多元统计分析第一章_矩阵补充
- 格式:docx
- 大小:141.92 KB
- 文档页数:8
多元统计分析实验报告计算协方差矩阵相关矩阵SAS实验目的:通过对多元统计分析中的协方差矩阵和相关矩阵的计算,探究变量之间的相关性,并使用SAS进行实际操作。
实验步骤:1.数据准备:选择一个数据集,例如学生的成绩数据,包括数学成绩、语文成绩和英语成绩。
2.数据整理:将数据转化为矩阵形式,每一行代表一个学生,每一列代表一个变量(即成绩),记为X。
3. 计算协方差矩阵:根据公式计算协方差矩阵C,其中元素Cij表示变量Xi和Xj之间的协方差。
计算公式为Cij = cov(Xi, Xj) = E((Xi - u_i)(Xj - u_j)),其中E为期望值,u_i和u_j分别是变量Xi和Xj的均值。
4. 计算相关矩阵:根据协方差矩阵计算相关矩阵R,其中元素Rij表示变量Xi和Xj之间的相关性。
计算公式为Rij = cov(Xi, Xj) / (sigma_i * sigma_j),其中sigma_i和sigma_j分别是变量Xi和Xj的标准差。
5.使用SAS进行实际操作:使用SAS软件导入数据集,并使用PROCCORR和PROCPRINT命令进行协方差矩阵和相关矩阵的计算和输出。
实验结果:通过计算协方差矩阵和相关矩阵,可以得到变量之间的相关性信息。
协方差矩阵的对角线上的元素表示每个变量的方差,非对角线上的元素表示不同变量之间的协方差。
相关矩阵的对角线上的元素都是1,表示每个变量与自身的相关性为1,非对角线上的元素表示不同变量之间的相关性。
使用SAS进行实际操作后,我们可以得到一个包含协方差矩阵和相关矩阵的输出表格。
该表格可以帮助我们更直观地理解变量之间的相关性情况,从而为后续的统计分析提供参考。
实验总结:通过本次多元统计分析实验,我们了解了协方差矩阵和相关矩阵的计算方法,并使用SAS软件进行实际操作。
这些矩阵可以帮助我们评估变量之间的相关性,为后续的统计分析提供重要的基础信息。
在实际应用中,我们可以根据协方差矩阵和相关矩阵的结果,选择合适的统计方法和模型,并做出恰当的推断和决策。
《多元统计分析》目录前言第一章基本知识﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍5 §1·1总体,个体与样本﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍5 §1·2样本数字特征与统计量﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍6 §1·3一些统计量的分布﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍9 第二章统计推断﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍15 §2·1参数估计﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍15 §2·2假设检验﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍19 第三章方差分析﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍32 §3·1一个因素的方差分析﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍32 §3·2二个因素的方差分析﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍37 §3·3用方差分析进行地层对比﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍44 第四章回归分析﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍49 §4·1概述﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍49 §4·2回归方程的确定﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍49 §4·3相关系数及其显着性检验﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍52 §4·4回归直线的精度﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍55 §4·5多元回归分析﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍56 §4·6应用实例﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍60 第五章逐步回归分析﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍65 §5·1概述﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍65 §5·2“引入”和“剔除”变量的标准﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍66 §5·3矩阵变换法﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍67 §5·4回归系数,复相关系数和剩余标准差的计算﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍69 §5·5逐步回归计算方法﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍70§5·6实例﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍74 第六章趋势面分析﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍80 §6·1概述﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍80 §6·2图解汉趋势面分析﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍81 §6·3计算法趋势面分析﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍83 第七章判别分析﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍90 §7·1概述﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍90 §7·2判别变量的选择﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍91 §7·3判别函数﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍92 §7·4判别方法﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍96 §7·5多类判别分析﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍104 第八章逐步判别分析﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍110 §8·1概述﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍110 §8·2变量的判别能力与“引入”变量的统计量﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍110 §8·3矩阵变换与“剔除”变量的统计量﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍113 §8·4计算步聚与实例﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍115 第九章聚类分析﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍ 125 §9·1概述﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍125 §9·2数据的规格化(标准化)﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍125 §9·3相似性统计量﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍126 §9·4聚类分析方法﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍131 §9·5实例﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍134 §9·6最优分割法﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍134 第十章因子分析﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍142 §10·1概述﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍142 §10·2因子的几何意义﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍143 §10·3因子模型﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍145§10·4初始因子载荷矩阵的求法﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍147 §10·5方差极大旋围﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍152 §10·6计算步聚﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍156 §10·7实例﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍157 附录﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍162 附录1标准正态分布函数量﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍162 附录2正态分布临界值u a表﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍164 附录3t分布临界值t a表﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍165 附录4(a)F分布临界值Fa表(a=0·1)﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍附录4(b)F分布临界值Fa表 (a=0·05) ﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍附表4(c)F分布临界值Fa表(a=0·01)﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍附表5 x2分布临界值xa2表﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍第一章基本知识§1·1总体、个体与样本总体(母体)、个体一(样本点)和样本(子样)是统计分析中常用的名词。
