Professional Documents
Culture Documents
Cours - Matrice Chinois
Cours - Matrice Chinois
矩陣計算課程
揚·莫雷
2001年5月
Machine Translated by Google
Machine Translated by Google
快樂的
1. 概述 1
1.3.4 乘法。
。 。 。 。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。3
1.3.5 矩陣轉置。 。
。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。3
。 。 。 。 。 。 。。。 。4
1.3.10 矩陣分解為區塊(或分割)。 。
7
2 初等運算,在線性方程中的應用
。 。 。。。 。 。 。 。 。 。 。。。 。7
2.1.1 轉換到縮放形式的演算法。
2.1.2 從縮放形式傳遞到規範形式的演算法第 8 行
13
3 向量空間
3.1 依賴性和線性獨立性。
。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 13
我
Machine Translated by Google
4 方陣 17 號
4.2 特殊矩陣。
。 。 。 。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 17 號
5 決定因素 25
5.1 屬性。
。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 25
5.2 應用。
。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 27
。 。。。 。 。 。 。 。 。 。。。 。 28
5.2.2 線性方程組的求解。
6 矩陣求逆 31
6.1 定義和屬性。 。
。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 31
35
7 矩陣的特徵方程
7.1 定義、屬性。 。 。
。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 35
8 個類似模具 39
8.1 定義和屬性。 。
。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 39
二
Machine Translated by Google
43
9 二次形式
9.1 定義和屬性。 。 。
。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 43
9.2 二次形式。
。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 43
49
10 差動系統
10.1 屬性和定義。 。
。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 49
´
吃
10.4 評估 。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 50
10.4.1 數值計算。 。
。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 50
53
11 一些額外內容
三、
Machine Translated by Google
Machine Translated by Google
1 / 55
章節
1
一般的
1.1 定義
定義 1.1.1。域 K 上的矩陣是標量aij的矩形數組,其形式為:
a21
A= , A (m × n) = (aij )
。
。
。
上午 1 點。 。 。 。 。 。阿姆恩
a1j
。
n m 元組 。
。 j ∈ {1。 。 。 n} 稱為 A 的列。
阿姆吉
(m, n) 對稱為矩陣的維數。
這是一種簡單的形式主義,可以推廣標量的操作(注意:交換性的損失)
並使用單一語言操作標量、向量和表。
1.2 範例
2 / 55 第一章:概述
偏導數向量的行矩陣。
Hessian或Hessian矩陣定義為:
∂2f
···
∂2x1 ∂2f∂x1∂xn
。 。 。
Hx = 。
。
。
。
。
。
∂ 2f ∂2f
···
∂xm ∂x1 ∂2xn
二階導數的對稱方陣。
。
。
2. 設f為多個變數f (x1, ..., xn)的向量函數 。
然後我們可以定義雅可比或雅可比矩陣:
∂f1 ∂f1
···
∂x1 ∂xn
。 。 。
FX = 。
。
。
。
。
。
。
∂fm ∂fm
···
∂x1 ∂xn
1.3 基本操作
´
1.3.1 平等
1.3.2 總和
A + B = (aij + bij )
A 和 B 具有相同的維度。
1.3.3 標量乘法
kA = (k aij )
`
揚·莫雷爾
Machine Translated by Google
1.3 基本操作 3 / 55
1.3.4 乘法
A (m × p) = (aik) B (p × n) = (bkj )
A·B (m × n) = (cij )
特性 :
(AB) C = A (CB) A (B + C)
= AB + AC 和 (A + B) C = AC + BC k (AB) = (kA) B = A (kB) A0 = 0A = 0 零
是零矩陣 顯然AB = BA 如果m = n = 1,
則乘積的結果是標量 如果p = 1,則乘積是滿矩陣m × n
1.3.5 矩陣轉置
時間
有 =A
A 的行是AT的列。
時間
。 。 。 。
。 。 。 。
a21 。 。 在12 。 。
= 。
。 。 。 。 。 。
。 。 。 。 。 。
。 。 。 。 。 。
上午 1 點。 。 。 。 。 。阿姆恩 a1n 。 。 。
。 。 。阿姆恩
T T
= a ij 與ij
A(m×n) = (aij ) → AT (n×m) =阿吉。
對於向量:
x1
時間
。
= 。
(x1 ... xn) 。
xn
特性 :
時間
(A + B) AT = AT + BT
時間
=A
時間
(AB) = BTAT
時間
(千安) = kAT
矩陣計算課程
Machine Translated by Google
4 / 55 第一章:概述
1.3.6 推導
1.3.7 集成
α2 α2
1.3.8 跨綴合物
如果 A 是在對 C 進行運算的域中定義的矩陣:
H 時間
有 =A 轉置共軛體,
T H H與
= a ij = a ij ij
其中A(m×n) = (aij ), A(m×n) = (aij ) 和AH(米×n) = aij .
