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。
第二章 矩阵奇异值分解理论
2.1奇异值分解及其解释
2.1.1奇异值分解
奇异值分解最早由Beltrami 在1873年针对实正方矩阵提出来的。Beltrami 从双线性函数(),,T n n f x y x Ay A R ?=∈出发，通过引用线性变换，,x U y V ξη==将双线性函数变为(),T f x y S ξη=，其中
T S U AV = （2-1）
Beltrami 观测到，如果约束U 和V 为正交矩阵，则他们的选择各存在2n n -个自由度。他提出利用这些自由度使矩阵S 的除对角线以外的元素全部为零，即矩阵
()12,,...,n S diag σσσ=∑=为对角矩阵。
于是，用U 和T V 分别左乘和右乘式（2-1），并利用U 和V 的正交性，立即得到 T
A U V =∑ （2-2） 这就是Beltrami 于1873年得到的实正方矩阵的奇异值分解。1874年，Jordan 也独立推导了实正方矩阵的奇异值分解。
后来，Autonne 于1902年把奇异值分解推广到复正方矩阵；Eckart 与Young 于1993年又进一步把他推广到一般的长方矩阵。因此，现在通常将任意复长方矩阵的奇异值分解称为Autonne-Eckart-Young 定理，如下
定理1(矩阵的奇异值分解) 令()m n m n A R R ??∈或，则存在正交(或酉)矩阵
()m U n m n R R ??∈或和()n n V n n R R ??∈或使得
()H T
A U V U V =∑∑或 （2-3）
式中
10=00∑??
∑????
（2-4） 且()12r ,,...,S diag σσσ=∑=，其中其对角线元素按照顺序12...0r σσσ≥≥≥>，其
中()(){}22212,,,...,T n r rank A A A σσσσ==。此时称数值12,,...,r σσσ连同
120r r n σσσ++===一起称作矩阵A 的奇异值。 2.1.2关于奇异值分解的几点解释和标记
(1)n n ?矩阵V 为酉矩阵，用V 右乘式(2一3)，得到AV U =∑，其列向量 形式为
i 1,2,...,r 01,2,...,n i i
i u Av r n R σ=?=?=++?
（2-5）
因此V 的列向量i v 称为矩阵A 的右奇异向量(right singular vector )，V 称为A 的右奇异向量矩阵(right singular vector matrix )。
(2)m m ?矩阵U 为酉矩阵，用T U 左乘式(2-3)，得H U A V =∑，其列向量形式为
i 1,2,...,r 1,2,...,n 0
T H
i i i v u A r n R σ=?=?=++? （2-6）
因此U 的列向量i u 成为矩阵A 的左奇异向量(left singular vector )，并称U 为A 的左奇异向量矩阵(left singular vector matrix )。
(3)矩阵A 的奇异值分解式(2-3)可以改写成向量表达形式:
1r
H
i i i i A u v σ==∑ （2-7）
这种表达式有时称为A 的并向量(奇异值)分解(dyadic decomposition )。 (4)由式(2-3)易得
2H H AU U U =∑ （2-8） 这表明，m n ?矩阵A 的奇异值i σ是矩阵乘积H AA 的特征值(这些特征值是非负的)的正平方根。
(5)当矩阵A 的秩()}
{m i n ,r r a n k A m n =<时，由于}{12...,h min ,r r h m n σσσ++====，故奇异值分解公式(2-3)可以简化为
H r r r A U V =∑ （2-9）
[][]121212,,...,,V ,v ,...,,(,,...,)r r r r r r U u u u v u diag σσσ==∑=，式(2-9)称为矩阵A 的
截尾奇异值分解（truncated SVD ）或薄奇异值分解(thin SVD )。与之形成鲜明对照，
式(2-3)称为全奇异值分解(fun SVD )。 2.2矩阵奇异值的性质及应用 2.2.1奇异值服从的不等式关系
(1)矩阵式m n A ?和其复共厄转置矩阵H A 具有相同的奇异值。 (2)矩阵m n A ?的非零奇异值是H AA 或H A A 的非零特征值的正平方根。 (3)0σ>是矩阵m n A ?的单奇异值，当且仅当2σ是H AA 或H A A 的单特征值。 (4)若}{p min ,m n =，且12,,...,r σσσ是矩阵m n A ?的奇异值，则
()21p
H
i i tr A A σ==∑
(5)矩阵行列式的绝对值等于矩阵奇异值之乘积，即()12|det |,,...,n A σσσ=。 (6)矩阵A 的谱范数等于A 的最大奇异值，即max |A |spec σ=。 (7)若m n ≥，则对于矩阵m n A ?有
()()}
{
1/21/2min min :0min :1,H H H H H
n H
x A Ax A x x A Ax x x x C x x σ??????=≠==∈?? ??