《多元统计分析》教案主讲教师:毕守东 教授第一章 矩阵、概率统计有关知识§1 矩阵运算及其性质矩阵 ⎪⎪⎪⎭⎫ ⎝⎛=mn m n a a a a A 1111,记作()nm ija A ⨯=或⎪⎪⎪⎭⎫ ⎝⎛=⋯=m n A A ββαα 11),,,( 一、矩阵的加法、数乘及乘法运算 1.加法 )(ij ij b a B A +=+2.数乘)(ij a A λλ=运算性质:(1)A+B=B+A(2)(A+B)+C=A+(B+C)(3)λ(A+B)= λA+λB (4)A A A μλμλ+=+)( (5)A A )()(λμμλ= 特例 A +(-1)A =03.乘法设)(),(ij l n ij n m b B a A ==⨯⨯ 则)()(1∑=⨯===nk kjik ij lm b ac C AB , 即 ∑==nk kj ik ij b a c 1运算性质:(1)(AB)C=A(BC)(2)A(B+C)=AB+AC , (A+B)C=AC+BC (3)BA AB ≠(一般)二、转置矩阵1.概念 m n ijn m ij a A a A ⨯⨯'='=)(,)(,其中 a ij ‘=a ji 2.性质 (1)A A ='')((2)A k kA '=')( (3)B A B A '+'='+)( (4)A B AB ''=')(三、矩阵的行列式设n n ij a A ⨯=)(为方阵,则称|A|为A 的行列式。
性质:1.A A '=2.B A AB =3.∑==nj ij ijA aA 1,且)(01k i A a nj kj ij ≠=∑=4.设A 为三角阵,则∏==ni iiaA 1四、对角形矩阵1.单位阵I (E ) IA =AI =A2.对角阵⎪⎪⎪⎭⎫ ⎝⎛n a a 1 运算:k ⎪⎪⎪⎭⎫ ⎝⎛n a a 1=⎪⎪⎪⎭⎫ ⎝⎛n ka ka 1⎪⎪⎪⎭⎫ ⎝⎛n a a 1+⎪⎪⎪⎭⎫ ⎝⎛n b b 1=⎪⎪⎪⎭⎫⎝⎛++n n b a b a 11⎪⎪⎪⎭⎫ ⎝⎛n a a 1⎪⎪⎪⎭⎫ ⎝⎛n b b 1=⎪⎪⎪⎭⎫⎝⎛n n b a b a 11五、对称矩阵1.概念(1)ji ij a a =,即A A =',称方阵A 为对称阵; (2)ji ij a a -=,即A A -=',称方阵A 为反对阵。
第一章绪论§1.1 什么是多元统计分析在工业、农业、医学、气象、环境以及经济、管理等诸多领域中,常常需要同时观测多个指标。
例如,要衡量一个地区的经济发展,需要观测的指标有:总产值、利润、效益、劳动生产率、万元生产值能耗、固定资产、流动资金周转率、物价、信贷、税收等等;要了解一种岩石,需观测或化验的指标也很多,如:颜色、硬度、含碳量、含硫量等等;要了解一个国家经济发展的类型也需观测很多指标,如:人均国民收入,人均工农业产值、人均消费水平等等。
在医学诊断中,要判断某人是有病还是无病,也需要做多项指标的体检,如:血压、心脏脉搏跳动的次数、白血球、体温等等。
总之,在科研、生产和日常生活中,受多种指标共同作用和影响的现象是大量存在的,举不胜举。
上述指标,在数学上通常称为变量,由于每次观测的指标值是不能预先确定的,因此每个指标可用随机变量来表示。
如何同时对多个随机变量的观测数据进行有效的统计分析和研究呢?一种做法是把多个随机变量分开分析,一次处理一个去分析研究;另一种做法是同时进行分析研究。
显然前者做法有时是有效的,但一般来说,由于变量多,避免不了变量之间有相关性,如果分开处理不仅会丢失很多信息,往往也不容易取得好的研究结果。
而后一种做法通常可以用多元统计分析方法来解决,通过对多个随机变量观测数据的分析,来研究变量之间的相互关系以及揭示这些变量内在的变化规律,如果说一元统计分析是研究一个随机变量统计规律的学科,那么多元统计分析则是研究多个随机变量之间相互依赖关系以及内在统计规律性的一门统计学科,同时,利用多元分析中不同的方法还可以对研究对象进行分类(如指标分类或样品分类)和简化(如把相互依赖的变量变成独立的或降低复杂集合的维数等等)。
在当前科技和经济迅速发展的今天,在国民经济许多领域中特别对社会经济现象的分析,只停留在定性分析上往往是不够的。
为提高科学性、可靠性,通常需要定性与定量分析相结合。
实践证明,多元分析是实现做定量分析的有效工具。
多元统计分析第一章矩阵补充第1章矩阵知识补充矩阵是多元统计分析的基本工具。
考虑读者已学过线性代数,本章补充一些必不可少的矩阵知识,作为多元统计分析的基础。
未学过线性代数的读者,可以先自学一本线性代数书,再阅读本章。
本书中向量和矩阵全用黑体字表示。
以k a ,...a 1为对角线上元素的矩阵记为diag(k a ,...a 1),即diag(k a ,...a 1)=k 1a 0...0a1.1矩阵的谱分解定理 1.1(矩阵的谱分解)设实对称矩阵A 的特征值和相应的单位特征向量是k k e e ,...,,...11λλ,其中k e e ,...1两两正交;则'...'111k k k e e e e A λλ+=。
(1.1)证明因为A 实对称,存在正交阵T ,使得'T T AΛ=,其中[]k e e e T (2)1=是以k e e ,...1为元素的分块矩阵;[]k diag λλλ (21)=Λ是对角阵,对角线上元素为k λλ,...1。
于是 []??='...''0...0............0...00...(212)121k k k e e e e e e A λλλ。
根据分块矩阵乘法原理,'...'111k k k e e e e Aλλ+=。
定义1.1 (1.1)式称为A 的谱分解。
当特征值无重根时,单位特征向量在不计正负号条件下是唯一的,即同一个矩阵只有同一形式的谱分解。
当特征值有重根时,由于单位特征向量不唯一,同一个矩阵可以有不同形式的谱分解。
例1.1----=020212022A 。
的特征值和相应的单位特征向量是----3/23/23/1,3/13/23/2,3/23/13/2,2,4,1所以[][][]3/2,3/2,3/13/23/23/1)2(3/1,3/2,3/23/13/23/243/2,3/1,3/ 23/23/13/21??-+-??-+----=A例1.2(谱分解形式不唯一)若=4004AA 的特征值为1,1;相应的特征向量是=ααsin cos 1e ,?-=ααcos sin 2e 其中α是任意常数。
《多元统计分析》1.2 正交矩阵两个向量正交v a 和b 正交:()12121122,,,0p p p p b b a a a b a b a b a b ⎛⎫ ⎪ ⎪'= ⎪ ⎪⎝⎭=+++=a b正交矩阵v A为正交矩阵:A为方阵,满足AA′=I。
v正交矩阵的三个等价定义:1-'''=⇔=⇔=AA I A A A A I 等式两边取行列式可得:|A|=1或|A|=−1。
正交矩阵A 的几何意义v 当p =2时,1122cos sin sin cos y x y x θθθθ⎛⎫⎛⎫⎛⎫=== ⎪ ⎪ ⎪-⎝⎭⎝⎭⎝⎭y Axv当p =3时,坐标系(刚性)旋转后新旧坐标的变换可表达为A 一定为正交矩阵。
