矩阵子式及结式的用法

合集下载

矩阵的运算及其运算规则

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.设矩阵计算解是的矩阵.设它为可得结论1:只有在下列情况下,两个矩阵的乘法才有意义,或说乘法运算是可行的:左矩阵的列数=右矩阵的行数;结论2在矩阵的乘法中,必须注意相乘的顺序.即使在与均有意义时,也未必有=成立.可见矩阵乘法不满足交换律;结论3方阵A和它同阶的单位阵作乘积,结果仍为A,即.1.3.3运算性质(假设运算都是可行的)(1) 结合律.(2) 分配律(左分配律);(右分配律).(3) .1.3.4方阵的幂定义:设A是方阵,是一个正整数,规定,显然,记号表示个A的连乘积.1.4矩阵的转置1.4.1定义定义:将矩阵A的行换成同序号的列所得到的新矩阵称为矩阵A的转置矩阵,记作或.例如,矩阵的转置矩阵为.1.4.2运算性质(假设运算都是可行的)(1)(2)(3)(4) ,是常数.1.4.3典型例题利用矩阵验证运算性质:解;而所以.定义:如果方阵满足,即,则称A为对称矩阵.对称矩阵的特点是:它的元素以主对角线为对称轴对应相等.1.5方阵的行列式1.5.1定义定义:由方阵A的元素所构成的行列式(各元素的位置不变),称为方阵A的行列式,记作或.1.5.2运算性质(1) (行列式的性质)(2) ,特别地:(3) (是常数,A的阶数为n)思考:设A为阶方阵,那么的行列式与A的行列式之间的关系为什么不是,而是?不妨自行设计一个二阶方阵,计算一下和.例如,则.于是,而2光伏逆变器的建模光伏并网逆变器是将光伏组件输出的直流电转化为符合电网要求的交流点再输入电网的关键设备,是光伏系统并网环节中能量转换与控制的核心。

矩阵代数知识点总结

矩阵代数知识点总结

矩阵代数知识点总结一、矩阵的基本概念1.1 矩阵的定义矩阵是一个由数域中的元素排成的矩形阵列。

通常记作一个大写字母加括号,如A=(a_ij),其中a_ij表示矩阵的第i行第j列的元素。

1.2 矩阵的元素对于一个m×n的矩阵A=(a_ij),其中1≤i≤m,1≤j≤n,a_ij称为矩阵A的元素。

1.3 行向量和列向量行向量指的是只有一行的矩阵,列向量指的是只有一列的矩阵。

1.4 矩阵的维数矩阵A的维数通常表示为m×n,其中m表示矩阵行数,n表示矩阵列数。

1.5 零矩阵所有元素均为零的矩阵称为零矩阵,通常用0表示。

1.6 方阵如果一个矩阵的行和列相等,则称该矩阵为方阵。

1.7 对角矩阵具有形如a_ii=0(i≠j)的矩阵称为对角矩阵。

1.8 单位矩阵对角矩阵的对角元素都为1的矩阵称为单位矩阵,通常用I表示。

1.9 转置矩阵若A=(a_ij)是一个m×n的矩阵,其转置矩阵记作A^T=(b_ij),其中b_ij=a_ji,即A的第i行第j列的元素等于A^T的第j行第i列的元素。

1.10 矩阵的运算矩阵的运算包括矩阵的加法、减法、数乘以及矩阵的乘法。

1.11 矩阵的加法对于两个维数相同的矩阵A=(a_ij)和B=(b_ij),它们的和记作C=A+B,其中c_ij=a_ij+b_ij。

1.12 矩阵的减法同样是维数相同的矩阵A和B,它们的差记作C=A-B,其中c_ij=a_ij-b_ij。

1.13 矩阵的数乘对于一个维数为m×n的矩阵A=(a_ij),以及一个实数k,它们的数乘记作B=kA,即b_ij=ka_ij。

1.14 矩阵的乘法对于一个维数为m×n的矩阵A=(a_ij)和一个维数为n×p的矩阵B=(b_ij),它们的乘积记作C=AB,其中c_ij=∑(a_ik * b_kj),即C的第i行第j列的元素等于A的第i行与B的第j列对应元素的乘积之和。

