矩阵理论及其应用
第十六讲特征值的估计及广义特征值
李东
重庆大学数学与统计学院
CQU
◆特征值的界的估计
◆圆盘定理
◆谱半径的估计
CQU
◆特征值的界的估计
◆圆盘定理
◆谱半径的估计
CQU
对于给定的A∈C n×n，先给出两个记号
(i) B=b ij=1
2(A+A H)，C=c ij=1
2
A?A H
(ii) 记A、B、C的特征值分别为λ1,λ2,?,λn,μ1,μ2,?,μn,
iv1,iv2,?,iv n，且满足|λ1|≥|λ2|≥?≥|λn|，μ1≥μ2≥?≥μn，iv1≥iv2≥?≥iv n。
注：B是Hermite矩阵，C是反Hermite矩阵。
CQU
CQU
定理1(TH8.1.1 Schur 不等式1909) 若A =a ij ∈C n×n 的特征值为λ1,λ2,?,λn ，则
?i=1
n
|λi |2≤?i=1n
?j=1
n
|a ij |2
当且仅当A 是正规矩阵（A H A =AA H ）时等号成立。证明:(1) 存在可逆矩阵P ，可将A 化为若当标准型J ，即
PAP
?1=J .即：A =
P ?1JP
将P?1的列向量组用Schmidt正交化可得，
P?1=UQ，其中U是酉阵，Q是上三角阵。
注意上三角阵的特点：Q?1也是上三角阵，且对角元素是
Q的对角元素的倒数；两个上三角阵的乘积仍旧是上三角阵，且对角元素是对应对角元素的乘积。由PAP?1=J，得U H AU=QJQ?1=T，
这里T是上三角阵，其对角元素是A的特征值。
CQU
CQU
σi=1n |λi
|2=
σi=1n |t ii
|2≤
σi=1n σj=1n t ij
2=tr TT H =tr U H AUU H A H U =tr U H AA H U =tr U H AA H U =tr (A H U)H A H U =tr A H U A H U
H
=tr
A H A
=σi=1n σj=1n |a ij |2.
(2)因为A =UTU H ，A H A =AA H ?TT H =T H T ?T 是对角阵，
?等号成立。
推论1( 8.1.1) 若A、B、C如前所设，有1.|λi|≤n max
i,j
|a ij|；
2.|Re(λi)|≤n max
i,j
|b ij|；
3.|Im(λi)|≤n max
i,j
|c ij|。
证明：由A∈C n×n，B=b ij=1
2(A+A H)，C=c ij=
1 2A?A H。
CQU
CQU
A 、
B 、
C 的特征值分别为λ1,λ2,?,λn ,μ1,μ2,?,μn ,iv 1,iv 2,?,iv n 。
由定理1及U H AU =T ，得
U H BU =U H A +A H U/2=T +T H /2U H CU =U H A +A H U/2=T +T H /2
从而，
?i=1
n
|Re(λi )|2=?i=1
n
|λi +λi 2|2≤?i=1
n
λi +λi 2
2
+?j=1n ?i=1
j?1
|t ij |2
CQU
=tr
T+T H 2
H
T+T H 2
=tr B H
B =σi=1n σj=1n |b ij |2。
?i=1
n
|Im(λi )|2=?i=1
|λi ?λi 2|2≤?
i=1
n
λi ?λi 2
2
+?j=1n ?i=1
j?1
|t ij
|
2=tr
T?T H
2
H
T?T H
2=tr
C H C
=σi=1n σj=1n |c ij |
2于是：1. σi=1n |λi
|2≤σi=1n σj=1n |a ij
|2≤n 2max i,j
|a ij |2?|λi |≤n max i,j
|a ij |。
CQU
2.σi=1n
|Re(λi )|2≤σi=1n σj=1n
|b ij |2
≤n 2max i,j
|b ij |2?
Re(λi )≤n max i,j
|b ij |。
3.σi=1n |Im(λi )|2≤σi=1n σj=1n |c ij
|2≤n 2max i,j
|c ij |2?Im(λi )≤n max i,j
|c ij |。
CQU
推论2( 8.1.2) 若A 是实矩阵，有
|Im(λi )|≤
n(n?1)
2max i,j
|c ij |。证明：若A 是实矩阵，则C 的主对角元素为0，故
σi=1n |Im(λi )|2≤σi=1n σj=1n |c ij
|2≤n(n ?1)max i,j
|c ij |2?Im(λi )≤
n(n?1)
2max i,j
|c ij |。
注1：Hermite矩阵的特征值皆实数，C=0，|Im(λi)|=0。
注2：反Hermite矩阵的特征值皆虚数，B=0，|Rm(λi)|=0。例1 估计矩阵A=1?0.8
0.50
的特征值的上界。
解：由推论1，max
i,j |a ij|=1，max
i,j
|b ij|=1，max
i,j
|c ij|=0.65
故|λi|≤2，Re(λi)≤2，Im(λi)≤1.3。
若由推论2，Im(λi)≤0.65。
CQU
◆特征值的界的估计
◆圆盘定理
◆谱半径的估计
CQU
CQU
为更加精确的估计矩阵的特征值，本节介绍圆盘定理。定理2(TH8.2.1) 若A =a ij ∈
C n×n 是行对角占有的，即
a ii >?j=1
j≠i
n
|a ij |
(i =1,2,?n)
则A 是非奇异的。
证明：(反证法) 如果det A =0，则线性方程组Ax =0有非零解，设其非零解为x =x 1,x 2,?,x n T .
CQU
令x k =max i |x i |，显然x k ≠0。于是
a kk x k =??j=1,j≠k
n
a kj x j ≤
?j=1,j≠k
n
|a kj ||x j |
≤x k
?j=1,j≠k
n
|a kj |
从而，a kk ≤
σj=1,j≠k n |a kj |。矛盾.