????? (8) 若m n ≥，则对于矩阵m n A ?有
()()}
{
1/21/2max min :0max :1,H H H H H
n H
x A Ax A x x A Ax x x x C x x σ??????=≠==∈?? ??
????? (9)若m m ?矩阵A 非奇异，则
()()1/211min 1max :0,H H n H
x A A x x x C A x x σ--?????? ?=≠∈?? ???????
(10)若1
000H
A U V ∑??=????
是m n ?矩阵A 的奇异值分解，则A 的Moore-Penrose 逆矩阵
11000H A V U -+
??∑=????
（11）若12,,...,p σσσ是m n ?矩阵A 的非零奇异值(其中，}{p min ,m n =)，则矩
阵
00H A A ??
???
?
具有2p 个12,,...,p σσσ，12,,...,p σσσ---和|m n |-个零奇异值。 2.2.2奇异值服从的不等式关系
(1)若A 和B 是m n ?矩阵，则对于}{()
1,,11p min ,i j p i p m n ≤≤+≤+=，有
()()()1i i j j A B A B σσσ+-+≤+，特别的，当j=1时，()()()i 1,1,2,...,p i A B A B i σσσ+≤+= 成立。
(2)对矩阵m n A ?，m n B ?，有()()()max max max A B A B σσσ+≤+
(3)若A 和B 是m n ?矩阵，则()()}{2
2
1||B ||,p min ,p
j j F j A B A m n σσ=??+-≤=??∑
(4)若[]12,,...,m m m A a a a ?=的奇异值()()()12...m A A A σσσ≥≥≥，则
()()2
2
1
1
1
,1,2,...,m k
k k
H
m k j
j j j j j j A a a A k σ
σ=+===????≤≤=????∑∑∑
(5)若}{p min ,m n =，且m n A ?和m n B ?的奇异值排列为()()()12...p A A A σσσ≥≥≥和
()()()12...p A B A B A B σσσ+≥+≥≥+，则
()()()1H i j i j AB A B σσσ+-≤ 1,,1i j p i j p ≤≤+≤+
(6)设()1m n ?-矩阵B 是删去m n ?矩阵A 任意一列得到的矩阵，并且它们的 奇异值都按照非降顺序排列，则
()()()()()()1122...0h h A B A B A B σσσσσσ≥≥≥≥≥≥≥式中，}{min ,1h m n =-。 (7)矩阵m n A ?的最大奇异值满足不等式
()1/2
max
1H tr A A n σ??
≥????