特性 :
H
(A + B) H啊 = AH + BH
=A
時間 H
啊 = AT =A
分鐘 (m,n)
軌跡 (A) = 艾伊
我=1
屬性: 跡線
(αA + βB) = α跡線 (A) + β跡線 (B) 跡線AT = 跡線 (A)
跡線AH = 跡線 (A)
1.3.10 矩陣分解為區塊(或分區)
我 我
包含空塊。
12|35 1 |2|35
34|22 3|4|22
=
‑|‑|--
-----
11 |02 1 |1|02
`
揚·莫雷爾
Machine Translated by Google
1.3 基本操作 5 / 55
大分區範例:
α1
。
A= 。
。 , A j的αT線
轉置在向量是列矩陣的意義上很有用,因此行是協向量且
α1
× b1 α 時間
1
× b2 。 。 。 αT1 × bn
。 。 。 。
。 。 。 。 時間
A(m×p) · B(p×n) = 。 。 。 。
我北京
Tαm
× b1 α 時間
米
× b2 。 。 。 αT
米
×十億
=α
例子:
3 -2 0 0
12000
2400
34000
A(4×5) = , B(5×4) = 001 2
00512
0 0 2 -1
00341
0 0 -4 1
12 3 -2
0(2×2)
7600
34 24
17 2 0 0
=
AB(4×4) = 1 2
512 0 0 -1 11
0(2×2)
2 -1
341 0073
-4 1
分鐘(4.5) min(4.5)
軌跡 (A) = 我=1
aii = 1 + 4 + 5 + 4 = 14,跡線 (B) = 我=1 aii = 3 + 4 + 1 - 1 = 7
矩陣計算課程
Machine Translated by Google
6 / 55 第一章:概述
3 -2 12
0(2×2)
24 34
AB(5×5) = 12
512
0(2×2) 2 -1
341
-4 1
-3 -2 0 0 0
14 20 0 0 0
AB(5×5) = 00 11 -9 4
00 7 -2 3
0 0 -17 0 -7
α1 時間
β1
。 。
時間
Tαm β米
時間
設α 我
A 的零線,然後是 AB 的第 線
αi
b1, . 。 。 , αT × bn = (0, . . . , 0) ×
我
設bj為B的零列,AB的第j列為:
α1
× bj 0
。 。
。 。
。 。
α 0
米
× bj =
`
揚·莫雷爾
Machine Translated by Google
7 / 55
章節 2
初等運算,在線性方程式中的應用
2.1 縮放矩陣與規範線
如果可以透過執行有限數量的基本運算從 A 得到 B,則稱矩陣 A 與矩陣 B (A B) 線等價: (E1): ´ 交換第 i 行和第 j
行: α (E2) : 將第i 行乘以非零標量k: kαT (k = 0) (E3): 將第 i 行替換為 k 乘以第
時間 T
↔αj
j 行加上第 i 行 line: kαT可以分組一步驟 (E) :將第i 行替換為 我
T
→αi
k 乘以第j 行加上k 乘以第i 行: k α 我
T T
j +α 我
→ α i que
時間 T
j +kαT 我
→αi
若滿足下列條件,則稱矩陣已縮放(採用縮放形式):
1.所有零行都在矩陣的底部
時間
2. 每個區分元素(行α的第一個非零元素 ) 在右邊
與前一行不同的元素
01203
123 013004
00230
001 , , 0 0 0 1 0 -2
00011
000 00001 1
00001
如果滿足下列條件,則縮放矩陣 A 稱為規範行形式:
1.每個區分元素等於1
2. 每個區分元素是其整列中唯一的非零元素
2.1.1 轉換到縮放形式的演算法
A = (aij ) 任意矩陣
Machine Translated by Google
8 / 55 第 2 章:初等運算,在線性方程式中的應用
1. 稱j1為包含非零元素的第一列
´
re
2. 交換行,使第一個不為 0 的元素位於第一列(a1j1 = 0) 線,jme 我
4. 再次從由除第一行之外的所有行所組成的子矩陣開始
5. 當矩陣變成縮放形式時停止。
例:
1 2 -3 0
A= 2 4 -2 2
3 6 -4 3
時間 T T 時間 時間 T
a11 = 1,主元 -2α 1 +α 2 → α2 , -3α + α 1→ α 3 3
1 2 -3 0
A= 0042
0053
時間 T T
a23 = 4,主元 -5α 2 +4α 3
→ α3
1 2 -3 0
A= 0042 , 交錯形式。
0002
2.1.2 從縮放形式傳遞到形式的演算法
規範線
1
1. 將最後一個非零行乘以 阿爾傑爾
使元素得以區分
時間
3. 在 α 行重複步驟 1 和 2 r-1
T`aα2
T 1
4. 乘以線α 1由 阿爾傑爾
例:
`
揚·莫雷爾
Machine Translated by Google
2.2 線性方程組與矩陣 9 / 55
1 2 -3 0 1 2 -3 0
時間 時間 T
A= 0042 0042 → -2α + α 23 2
0002 0001
~ 與α
1 2 -3 0 1200
0001 0001
規範形式行。
2.2 線性方程組與矩陣
考慮方程式和 n 個未知數的線性方程組: a11x1 + 。 。 。 + a1nxn = b1
a21x1 + . 。 。 + a2nxn = b2
。
。
。
am1x1 + . 。 。 + amnxn = bm
可以用矩陣的方式重寫:
a11 . 。 。 。
。 。 a1n x1 b1
a21 . 。 。 。
。 。 a2n x2 b2
=
。 。 。 。
。 。 。 。
。 。。。 。 。。 。 。 。
上午 1 點。 。 。 。
。 。阿姆恩 xn BM
由線性方程組增廣的矩陣 M 可寫成:
a11 . 。 。 。。。 b1
a21 . 。 。 。。。 b2
米=
。 。
。 。
