相似矩阵的性质及应用毕业论文
相似矩阵的性质及应用毕业论文
一.相似矩阵的定义
定义：设A 、B 为数域P 上两个n 级矩阵，如果可以找到数域P 上的n 级可逆矩阵X ，使得B=1-X AX ，就说A 相似于B ，记做B A ~.
二.相似矩阵的重要性质
性质1 数域P 上的n 阶方阵的相似关系是一个等价关系.
证明：1〉（反身性） 由于单位矩阵E 是可逆矩阵，且A=1-E AE ，故任何方阵A 与A 相似.
2〉（对称性） 设A 与B 相似，即存在数域P 上的可逆方阵C ，使得B=1-C AC ，由此可得A=CB 1-C =11)(--C B 1-C ，显然可逆，所以B 与A 相似.
3〉（传递性）设A 与B 相似，B 与C 相似，即存在数域P 上的n 阶可逆方阵P 、Q ，使B=1-P AP ，C=1-Q BQ ，则 C=BQ=1-Q 1-P APQ=1)(-PQ A （PQ ），从而A 与C 相似.
〈证毕〉 性质2 相似矩阵有相同的行列式.
证明：设A 与B 相似，即存在数域P 上的可逆矩阵C ，使得B=1-C AC ，两边取行列式得：｜B ｜=｜1-C AC ｜=｜1-C ｜｜A ｜｜C ｜=｜A ｜｜1-C C ｜=｜A ｜.
从而相似矩阵有相同的行列式. 〈证毕〉 下面先介绍两个引理
引理1：设A 是数域P 上的n ×m 矩阵，B 是数域P 上m ×s 矩阵，于是
秩（AB ）≤min[秩（A ），秩（B ）] (1)
即乘积的秩不超过各因子的秩.
证明：为了证明（1），只需要证明秩（AB ）≤秩（A ），同时，秩（AB ）≤秩（B ）.
现在来分别证明这两个不等式.
设A=???????
??nm n n m m a a a a a a a a a 2
1
22221
11211，B=??
?
?
?
?
?
??ms m m s s b b b b b b b b b
21222
21112
11
令1B ，2B ，…，m B 表示B 的行向量，1C ，2C ，…n C ，表示AB 行向量.由计算可知，i C 的第j 个分量和m im i i B a B a B a +++ 2211的第j 个分量都等于kj m
k ik
b a
∑=1
，因
而i C =m im i i B a B a B a +++ 2111 （i=1，2，…n ）.
即矩阵AB 的行向量组n C C C ,,,21 可经B 的行向量组线性表出.所以AB 的秩不能超过B 的秩，也即, 秩（AB ）≤秩（B ）.
同样，令m A A A ,,21 表示A 的列向量，s D D D ,,21表示AB 的列向量，由计算可知
i D =11A b i +22A b i +…+m mi A b （i=1，2，…，s ）.
这个式子表明，矩阵AB 的列向量可以经矩阵A 的列向量组表出，前者的秩不可能超
过后者的秩，这就是说，秩（AB ）≤秩（A ）. <证毕>
引理2:A 是一个s ×n 矩阵,如果P 是个s ×s 可逆矩阵,Q 是n ×n 可逆矩阵,那么
秩（A ）=秩（PA ）=秩（AQ ）.
证明:令 B=PA,由引理1知秩（B ）≤秩（A ）； 但是由
A=1-P B,
又由
秩（A ）≤秩（B ）,
所以
秩（A ）=秩（B ）=秩（PA ）.
同理可证, 秩（A ）=秩（AQ ）.
从而, 秩（A ）=秩（PA ）=秩（AQ ）. 〈证毕〉 性质3 相似矩阵有相同秩.
证明:设A,B 相似即存在数域P 上的可逆矩阵C,使得 B=1-C AC , 由引理2可知
秩（B ）=秩（1-C AC ）=秩（AC ）=秩（A ）. 〈证毕>
性质4 相似矩阵或同时可逆或同时不可逆.
证明:设A 与B 相似,由性质3可知B A = .若A 可逆,即0≠A ,从而0
≠B 故B 可逆； 若A 不可逆,即0=A ,从而0=B ,故B 不可逆. 〈证毕〉
性质5 若A 与B 相似,则n A 相似于n B .(n 为正整数)
证明:由于A 与B 相似,即存在数域P 上的可逆矩阵X,使得AX X B 1-=,从而
X A X AX X AX X AX X n n 1111----=???
个
,
即 n A 相似于n B . 〈证毕〉
性质6 设A 相似于B,)(x f 为任一多项式,则)(A f 相似于)(B f . 证明:设0111)(a x a x a x a x f n n n n ++++=-- 于是
E
a B a B
a B a B f E a A a A a A a A f n n n
n n n n n 011
10111)()(++++=++++=----
由于A 相似于B,由性质5可知k A 相似于k B ,(k 为任意正整数) ,即存在可逆矩阵X,使得X A X B K k 1-=,因此
)
()()(011
10111111011111B f E
a B a B a B a E a AX X a X A X a X A X a X E a A a A a A a X X x f X n n n
n n n n n n n n n =++++=++++=++++=-----------
这就是说)(A f 相似于)(B f . 〈证毕〉
性质7 相似矩阵有相同的特征多项式.
证明：设A 相似于B ，即存在数域P 上的可逆矩阵C ，使得AC C B 1-=， 则
A
E C C A E C A E C
AC
C EC C AC C C C AC C E B E -=-=-=-=-=-=--------λλλλλλλ1
1
11111
由此可见，B 与A 有相同的特征多项式. 〈证毕〉 性质8：相似矩阵有相同的迹.
证明：设A 相似于B 。由性质7知，A 与B 有相同的特征多项式，因而有相同的的特征值n λλλ,,,21 ，而A 的迹trA=n λλλ+++ 21 ,B 的迹trB=n λλλ+++ 21，从而，trA=trB.即相似矩阵有相同的迹. 〈证毕〉 性质9：若矩阵A 与B 相似，则它们有相同的不变因子和初等因子.
