热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

矩阵函数的常见求法

1待定系数法1.1待定系数法求矩阵函数的步骤推导待定系数法是以Hamilton-Cayley定理为基础的一种求矩阵函数的方法。设\(n\)阶矩阵\(A\)的特征多项式为\(\phi

1 待定系数法


1.1 待定系数法求矩阵函数的步骤推导

待定系数法是以Hamilton-Cayley定理为基础的一种求矩阵函数的方法。设\(n\)阶矩阵\(A\)的特征多项式为\(\phi(\lambda)=\det(\lambda I-A)\),且设首\(1\)多项式为\(\psi(\lambda)\),如果\(\psi(A)=O\),且\(\psi(\lambda)\)整除\(\phi(\lambda)\),则根据Hamilton-Cayley定理知道\(\psi(\lambda)\)的零点都是\(A\)的特征值,记\(\psi(\lambda)\)的所有互异零点重数之和为\(m\),则


\[f(z)=\sum^{\infty}_{k=0}c_kz^k=\psi(z)g(z)+r(z)

\]

其中\(r(z)\)为次数低于\(m\)的多项式,在确定出\(r(z)\)之后,便知道\(f(A)=r(A)\)。值得一提的是,求解\(r(z)\)的时候可以回避掉\(g(z)\)的计算,依据的原理是适当求导之后的\(\psi(z)g(z)\)的值仍为零,具体的操作过程将在下面结合具体的例子加以说明。


1.2 举例展示求法

下面以《矩阵论》一书例3.5为基础说明待定系数法求矩阵函数的具体过程。


例3.5 设\(A=\begin{bmatrix}

2 & 0 & 0\\

1 & 1 & 1\\

1 & -1 & 3

\end{bmatrix}\)
,求\(e^A\)\(e^{tA}~(t\in R)\)


(1)容易得到最小多项式为\(m(\lambda)=(\lambda-2)^2\),故取\(\psi(\lambda)=(\lambda-2)^2\),此时最高次数为\(2\),故设\(r(\lambda)=a+b\lambda\),由于\(2\)为特征值,所以有下面的方程组:


\[\left.

\begin{cases}

f(2)=e^2\\

f'(2)=e^2

\end{cases}

\right.

\]

容易解得\(a=-e^2\)\(b=e^2\),于是\(r(\lambda)=e^2(\lambda-1)\),故


\[e^A=f(A)=r(A)=e^2(A-I)=e^2

\begin{bmatrix}

1 & 0 & 0\\

1 & 0 & 1\\

1 & -1 & 2

\end{bmatrix}

\]

(2)仍取\(\psi(\lambda)=(\lambda-2)^2\),此时最高次数为\(2\),故设\(r(\lambda)=a+b\lambda\),由于\(2\)为特征值,所以有下面的方程组:


\[\left.

\begin{cases}

f(2)=e^{2t}\\

f'(2)=te^{2t}

\end{cases}

\right.

\]

容易解得\(a=(1-2t)e^{2t}\)\(b=te^{2t}\),于是\(r(\lambda)=e^{2t}[(1-2t)+t\lambda]\),故


\[e^{tA}=f(A)=r(A)=e^{2t}[(1-2t)I+tA]=e^{2t}

\begin{bmatrix}

1 & 0 & 0\\

t & 1-t & t\\

t & -t & 1+t

\end{bmatrix}

\]


2 数项级数求和法


2.1 数项级数求和法求矩阵函数的步骤推导

数项级数求和法是根据最小多项式导出的矩阵递推关系来求解求矩阵函数的方法。由于首\(1\)多项式\(\psi(\lambda)\)满足\(\psi(A)=O\),也即


\[A^m+b_1A^{m-1}+\cdots+b_{m-1}A+b_mI=O

\]

那么就可以得到


\[A^m=k_0I+k_1A+\cdots+k_{m-1}A^{m-1}\quad(k_i=-b_{m-i})

\]

这就是关于\(A^m\)的递推关系,也就是说任意的\(A^n\)总能够通过序列的前\(m\)项来表示出来,这就将矩阵幂级数的求和问题转化为了\(m\)个矩阵的求和问题,即有


\[\begin{align*}

f(A)=&\sum^{\infty}_{k=0}c_kA^k=(c_0I+c_1A+\cdots+c_{m-1}A^{m-1})+c_m(k_0I+k_1A+\cdots+k_{m-1}A^{m-1})+\cdots\\

