矩阵理论解读.ppt

第三章 矩阵分析及矩阵函数 第三章 矩阵分析及矩阵函数 故 的不变因子为 从而， 的初等因子为 因此， 的 标准形为 再求相似变换矩阵 令 由 可得 故 而且 （1）计算 此时 从而 （2）计算 此时， 故 从而 （3）计算 此时， 故 在一般情况下，将 化成 标准形时，求相似变换矩阵 是很麻烦的。另外， 的特征多项式也不一定是其最小多项式， 但对友矩阵 有下列性质： 性质2 设友矩阵 为 则： （1）当 有 个不同的特征值 时， 标准形J及相似变换矩阵 分别为 （2） 的特征多项式等于 的最小多项式，且 例4 设 求 解 由于 为友矩阵，故 从而 故 因此 又 于是 Ⅲ. 拉格朗日插值法 定义2 设矩阵 的最小多项式为 则称集合 为 的谱，记为 定义3 设 称函数 在 的谱 上给定，是指 给定了 其中 为 的最小多项式 次数，若 在 上给定， 则记为 定理4 设 为复系数多项式，则 任何由矩阵级数定义的矩阵函数 对每一个固定的矩阵 由 定理易知， 与矩阵 的某一多项式 相等； 与 在 的谱上的 值相等，则 从而 这说明对任何 函数 及多项式 只要 则 因此，可以推广定义1如下： 定义4 对任何函数 若存在复系数多项式 使得 则定义矩阵函数 为 即 这个定义不仅给出了矩阵函数的较广的定义，同时也指出了计算 的一种新方法，即只须找出与 在 上取值相同的多项 定理4又告诉我们，只要多项式 式 则 由此可见，为了方便计算 就应找出 次数最低的多项式 使得 如何找呢？下面介绍 拉格朗日插值法。 给定函数 以及 阶方阵 设 的最小多项式为 其中 若多项式 使得 即 则 由于在 上已知多项式 的上述 个值，因此 可确定 的 个系数，由此可见， 最多是 次多项式，若用 的特征多项式代替它的最小多项式，则 最多也只不过是 次多项式，下面介绍确定 的方法。 （1）设 特征多项式 没有重根，即 为互不相同的特征根，此时， 的最小多项式 都是 次的， 因此 是 次的，且 在 个不同的点 上 取值是已知的，即 由拉格朗日插值公式得 其中 于是 其中 （2）设 特征多项式 有重根，但最小多项式 没有重根，则 其中 （3） 的最小多项式 也有重根，设 其中 下面用类似于确定极点处留数的办法来确定 的系数。 设 是所要求的 次多项式，因此 为真分式，将 分解成下式： 如果定出 则 令 则 现在的问题是如何确定 先求 由于 则 再求 此时 对 的表达式两边对 求导， 并令 得 由向量范数 诱导出的矩阵范数记为 注： 当取 是， 是一个集合。 例如：取向量的2—范数，即 显然 即 是一个集合， 通常用到的向量范数是 —范数 响应地可以得到从属于 这些向量范数的算子范数分别称为方阵的1—范数、2—范数、 —范 数，记作 即有下面的定理： 定理6 设 则有： 表示 的最大奇异值）。 奇异值：设 的特征值的非负平方根，称作 的奇异 值； 的奇异值的全体记作 证明 （1） 对 且 有 故向量 的1—范数为： （1） 又令 的第 个分量为1，其它分量为0。 且 则 而且： 故 （2） （1）式说明对一切 恒有： （2）式说明存在 使 综合上述结果，有 由于 所以 由于方阵的1—范数等于方阵的列向量的1—范数的最大值，所以 又称为列范数。 （2）不证。 （3）证明 因为 是 阶埃尔米特矩阵，所以它对应的埃尔米特 二次型： 是正定或半正定的，因此它的 个特征值都大于0或等于0，不妨设 个特征值为： 且 分别是属于 的单位正交特征向量，则对于 任意的 且 可表示为： 其中 故 而对于 因为 故有： 即 故 范数在数值分析中的应用 向量范数与矩阵范数是研究数值方法的收敛性及误差估计的重要工具， 矩阵的谱半径能够很好的显示矩阵的性态，但其计算一般比较困难，在 许多场合，可以用矩阵范数来代替矩阵的谱半径。 例1 线性方程组： 其中设 为非奇异矩阵， 为方程组的精确解。 如果矩阵 或常数项 的微小变化，引起方程组 解的巨大 变化，则称此方程组为“病态”方程组，矩阵 称为“病态”矩阵（相对于 方程组而言），否则称方程组为“良态”方程组， 称为“良态”矩阵。而矩 阵 的性态可以通过 的条件数来刻划。 条件数：设 为非奇异阵，称数 为矩阵