CQU
推论3(8.2.1) 若A =a ij ∈C n×n 是列对角占有的，即
a jj >?i=1i≠j
n
|a ij |
(j =1,2,?n)
则A 是非奇异的。
CQU
定理3(TH8.2.2 Gerschgorin 定理) 若A =a ij ∈C n×n ，令R i =σj=1,j≠i n |a ij |，则它的n 个特征值都落在复平面的n 个圆盘D i A =z||z ?a ii |≤R i ，i =1,2,?,n
的并集?i=1n
D i
A 中。其圆称为盖儿圆。
证明：A 的任意特征值λ，有λE ?A =0，则矩阵λE ?A 一定不是对角占有的。那么，存在k ，使得|λ?a kk |≤R k ，即λ∈D k A ??i=1n D i A .
例1：估计矩阵A=
1?1/2?1/20
?1/23/2i0
?1
?i/2
5
i/2
5i
的特征值的分
布范围。
解：a11=1，a22=3/2，a33=5，a44=5i
R1=1，R2=3/2，R3=1，R4=1。
故：
D1A=z||z?1|≤1，D1A=z||z?3/2|≤3/2，
D1A=z||z?5|≤1，D1A=z||z?5i|≤1
图形见教材。
CQU
定理4(TH8.2.3 圆盘定理2) 设G是A的m个圆盘(盖尔圆)组成的任一连通部分，则在G中必有且只有A的m个特征值。
此定理的说明：盖尔圆相互重叠时重复计算，特征值相重时也重复计算。
证明略。
例2 估计矩阵A=0?0.4
0.91的特征值的分布范围。
CQU
矩阵的开题报告 篇一：矩阵变换及应用开题报告 鞍山师范学院 数学系 13届学生毕业设计（论文）开题报告 课题名称：浅谈矩阵的变换及其应用 学生姓名：李露露 专业：数学与应用数学 班级：10级1班 学号： 30 指导教师：裴银淑 XX年 12月 26日 一、选题意义 1、理论意义： 矩阵是数学中的一个重要内容，是线性代数核心。矩阵的变换是矩阵中一种 十分重要的运算，它在解线性方程组求逆矩阵及矩阵理论的探讨中都可起到 非常重要的作用。很多复杂、繁琐的问题经过变换都可以化为简单、易于解 决的问题。因此，矩阵变换是研究代数问题的一个重要工具。 2、现实意义：
矩阵变换在物理、力学、信号与信息处理、通信、电子、系统、控制、模式 识别、土木、电机、航空航天等众多学科中式最富创造性和灵活性，并起着 不可代替的作用。 二、论文综述 1、国内外有关研究的综述： 矩阵不仅是个数学学科，而且也是许多理工学科的重要数学工具，因此国内 外有许多有关于矩阵的研究。英国数学家西尔维斯特首先使用了“矩阵”一词， 他与矩阵论的创立者凯莱一起发展了行列式理论。1858年，凯莱发表了关于矩 阵的第一篇论文《矩阵论的研究报告》。自此以后，国内外有了许多关于矩阵的 研究。在张贤达所著的《矩阵分析与应用》一书中，就有关于矩阵变换的内容， 在第一章中有关于矩阵初等变换的内容，并有初等变换在矩阵方程中的应用，在 第四章中也提到了Householder变换和Givens旋转。美国著名的约翰斯.霍普金 斯大学的RogerA.Horn和威廉姆和玛丽学院的
CharlesR.Johnson联合编著的《矩 阵分析》也有关于矩阵变换的内容，此书主要涉及的是矩阵变换的应用。国内外 关于矩阵变换的研究都取得了很大的进展，为矩阵知识所涉及的各个领域都作出 了巨大贡献。 2 、本人对以上综述的评价： 矩阵理论一直都是各个学科的基本数学工具，矩阵变换是矩阵理论的基础， 近年来有许多关于矩阵变换的研究，这些研究将一些繁琐复杂的问题简单化，也 极大地推进和丰富了电子信息、航空航天等领域的发展，同时促进了更多的数学 家加入到研究矩阵变换的队伍中，这样就使得矩阵变换知识日渐完善，并应用到 更多的领域中去。 三、论文提纲 前言 (一)、矩阵初等变换及应用 1、矩阵初等变换的基本概念 2、初等变换在方程组中的应用 3、初等变换在向量组中的应用
矩阵理论在通信网络中的应用 ——利用幺模矩阵分析最小费用流问题 摘要 将通信网络中节点间的业务看作是一个流，假设一对节点间存在v个流量的业务需求，怎样使得最终达到满足要求且费用最小。通过线性规划建模，利用矩阵理论中完全幺模矩阵以及幺模矩阵的知识，保证求得的最优解为整数解，使得最小费用流问题得以解决。 关键字：最小费用流，完全幺模矩阵，幺模矩阵，整数解 ABSTRACT View the business communication between nodes in the network as a stream, a v of the flow between nodes business needs, how to make the end meet the requirements and minimum cost. The linear programming model, by using matrix theory totally unimodular matrix
and knowledge unimodular matrix, guarantee to obtain the optimal solution for the integer solution, so that the minimum cost flow problem can be solved. Key Words: Minimum Cost Flow ,Totally Unimodular ,Unimodular , integer solution 第一章矩阵理论简介 根据世界数学发展史的记载，矩阵理论概念剩余19世纪50年代，是为了解决线性方程组的需要而诞生的。1855年，英国数学家Caylag在研究线性变换下的不变量时，为了简介、方便而引入了矩阵的概念。矩阵的理论发展非常的迅速，到19世纪末，矩阵理论体系已经基本形成。到20世纪，矩阵理论得到了进一步的发展。目前，它已近发展成为在物理、控制论、经济学、等学科有大量应用的分支。 用矩阵的理论与方法来处理通信网络技术中的各种问题已越来越普遍。在通信工程技术中引进矩阵理论不仅使理论的表达极为简捷，而且对理论的实质刻画也更为深刻，这一点是不容置疑的，更由于计算机和计算方法的普及发展，不仅为矩阵理论的应用开辟了广阔的前景，也使通信网络技术的研究发生新的变化，开拓了崭新的研究途径，例如网络中的最小费用流问题、最短分离路径对问题、多商品流问题等，无不与矩阵理论发生紧密结合。因此矩阵的理论与方法已成为研究通信工程技术的数学基础。