矩阵应用知识点总结

矩阵应用知识点总结

矩阵应用知识点总结1. 矩阵的基本概念矩阵是一个二维数组或表格,其中的元素可以是数字、符号或函数。

矩阵通常用方括号表示,如A=[aij]。

其中i表示行号,j表示列号,aij表示第i行第j列的元素。

矩阵的大小则由行数和列数确定。

例如2*2的矩阵表示为:A = | a11 a12 || a21 a22 |2. 矩阵的运算矩阵可以进行加法、减法和数乘运算。

对于两个相同大小的矩阵A和B,它们的和C为C=A+B,差D为D=A-B,数乘运算E=αA,其中α为实数。

矩阵乘法也是矩阵运算中的重要内容,对于两个矩阵A(m*n)和B(n*p),它们的乘积AB=C,其中C为m*p的矩阵。

矩阵的转置即将矩阵的行和列互换。

3. 矩阵的特殊矩阵对角矩阵是指在矩阵中除了主对角线外,其它元素都为0的矩阵。

单位矩阵是一种特殊的对角矩阵,它的主对角线上的元素都为1,其它元素都为0。

零矩阵的所有元素都为0。

正交矩阵的转置等于它的逆矩阵。

4. 矩阵的应用线性方程组的求解是矩阵应用的重要方面。

将线性方程组转化成矩阵形式Ax=b,通过矩阵的运算来求解未知数。

矩阵的特征值与特征向量在物理、化学等领域有着重要的应用。

特征值和特征向量可以描述线性变换的效果。

在图像处理中,矩阵也有着广泛的应用,如图像的平移、旋转和缩放等都可以用矩阵表示和运算。

5. 矩阵的分解将矩阵分解成几个特殊形式的乘积可以简化矩阵的运算。

LU分解、Cholesky分解、QR分解和奇异值分解等都是常见的矩阵分解方法。

这些分解方法可以用来求解矩阵的逆、求解线性方程组、傅里叶变换等。

在计算机图形学中,矩阵的分解也有着很多应用,例如在三维空间中的旋转和变换。

总之,矩阵是数学中一个非常重要的概念,具有广泛的应用。

矩阵的运算、特殊矩阵、应用和分解等内容都是矩阵应用的重点。

矩阵在科学、工程和计算机等领域都有着重要的应用,对于理解和掌握矩阵的知识,有助于我们更好地理解和解决实际问题。

矩阵行列式计算

矩阵行列式计算

矩阵行列式计算矩阵行列式是线性代数中的重要概念之一,它在求解线性方程组和矩阵运算中有广泛的应用。

本文将对矩阵行列式的概念和计算方法进行详细介绍,并探讨其在实际问题中的具体应用。

首先,我们来了解矩阵行列式的定义。

给定一个n×n的矩阵A=[aij],其中aij表示矩阵A的第i行第j列的元素,则其行列式记作det(A)或|A|。

对于2×2矩阵,行列式的计算公式为:det(A)=a11*a22-a12*a21。

而对于更高阶的矩阵,可以使用行列式的余子式和代数余子式进行计算。

接下来,我们将详细介绍矩阵行列式的计算方法。

对于3×3矩阵A=[aij],可以使用代数余子式来计算行列式。

首先,我们计算矩阵A的代数余子式,记作Aij=(-1)^(i+j)Mij,其中Mij是去掉矩阵A的第i行和第j列后形成的2×2矩阵的行列式。

然后,我们可以通过det(A)=a11A11+a12A12+a13A13来计算矩阵A的行列式。

对于更高阶的矩阵,我们可以将其转化为较低阶矩阵的行列式来计算。

例如,对于4×4矩阵A,可以将其转化为3×3矩阵的形式:det(A)=a11A11-a12A12+a13A13-a14A14。

其中A11是去掉矩阵A的第1行和第1列后形成的3×3矩阵的行列式,A12是去掉矩阵A的第1行和第2列后形成的3×3矩阵的行列式,以此类推。

矩阵行列式在线性方程组的求解中起着重要的作用。

对于一个n元线性方程组Ax=b,其中A是一个n×n的矩阵,x和b是n维列向量。

我们可以通过计算矩阵A的行列式来判断方程组是否有解以及解的唯一性。

具体来说,当det(A)≠0时,方程组有唯一解。

当det(A)=0时,方程组可能有无穷多解或者无解。

此外,矩阵行列式还可以用于计算矩阵的逆。

给定一个可逆矩阵A (即det(A)≠0),我们可以使用伴随矩阵的方法来计算A的逆矩阵。

矩阵代数知识简介

矩阵代数知识简介

矩阵代数知识简介矩阵:由mn个元素排列起来的长方形阵列称为矩阵。

记作a ij是第i行和第j列的元素,其中i = 1, 2, …, m;j = 1, 2, …,n。

A表示的是mn阶矩阵。

它包括m行n列,共有mn个元素。

方阵:若矩阵的行数等于其列数,即m = n, 则称此矩阵为方阵。

当A为方阵时,i = j的元素,即a11, a22, …, a nn,称作主对角线元素。

当m = n = 1时,A减化为一个标量。

行向量:仅有一行的矩阵称作行向量。

列向量:仅有一列的矩阵称作列向量。

单位矩阵:一个方阵,若其主对角线元素都为1,其余元素都为零,则称此矩阵为单位矩阵,记为I。

对角矩阵:若n阶方阵中的元素满足条件当i j时,a ij = 0,(i, j = 1, 2, …, n),则称为对角矩阵。

由此可知,单位矩阵是对角矩阵的一个特例。

零矩阵:元素全为零的矩阵称作零矩阵,记为0。

对称矩阵:若n阶方阵A中的元素满足条件a ij = a ji,(i j,i, j = 1, 2, …, n), 则称A为n阶对称矩阵。

矩阵相等:如果两个矩阵A = (a ij)mn和B = (b ij)mn同阶且所有对应元素相等,即a ij = b ij,(i = 1, 2, …, m;j = 1, 2, …, n), 则称矩阵A与B相等,记为A = B。

矩阵加法与减法:两个同阶矩阵A = (a ij)mn和B = (b ij)mn对应元素相加(减)得到的矩阵称作A与B的和(差)。

记为A + B(或A - B)。

矩阵加法的性质:若A、B、C、0都是mn阶矩阵,则(1) A + B = B + A (交换律)(2) A +(B + C)=(A + B)+ C (结合律)(3) A - A = 0 或A + 0 = A标量与矩阵相乘:标量k与矩阵A相乘是k与A的所有元素相乘,记为k A,即k A = k (a ij)mn = (ka ij)mn标量与矩阵相乘的性质(k, l是自然数):(1) k A = A k(2) k (A + B) = k A + k B(3) k l A = k (l A)(4) (-1) A = - A矩阵的乘法:设矩阵A = (a ij)mr,B = (b ij)rn,则规定A和B的乘积是A B = C = (c ij)mn,其中即两个矩阵的乘法要求左边矩阵的列数等于右边矩阵的行数,积的元素是由左边矩阵的行元素乘以右边矩阵的相应列元素,并将所有积相加得到。

