» Lecția 12. Rangul matricei. Calculul rangului matricei. Norma matricei

Lecția numărul 12. Rangul matricei. Calculul rangului matricei. Norma matricei.

Dacă toate matricele minoreAOrdinksunt egale cu zero, atunci toți minorii de ordinul k + 1, dacă există, sunt de asemenea egali cu zero.
Rangul matricei A este cel mai mare ordin al minorilor matricei A , altul decât zero.
Rangul maxim poate fi egal cu numărul minim al numărului de rânduri sau coloane ale matricei, i.e. dacă matricea are o dimensiune de 4x5, atunci rangul maxim va fi 4.
Rangul minim al unei matrice este 1, cu excepția cazului în care aveți de-a face cu o matrice zero, unde rangul este întotdeauna zero.

Rangul unei matrice pătrate nedegenerate de ordinul n este egal cu n, deoarece determinantul său este un minor de ordinul n, iar matricea nedegenerată este diferit de zero.
Transpunerea unei matrice nu îi schimbă rangul.

Fie rangul matricei . Apoi, orice minor de ordin, altul decât zero, este numit minor de bază.
Exemplu. Având în vedere o matrice A.

Determinantul matricei este zero.
Minor de ordinul doi . Prin urmare, r(A)=2 și minorul este de bază.
Un minor de bază este, de asemenea, un minor .
Minor , deoarece =0, deci nu va fi de bază.
Exercițiu: verificați independent care alți minori de ordinul doi vor fi de bază și care nu.

Găsirea rangului unei matrice prin calcularea tuturor minorilor ei necesită prea multă muncă de calcul. (Cititorul poate verifica că există 36 de minori de ordinul doi într-o matrice pătrată de ordinul al patrulea.) Prin urmare, se folosește un alt algoritm pentru a găsi rangul. Pentru a-l descrie, sunt necesare câteva informații suplimentare.

Numim următoarele operații asupra lor transformări elementare de matrice:
1) permutarea rândurilor sau coloanelor;
2) înmulțirea unui rând sau a unei coloane cu un număr diferit de zero;
3) adăugarea la unul dintre rânduri a unui alt rând, înmulțit cu un număr, sau adăugarea la una dintre coloanele altei coloane, înmulțit cu un număr.

În cadrul transformărilor elementare, rangul matricei nu se modifică.
Algoritm pentru calcularea rangului unei matrice este similar cu algoritmul de calcul determinant și constă în faptul că, cu ajutorul transformărilor elementare, matricea este redusă la o formă simplă pentru care nu este greu de găsit rangul. Deoarece rangul nu s-a schimbat cu fiecare transformare, calculând rangul matricei transformate, găsim astfel rangul matricei originale.

Să fie necesar să se calculeze rangul matricei de dimensiuni mXn.

Ca rezultat al calculelor, matricea A1 are forma

Dacă toate rândurile, începând de la al treilea, sunt zero, atunci , de la minor . În caz contrar, permutând rânduri și coloane cu numere mai mari de două, obținem ca al treilea element al celui de-al treilea rând să fie diferit de zero. În plus, adunând al treilea rând, înmulțit cu numerele corespunzătoare, la rândurile cu numere mari, obținem zerouri în a treia coloană, începând de la al patrulea element și așa mai departe.
La un moment dat, vom ajunge la o matrice în care toate rândurile, începând de la (r + 1)-lea, sunt egale cu zero (sau absente la ), iar minorul din primele rânduri și primele coloane este determinantul unui triunghiular. matrice cu elemente nenule pe diagonală . Rangul unei astfel de matrice este. Prin urmare, Rang(A)=r.

În algoritmul propus pentru găsirea rangului unei matrice, toate calculele trebuie efectuate fără rotunjire. O modificare arbitrar de mică în cel puțin unul dintre elementele matricelor intermediare poate duce la faptul că răspunsul rezultat va diferi de rangul matricei inițiale cu mai multe unități.
Dacă elementele din matricea originală erau numere întregi, atunci este convenabil să efectuați calcule fără a utiliza fracții. Prin urmare, în fiecare etapă, este recomandabil să înmulțiți șirurile cu astfel de numere încât să nu apară fracții în calcule.

În lucrările de laborator și practice, vom lua în considerare un exemplu de găsire a rangului unei matrice.

ALGORITMUL DE GĂSIRE REGULAMENTE MATRICE .
Există doar trei norme ale matricei.
Prima matrice normă= maximul numerelor obținute prin adunarea tuturor elementelor fiecărei coloane, luate modulo.
Exemplu: să fie dată o matrice A 3x2 (Fig. 10). Prima coloană conține elemente: 8, 3, 8. Toate elementele sunt pozitive. Să aflăm suma lor: 8+3+8=19. A doua coloană conține elementele: 8, -2, -8. Două elemente sunt negative, prin urmare, atunci când se adună aceste numere, este necesar să se înlocuiască modulul acestor numere (adică fără semnele minus). Să aflăm suma lor: 8+2+8=18. Maximul acestor două numere este 19. Deci prima normă a matricei este \u200b\u200b19.