2.2.3矩阵奇异值的特征及应用
综合前面提到的奇异值所满足的一些等式、不等式关系，可以总结出矩阵 奇异值的一些基本特征。
1.矩阵奇异值的第一个特征是可以降维。若A 表示n 个m 维向量，可以通过 奇异值分解可表示成m n +个r 维向量，若A 的秩r 远远小于m 和n ，则通
过奇异值分解可以大大降低A 的维数。可以计算出，当1
mn r m n <++时，可以达到
降维的目的，同时可以降低计算机对存贮器的要求。
2.奇异值分解的第二个特征是奇异值对矩阵的扰动不敏感，在数学上可以证明，奇异值的变化不会超过相应矩阵的变化。即对任何相同阶数的实矩阵A 、B 的按
从大到小排列的奇异值i σ和i w ，有2|w |||A ||i B σ-≤-∑。
3.矩阵奇异值的第三个特征是比例不变性，即A α的奇异值是A 的奇异值的α倍。
4.奇异值的第四个特征是旋转不变性。即若P 是正交阵PA 的奇异值与A 的奇异值相同。奇异值的比例跟旋转不变性特征在数字图像的旋转、镜像、平移、放大、缩小等几何变化方面有很好的应用。
5.奇异值的第五个特征是容易得到矩阵A 的秩为(k )k r ≤的一个最佳逼近矩阵。奇异值的这个特征可以用于信号的分解和重构，提取有用信息，消除信号噪声。
6.奇异值分解的第六个特征:若A 、B 都有相同的奇异向量，则
2|A |||w |i j
B σ-=-∑ (2-10)
也就是说，可以通过控制奇异值的大小来控制两个矩阵空间的距离。
理论的发展很自然的要带动应用的提高。由于奇异值具备的良好的数学特 征，目前奇异值不仅应用在主成分分析、图像压缩、数字水印和文章分类等技 术中，实际上它的应用己经渗透到了科学世界的许多其它领域。它在信号分解、 信号重构、数据融合、目标识别、故障检测和神经网络中都有着很好的应用， 随着科学工作者的不断探索，可以预见在不久的将来奇异值分解的应用范围必 将不断的得到推广。
第3章 SVD 数字图像压缩方法
假设一幅图像有n n ?个像素，如果将这个数据一起传送，数据量往往会很大。因此，我们希望能够改为传送一些比较少的数据，并且接收端可以利用这些传送的数据重构原图像。
不妨假设用n n ?矩阵A 表示要传送的原n n ?个像素。假定对矩阵A 进行奇异值分解，便得到T A U V =∑，其中，奇异值按照从大到小的顺序排列。如果从中选择k 个大奇异值以及与这些奇异值相对应的左右奇异向量逼近原图像，便可以使用(2n 1)k +个数值代替原来的n n ?个图像数据。这(2n 1)k +个被选择的新数据是矩阵A 的前k 个奇异值、n n ?左奇异向量矩阵U 的前k 列和n n ?右奇异向量矩阵V 的前k 列的元素。 比率
2
(2n 1)
n k ρ=+ (3-1)
称为图像的压缩比。显然，被选择的大奇异值的个数k 应该满足条件
2
(2n 1)k n +<，即2(2n 1)
n k <+，也就是说k 只要在图3-1描述的曲线下方取值就
能达到压缩目的。
图3.1 有效压缩曲线图
此时，在传送图像的过程中，就无需传送nxn 个原始数据，而只需要传送k(2n+l)个有关奇异值和奇异向量的数据即可。另外，在接收端接收到奇异值 12,,...,k σσσ以及左奇异向量12,,...,k u u u 和右奇异向量后，即可通过截尾的奇异值分解公式
^
1k
T
i i i i A u v σ==∑ （3-2）
重构出原图像。
这里有一个容易理解的事实是：若k 值偏小，则压缩比偏大，重构的图像质量较差。反之，过大的k 值又会导致压缩比过小，降低图像压缩的效率。根据对
大量的图像SVD压缩处理后的结果做分析，我们发现一般当所选的奇异值之和占到原数据矩阵奇异值总和的85%，重构后的图像质量就基本上能达到较好的效果，且压缩效率较高。
根据上面的原理，假定已经提取了一幅图像的数据矩阵，记这个矩阵为A。根据前面章节介绍的方法，我们的目标首先应该是提取数据矩阵A的奇异值，因为事先假设这个矩阵A是个超大型矩阵，这需要用到第三章提出了随机抽样算法对矩阵A进行奇异值估计，在对其奇异值做出正确估计的情况下，选择合适的大奇异值数量对数字图像进行压缩处理，最后重构数字图像矩阵，还原图像。图3-2给出了压缩流程，图3-3给出重构流程。
图3.2 SVD图像压缩流程
3.3 图像重构流程
第4章 基于奇异值分解的指纹图像压缩
指纹图像的识别首先要求获得较高质量的图像，实际上由于各种原因得到的图像往往质量较差，比如：对比度较低、有噪声的污染、物体和摄像头之间的相对运动造成模糊等。这个领域的研究涉及到图像处理中的图像增强和图像还原两个方面的内容。另外一个问题是需要将采集的图像作为历史数据保存下来以便综合分析和建立指纹库。由于数字图像的数量很大，这使得存储图像需要占用很大的空间，因此有必要进行指纹图像的压缩，奇异值分解能够实现上述功能。
图像数据往往存在各种冗余度，如空间冗余度、信息熵冗余度、视觉冗余度和结构冗余度等。所谓的压缩就是去掉各种冗余度，减少图像数据间的相关性，从而达到压缩图像数据的目的。令[]12,,...,m U u u u =，[]12V ,v ,...,m v u = ，由定理矩阵A 可以表示为：
[]121
20,,...,,v , (00)
H
H H H m m A U V u u u v u ?????=∑=??????
