矩阵分析与应用

一个欣语

于 2022-06-04 20:47:04 发布

阅读量810

点赞数

文章标签：矩阵

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_46007132/article/details/125119667

版权

矩阵的基本运算

幂等矩阵：若矩阵 $A_{n\times n }$ 有 $A^{2}=AA=A$ ，则称为幂等矩阵。

对合矩阵：若矩阵 $A_{n \times n}$ 有 $A^{2}=AA=I$ ，则称为对合矩阵。

内积：两个矩阵之间的内积是与矩阵乘积密切相关的运算。

矩阵A和B的内积记作 $< A,B>=A^{H}B$

矩阵的指数:

$exp(A)=\sum_{k=0}^{\infty }\frac{1}{k!}A^{k}$

矩阵的对数:

$log(I_{n}-A)=-\sum_{k=0}^{\infty}\frac{1}{k!}A^{k}$

矩阵的导数：如果矩阵A的元素 $a_{ij}$ 都是参数t的函数，则矩阵的导数定义为：

$\frac{dA}{dt}=\begin{bmatrix} \frac{da_{11}}{dt} & \frac{da_{12}}{dt} &.. . &\frac{da_{1n}}{dt} \\ \frac{da_{21}}{dt} &\frac{da_{22}}{dt} & .. . & \frac{da_{2n}}{dt}\\ .. . & .. . & .. . &.. . \\ \frac{da_{m1}}{dt} &\frac{da_{m2}}{dt} & .. . & \frac{da_{mn}}{dt} \end{bmatrix}$

矩阵的积分：

$\int Adt=\begin{bmatrix} \int a_{11}dt &\int a_{12}dt &.. . &\int a_{1n}dt \\ \int a_{21}dt & \int a_{22}dt & .. .& \int a_{2n}dt\\ .. . & .. . &.. . &.. . \\ \int a_{m1}dt &\int a _{m2}dt &.. . & \int a_{mn}dt \end{bmatrix}$

矩阵的指数函数：
$exp(At)=I+At+\frac{A^{2}t^{2}}{2!}+\frac{A^{3}t^{3}}{3!}+.. .$

矩阵的指数函数的导数：

$\frac{d}{dt}exp(At)=Aexp(At)=exp(At)A$

矩阵乘积的导数：其中A,B都为变量t的矩阵函数。

$\frac{d}{dt}(AB)=\frac{dA}{dt}B +A\frac{dB}{dt}$

向量的线性无关性与线性相关性

m*n的线性方程组可以写为Ax=b的形式，若记 $A=[a_{1},a_{2},.. .,a_{n}]$ ,则方程可以简化为：
$a_{1}x_{1}+a_{2}x_{2}+.. .+a_{n}x_{n}=b$

称为列向量 $a_{1},a_{2},.. .a_{n}$ 的线性组合。

若方程 $c_{1}u_{1}+c_{2}u_{2}+..+c_{n}u_{n}=0$ 仅有零解 $c_{1}=c_{2}=.. .=c_{n}=0$ 。则该组向量 ${u_{1},u_{2},.. .,u_{n}}$ 线性无关。

若存在一组不全为零的系数 $c_{1},c_{2},.. .,c_{n}$ 使得上述方程成立，则该组向量线性相关。

向量的非奇异矩阵

若有一个n*n的矩阵A，当且仅当矩阵方程Ax=0只有零解x=0时，则该矩阵为非奇异的。若A不是非奇异的，则称A奇异。

若n*n的矩阵A是非奇异的，当且仅当它的n个列向量线性无关。

初等行变换与阶梯型矩阵

初等行变换：

令m*n的矩阵A的m个行向量分别为 $r_{1},r_{2},.. .,r_{m}$ 。下列运算称为矩阵A的初等行运算或初等行变换：

（1）互换矩阵的任意两行。

（2）一行元素同时乘以一个非零常数。

（3）将第p行的元素同时乘以一个非零常数并加给第q行。

阶梯型矩阵：
若一个m*n的矩阵满足
（1）全部由零组成的所有行都位于矩阵的底部。

（2）每一个非零行的首项元素总是出现在上一个非零行的首项元素的右边。

（3）首项元素下面的同列元素全部为零。

简约阶梯型：
若一个阶梯型矩阵的每一非零行的首项元素都等于1，并且每一个为1的首项元素都是它所在列的唯一的非零元素，则这个矩阵为简约阶梯型矩阵。

如： $\begin{bmatrix} 1 & -2 &0 & -1&3 \\ 0& 0& 1& 2& -2\\ 0&0 & 0&0 & 0 \end{bmatrix}$

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

一个欣语 CSDN认证博客专家 CSDN认证企业博客

码龄5年

90: 原创

30万+: 周排名

55万+: 总排名

6万+: 访问

: 等级

920: 积分

23: 粉丝

17: 获赞

3: 评论

167: 收藏

私信

关注

热门文章

最新评论

矩阵分析与应用
後海25: 你好大佬我是初学者就是关于实内积空间里范数性质是不是默认是典范内积并且所有范数都满足啊
增广拉格朗日乘子法
喜扶马路老爷爷: 引用「拉格朗日乘子法」请问拉格朗日乘子法中，那个等式约束在拉格朗日函数里为什么没有平方呢？如果求拉格朗日函数的极大值的话，假如hk(x)很大，拉格朗日函数的值应该也会很大才对…我不太理解这个问题二，想请教一下增广拉格朗日对凸性质有无要求？感谢

大家在看

最新文章

目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。