
- •1. Функции от матриц.
- •2. Интерполяционный полином Лагранжа-Сильвестра
- •3.Скелетное разложение матрицы: лемма о ранге, лемма о существовании и неединственности скелетного разложения
- •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.
- •12. Сопряженное пространство и его базис
- •13. Ортогональное дополнение сопряженного пространства
- •14. Сопряжённое отображение
- •15. Унитарные и ортогональные матрицы. Их свойства
- •16. Критерии унитарности матрицы
- •17. Унитарное подобие.
- •18. Теорема Шура об унитарной триангуляризации матриц
- •19. Спектральная теорема для нормальных матриц
- •20. Эрмитовы и косоэрмитовы матрицы. Их свойства. Эрмитово разложение
- •21. Критерии эрмитовости матрицы
- •22. Теорема Рэлея-Ритца
- •23. Сингулярное разложение матриц
- •24. Полярное разложение матриц
- •25. Векторные нормы. Непрерывность векторных норм
- •26. Эквивалентностьвекторныхнорм
- •27. Матричные нормы
- •28. Согласованные и подчиненные векторные и матричные нормы.
- •29. Число обусловленности.
- •30. Сходимость матриц
- •31. Теорема Гершгорина
- •32. Уточнение оценок собственных значений с помощью преобразования подобия.
- •33. Локализация собственных значений Неравенство Шура. Теорема Бендиксона.
- •34. Локализация собственных значений Теорема Гирша. Теорема Брауна.
- •35. Невырожденность матриц.
- •36. Неотрицательные и положительные матрицы, их свойства.
- •37.Сравнение спектральных радиусов неотрицательных матриц
- •38.Теорема Перрона (с доказательством)
- •39.Теорема Перрона-Фробениуса
- •40.Теорема Фань-Цзы.
- •41.Примитивные и импримитивные матрицы.
- •42.Стохастические матрицы.
- •1. Функции от матриц.
- •2. Интерполяционный полином Лагранжа-Сильвестра
- •3. Скелетное разложение матрицы: лемма о ранге, лемма о существовании и неединственности скелетного разложения
- •21. Критерии эрмитовости матрицы
9. Нормальное псевдорешение системы линейных алгебраических уравнений.
Опр. Вектор r=b-Ax называется невязкой вектора х.
Длина невязки ||r|| характеризует, насколько вектор х близок к решению систему. Если х является решением системы, то невязка равно нулю. Если система несовместна, то невязка всегда будет ненулевой. В этом случае можно поставить задачу: найти такой вектор х0, что величина ||r||2=||b-Ax0||2 примет наименьшее значение. Такой подход называют методом наименьших квадратом.
Опр. Вектор х0, длина невязки которого минимальна, наз. Псевдорешением системы Ах=b. Псевдорешение с минимальной длиной называется нормальным псевдорешением системы Ax=b.
Теорема.
Нормальное псевдорешение системы Ах=b
всегда существует, единственно и
определяется по формуле х0
=
10. Матричные уравнения AX = XB
Рассмотрим
матричное уравнение AX=XB,
.
Рассмотрим элементарные делители матрицы
А:
и элементарные делители матрицы В:
.
Теорема. Общее решение уравнение АХ=ХВ, где
A=U
,
B=V
,
,
может быть найдено по формуле Х=U
.
Здесь
-общее
решение уравнение
Если
,
то
,
если
,
то
-
произвольная верхняя треугольная
матрица.
Матрица Х зависит
от N
произвольных параметров
:
Х=
,
где
,
Следствие. Если матрицы А и В не имеют одинаковых собственных значений, то уравнение АХ=ХВ имеет только нулевое решений, то есть Х=0.
11. Матричные уравнения AX = XA
Рассмотрим частный
случай уравнения АХ=ХВ при В=А: АХ=ХА
.
Теорема.
Общее решение АХ=ХВ, где
,
А=U
,
может быть найдено по формуле
.
Здесь
-общее
решение ур-ния.
.
Если
,
то
,
если
,
то
-
произвольная правильная верхняя
треугольная матрица. Матрица Х зависит
от N
произвольных параметров, N=
,
где
Теорема.
Число ЛНЗ
матриц, перестановочных с матрицей
,
определяется формулой N=n1+3n2+5n3+…+(2t-1)nt,
где
-
непостоянные инвариантные множители
матрицы А,
.
Замечание. Ясно, что m=n1+n2+…+nt. Отсюда следует, N≥m, причем N=m равносильно t=1, то есть все элементарные делители матрицы А взаимно просты.
12. Сопряженное пространство и его базис
Пусть
– линейное векторное пространство над
полем
,
.
Опр.
Числовая функция y=f(u)
с аргументами из
и значениями из поля
называется линейной функцией на
пространстве
,
если:
;
.
Опр.
Пространство линейных функций,
определенных на векторном пространстве
называется сопряженным пространством
к
и будем обозначать
.
Функции из пространства . Называют ковекторами, а само выражение <f|u> называют скалярным произведением вектора с ковектором.
Опр. Вектор u и ковектор f называются ортогональным друг другу, если <f|u>=0.
Функционалы
называются координатными функционалами
базиса {
}.
Для них
(1).
Соотношение (1) называются соотношениями
биортогональности, а система векторов
E={
}
и F={
},
удовлетворяющие (1) –биортогональными,
что обозначаются как E
F.
Теорема. Координатные функционалы , линейно независимы и составляют базис в .
Следствие. Для любого базиса Е пространства сузествует, и притом только один, базис F пространства , такой что E F.
Опр. Базис и F={ }, построенный из координатных функционалов базиса { }. В , называется сопряженным базисом для Е.