111222...H H H m m m u v u v u v δδδ=+++ （4-1）
上式给出的形式被称作矩阵A 的奇异值展开式，对于一个数k r ≤，略去A 的一些小的奇异值对应的项，取矩阵k A
111222...H H H k k k k A u v u v u v δδδ=+++
用矩阵k A 近似代替A 就实现了对图像的压缩。 5 实验结果分析 5.1 指纹图像增强
（a ） （b ） （c ） （d ）
图6 基于奇异值分解的指纹图像压缩，其中(a)是原始图像,(b)，(c)和(d)分别为压缩后的结果
5.4 压缩图像质量评价
在图像通信工程中，各种图像处理技术优劣的评价都归结到图像质量评价。简单而有效的方法是计算均方误差e 。其定义为：
[]
[]
11
2
00
11
2
00
(i,j)g(i,j)(i,j)M N i j M N i j f e f --==--==-=
∑∑∑∑
定义压缩比100%u
a r
=?，式中r 是原始图像对应的奇异值个数，u 是人为指定k
值后余下的奇异值的个数。由于k的取值不同，压缩比a和均方误差e必然会随之变化，对于本实验中的图片将三者的典型数据列入表1。
表1 k值、压缩比α和均方误差e 典型值
本文方法与经典压缩算法比较压缩比相同的情况下，计算jpg 压缩和本文方法的均方误差。
表 2 jpg 压缩方法和本文方法的对比
通过仿真实验和数据分析可以看到，奇异值分解在指纹图像的增强，还原和压缩中是有效的。通过增强取得了增强细节的效果，通过还原消除了运动模糊，奇异值分解因其压缩比高、压缩速度快、压缩后图像特征基本不变从而能有效地应用于指纹图像的识别系统中。
参考文献
[1]廖文彬.基于矩阵奇异值分解的图像压缩方法研究[D].成都：成都理工大学
应用数学系，2007.
[2]许芹，袁小平，许金林.奇异值分解在指纹识别系统预处理中的应用[J].
中国科技论文在线.
[3]高仕龙.矩阵奇异值分解的图像性质及其应用[J].乐山师范学院学
报,2008.
[4]聂守平.数字图像的奇异值分解[J].南京师大学报.
[5]王蕴红,谭铁牛,朱勇.基于奇异值分解和数据融合的脸像鉴别[J].计算机
学报,2000.
[6]周波,陈健.基于奇异值分解的、抗几何失真的数字水印算法[J].中国图形
学学报，2004.
[7]梁霖．徐光华,侯成刚．基于奇异值分解的连续小波消噪方法[J]．西南交
通大学学报,2004.
[8]骞森.基于矩阵奇异值分解的图像质量评价[J]东南大学学报,2006.
[9]王文胜.图像特征抽取的奇异值分解方法[J].计算机工程.
[10]陈晓鸥.数字图像处理[J].北京大学计算机研究所.
[11]〕冯玉珉.邵玉明.张星.数据图像压缩编码[M].中国铁道出版社.
