域
C),若定义X中二元素之间的加法运算以及数域K中的数
与X中元素之间的数乘运算,并满足下列条件: • 加法运算“+”满足:对任意x、y∈X,x+y∈X,且
(1)交换律:x+y=y+x;
(2)结合律:对任意z∈X,(x+y)+z=x+(y+z); (3)有零元:存在0∈X,使得对一切x∈X,有x+0=x(0称X
n T n 解: 记X x ( x1, ,xn ) R | xi 0 则 (1) i 1 任x,y X ,x y ( x 1 y1, ,xn yn )T 其分量和
(x y ) x y
i 1 i i i 1 i i 1 n n
在上式两边同乘以s 得 k1s x1 ks s xs 0, (2) 因为Axi i xi (i 1, ,s ),用A左乘(1)式得 k11 x1 ks 1s 1 xs 1 ks s xs 0, (3) 将(3)、 二式两边分别相减得 (2) k1 (1 s ) x1 ks 1 (s 1 s ) xs 1 0 由于x1, ,xS 1线性无关,且i s (i 1, s 1),故必有k1 k s 1 0, 从而k s 0。即x1, ,xs 线性无关。
矩阵论8稿第6章

( (
( −1 ⋅ X Y HY O
)
XHX = H Y Y ⋅XH
( (
) )
XH −1 YH
−1
XH H =X⋅ X X H Y
(
)
−1
例3
1 0 向量空间 R 中: α = 2 , β = 1 , L = L(α , β ) ,求 PL . 0 1 1 0 , X T X = 5 2 , X T X X = 2 1 2 2 0 1
Y)
−1
−1
= ( XC
O ⋅ (X D −1
= (X
O)⋅ (X
Y)
−1
四、正交投影变换
矩阵论 8 稿(张凯院)
第六章
广义逆矩阵
6-4
欧氏空间 C n 中,子空间 L 给定,取 M = L⊥ , 则 C n = L ⊕ M . 正交投影变换 TL = TL , M ;正交投影矩阵 PL = PL , M . Th2 证 方阵 P = PL ⇔ P 2 = P , P H = P . 必要性.已知 P = PL : Th1 ⇒ P 2 = P ∀x1 ∈ C n ⇒ x1 = y1 + z 1 , y1 = Px1 ∈ L, z 1 ∈ L⊥ ∀x 2 ∈ C n ⇒ x 2 = y 2 + z 2 , y 2 = Px 2 ∈ L, z 2 ∈ L⊥
因为投影变换 TR ( P ), N ( P ) 满足
TR ( P ), N ( P ) ( x ) = y ⇒ PR ( P ), N ( P ) x = y ( ∀x ∈ C n )
所以
P x = PR ( P ), N ( P ) x ( ∀x ∈ C n ) ⇒ P = PR ( P ), N ( P )
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
A是收敛矩阵
(2)利用充分条件 A 1
A 0.9 1 1
A是收敛矩阵
兰州大学信息科学与工程学院
矩阵理论第8讲-20
矩阵级数
– 矩阵级数的定义
由 Cmn 中的矩阵序列{A(k)}构成的无穷和
A(0) A(1) L A(k) L
称为矩阵级数,记为
A (k )
k 0
n N ,称
S(n)
A n
A1 ( A A)1
A1 A
A1
1 A1 A
给出 A 引起的 A1 的相对误差
兰州大学信息科学与工程学院
矩阵理论第8讲-11
矩阵序列
– 定义
由 Cmn 中的矩阵构成的与自然数集N等势的集合{A(1) A(2) L }
一一映射 f : N {A(k)}
A(k) (ai(jk) )mn
– 矩阵序列的收敛
lim A(k) A 0
k
A(k) A A(k) A
lim A(k) A
k
: Cmn R
由此推论可得:
若
lim A(k) A
k
lim B(k) B
k
A(k) , B(k) , A, B C mn , k 0,1,L
lim( A(k) B(k) ) A B
k
A(k) B(k) AB A(k) B(k) A(k) B A(k) B AB A(k) (B(k) B) (A(k) A)B A(k) B(k) B A(k) A B
由 lim A(k) A lim B(k) B 可证
k
k
兰州大学信息科学与工程学院
矩阵理论第8讲-16
k
G
lim A(k) A 0
k
lim A(k) A
k
兰州大学信息科学与工程学院
矩阵理论第8讲-13
矩阵序列
推论:
设 {A(k) : A(k) C mn , k 0,1,L ,} lim A(k) A 0
k
A(k) A A(k) A
lim A(k) A
k
lim A(k) A
lim Ak 0
k
兰州大学信息科学与工程学院
矩阵理论第8讲-19
矩阵序列
– 举例 判断下列矩阵是否为收敛矩阵
(1)
:
A
1 6
1 2
8
1
(1)利用充要条件 ( A) 1
0.2 0.1 0.2
(2)
:
A
0.5
0.5
0.4
0.1 0.3 0.2
1
5 6
2
1 2
(A) 5 1
6
扰动为
x
,则(设
A
C nn n
)
(A A)(x x) b Ax b
x A1 A(x x)
A x A(x x)
x A1 A ( x x )
(1 A1 A ) x A1 A x
当 A1 A 1 时
x
A1 A
A1 A
