Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Интерполяционный полином Лагранжа-СильвестраСтр 1 из 7Следующая ⇒
Функции от матриц. Простейшими функциями от матриц являются полиномы. Если задан числовой полином относительно , то f(A), A , находиться непосредственной подстановкой: . Рассмотрим теперь произвольную функцию скалярного аргумента . Пусть (1)― минимальный полином матрицы А степени . Здесь ― все различные собственные значения матрицы А: . Опр. Если для функции в точках (k=1,s) из (1) определены производные (2), то говорят, что функция определена на спектре матрицы А, а систему чисел (2) называют системой значений функции матрицы А. Совокупность этих значений будем символически обозначать f[δ(A)]. Если функция f не определена на спектре матрицы А, то не определенно и f(A). Лемма. Значения полиномов g(λ) и h(λ) на матрице А совпадают тогда и только тогда, когда они имеют одинаковые значения на спектре матрицы А. Опр. Пусть функция f определена на спектре матрицы А. Тогда f(A)=g(A), где - любой полином, принимающий на спектре матрицы А те же значения, что и : f[δ(A)]=g[δ(A)].
Интерполяционный полином Лагранжа-Сильвестра Опр. Полином r(λ), определяемый интерполяционными условиями , Называется интерполяционным полиномом Лангранжа-Сильвестра функция на спектре матрицы А. Опр. Если функция f(λ) определена на спектре матрицы А, а r(λ) - соответствующий интерполяционный полином Лагранжа-Сильвестра, то f(А) = r(А). Виды интерполяционный полином Лангранжа-Сильвестра: 1. где все собственные значения различны: 2. есть кратные собственные, но минимальный имеет простые корни: 3. минимальный имеет кратные корни: , где Свойство функции матрицы: 1. Если - собственные значения матрицы n-го порядка А, то - полная система соб. Значений матрицы f(A). 2. Если две матрицы А и В подобны и матрица S преобразует А в В: то матрица f(A), f(B) подобны и та же матрица S преобразует f(A) в f(B): f(B)=S-1 f(A)S. 3. Если А- блочно-диогональная матрица: A=diag{A1,A2,…,Au}, то f(A)=diag{f(A1),f(A2),…,f(Au)}.
Теорема о существовании псевдообратной матрицы Мура-Пенроуза. Опр. Матрица называется псевдообратной матрицей Мура-Пенроуза для матрицы , если выполнимы следующие условия: , , где , - некоторые матрицы. Теорема. Для любой матрицы А псевдообратная матрица Мура-Пенроуза существует, единственна и выражается по формуле , где В и С- компоненты скелетного разложения А=ВС матрицы А.
Док-во: Докажем существование матрицы Если А=0, положим . Пусть А≠0. Рассмотрим разложение А=ВС и будем искать сначала Из определения псевдообратной мтарицы имеем: . Умножим последнее равенство слева на В*: Теперь умножая последнее равенство справа на В*, получим , аналогично получаем . Рассмотрим матрицу и покажем, что она удовлетворяет условиям , , т.е. является псевдообратной. Обозначим К= . Тогда используя А=ВС и получим: , , где . Сопряжённое отображение Пусть дано линейное отображение А: → . Опр. Отображение называется сопряженным отображением для А, если для любого и для любого выполняется следующее соотношение: . Теорема. Для любого заданного линейного отображения А сопряженное отображение существует, линейно и единственно. Докво. Построим отображение удовлетворяющему условию для заданного отображения А. Для того чтобы задать отображение , надо для каждого функционала указать соотвествующий ему функционал , являющийся образом g при отображение . Но надо задать функционал из .—это значит определить его действие на произвольный вектор . Зададим правило этого действия. С учетом определяющего соотношения для сопряженного отображения имеем: . Из этого следует, что для данного функционала действие искомого функционала на произвольный вектор определяется следующим образом. Сначала применим отображение А: → к вектору , в результате чего получаем его образ – вектор . Затем вычисляем значение заданного функционала на векторе и получаем значение <g|A(u)>, что является результатом действия f на u. Т.о. сопряженное отображение определяется как композиция . Т.к. выполняются эти условия: , то можем утверждать, что данное отображение будет линейным. Докажем единственность . Пусть -- два отображения, для которых справедливо . Тогда для всех . Отсюда следует, что <( |u>=0. Фиксируем g и будем менять u. Тогда элемент (. Как линейная функция на принимает только нулевые значения, и, значит, равен нулю. Поэтому , что доказывает единственность и завершает доказательство теоремы.