Figura 10.

Norma a doua a matricei este rădăcina pătrată a sumei pătratelor tuturor elementelor matricei. Și asta înseamnă că pătram toate elementele matricei, apoi adăugăm valorile rezultate și extragem rădăcina pătrată din rezultat.
În cazul nostru, norma 2 a matricei s-a dovedit a fi egală cu rădăcina pătrată a lui 269. În diagramă, am luat aproximativ rădăcina pătrată a lui 269 și rezultatul a fost aproximativ 16,401. Deși este mai corect să nu extragi rădăcina.

Matricea a treia normă este maximul numerelor obținute prin adunarea tuturor elementelor fiecărui rând, luate modulo.
În exemplul nostru: prima linie conține elemente: 8, 8. Toate elementele sunt pozitive. Să aflăm suma lor: 8+8=16. A doua linie conține elemente: 3, -2. Unul dintre elemente este negativ, așa că atunci când adăugați aceste numere, trebuie să înlocuiți modulul acestui număr. Să aflăm suma lor: 3+2=5. A treia linie conține elementele 8 și -8. Unul dintre elemente este negativ, așa că atunci când adăugați aceste numere, trebuie să înlocuiți modulul acestui număr. Să aflăm suma lor: 8+8=16. Maximul acestor trei numere este 16. Deci, a treia normă a matricei este 16.

Alcătuit de: Saliy N.A.

YouTube enciclopedic

1 / 1

✪ Norma vectorială. Partea 4

Subtitrări

Definiție

Fie K câmpul principal (de obicei K = R sau K = C ) și este spațiul liniar al tuturor matricelor cu m rânduri și n coloane, constând din elemente ale lui K . O normă este dată pe spațiul matricelor dacă fiecare matrice este asociată cu un număr real nenegativ ‖ A ‖ (\displaystyle \|A\|), numit normă, astfel încât

În cazul matricelor pătrate (de ex. m = n), matricele pot fi multiplicate fără a părăsi spațiul și, prin urmare, normele din aceste spații satisfac de obicei și proprietatea submultiplicativitatea :

Submultiplicativitatea poate fi efectuată și pentru normele matricelor nepătrate, dar definite pentru mai multe dimensiuni necesare simultan. Și anume, dacă A este o matrice ℓ  ×  m, iar B este matricea m ×  n, Acea A B- matrice ℓ  ×  n .

Normele operatorilor

O clasă importantă de norme matriceale sunt normele operatorilor, denumit și subordonatii sau induse . Norma operatorului este construită în mod unic conform celor două norme definite în și , pe baza faptului că orice matrice m ×  n este reprezentat de un operator liniar din K n (\displaystyle K^(n)) V K m (\displaystyle K^(m)). Specific,

‖ A ‖ = sup ( ‖ A x ‖ : x ∈ K n , ‖ x ‖ = 1 ) = sup ( ‖ A x ‖ ‖ x ‖ : x ∈ K n , x ≠ 0 ) . (\displaystyle (\begin(aligned)\|A\|&=\sup\(\|Ax\|:x\în K^(n),),\ \|x\|=1\)\\&=\ sup \left\((\frac (\|Ax\|)(\|x\|)):x\in K^(n),\ x\neq 0\right\).\end(aliniat)))

Cu condiția ca normele privind spațiile vectoriale să fie specificate în mod consecvent, o astfel de normă este submultiplicativă (vezi ).

Exemple de norme pentru operatori

Proprietățile normei spectrale:

1. Norma spectrală a unui operator este egală cu valoarea maximă singulară a acestui operator.
2. Norma spectrală a unui operator normal este egală cu valoarea absolută a valorii proprii modulo maxime a acestui operator.
3. Norma spectrală nu se schimbă atunci când o matrice este înmulțită cu o matrice ortogonală (unitară).

Norme non-operatoare ale matricelor

Există norme matrice care nu sunt norme de operator. Conceptul de norme non-operatoare ale matricelor a fost introdus de Yu. I. Lyubich și studiat de G. R. Belitsky.

Un exemplu de normă non-operator

De exemplu, luați în considerare două norme de operator diferite ‖ A ‖ 1 (\displaystyle \|A\|_(1))Și ‖ A ‖ 2 (\displaystyle \|A\|_(2)), cum ar fi normele de rânduri și coloane. Formarea unei noi norme ‖ A ‖ = m a x (‖ A ‖ 1 , ‖ A ‖ 2) (\displaystyle \|A\|=max(\|A\|_(1),\|A\|_(2))). Noua normă are o proprietate inelară ‖ A B ‖ ≤ ‖ A ‖ ‖ B ‖ (\displaystyle \|AB\|\leq \|A\|\|B\|), păstrează unitatea ‖ I ‖ = 1 (\displaystyle \|I\|=1)și nu este operator.