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
2012矩阵论复习题 1. 设+=R V 是正实数集,对于任意的V y x ∈,,定义x 与y 的和为 y x y x ?=⊕ 对于任意的数R k ∈,定义k 与x 的数乘为 k x x k =? 问:对于上述定义加法和数乘运算的集合V ,是否构成线性空间,并说明理由. 2.对任意的2,R y x ∈,),(21x x x =,),(21y y y =定义x 与y 的和为 ),(112211y x y x y x y x +++=⊕ 对于任意的数R k ∈,定义k 与x 的数乘为 )2 )1(,(2121x k k kx kx x k -+=? 问:对于上述定义加法和数乘运算的集合2R ,是否构成线性空间,并说明理由. 3．设},022|),,{(321321R x x x x x x x S i ∈=++=，试证明S 是3R 的子空间，并求S 的一组基和S dim . 4.设)(R P n 表示次数不超过n 的全体多项式构成的线性空间, )}()(,0)0(|)({R P x f f x f S n ∈='= 证明S 是)(R P n 的子空间,并写出S 的一组基和计算S dim . 5. 设T 是2R 上的线性变换,对于基向量i 和j 有 j i i T +=)( j i j T -=2)( 1)确定T 在基},{j i 下的矩阵; 2)若j i e -=1 j i e +=32,确定T 在基},{21e e 下的矩阵. 6. 设T 是3R 上的线性变换,对于基},,{k j i 有 k j k j i T -=++)( i k j T =+)( k j i k T 532)(++=
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．
第二部分 矩阵及其运算作业 （一）选择题(15分) １．设，均为n 阶矩阵，且，则必有（ ）A B 22 ()()A B A B A B +-=-(A) (B) (C) (D) A B =A E =AB BA =B E =２．设，均为n 阶矩阵，且，则和（ ） A B AB O =A B (A)至多一个等于零 (B)都不等于零 (C) 只有一个等于零 (D) 都等于零 ３．设，均为n 阶对称矩阵，仍为对称矩阵的充分必要条件是（ ） A B AB (A) 可逆 (B)可逆 (C) (D) A B 0AB ≠AB BA =４．设为n 阶矩阵，是的伴随矩阵，则＝（ ） A A *A A *(A) (B) (C) (D) 1n A -2n A -n A A ５．设，均为n 阶可逆矩阵，则下列公式成立的是（ ） A B (A) (B) ()T T T AB A B =()T T T A B A B +=+(C) (D) 111()AB A B ---=111 ()A B A B ---+=+（二）填空题(15分) １．设，均为3阶矩阵，且，则= 。 A B 1 ,32A B ==2T B A 2．设矩阵，，则＝ 。 1123A -?? = ???232B A A E =-+1B -３．设为４阶矩阵，是的伴随矩阵，若，则＝ 。 A A *A 2A =-A *４．设，均为n 阶矩阵，，则＝ 。 A B 2,3A B ==-12A B *-５．设，为整数，则＝ 。 101020101A ? ? ?= ? ??? 2n ≥12n n A A --（三）计算题(５０分) 1． 设,,且，求矩阵。 010111101A ?? ?=- ? ?--??112053B -? ? ? = ? ??? X AX B =+X
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：
习题 一 1．（1）因 cos sin sin cos nx nx nx nx ?? ? ? -?? cos sin sin cos x x x x ????-??= cos(1) sin(1)sin(1) cos(1)n x n x n x n x ++?? ??-++?? ，故由归纳法知 cos sin sin cos n nx nx A nx nx ?? =??-?? 。 （2）直接计算得4 A E =-，故设4(0,1,2,3)n k r r =+=，则4(1)n k r k r A A A A ==-，即只需算出23,A A 即可。 （3）记J=0 1 0 1 1 0 ?????? ?????????? ，则 ， 112211111 () n n n n n n n n n n n n n n i i n i n n i n n n a C a C a C a C a C a A aE J C a J a C a a -----=-????????=+==?? ???????? n ∑。 2．设11 22 (1,0),0 a A P P a A E λλ-??===?? ?? 则由得 2 1112111 1 1 210 0 0 a λλλλλλλ?? ????==?????????????? 1时,不可能。 而由2 112222 0 0 000 0 0 a λλλλλλ?? ????==?????????????? 1时,知1i λ=±所以所求矩阵为1i PB P -， 其中P 为任意满秩矩阵，而 1231 0 1 0 1 0,,0 10 1 0 1B B B -??????===?????? --?????? 。 注：2 A E =-无实解，n A E =的讨论雷同。 3．设A 为已给矩阵，由条件对任意n 阶方阵X 有AX=XA ，即把X 看作2 n 个未知数时线 性方程AX -XA=0有2 n 个线性无关的解，由线性方程组的理论知其系数矩阵为零矩阵，
矩阵论复习题 1. 设+=R V 是正实数集,对于任意的V y x ∈,,定义x 与y 的和为 y x y x ?=⊕ 对于任意的数R k ∈,定义k 与x 的数乘为 k x x k =? 问:对于上述定义加法和数乘运算的集合V ,是否构成线性空间,并说明理由. 2.对任意的2,R y x ∈,),(21x x x =,),(21y y y =定义x 与y 的和为 ),(112211y x y x y x y x +++=⊕ 对于任意的数R k ∈,定义k 与x 的数乘为 )2 )1(,(2121x k k kx kx x k -+=? 问:对于上述定义加法和数乘运算的集合2R ,是否构成线性空间,并说明理由. 3．设},022|),,{(321321R x x x x x x x S i ∈=++=，试证明S 是3R 的子空间，并求S 的一组基和S dim . 4.设)(R P n 表示次数不超过n 的全体多项式构成的线性空间, )}()(,0)0(|)({R P x f f x f S n ∈='= 证明S 是)(R P n 的子空间,并写出S 的一组基和计算S dim . 5. 设33:R R T →是线性变换， ()()321323213212,,2,,x x x x x x x x x x x T -++-+= 求T 的零空间)(T N 和像空间)(T R 的基和维数. 6. 设T 是3R 上的线性变换,对于基},,{k j i 有 k j k j i T -=++)( i k j T =+)( k j i k T 532)(++= 1)确定T 在基},,{k j i 下的矩阵; 2)求T 的像空间的基与维数.
《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
研究生“矩阵论”课程课外作业 姓名：学号： 学院：专业： 类别：组数： 成绩：
人口迁移问题和航班问题 (重庆大学 机械工程学院，机械传动国家重点实验室) 摘要：随着人类文明的进程，一些关于数学类的问题越来越贴近我们的生活，越发觉得数学与我们息息相关。本文将利用矩阵理论的知识对人口迁移问题和航班问题进行分析。 人口迁移问题 假设有两个地区——如南方和北方，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：如果这个移民过程持续下去，北方的人会不会全部都到南方？如果会请说明理由；如果不会，那么北方的最终人口分布会怎样？ 解 设n 年后北方和南方的人口分别为n x 和n y ， 我们假设最初北方有0x 人，南方有0y 人。则我们可得，1=n 时，一年后北方和南方的人口为 ???+=+=001 00175.05.025.05.0y x y y x x (1-1) 将上述方程组(1-1)写成矩阵的形式 ??? ? ??= ??? ? ??0011y x A y x 其中 ?? ? ???=75.05.025.05.0A