Теорема. Пусть А: → – линейное отображение Е и Н – базисы пространств и , соответственно, - биортогональные базисы пространства и . Тогда если отображение А в базисах Е и Н имеет матрицу А, то сопряженное отображение в биортогональных базисах и имеет матрицу .
Унитарное подобие. Так как для унитарной матрицы U*=U-1, то преобразование А → U*AU, определенное на Сn×n, явл. подобием которое называется унитарным подобием. Опр. Матрица B Є Сn × n называется унитарно подобной матрице А Є Сn × n, если найдется унитарная матрица U Є Сn × n , такая, что B = U*AU. Если Г можно выбрать вещественной (а значит, ортогональной), то В называется ортогонально подобной матрице А. Рассмотрим два специальных типа унитарных матриц, которые осуществляют преобразования унитарного подобия, весьма важные для вычисления собственных значений. Пример 1. (Плоские вращения). Матрица U(θ;i,j) осуществляет вращение (на угол θ) в плоскости координат i,j. Заметим, что если матрица умножается слева на U(θ; i, j), то в ней изменяются только i-я и j-я строки, а если она умножается справа, то изменяются только i-й и j-й столбцы. Таким образом, при переходе к унитарно подобной матрице, осуществляемом с помощью U(θ;i,j), происходит изменение только строк и столбцов с номерами i и j. Унитарное подобие, существляемое посредством плоских вращений, используется при вычислении собственных значений. Пример 2. (Преобразования Хаусхолдера). Возьмем произвольный ненулевой вектор w ∈ Cn и образуем матрицу Uw = E – tww* (Uw ∈ Cn × n), где t = 2(w*w)-1. Заметим, что w*w - это положительный скаляр, ww* ∈ Cn × n матрица. Если вектор w был нормирован (w*w = 1), то t должно быть равно 2, а матрица Uw должна иметь вид Uw = E − 2ww*. Часто образуют матрицу Uw, выбирая заранее именно нормированный вектор w. Любая матрица Uw называется преобразованием Хаусхолдера.
Теорема. Дляунитарно подобных матриц A и B из Сn×n имеет место равенство Доказательство:
Достаточность. Рассмотрим утверждение а) для вектора (x + y) ∈ : A(x + y) = ( Ax + Ay) + ( Ay + Ax) ∈ R ∀x,y ∈ . Поскольку Ax ∈ R, Ay ∈ R по предположению, то Ay + Ax ∈ R, ∀ x,y ∈ . (6.1) Возьмем в (6.1) x = , y = ( - k-й вектор естественного базиса .): A + A = + ∈ R ⇒ Im = −Im . (6.2) Возьмем x = i , y = : − i A + i A = −i + i ∈ R ⇒ Re = Re . (6.3) Из (6.2) и (6.3) следует, что = , ∀j, k = 1,…, n, а, следовательно, A = . b) По спектральной теореме для нормальных матриц нормальная матрица унитарно диагонализуема, т.е. A = , где U ∈ - унитарная матрица, Λ = diag{ ,.., }∈ , ∈ σ (A). Рассмотрим = () = = = A, следовательно А - эрмитова. c) Положим S = : = () ⇒ A = A .
Теорема Рэлея-Ритца Теорема Рэлея-Ритца. Пусть A -эрмитова и ее собственные значения упорядочены (Пусть A – эрмитова, ). Тогда Доказательство. Поскольку матр. А – эрмитова, то по спектральной теореме для эрмитовых матриц сущ. такие унитарные март. и диагональная матрица , что . При любом векторе верны равенства Каждый сомножитель неотрицателен, поэтому Поскольку март. U унитарна, а унитарные матр.изометричны, то имеют место равенства Таким образом, справедливы соотношения: что и доказывает (2). Покажем, что оценки в соотношении (2) точны. Действительно, если x – собст.векторматр. A, соответствующий собственному значению λ1, то
Точность оценки сверху устанавливается аналогично. Остальные утверждения является простыми следствиями соотношений(2). Покажем, например, справедливость (3). При из правой части соотношения (2) имеем: Это неравенство обращается в равенство, когда x- собственный вектор матрицы A, соответствующий собственному значению . Следовательно, .(5) Наконец, при можно перейти к нормированному вектору: Таким образом, равенство (5) эквивалентно следующему Рассуждения для минимального собственного значения аналогичны.