矩阵知识点总结

矩阵知识点总结

矩阵知识点总结矩阵是线性代数中的重要概念,它在许多科学领域中都有广泛的应用,如物理、工程、计算机科学等。

了解和掌握矩阵的相关知识对于理解和解决实际问题具有重要意义。

本文将对矩阵的基本定义、运算、特殊类型以及其在实际应用中的应用进行总结。

矩阵是由数值排列而成的矩形阵列,其中包含了行和列。

一般可以表示为一个大写字母,如A、B等。

矩阵的大小由它的行数和列数确定,例如一个m行n列的矩阵被称为一个m x n矩阵。

矩阵的运算包括加法、减法、乘法和求逆。

矩阵的加法和减法是按照相应位置上的元素进行相加或相减的运算。

矩阵的乘法是将一个矩阵的每个元素与另一个矩阵对应位置上的元素相乘并相加得到一个新的矩阵。

矩阵的逆是指存在一个矩阵B,使得矩阵A与B相乘得到单位矩阵。

矩阵的运算具有一些基本的性质,如结合律、交换律和分配律等。

矩阵还具有一些特殊的类型,如方阵、对称矩阵、上三角矩阵和单位矩阵等。

方阵是行数等于列数的矩阵。

对称矩阵是其转置矩阵等于它本身的矩阵。

上三角矩阵是除了主对角线以下的元素都为零的矩阵。

单位矩阵是一个对角线上的元素都为1,其他元素都为零的方阵。

不同的特殊类型的矩阵在实际问题中具有不同的应用。

矩阵在实际应用中有广泛的应用。

在线性方程组的求解中,矩阵可以表示为系数矩阵和常数矩阵,通过矩阵的运算可以求解未知数的值。

在图像处理中,矩阵可以表示为像素的强度值,通过对矩阵的操作可以实现图像的增强和滤波等效果。

在机器学习和人工智能中,矩阵可以表示为特征矩阵和权重矩阵,通过矩阵的乘法运算可以实现分类和预测等任务。

总之,矩阵是线性代数中的重要概念,在实际问题的求解中具有广泛的应用。

了解和掌握矩阵的相关知识对于理解和解决实际问题具有重要意义。

通过学习矩阵的定义、运算、特殊类型以及其在实际应用中的应用,可以提高我们的数学能力和问题解决能力。

希望本文对读者对矩阵的理解和应用提供了一些参考和帮助。

矩阵知识点完整归纳

矩阵知识点完整归纳

矩阵知识点完整归纳矩阵是现代数学中的一种重要数学工具,广泛应用于各个学科领域。

在线性代数中,矩阵是最基本的对象之一,研究的对象是矩阵的性质和运算规律。

本文将对矩阵的知识点进行完整归纳。

一、矩阵的定义与表示方法矩阵是m行n列的数表,由m×n个数组成。

它可以用方括号“[ ]”表示,其中的元素可以是实数、复数或其他数域中的元素。

矩阵的第i行第j列的元素记作a_ij。

二、矩阵的运算1.矩阵的加法:对应元素相加。

2.矩阵的减法:对应元素相减。

3.矩阵与标量的乘法:矩阵的每个元素都乘以该标量。

4.矩阵的乘法:第一个矩阵的行乘以第二个矩阵的列,求和得到结果矩阵的对应元素。

5.矩阵的转置:将矩阵的行与列互换得到的新矩阵。

6.矩阵的逆:如果一个n阶方阵A存在逆矩阵A^-1,则称A为可逆矩阵。

三、特殊矩阵1.零矩阵:所有元素均为0的矩阵。

2.单位矩阵:对角线上的元素均为1,其余元素均为0的矩阵。

3.对称矩阵:转置后与原矩阵相等的矩阵。

4.上三角矩阵:主对角线以下的元素均为0的矩阵。

5.下三角矩阵:主对角线以上的元素均为0的矩阵。

6.对角矩阵:只有主对角线上有非零元素,其余元素均为0的矩阵。

7.可逆矩阵:存在逆矩阵的方阵。

8.奇异矩阵:不可逆的方阵。

四、矩阵的性质和定理1.矩阵的迹:矩阵主对角线上元素之和。

2.矩阵的转置积:(AB)^T=B^TA^T。

3.矩阵的乘法满足结合律但不满足交换律:AB≠BA。

4.矩阵的乘法满足分配律:A(B+C)=AB+AC。

5.矩阵的行列式:用于判断矩阵是否可逆,计算方式为按行展开法或按列展开法。

6.矩阵的秩:矩阵的列向量或行向量的极大无关组中的向量个数。

7.矩阵的特征值与特征向量:Ax=λx,其中λ为特征值,x为特征向量。

8.矩阵的迹与特征值之间的关系:矩阵的迹等于特征值之和。

五、应用领域1.线性方程组的求解:通过矩阵运算可以求解线性方程组。

2.三角形面积计算:通过矩阵的行列式可以求解三角形的面积。

矩阵的基本运算和应用

矩阵的基本运算和应用

矩阵的乘法
两个矩阵相乘,需要满足第一个矩阵的列数等于第二个矩阵的行数,结
果矩阵的行数等于第一个矩阵的行数,列数等于第二个矩阵的列数。乘
法运算遵循特定的运算法则。
特殊类型矩阵
方阵
01 行数和列数相等的矩阵称为方
阵。
零矩阵
02 所有元素都为零的矩阵称为零
矩阵。
对角矩阵
03 除主对角线外,其他元素都为
零的方阵称为对角矩阵。
矩阵乘法运算
乘法定义
设A为m×n矩阵,B为n×s矩阵,那么称m×s矩阵C为矩阵A 与B的乘积,记作C=AB。
运算步骤
矩阵乘法运算时,先将第一个矩阵的每一行分别与第二个 矩阵的每一列相乘,再将得到的积相加,得到结果矩阵的 对应元素。
运算性质
矩阵乘法一般不满足交换律,但满足结合律和分配律,且 单位矩阵作为乘法的单位元。
特征选择
基于矩阵分解等方法,选取对模型训练有重要贡 献的特征。
主成分分析(PCA)原理及实现
主成分分析(PCA)原理及实现
计算协方差矩阵。
对原始数据进行标准化处 理。
实现步骤
01
03 02
主成分分析(PCA)原理及实现
01
对协方差矩阵进行特征值分解,得到特征值和特征 向量。
02
选择前k个最大特征值对应的特征向量组成矩阵W。
• 克拉默法则:如果线性方程组的系数矩阵A的行列式|A|不等 于零,则该线性方程组有唯一解,且解可以通过系数矩阵A 和常数项向量b的行列式计算得到。
克拉默法则求解线性方程组
具体步骤 构造系数矩阵A和常数项向量b。 计算系数矩阵A的行列式|A|。
克拉默法则求解线性方程组
对于每一个未知数,将系数矩阵A中对应列替换为常数项向量b,得到新的矩阵B,并计算其行列式|B| 。
  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)。