。 。。。 。。。 。
上午 1 點。 。 。阿姆恩· BM
求解線性方程組相當於使用增廣矩陣 M 並將其簡化為縮放形式(允許我們判斷系統是否一致),然後將其簡化為規範線
形式(給出解)。
矩陣計算課程
Machine Translated by Google
10 / 55
第 2 章:初等運算,在線性方程式中的應用
常量變數是自由變數。
定理2.2.1。方程組要嘛有一個解,要嘛有無窮大(一致系統),要嘛沒有(不一致系統)。
範例1:
x + y - 2z + 4t = 5 1 1 -2 4 5 1 1 -2 4 5
因此我們有 M = 2 2 -3 1 3 0 0 1 -7 -7
2x + 2y + -3z + t = 3
3x + 3y - 4z - 2t = 1 3 3 -4 -2 1 0 0 2 -14 -14
~
1 1 -2 4 5
1 1 0 -10 -9
那麼M = 0 0 1 -7 -7 , 自由變數是 y 和 t,
0 0 1 -7 -7
000 00
~
主要未知數:
x = -y + 10t - 9
z = 7t - 7
範例2:
x1 + x2 - 2x3 + 3x4 = 4
1 1 -2 3 4 1 1 -2 3 4 1 1 -2 3 4
米= 2 3 3 -1 3 0 1 7 -7 -5 0 1 7 -7 -5 。
系統無解。
範例3:
`
揚·莫雷爾
Machine Translated by Google
2.2 線性方程組與矩陣 11 / 55
x + 2y + z = 3 1 2 1 3 121 3
2x + 5y + ‑z = ‑4 得出: M = 2 5 -1 -4 0 1 -3 -10
3x - 2y - z = 1 3 -2 -1 5 0 -2 -4 -4
~ ~
0 1 -3 -10 0 1 -3 -10 0 1 0 -1 0 1 0 -1
給出唯一解:x = 2、y = -1 且 z = 3 或 -1 。
矩陣計算課程
Machine Translated by Google
Machine Translated by Google
13 / 55
章節 3
向量空間
評級:
∀u, v, w ∈ V (u + v) + w = u + (v + w)
∃V 表示 0,稱為零向量,使得 u + 0 = 0 + u = u ∀u ∈ V
∀u ∈ V , 存在 V 的向量 , 表示為 -u 使得 u + (-u) = 0
∀u, v ∈ V u + v = v + u (因此 V 是關於和算子的交換空間
+)
∀k ∈ K, ∀ (u, v) ∈ V k (u + v) = ku + kv
∀a, b Î K, ∀u Î V (a + b) u = au + bu
∀a, b Î K, ∀u Î V (ab) u = a (bu)
對於標量單位 1 ∈ K 1u = u ∀u ∈ V
例子:
Rn , C n較一般的Kn (K 體)
P(t) 多項式向量空間。
3.1 相關性和線性無關性
定義 3.1.1。令 V 為域 K 上的向量空間,向量v1, ...。 。 。 , vm ∈ V 是
線性依賴 K,或依賴(更簡單)
如果∃a1, . 。 。 am ∈ K 非零 ,
| a1v1 +····+ amvm = 0,否則它們是獨立的。
例:
4 4 =
(1,0,0,0)(0,1,0,0)(0,0,1,0)和(0,0,0,1)形成R 4 的基。 明顯且暗淡的R
´
3.2 線性方程式、矩陣與向量空間
定理3.2.1。以縮放形式表示的矩陣的非零行是線性無關的。
矩陣的秩:
定義 3.2.1。行秩 = 線性獨立行的最大數量,
列中的行 = 線性獨立列的最大數量。
定理3.2.2。 A(m×n)的行秩=列秩。
為了確定矩陣的秩,我們可以使用其縮放形式。
例:
1 2 0 -1 1 2 0 -1 1 2 0 -1
A= 2 6 ‑3 ‑3 0 2 -3 -1 0 2 -3 -1 , 我們有兩條線
3 10 ‑6 ‑5 0 4 -6 -2 000 0
~ ~
與 0 不同,因此rankA = 2。
我們從:
a11x1 + . 。 。 + a1nxn = b1
a21x1 + . 。 。 + a2nxn = b2
。
。
。
am1x1 + . 。 。 + amnxn = bm
`
揚·莫雷爾
Machine Translated by Google
´
3.2 線性方程式、矩陣與向量空間 15 / 55
a11 . 。 。 。 。 。 a1n
a21 . 。 。 。 。 。 a2n
AX = B 且 A = 和增廣矩陣
。 。
。 。
。 。。。 。。。 。
上午 1 點。 。 。 。 。 。阿姆恩
b1
a11 . 。 。 。。。
b2
a21 . 。 。 。。。
M = (A, B) = 。
。 。
。 。
。 。。。 。。。 。
上午 1 點。 。 。阿姆恩· BM
定理3.2.3。這三個屬性是等價的:
1. AX = B 承認有解,
2. B是A的列的線性組合
3. 矩陣A和增廣矩陣(A,B)具有相同的秩
如果rank(A)=rank(A,B)=n,我們有一個唯一的解,
如果rank(A)=rank(A,B)<n,我們有無限多個解,
若rank (A) <rank (A, B),則無解。
矩陣計算課程
Machine Translated by Google
Machine Translated by Google
17 / 55
章節 4
方陣
4.1 方陣
4.2 特殊矩陣
4.2.1 單位矩陣
4.2.2 對角矩陣
4.2.3 矩陣的冪與多項式
屬性 4.2.1。 f (x), g (x) 兩個多項式,n 階方陣 (f + g) (A) = f (A) + g (A) (fg) (A) = f (A) g(A ) =
g(A) f(A)
4.2.4 可逆或非奇異矩陣
如果 ∃B AB = BA = I,則稱 A 是非奇異的。
