矩阵论是工程数学领域必需要掌握的基础工具,无论是写文章还是做开发,都会频繁用到相关知识,下面简要记录矩阵论中的核心知识点与公式。
1 线性空间、线性算子、线性变换、基、维数
向量空间中任意两个向量满足加法与乘法封闭,且满足8条性质,这样同样性质的集合就是线性空间。
- a+b=b+a
- (a+b)+c=a+(b+c)
- 1*a=a
- 0+a=a
- a+(-a)=0
- i(a+b)=ia+ib
- (i+j)a=ia+ja
- (ij)a=i(ja)
空间中的一组向量的组合可以表示空间中其他任意向量,这组向量叫做基向量。比如三维空间中的x,y,z轴上的单位向量(1,0,0),
(0,1,0),
(0,0,1)就是三维空间的一组基向量,维数为基向量的个数3,当向量换为矩阵时,同样可以将这个概念推广到矩阵空间。
想象一下,坐标原点不动,三个坐标轴在空间中转动一次,新的单位向量记为,
,
,它同样也是空间的一组基,这两组基的互相表示关系就由这个“转动”来表示,即转移矩阵。
同时,原本的坐标也会有对应的变换关系,例如原坐标在原系统中可表示为
在新的坐标系中的坐标为
线性子空间的基与维数的求法
- 根据条件列出线性方程组
- 解方程组
子空间的和与交
线性变换
同一个空间中的线性算子运用叫做线性变换,变换矩阵为方阵,举例如下
有一组基,经过线性变换
变为
1.求线性变换在基
下的矩阵
首先假设有一个向量,在原基象下的坐标为k1,k2,k3,线性变换后变为新坐标,以为例,
可解出矩阵的第一列为2,-1,-1,以此类推,可算出变换矩阵。
2 多项式矩阵、Smith标准形、Jordan标准形
特征矩阵为
K阶行列式因子为所有K阶子式的最大公因式,记为
不变因子与行列式因子的关系为
初等因子为次数大于0的全部不变因子
对角元素为首1多项式的叫做Smith标准形
初等因子组构成约当块,λ为对角元素,次数为约当块的阶,构成Jordan标准形
3 LU分解、QR分解、最大秩分解
矩阵的所有k-1阶子式均大于0,可以进行LU分解
Schmidt正交化
化矩阵A为行最简型A',秩为,A的最大秩分解为
其中B为前列组成的矩阵,C为A'的前
行组成的矩阵
4 谱半径、条件数
矩阵的特征值中的绝对值最大者
为矩阵的谱半径。
当特征值为虚数时,谱半径为实部与虚部的平方和的开方的最大值。
条件数用来表示方程组是否病态,对应不同的矩阵范数,有对应的条件数
5 Cayley–Hamilton定理
有多项式如下:
对于矩阵A有特征值λ,上式可用λ替换A,记A的特征多项式为,除上式的余数为
,
则。
6 矩阵级数、矩阵函数、矩阵范数
判断矩阵级数的敛散性可使用或
,当范数<1时,矩阵级数收敛,进一步小于收敛半径时,矩阵级数绝对收敛。
收敛半径的求法,设各项系数为a,收敛半径r为
使用谱半径判断时
,则矩阵级数
收敛,反之也成立,如收敛于1,则矩阵级数为
常用矩阵函数:
关于Jordan标准形的幂函数使用求法
如何求f(A)?
1. Cayley–Hamilton法。
2.如果A可化为对角阵,,C为特征向量组合。
3.如果A是亏损矩阵,不能与对角矩阵相似,可写为Jordan标准形,T的求法要借助广义特征向量算法了。
其中,注意此处只写了3阶的形式,且是对λ求导,不是别的。
为矩阵列范数,列元素绝对值和最大数
为矩阵行范数,行元素绝对值和最大数
7 欧氏空间
欧几里得空间就是定义了内积的实线性空间
两向量的夹角公式
正交向量组中的向量两两相交,夹角为90度,线性无关。
单位向量构成的正交基叫标准正交基,任意向量可表示为
内积的矩阵表示
其中矩阵A称为基的度量矩阵,它是对称正定的,表示为
两组不同基的度量矩阵不同,但是他们是合同的。
8 矩阵的广义逆
当讨论不是方阵的矩阵时,矩阵的逆推广到一般情况,最常用的逆是,性质如下
满秩方阵,
对角方阵,
行最大秩,
列最大秩,
秩比行列数都小,,
方程组的通解为,按照是否有解分为极小范数解与极小范数最小二乘解。