矩阵子式及结式的用法1 背景介绍在现在的大学本科高等代数教科书中,涉及矩阵子式及结式的内容比较少,尤其是结式部分,只简单地介绍了结式与两个一元多项式的公因式的关系、解二元高次方程组的一般方法.而把其中最精彩、最生动的部分都隐藏起来,况且部分高校把它作为选修内容,学生不能从老师、课本那里学到发现问题、分析问题和解决问题的方法,影响学生对矩阵子式及结式的认识.基于上述现状,本文拟强调矩阵子式和结式在代数研究中的重要性.2 矩阵结式我们知道在多项式理论中,结式是个重要的概念.该理论提供了一个解二元高次方程组的一般方法.下面我们具体介绍结式的定义、性质及其计算问题.2.1 基本概念 定义1[1](P466)设有多项式1011()m m m m f x a x a x a x a --=++++,1011()n n n n g x b x b x b x b --=++++,则称m n +阶行列式(,)R f g =12012012012012301230123mm mmnn n a a a a a a a a a a a a a a a a b b b b b b b b b b b b b b b为()f x 与()g x 的结式.例1 设2()32,()1nf x x xg x x =-+=+,求结式(,)R f g . 解 ()f x 与()g x 的结式为(,)R f g =132132132132100010011----,从最后一列开始,每列往前一列加,然后第一列提出2,再将第一列乘-1加到其余各列,得(,)R f g =1111000012102121021-----,按最后两行利用拉普拉斯定理展开,得()()221(,)221122n n n n R f g +++⎡⎤=+--=+⎣⎦.例2 设2()1,()32nf x x xg x x x =++=-+,求结式(,)R f g解 =),(g f R 2312312302310000023100000231110000010011000001------,各列都加到第一列,再从第一列中提出3,接着将第一列乘-1加到第n+1列,即得2312312302310000002301000001100100001),(-----=g f R ,将第一行乘-1后加到第二行,然后再按第一列展开,得n+1阶行列式23123123023100000023110000023001000013),(------=g f R ,从最后一列开始,每列乘-1往前一列加,得21021002000210000211100013),(----=g f R ,再按第一列展开,得210210020002100002111000132121102123),(----+----=g f R ,将右端第二个行列式的最后一列(第n 列)乘-1后加到第n-1列,再将第一行展开,得3212121)1(323),(1----+⋅=+nn g f R 3(23)n =+.2.2 结式(,)R f g 的非行列式计算 2.2.1 利用多项式的根从2.1我们知道一个m 次多项式()f x 与另一个n 次多项式()g x 的结式(,)R f g 的计算,涉及到一个()m n +阶行列式的计算,这是十分麻烦的事.本节所提供的方法可以摆脱行列式的计算.定理1[1](P467-470)设多项式1011()m m m m f x a x a x a x a --=++++,1011()n n n n g x b x b x b x b --=++++,且12,,,m ααα为()f x 的全部根,12,,n βββ⋅⋅⋅为()g x 的全部根(k 重根算k 个),则有 (,)R f g =01200120()()(),0()()(),0nm m n a g g g a b f f f b αααβββ⎧⋅≠⎪⎨⋅≠⎪⎩.证明 设00a ≠,对()f x 的次数m 用数学归纳法.m =1时,01()f x a x a =+有根1a a α-=,此时 (,)R f g =10101011n na a a a a ab b b b -.从第一列开始每列乘α往下一列加,原来0a 位置上的元素不变,而1a 位置上的元素全变为0,n b 位置上的元素则变为()g α,即这时(,)R f g 变成一个主对角线上元素是0a ,…,0a ,()g α的三角行列式.故(,)R f g 0()na g α=,即m =1时结论成立.假定结论对m =k 时成立,下面证明对m =k +1也成立.设1011()k kk k f x a x a x a x a ++=+++的根为12,,,,k αααα,且1()()()f x x f x α=-⋅,其中1101()k k k f x a x c x c -=++⋅⋅⋅+的根为12,,,k ααα,且()f x 与1()f x 的函数间有关系:11022111,,,,k k k k k a c a a c c a c c a c αααα-+=-=-=-=-. (1),故(,)R f g =1101111011012101210121kk k k kk kk n n n nn na a a a a a a a a a a a a a a ab b b b b b b b b b b b b b b ++++---.从第一列开始,每列都乘α后加到下一列,则由(1)知,上行列式变为(,)R f g =)()()()()()()()()(000100121001100101010ααααααααααααααααααg g b b b g g g b b b g g g g b b b c c a c c a c c a k k k k kk k+++---,再从第2n +行开始,依次将各行乘-α后加到上一行,则又得(,)R f g =11101012101210000000***()kkk kn n n na c c a c c a c c a c cb b b b b b b b b b b g α--,按最后一列展开得(,)R f g =1()(,)g R f g α,因为1()f x 的首项系数00a ≠,故由归纳法假设知1012(,)()()()n k R f g a g g g ααα=⋅,于是01(,)()()()nk R f g a g g g ααα=⋅,即m =k +1时结论成立.