矩阵的幂
现在讨论下矩阵的n次方的问题,比如下面的矩阵:
A
1
=
(
2
1
−
1
1
2
−
1
−
1
−
1
2
)
A
2
=
(
6
5
−
5
5
6
−
5
−
5
−
5
6
)
A
3
=
(
22
21
−
21
21
22
−
21
−
21
−
21
22
)
A^ 1 = \begin{pmatrix}2 & 1 & -1\\ 1 & 2 & -1\\ -1 & -1 & 2\\ \end{pmatrix}\\ A^ 2 = \begin{pmatrix}6 & 5 & -5\\ 5 & 6 & -5\\ -5 & -5 & 6\\ \end{pmatrix}\\ A^ 3 = \begin{pmatrix}22 & 21 & -21\\ 21 & 22 & -21\\ -21 & -21 & 22\\ \end{pmatrix}\\\
A1=
21−112−1−1−12
A2=
65−556−5−5−56
A3=
2221−212122−21−21−2122
后面的我就不算下去了,越算越大。再看看这个矩阵:
A
1
=
(
0.1
0.2
0
0.5
0.5
0.5
0
0.2
0.5
)
A
2
=
(
0.11
0.12
0.1
0.3
0.45
0.5
0.1
0.2
0.35
)
A
3
=
(
0.071
0.102
0.11
0.255
0.385
0.475
0.11
0.19
0.275
)
A
4
=
(
0.058
0.087
0.106
0.218
0.338
0.43
0.106
0.172
0.232
)
⋮
A
∞
=
(
0
0
0
0
0
0
0
0
0
)
A^ 1 = \begin{pmatrix}0.1 & 0.2 & 0\\ 0.5 & 0.5 & 0.5\\ 0 & 0.2 & 0.5\\ \end{pmatrix} \\ A^ 2 = \begin{pmatrix}0.11 & 0.12 & 0.1\\ 0.3 & 0.45 & 0.5\\ 0.1 & 0.2 & 0.35\\ \end{pmatrix} \\ A^ 3 = \begin{pmatrix}0.071 & 0.102 & 0.11\\ 0.255 & 0.385 & 0.475\\ 0.11 & 0.19 & 0.275\\ \end{pmatrix} \\ A^ 4 = \begin{pmatrix}0.058 & 0.087 & 0.106\\ 0.218 & 0.338 & 0.43\\ 0.106 & 0.172 & 0.232\\ \end{pmatrix} \\ \vdots\\ A^ {\infty} = \begin{pmatrix}0 & 0 & 0\\ 0 & 0 & 0\\ 0 & 0 & 0\\ \end{pmatrix}
A1=
0.10.500.20.50.200.50.5
A2=
0.110.30.10.120.450.20.10.50.35
A3=
0.0710.2550.110.1020.3850.190.110.4750.275
A4=
0.0580.2180.1060.0870.3380.1720.1060.430.232
⋮A∞=
000000000
就可以看到,数字越来越小了。为什么有的矩阵的幂越来越大,有的却越来越小呢?这是由什么决定的呢?
矩阵幂的极限
矩阵的幂的极限由什么确定?是由矩阵的谱半径
ρ
(
A
)
\rho(A)
ρ(A)决定的。那么什么是矩阵的谱半径?谱半径的定义是矩阵所有的特征值的模长的最大值。那么为什么会是这样?如果学习了约当标准型就很容易理解了,对于任意一个矩阵,都可以求出它的约当标准型,也就是
A
=
P
−
1
J
P
A=P^{-1}JP
A=P−1JP,那么就可以这样计算了:
lim
n
→
∞
A
n
=
lim
n
→
∞
(
P
−
1
J
n
P
)
=
P
−
1
(
lim
n
→
∞
J
n
)
P
\lim_{n\to\infty}A^n=\lim_{n\to\infty}(P^{-1}J^{n}P)=P^{-1}(\lim_{n\to\infty}J^{n})P
n→∞limAn=n→∞lim(P−1JnP)=P−1(n→∞limJn)P
而
lim
n
→
∞
J
n
\lim_{n\to\infty}J^{n}
limn→∞Jn这个极限就取决于约当标准型的对角线,如果都小于1,那么就存在极限且极限为0.约当标准型的对角线上就是矩阵的所有特征值。
谱半径与范数
计算特征值是十分麻烦的,所以计算谱半径也是十分麻烦的。那么实际中有没有好的办法呢?可以利用矩阵的范数来判断。我们知道对于任意矩阵范数,有以下定理:
ρ
(
A
)
=
inf
α
∥
A
∥
α
\rho(A)=\inf_{\alpha}\parallel A\parallel_{\alpha}
ρ(A)=αinf∥A∥α
也就是说,所有矩阵的所有范数都要大于等于谱半径:
ρ
(
A
)
≤
∥
A
∥
α
\rho(A)\le \parallel A\parallel_{\alpha}
ρ(A)≤∥A∥α
所以实际应用中,用这个就可以快速地判断一个矩阵幂的极限是否存在。比如列和范数(1-范数),行和范数(无穷范数)就是非常好的判断方法。第一步肉眼扫一下,如果有模长和小于1的行或列,根据上述不等式,那么谱半径一定小于1.所以矩阵幂的极限就一定收敛。文章来源:https://www.toymoban.com/news/detail-530648.html
矩阵幂级数
矩阵幂级数和数学分析里的幂级数定义差不多,不过是把变量x换成了矩阵A而已。如果谱半径小于1,那么矩阵幂级数存在,并且有以下公式:
lim
n
→
∞
∑
i
=
0
n
A
i
=
(
E
−
A
)
−
1
\lim_{n\to\infty}\sum_{i=0}^nA^i=(E-A)^{-1}
n→∞limi=0∑nAi=(E−A)−1
证明我就不证明了。**注意,i从0开始,也就意味着第一项是单位矩阵E.**其实把
A
A
A看出一个小于1的正数,就非常容易理解这个公式:
lim
n
→
∞
∑
i
=
0
n
x
i
=
1
1
−
x
\lim_{n\to\infty}\sum_{i=0}^nx^i=\frac1{1-x}
n→∞limi=0∑nxi=1−x1
不过是等比数列的前
n
n
n项和吗?