Полярное разложение матриц Теорема (Полярное разложение). Если A∈ , то существуют положительно полуопределенные эрмитовы матрицы H и K, однозначно определяемые матрицей A, и унитарные матрицы W и Y из , такие что Более того, . Доказательство. Положим (2), Где U,V – матрицы из сингулярного разложения (1). Несложно проверить, что W – унитарная матрица, а H – положительно полуопределенная эрмитова матрица. Тогда имеем: Далее, так как =, то верно и . Применяя полученный результат к , получим .
Матричные нормы Опр. Ф-ция ||•||: , наз. матричной нормой, если для любой A ∈ выполняются следующие условия: 1)||A||≥0(неотрицательность); 1а) A||=0 A=0 (невырожденность); 2)||αA||=|αA|| (абсолютная однородность); 3)||A+B||≤||A||+||B|| (неравенство треугольника); 4)||AB||≤||A|B|| (кольцевое свойство) Примеры матричных нормна 1*. ||A||1 ≡ Столбцовая норма (1-норма), 2*. ||A||∞ ≡ Строчная норма (∞-норма), 3*. ||A||E ≡ Евклидова норма 4*. ||A||E ≡ Спектральная норма 5*. ||A||M ≡ М-норма 6 *. ≡ l1-норма
Доказательство Следствие. Матричная норма ||•||M, подчиненная векторной норме ||•||V, согласована с этой нормой. Матричная норма, подчиненная векторной норме ||•||∞ Получим оценку сверху для величины ||Ax||∞ ||Ax||∞ . Покажем, что эта оценка достигается. Пусть максимум по i имеет место при i=l. Возьмем x=(sign(al1),…,sing(aln)). Имеем и точные равенства во всей цепочке выше. Таким образом, подчиненная векторной норме ||•||∞
Число обусловленности. Определение. Величина (1) называется числом обусловленности матрицы A по отношению к матричной норме ||•||. Свойства числа обусловленности 10. Для любой матричной нормы cond(A)≥1. 20. Для любой матрицы A и любого числа α выполняется равенство cond(A) =cond(αA). 30. Для спектральной и евклидовой норм число обусловленности не меняется при умножении матрицы слева и справа на любую унитарную матрицу.
40. Для 1-, 2-, ∞-норм и евклидовой нормы число обусловленности не меняется при перестановке строк и столбцов. 50. Для спектральной нормы число обусловленности любой матрицы равно отношению максимального сингулярного числа к минимальному.
Сходимость матриц Определение. Матрица А называется сходящейся, если Лемма. ||•||: ||A||<1 . Доказательство . ||Ak||≤||A||k→k→0 0 Ak→||•||0 Ak→||•||∞0 Теорема. Матрица является сходящейся тогда и только тогда, когда . Доказательство. Пусть Ak→0.Рассмотрим собственный вектор x≠0: Ax=λx. Тогда A2x=A(Ax)=A(λx)=λ(Ax)=λ2x…Akx=λkx→0 . Обратно || ||:||A||<1 Ak→k→∞0 Следствие.
Теорема Гершгорина Теорема Гершгорина и ее следствия. Для произвольной матрицы AЄ обозначим - строчная почти-нормы, а также - столбцовые почти – нормы матр. А. Наиболее полезная и легко применяемая теорема, дающая оценка для собственных значений – теоремы Гершгорина. Теорема Гершгорина (строчная). Все собственные значения матрицы A заключены в объединении n кругов Кроме того, если объединение k из этих кругов есть связная область, не пересекающаяся с остальными n−k кругами, то в ней находится ровно k собственных значений матрицы A. Теорема (Гершгорина (столбцовая)). Все собственные значения матрицы AЄ принадлежат объединению nкругов (столбцовой области Гершгорина) Кроме того, если k из этих кругов образуют область, изолированную от остальных n-k кругов, то в ней находится ровно kсобственных значений матрицы А.