证明：因为A 与B 相似，所以它们的特征矩阵A E -λ和B E -λ等价，因而它们有相同的不变因子，进而有相同的初等因子.
性质10：若A 与B 相似，B 与D 相似，则???? ??C A 00与???
?
??D B 00相似. 证明：A 与B 相似，即存在可逆矩阵P ，使得AP P B 1-=，C 与D 相似，即存在可逆矩阵Q ，使得CQ Q D 1-=，由于
???
?
?????? ?????
? ??=???
?
?????? ?????? ??=???? ??---Q P C O A Q P Q P C A Q P D B 00000000000001
11
显然???? ??Q P 00 是可逆矩阵.由此可见，???? ??C A 00与???
?
??D B
0 相似. 三．相似矩阵性质的简单应用.
例1：设???
?
? ??---=112020
021
A ， 求 100A . 分析：该问题若按矩阵乘法直接运算相当复杂，耗费时间，若能找到A 的相似对角阵，则该问题就简单化了，解题过程如下：
解：（1）求A 的特征值与相应的特征向量.由
)2)(1)(1(1
1
2
2
0021
)(-+-=+---=
-=λλλλλλλA E A f A ，
所以，A 的3个互异特征值为2,1,1321==-=λλλ，故A 可以对角化，对每个i λ（i=1，2，3），求得分别属于2,1,1321==-=λλλ的特征向量为
.3512,101,100321?????
? ??-=???
?? ??-=????? ??=ααα
（2）令()?????? ?
?--==3511100210321αααP ，有????? ??-=-2000100011AP P . (3)因为 ????
?
??==--100100
11001200010001)(AP P P A P 所以
1100100
200010001-????
?
??=P P A
?
????
? ??--????? ???????? ?
?--=01002113
1
12000100013511100210100
?????? ???--=100100
101235112
00210?????
? ?
?--01
00211311 ()
????
?
? ?
?-?+-=0213500200221100100101. 例2：已知矩阵????
???
?
?--=214
3430212
223
43
41R ，在一个直角坐标系里，它按关系式RX X ='定义一个旋转.现在引进一个新的直角坐标系.使得旋转轴为新的坐标轴之一.具体的说，假设新坐标轴方向的单位向量为321,,f f f 与.其中1f 在旋转轴上.现确定
旋转的旋转角，在这里, 1f 在旧坐标系中应表为????
??
??=
113511f , 这个旋转： i 〉 保持1f 不动;
ii 〉 对2f 与3f 的作用就象一个二维空间的旋转.
因此，对于基底321,f f f 与，该旋转的矩阵是???
??
?
?-=αααα
cos sin 0sin cos 00
01B , 其中α是旋转角 .
则RC C B 1-=，其中C 是坐标变换矩阵.
因为B 与R 相似，由性质8知，它们的迹相同.但 B 的迹trB=αααcos 21cos cos 1+=++ , 因此4
3
212141cos 21-=--=
=+trR α,所以
8
7
cos -=α.现在旋转角可以查表得到.
例2中的论证过程是相当一般化的。因此，我们可得到如下结果：设R 是3×3的旋转矩阵，则其旋转角α由trR =+αcos 21给出.
矩阵的合同-等价与相似的联系与区别
矩阵的合同，等价与相似的联系与区别 一、基本概念与性质 （一）等价： 1、概念。若矩阵A 可以经过有限次初等变换化为B ，则称矩阵A 与B 等价，记为A B ?。 2、矩阵等价的充要条件： A B ?.{P Q A B ?同型，且人r(A)=r(B)存在可逆矩阵和，使得PAQ=B 成立 3、向量组等价，两向量组等价是指两向量组可相互表出，有此可知：两向量组的秩相同，但两向量组各自的线性相关性却不相同。 （二）合同： 1、概念，两个n 阶方阵A,B ，若存在可逆矩阵P ，使得A B ?P T AP B =成立，则称A,B 合同，记作A B ?该过程成为合同变换。 2、矩阵合同的充要条件：矩阵A,B 均为实对称矩阵，则A B ??二次型x T Ax 与x T Bx 有相等的E 负惯性指数，即有相同的标准型。 （三）相似 1、概念：n 阶方阵A,B ，若存在一个可逆矩阵P 使得1B P AP -=成立，则称矩阵A,B 相似，记为~A B 。 2、矩阵相似的性质：
~A B 11~,~,~(,) |E-A |||,()(),T T k k A B A B A B A B E B A B tr A tr B A B λλ--=-?=前提，均可逆即有相同的特征值（反之不成立） r(A)=r(B) 即的逆相等 |A|=|B| 3、矩阵相似的充分条件及充要条件： ①充分条件：矩阵A,B 有相同的不变因子或行列式因子。 ②充要条件：~()()A B E A E B λλ?-?- 二、矩阵相等、合同、相似的关系 （一）、矩阵相等与向量组等价的关系： 设矩阵 12(,,,)n A λλλ=L ，12(,,,)m B βββ=L 1、若向量组（12,,,m βββL ）是向量组（12,,,n λλλL ）的极大线性无关 组,则有m n ≤，即有两向量等价，而两向量组线性相关性却不同，钱者一定线性无关，而后者未必线性无关。而矩阵B 与A 亦不同型，虽然()()r A r B =但不能得出A B ?。 2、若m=n ，两向量组（12,,,n λλλL ）?（12,,,m βββL ）则有矩阵A,B 同型且()()~,,r A r B A B A B A B =??;r()()A r B A B =??。 3、若r()()A B A r B ??=?两向量组秩相同，?两向量组等价，即有1212(,,,)(,,,)n n A B λλλβββ?≠>?L L 综上所述：矩阵等价与向量等价不可互推。 （二）、矩阵合同。相似，等价的关系。 1、联系：矩阵的合同、相似、等价三种关系都具有等价关系，因为三者均具有自反性、对称型和传递性。 2、合同、相似、等价之间的递推关系