矩阵分析在同步捕获性能研究新应用 摘要：该文提出了一种利用概率转移矩阵计算捕获传输函数的方法，通过将以往分析方法中的流程图转换为概率转移矩阵，仅需知道一步转移概率矩阵，利用现代计算机编程语言(如MAPLE，MATLAB等)的符号运算功能，即可得到捕获系统的传输函数：通过对传输函数求导，可计算平均捕获时间。矩阵分析方法可完整地计算出捕获系统的传输函数，可弥补流程图方法在分析传统连续搜索捕获方案的传输函数时所忽略的项；可纠正流程图方法在分 析非连续搜索捕获方案的传输函数时所引起的误差。 关键词：CDMA；矩阵分析；传输函数；流程图；捕获 A Novel Acquisition Performance Evaluation Approach Based on Matrix Analysis Abstract：A novel acquisition performance analysis approach is proposed based on matrix analysis．Given the first step transition probability matrix，the transfer function of acquisition system can be obtained by utilizing the symbol operation function of computer programming such as MAPLE，MATLAB and so on，and the mean acquisition time can be computed by differentiating the transfer function．The transfer function of acquisition system can be computed perfectly by matrix analysis，it not only complements the items neglected in that of conventional serial acquisition scheme but also corrects the error items in that of nonconsecutive acquisition scheme．
矩阵分析在通信领域的应用学院：电气与电子工程学院 学号：____201606001____ 姓名：___江诚____
矩阵分析在通信领域的应用 【摘要】矩阵是数学的基本概念之一，也是线性代数的核心内容。矩阵广泛运用于各个领域，如数学建模、密码学、化学、通信和计算机科学等，解决了大量的实际问题。本文主要介绍矩阵在通过信领域的应用，如：在保密通信中，应用逆矩阵对通信的信息进行加密；在信息论中，利用矩阵理论计算信源熵、信道容量等；在信息论的信道编码中，利用监督矩阵，生成矩阵，对信道中的信息进行编码，利用错误图样对信道传输的信息进行纠正；此外，矩阵分析在MIMO技术这个模块中也有着很重要的应用，基本可以说矩阵分析是MIMO技术研究的基础。关键词：矩阵;保密通信;信道容量;信道编码;MIMO 1、引言 随着科技快速稳健的发展，通信技术也得到了飞速的发展，人们对通信的要求也不断提高，不仅要求通信的实时性、有效性，还要求通信的保密性。而现实环境中，由于噪声的影响，常常使通信出现异常，这就要求人们对接收到的信号能够更好的实现检错纠错。此外，在频谱资源的匮乏己经成为实现高速可靠传输通信系统的瓶颈。一方面，是可用的频谱有限;另一方面，是所使用 的频谱利用率低下。因此，提高频谱利用率就成为解决实际问题的重要手段。多进多出(MIMO)[1]技术即利用多副发射天线和多副接收天线进行无线传输的 技术，该技术能够很好的解决频谱利用率的问题。然而对以上通信中存在的问题的分析和研究都需要用到矩阵理论的知识，本文把矩阵理论和其在通信领域的应用紧密结合，通过建立一些简单的分析模型，利用矩阵知识将通信领域很多复杂的计算和推导变得简单明了。 2、矩阵在通信领域中的应用 2.1 矩阵在保密通信中的应用[2] 保密通信是当今信息时代的一个非常重要的课题, 而逆矩阵正好在这一领域有其应用。我们可以用逆矩阵[3][4]所传递的明文消息进行加密(即密文消息)，然后再发给接收方,而接收方则可以采用相对应的某种逆运算将密文消息编译成明文。
五邑大学研究生矩阵理论论文
矩阵理论在信号系统中的应用 摘要：在20世纪50年代蓬勃兴起的航天技术的推动下，现代控制理论在上世纪60年代开始形成并得到了迅速的发展。现代控制理论的重要标志和基础就是状态空间方法。现代控制理论用状态空间法描述输入、状态、输出等各种变量间的因果关系。不但反映系统输入与输出的外部特性，而且揭示了系统内部的结果特性，可以研究更复杂而优良的控制算法。现代控制理论及使用于单变量控制系统，有适用于多变量控制系统，既可以用于线性定常系统，又可以用于线性时变系统，还可用于复杂的非线性系统。 本文主要介绍了连续时间线性时不变系统零输入响应运动分析，如何利用数学模型，求解线性定常系统的零输入响应问题。是矩阵理论中约当标准形和对角线标准形在线性系统理论中的一个很典型的应用。 状态与状态变量：系统在时间域中运动信息的集合称为状态。确定系统状态的一组独立（数目最少的）变量称为状态变量。它是能完整地确定地描述系统的时间行为的最少的一组变量。 状态向量：如果n 个状态变量用()1x t 、()2x t 、…()n x t 表示，并把这些状态变量看做是 向量X （t ）的分量，则向量X （t ）称为状态向量，记为()()()()12n x t x t X t x t ????? ?=???????? 或者()()()()12T n X t x t x t x t =???? 状态空间：以状态变量()1x t 、()2x t 、…()n x t 为坐标轴构成的n 维空间。 状态方程：描述系统的状态变量之间及其和系统输入量之间关系的一阶微分方程组 线性系统：满足叠加原理的系统具有线性特性 零输入响应：若输入的激励信号为零，仅有储能元件的初始储能所激发的响应，称为零输入响应。 一、线性系统状态方程： A ：表示系统内部状态关系的系数矩阵 B ：表示输入对状态作用的输入矩阵 从数学的角度上，就是相对于给定的初绐状态x0和外输入u （t ），来求解状态方程的解，即系统响应。解的存在性和唯一条件：如果系统A 、B 的所有元在时间定义区间 []0t t α上均为 t 的实值连续函数，而输入u(t)的元在时间定义区间[]0t t α上是连续 实函数，则其状态方程的解X(t)存在且唯一。 ()()[] ()()0 )0(x t t :)(x t t :0 000≥=+=∈=+=t x Bu A t t t x t Bu A x x x x 时不变时变α