2=n 时，两年后北方和南方的人口为 ???? ??=???? ??=???? ??0021122y x A y x A y x 依次类推下去，n 年后北方和南方的人口为 ???? ??=???? ??00y x A y x n n n (1-2) 现在只需求出n A 就可得出若干年后北方和南方的人口数。 下面将使用待定系数法[1]求n A )1)(25.0(25 .025.125 .05.0)75.0)(5.0(75 .05.025 .05 .02--=+-=?---=----= -λλλλλλλλλA E 所以 1,25.021==λλ 矩阵A 的最小多项式为 )1)(25.0()(--=λλλm 设A a E a A n 10+= 由此可得方程组 ???=+=+125.025.01010a a a a n 解方程组得 ??? ????-= +-=75.025.0175.025.025.010n n a a 所以 ?? ????+?--?+=-++-=+=++11 1025.05.025.05.05.025.025.025.05.025.075.0175 .025.0175.025.025.0n n n n n n n A E A a E a A 所以由式(1-2),我们得到n 年后北方和南方的人口
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
第三章 习题解答 1．求矩阵 1141?? =???? A 的谱分解. 解：(1) 求特征值 ()()12310E A λλλ-=-+=，所以特征值为123,1λλ==-. (2) 求特征向量：13λ=对应的特征向量为()11,2;T p = 21λ=-对应的特征向量为()21,2T p =-. （3）谱分解：令1211(,)22P p p ??==?? -??，则1 121124.1 124T T P ωω-?? ????==????????-???? 令1111 124,112T A p ω????==? ?????? ?2221 124,112T A p ω??-??==???? -???? 故谱分解式为123A A A =- 2 求单纯矩阵 296182051240825A -?? ?=- ? ?-?? 的谱分解式. 3.设()1,2,i i n λ= 是正规矩阵n A ∈C 的特征值，证明：()2 1,2,i i n λ= 是H A A 与H AA 的特征值. 证：根据题设矩阵A ，则A 酉相似与对角矩阵，即 ()12diag ,,,H n A U U λλλ= 其中U 为酉矩阵，则 ()() ()() 121 2 diag ,,diag ,,H H H H n n A A U U U U λλλλλλ= ( )222 12diag ,,,H n U U λλλ= 即H A A 的特征值为()2 1,2,i i n λ= ，同理可证()2 1,2,i i n λ= 也是H AA 的特征值。
4 设A 是n n ?阶的实对称矩阵，并且20,A =你能用几种方法证明0.A = 证：（1）设λ是矩阵A 的一个特征值，x 是对应于λ的一个非零特征向量，即 ,Ax x λ=220,A x x λ==所以20,λ=即0,λ=所以矩阵A 的特征值全为零，又A 酉相似与 对角矩阵()12diag ,,,n λλλ 所以0.A = （2）设0,A ≠则20,H A A A =≠与题设矛盾，所以结论成立。 5 试证：对于每一个实对称矩阵A ，都存在一个n 阶方阵S ，使3 A S =。 证：矩阵A 是一个对称矩阵，则A 酉相似于一个对角矩阵，即 ()H 12diag ,,,,n λλλ= A U U 令12111 333diag ,,n λλλ??= ??? D ，则()3 12diag ,,.n λλλ= D 又由()()()3H H H H .==A UD U UDU UDU UDU 令H ,=S UDU 则3=A S 。 7 证明：一个正规矩阵若是三角矩阵，则它一定是对角矩阵. 证明参考课本101页引理3必要性的证明. 8 证明：正规矩阵是幂零阵() 2 0=A 的充要条件是0.=A 证：充分性：0.=A 则结论显然。 必要性：若() 2 0=A ，由题设矩阵A 是正规矩阵，则A 酉相似于一个对角矩阵，即 ()12diag ,,,H n λλλ= A U U () 222221diag ,,0,n H λλλ== A U U 即 () 22221diag ,,0n λλλ= 所以，可得 120,n λλλ==== 即0.=A 结论成立。 9 求矩阵324262423--????=--????--?? A 的谱分解式，并给出n A 的表达式。 解：矩阵A 的特征值：()()()2 det 27,λλλ-=+-E A 所以矩阵A 的特征值为 12,32,7λλ=-=。
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。