矩阵理论中的矩阵分析的实际应用论文
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．
矩阵相似性质与应用研究报告
矩阵相似的性质与应用的研究 1引言 矩阵相似的理论是数学分析的重要概念之一，同时也是教案中的难点之一，特别是矩阵相似与可对角化矩阵问题，在各个版本的数学类图书中，往往将这两个问题紧凑的联系在一起。矩阵相似的概念是为深入研究矩阵特性而提出的，其中一部分的问题可以转化为与一个对角化矩阵相似问题进而使问题研究简化，而另一些矩阵不能与一个对角矩阵相似，那么这类问题就只能用定义或者若而当标准型来解决。 由于矩阵相似的应用范围相当广泛。本文主要是从矩阵相似定义以及各种性质的理论基础上直接引入矩阵在微分方程、自动控制理论基础等领域应用的实例并由此进行研究，也使这部分内容能够相互融合起来，更有利于学习者的掌握和应用。 2矩阵相似的定义与基本性质 2.1矩阵相似的定义 令I二I为非奇异矩阵，考察矩阵 1^1的线性变换 令线性变换的特征值为，对应的特征向量为R，即 将式——1代入上式，即有 -------------- 1或 ---------- 1 令一或—：，则式------------------ 1 可以写作 比较― 和亠两式可知，矩阵A和一1具有相同的特征值，并且矩阵B的特征向量是矩阵的特征向量的线性变换，即二刃。由于 矩阵和—I的特征值相同，特征向量存在线性变换的关系，所以称这
两个矩阵“相似”。于是: 设、都是阶方阵，若有可逆方阵，使______ I ，则称是的相似矩阵。或者说矩阵与相似。对进行运算—称为对进行相似变换。可逆矩阵称为把变成的相似变换阵。 2.2矩阵相似的一些基本性质： 自反性：。 对称性：三则二。 传递性：3及丄可得：二11 如果阶矩阵，相似，则它们有相同的特征值。但逆命题不成立。 相似矩阵另外的一些特性： 1＞相似矩阵有相同的秩。 2＞相似矩阵的行列式相等。 3＞相似矩阵或都可逆，或都不可逆。当它们可逆时，它们的逆也相似。 4＞y 贝y 亠，亠、?亠I 、亠I ＜若，均可逆）、 」从而，有相同的特征值。 3相似对角矩阵的有关性质 3.1矩阵可相似对角化的引入与定义 设是复数域上的维线性空间，是的一个线性变换。又―I 与______ 是的两组基，从第一组基到第二组基的过渡矩阵是。则线性变换在这两组基下的矩阵与相似，即 我们自然会问：矩阵可否相似与一个对角形矩阵？换言之，是否可以适当的选取第二组基__________________ ，使得线性变换在这组基下的矩阵是个对角矩阵
中科院矩阵分析与应用大作业
中科院矩阵分析与应用大作业 实现LU分解 QR分解 Householder reduction、Givens reduction Matlab 代码： function [] =juzhendazuoye A=input('请输入一个矩阵A='); x=input('请输入序号 1 LU分解 2 Gram-Schmidt分解 3 Householder reduction 4 Givens reduction:' ); if(x==1) %%*************LU分解*****************%% disp('PA=LU') m=size(A,1); % m等于矩阵A的行数 n=size(A,2); % n等于矩阵A的列数 if(m==n) % 判断矩阵A是不是方阵 % 如果矩阵A不是方阵那么就输出“error” U=A; % 把矩阵A赋值给矩阵U L=zeros(n); % 先将L设为单位阵 P=eye(n); % 首先将交换矩阵P设为单位矩阵 for j=1:n-1 for i=j+1:n if (U(j,j)~=0) %判断主元元素是否不为0 L(i,j)=U(i,j)/U(j,j); U(i,:)=U(i,:)-U(j,:)*U(i,j)/U(j,j); % U(j,j)为主元元素 else a=j+1; % 令a等于j+1 while((U(a,j)==0)&&(a 华北水利水电大学相似矩阵的性质及应用 课程名称：线性代数 专业班级： 成员组成： 联系方式： 2013年11月6 日 摘要：若矩阵P可逆,则矩阵P-1AP与A称为相似。矩阵相似的概念是为深入研 究矩阵特性而提出的，其中一部分的问题可以转化为与一个对角化矩阵相似问题进而使问题研究简化，而另一些矩阵不能与一个对角矩阵相似，那么这类问题就只能用定义或者若而当标准型来解决。相似矩阵有很多应用。例如：利用相似矩阵的性质来确定矩阵中未知元素方法的完整性；两个相似矩阵属于同一个特征值的特征向量之间的关系；矩阵相似与特征多项式的等价条件及相关结果；尤其是矩阵的标准形及其对角化问题,在高等代数和其他学科中都有极其广泛的应用。本文将讨论相似矩阵的有关性质及其应用。 关键词：相似矩阵；对角化；Jordan标准型；特征向量；特征值 英文题目：The properties and application of similar matrix Abstract:There are a lot of applications about similar matrix. Matrix for further research is the concept of similarity matrix characteristics, and that part of the problem can be converted into similar problems with a diagonalization matrix to simplify the problem study, while others matrix cannot be similar to a diagonal matrix, so this kind of problem can only use a definition or if and when the standard to solve.For