题目: 矩阵论在电气工程中的应用指导老师: xxx 学生姓名：xxx 所属院系：电气工程学院 专业：电气工程 学号：xxx 完成日期：20xx年x月x日
矩阵论在电气工程中的应用 摘要 电路分析是电气专业领域人员必需的一项能力。该知识具有概念性强、电路分析繁杂求解计算量大的特点。为了解决这个问题，因此引入了矩阵理论，并结合软件对矩阵分析的良好支持，以期达到优化分析电路的目的。本文就矩阵理论中的网络拓扑知识展开，介绍了网络拓扑在电路中的应用，并以给予求解。 关键词：电路分析矩阵法网络拓扑 ABSTRACT： Circuit analysis is an essential ability of professional personnel in the field of electronic. The concept of strong, complex circuit analysis calculation with the knowledge of the characteristics of large amount. In order to alleviate this problem, so we introduced matrix theory, combined with good support analysis software for matrix, in order to achieve the purpose of optimization of circuit analysis. In this paper, the network topology in matrix theory unfolds, introduces the application of network topology in circuit, and to give the solution. KEY WORDS：circuit analysis；matrix method；network topology 0 前言 矩阵是线性代数里的一个重要概念，在电路网络分析、工程结构分析等面，矩阵都是一个强自力的工具，因为它能使较复杂的计算过程简化成一系列的四则运算，便于用计算机的算法语言或程序进行描述和解答。当运行这些程序时，能迅速地得到较准确的计算结果。在电子领域基础知识电路分析中，经过理论分析
鞍山师范学院 数学系13届学生毕业设计（论文）开题报告 课题名称：浅谈矩阵的变换及其应用 学生姓名：李露露 专业：数学与应用数学 班级：10级1班 学号：30 指导教师：裴银淑 2013年12月26日
一、选题意义 1、理论意义： 矩阵是数学中的一个重要内容，是线性代数核心。矩阵的变换是矩阵中一种十分重要的运算，它在解线性方程组求逆矩阵及矩阵理论的探讨中都可起到非常重要的作用。很多复杂、繁琐的问题经过变换都可以化为简单、易于解决的问题。因此，矩阵变换是研究代数问题的一个重要工具。 2、现实意义： 矩阵变换在物理、力学、信号与信息处理、通信、电子、系统、控制、模式识别、土木、电机、航空航天等众多学科中式最富创造性和灵活性，并起着不可代替的作用。 二、论文综述 1、国内外有关研究的综述： 矩阵不仅是个数学学科，而且也是许多理工学科的重要数学工具，因此国内外有许多有关于矩阵的研究。英国数学家西尔维斯特首先使用了“矩阵”一词，他与矩阵论的创立者凯莱一起发展了行列式理论。1858年，凯莱发表了关于矩阵的第一篇论文《矩阵论的研究报告》。自此以后，国内外有了许多关于矩阵的研究。在张贤达所著的《矩阵分析与应用》一书中，就有关于矩阵变换的内容，在第一章中有关于矩阵初等变换的内容，并有初等变换在矩阵方程中的应用，在第四章中也提到了Householder变换和Givens旋转。美国著名的约翰斯.霍普金斯大学的RogerA.Horn和威廉姆和玛丽学院的CharlesR.Johnson联合编著的《矩阵分析》也有关于矩阵变换的内容，此书主要涉及的是矩阵变换的应用。国内外关于矩阵变换的研究都取得了很大的进展，为矩阵知识所涉及的各个领域都作出了巨大贡献。 2 、本人对以上综述的评价：
《线性代数与矩阵分析》课程小论文 矩阵分解及其应用 学生姓名：****** 专业：******* 学号：******* 指导教师：******** 2015年12月
Little Paper about the Course of "Linear Algebra and Matrix Analysis" Matrix Decomposition and its Application Candidate:****** Major:********* StudentID:****** Supervisor:****** 12,2015
中文摘要 将特定类型的矩阵拆解为几个矩阵的乘机称为矩阵的分解。本文主要介绍几种矩阵的分解方法，它们分别是矩阵的等价分解、三角分解、谱分解、奇异值分解和 Fitting 分解等。矩阵的分解理论和方法是矩阵分析中重要的部分，在求解矩阵的特征值、解线性方程组以及实际工程中有着广泛的运用。因此，本文将介绍矩阵等价分解、三角分解、奇异值分解的理论运用以及三角分解的工程运用。 关键词：等价分解,三角分解,奇异值分解,运用