Machine Translated by Google
18 / 55 第 4 章:方陣
例:
ab d-b
A= 1 ad-bc
光碟 ‑ca
承認逆如果 ad - bc = 0, A-1 = 。
定理 4.2.1。 A(n×n)可逆當且僅當rankA = n
4.2.5 三角矩陣
5. A 是可逆的當且僅當 ∀i aii = 0
4.2.6 對稱矩陣
4.2.7 反對稱矩陣
就拿B= 12
A+ AT , C= 12
A ‑ AT 。
4.2.8 正交矩陣
4.2.9 正規矩陣
A· AT = AT ·A 其中包括對稱、正交和反對稱矩陣。
4.2.10 埃爾米特矩陣
4.2.11 反埃爾米特矩陣
4.2.12 酉矩陣
AH = A-1
4.2.13 正規矩陣
啊啊=啊哈
4.3 初等矩陣
逆向操作
時間 T
α ↔ α ji 1
時間 T
α → α iik
時間 T
-kαT
j
+α 我
→αi
定理 4.3.1。任意矩陣 A 的行等價於行圓錐體形式的唯一矩陣。
設 e 為線上的初等運算,e(A) 為 A 上的結果。
例:
100 100
α2 T T T T
↔α3 E= 001 , -6α2 時間
↔ α2 E= 0 -6 0 , -4α1
時間
+ α3 ↔α3 E=
010 001
100
011 。
-4 0 1
矩陣計算課程
Machine Translated by Google
20 / 55
第 4 章:方陣
例:
1 -1 2 1 -1 2
T
023 313 , α2 → α3
313 023
~
1 -1 2 100 1 -1 2
023 010 3 13
= e (A) = =E·A
定理 4.3.3。以下屬性是等效的:
1. A是可逆的(非單數)
2. A 行等價於單位矩陣 I 3. A 是初等矩陣的乘積
這表明我們可以透過有限的操作序列從 A 到 I。
演算法:
1. 形成 n × 2n 矩陣(分塊) M = (A, I)
2. 將M簡化為縮放形式,如果零線出現在左半部分,
A 不可逆。
3. 將 M 簡化為規範線形式 (I, B) 且 B = A-1
例:
102
A= 2 -1 3
418
米=
2 -1 3 | 2 -1 0 1 0 2 -1 -1 | 2 -1 -1 | -2 1 0
418|001 0 1 0 | -4 0 1
~
中號~ 0
0 ‑1 ‑1 | 0 ‑1 ‑1 -2 1 0 0 ‑1 ‑1 | 0 ‑1 ‑1 -2 1
0 0 -1 | 0 0 -1 -6 1 1 00 1 | 6 ‑1 ‑1
~
`
揚·莫雷爾
Machine Translated by Google
4.4 矩陣之間的等價 21 / 55
1 0 0 | 1 0 0 -11 2 2 1 0 0 | 1 0 0 -11 2 2
中號~ 1
0 -1 0 | 0 -1 -4 0 -1 0 1 0 | -4 0
0 0 1 | 0 0 1 6 ‑1 ‑1 0 0 1 | 0 0 1 6 ‑1 ‑1
~
100 -11 2 2
001 6 ‑1 ‑1
4.4 矩陣之間的等價
定理 4.4.1。當且僅當存在非奇異矩陣 P 使得 B = P A 時,B 是與 A 等價的線。
我們也可以對列進行操作,並在列上定義 3 個基本運算。
(F1) ci ↔ cj
(F2) kci → ci
(F3) kcj + ci → ci
與線相同,這些運算是可逆的,與每個初等運算 f 相關的初等矩陣為:F = f (I)。
時間
4.4.1 兩個矩陣之間的等價
紅外線| 0
定理 4.4.3。任意矩陣A(m×n)等價於唯一分塊矩陣 -+-
0| 0
定理 4.4.4。兩個相同維度的矩陣等價當且僅當它們具有相同的秩。
矩陣計算課程
Machine Translated by Google
22 / 55 第 4 章:方陣
1 2 -1
2 4 -2
例:求 P 和 Q /P AQ = N 且 A = 其中 (4 × 4) (4 × 3) (3 × 3) =
-1 3 6
4 5 -7
(4×3),則我們可以寫:
100
010
001
----
~
(*)
1 2 ‑1 | 1 2 ‑1 1000 1 2 ‑1 | 2 ‑1 1000
2 4 -2 | 4 0 1 0 0 00 0 | -2 1 0 0
-1 3 6 |0010 05 5 | 1010
4 5 ‑7 | 4 5 ‑7 0 0 0 1 0 -3 -3 | 0 -3 -3 | -4 0 0 1
1 2 ‑1 | 1 2 ‑1 1000 1 2 ‑1 | 1 2 ‑1 1 00 0
0 -3 -3 | 0 -3 -3 | -4 0 0 1 01 1 | 4/3 0 0 -1/3
~ ⇒P
055|055 1010 0 0 0 | 0 0 0 -17/3 0 1 5/3
0 0 0 | 0 0 0 -2 1 0 0 0 0 0 | 0 0 0 -2 1 0 0
1 -2 1
0 -3 -3
00 1 100
1 -2 3
---
010
⇒N= 0 1 -1
100 000
00 1
=Q
01 1 000
000
000
`
揚·莫雷爾
Machine Translated by Google
4.4 矩陣之間的等價 23 / 55
1 2 ‑1 | 1 2 ‑1 1000 1 2 ‑1 | 1 2 ‑1 1 000
0 0 0 | 0 0 0 -2 1 0 0 0 0 0 | 0 0 0 -2 1 0 0
1 000
1/5 0 1/5 0
P2 =
-17/5 0 3/5 1
-2 1 0 0
且矩陣的秩為2。
矩陣計算課程
Machine Translated by Google
Machine Translated by Google
25 / 55
章節 5
決定因素
5.1 性質
設方陣A(m×n) = (aij ),或 P = {des n! n 個索引的排列} = {a1j1 , a2j2 , . 。 。 , anjn εj1...jn = 1 或 -1 取決於排列是偶數還是奇數(幹預次數