example, we can discuss the integrality of the method by using the properties of similar matrices to confirm unknown elements and characteristic subspaces of similar matrices belong to the same characteristic value are isomorphism. Also we may discuss the equivalent conditions for similar matrices and their characteristic polynomial and their corresponding results, especially, applications of digitalization matrices in advanced algebra theory and other subjects are probed into.In this paper I will give out some corresponding properties of similar matrices and show their appliance. Key words:similar matrices; diagonal matrix; Jordan’s normal form; characteristic value; characteristic vector 1 矩阵的相似 1 定义2性质3定理（证明）4 相似矩阵与若尔当标准形 2 相似的条件 3 相似矩阵的应用（相似矩阵与特征矩阵相似矩阵与矩阵的对角化相似矩阵在微分方程中的应用【1 】） 矩阵的相似及其应用1 矩阵的相似 定义1设A,B为数域P上两个n级矩阵，如果可以找到数域P上的n级可逆矩阵X，使得B?X?1AX，就说A相似于B记作A∽B 2 相似的性质 （1）反身性A∽A；这是因为A?E?1AE. （2）对称性如果A∽B，那么B∽A；如果A∽B,那么有X，使B?X?1AX，令Y?X?1，就有A?XBX?1?Y?1BY，所以B∽A。 （3）传递性如果A∽B，B∽C，那么A∽C。已知有X,Y使B?X?1AX， C?Y?1BY。令Z?XY，就有C?Y?1X?1AXY?Z?1AZ，因此，A∽C。 3 相似矩阵的性质若A,B?Cn?n，A∽B，则（1）r(A)?r(B)； Q是n?n可逆矩阵，引理A是一个s?n矩阵，如果P是一个s?s可逆矩阵，那么秩（A） =秩（PA）=秩（AQ） 证明设A,B相似，即存在数域P上的可逆矩阵C，使得B?C?1AC,由引理2可知，秩 ?1 （B）=秩（B?CAC）=秩（AC）=秩（A） （2）设A相似于B，f(x)是任意多项式，则f(A)相似于f(B)，即 P?1AP?B?P?1f(A)P?f(B) 证明设f(x)?anx?an?1x nn n?1 a1x?a0 a1A?a0E a1B?a0E 于是，f(A)?anAn?an?1An?1? f(B)?anB?an?1B n?1 kk 由于A相似于B，则A相似与B，（k为任意正整数），即存在可逆矩阵X,使得 Bk?X?1AkX， ?1?1 anAn?an?1An?1?因此Xf?A?X?X ?a1A?a0E?X 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： 1 矩阵的相似 1.1 定义 1.2性质 1.3定理（证明） 1.4 相似矩阵与若尔当标准形 2 相似的条件 3 相似矩阵的应用（相似矩阵与特征矩阵 相似矩阵与矩阵的对角化 相似矩阵在微分方程中的应用 【1 】） 矩阵的相似及其应用 1.1 矩阵的相似 定义 1.1：设,A B 为数域P 上两个n 级矩阵，如果可以找到数域P 上的n 级可逆矩阵X ，使得1B X AX -=，就说A 相似于B 记作A B ∽ 1.2 相似的性质 （1）反身性A A ∽：；这是因为1A E AE -=. （2）对称性：如果A B ∽，那么B A ∽；如果A B ∽,那么有X ，使1B X AX -=，令1Y X -=，就有11A XBX Y BY --==，所以B A ∽。 （3）传递性：如果A B ∽，B C ∽，那么A C ∽。已知有,X Y 使1B X AX -=， C 1Y BY -=。令Z XY =，就有111C Y X AXY Z AZ ---==，因此，A C ∽。 1.3 相似矩阵的性质 若,n n A B C ?∈，A B ∽，则： （1）()()r A r B =； 引理：A 是一个s n ?矩阵，如果P 是一个s s ?可逆矩阵，Q 是n n ?可逆矩阵， 那么秩（A ）=秩（PA ）=秩（AQ ） 证明：设,A B 相似，即存在数域P 上的可逆矩阵C ，使得1B C AC -=,由引理2可知，秩 （B ）=秩（1 B C AC -=）=秩（AC ）=秩（A ） （2）设A 相似于B ，()f x 是任意多项式，则()f A 相似于()f B ，即 11()()P AP B P f A P f B --=?= 证明：设1110()n n n n f x a x a x a x a --=+++ 于是，1 110()n n n n f A a A a A a A a E --=+++ 1 110()n n n n f B a B a B a B a E --=++ + 由于A 相似于B ，则k A 相似与k B ，（k 为任意正整数），即存在可逆矩阵X ,使得 波士顿矩阵分析在实际案例中的运用[1] 上海和达汽车零部件有限公司是由某国内上市公司与外商合的生产汽车零部件的企业。公司于1996年正式投产．配套厂海大众发、一汽大众、上海通用、东风柳汽、吉利、湖南长风武等。 和达公司的主要产品分成五类，一是挤塑和复合挤塑类(密封嵌条、车顶饰条等)；二是滚压折弯类(车门导槽、滑轨、车架管；三是普通金属焊接类(汽车仪表板横梁模块)；四是激光焊接镁合金横梁模块)；五是排档杆类(手动排档总成系列)。 