Abstract Many particular types of matrix are split into the product of a matrix of several matrices, which is called decomposition of matrix. In this paper, we introduce some methods of matrix decomposition, which are equivalent decomposition, triangular decomposition, spectral decomposition, singular value decomposition, Fitting decomposition and so on. The decomposition theory and method of matrix is an important part of matrix analysis, which is widely used in solving the characteristic value, solving linear equations and the practical engineering. In this paper, we will introduce the theory of matrix equivalence decomposition, triangular decomposition, singular value decomposition and the engineering application of triangular decomposition. Key words：Equivalent Decomposition, Triangular Decomposition, Singular Value Decomposition, Application
矩阵论在电路分析中的应用 随着科学技术的迅速发展，古典的线性代数知识已不能满足现代科技的需要，矩阵的理论和方法业已成为现代科技领域必不可少的工具。诸如数值分析、优化理论、微分方程、概率统计、控制论、力学、电子学、网络等学科领域都与矩阵理论有着密切的联系，甚至在经济管理、金融、保险、社会科学等领域，矩阵理论和方法也有着十分重要的应用。当今电子计算机及计算技术的迅速发展为矩阵理论的应用开辟了更广阔的前景。因此，学习和掌握矩阵的基本理论和方法，对于工科研究生来说是必不可少的。全国的工科院校已普遍把“矩阵论”作为研究生的必修课。 对于电路与系统专业的研究生，矩阵论也显得尤为重要。本文以电路与系统专业研究生的必修课《电网络分析与综合》为例，讲解矩阵论的重要作用。 在电路分析中，对于一个有n个节点，b条支路的电路图， 每条支路的电压和电流均为未知，共有2b个未知量。根据KCL 我们可以列出（b-1）个独立的方程，根据KVL我们也可以列出 （b-n+1）个独立的方程，根据每条支路所满足的欧姆定律，我 们还可以可以列出b个方程；总共2b个方程要解出b个支路电 流变量和b个支路电压变量。当b的数值比较大时，传统的解数学方程组的方法已经不再适用了，因此我们需要引入矩阵来帮助我们求解电路。 一. 电网络中最基本的三个矩阵图 1 1.关联矩阵
在电路图中，节点和支路的关联性质可以用关联矩阵][ij a A =来表示。 选取一个节点为参考节点后，矩阵A 的元素为： ?????-+=个节点无关联条支路与第第方向指向节点个节点相关联，且支路条支路与第第方向离开节点个节点相关联，且支路条支路与第第i j i i j i i j a ij 0 1 1 图1中电路图的关联矩阵为 ????????????= 0 1- 0 1- 1- 0 0 1- 0 0 0 1 1 0 0 0 0 0 0 1- 1-0 0 1- 1 0 0 1 A 2. 基本回路矩阵 在电路图中，基本回路和支路的关联性质可以用基本回路矩阵][ij f b B =来表示。当选定电路图中的一个树，额外再增加一个连枝的时候，就会形成一个基本回路。选取基本回路的方向与它所关联的连枝方向一致，矩阵f B 的元素为： ?? ???-+=个回路无关联条支路与第第反方向和基本回路方向相个回路相关联，且支路条支路与第第同方向和基本回路方向相个回路相关联，且支路条支路与第第i j i j i j b ij 0 1 1 图1中电路图的基本回路矩阵为 ???? ??????=1 0 0 1- 1 0 0 0 1 0 1- 1 1- 1 0 0 1 0 1- 1 1-f B 3. 基本割集矩阵 在电路图中，基本割集和支路的关联性质可以用基本割集矩阵][ij f q Q =来表示。当选
§9. 矩阵的分解 矩阵分解是将一个矩阵分解为比较简单的或具有某种特性的若干矩阵的和或乘积，这是矩阵理论及其应用中常见的方法。由于矩阵的这些特殊的分解形式，一方面反映了原矩阵的某些数值特性，如矩阵的秩、特征值、奇异值等；另一方面矩阵分解方法与过程往往为某些有效的数值计算方法和理论分析提供了重要的依据，因而使其对分解矩阵的讨论和计算带来极大的方便，这在矩阵理论研究及其应用中都有非常重要的理论意义和应用价值。 这里我们主要研究矩阵的三角分解、谱分解、奇异值分解、满秩分解及特殊矩阵的分解等。 一、矩阵的三角分解——是矩阵的一种有效而应用广泛的分解法。 将一个矩阵分解为酉矩阵（或正交矩阵）与一个三角矩阵的乘积或者三角矩阵与三角矩阵的乘积，这对讨论矩阵的特征、性质与应用必将带来极大的方便。首先我们从满秩方阵的三角分解入手，进而讨论任意矩阵的三角分解。 定义1 如果(1,2,,)ii a i n = 均为正实数，()(,1,2,1;∈<=- ij a C R i j i n 1,2,),=++ j i i n 则上三角矩阵 1112 1222000?? ? ? = ? ? ?? n n nn a a a a a R a 称为正线上三角复（实）矩阵，特别当1(1,2,,)ii a i n == 时，R 称为单位上三角复（实）矩阵。