&+c_{m+l}(k_0^{(l)}I+k_1^{(l)}A+\cdots+k_{m-1}^{(l)}A^{m-1})+\cdots\\

=&(c_0+\sum^{\infty}_{l=0}c_{m+l}k_0^{(l)})I+(c_1+\sum^{\infty}_{l=0}c_{m+l}k_1^{(l)})A+\cdots+(c_{m-1}+\sum^{\infty}_{l=0}c_{m+l}k_{m-1}^{(l)})A^{m-1}

\end{align*}

\]


2.2 举例展示求法

下面以《矩阵论》一书例3.6为基础说明数项级数求和法求矩阵函数的具体过程。


例3.6 设\(A=\begin{bmatrix}

\pi & 0 & 0 & 0\\

0 & -\pi & 0 & 0\\

0 & 0 & 0 & 1\\

0 & 0 & 0 & 0

\end{bmatrix}\)
,求\(\sin A\)


容易得到矩阵\(A\)的特征多项式为\(\phi(\lambda)=\det(\lambda I-A)=\lambda^4-\pi^2\lambda^2\),因此有\(\phi(A)=O\),也就有\(A^4=\pi^2A^2,A^5=\pi^2A^3,A^7=\pi^2A^5,\cdots\),于是


\[\begin{align*}

\sin A=&A-\frac{1}{3!}A^3+\frac{1}{5!}A^5-\frac{1}{7!}A^7+\frac{1}{9!}A^9-\cdots\\

=&A-\frac{1}{3!}A^3+\frac{1}{5!}\pi^2A^3-\frac{1}{7!}\pi^4A^3+\frac{1}{9!}\pi^6A^3-\cdots\\

=&A+(-\frac{1}{3!}+\frac{1}{5!}\pi^2-\frac{1}{7!}\pi^4+\frac{1}{9!}\pi^6-\cdots)A^3\\

=&A+\frac{\sin\pi-\pi}{\pi}A^3\\

=&A-\pi^{-2}A^3\\

=&

\begin{bmatrix}

0 & 0 & 0 & 0\\

0 & 0 & 0 & 0\\

0 & 0 & 0 & 1\\

0 & 0 & 0 & 0

\end{bmatrix}

\end{align*}

\]


3 对角型法


3.1 对角型法求矩阵函数的步骤推导

对角型法就是线性代数课程中已经介绍过的求矩阵函数的方法。设\(A\)相似于对角矩阵\(\Lambda\),即有可逆矩阵\(P\),使得


\[P^{-1}AP=

\begin{bmatrix}

\lambda_1 & &\\

& \ddots &\\

& & \lambda_n

\end{bmatrix}

\qquad

A=P

\begin{bmatrix}

\lambda_1 & &\\

& \ddots &\\

& & \lambda_n

\end{bmatrix}

P^{-1}

\]

则有矩阵函数\(\sum^N_{k=0}c_kA^k=\sum^N_{k=0}c_kP\Lambda^kP^{-1}=P(\sum^N_{k=0}c_k\Lambda^k)P^{-1}\),于是


\[f(A)=\sum^N_{k=0}c_kA^k=

P

\begin{bmatrix}

\sum^N_{k=0}c_k\lambda_1^k & &\\

& \ddots &\\

& & \sum^N_{k=0}c_k\lambda_n^k

\end{bmatrix}

P^{-1}

=

P

\begin{bmatrix}

f(\lambda_1) & &\\

& \ddots &\\

& & f(\lambda_n)

\end{bmatrix}

P^{-1}

\]


3.2 举例展示求法

下面以《矩阵论》一书例3.7为基础说明对角型法求矩阵函数的具体过程。


例3.7 设\(A=\begin{bmatrix}

4 & 6 & 0\\

-3 & -5 & 0\\

-3 & -6 & 1

\end{bmatrix}\)
,分别求\(e^A\)\(e^{tA}~(t\in R)\)\(\cos A\)