和达公司产品波士顿矩阵分析 A 问题型业务(Question Marks．指高增长、低市场份额) 处在这个领域中的是一些投机性产品。这些产品可能利润率但占有的市场份额很小。公司必须慎重回答“是否继续投资．业务?”这个问题。只有那些符合企业发展长远目标、企业具优势、能够增强企业核心竞争力的业务才得到肯定的回答。 从和达公司的情况来看。滚压折弯类产品由于技术含量不高．褴低，未来市场竞争程度必然加剧。所以对于这类产品．最好就是舍弃。由于目前还能带来利润，不必迅速退出，只要目前持必要的市场份额，公司不必再增加投入。当竞争对手大举,可以舍弃。 B 明星型业务(8tsx8，指高增长、高市场份额) 这个领域中的产品处于快速增长的市场中并且占有支配地位份额。但也许不会产生正现金流量。但因为市场还在高速成业必须继续投资，以保持与市场同步增长，并击退竞争对手。 对于和达公司来说，铝横梁的真空电子束焊接系统是国内第一家。具有技术上的领先优势。因此企业应该加大对这一产品的投入．以继续保持技术上的领先地位。对于排档杆类产品．由于国内在这个领域的竞争程度还不太激烈，因此可以考虑进入。和达公司应该把这类产品作为公司 相似矩阵的性质及应用毕业论文 一.相似矩阵的定义 定义：设A 、B 为数域P 上两个n 级矩阵，如果可以找到数域P 上的n 级可逆矩阵X ，使得B=1-X AX ，就说A 相似于B ，记做B A ~. 二.相似矩阵的重要性质 性质1 数域P 上的n 阶方阵的相似关系是一个等价关系. 证明：1〉（反身性） 由于单位矩阵E 是可逆矩阵，且A=1-E AE ，故任何方阵A 与A 相似. 2〉（对称性） 设A 与B 相似，即存在数域P 上的可逆方阵C ，使得B=1-C AC ，由此可得A=CB 1-C =11)(--C B 1-C ，显然可逆，所以B 与A 相似. 3〉（传递性）设A 与B 相似，B 与C 相似，即存在数域P 上的n 阶可逆方阵P 、Q ，使B=1-P AP ，C=1-Q BQ ，则 C=BQ=1-Q 1-P APQ=1)(-PQ A （PQ ），从而A 与C 相似. 〈证毕〉 性质2 相似矩阵有相同的行列式. 证明：设A 与B 相似，即存在数域P 上的可逆矩阵C ，使得B=1-C AC ，两边取行列式得：｜B ｜=｜1-C AC ｜=｜1-C ｜｜A ｜｜C ｜=｜A ｜｜1-C C ｜=｜A ｜. 从而相似矩阵有相同的行列式. 〈证毕〉 下面先介绍两个引理 引理1：设A 是数域P 上的n ×m 矩阵，B 是数域P 上m ×s 矩阵，于是 秩（AB ）≤min[秩（A ），秩（B ）] (1) 即乘积的秩不超过各因子的秩. 证明：为了证明（1），只需要证明秩（AB ）≤秩（A ），同时，秩（AB ）≤秩（B ）. 现在来分别证明这两个不等式. 设A=??????? ??nm n n m m a a a a a a a a a 2 1 22221 11211，B=?? ? ? ? ? ? ??ms m m s s b b b b b b b b b 21222 21112 11 令1B ，2B ，…，m B 表示B 的行向量，1C ，2C ，…n C ，表示AB 行向量.由计算可知，i C 的第j 个分量和m im i i B a B a B a +++ 2211的第j 个分量都等于kj m k ik b a ∑=1 ，因 而i C =m im i i B a B a B a +++ 2111 （i=1，2，…n ）. 即矩阵AB 的行向量组n C C C ,,,21 可经B 的行向量组线性表出.所以AB 的秩不能超过B 的秩，也即, 秩（AB ）≤秩（B ）. 同样，令m A A A ,,21 表示A 的列向量，s D D D ,,21表示AB 的列向量，由计算可知 i D =11A b i +22A b i +…+m mi A b （i=1，2，…，s ）. 这个式子表明，矩阵AB 的列向量可以经矩阵A 的列向量组表出，前者的秩不可能超 过后者的秩，这就是说，秩（AB ）≤秩（A ）. <证毕> 引理2:A 是一个s ×n 矩阵,如果P 是个s ×s 可逆矩阵,Q 是n ×n 可逆矩阵,那么 秩（A ）=秩（PA ）=秩（AQ ）. 证明:令 B=PA,由引理1知秩（B ）≤秩（A ）； 但是由 A=1-P B, 又由 秩（A ）≤秩（B ）, 所以 矩阵T αβ的若干性质及其在考研数学中的应用 设向量βα，均为n 维非零列向量，记T αβA =。通过对历年考研试题的研究发现，线性代数部分比较重视对矩阵A 性质的考查，而课本和相关考研辅导书对这些性质没有做系统的研究，从而导致考研学生在遇到相关题目时不知所措。本文将研究矩阵A 的性质，并借助考研数学真题来说明这些性质的应用，进而强调掌握好这些性质的重要性。 1 矩阵），（00≠≠=βααβA T 的性质 性质1 矩阵），（00≠≠=βααβA T 的秩为1。 证明：令()0αT ≠=n a a a ,,,21 ，()0βT ≠=n b b b ,,,21 ，不妨设0≠i a ，则 ????????? ???????→????????????????→????????????????=00000021212112111212112111 n n n n n n n n n n n n i i i n b b b b a b a b a b b b b a b a b a b a b a b a b a b a b a b a b a b a A ????????????? ???→00 000000021 n b b b ，于是A 的秩为1。 性质2 A αβA n 1T )(-=n 。注意，αβT 就是A 的迹。 该性质利用矩阵乘法的结合律即可证明。由于秩为1的矩阵总可以表示为矩阵A 的形式[1] ，因此上述性质也可推广到以下结论： 推论1 秩为1的矩阵的n 次方等于该矩阵迹的n —1次方乘以这个矩阵本身。 性质3 当0≠=βα即T ααA =时，A 的全部特征值分别为0002，，，， α，其中唯一非零特征值对应的线性无关的特征向量为α。 证明：因为矩阵A 是实对称矩阵，所以它一定相似于一个对角阵 ????????????