一.矩阵的秩
1.定义:
矩阵线性无关的行数或列数称为矩阵的秩
补充:
线性代数中的线性相关是指:
如果对于向量α1,α2,…,αn,
存在一组不全为0的实数k1、k2、…、kn,
使得:k1·α1+k2·α2+…kn·αn=0成立,
那么就说α1,α2,…,αn线性相关;线性代数中的线性无关是指:
如果对于向量α1,α2,…,αn,
只有当k1=k2=…=kn=0时,
才能使k1·α1+k2·α2+…kn·αn=0成立,
那么就说α1,α2,…,αn线性无关
2.矩阵的秩的求法
MATLAB中:rank(A) 表示求矩阵A的秩。
实际计算中:一般当矩阵阶数不是很大时,我们可以采用对矩阵做初等变换化简为梯形矩阵求秩。
例:矩阵A =
1 3 2 -3 2 1 4 1 2
求矩阵的秩
通过初等行变换,将矩阵化为上阶梯型矩阵:
1 3 2 0 11 7 0 0 1
非零行数为3,那么矩阵的秩为3。
使用MATLAB可以得到同样的结果。
除此之外,还有很多种矩阵求秩的方法:
https://zhidao.baidu.com/question/1771639702174299740.html
二.矩阵的范数
1.矩阵的范数的定义和求法
https://zhuanlan.zhihu.com/p/35897775
- 矩阵A的1——范数:矩阵列元素绝对值之和的最大值
∣ ∣ A ∣ ∣ 1 = M A X j = 1 n { ∣ ∑ i = 1 n a i j ∣ } ||A||_1 = MAX_{j=1}^{n}\{|\sum_{i=1}^n{{a_i}_j}|\} ∣∣A∣∣1=MAXj=1n{∣i=1∑naij∣}
- 矩阵A的2——范数:矩阵
A T A A^TA ATA
的最大特征值,又称为谱范数
∣ ∣ A ∣ ∣ 2 = λ 1 ||A||_2=\sqrtλ_1 ∣∣A∣∣2=λ1
-
矩阵A的∞——范数:所有矩阵行元素绝对值之和的最大值
∣ ∣ A ∣ ∣ ∞ = M A X i = 1 n { ∑ j − 1 n ∣ a i j ∣ } ||A||_∞=MAX_{i=1}^n\{\sum_{j-1}^n|a_{i{j}}|\} ∣∣A∣∣∞=MAXi=1n{j−1∑n∣aij∣}
MATLAB中,求向量范数的函数为:norm(V)或者norm(V,2):计算向量V的2——范数
norm(V,1):计算向量V的1——范数
norm(V,inf):计算向量V的∞——范数
三.矩阵的条件数
1.矩阵的条件数的定义
是判断矩阵病态与否的一种度量,条件数越大矩阵越病态。
矩阵A的条件数等于A的范数与A的逆矩阵的范数的乘积
条件数越接近于1,矩阵的性能越好,反之矩阵的性能越差
2.矩阵的条件数的求法
MATLAB中,计算矩阵A的三种条件数的函数是:
cond(A,1)计算A的1——范数下的条件数
cond(A) cond(A,2)——计算A的2——范数下的条件数
cond(A,inf)——计算A的∞——范数下的条件数
四.矩阵的特征值和特征向量
1.定义
设矩阵A为n阶方阵,如果存在:
常数λ和n维非零列向量x,使得等式
A
x
=
λ
x
Ax = λx
Ax=λx
成立,那么称
λ是矩阵A的特征值
x是对应特征值λ的特征向量
2.矩阵的特征值和特征向量的求法
MATLAB中:
可以使用E=eig(A求解矩阵A的全部特征值
或者使用[X,D]=eig(A)求矩阵A的全部特征值,构成对角阵D,并产生矩阵X,X各列是相应的特征向量
实际计算中:
贴大神博客链接
https://blog.csdn.net/baidu_38172402/article/details/82312967
Thanks for watching!