矩阵\(A\)的特征多项式\(\phi(\lambda)=\det(\lambda I-A)=(\lambda+2)(\lambda-1)^2\),那么根据线性代数的知识可以构造矩阵


\[P=(p_1,p_2,p_3)=

\begin{bmatrix}

-1 & -2 & 0\\

1 & 1 & 0\\

1 & 0 & 1

\end{bmatrix}

\qquad

P^{-1}AP=

\begin{bmatrix}

-2 & & \\

& 1 & \\

& & 1

\end{bmatrix}

\]

其中\(p_1\)\(p_2\)\(p_3\)​为矩阵的三个特征向量,那么就有


\[\begin{align*}

e^A&=P

\begin{bmatrix}

e^{-2} & & \\

& e^1 & \\

& & e^1

\end{bmatrix}P^{-1}=

\begin{bmatrix}

2e-e^{-2} & 2e-2e^{-2} & 0\\

e^{-2}-e & 2e^{-2}-e & 0\\

e^{-2}-e & 2e^{-2}-2e & e

\end{bmatrix}\\

e^{tA}&=P

\begin{bmatrix}

e^{-2t} & & \\

& e^t & \\

& & e^t

\end{bmatrix}P^{-1}=

\begin{bmatrix}

2e^t-e^{-2t} & 2e^t-2e^{-2t} & 0\\

e^{-2t}-e^t & 2e^{-2t}-e^t & 0\\

e^{-2t}-e^t & 2e^{-2t}-2e^t & e^t

\end{bmatrix}\\

\cos A&=P

\begin{bmatrix}

\cos(-2) & & \\

& \cos1 & \\

& & \cos1

\end{bmatrix}P^{-1}=

\begin{bmatrix}

2\cos1-\cos2 & 2\cos1-2\cos2 & 0\\

\cos2-\cos1 & 2\cos2-\cos1 & 0\\

\cos2-\cos1 & 2\cos2-2\cos1 & \cos1

\end{bmatrix}

\end{align*}

\]


4 Jordan标准型法


4.1 Jordan标准型法求矩阵函数的步骤推导

Jordan标准型法在形式上类似于对角型法。矩阵\(A\)的Jordan标准型为\(J\),则有可逆矩阵\(P\),使得


\[P^{-1}AP=J=

\begin{bmatrix}

J_1 & &\\

& \ddots &\\

& & J_s

\end{bmatrix}

\qquad

J_i=

\begin{bmatrix}

\lambda_i & 1 & &\\

& \ddots & \ddots &\\

& & \lambda_i & 1\\

& & & \lambda_i

\end{bmatrix}_{m_i\times m_i}

\]

那么矩阵函数就可以求解,形式为:


\[\begin{align*}

f(A)&=P

\begin{bmatrix}

f(J_1) & &\\

& \ddots &\\

& & f(J_s)

\end{bmatrix}P^{-1}\\

f(J_i)&=\sum^{\infty}_{k=0}c_kJ^k_i=\sum^{\infty}_{k=0}c_k

\begin{bmatrix}

\lambda_i^k & C_k^1\lambda_i^{k-1} & \cdots & C_k^{m_i-1}\lambda_i^{k-m_i+1}\\

& \lambda_i^k & \ddots & \vdots\\

& & \ddots & C_k^1\lambda_i^{k-1}\\

& & & \lambda_i^k

\end{bmatrix}

\end{align*}

\]


4.2 举例展示求法

下面以《矩阵论》一书例3.6为基础说明数项级数求和法求矩阵函数的具体过程。


例3.6 设\(A=\begin{bmatrix}

\pi & 0 & 0 & 0\\

0 & -\pi & 0 & 0\\

0 & 0 & 0 & 1\\

0 & 0 & 0 & 0

\end{bmatrix}\)
,求\(\sin A\)


矩阵\(A\)的三个Jordan块为


\[J_1=\pi\quad J_2=-\pi\quad J_3=

\begin{bmatrix}

0 & 1\\

0 & 0

\end{bmatrix}

\]