=n 21λλλ Λ 其中n λλ,,1 为A 的n 个特征值。由性质1，1)(=A r ，又因为相似矩阵有相同的秩，故 相似矩阵的性质及应用论文 相似矩阵的性质及应用 学院:电力学院专业:电子科学与技术小组人员:韩燕军 201009931 高向红201009929 高亚伟 201009930 靳佳奇 201009932 一定义 -1设A,B为n阶矩阵，如果存在一个可逆矩阵P,使得PAP=B,则称矩阵A 和B相似，记为A~B 。 211,111,,,,,,例:设A=,B=,P= ,,,,,,,,,,,,01,12,10,,,,,, 211,1,,,,1,1,,,,,,-1,,,,因为PAP=-1 ,,,12,10,,,,,,,12,, 100111,,,,,, =,,==B ,,,,,,,,,,1101,11,,,,,, 所以A~B 二矩阵的相似关系具有的性质 -11 自反性 A~A 因为A=EAE 2对称性如果A~B，则B~A -1-1如果设A~B，则有可逆矩阵P,使B=PAP,令C=P, -1- 1 -1-1因为A=(P)B P=CBC,则B~A 3传递性如果A~B，B~C,则A~C -1-1如果设A~B，B~C，则存在可逆矩阵M,N,使B= MAM,C= NAN, -1-1-1故C= N M AMN= (MN) A(MN),所以A~C 三. 矩阵的其它性质 1.若A~B，则A与B的行列式相等 2. 若A~B，则A可逆的充要条件是B可逆 3. 若A~B，且A可逆，则A与B的逆矩阵也相似 4. 若A~B，则A与B有相同的特征多项式，但特征多项式相等的矩阵并不一定相似 5. 若A~B，则r(A)= r(B) TT 例:证明若A~B，则A~B -1T-1TTT-1T-1T 证:因为B=PA P,所以B=(PAP)=PA(P)=CAC T-1TT 其中P= C ,于是A~B 四求下列矩阵的特征值和特征向量: (1); 解故A的特征值为1(三重) 对于特征值1 由 T得方程(AE)x0的基础解系p1(1 1 1) 向量p1就是对应于特征值1的特征值向量. (2); 解 故A的特征值为10 21 39 对于特征值10 由 矩阵论在通信领域中的应用 基于多输入多输出技术（MIMO）信道容量的分析 1 背景分析 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)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的提出很好地解决了这个问题。 多输入多输出(MIMO)技术能极大增加系统容量与改善无线链路质量的优点。通信信道容量是信道进行无失真传输速率的上界，因此研究MIMO的信道容量具有巨大的指导意义。但是对信道容量的推导分析是一个很复杂的过程，但是应用矩阵的知识进行分析能很好的解决这个问题，本文把矩阵理论知识与MIMO技术信道容量中的应用紧密结合，首先建立了MIMO信道模型，利用信息论理论和矩阵理论建立系统模型详细推导出MIMO信道容量,通过程序仿真反应实际情况，可以更直观正确的得出重要结论，这些结论的得出没有矩阵的知识是很难实现的。 2 问题的提出 基于MIMO的无线通信理论和传输技术显示了巨大的潜力和发展前景。MIMO 技术的核心是空时信号处理，利用在空间中分布的多个天线将时间域和空间域结合起来进行信号处理，有效地利用了信道的随机衰落和多径传播来成倍的提高传输速率，改善传输质量和提高系统容量，能在不额外增加信号带宽的前提下带来无线通信性能上几个数量级的提高。目前对MIMO技术的应用主要集中在以空时编码(STC,Space-Time Codes)为典型的空间分集(diversity)和以BLAST(Bell LAyered Space-Time architecture)为典型的空间复用(multiplexing)两个方面。MIMO作为未来一代宽带无线通信系统的框架技术，是实现充分利用空间资源以提高频谱利用率的一个必然途径。 可问题是，MIMO系统大容量的实现和系统其它性能的提高以及MIMO系统中 本科生毕业论文 矩阵相似的若干判别法及应用 学号： 2011562010 姓名：邵坷 年级： 2011级本科班 系别：数学系 专业：数学与应用数学 指导教师：由金玲 完成日期： 2015 年4月30日 承诺书 我承诺所呈交的毕业论文（设计）是本人在指导教师指导下进行研究工作所取得的研究成果.据我查证,除了文中特别加以标注的地方外,论文中不包含他人已经发表或撰写过的研究成果.若本论文（设计）及资料与以上承诺内容不符,本人愿意承担一切责任. 毕业论文（设计）作者签名： 日期：年月日 目录 摘要 ..................................................................................................................................... I Abstract .................................................................................................................................... II 前言 (1) 第一章基本概念 (2) 1.1 矩阵 (2) 1.1.1 矩阵的概念 (2) 1.1.2 矩阵的性质 (2) 1.2 矩阵相似 (3) 1.2.1矩阵相似的概念 (3) 1.2.2 矩阵相似的性质 (4) 第二章矩阵相似的判别 (5) 2.1 特征值与特征向量法判定 (5) 2.1.1 特征值和特征向量的定义及求法 .................................. 错误！未定义书签。 2.1.2 特征值和特征向量的基本性质与矩阵相似的判定 (5) 2.2用初等变法换判定 (8) 2.3 应用分块矩阵相似判定 (10) 第三章矩阵相似的应用 (13) 3.1 利用相似变换把方阵对角化 (13) 3.2 矩阵相似性质的简单应用 (13) 3.3 矩阵相似在实际生活中的应用 (14) 结论 (16) 参考文献 (17) 致谢 (18) 幂等矩阵的性质及其应用 0 引言 幂等矩阵是一类性质特殊的矩阵，不仅在高等代数中有着重要的应用，在其它课程中，如计量经济学、统计学课程中也有着重要应用。