32. Уточнение оценок собственных значений с помощью преобразования подобия. Если относительно матрицы имеется некоторая дополнительная информация, в силу которой собственные значения принадлежат (или не принадлежат) конкретным множествам, то в сочетании с теоремой Гершгорина эта информация может привести к более точной локализации собственных значений. Определяющие свойства некоторых типов матриц и свойства их собственных значений приведены в таблице
Следствие. Пусть и пусть p1,p2,…,pn- произвольные положительные числа. Все собственные значения матрицы A принадлежат каждой из двух областей Пусть
33. Локализация собственных значений Неравенство Шура. Теорема Бендиксона. Теорема (Неравенство Шура). Если A = (aij) ∈ имеет собственные значения λ1,…,λn, то причем равенство имеет место тогда и только тогда, когда матрица А нормальная. Доказательство. Согласно теореме Шура сущ. унитарная матрица , такая, что U*AU =T, где T – верхняя треугольная матрица с диагональными элементами tii=λi, i=1,n. Тогда ,а значит т.е. матрицыAA∗и TT∗подобны. Поскольку след у подобных матриц равен, то trAA∗ =trTT∗ (2)
Далее с учётом (2) справедливы соотношения что и доказывает (1). Равенство возможно тогда и только тогда, когда , т.е. тогда итолько тогда, когдаматрицаA– нормальная.
Теорема (Бендиксона). Если ,то Доказательство. Пусть x - нормированный собственный вектор матрицы A, соответствующий собственному значению λk: Ax=λkx, x*x=1. (1). Тогда (Ax)*x=x*A*x=(λkx)*x= x*x.(2). Т. к. матр. Bэрмитова, то для нее справедлива теор Рэлея-Ритца: Отсюда с учетом первого соотношения теоремы Рэлея-Ритца имеем Аналогично, применяя теоремуРэлея-Ритца к эрмитовой матрице C, получим второе соотношение теоремы.
Невырожденность матриц. Определение. Матрица ,называетсяматрицей с диагональным преобладанием, если выполнены нестрогие условия Адамара: Теорема (Адамара). Если А – матрица со строгим диагональным преобладанием, то она обратима. Теорема. Если у матрицы все диагональные элементы ненулевые и она является матрицей с диагональным преобладанием, причем для всех, кроме одного, значений i=1,2,..,n это свойство выполняется в сильной форме, т.е. |aii|>Ri(A), то А обратима. Определение. Матрица наз. разложимой, если перестановкой строк вместе с одноименной перестановкой столбцов она может быть приведена к виду где B и D - квадратныематрицы. В противномслучаематрица A называется неразложимой. Определение. Матрица M(A) с элементами (8.25) называется индикаторной матрицей для A. Теорема. Матрица тогда и только тогда неразложима, когда Определение. Ориентированным путём в графе Г из вершины Pi1в вершину Pik наз.последовательность дуг Длина ориентированного пусть – это чисто луг в нём, если оно конечно. Определение Ориентированный граф называется сильно связным, если в нем любые два узла Pi,Pj соединены ориентированным путем конечной длины, начинающимся в Pi изаканчивающимся в Pj. Теорема. Матрица тогдаитолько тогда неразложима, когда ориентированный граф Г(A) сильносвязный. Следствие Матрица, у которой все элементы ненулевые, неразложима. Теорема Ольги Тауски. Если для неразложимой матрицы А выполняются ослабленные условия Адамара и по крайней мере в одном из этих условий имеет строгого неравенства(>), то матрица А – невырожденная. AE. Теорема. Пусть A,B∈. Если |A| ≤B, тоρ(A)≤ρ(|A|)≤ρ(B). Следствие. ПустьA, В∈. Если 0 ≤ A ≤ B, то ρ(A)≤ρ(B). Лемма. Пусть A∈ иA≥0. Если строчные суммы для А постоянны, то ρ(A)=||A||∞. Если для A постоянны. столбцовые суммы, то ρ(A)=||A||1. Теорема. Пусть A∈ и A≥0. Тогда Следствие. Пусть A∈, А≥0 и. Тогда. В частности, если А>0 или если А неразложима и неотрицательна. Теорема. Пусть A∈ и предположим, чтоА≥0. Тогда для любого положительного вектораxЄCnсправедливы неравенства: Следствие. Пусть A∈, x ∈Rn, и предположим, что A≥0 и x>0. Если числа α,β≥0 таковы, чтоαx≤Ax≤βx, то α≤ρ(A)≤β. Если αx<Ax, то α<ρ(A); если Ax<βx, то ρ(A) <β. Следствие 9.4. Пусть A∈ и A≥0. ЕслиA имеет положительный собственный вектор, то отвечающее ему собственное значение есть ρ(A). Другими словами, если Ax=λx, x>0 и A≥0, то λ=ρ(A) Теорема Перрона-Фробениуса Теорема (Перрона— Фробениуса). Пусть A ∈ неразложима и A ≥ 0. Тогда а) ρ(A) > 0; b) ρ(A) есть собственное значение матрицы A: ρ(A) = ∈ σ(A); с) для некоторого ∈ имеем > 0 и A = ρ(A) ; d) ρ(A) есть алгебраически (а значит, и геометрически) простое собственное значение для A.