是偶數還是奇數,123 和 312 是偶數,132 和 321 是奇數)
然後:
開發遵循同一路線:
不是
開發遵循jmecolumn:
不是
例:
106
4 15 34
3 4 15 =1 +6 與一線相比的發展。
6月21日 56
5 6 21
= -6 + (-12) = -18。
16 16
甚至4個 + (-1)5 6 = -36 + 18 = -18。
5 21 3 15
Machine Translated by Google
26 / 55 第 5 章:決定因素
屬性 5.1.1。 如果 B
是交換 A 的兩行(列)
而得到的,則 |B| = ‑ |A| 如果 B 是 A 的行(列)
乘以標量 k 得到的,則:
|B| = k |A|
若 B 是由 A 與第 i 行(列)
標量的乘積相加所得到的
透過另一行(列)
然後:|B| =|A| 若 A 是對角矩陣或三角矩
不是
定義 5.1.1。 小數:A 的
透過消除而獲得
第 行與第 j 列), Comatrix:輔因子
矩陣 com (A) = (Cij ), Adjoint:comatrix 的轉置 adj(A) = (Cji) =
時間
com (A) 。
123
範例:A = 232
122
32 22 23
C11 = = 2, C12 = ‑ = -2, C13 = = 1,
22 12 12
23 13 12
C21 = ‑ = 2, C22 = = ‑1, C23 = = 0,
32 12 12
23 13 12
C31 = = -5, C32 = - = 4, C33 = = -1,
32 22 23
因此:
2 -2 1 2 2 -5
-5 4 -1 1 0 -1
`
揚·莫雷爾
Machine Translated by Google
5.2 應用 27 / 55
使用某些屬性的範例
= = 0。
1巴+c 1巴+b+c = (a + b + c) 1乙1
范德世界
2
1λ1λ 1 1 λ1 λ 21
1 λ1 + λ2
2 = 2 2
1λ2λ 2 1 λ2 - λ1 λ 2 ‑λ 1 = (λ2 – λ1) (λ3 – λ1)
1 λ1 + λ3
2 22-λ
1λ3λ 3 1 λ3 - λ1 λ 3 1
1 λ1 + λ2
= (λ2 – λ1) (λ3 – λ1) = (λ2 – λ1) (λ3 – λ1) (λ3 – λ2)。
1 λ3 – λ2
3 階方陣
5.2 應用
5.2.1 矩陣的逆
-1 1
有 =
· (形容詞(A))
|一個|
123
通過恢復:A = 232
122
2 2 -5
|一個| = 6 + 4 + 12 - 9 - 4 - 8 = 1 因此A-1 = -2 -1 4 。
1 0 -1
矩陣計算課程
Machine Translated by Google
28 / 55 第 5 章:決定因素
5.2.2 求解線性方程組
克萊默法則
A 的第 i 列所得到的矩陣
|艾|
xi = |A|
由 K.
r + 2s + t = 4 121 r 4
例: r-s+t=5 ⇒ 1 -1 1 s 5 。 A 的行列式
2r + 3s ‑ t = 1 2 3 -1 t 1
=
350
2 3 -1
42 1 550
5 -1 1 620
1 3 -1 -1 -1 -1
20
r= = =
9 9 9
141 350
1 1 1
s= = =‑
151 361
9 9 3
2 1 -1 2 1 -1
1 24 124
1 1 22 號
t= = =
1 -1 5 0 -3 1
9 9 9
23 1 0 -1 -7
20
9
X= ‑
13
22
9
`
揚·莫雷爾
Machine Translated by Google
5.2 應用 29 / 55
分割矩陣:Schur 公式 如果 A 是塊對角線或塊三角形。
。 。 。
0 。
。
。
。
。
。
A=
。 。 。
。 。 。
。 。
。年-1n
0···0安
A11 A12
考慮以下形式的分區矩陣: A =
A21 A22
與方格A11和A22 。這
以下結果構成 Schur 公式:
如果A11 是常規的:
-1
|一個| = |A11| A22 ‑ A21A 11 在12
我 0 A11 在12
(因為 V =
-1
‑A21A 11 我
0 A22 ‑ A21A ‑ 11A12
, VA = 然後|VA| = |V | |一個| =
|
A|)。 如果A22是常規的:
-1
|一個| = |A22| A11 ‑ A12A 22 號 A21
應用
Im A(m×n)
考慮矩陣 M =
B(n×m) 在
使用 Schur 形式:
矩陣計算課程
Machine Translated by Google
Machine Translated by Google
31 / 55
章節 6
矩陣求逆
6.1 定義和屬性
引理 6.1.1。矩陣求逆:讓我們成為一個正則A + BCD矩陣以及正則A和C:
-1 -1 -1 -1
(A+BCD) =A - A -1B C + DA-1B DA-1 。
-1 -1 ‑ VS
(A+BCD) =A A -1BDA-1
1 + CDA-1B
劃分矩陣的逆
設 A 為正規矩陣
A11(p×d) A12(p×q)
A=
A21(q×p) A22(q×q)
與A11和A22正方形和
X11(p×p) X12(p×q)
-1 =
有
X21(q×p) X22(q×q)
其中AA-1 = A-1A = I。
32 / 55 第 6 章:矩陣求逆
-1 -1
X21A12 + X22A22 = A21X12 + A22X22 = I → X12 = ‑A
-1 -1 -1 -1 -1
11 A12X22, X21 = -X22A21A 11 、 X11 =
有11 ‑A 11 A12X21 ⇒ X11 = A 11 +A 11 A12X22A21A 11 .