同理可证0120(,)()()(),0mn R f g b f f f b βββ=⋅≠.我们拿2.1中的例子来说明:例3 求下列二多项式的结式(,)R f g :2()32,()1nf x x xg x x =-+=+ 解 ()f x 的根为1,2.故1(,)(1)(2)2(21)22nn R f g g g +==+=+.例4 结式(,)R f g :2()1,()32nf x x xg x x x =++=-+. 解 ()g x 的根为1,2,故(,)(1)(2)(111)(221)3(23)n n n R f g f f ==++++=+.2.2.2 使用矩阵的斜消法变换该部分论证了使用矩阵斜消法变换解决多项式理论中结式计算的问题,彻底摆脱了行列式计算. 定义2[2](P1) 设2n ⨯阶矩阵1112121222n n a a a a a a ⎛⎫⎪⎝⎭,其中12(1)10,0;0,(,1,2;;0,1,,1)i i is i s j a a a a a i j i j s n +====≠≠=≠=-,则称将第i 行的()n s -个元素(1)(2),,,i s i s in a a a ++乘以数k 斜加到第j 行的对应元素12(),,,j j j n s a a a -的变换为第i 行到第j 行的斜消法变换,以()s ji R k 表示之.显然,0()ji R k 是通常矩阵的消法变换.我们规定,斜消法变换所得矩阵的首列元素全为0时,应及时消去该列再变换.于是反复使用斜消法变换,可不断降低矩阵的阶数.定理2[2](P2) 设11111211(1)(),n n n n f x a x a x a x a -+=++++12212212(1)()n n n n f x a x a x a x a -+=++++,其中:12(1)10;0;0;(,1,2;;0,1,2,,.)i i is i s j a a a a a i j i j s n +====≠≠=≠=,则总存在10,,,s s k k k -,使1010(),(),,()11121(1)2(1)2(1)21222(1)s s ji s ji s ji R k R k R k n n n s n a a a A B a a a -----+⨯+⨯+-+⎡⎤=−−−−−−−−−→⎢⎥⎣⎦.其中B 的第i 行元素是 (1)(2)(1)(,,,)i s i s i n a a a +++,B 的第j 行元素是(2)(1)(0,,,)j s j n c c ++且有:()()()()j i f x f x q x r x =⋅+其中:11012(2)(3)(1)()()s s s s n s n s j s j s j n q x k x k x k r x c xc xc ------+++=+++=+++.例5 设5432()2234f x x x x x x =++++-,2()2g x x x =-+,求结式(,)R f g . 解212314000112-⎡⎤⎢⎥-⎣⎦312(2)032314000112R ---⎡⎤−−−→⎢⎥-⎣⎦3231400112-⎡⎤→⎢⎥-⎣⎦212(3)0131400112R --⎡⎤−−−→⎢⎥-⎣⎦112(1)02140112R ----⎡⎤−−−→⎢⎥-⎣⎦012(2)030112R -⎡⎤−−−→⎢⎥-⎣⎦1211()3030012R -⎡⎤−−−→⎢⎥-⎣⎦0211()33002R --⎛⎫−−−→ ⎪⎝⎭.由定理2得:12()3,() 2.r x x r x =-=12010205,2,1,0,1,3,2n m l l b r r ======-=,52215120(,)(1)1(3)(3,2)9(3,2)9218R f g R x R x ⨯+⨯--=-⨯⋅-⋅-=-=⨯=.2.3 结式(,)R f g 相关性质在解题中的应用 2.3.1 判断多项式的公共零点问题在多项式理论中,判定两个多项式()f x 与()g x 是否有公共根,以及一个多项式的一个根是否是重根,可由下面定理解决.定理3[1](P470-471) 设1011()m m m m f x a x a x a x a --=++++,1011()n n n n g x b x b x b x b --=++++,证明:(,)0R f g =的充要条件是:000a b ==或()f x 与()g x 有公共根.证明 必要性:设(,)0R f g =,如果000a b ==不成立,则00a ≠或00b ≠,不妨设,00a ≠,又设12,,,m ααα是()f x 的全部根,由定理1知012(,)()()()nm R f g a g g g ααα=⋅⋅⋅.因(,)0R f g =而00a ≠,所以至少有一个()0i g α=,即i α是()g x 的根,从而()f x 与()g x 有公共根.充分性:设000a b ==,则(,)R f g 的第一列元素全为0,从而(,)0R f g =.否则不防设00a ≠,由定理1知012(,)()()()nm R f g a g g g ααα=⋅⋅⋅成立,设某i α是()f x 与()g x 的公共根,则()0i g α=,于是(,)0R f g =.例6 判别()f x 与()g x 有无公根?(1)32()22,()1f x x x g x x x =++=++(2)323()3456,()924f x x x x g x x x =-++=++解 (1) 因为 101212(1)(1)10221120230111111111R R --⎡⎤⎡⎤⎡⎤−−−→−−−→⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦1211()223112R -⎡⎤⎢⎥−−−→⎢⎥-⎣⎦0211()423704R ⎡⎤⎢⎥−−−→⎢⎥⎣⎦.所以127()23,()4r x x r x =+=.于是 3221312077(,)(1)12(23,)47044R f g R x ⋅+⋅--=-⋅⋅+=⋅=≠,故()f x 与()g x 无公共根.(2) 因为021(3)3456345690240121314R ---⎡⎤⎡⎤−−−→⎢⎥⎢⎥--⎣⎦⎣⎦1121()431706420121314R -⎡⎤-⎢⎥−−−→⎢⎥--⎣⎦0121()16123410168121314R ⎡⎤⎢⎥−−−→⎢⎥--⎣⎦121192()123012802114R ---⎡⎤−−−−→⎢⎥--⎣⎦0217()412800R ---⎡⎤−−−→⎢⎥⎣⎦.