v 正交阵的行列式非1即−1,这两种情形在统计学中所起的作用是一样的。
为简单起见,本课程只涉及|A |=1时的情形。
v |A |=1时的正交变换y =Ax 几何上意味着对原p 维坐标系作一刚性旋转(或称正交旋转)。
Ø如果某点在旧坐标系下的坐标为x ,则经上述旋转后该点在新坐标系下的坐标为y (=Ax )。
112233*********y x y x y x ⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪=== ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭y Axv结论设A为p阶正交阵,分别按列向量和行向量分块则()()()()1212,,,pp'⎛⎫⎪'⎪== ⎪⎪⎪'⎝⎭aaA a a aa()()()1212,,,,,,pp⇔'''⇔A a a aa a a为正交阵是一组正交单位(列)向量是一组正交单位(行)向量证明可见书中的例1.2.2。
第1章 矩阵知识补充矩阵是多元统计分析的基本工具。
考虑读者已学过线性代数,本章补充一些必不可少的矩阵知识,作为多元统计分析的基础。
未学过线性代数的读者,可以先自学一本线性代数书,再阅读本章 。
本书中向量和矩阵全用黑体字表示。
以k a ,...a 1为对角线上元素的矩阵记为diag(k a ,...a 1),即diag(k a ,...a 1)=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡k 1a 0...0a矩阵的谱分解定理(矩阵的谱分解) 设实对称矩阵A 的特征值和相应的单位特征向量是k k e e ,...,,...11λλ,其中k e e ,...1两两正交;则'...'111k k k e e e e A λλ+=。
证明 因为A 实对称,存在正交阵T ,使得'T T A Λ=,其中[]k e e e T ...21=是以k e e ,...1为元素的分块矩阵;[]k diag λλλ...21=Λ是对角阵,对角线上元素为k λλ,...1。
于是[]⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡='...''0...0............0...00...0 (212)121k k k e e e e e e A λλλ。
根据分块矩阵乘法原理,'...'111k k k e e e e A λλ+=。
定义 ()式称为A 的谱分解。
当特征值无重根时,单位特征向量在不计正负号条件下是唯一的,即同一个矩阵只有同一形式的谱分解。
当特征值有重根时,由于单位特征向量不唯一,同一个矩阵可以有不同形式的谱分解。
例⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡----=020212022A 。
的特征值和相应的单位特征向量是⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---3/23/23/1,3/13/23/2,3/23/13/2,2,4,1所以[][][]3/2,3/2,3/13/23/23/1)2(3/1,3/2,3/23/13/23/243/2,3/1,3/23/23/13/21⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-+-⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-+--⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--=A例(谱分解形式不唯一)若⎥⎦⎤⎢⎣⎡=4004AA 的特征值为1,1;相应的特征向量是⎥⎦⎤⎢⎣⎡=ααsin cos 1e ,⎥⎦⎤⎢⎣⎡-=ααcos sin 2e 其中α是任意常数。
A 的谱分解就可以是'4'42211e e e e A +=容易证明,当k λλ,...1全不为零时,'...'111111k k k e e e e A ---+=λλ。
矩阵开平方与比较定义(半正定矩阵)设A 为实对称矩阵,对任何实向量x 有0'≥Ax x ,则称A 为半正定矩阵。
容易看出,正定矩阵也是半正定矩阵,且有定理 正定矩阵的特征值必为正实数。
半正定矩阵的特征值必为非负实数。
定义(半正定矩阵的算术平方根):设A 是半正定矩阵,它的谱分解是'...'111k k k e e e e A λλ+=,则'...'211121121k k k e e e e A λλ+=称为A 的算术平方根,简称为A 的平方根。
显然,当特征根无重根时,半正定矩阵谱分解形式上唯一,从而矩阵的平方根是唯一的。
当特征根有重根时,学者可以自证:半正定矩阵谱分解形式上不一定唯一,但这时矩阵的平方根是唯一的。
例如⎥⎦⎤⎢⎣⎡=4004A '4'42211e e e e +=其中⎥⎦⎤⎢⎣⎡=ααsin cos 1e ,⎥⎦⎤⎢⎣⎡-=ααcos sin 2e 这时⎥⎦⎤⎢⎣⎡=+=2002'2'222112/1e e e e A 与α无关。
例⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡----=102221342413A的特征值和相应的单位特征向量是⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡-⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡-⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡313232,184181181,02/12/1,18,9,9, 所以[][][]3/1,3/2,3/23/13/23/21818/4,18/1,18/118/418/118/130,2/1,2/102/12/1321-⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-+-⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-+⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=A⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎣⎡+-+--+-+--+=32832223222322232453244322232443245 定理21A是半正定矩阵且A A A=2121 。