-1
A22 ‑ A21A 11 A12 X22 = I 或X22存在,因為A-1因此存在:
-1
X22 = A22 - A21A 11 A12-1
因此:
-1 -1 -1
X11 =A 11 +A 11 A12X22A21A 11
-1
X12 = ‑A 11 A12X22
-1
X21 = -X22A21A 11
如果A11是單數,我們使用A22來代替A11且:
-1
X11 = A11 - A12A 22 A21-1
‑1
X12 = ‑X11A12A 22 號
-1
X21 = ‑A 22 號 A21X11
-1 -1 -1
X22 =A 22 號 +A 22 號 A21X11A12A 22 號
允許透過遞減歸納來計算矩陣逆的公式:
A(n×m) bn
M((n+1)×(n+1)) =
溫
度不是 年
Tc
與bn(n×1) , n (1×n) 和一個(1×1) 。
X ‑X bm 年
M-1 =
溫
度 1
T
‑
年
X 一
個
2
+c nXbn an
時間
-1
bnc 不是
且X=A- 年
。
133
13 3 時間
-1 -1
3 7 3
13 1 39 14 4 4
‑
4
X= = ·4
4 7 1
14 39 14 4
‑
4 14
‑ =
`
揚·莫雷爾
Machine Translated by Google
6.1 定義和屬性 33 / 55
7 ‑3 12
X= 時間
2 X = 4 0 因此:
-1 1 0
, Xb2 = ,c
7 ‑3 ‑3
M-1 = -1 1 0
-1 0 1
矩陣計算課程
Machine Translated by Google
Machine Translated by Google
35 / 55
章節 7
´
矩陣的特徵方程
7.1 定義、屬性
設A(n×n)為方陣,我們將特徵值稱為複數值,使其特徵矩陣 λIm - A奇異。
驗證此等式的任何非零向量 X 稱為特徵向量。由特徵向量產生的空間稱為特徵空間。
如果 n = 2,我們有:
2
P (λ) = |λI - A| =λ - 跡 (A) λ + |A|
221
122
λ-2 2 1
2
|λI - A| = 1λ-3 1 3=λ -7 λ + 11λ ‑5 = (λ - 5) (λ - 1)2
‑跡線(A) (-1)3 det(A)
1 2λ-2
λ1 = 5 簡單特徵值。
Machine Translated by Google
´
36 / 55 第7章:矩陣的特徵方程
3 -2 1 x1 0
-1 2 -1 x2 0
-1 -2 3 x3 0
=
3 -2 -1 0 -4 4 0 1 -1 0 1 -1
5I‑A~ 1 -2 1 1 -2 1 1 -2 1 1 -2 1
0 -4 4 0 -4 4 0 -4 4 000
~ ~ ~
1 -2 1 1 -2 1 1 -2 1
5I‑A~ -3 -2 -1 0 4 -4 0 -1 1
-1 -2 3 0 -4 4 000
~ ~
1 0 -1 x1
~
0 1 -1 x2
000 x3
x2 = x3 , x1 = x3和 (1 1 1)T特徵向量。
是與特徵值 λ = 5 相關的特徵向量。
時間
任意向量 (kkk)
k k
A= k k
k k
=5
-1 -2 -1 121 x1
-1 -2 -1 000 x3
~
例如: X1 = ( 1 0 - 1 ) T且值為 1。
時間
乾淨的空間。
`
揚·莫雷爾
Machine Translated by Google
7.1 定義、屬性 37 / 55
矩陣計算課程
Machine Translated by Google
Machine Translated by Google
39 / 55
章節 8
相似矩陣
8.1 定義和屬性
定義 8.1.1。如果存在非奇異矩陣 R 且滿足:B = R-1AR,則兩個 n 階矩陣 A 和 B 相似。
屬性 8.1.1。 兩個相
似矩陣具有相同的特徵值
-1
|λI - B| = R |λI - A| |R| = |λI - A|
8.2 對角矩陣
a1 0
。 。
。 。
。 0 。
DEi = aiEi 有 1
。 。
。 。
0 。 。
年 0
定理8.2.1。當且僅當矩陣 A 具有線性相關特徵向量時,它才類似於對角矩陣。
Machine Translated by Google
40/55
第 8 章:相似矩陣
這相當於
定理8.2.2。在域 R 中,n 階矩陣 A 類似於對角矩陣,當且僅當 λI -A 完全因式分解 K,且任何根λi的階
數等於相關特徵空間的維數。
221
122
我們有: A1 = 5, X1 = (1 1 1)T ,
1 1 -1 500
R= 10 1 010
1 -1 -1 001
= (X1 X2 X3) R -1AR = =D
121
1
右-1 = 2 0 -2
6
-1 2 -1
5 1 -1 5 1 -1
檢查:AR = RD 501 50 1
5 ‑1 ‑1 5 ‑1 ‑1
=
。
RD = (X1 . . . Xn) D 為 D 對角線 。
。 , RD = (λ1X1, ..., λnXn)因此
0 λn
定理8.2.3。任何n階矩陣A都類似一個三角矩陣,其對角線元素是A的特徵值。
8.3 實對稱矩陣
定理8.3.1。實數對稱矩陣的特徵值是實數。
`
揚·莫雷爾
Machine Translated by Google
8.3 實對稱矩陣 41 / 55
定理8.3.2。設 A 為 n 階對稱方陣,特徵值為λ1, ...。 。 。 , λn則 ∃P 正交/PTAP = P -1AP = diag (λ1, ..., λn)
為了找到 P,我們必須找到正交特徵向量,然後將它們歸一化。
2 0 -1
2
範例:A = 020 , |λI - A| = (λ - 2)3 - (λ - 2) = (λ - 2) (λ - 4λ + 3) =
-1 0 2
(λ - 1) (λ - 2) (λ - 3)。
-1 0 1
λ = 1: I - A = 0 -1 0 , x1 = x3, x2 = 0, V1 = (1 0 1)T
0 0 -1
001
100
101
3 V2 = 0
101
(正交)
1 1
101 0 100
√2 √2
1 1
1 0 -1 0 003
√2 √2 =
P -1AP = P TAP。
矩陣計算課程