所以12()128,()0r x x r x =--=.于是(,)0R f g =,故()f x 与()g x 有公共根.例7 当k 取何值时,多项式4()4f x x x k =-+有重根? 解 ()f x 有重根的充要条件是(,)0df R f dx =.由于344df x dx=-0=的根为121,,w w,其中1211,22w w =-+=-.由定理1知412(,)4(1)()()dfR f f f w f w dx= 444411224(141)(4)(4)k w w k w w k =-⋅+-+-+434(27)k =-.令(,)0dfR f dx=,得123,3,3k w w =,即k 取123,3,3w w 时,多项式4()4f x x x k =-+有重根. 2.3.2 二元高次方程组的一个一般的解法设(,),(,)f x y g x y 是两个复系数的二元多项式,求方程组(,)0(,)0f x yg x y =⎧⎨=⎩在复数域中的全部解.(,)f x y 与(,)g x y 可以写成101(,)()()(),m m m g x y b y x b y x b y -=+++101(,)()()(),n n n f x y a y x a y x a y -=+++其中(),(),0,1,,;0,1,,i j a y b y i n j m ==是y 的多项式.把(,)f x y 与(,)g x y 看作是x 的多项式,令(,)x R f g =012012012012012301230123()()()()()()()()()()()()()()()()()()()()()()()()()()()()()()()n n n n m m m a y a y a y a y a y a y a y a y a y a y a y a y a y a y a y a y b y b y b y b y b y b y b y b y b y b y b y b y b y b y b y ,这是y 的一个复系数多项式.定理4[3](P152) 如果00(,)x y 是方程组的一个复数解,那么0y 就是(,)x R f g 的一个根;反过来,如果0y 是(,)x R f g 一个复根,那么0000()()0a y b y ==或者存在一个复数0x ,使得00(,)x y 是方程组的一个解.由此可知,为了解方程组,我们先求高次方程(,)0x R f g =的全部根,把(,)0x R f g =的每个根代入方程组,再求x 的值,这样,我们就得到方程组的全部解.例8 解方程组2222741323014928450y xy x x y y xy x x y ⎧-++--=⎪⎨-++--=⎪⎩ . 解 把原方程组改写一下2222(72)(4133)0(144)(9285)0y x y x x y x y x x ⎧-+++-=⎪⎨-+++-=⎪⎩,于是 (,)y R f g 22221(72)4133001(72)41331(144)9285001(144)9285x x x x x x x x x x x x -++--++-=-++--++-22221(72)4133001(72)41330(72)5152000(72)5152x x x x x x x x x x x x -++--++-=-++--++-2221(72)4133(72)51520(72)5152x x x x x x x x x -++-=-++--++-2221021(72)515200(72)5152x x x x x x x x ---=-++--++- 2222(5152)(72)(1)24(1)(2)(2)x x x x x x x x =+--++=---+.(,)y R f g 的4个根是0,1,2, 2.x =-用0x =代入方程组,得22230450y y y y ⎧--=⎪⎨--=⎪⎩,这两个方程的公共根是1y =-,因之,(0,1)-是方程组的一个解.用同样的方法可得方程组的另外三个解是(1,2),(2,3),(2,1)-.这四个解就是它的全部解.3 矩阵子式定义3[1](P486) 由矩阵A的第1,2,k i i i 行和第1,2,k j j j 列交叉点上元素所构成的k 阶行列式称为A的一个k 阶子式,记为1212k k i i i A j j j ⋅⋅⋅⎛⎫⎪⋅⋅⋅⎝⎭,k 阶子式再附以符号()111k ki i j j +++++-后成为此子式的代数余子式,记为1212k k i i i A j j j ⋅⋅⋅⎛⎫⎪⋅⋅⋅⎝⎭.定义4[1](下P47)设()ij A a =为数域F 上的n 阶矩阵, 1212k k i i i A i i i ⎛⎫⎪⎝⎭1(1)k i i n ≤<<≤称为A 的(1,2,,)k k n =阶主子式,而称12(1,2,,)12k A k n k ⎛⎫=⎪⎝⎭为A 的k 阶顺序主子式.3.1 利用矩阵子式进行行列式的计算通过矩阵子式我们得到重要的Binet Cauchy -公式[4](P41): 设矩阵m n n m m m A B C ⨯⨯⨯⋅=,则 (1)当m n >时,0C =; (2)当m n =时,C A B =⋅;(3)当m n <时,1121121212m m i i n m m i i i C A B i i i m ≤<<≤⎛⎫⎛⎫=⎪ ⎪⎝⎭⎝⎭∑,其中1212m m A i i i ⎛⎫⎪⎝⎭表示在A 中取第12,,,m i i i 列与所有的前m 行组成的m 阶子式.特殊:当21212,T Tm m B A AA A i i i ⎛⎫==⎪⎝⎭∑. 公式的应用举例: 例9 证明:2222111()()()()nn nii i i i j j i i i i i jab a b a b a b ===<⋅-=-∑∑∑∑证 设1212n n a a a A b b b ⎛⎫=⎪⎝⎭,由Binet Cauchy -公式,有2211()i jT i j j i i j ni j nij a a AA a b a b b b ≤<≤≤<≤==-∑∑. 