n k r n n 1 2 习题 一 1．（ 1）因 cosnx sin nx sin nx cosnx cosx sin x sin x = cosx cos(n sin(n 1)x 1)x sin( n cos(n 1)x 1)x ，故由归纳法知 cosnx sin nx A 。 sin nx cosnx （ 2）直接计算得 A 4 E ，故设 n 4 k r (r 0,1,2,3) ，则 A n A 4 k A r ( 1) A ， 即 只需算出 A 2, A 3 即可。 0 1 0 1 （ 3 ）记 J= ，则 ， 1 0 n 1 n 1 2 n 2 n a C n a C n a C n a n C 1 a n 1 C n 1a A n (aE J ) n n C i a i J n i i 0 n n a n 。 C 1a n 1 a n 2. 设 A P 1 a 2 P 1(a 1,0),则由A 2 E 得 a 1时, 1 1 1 1 0 1 2 1 2 1 0 2 不可能。 1 而由 a 1 0时, 2 1 知 1 所以所求矩阵为 PB P 1 ， 其中 P 为任意满秩矩阵，而 i i 2 2 2 1 0 1 0 1 0 B 1 , B 2 , B 3 。 0 1 0 1 1 注： A 2 E 无实解， A n E 的讨论雷同。 3. 设 A 为已给矩阵，由条件对任意 n 阶方阵 X 有 AX=XA ，即把 X 看作 n 2 个未知数时线 性方程 AX XA=0 有 n 2 个线性无关的解， 由线性方程组的理论知其系数矩阵为零矩阵， 1
矩阵理论在钻柱力学分析方面的应用 摘要：钻柱力学是井眼轨道设计和控制、钻柱设计及钻井参数优选的基础。本文主要从钻柱力学与井眼轨迹控制出发，以弹塑性力学为基础，对多稳定器旋转钻下部钻具、带弯外壳下部钻具以及导向钻具力学性能进行了力学分析，并结合矩阵理论的方法将问题简化，最后对方程求解，并对计算结果进行了分析。 引言：钻柱力学是指应用数学、力学等基础理论和方法，结合实验以及井场资料等数据综合研究受井眼约束的钻柱的力学行为的工程科学。开展钻柱力学研究，对钻柱进行系统、全面、准确的力学分析，在井眼轨道设计与控制、钻柱强度校核、钻柱结构和钻井参数优化等方面都具有重要意义。 1下部钻具力学分析方法 钻柱力学研究从最初的解决防斜打直问题，发展到解决定向井轨迹控制问题，从一维、二维发展到三维，从静态发展到动态。最终形成了集中比较典型的研究方法，即：微分方程法、能量法、有限差分法、纵横弯曲连续梁法和有限元法。 1.1微分方程法 经典微分方程法是钻柱力学中应用最早的研究方法。该方法要求在满足经典材料力学的基本假设的前提下，建立钻柱线弹性的经典微分方程并求解。这种方法在考虑因素较多时，建立的微分方程很复杂，用经典微分方程法求解比较困难。 1.2能量法 能量法是一种求解简单的弹性力学问题的方法。它要求势能函数不仅要满足弹性力学的控制方程，而且要满足边界条件，通过解的形式的假设及有关参数的确定，可得到问题的解答。由于满足以上2个条件是一件非常困难的事情。因此，这一方法的应用受到了限制。
1.3有限差分法 有限差分法是一种近似方法。是通过对钻柱进行力学分析得到钻柱微分方程式，再通过适当的差分转换将位移控制方程转化为差分的形式求解。由于差分方程的系数是可变的，因此可以很容易考虑非线性的影响;同时，由于差分区间可以减小，可以比较容易考虑井眼的约束。但是要得到精确的解，答，差分区间必须取得很小，这样就使矩阵的维数增加，降低了计算速度。对于钻柱力学来说，有限差分法是一种有效的近似计算方法。 1.4纵横弯曲连续梁法 纵横弯曲连续梁法是一种精确解法，这种方法是将钻柱视为相互联系的纵横弯曲的连续梁，应用材料力学中的三弯矩方程建立一组非线性代数方程，该方程物理概念清楚，计算简单，且速度较快。由于这种方法是将三维空间问题分解成2个独立的二维问题求解，力学模型简化得太多，忽略了扭矩及可能的力和变形的耦合问题。这种方法在国内得到了推广和应用。 1.5有限元法 有限元法是一种近似数值计算方法，这种方法是通过将钻柱分解为有限的离散梁单元，再通过适当的合成方法将这些单元组合成一个整体，用以代表原来的钻柱状态，并最终得到一组以节点位移为未知量的代数方程组。有限元法的物理概念清楚、简单，实用性强。不限制钻柱的材料和几何形状，且对单元尺寸也无严格的要求;又可以较容易地考虑非线性的影响。目前发展的接触有限元法，考虑了钻柱、稳定器与井壁之间的初始接触摩擦力，力学模型比较准确，考虑因素较多，解题的速度虽然是这几种方法中最慢的，但也可满足需要。