Machine Translated by Google
Machine Translated by Google
43 / 55
章節 9
二次形式
9.1 定義和屬性
A = (aij ) n 階方陣。
不是
遠的
不是
×R → R/ fA (X,Y) =
不是
愛吉西伊吉
我,j=1
時間
9.2 二次形式
n 階二次形式是以下類型的函數:
不是
qA :R → R qA (X) = X TAX
具有 n 階對稱矩陣。
2 -1
2 2
註 9.2.1。 A= 1+3x2-2x1x2且XT = (x1 x2)我們可以有
-1 3
, qA (X) = 2x
2 -2
取: A =
03
但我們選擇對稱矩陣的唯一代表。
Machine Translated by Google
44 / 55 第 9 章:二次形式
因此,我們可以很容易地從二次形式轉到矩陣,反之亦然。例如 :
112
2 2 2
A= 130 qA (X) = x 1 + 3x 2 +4x 3 + 2x1x2 + 4x1x3
204
1
-1 - 2
1
2 2
qA (X) = ‑x 1 + 3x 3 - x1x2 + 2x1x3 - 5x1x3 A = ‑ 0-2
5
12
5
1-2 3
2
例:q (X) = x 1 2 + 2x 2 2 + 7x 3 是 > 0 因為所有項目都 > 0 因此 A =
100
2 2
020 1 + 2x3 ≥ 0,因為對於x2 = 0,q (0 x2 0)T = 0 因此
007
> 0. q (X) = x
100
A= 000
2
1 2+x 2 - 3x1x2未定義,因為:q (1 0)T = 1 > 0,
002
≥ 0。
3
1-2
q (1 1)T = -1 < 0 因此 A =
‑ 3
2
1
≥ 0 未定義。
註 9.2.2。 A > 0 當且僅 ‑A < 0 (A ≥ 0 當且僅當 ‑A ≤ 0) q (X) = XTAX > 0 ∀X ∈ R n ‑A) X
< 0 ∀X ∈ R n在標量情況下:q (X) = ax2 ,
因此 q (X) > 0 ⇒ a > 0。
在這裡,我們尋找相同的屬性,除了可能存在 A 既不是正值也不是負值的情況。
`
揚·莫雷爾
Machine Translated by Google
9.2 二次形式 45 / 55
屬性 9.2.1。對角二次形式或 n 階對角矩陣 A = diag (a1, . . . , an)為: A > 0 if ∀i ai > 0, A < 0 if ∀i ai < 0, A如果∀i
ai ≥ 0,則 ≥ 0;如果 ∀i ai
≤ 0,則 A ≤ 0;如果存在符號
相反的非零元素,則 不定。
若 ∃P / B = P TAP,非奇異線性映射X = BY變換二次形式同餘。
秩 r 的二次式可以簡化為對角線形式:
2 2
h1x 1 +···+ hrx r (hi = 0 ∀i ∈ {1, . . . , r})
為了傳遞到對角形式,我們一次又一次地使用相同的演算法,這次只是因為矩陣 A 是對稱的,所以在行
上應用的基本運算與列上應用的 ees 相同,因此:D = BTAB。
1 -2 4
2 2 2
範例: qA = x 1+2x 2-7x3-4x1x2+8x1x3 A = -2 2 0 |一個| = -14-32+28 = 0
4 0 -7
等級 A = 3。
1 -2 4 100 1 -2 4 100
(A | I) = -2 2 0 010 0 -2 8 -2 1 0
4 0 -7 001 0 8 -23 -4 0 1
~
10 0 100
~
0 -2 8 -2 1 0
0 8 -23 -4 0 1
因此,線上的操作就足夠了,因為 A
由於是對稱的,所以列上的操作是相同的。
~ 因此 D = BTAB 且 B = 且 X = BY。因此如果
0 -2 8 210 014
x1 = y1 + 2y2 + 4y3
2 2 2
x2 = y2 + 4y3 那麼 q(Y) = y 1 - 2年2 +9年3
x3 = y3
矩陣計算課程
Machine Translated by Google
46 / 55 第 9 章:二次形式
因此矩陣A是不定的。
我們可以透過保留矩陣 B 和BT來繼續減少:
1√2 4 100
3
B= 0 1 4 我們有 D = 0 -1 0
√2 3
00 001
13
‑T -1 -1 我們有 :
智慧財產
並取 U = P
A = U TU 和下三角 T。
UX = y X = T 2 y = y 1 + . 。 。 + yr2 > 0 因此
時間
a11 a12
連續主要次要: p1 = a11, p2 = , p3 =
a21 a22 a23
, . 。 。 PN =
a21 a22
|A|。
1 -1 0
2 + 3x 2 +11x 2
範例: qA = x 1 2 3
- 2x1x2 - 8x2x3因此 A = -1 3 -4
0 -4 11
我們有p1 = 1,
1 -1
p2 = = 2, p3 = |A| = 33 - 16 - 11 = 6 因此 A 定義為正值。
-1 3
`
揚·莫雷爾
Machine Translated by Google
9.2 二次形式 47 / 55
喬列斯基分解:
1 -1 0 1 10 0 1
-1 3 -4 1 0 3 -4 11
0 4 11 1 0 -4 11 001
~
100 1 1 1
~ 因此 D =
020 11 2 11
1 100
然後:D · BT 1
1 1
0
√2√2
2 2 1
1
√3√3√3
12√2√
1
3
-1
所以: I = P TAP 且 P = 0 12√2√ 且U=P
3
00 3
1√
1 -1 0
因此 U = √ 2 -2 √ 2 且 A = U TU。
√3
矩陣計算課程
Machine Translated by Google
Machine Translated by Google
49 / 55
章節 10
差動系統
10.1 屬性和定義
dX(t)
dt = AX (t) 與 X (t) = (x1 ( t) . . . xn (t)) T與
A = (aij ) 且 t ∈ R。
(n×n)
不是
dxi (t) =
aijxj (t)
dt
j=1
一階微分方程。
10.2 標量情況
電子商務發展有限 =1+在+ 2
噸 +···= 我=0 我!