Теорема Фань-Цзы. Теорема (Фань Цзы). Пусть A∈C n×n и B∈R n×n, B ≥ 0 и B ≥ |A|. Тогда любое собственное значение матрицыA принадлежит области . Доказательство. Будем считать, что B> 0. Если это не так, то можно рассматривать матрицу B ε ≡ [b ij + ε], где ε> 0. ПриэтомB ε > |A| и ρ(B ε) − (b ii + ε) ρ(B) − b ii. По теореме Перрона длякакого-то положительного векто-раx имеем Bx = ρ(B)x. Рассматривая это равенство покомпонентно для ∀i = ⌐i, n, имеем ρ(B)x i = + + ⇒ ρ(B) - , (i = ⌐ 1,n) Положив в (8.4)p i = x i, убеждаемся в (9.1).
Стохастические матрицы. Определение. Неотрицательная матрица A ∈R n×n, для которой все строчные суммы равны +1, называется (строчной) стохастической матрицей. Столбцовая стохастическая матрица — это матрица, транспонированная к строчной стохастической матрице. Стохастическая матрица A ∈R n×n, для которой A T также является стохастической, называется двоякостохастической. Теорема. Неотрицательная матрица A является стохастической тогда и только тогда, когда она имеет собственное значение 1 с правым собственным вектором e = . Кроме того, спектральный радиус стохастической матрицы равен 1. Теорема. Пусть A — неотрицательная матрица с максимальным собственным значением λ. Пусть существует положительный правый собственный вектор x, соответствующий λ. Положим X = diag {x1,..., xn}. Тогда A = λXP X−1, где P — стохастическая матрица. Доказательство. Пусть P = λ −1 X −1 AX. Покажем, что P —стохастическая. Так как по определению собственного вектора и собственного значения Ax = λx, то , (i = ⌐1, n).По определению pij = λ−1 a ij x i, и, следовательно , а значит, P — стохастическая. Теорема (Биркгофа). Матрица A∈R n×n является двоякостохастической в том и только том случае, когда для некоторого N< ∞ существуют матрицы перестановокP 1,..., P N ∈R n×n и положительные числа α 1,..., α N ∈R, такие, что α 1 +... + α N = 1 и A = α 1 P 1 +... + α N P N. Теорема. Если A ∈R n×n — неразложимая стохастическая матрица, то матрица A ∞ = существует тогда и только тогда, когда A примитивна.
1. Функции от матриц. 2. Интерполяционный полином Лагранжа-Сильвестра 3. Скелетное разложение матрицы: лемма о ранге, лемма о существовании и неединственности скелетного разложения 4. Свойства компонент скелетного разложения A=BC: лемма о невырожденности В*В, СС* 5. Теорема о существовании псевдообратной матрицы Мура-Пенроуза. 6. Теорема о единственности псевдообратной матрицы Мура-Пенроуза 7. Свойства псевдообратной матрицы Мура-Пенроуза 8. Решение однородных систем линейных алгебраических уравнений с использованием псевдообратной матрицы Мура-Пенроуза 9. Нормальное псевдорешение системы линейных алгебраических уравнений. 10. Матричные уравнения AX = XB 11. Матричные уравнения AX = XA 12. Сопряженное пространство и его базис
|
||||||||||||||||||||||||
Последнее изменение этой страницы: 2017-01-24; просмотров: 663; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 13.59.231.155 (0.218 с.) |