矩阵方程的类型

矩阵的知识

维普资讯

第 l 9卷第 2期

邯郸职业技术学院学报

2O 06年 6月

矩阵方程的求解问题郑丽0 60 ) 50 1 (邯郸职业技术学院基础部，河北邯郸

摘

要：主要考察了矩阵方程的求解问题，出了一般矩阵方程当系数矩阵满足不同条件时的两种给

求解方法。

关键词：阵；阵的逆；阵方程矩矩矩中图分类号： 2 16 0 4 .文献标识码： A文章编号：0 9 4 2 2 o ) 2 0 9 3 10—5 6 (0 6 0—0 8—0—。..。.. ... ...L。. ..。.

矩阵是线性代数中的最重要的部分。贯穿于线性代数的始终，以说线性代数就是矩阵的代数，它可 矩阵是处理高等数学很多问题的有力工具。阵方程是矩阵运算的一部分，矩这里我们主要讨论如何求解矩阵方程的问题。握简单的矩阵方程的求法，于求解复杂的矩阵方程有很大帮助。掌对 简单的矩阵方程有三种基本形式：= C,A= C,X= C。 X AB如果这里的 A、是可逆方阵，都则求解时需要找出矩阵的逆，注意左乘和右乘的区别。它们的解分别为：: A-C,= 1 ~,: A 1 -~。 例如，方程 A= C,求解 C先考察 A是否可逆。如果 A可逆时，程两边同时左乘 A得 A A=方~, A—

矩阵方程AXB?C的定秩解及其最佳逼近问题

第1章 绪论

对于矩阵方程AXBT?C,刘瑞娟[2]利用矩阵对的商奇异值分解,得到了解非空的充要条件和解的最大(小)秩.1955年Penrose[5]得到了AXB?C有解的充要条件和通解的表达式;1970年Lnacaster[6]利用Kornecker乘积和拉直映射也得到了它的一般解的条件和显式解;1976年，S.K.Mitra[7]研究了它的Hermitian解及非负定解的条件,并给出了两种解的表达式;1990年,戴华[8]研究了此方程在对称矩阵集合中的求解问题，利用矩阵对的广义奇异值分解得到了问题有对称解的条件和解的表达式；邓远北、彭向阳、雷渊[9?12]等系统地研究了此方程在对称化矩阵、（反）对称矩阵、半正定矩阵、正交（反）对称矩阵、（反）自反矩阵集合中的等式约束解以及最小二乘解；2003年,廖安平[13]利用广义奇异值分解研究了它在对称半正定矩阵集合中的最小二乘解;2004年,彭亚新[14]用迭代法系统地研究了矩阵方程AXB?C的一般解 对称解 (反)中心对称解 (反)自反解 双对称解与对称次反对称解等问题.

对于矩阵方程的定秩解问题及其最佳逼近,1972年，S．K．Mi

四元数矩阵的实表示与四元数矩阵方程

200 2 66 ( 4A): 5 78一 5 8 4,

.颧磷枷汕数学物学报四理元数矩阵的实表示与四元矩阵数方姜同程松(沂师范临院数学系临沂学 7 6 200 5;山东大计学算科机学与技术学济院南2 5 1 00 )0

*魏生华木东师 大学数范学系上海 2 000 6 2 )

摘要四 (元矩数阵与四数元阵方程矩在学和工力程间题的理论研究和际数实值计中都起到算重要作用的几该文借助四元数矩阵的实表示方研法究了般一四元矩阵数方程 A B x一 YcD 二E,

:

s’ th的解的题给出问了一种求解四元数矩阵方程算法的技巧该还得到文了 四元数矩阵的Ro.,

定理.

关词矩阵方扭程四元数;矩阵;实表示;解: .

2 00 0)主肠分类R (M:

1A52 1一

中图分类号:

02 41 6

.献标识码

:文A

文章号编:

010 3 9 983 (20 60) 0 4 5冬7 70

1一

言引年来,

,近 2随]着四元数矩阵四与元数矩阵方程量在子学力中的应用日趋重要和广泛 1.

四元数力学的不断发展,

对元数矩四阵程方,

XA B一Cy D= E的一进认步识和研究就显得

越来.越重

.要由四元于乘数法的非交性换

,

给这 .面的方究研和用带应来了大的较困难,

,众

高等代数课程设计,

**大学理学院

本科考查（课程论文）专用封面

学年学期：2019-2020学年第1学期

课程名称：高等代数

任课教师：**

论文/作业题目：《线性方程组及其矩阵解法》

年级专业：19数学类

姓名学号：************

提交时间：2019.12.15

评阅成绩：

评阅意见：

阅卷教师签名：2020年1月4日

高等代数课程设计,

运用矩阵解线性方程组

摘要

解方程是代数中一个基本的问题，对于多元一次方程组，用矩阵来求解及讨论其的是否有解，是否只有唯一解和多解之间的解的结构问题是一个相对简便和可行的办法。本文主要列出矩阵和多元线性方程组性质和概念，对其定理进行证明和讨论，然后找出定理的推论进行归纳总结。最后提出个人的思考与留下的疑问。

关键词：高等代数；线性方程组；矩阵；性质；证明；思考

Abstract

Solving equations is a basic problem in algebra. For multivariate linear equations, the matrix is used to solve and discuss whether there is a solution, whether there is only one

目录

中文摘要： ............................................... 2 Abstract： ............................................... 2 1引言 ................................................... 3

1.1几个重要名词的解释 ................................................................................................. 3

1.11函数矩阵 .......................................................................................................... 3 1.12 函数矩阵的微分 .............................................................................................. 4 1.13样条函数 ..