。
10.3 矩陣情況
我
A2
t 2 +···= t 。令 X (t) = P (t) X (0) ( =
無窮大 有 我 dA(t)
以此類推:設P(t)=I+At+ 2! 我=0 我! dt
戴吉(t)
dt )。
i-1 我
= A+A2 t+。 。 。 =
無窮大 無窮大
dP(t) dX(t)
dt 我=1
艾特 =A 我=0
艾特
我!
= A·P 因此: dt = A P (t) A (0) = AX (t)
(i-1)!
因此X(t)=P(t)X(0)是矩陣微分方程的解。
因此我們稱矩陣指數為:
無窮大
吃 2
t2 有
= I + At + A +· ··= t 我
。
2! 我!
我=0
Machine Translated by Google
50/55 第10章:微分系統
´
吃
10.4 評估
10.4.1 數值計算
01
dX(t) =
例: dt 1 (t) = x2 (t), x˙ 2 (t) = 0 ⇒ x2 (t) =
00
X (t) 我們配對`ax˙
1噸
x2 (0) 和x1 (t) = x2 (0)t + x2 (0) ⇒
01
X0。
10 10 1噸
在 = =
A2 = 0 因此:e 1!
01 00 01
+ t 解決方法是:
1噸
01
10.4.2 對角線
在 λit 在 無窮大 無窮大 tj
= =
A = diag (λi) i ∈ {1, . 。 。 ,出生 = 診斷 e 汽車 e
j=0 (diag (λi))j t j j!
= diag j=0
λ
jj!
我
λit
診斷 。
10.4.3 使用西爾弗斯特公式
無窮大
吃 j
=
αjA (西爾維斯特公式)
j=0
λt ‑ n-1 在 n-1
我
‑
設函數為: g (A) = e i=0 αi (t) λ 我們有: g (A) = e i=0 αi (t) Ai
階的 A 的特徵值,則重數nj階的 g (A) 的特徵值(d 之後:如果λ階的 則 g (λj ) 是特徵值 或如果λj是重數nj
特徵值n, f (λ) f (A) 的 n 階特徵值,無論 f 是標量函數)。
j.
`
揚·莫雷爾
Machine Translated by Google
´
吃
10.4 評估 51 / 55
在 λj t
⇒ 處求 e λj : 對 e 進行處理就足夠了。由於重數的階數為nj
dk
g (λ) =0
dλk
λ=λj
或者
k n-1
‑
d dλk
λte αi (t) λ 我
∀k ∈ {0, . 。 。 , nj - 1}
我=0 λ=λj=0
01
範例:A = 2
+ 10λ 即λ1 = 0 且λ2 = -10 因此
0 -10
特徵值: PA (λ) = λ
在
e 特徵值為 1 且 e = α0 (t) + 0 · α1 -10噸 。
0·t
e (t) ⇒ α0 (t) = 1
-10·
te = α0 (t) - 10 · α1 (t) ⇒ α1 (t) = 1 10 (1 - e-10噸 ) 因此
10 0 (1 - e-10噸 )
吃 1 10
= α0 (t) I + α1 (t) A =
01 0 -1 + e -10噸
+
1 (1 - e-10噸 )
1 10
=
-10t
0 e
01
0·t 時。 e
A= = α0 (t)+0·α1 (t)
00
特徵值 0, 0 ⇒ e 的雙特徵值
d
→ α0 (t) = 1。 dλ
λte - α0 (t - λα1 (t)) λ=0 = teλt - α1 (t) λ=0
= 0 其中: α1 (t) = t 且
0噸 1噸
因
此在 e =我+
00 01
‑ 。
矩陣計算課程
Machine Translated by Google
Machine Translated by Google
53 / 55
章節 11
一些額外的東西
11.1 喬丹形式
它是由塊組成的。
λ1 1
。 。
。 。
。 。
。
。
。 1 0
λ1
λ2
。
。
。
λp 1 0
。 。
。 。
0 。 。
。
。
。 1
λp
任何矩陣都可以表示為喬丹形式。
我們將矩陣A的譜半徑稱為A的特徵值的最大模數。
54 / 55 第 11 章:一些額外內容
11.2 伴隨矩陣
0 ‑α0
。
。
1 。
‑α1
。 。 。
C= 。
。
。
。
。
。
。 。
。 。
。0 。
0 1 -αn-1
λ α0
λ 0 α1
-1 λ α1
。
。
-1 。 α2
。 。
|λI - C| = -1 。
。
。
。
=λ + α0
。 。
。 。
。λ 。
。 。
。 。
。λ 。
0 -1 λ + αn-1
0 -1 λ + αn-1
λ 0 α2
。 。
。 。
-1 。 。
2
=λ + λα1 + α0
。 。
。 。
。λ 。
0 -1 λ + αn-1
n-1
因此Pc (λ) = λ n + αn-1λ + · · · + α1λ + α0特徵多項式是立即數。
例:
000
在
A= 100 和光譜半徑。
0 1 -1
計算 e
3 2 2 λt
PA (λ) = λ λ +λ =λ (λ + 1) ⇒ λ1 = 0 雙特徵值,λ = -1。 e = α0 (t) + λα1 (t) +
2α2 (t)。
d
dt→teλt = α1 (t) + 2λα2 (t) λ1 = 0:
11.2 伴隨矩陣 55 / 55
000 0 0 0
吃
=我+ t00 0 0 0
‑t ‑t ‑t
0t-t t-1+e ‑t + 1 ‑ e t-1+e
+
1 0 0
=
t 1 0
‑t ‑t t
t-1+e 1-e ‑e
‑t 在
1 是雙特徵值,e e 的簡單特徵值 。
矩陣計算課程