Exemple de norme

Vector p (\displaystyle p)-normă

Poate fi considerat m × n (\displaystyle m\times n) matricea ca vector de dimensiune m n (\displaystyle mn)și folosiți norme vectoriale standard:

‖ A ‖ p = ‖ v e c (A) ‖ p = (∑ i = 1 m ∑ j = 1 n | a i j | p) 1 / p (\displaystyle \|A\|_(p)=\|\mathrm ( vec) (A)\|_(p)=\left(\sum _(i=1)^(m)\sum _(j=1)^(n)|a_(ij)|^(p)\ dreapta)^(1/p))

Norma Frobenius

Norma Frobenius, sau norma euclidiană este un caz special al normei p pentru p = 2 : ‖ A ‖ F = ∑ i = 1 m ∑ j = 1 n a i j 2 (\displaystyle \|A\|_(F)=(\sqrt (\sum _(i=1))^(m)\sum _(j =1)^(n)a_(ij)^(2)))).

Norma Frobenius este ușor de calculat (comparativ, de exemplu, cu norma spectrală). Are următoarele proprietăți:

‖ A x ‖ 2 2 = ∑ i = 1 m | ∑ j = 1 n a i j x j | 2 ≤ ∑ i = 1 m (∑ j = 1 n | a i j | 2 ∑ j = 1 n | x j | 2) = ∑ j = 1 n | x j | 2 ‖ A ‖ F 2 = ‖ A ‖ F 2 ‖ x ‖ 2 2 . (\displaystyle \|Ax\|_(2)^(2)=\sum _(i=1)^(m)\left|\sum _(j=1)^(n)a_(ij)x_( j)\right|^(2)\leq \sum _(i=1)^(m)\left(\sum _(j=1)^(n)|a_(ij)|^(2)\sum _(j=1)^(n)|x_(j)|^(2)\right)=\sum _(j=1)^(n)|x_(j)|^(2)\|A\ |_(F)^(2)=\|A\|_(F)^(2)\|x\|_(2)^(2).)

• Submultiplicativitatea: ‖ A B ‖ F ≤ ‖ A ‖ F ‖ B ‖ F (\displaystyle \|AB\|_(F)\leq \|A\|_(F)\|B\|_(F)), deoarece ‖ A B ‖ F 2 = ∑ i , j | ∑ k a i k b k j | 2 ≤ ∑ i , j (∑ k | a i k | | b k j |) 2 ≤ ∑ i , j (∑ k | a i k | 2 ∑ k | b k j | 2) = ∑ i , k | a i k | 2 ∑ k , j | b k j | 2 = ‖ A ‖ F 2 ‖ B ‖ F 2 (\displaystyle \|AB\|_(F)^(2)=\sum _(i,j)\left|\sum _(k)a_(ik) b_(kj)\right|^(2)\leq \sum _(i,j)\left(\sum _(k)|a_(ik)||b_(kj)|\right)^(2)\ leq \sum _(i,j)\left(\sum _(k)|a_(ik)|^(2)\sum _(k)|b_(kj)|^(2)\right)=\sum _(i,k)|a_(ik)|^(2)\sum _(k,j)|b_(kj)|^(2)=\|A\|_(F)^(2)\| B\|_(F)^(2)).
• ‖ A ‖ F 2 = t r ⁡ A ∗ A = t r ⁡ A A ∗ (\displaystyle \|A\|_(F)^(2)=\mathop (\rm (tr)) A^(*)A=\ mathop (\rm (tr)) AA^(*)), Unde t r ⁡ A (\displaystyle \mathop (\rm (tr)) A)- urma matricei A (\displaystyle A), A ∗ (\displaystyle A^(*)) este o matrice conjugată hermitiană.
• ‖ A ‖ F 2 = ρ 1 2 + ρ 2 2 + ⋯ + ρ n 2 (\displaystyle \|A\|_(F)^(2)=\rho _(1)^(2)+\rho _ (2)^(2)+\dots +\rho _(n)^(2)), Unde ρ 1 , ρ 2 , … , ρ n (\displaystyle \rho _(1),\rho _(2),\dots,\rho _(n))- valorile singulare ale matricei A (\displaystyle A).
• ‖ A ‖ F (\displaystyle \|A\|_(F)) nu se modifică la înmulțirea unei matrice A (\displaystyle A) stânga sau dreapta pe matrici ortogonale (unitare).