另一方面211211n nii i i i Tnni i i i i a a b AA a b b ====⎛⎫ ⎪⎪= ⎪ ⎪⎝⎭∑∑∑∑,于是211222111211()()()nnii in n ni i Tiii i n ni i i i ii i i aa bAA a b a b a b b=========⋅-∑∑∑∑∑∑∑.例10 设(,)A B C =是n 阶实矩阵,B 是n s ⨯阶子块,证明:2T TA B B C C ≤⋅. 证 由Laplace 定理,将A 按前s 列展开()iiiA B C =±∑,i B 是B 的一个s 阶子式,iC ±是i B 的代数余子式,由例9,2222(())()i i i i iiiA B C B C =±≤±∑∑∑.由Binet Cauchy -公式知221,nTT i i ii B B B C C C ===∑∑,于是2T T A B B C C ≤⋅.例11 设(,)A B C =是n m ⨯阶实矩阵,B 是n s ⨯阶子块,证明T T TA AB BC C ≤⋅. 证 当m n =时,由例10知结论成立.当m n >时,由Binet Cauchy -公式0T A A =,而0,0T TB BC C ≥≥,不等式成立. 当m n <时,0TA X =有非零解,且其基础解系至少含n m -个向量,任取n m -个线性无关的非零解排成()n n m ⨯-阶矩阵D ,则0T A D =且0T D D >.令1(,,)A B C D =,由0TA D =知0TC D =,又11(,)(,)T T T TT T TTA AA DA A A D A D A A D D D A D D=== ,由例10得 2111(,)(,).T T T T TTT T T T T C C C D A A A B B C D C D B BB BC CD D D CD D=≤⋅==由上两式及0T D D >,可得T T T A A B B C C ≤⋅.3.2 利用矩阵的子式来判定实对称矩阵的正定性,负定性及不定性问题 定理5[3](P228-231)设A 为n 级实对称矩阵,A 为正定矩阵的充要条件为A 的顺序主子式都大于零.例12 判别实对称矩阵524212425A -⎛⎫ ⎪=- ⎪ ⎪--⎝⎭为正定矩阵.解 A 的顺序主子式5245250,0,212021425->>->--,因之,A 正定. 推论 实对称矩阵A 是负定的充要条件为A 的奇数级顺序主子式小于零,偶数级顺序主子式大于零.定理6[1](下P54-55)A 是正定矩阵的充要条件是A 的所有主子式都大于零.证 充分性是明显的,因为主子式全大于零,那么顺序主子式必全大于零,从而A 是正定的. 下证必要性.设n 阶实对称矩阵()ij A a =的主子式全大于零,而1112121222121(1)k k k k k k i i i i i i i i i i i i k k i i i i i i a a a a a a A i i n a a a ⎛⎫ ⎪ ⎪=≤<<≤⎪ ⎪ ⎪⎝⎭为A 的任一个k 阶主子式k A 所对应的k 阶实对称矩阵.由于A 是正定的,故二次型1(,,)T n f x x x Ax =对任意不全为零的实数1,,n c c 都有1(,,)0n f c c >.从而对不全为零的实数1,,k i i c c ,有1(0,,,,,,0)0k i i f c c >.(即在1(,,)n f x x 中除1,,k i i x x 外其余变量全取零),但是,对变量为1,,k i i x x ,而矩阵为k A 的二次型1(,,)k i i g x x 来说,有11(,,)(0,,,,,,0)0k k i i i i g c c f c c =>,故g 是正定二次型,从而k A 是正定的.故0k A >.注:本定理的一个特殊情况是:正定矩阵的一阶主子式即主对角线上的所有元素都必须大于零.推论 对称矩阵A 是半正定的充要条件是A 的主子式皆大于或等于零. 注意在该推论中,仅有顺序主子式大于或等于零是不能保证半正定性的.比如1212212200(,)(,)01x f x x x x x x ⎛⎫⎛⎫=-= ⎪ ⎪-⎝⎭⎝⎭对应的对称矩阵就是一个反例.定理7 A 是正定矩阵的充要条件是A 的所有i 级主子式之和都大于零. 证 必要性根据定理6显然.下证充分性.()f E A λλ=-,设1,,n λλ为A 的特征值,1()()()n f λλλλλ=--,1112112()nn n nna a a f E A a a a λλλλ---=-=---.设i S 为A 的所有i 级主子式之和,1,2,i n =.则1212()(1)(1)n n n r n r n r f S S S A λλλλλ---=-+++-++-. 0i S >,下证0λ>. 用反证法.假设有12120,()(1)(1)0nn n r n r n i i i ii r i f S S S A λλλλλλ---≤=-+++-++-=,(1)(1)(1)()(1)()r n r r n r n r n n r r i r i r i S S S λλλ-----=---=--,()i f λ中每一项都有(1)n -,所以1212()()()()(1)0n n n n r ni i i r i n S S S S λλλλ---⎡⎤-+-+-++-++-=⎣⎦,所以1212()()()()0n n n n r i i i r i n S S S S λλλλ----+-+-++-++=,又0i λ≤,所以0i λ-≥,所以1212()()()()0n n n n r i i i r i n S S S S λλλλ----+-+-++-++>矛盾.则0i λ>.所以A 的特征值都大于零,即得A 是正定矩阵.利用矩阵顺序主子式不等于零的性质,我们还可以得到下面重要的矩阵分解:矩阵的三角分解或LDU 分解.定理8 设n 级矩阵A 的顺序主子式都不等于零,则A 可以分解为一个非退化的下三角矩阵与一个非退化的上三角矩阵的乘积;进而A 可以唯一地分解成A LDU =的形式,其中L 为单位下三角矩阵(对角线元素都是1的下三角矩阵),D 为对角矩阵,U 为单位上三角矩阵.分析:假如1,A PQ P A Q -==,P 为非退化的下三角矩阵.Q 为非退化的上三角矩阵.初等行矩阵有三种,(,)P i j 不是下三角矩阵.(())P i k 下三角矩阵,(,())()P i j k j i <也为下三角矩阵.