目录

中文摘要： ............................................... 2 Abstract： ............................................... 2 1引言 ................................................... 3

1.1几个重要名词的解释 ................................................................................................. 3

1.11函数矩阵 .......................................................................................................... 3 1.12 函数矩阵的微分 .............................................................................................. 4 1.13样条函数 ..

矩阵函数的性质及其在微分方程组中的应用

§7矩阵函数的性质及其在微分方程组中的应用

1.矩阵函数的性质： 设A.B Cn n 1．

ddte

At

Ae

At

e

At

A

proof: 由 e

At

m 0m!

1

At m

1m!

t

m

A

m

对任何t收敛。因而可以逐项求导。

ddt

e

At

m 0

m 1 !

1

t

m 1

A

m

11m 1 k A At A At k! m 1 m 1 ! 1m 1 At

A At A e A

m 1 m 1 !

A eAt

m 0

m 1 !t

1

m 1

A

m 1

可见，A与eAt使可以交换的，由此可得到如下n个性质

2．设AB BA，则 ①．eAt B BeAt ②．eA eB eB eA eA B ③．

cos A B cosAcosB sinAsinBsin A B sinAcosB cosAsinB

BA AB BA

m

m

A B

cos2A cos

2

A sin

2

A

sin2A 2sinAcosA

proof：①，由AB而e

At

1mm B At B

m 0m!

m 0

1m!

tAB

mm

m 0

1m!

tBA

mm

B

m 0

1m!

At m

B eAt

②令C(t) e A

一、 用列主元素高斯削去法求解下述线性方程组：

?x1?13x2?2x3?34x4?13?2x?6x?7x?10x??22?1234 ??10x?x?5x?9x?141234????3x1?5x2?15x4??36程序：

function x=gaussa(a)

m=size(a); n=m(1); x=zeros(n,1); for k=1:n-1

[c,i]=max(abs(a(k:n,k))); q=i+k-1; if q~=k

d=a(q,:);a(q,:)=a(k,:);a(k,:)=d end

for i=k+1:n

a(i,:)=a(i,:)-a(k,:)*a(i,k)/a(k,k) end end

for j=n:-1:1

x(j)=(a(j,n+1)-a(j,j+1:n)*x(j+1:n))/a(j,j) end

执行过程：

>> a=[1 13 -2 -34 13;2 6 -7 -10 -22;-10 -1 5 9 14; -3 -5 0 15 -36] a =

-10 -1 5 9 14 2 6 -7 -10

3.4 向量和矩阵的范数

为了研究线性方程组近似解的误差估计和迭代法的收敛性，我们需要对Rn(n维

向量空间)中的向量或Rnxn中矩阵的“大小”引入一种度量，——向量和矩阵的范 数。

向量和矩阵的范数

在一维数轴上，实轴上任意一点x到原点的距离用|x|表示。而任意两点x1,

x2之间距离用| x1-x2 |表示。

向量和矩阵的范数

而在二维平面上，平面上任意一点P(x,y)到原点的距离用 x 2 y 2 | OP 表示。而平面上 | 任意两点P1(x1,y1),P2(x2,y2)的距离用 表示。 推广到n维空间，则称为向量范数。

| P1 P2 | ( x1 x 2 ) ( y1 y 2 )2

2

向量范数定义3.4.1 设任一向量x R n , 按某一确定的

x ||, 且满足 : 1)非负性： || x || 0,当且仅当x 0时， || x || 0; 2)奇次性： || kx || | k ||| x ||, k R; 3)三角不等式：对任意 x, y R , 都有 || x y || || x || || y || ,法则对应于一非负实数 ||n

则称 || x || 为向量x的范数。

常见的向量范数设向

关于几种特殊矩阵方程解的存在性及其解法探讨

【摘要】：本文通过一般线性矩阵方程的研究引出特殊矩阵方程??????C解的存在性及其解法的研究。利

用矩阵方程的运算性质将矩阵方程??????C的求解转化为方程Gx的?vec(C)，其中G??(?Ti??i)i?1p求解，再将其转化为等价的线性方程组((?n??)?(?T??m))vec(?)?vec(C)，通过求解线性方程组来证明矩阵方程??????C解的存在性，在前人研究的基础上对其解法做一些总结，并与计算机运算相结合给将其化成线

性方程组后的计算机程序，用实例加以说明。

【关键字】：一般线性矩阵方程 矩阵方程??????C Kronecker积 拉直

一. 引言及预备知识

1.引言

本文在一般线性矩阵方程

?1??1??2??2????p??p?C （1） 其中?i?Cm?m,?i?Cn?n(i?1,2,?,p),C?Cm?n是已知矩阵，而??Cm?n是未知矩阵。在研究矩

阵方程（1）的可解性及其解法的基础上，重点考虑（1）的几种特殊情况：AX?C,XA?C, AXB?C,??????C的解的存在条件及其解法。 2.预备知识

定义 1 设矩