定义2如果(1,2,,)ii a i n = 均为正实数，()(,1,2,1;∈>=- ij a C R i j i n 1,2,),=++ j i i n 则下三角矩阵 11212212000?? ? ? = ? ? ?? n n nn a a a L a a a 称为正线下三角复（实）矩阵，特别当1(1,2,,)ii a i n == 时，L 称为单位下三角复（实）矩阵。 定理1设,?∈n n n A C （下标表示秩）则A 可唯一地分解为 1=A U R 其中1U 是酉矩阵，R 是正线上三角复矩阵；或者A 可唯一地分解为 2=A LU 其中2U 是酉矩阵，L 是正线下三角复矩阵。 推论1设,?∈n n n A R 则A 可唯一地分解为 1=A Q R 其中1Q 是正交矩阵，R 是正线上三角实矩阵；或者A 可唯一地分解为 2=A LQ 其中2Q 是正交矩阵，L 是正线下三角实矩阵。 推论2 设A 是实对称正交矩阵，则存在唯一的正线上三角实矩阵R ，使得 =T A R R 推论3设A 是正定Hermite 矩阵，则存在唯一的正线上三角复矩阵R ，使得 =T A R R
第二章习题及参考解答 注：第27题(2)(3)错(可将“证明”改为证明或否定)，第28题可不布置。第50题（含）以后属于附加内容，没有参考解答。 1.证明子空间判别法:设U是线性空间V的一个非空子集.则U是子空间??对任 意λ∈F,α,β∈U,有α+β∈U与λα∈U. 证明：必要性是显然的，下证充分性。设U关于加法“+”与数乘均封闭。则U中加法“+”的结合律与交换律以及数乘与“+”的分配律、1α=α均自动成立，因为U?V.由 于U关于数乘封闭，而0=0α∈U,?α=?1α∈U,因此U是子空间。 2.证明子空间的下述性质。(1)传递性:即若U是V的子空间,W是U的子空间,则W 也是V的子空间; (2)任意多个(可以无限)子空间的交集仍是子空间,且是含于这些子空间的最大子空间; 特别,两个子空间U与W的交U∩W仍是子空间. 证明：（1）由子空间判别法立即可得。 （2）由子空间判别法可知任意多个(可以无限)子空间的交集仍是子空间,且若某个子空 间含于所有这些子空间，则该子空间必然含于这些子空间的交。 3.(1)设V是线性空间,U与W是V的两个子空间.证明： dim(U+W)=(dim U+dim W)?dim(U∩W). (2)设V是有限维线性空间.证明并解释下面的维数公式: dim V=max{m|0=V0?V1?···?V m?1?V m=V,V i是V i+1的真子空间} 证明：（1）设dim U=s,dim W=t,dim(U∩W)=r.任取U∩W的一组基α1,α2,···,αr.由于U∩W是U与W的公共子空间,故U∩W的基是U与W的线性无关的向量组,因此 可以扩充成U或W的基.设 α1,α2,···,αr,βr+1,βr+2,···,βs(0.0.1) 与 α1,α2,···,αr,γr+1,γr+2,···,γt(0.0.2) 分别是U与W的基.我们证明 α1,α2,···,αr,βr+1,βr+2,···,βs,γr+1,γr+2,···,γt(0.0.3) 是U+W的一组基.为此需要证明该向量组线性无关,且U+W的任何向量均可由这些向量 线性表示. 设 k1α1+k2α2+···+k rαr+b r+1βr+1+···+b sβs+c r+1γr+1+···+c tγt=0.(0.0.4) 12
矩阵理论(论文) 矩阵理论在通信领域的应用 学生： 学号：
矩阵理论在通信领域的应用 【摘要】矩阵是数学的基本概念之一，也是线性代数的核心内容。矩阵广泛运用于各个领域，如数学建模、密码学、化学、通信和计算机科学等，解决了大量的实际问题。本文主要介绍矩阵在通过信领域的应用，如：在保密通信中，应用逆矩阵对通信的信息进行加密；在信息论中，利用矩阵理论计算信源熵、信道容量等；在信息论的信道编码中，利用监督矩阵，生成矩阵，对信道中的信息进行编码，利用错误图样对信道传输的信息进行纠正；此外，矩阵分析在MIMO技术这个模块中也有着很重要的应用，基本可以说矩阵分析是MIMO技术研究的基础。关键词：矩阵;保密通信;信道容量;信道编码;MIMO 1、引言 随着科技快速稳健的发展，通信技术也得到了飞速的发展，人们对通信的要求也不断提高，不仅要求通信的实时性、有效性，还要求通信的保密性。而现实环境中，由于噪声的影响，常常使通信出现异常，这就要求人们对接收到的信号能够更好的实现检错纠错。此外，在频谱资源的匮乏己经成为实现高速可靠传输通信系统的瓶颈。一方面，是可用的频谱有限;另一方面，是所使用 的频谱利用率低下。因此，提高频谱利用率就成为解决实际问题的重要手段。多进多出(MIMO)[1]技术即利用多副发射天线和多副接收天线进行无线传输的 技术，该技术能够很好的解决频谱利用率的问题。然而对以上通信中存在的问题的分析和研究都需要用到矩阵理论的知识，本文把矩阵理论和其在通信领域的应用紧密结合，通过建立一些简单的分析模型，利用矩阵知识将通信领域很多复杂的计算和推导变得简单明了。 2、矩阵在通信领域中的应用 2.1 矩阵在保密通信中的应用[2] 保密通信是当今信息时代的一个非常重要的课题, 而逆矩阵正好在这一领域有其应用。我们可以用逆矩阵[3][4]所传递的明文消息进行加密(即密文消息)，然后再发给接收方,而接收方则可以采用相对应的某种逆运算将密文消息编译成明文。
《线性代数》教学中矩阵理论在图像处理中的应用 线性代数基本概念众多、应用领域广泛，其中线性代数在图片处理过程中的应用较广。当下，图像的处理都基本是靠计算机来完成的。在计算机中，图像是有许多看似连续的像素构成的。 由于像素间的距离非常近以至于眼睛都不能分辨出来。在数学上图像的每个像素就是线性代数中矩阵的每个元素，因此图像是可以用矩阵来表示的。只是图像的种类不同，矩阵的维数会有变化：灰度格式的图像（我们平常成为黑白图片）可用一个元素值介于0～255之间的二维矩阵来表示，元素值得大小对应着像素点的亮度（0对应黑色，255对应白色）；彩色图像（即RGB图像）可用一个三维矩阵表示，我们平常所说的红（R），绿（G），蓝（B）分量分别用一个矩阵表示，3个矩阵组合起来构成的这个三维矩阵。可以说，图像就等于矩阵，所以将线性代数中有关矩阵理论的成果应用于图像处理是非常可行的[1]。 1线性代数教学中遇到的问题 数学类课程对众多学生而言都是枯燥乏味的。那么是什么原因导致了这种情况的发生呢？不可否认教师及学生们都有一定的责任。