所以当只采用后两种初等变换时,12P PP P =为下三角矩阵.证明 利用数学归纳法,对A 的级数做归纳.当1n =时,11()A a =成立.假设对1n -时成立,111A PQ =,其中1P 为非退化的下三角矩阵.1Q 为非退化的上三角矩阵.当级数为n 时,1Tnn A A a αβ⎛⎫=⎪⎝⎭,()1212,11,,n n Tn n n n n n a a a a a a αβ--⎛⎫⎪ ⎪==⋅⋅⋅ ⎪⋅⋅⋅ ⎪ ⎪⎝⎭,11111111111111000101TT nn nn A P AQ P P Q a Q a ααββ------⎛⎫⎛⎫⎛⎫⎛⎫= ⎪ ⎪⎪ ⎪⎝⎭⎝⎭⎝⎭⎝⎭11111n T nn E P Q a αβ---⎛⎫= ⎪⎝⎭,令()11121,,,T n Q b b b β--=,作初等行变换(,())i i P n i b -,则011n P P P -=为下三角矩阵.111111001*1n n T nn nn E P E P P Q Q a a ααβ-----⎛⎫⎛⎫== ⎪ ⎪⎝⎭⎝⎭. 令11110000,0101Q P P P Q Q --⎛⎫⎛⎫== ⎪ ⎪⎝⎭⎝⎭,则P 为下三角矩阵,Q 为上三角矩阵,所以11Tnn A P Q a αβ-⎛⎫= ⎪⎝⎭,即A PQ =. 2)令A PQ =,其中11110*,*0nn nn p q P Q p q ⎛⎫⎛⎫⎪ ⎪==⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭,有11111111000*00nn nn nn p p p P p p p --⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪= ⎪⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭,1111111100*000nn nn nn q q q Q q q q --⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪= ⎪⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭. 令 11111100*0nn nn p p L p p --⎛⎫⎛⎫ ⎪⎪= ⎪⎪ ⎪ ⎪⎝⎭⎝⎭,1111110*00nn nn q q U q q --⎛⎫⎛⎫⎪ ⎪= ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭,11111111000000nn nn nn nn p q p q D p q p q ⎛⎫⎛⎫⎛⎫⎪⎪ ⎪==⎪⎪ ⎪ ⎪⎪ ⎪⎝⎭⎝⎭⎝⎭.则A LDU =,其中L 为单位下三角矩阵.D 为对角矩阵.U 为单位上三角矩阵.下证唯一性.设111A L DU =,其中1L 为单位下三角矩阵,1D 为对角矩阵,1U 为单位上三角矩阵.则111L DU LDU =,所以11111111111,()L LD DU U L L DU U D -----==,其中11L L -为单位下三角矩阵,1111()DU U D --为上三角矩阵.所以111,L L E L L -==.同理1U U =,从而1D D =,所以分解式唯一.下面我们看定理8的一个直接应用.二次型()Tf X X AX =的i 级顺序主子式,1,2,,i D i n =都不等于零,则存在非退化线性替换X PY =,使得222211211()n n n D D g Y D y y y D D -=+++. 证 因为A 的i 级顺序主子式,1,2,,i D i n =都不等于零,所以A LDU =,其中L 为单位下三角矩阵.D 为对角矩阵.U 为单位上三角矩阵.又A 为对称矩阵,所以TA A =,又T T T T T T A U D L U DL ==,根据分解的唯一性,T L U =,令1P U -=,所以AP P d d D AU U DU U A Tn T T =⎪⎪⎪⎭⎫ ⎝⎛===--00)(,111 .下面证明:211211,,,nn n D D D d d d D D -===.因为()()1111100T T T i i i T T i i n e e d D A e e U U e e e e d ⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪== ⎪ ⎪⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎭⎫ ⎝⎛=10*1001*011 i d d . 两边取行列式有12i i D d d d =,所以211211,,,nn n D D D d d d D D -===成立. 另外我们还可以利用子式矩阵的基准二阶子式变换法化简矩阵,用于求矩阵的秩,同时此法也是求矩阵行向量组基的普通方法,有兴趣的同学请参阅参考文献[5].通过上文的论述,我们加深了对矩阵子式及结式内容系统、深刻的理解,随着数学理论和实践的不断发展,矩阵子式及结式的内容也会越来越丰富.参考文献:[1] 杨子胥.高等代数习题解[M].济南:山东科学技术出版社.2002R f g的非行列式计算与矩阵斜消法变换[J]. 渭南师专学报(自然科学[2] 郭佑镇.结式(,)版).1996年第2期[3] 王萼芳.高等代数[M].北京:高等教育出版社.2003[4] 黎伯堂、刘贵真.高等代数解题技巧与方法[M]. 济南:山东科学技术出版社.2001[5] 拜志章.矩阵的基准二阶子式变换法[J].渭南师专学报(自然科学版).1992年第1—2期[6] 徐仲等编.高等代数(北大·第三版)导教·导学·导考[M].西安:西北工业大学出版社.2004.3[7]钱吉林、刘丁酉.高等代数题解精粹[M].北京:中央民族大学出版社.2005.12[8] A.Szanto. Multivariate subresultants using Jouanolou’s resultant matrices.Department of Mathematics.North Carolina state University,Campus Box 8205,Raleigh,NC27695.USA.。

相关文档
最新文档