第二章 数学基础 (Mathematics)(金融计量-浙大 蒋岳祥).docVIP

上课材料之二： 第二章 数学基础 (Mathematics) 第一节 矩阵(Matrix)及其二次型(Quadratic Forms) 第二节 分布函数(Distribution Function)，数学期望(Expectation)及方差(Variance) 数理统计（Mathematical Statistics） 第一节 矩阵及其二次型(Matrix and its Quadratic Forms) 2.1 矩阵的基本概念与运算 一个m×n矩阵可表示为： 矩阵的加法较为简单，若C=A+B，cij=aij+bij 但矩阵的乘法的定义比较特殊，若A是一个m×n1的矩阵，B是一个n1×n的矩阵，则C=AB是一个m×n的矩阵，而且，一般来讲，AB≠BA，但如下运算是成立的： 结合律（Associative Law） (AB)C=A（BC） 分配律（Distributive Law） A(B+C)=AB+AC 问题：(A+B)2=A2+2AB+B2是否成立？ 向量（Vector）是一个有序的数组，既可以按行，也可以按列排列。 行向量(row vector)是只有一行的向量，列向量(column vector)只有一列的向量。 如果α是一个标量，则αA=[αaij]。 矩阵的转置矩阵(transpose matrix)记为，是通过把的行向量变成相应的列向量而得到。 显然()′=，而且（+）′=+， 乘积的转置（Transpose ofａ production ） ，。 可逆矩阵（inverse matrix），如果n级方阵(square matrix)A和B，满足AB=BA=I。则称A、B是可逆矩阵，显然，。如下结果是成立的： 。 2.2 特殊矩阵 1）恒等矩阵(identity matrix) 对角线上元素全为1，其余全为0，可记为I； 2）标量矩阵(scalar matrix) 即形如αI的矩阵，其中α是标量； 3）幂等矩阵(idempotent matrix) 如果矩阵具有性质，这样的矩阵称为幂等矩阵。 定理：幂等矩阵的特征根要么是1，要么是零。 4）正定矩阵（positive definite）和负定矩阵（negative definite），非负定矩阵(nonnegative　)　或　半正定矩阵（positive semi-definite ），非正定矩阵(nonpositive definite)　或　半负定矩阵（negative semi-definite）； 对于任意的非零向量，如有＞0（＜0），则称A是正（负）定矩阵；如有≥0（≤0），非负（非正）定矩阵。如果A是非负定的，则记为A≥0；如果是正定的，则记为A＞0。协方差矩阵是半正定矩阵，几个结论： a）恒等矩阵或单位矩阵是正定的； b）如果是正定的，则也是正定的； c）如果是正定的，是可逆矩阵，则是正定的； d）如果是一个n×m矩阵，且n＞m，，则是正定的，是非负定矩阵。 5）对称矩阵（symmetric matrix）； 如果=′，则称为对称矩阵。 2.3 矩阵的迹（trace） 一个n×n矩阵的迹被定义为它的对角线上的元素之和，记为，则，如下结论是显然的。 1） （是标量） 特例 2） 3） 4），特例 ５）循环排列原则　tr(ABCD)=tr(BCDA)=tr(CDAB)=tr(DABC) 定理：实对称矩阵A的迹等于它的特征根之和。 因为A是实对称矩阵，故有在矩阵C，使得，其中，所以，。 2.4 矩阵的秩(rank) 一个矩阵A的行秩和列秩一定相等，一个矩阵的秩就可以定义为它的行秩或列秩，记为r(A)，不加证明，我们给出如下结果： 1）≤（行数、列数） 2）≤≤，其中A、B分别为m×n1、n1×n矩阵，特例：如果A、B为n×n矩阵，而且AB=0，则≤ 3），其中是n×n的方阵 4）≤ 5）设是n×n矩阵，且，则 6）设是n×n矩阵，且，则 2.5 统计量的矩阵表示 向量可理解为特殊的矩阵。是一个其元素都为1的n维列向量，即=（1，1，…，1），如果我们再假定，计量经济模型中的许多统计量就可以用矩阵的形式表示出来，很方便进行数学推导。 显而易见，，，样本的均值与方差的矩阵表示如下： 1）样本均值矩阵表示； 事实上即，而，； 2）样本方差矩阵表示 易知：。其中矩阵是一个每个元素都为的阶方阵，从而。 矩阵的对角线上的元素为，非对角线的元素为，是一个对称矩阵。 故样本方差： 。 定理：矩阵是幂等矩阵。 2.6 矩阵的二次型与多元正态分布 1）矩阵的二次型（Quadratic Forms）和线性变换（linear　transferring） 设P是一数域，一个系数在数域P中的的二