从教师角度而言，受生活压力及周围环境的影响，不投入大量的时间对所教学内容进行深入的思考与联想。从而无法给出生动而贴近实际的例子，只是单方面传授基本概念、性质、理论及简单教学案例。这将大大缩减课程的吸引力。另一方面从学生角度而言，随着手机时代的来临，很多同学都将过多的时间投入到了诸如聊天、打游戏、参加活动等而大大缩小了认真思考、连续思考的时间，这也必然会导致学生们对课程内容理解程度及深度的迅速下降。其典型表现包括缺乏领军人才、就业后无法短时间内能够为企业带来经济社会效益、就业方向与大学专业不一致、“只听其课而不知其意，只见其形而不知其原”等事件经常出现。 2线性代数常见内容及其图片处理中的应用 2.1图像的变暗或变亮――矩阵的数乘 当用户利用相机或者手机拍下不太理想的照片时会利用很多手段来修复照片，这些修复的手段都暗藏了矩阵的知识。例如，在背光的条件下拍摄照片由于曝光不足可能会得到拍摄主体模糊不清的效果。这时，只要我们按照一定的
研究生“矩阵论”课程课外作业 姓名：学号： 学院：专业： 类别：上课时间： 成绩：
矩阵论在人口迁移问题中的应用 摘要 本文根据矩阵论的理论解决实际中的人口迁移问题，做出简单的分析和概括。文中运用方阵函数 ()f A 的相关基本理论来解决这一实际问题， 使得实际问题得到简化解决，最终得出人口迁移问题的最终结论。 1、待解决问题内容： 假设有两个地区—如北方和南方，之间发生人口迁移，每一年北方50%的人口迁移到南方，同时有25%的南方人口迁移到北方，直观上可由下图表示： 问题：这个移民过程持续下去，北方的人会不会全部搬到南方？如果会请说明理由；如果不会，那北方的人最终人口分布会怎样？ 2、基本术语解释 方阵函数 ()f A ：最简单的方阵函数是矩阵多项式 01()n n B f A a E a A a A ==+++ ，其中,n n i A C a C ?∈∈。一般运用 复变幂级数的和函数定义方阵幂级数和函数—方阵函数。 3、基本理论阐述： 1、Hamilton-Cayley 定理： 设矩阵A 的特征多项式为()f λ，则有()0f A =。 设A 的特征多项式为： ()1101n n n f a a a λλλλ--=++++ Hamilton-Cayley 定理表明： ()11010n n n f A A a A a A a E --=++++= ，即方阵函数可以由 1,,,,n n A A A E - 的线性组合表示。 方阵函数是多项式 ()01f A a E a A =++ ，其中,n n i A C a C ?∈∈。
2、最小多项式的相关理论： 定义1：A 是n 阶方阵，()f λ是方阵A 的特征多项式。如果有()0f A =， 则称 ()f λ是方阵A 的零化多项式。由Hamilton-Cayley 定理知一个矩阵的零化 多项式一定存在。 定义2：在n 阶方阵A 的所有零化多项式中，次数最低的首一多项式，称为A 的最小多项式。 设n n A C ?∈的最小多项式为1212()()()()s t t t s m λλλλλλλ=--- 其中12 s t t t t +++= ，(,,1,2,,)i j i j i j s λλ≠≠= ，而方阵函数()f A 是 收敛的方阵幂级数 k k k a A ∞ =∑的和函数，即 0 ()k k k f A a A ∞ ==∑ 设1011()t t T b b b λλλ--=+++ ，使 () () ()()l l i i f T λλ= 1,2,,0,1,,1i i s l t =?? ? =-?? ，则0()()k k k T A f A a A ∞===∑ 3、运用 ()f z 在A 上的谱值计算方阵函数()f A 的理论： 设n 阶方阵A 的最小多项式为1212()()()()s t t t s m λλλλλλλ=--- ，其中2,,,s λλλ 是A 的互不相同的特征根。如果复函数 ()f z 及其各阶导数 ()()l f z 在(1,2,,)i z i s λ== 处的导数值，即 () () ()l l i i l d f z f z dz λλ==1,2,,0,1,,1i i s l t =?? ?=-?? 均为有限值，便称函数()f z 在方阵A 的谱上给定，并称这些值为()f z 在A 上 的谱值。 4、报告正文 根据所给条件，设南方和北方第一年的人口数量分别为s 和n ，第n 年人口数量分别为n x 和n y 。根据题意可以列出下式：
“矩阵论”课程研究报告科目：矩阵理论及其应用教师：舒永录 姓名：朱月学号：20140702057t 专业：机械工程类别：学术 上课时间：2014 年9月至2014年12 月 考生成绩： 阅卷评语： 阅卷教师(签名)
相关变量的独立变换 摘要：用矩阵的理论及方法来处理实际生活中或现代工程中的各种问题已 越来越普遍。在工程中引进矩阵理论不仅是理论的表达极为简洁，而且对理论的实质刻画也更为深刻，这一点是毋庸置疑的。本文将矩阵论的知识用于解决实用机械可靠性设计问题。 正文 一、问题描述 在建立机械系统可靠性模型时，一般总假设个元素间关于强度相互独立。但是实际中，各元素间关于应力和强度又往往是相关的，并且这种相关性有时会对系统的可靠度产生显著影响。对于一些随机变量之间不是完全相关，但也不是完全独立的情况，就要进行相关变量的独立变换。 二、方法简述 设系统的基本变量为),,(21n x x x X ，??，各变量之间相关，则随机变量x 的 n 维正态概率密度函数为[1] )1()()(21exp ||2()(1 2 12 ? ??--???-=---X X T X X n X C X C X f μμπ） 式中 ?? ? ???????????=2321232212131212 ),cov(),cov(),cov(),cov(),cov(),cov(),cov(),cov(),cov(21n X n n n n X n X X x x x x x x x x x x x x x x x x x x C σσσ 称为随机变量X 的协方差矩阵。矩阵中的任意元素),cov(j i x x 是变量i x 与变 量j x 的协方差，|C X |是协方差矩阵的行列式，1 -X C 是协方差矩阵的逆矩阵，X ，X μ及 )X X μ-（是n 维列向量 ?? ? ?? ?????--=-????? ?????=?? ??? ?????=n n X n X n x x X x x μμμμμμ 1111, , X