证明 由可见21A 是半正定阵;两边平方,左边是2121A A ,由特征向量的正交性,右边是=++----)'...')('...'(2/1112/112/1112/11k k kk k ke e e e e e e e λλλλA e e e e k k k =+--)'...'(11111λλ,从而命题得证。
一般矩阵是不能比较大小的,但是对于半正定矩阵,在一定条件下,可以比较定义 设B A ,都是半正定矩阵,且B A -半正定,则称B A ≥。
由半正定定义容易证明,当B A ≥时,A 对角线上元素全大于B 对角线上相应元素,例如⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡-⎥⎦⎤⎢⎣⎡411242218333是正定阵,所以⎥⎦⎤⎢⎣⎡≥⎥⎦⎤⎢⎣⎡42218333 这时13≥,48≥。
.矩阵的迹定义 设A 是方阵,其对角线上元素之和∑iia,称为A 的迹,记为)(A tr 。
定理 (1)设A,B 是同阶方阵,c,d 是常数,则 tr(cA+dB)=c*tr(A)+d*tr(B),(2)设A 是n m ⨯阵,B 是m n ⨯阵,则 tr(AB)=tr(BA) 如果A 是对称的n n ⨯矩阵,其特征值为i λ(I=1,2,3,⋅⋅⋅⋅⋅⋅⋅⋅,n ),则 (3) tr(A)=∑=ni i1λ,(4)∑=∈=ni k ikN k A tr 1][λ(5) ∑=--∈=ni i N k A tr 111][λ (若A 非奇异)证明 (1),(2)可直接由迹的定义验证。
(3)因为存在正交阵T ,使Λ==),...,('21n diag AT T λλλ,所以[][]trA ATT tr AT T tr tr ni i===Λ=∑=''1λ(4)因为T A T AT T AT T AT T kk')')...(')('(==Λ,所以[][])('')(1k k ni k k k iA tr TT A tr T A T tr tr ===Λ=∑=λ。
(5)因为T A T AT T 111')'(---==Λ,所以[][])('')(111111--=---===Λ=∑A tr TT A tr T A T tr tr ni iλ。
矩阵微商矩阵微商内容较多,根据需要,仅介绍如下定理。
定理 设μλ,是常数,a 是n 维常数向量,A 是n 阶常数矩阵,i β是自变量,记自变量向量⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=n ββββ...21,)(βf 是n 元函数;记梯度⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡∂∂∂∂∂∂=∂∂f f f f n βββββ...)(21;则)(21f f μλβ+∂∂1f βλ∂∂=2f βμ∂∂+;ββββββ)'(';'A A A a a +=∂∂=∂∂证明)(21f f μλβ+∂∂=⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡+∂∂+∂∂+∂∂=)(...)()(21212211f f f f f f n μλβμλβμλβ⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡∂∂∂∂∂∂11211...f f f n βββλ⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡∂∂∂∂∂∂+22221...f f f n βββμ1f βλ∂∂=2f βμ∂∂+ 。
其余各式同样得证。
分块矩阵的逆定理 设A 和D 都是对称的,且A 和B A B D G 1'--=的逆都存在,则⎥⎦⎤⎢⎣⎡--+=⎥⎦⎤⎢⎣⎡------111111'''G F G FG F FG A D B B A () 其中B A F 1-=。
证明 经化简,I G F G FG F FG A D B B A =⎥⎦⎤⎢⎣⎡--+⎥⎦⎤⎢⎣⎡------111111'''。
有关矩阵不等式下列矩阵不等式和极值定理可导出多元统计的极值定理。
定理(二次型极值)设B 是p 阶正定矩阵,其特征值p λλλ≥≥≥...21,对应的彼此正交单位向量是p e e e ,...,21,则对一切p 维是向量x10''maxλ=≠xx Bxx x , p x xx Bxx λ=≠''min且11111''λ=e e Be e ,p pp p p e e Be e λ=''。
证明 因为B 实对称,存在正交阵T ,使得'T T B Λ=,其中[]p e e e T (21)=是以p e e ,...1为元素的分块矩阵;[]p diag λλλ (21)=Λ是对角阵,对角线上元素为p λλ,...1。
令x T y '=,则∑∑∑∑====≤=Λ==pi ipi ipi ipi ii yy yy yy yy y y Ty B Ty x x Bx x 121211212''')()'(''λλ当1e x =时,由矩阵谱分解11111111''''λλ=⎪⎪⎭⎫ ⎝⎛=∑=e e e e e e Be e p i i i i 定理的其余部分类似可证,留为作业。
练习题设矩阵⎥⎦⎤⎢⎣⎡=4221A 求A 的谱分解和算术平方根。
设⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=301022123A用SAS 软件求A 的谱分解,把特征值从大到小排序,指出最大,第2大特征值对应的单位特征向量,并求2/1-A 。
设⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=301022123A求xx Axx x ''max 0≠。
设321323121232221753108632)(x x x x x x x x x x x x x f -+-+-+-+=用矩阵微商公式求f x∂∂。
证明)()(BA tr AB tr =。