在代数学中，线性变换的许多问题都可以转化为幂等矩阵来解决。但是在通常的高等代数的教材中关于幂等矩阵的讨论是比较少的。因此本文对幂等矩阵的性质做出相关讨论。本文主要给出幂等矩阵特征值、特征子空间和Jordan标准型的基本性质，同时给出了一些相关的应用。 1 主要结果 首先给出幂等矩阵的定义和基本性质。 定义1：若n阶方阵A满足A2=A，则称A为幂等矩阵。 下面给出关于幂等矩阵的一些简单的性质。 定理1：幂等矩阵A的特征值只能是0或者1。 证明：设A为任意一个幂等矩阵。 由A2=A，可得 λ2=λ 其中λ为A的特征值。于是有 λ=1或0， 命题得证。 推论：可逆的幂等矩阵的特征值均为1。 证明：设A为一可逆的幂等矩阵。由A2=A可得 A2A-1=AA-1 即 A=E。 此时有 λE-E=0 即 λ=1 其中，λ为A的特征值。命题得证。 定理2：任意的幂等矩阵A都相似于对角阵，即存在可逆阵P，使得： P-1AP=E■ 00 0， 其中r=R（A）。 证明：A为任意幂等矩阵，J为其Jordan标准型，即存在可逆矩阵P，使得P-1AP=J=■， 其中Ji=■。 由此可得J 2=J。于是有，Ji 2=Ji。 此时，Ji只能为数量矩阵λ■E。 又因为A2=A，所以λ■=0或1，且r=R（A）。命题得证。 定理3：幂等矩阵的特征值为1的特征子空间为其值域，特征值为0的特征子空间为其零（核）空间。 证明：（i）A为一n阶幂等矩阵。？琢为其特征值1对应的特征向量。 则有，A？琢=？琢。由此可得？琢属于A的值域。 矩阵分析及其应用 3.1 矩阵序列 定义3.1 设矩阵序列{A (k)},其中A (k)=() (k ij a )∈C m ?n ,当k →∞， )(k ij a →a ij 时，称矩阵序列{A (k)}收敛，并称矩阵A=(a ij )为矩 阵序列{A (k)}的极限，或称{A (k)}收敛于A, 记为 A A k k =∞ →)(lim 或 A (k)→ A 不收敛的矩阵序列称为发散的。 由定义，矩阵序列A (k) 发散的充要条件为存在ij 使 得数列) (k ij a 发散。 类似地，我们可以定义矩阵收敛的Cauchy 定义 定义3.1' 矩阵序列{A (k)}收敛的充要条件为 对任给ε>0 存在N(ε), 当 k , l ≥ N(ε) 时有 ||A (k)-A (l )|| < ε 其中||.||为任意的广义矩阵范数。 例1 ???? ? ? ??- =∑=-n k n n k k e n n 12) ()sin()1sin(11A 如果直接按定义我们因为求不出A (n )的极限从而 很难应用定义3.1证明收敛。 相反，由于∑∑∑+=+=+=-≤≤n m k n m k n m k k k k k k 112 1 2 ) 1(1 1 ) sin( < 1/m 从而只要l 充分大，则当m, n > l 时就有 ε≤∑ +=n m k k k 1 2 ) sin( 这样A (l ) 收敛。 定理3.1 A (k)→ A 的充要条件为 ||A (k) -A||→0 证明：利用广义矩阵范数的等价性定理，仅对∞范数可以证明。 即 c 1 ||A (k) -A||∞ ≤ ||A (k) -A||≤ c 2 ||A (k) -A||∞ 性质0 若A (k)→ A ， 则 ||A (k)|| → ||A|| 成立。 等价：存在可逆矩阵Q P ,，使B PAQ =，则A 与B 等价； 相似：存在可逆矩阵P ，使B AP P =-1，则A 与B 相似； 合同：存在可逆矩阵C ，使B AC C T =，则A 与B 合同. 一、相似矩阵的定义及性质 定义1 设B A ,都是n 阶矩阵，若有可逆矩阵P ，使B AP P =-1 ，则称B 是A 的相似矩阵， 或说矩阵A 与B 相似，记为B A ~.对A 进行运算AP P 1-称为对A 进行相似变换，可逆矩阵P 称为把A 变成B 的相似变换矩阵. 注 矩阵相似是一种等价关系. （1）反身性：A A ~. （2）对称性：若B A ~，则A B ~. （3）传递性：若B A ~，C B ~，则C A ~. 性质1 若B A ~，则 （1）T T B A ~； （2）11~--B A ； （3）E B E A λλ-=-； （4）B A =； （5）)()(B R A R =. 推论 若n 阶矩阵A 与对角矩阵??????? ? ?=Λn λλλ 21相似，则n λλλ,,,21 是A 的n 个特征值. 性质2 若1-=PBP A ，则A 的多项式1)()(-=P B P A φφ. 推论 若A 与对角矩阵Λ相似，则 1211)()()()()(--?????? ? ??=Λ=P P P P A n λφλφλφφφ . 注 （1）与单位矩阵相似的只有它本身； （2）有相同特征多项式的矩阵不一定相似. 二、矩阵可对角化的条件 对n 阶方阵A ，如果可以找到可逆矩阵P ，使Λ=-AP P 1为对角阵，就称为把方阵A 对角化。 定理1 n 阶矩阵A 可对角化（与对角阵相似）A ?有n 个线性无关的特征向量。 推论 如果n 阶矩阵A 的n 个特征值互不相等，则A 与对角阵相似.（逆命题不成立） 注：（1）若A ～Λ，则Λ的主对角元素即为A 的特征值，如果不计i λ的排列顺序，则Λ唯 一，称之为矩阵A 的相似标准形。 （2）可逆矩阵P 由A 的n 个线性无关的向量构成。 把一个矩阵化为对角阵，不仅可以使矩阵运算简化，而且在理论和应用上都有意义。 可对角化的矩阵主要有以下几种应用： 三、实对称矩阵的相似矩阵 实对称矩阵是一类特殊的矩阵，它们一定可以对角化.即存在可逆矩阵P ，使得Λ=-AP P 1.更可找到正交可逆矩阵T ，使和Λ=-AT T 1 定理2 实对称矩阵的特征值为实数。 定理2的意义：因为对称矩阵A 的特征值1λ为实数，所以齐次线性方程组0)(=-x E A i λ是实系数方程组。又因为0=-E A i λ，可知该齐次线性方程组一定有实的基础解系，从而对应的特征向量可以取实向量。 