A
x
(1 A1 A )
(1 A1
aij
所以
lim A(k) A
k
lkim(ai(jk) aij ) 0 (i, j)
lim A(k) A 0
k
G
由范数的等价性,对 Cmn 上的任一矩阵范数 g , , C ,使得
A(k) A A(k) A A(k) A
G
G
其中 g 是 Cmn 上的任一矩阵范数
lim A(k) A 0
作为
2
2
1 1.0001
x1 x2
5 5.0001
解,则 0
r
0.0003
但上解与其准确解
x1 x2
2
1
相差甚远
兰州大学信息科学与工程学院
矩阵理论第8讲-7
矩阵的条件数
– 先分析方程组Ax = b中只有b有扰动 b 的情况。设由 b 引起的解x的
扰动为
x
,则(设
cond(A) A A1
>> help cond COND Condition number with respect to inversion. COND(X) returns the 2-norm condition number (the ratio of the largest singular value of X to the smallest). Large condition numbers indicate a nearly singular matrix. COND(X,P) returns the condition number of X in P-norm:
NORM(X,P) * NORM(INV(X),P). where P = 1, 2, inf, or 'fro‘
兰州大学信息科学与工程学院
矩阵理论第8讲-4
矩阵的奇异值
– 定义
设
A
C mn r
(r
0)
,AH A
的特征值为
则称
1 2 L r r1 L n 0 i i (i 1, 2,L , n)
矩阵的条件数
• 定义矩阵条件数的工程背景
许多工程问题,常常归结为求解矩阵方程
Ax b
由于矩阵A和向量b的元素一般是系统部件(例如电路元件)的参数值, 或系统输出的观测值,所以不可能没有微小的误差或扰动。 ?数据的误差对于问题的解会产生怎样的影响 ?怎样度量这种影响 ?怎样给出这种误差上界
2
2
1 1.0001
A
C nn n
)
A(x x) b b Ax b
A x b
x A1 b
由相容性条件:
x A1 b
b Ax A x
b x
A
x
A1
b
A1
b
A
A1
b
x
x
b
b
A
兰州大学信息科学与工程学院
矩阵理论第8讲-8
矩阵的条件数
– 再分析方程组Ax = b中只有A有扰动 A 的情况。设由 A 引起的解x的
A A1
A A1
A A1
1 A1 A 1 A A1 A
A
兰州大学信息科学与工程学院
矩阵理论第8讲-10
矩阵的条件数
x
A1 A
A1 A
A b
( )
x
(1 A1 A )
(1 A1
A
A
)
A
b
A
当 A1 A 1 时
A1
( A A)1
)
(1 A1 A )
给出 A 引起的 A1 的绝对误差
Ax A x
v
m
v
– m1
1–
– F–
2–
– m
1 –、 2 –
– 与矩阵范数相容的向量范数的存在性
– 从属于向量范数的矩阵范数
– 矩阵的谱半径及其在特征值估计中的应用
兰州大学信息科学与工程学院
Ax A max v
x0 x v
(A) A
(A)sup{ : (A)}
矩阵理论第8讲-2
矩阵理论-第八讲
兰州大学信息科学与工程学院 2004年
兰州大学信息科学与工程学院
矩阵理论第8讲-1
上节内容回顾
• Hermite矩阵正定性
AH A
• 方阵的范数
0 xCn
xH Ax 0
1. 三角不等式 A B A B
2. 绝对齐性 A A
3. 正定性 4. 相容性
• 各种矩阵范数
A 0 A 0A0 AB A B
A(k) , A C m p B(k) , B C pn , k 0,1,L
lim( A(k)B(k) ) AB
k
兰州大学信息科学与工程学院
矩阵理论第8讲-15
矩阵序列 上述命题可根据充要条件来证明:
( A(k) B(k) ) ( A B) (A(k) A) (B(k) B) A(k) A B(k) B
为A的奇异值
兰州大学信息科学与工程学院
矩阵理论第8讲-5
矩阵的条件数
用MATLAB验证
的条件数
2 1
A
2
1.0001
与下面的方程组进行比较:
1
2
2 1
x1 x2
7 1
用
1
2
2 0.999
x1 x2
7 1.001
来验证其对误差的鲁棒性(Robustness)
兰州大学信息科学与工程学院
其中 g 是 Cmn 上的任一矩阵范数
lim A(k) A 0
k
兰州大学信息科学与工程学院
矩阵理论第8讲-12
矩阵序列
证明:
先取 Cmn 上矩阵的G – 范数证明上述充要条件
a(k) ij
aij
mn
max i, j
a(k) ij
aij
A(k) A G
mn
m i 1
n j 1
a(k) ij
矩阵级数
Cmn 中的矩阵级数收敛相当于C上的 m n 个级数都收敛
A(k) (ai(jk) )mn
S (sij )mn
S A (k) k 0
a (k) k 0 ij
sij
i 1,L , m;
j 1,L , n;
– 举例
已知矩阵序列{A(k)} 的通项为
1
A(k )
2k
0
4k
1
(k 1)(k 2)
判断矩阵级数
k 0
A(k
)的敛散性