且根据求解过程可得


\[\sin J_1=0\quad \sin J_2=0\quad \sin J_3=

\begin{bmatrix}

\sin0 & \frac1{1!}\cos1\\

0 & \sin0

\end{bmatrix}=

\begin{bmatrix}

0 & 1\\

0 & 0

\end{bmatrix}

\]

因此将此三个Jordan块进行组装便可以得到


\[\sin A=

\begin{bmatrix}

\sin J_1 & &\\

& \sin J_2 &\\

& & \sin J_3

\end{bmatrix}=

\begin{bmatrix}

0 & 0 & 0 & 0\\

0 & 0 & 0 & 0\\

0 & 0 & 0 & 1\\

0 & 0 & 0 & 0

\end{bmatrix}

\]


5 参考资料



  • 《矩阵论》,张凯院,徐仲,西北工业大学出版社

    image



推荐阅读
  • 本文详细介绍了如何在CentOS 7操作系统上安装和配置Grafana,包括必要的依赖项安装、插件管理以及服务启动等步骤。 ... [详细]
  • 本文详细探讨了JDBC(Java数据库连接)的内部机制,重点分析其作为服务提供者接口(SPI)框架的应用。通过类图和代码示例,展示了JDBC如何注册驱动程序、建立数据库连接以及执行SQL查询的过程。 ... [详细]
  • 本文详细介绍了MicroATX(也称Mini ATX)和MATX主板规格,探讨了它们的结构特点、应用场景及对电脑系统成本和性能的影响。同时,文章还涵盖了相关操作系统的实用技巧,如蓝牙设备图标删除、磁盘管理等。 ... [详细]
  • 解决JAX-WS动态客户端工厂弃用问题并迁移到XFire
    在处理Java项目中的JAR包冲突时,我们遇到了JaxWsDynamicClientFactory被弃用的问题,并成功将其迁移到org.codehaus.xfire.client。本文详细介绍了这一过程及解决方案。 ... [详细]
  • 本文详细介绍了Git分布式版本控制系统中远程仓库的概念和操作方法。通过具体案例,帮助读者更好地理解和掌握如何高效管理代码库。 ... [详细]
  • 使用GDI的一些AIP函数我们可以轻易的绘制出简 ... [详细]
  • 本文探讨了如何在 PHP 的 Eloquent ORM 中实现数据表之间的关联查询,并通过具体示例详细解释了如何将关联数据嵌入到查询结果中。这不仅提高了数据查询的效率,还简化了代码逻辑。 ... [详细]
  • 本文介绍了如何利用npm脚本和concurrently工具,实现本地开发环境中多个监听服务的同时启动,包括HTTP服务、自动刷新、Sass和ES6支持。 ... [详细]
  • 切比雪夫多项式
    本文主要介绍关于切比雪夫,多项式,矩阵的知识点,对【切比雪夫多项式】和【切比雪夫多项式零点公式】有兴趣的朋友可以看下由【voevie】投稿的技术文章,希望该技术和经验能帮到你解决你所遇的【数学】相关技 ... [详细]
  • 本题探讨如何通过最大流算法解决农场排水系统的设计问题。题目要求计算从水源点到汇合点的最大水流速率,使用经典的EK(Edmonds-Karp)和Dinic算法进行求解。 ... [详细]
  • 本文详细介绍了如何在CAD中自定义快捷键,特别是F1到F12功能键及其组合键的设置方法,帮助用户提高绘图效率。 ... [详细]
  • 本文将详细介绍如何在Linux操作系统中执行PHP脚本,包括环境配置、命令使用及验证方法。对于需要在Linux环境下开发或部署PHP应用的用户来说,这是一篇非常实用的文章。 ... [详细]
  • 深入解析JMeter中的JSON提取器及其应用
    本文详细介绍了如何在JMeter中使用JSON提取器来获取和处理API响应中的数据。特别是在需要将一个接口返回的数据作为下一个接口的输入时,JSON提取器是一个非常有用的工具。 ... [详细]
  • 本文介绍如何通过SSH协议使用Xshell远程连接到Ubuntu系统。为了实现这一目标,需要确保Ubuntu系统已安装并配置好SSH服务器,并保证网络连通性。 ... [详细]
  • 实体映射最强工具类:MapStruct真香 ... [详细]
author-avatar
ShiZha0_625
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有