对于粉丝提的一个问题,如果谱半径小于1,那么下列式子收敛吗?
lim
n
→
∞
∑
i
=
0
n
i
A
i
\lim_{n\to\infty}\sum_{i=0}^niA^i
n→∞limi=0∑niAi
这个式子展开后是什么?是这样的:
∑
i
=
0
n
i
A
i
=
0
+
A
+
2
A
2
+
⋯
+
n
A
n
\sum_{i=0}^niA^i=0+A+2A^2+\dots+nA^n\\
i=0∑niAi=0+A+2A2+⋯+nAn
因为矩阵和实数一样,他的加法和乘法组成了域,根据域论,所以矩阵完全可以看成实数:
lim
n
→
∞
∑
i
=
0
n
i
x
i
=
0
+
x
+
2
x
2
+
⋯
+
n
x
n
=
lim
n
→
∞
x
(
1
−
x
n
)
(
1
−
x
)
2
=
x
(
1
−
x
)
2
\lim_{n\to\infty}\sum_{i=0}^nix^i=0+x+2x^2+\dots+nx^n\\ =\lim_{n\to\infty}\frac{x(1-x^n)}{(1-x)^2}=\frac{x}{(1-x)^2}
n→∞limi=0∑nixi=0+x+2x2+⋯+nxn=n→∞lim(1−x)2x(1−xn)=(1−x)2x
怎么证明呢?可以这样:
S
n
=
0
+
x
+
2
x
2
+
⋯
+
n
x
n
S
n
x
=
0
+
1
+
2
x
+
⋯
+
n
x
n
−
1
S
n
x
−
S
n
=
1
+
x
+
x
2
+
⋯
+
x
n
−
1
−
n
x
n
lim
n
→
∞
(
S
n
x
−
S
n
)
=
lim
n
→
∞
(
1
−
x
n
−
1
1
−
x
−
n
x
n
)
S_n=0+x+2x^2+\dots+nx^n\\ \frac{S_n}{x}=0+1+2x+\cdots+nx^{n-1}\\ \frac{S_n}{x}-S_n=1+x+x^2+\cdots+x^{n-1}-nx^n\\ \lim_{n\to\infty}(\frac{S_n}{x}-S_n)=\lim_{n\to\infty}(\frac{1-x^{n-1}}{1-x}-nx^n)\\
Sn=0+x+2x2+⋯+nxnxSn=0+1+2x+⋯+nxn−1xSn−Sn=1+x+x2+⋯+xn−1−nxnn→∞lim(xSn−Sn)=n→∞lim(1−x1−xn−1−nxn)
在两边取极限的情况下,
n
x
n
nx^n
nxn是一个无穷小量,所以可以省略。于是有:
lim
n
→
∞
S
n
1
−
x
x
=
lim
n
→
∞
1
−
x
n
−
1
1
−
x
lim
n
→
∞
S
n
=
lim
n
→
∞
x
(
1
−
x
n
−
1
)
(
1
−
x
)
2
=
x
(
1
−
x
)
2
\lim_{n\to\infty}S_n\frac{1-x}{x}=\lim_{n\to\infty}\frac{1-x^{n-1}}{1-x}\\ \lim_{n\to\infty}S_n=\lim_{n\to\infty}\frac{x(1-x^{n-1})}{(1-x)^2}\\ =\frac{x}{(1-x)^2}\\
n→∞limSnx1−x=n→∞lim1−x1−xn−1n→∞limSn=n→∞lim(1−x)2x(1−xn−1)=(1−x)2x
再换回矩阵,所以粉丝的这个问题是有答案的,在谱半径小于1的情况下:
∑
i
=
0
n
i
A
i
=
A
(
E
−
A
)
−
2
\sum_{i=0}^niA^i=A(E-A)^{-2}
i=0∑niAi=A(E−A)−2文章来源地址https://www.toymoban.com/news/detail-530648.html
到了这里,关于14.1 矩阵幂级数的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!