矩阵奇异值分解在图像压缩上的应用 摘要 矩阵的奇异值理论提出至今己经有很长的一段时间。奇异值分解理论由Beltrami和Jordan于十九世纪七十年代提出至今，由于其内在的一些良好特性，奇异值分解正成为应用数学和数学模型领域的一个极有价值的工具。奇异值分解在很多领域得到了应用，它在数据挖掘及搜索引擎中被用来对数据库文件进行规类，近年来，它在图像压缩方面的应用也越来越受到相关学者的重视。 关键字：图像压缩；奇异值分解
第一章总论 数字图像处理技术中的数字图像压缩，或者叫图像编码。二维形式呈现的数字图像，其信息量很大，给传输、处理、储存、显示等都带来了不少的问题。另一方面，图像中又有很多冗余信息，根据香农(Shannon)的率失真理论。无论在传输或者储存时，都可对数字图像进行一定方式编码，删除其中冗余信息，实现不失真压缩，或在容许失真限度内进行有失真压缩，以换取更大的压缩率。对于供人观看的图像，如电视信号，这时人是通信系统中的一环，人的视觉特征，如掩盖效应，对灰度分辨率和空间分辨率的有限性等，也可以用来为压缩服务。数字图像以数据矩阵形式储存在存储器中，这就使得通过操作数据矩阵的方式压缩图像成为可能。事实上矩阵的奇异值本身具有可降维的特性，若能合理的利用矩阵奇异值的这一特性，SVD方法在图像压缩领域必将会有广阔的应用前景。 矩阵的奇异值分解(SVD)目前在信号处理、模式分析等领域得到了较为广泛的应用。由于数字图像矩阵通常是由数据量较大的阵列矩阵所构成，这就给基于SVD变换的算法构造添加了很大的难度，所以SVD变换目前在数据压缩领域得到的应用还不是很多，从SVD变换算法的研究着手，研究大矩阵奇异值的分布情况以及他们在图像恢复时所起到的作用，并在此基础上展开对SVD变换算法在数据压缩领域应用的研究，构造能将SVD变换实际应用到数据压缩领域的快速、高效的算法是十分必要的。
矩阵论讲稿 讲稿编者：张凯院 使用教材：《矩阵论》（第2版） 西北工业大学出版社 程云鹏等编 辅助教材：《矩阵论导教导学导考》 《矩阵论典型题解析及自测试题》 西北工业大学出版社 张凯院等编 课时分配：第一章 17学时第四章8学时第二章5学时第五章8学时 第三章8学时第六章8学时
第一章 线性空间与线性变换 §1.1 线性空间 一、集合与映射 1．集合：能够作为整体看待的一堆东西． 列举法：},,,{321L a a a S = 性质法：}{所具有的性质a a S = 相等(：指下面二式同时成立 )21S S =2121,S S S a S a ?∈?∈?即 1212,S S S b S b ?∈?∈?即 交：}{2121S a S a a S S ∈∈=且I 并：}{2121S a S a a S S ∈∈=或U 和：},{22112121S a S a a a a S S ∈∈+==+ 例1 R}0{2221111∈ ==j i a a a a A S R}0 {221211 2∈ ==j i a a a a A S ，21S S ≠ R},00{22112211 21∈ ==a a a a A S S I R},0{211222211211 21∈= ==j i a a a a a a a A S S U R}{2221 1211 21∈ ==+j i a a a a a A S S 2．数域：关于四则运算封闭的数的集合． 例如：实数域R ，复数域C ，有理数域，等等． Q 3．映射：设集合与，若对任意的1S 2S 1S a ∈，按照法则σ，对应唯一的
浅析矩阵论的发展和应用
摘要：矩阵是数学中的一个重要的基本概念。起初的矩阵式作为线性代数中的一个小分支慢慢发展而来的，但随着其在图论、代数、组合数学和统计上的广泛应用，使之逐渐成为数学中一个不可替代的组成部分，并发展为一个独立的分支。矩阵理论体系的形成，也推广了矩阵论在不同领域的发展和应用。本文从矩阵论发展过程的角度出发，浅析了矩阵论在不同领域的应用。关键字：矩阵论，矩阵分解，实际应用 1矩阵论的发展 “Matrix”这一词语由西尔维斯特首先使用的，但是他并没有给出明确的概念。矩阵的现代概念在19 世纪初期逐渐形成。19世纪初期，德国数学家高斯、爱森斯坦等已经使用了矩阵中的有关线性变换和矩阵乘积等的相关知识。矩阵（Matrix）的明确概念是由英国数学家凯莱在1858年在著作《关于矩阵理论的研究报告》中给出的。在这份报告中，凯莱率先将矩阵作为一个独立的数学对象加以研究，他被认为是矩阵论的创立者，并为矩阵理论的发展奠定了良好的基础。随后，弗罗伯纽斯等人逐渐完善了矩阵的理论体现形成了矩阵的现代理论[1]。 然而，矩阵理论思想的萌芽却由来已久。早在公元前1世纪的《九章算术》中[2]，矩阵形式解方程组已经运用的相当成熟，但也仅仅是作为线性方程组系数的排列形式解决实际问题，并未建立起独立的矩阵理论。直到18世纪和19世纪中叶，这种排列形式在线性方程组和行列式计算中的应用日益广泛并为矩阵的发展提供了良好的条件。矩阵理论的早起的概念是独立于矩阵理论本身而存在的，它从不同的领域和思想研究中的逐步发展，并逐步形成了后来的矩阵理论。首先是在17世纪的欧洲，克莱姆和范德蒙等数学家将行列式在线性方程组的求解中做了极大的应用，并最终形成现代矩阵论中的克莱姆法则和范德蒙行列式。到18世纪末，拉格朗日、达朗贝尔等数学家将矩阵（此时矩阵的概念还没有明确提出）的维度空间从单维扩展到了四维或者n维，并提出了n个变量（12,n x x x）的二次型。直到19世纪的初期，伴随着行列式理论的蓬勃发展，与矩阵理论密切相关的线性空间、线性变换理论等也趋于成熟。但是在1844年之前n维空间的概念一直未能从代数中独立出来。在此之前，它一直被认为是符号化的算术。n维空间概念的真正脱离出来成为一个脱离空间直观的纯数学概念是以1844格拉斯曼发表的《张量演算》为节点的。19世纪初到19世纪3、40年代，以柯西、雅可比、凯莱以及哈密顿等人为代表的数学家都为矩阵理论的形成和发展做了很多突出的贡献。