定理3：实对称矩阵A 的对应于不同特征值的特征向量正交。 定理4：A 为n 阶实对称矩阵，0λ是A 的k 重特征值，则对应于0λ的特征向量中，线性无关的个数为k ，即0)(0=-X E A λ的基础解系所含向量个数为k 。 定理5：（实对称矩阵必可对角化） 对于任一n 阶实对称矩阵A ，一定存在n 阶正交矩阵T ，使得Λ=-AT T 1。其中Λ是以A 的n 个特征值为对角元素的对角阵。 定义2 若二次型Ax x f T =，则对称矩阵A 叫做二次型f 的矩阵，也把f 叫做对称矩阵A 的二次型.对称矩阵A 的秩就叫做二次型f 的秩. 推理 对称矩阵A 为正定的充分必要条件是：A 的特征值全为正. 定理3 对称矩阵A 正定的充分必要条件是：A 的各阶主子式都为正，即 矩阵的合同，等价与相似的联系与区别 一、基本概念与性质 （一）等价： 1、概念。若矩阵A 可以经过有限次初等变换化为B ，则称矩阵A 与B 等价，记为A B ?。 2、矩阵等价的充要条件： A B ?.{P Q A B ?同型，且人r(A)=r(B)存在可逆矩阵和，使得PAQ=B 成立 3、向量组等价，两向量组等价是指两向量组可相互表出，有此可知：两向量组的秩相同，但两向量组各自的线性相关性却不相同。 （二）合同： 1、概念，两个n 阶方阵A,B ，若存在可逆矩阵P ，使得A B ?P T AP B =成立，则称A,B 合同，记作A B ?该过程成为合同变换。 2、矩阵合同的充要条件：矩阵A,B 均为实对称矩阵，则A B ??二次型x T Ax 与x T Bx 有相等的E 负惯性指数，即有相同的标准型。 （三）相似 1、概念：n 阶方阵A,B ，若存在一个可逆矩阵P 使得1B P AP -=成立，则称矩阵A,B 相似，记为~A B 。 2、矩阵相似的性质： ~A B 11~,~,~(,) |E-A |||,()(),T T k k A B A B A B A B E B A B tr A tr B A B λλ--=-?=前提，均可逆即有相同的特征值（反之不成立） r(A)=r(B) 即的逆相等 |A|=|B| 3、矩阵相似的充分条件及充要条件： ①充分条件：矩阵A,B 有相同的不变因子或行列式因子。 ②充要条件：~()()A B E A E B λλ?-?- 二、矩阵相等、合同、相似的关系 （一）、矩阵相等与向量组等价的关系： 设矩阵 12(,,,)n A λλλ=，12(,,,)m B βββ= 1、若向量组（12,,,m βββ）是向量组（12,,,n λλλ）的极大线性无关 组,则有m n ≤，即有两向量等价，而两向量组线性相关性却不同，钱者一定线性无关，而后者未必线性无关。而矩阵B 与A 亦不同型，虽然()()r A r B =但不能得出A B ?。 2、若m=n ，两向量组（12,,,n λλλ）?（12,,,m βββ）则有矩阵A,B 同 型且()()~,,r A r B A B A B A B =??r()()A r B A B =??。 3、若r()()A B A r B ??=?两向量组秩相同，?两向量组等价，即有1212(,,,)(,,,)n n A B λλλβββ?≠>? 综上所述：矩阵等价与向量等价不可互推。 （二）、矩阵合同。相似，等价的关系。 1、联系：矩阵的合同、相似、等价三种关系都具有等价关系，因为三者均具有自反性、对称型和传递性。 2、合同、相似、等价之间的递推关系 矩阵相似的若干判别 法及应用 本科生毕业论文 矩阵相似的若干判别法及应用 学号： 2011562010 姓名：邵坷 年级： 2011级本科班 系别：数学系 专业：数学与应用数学 指导教师：由金玲 完成日期： 2015 年4月30日 承诺书 我承诺所呈交的毕业论文（设计）是本人在指导教师指导下进行研究工作所取得的研究成果.据我查证,除了文中特别加以标注的地方外,论文中不包含他人已经发表或撰写过的研究成果.若本论文（设计）及资料与以上承诺内容不符,本人愿意承担一切责任. 毕业论文（设计）作者签名： 日期：年月日 目录 摘要 ..................................................................................................................................... I Abstract .................................................................................................................................... II 前言 (1) 第一章基本概念 (2) 1.1 矩阵 (2) 1.1.1 矩阵的概念 (2) 1.1.2 矩阵的性质 (2) 1.2 矩阵相似 (3) 1.2.1矩阵相似的概念 (3) 1.2.2 矩阵相似的性质 (4) 第二章矩阵相似的判别 (5) 2.1 特征值与特征向量法判定 (5) 2.1.1 特征值和特征向量的定义及求法 ............................................. 错误!未定义书签。 2.1.2 特征值和特征向量的基本性质与矩阵相似的判定 (5) 2.2用初等变法换判定 (8) 2.3 应用分块矩阵相似判定 (11) 第三章矩阵相似的应用 (14) 3.1 利用相似变换把方阵对角化 (14) 3.2 矩阵相似性质的简单应用 (15) 3.3 矩阵相似在实际生活中的应用 (15) 结论 (17) 参考文献 (18) 致谢 (19)相似矩阵的性质及应用
矩阵相似的性质：矩阵相似例题
矩阵变换及应用开题报告
矩阵相似的性质
波士顿矩阵分析在实际案例中的运用
相似矩阵的性质及应用毕业论文
一类矩阵的若干性质及其在考研数学中的应用(原创)
相似矩阵的性质及应用 论文
矩阵分析在通信中应用
矩阵相似的若干判别法及应用讲解
幂等矩阵的性质及其应用
中科院矩阵分析课件
矩阵相关性质
矩阵的合同,等价与相似的联系与区别
矩阵相似的若干判别法及应用知识讲解