Modul maxim

Norma de modul maxim este un alt caz special al normei p pt p = ∞ .

‖ A ‖ max = max ( | a i j | ) . (\displaystyle \|A\|_(\text(max))=\max\(|a_(ij)|\).)

Norm Shatten

Consecvența normelor matriceale și vectoriale

Norma matricei ‖ ⋅ ‖ a b (\displaystyle \|\cdot \|_(ab)) pe K m × n (\displaystyle K^(m\times n)) numit de acord cu normele ‖ ⋅ ‖ a (\displaystyle \|\cdot \|_(a)) pe K n (\displaystyle K^(n))Și ‖ ⋅ ‖ b (\displaystyle \|\cdot \|_(b)) pe K m (\displaystyle K^(m)), Dacă:

‖ A x ‖ b ≤ ‖ A ‖ a b ‖ x ‖ a (\displaystyle \|Ax\|_(b)\leq \|A\|_(ab)\|x\|_(a))

pentru orice A ∈ K m × n , x ∈ K n (\displaystyle A\in K^(m\times n),x\in K^(n)). Prin construcție, norma operatorului este în concordanță cu norma vectorială originală.

Exemple de norme matrice consistente, dar nu subordonate:

Echivalența normelor

Toate normele în spațiu K m × n (\displaystyle K^(m\times n)) sunt echivalente, adică pentru oricare două norme ‖ . α (\displaystyle \|.\|_(\alpha ))Și ‖ . ‖ β (\displaystyle \|.\|_(\beta ))și pentru orice matrice A ∈ K m × n (\displaystyle A\in K^(m\times n)) inegalitatea dublă este adevărată.

Problema valorilor proprii este definită doar pentru matrice pătrată. În practica economică, este adesea necesar să se evalueze mai mult decât doar matrici pătrate. Pentru o astfel de estimare, se poate folosi conceptul universal de normă, care este valabil pentru matrice de orice dimensiune.

Norma matricea arbitrară A se numește număr real care satisface un număr de condiții, dintre care cele mai importante sunt:

1.
, și
numai în cazul unei matrice complet zero A.

2.
, Unde
.

Normal într-o oarecare măsură
poate fi reprezentat figurativ ca un indicator al „grosimii” sau „puterii” matricei A.

Norma se numește canonică , Dacă

, adică nu este mai mic decât, modulo, orice element al matricei A. Atunci când alegeți o normă, este posibil să folosiți o varietate de considerații care nu contrazic definiția. Cu toate acestea, în practică, următoarele norme canonice sunt de obicei suficiente:

1. m -normă
– însumat, modulo, toate linii matrici A

2. l -normă
– însumat, modulo, toate coloane matrici A iar maximul sumelor primite se declara norma.

3. k -normă
=
– se însumează pătratele tuturor elementelor matricei A iar rădăcina acestei sume este declarată a fi norma.

Vectori Definiții și concepte de bază

Un caz special al unei matrice constând dintr-o coloană are o largă aplicație independentă. Reprezentarea geometrică a unui vector printr-un segment direcționat, cunoscută dintr-un curs școlar, poate fi definită ca un set de proiecții vector-segment scrise ca o matrice coloane. Apoi avem conceptul vector liber , independent de punctul de aplicare, care poate fi fie la origine ( vector rază ) și în orice punct al spațiului. Direcția vectorului este întotdeauna strict păstrată. Pentru cazul 2D: = sau = ; = sau = . Pentru generalitate, toate proiecțiile sunt notate mai jos prin Xși sunt chemați coordonate vector. Dacă vreo proiecție X este negativ, apoi este trasat în direcția opusă axei de coordonate corespunzătoare.

Vectorii arată exact la fel. = în sistemul de coordonate 3D - adăugați coordonate z. Dar vectorii de mai mult de trei dimensiuni nu sunt reprezentabili vizual - pot fi înțeleși doar prin analogie. Definitie generala: vector V n-spaţiul dimensional se numeşte mulţime ordonată n coordonate = , al cărui număr este egal cu dimensiunea spațiului, adică. n.

Lungimea vectorului este determinat de formula d=
. Toate operațiile cu vectori sunt aceleași ca și cu matrice.

Considera combinație liniară trei vectori: k +k +k .

Dacă egalitatea k +k +k =0 este posibil numai pentru k=k =k =0, apoi vectorii ,Și numit liniar independent . În caz contrar, cel puțin unul dintre vectori poate fi exprimat ca suma celorlalți doi, iar vectorii vor fi dependent liniar . De exemplu, pentru k 0 poate fi scris: =(- k -k ).

Numărul maxim posibil de vectori liniar independenți este dimensiuni spaţiu. Deci, pentru un plan, sunt posibili doar doi astfel de vectori, pentru o linie dreaptă - unul. Pentru n- spațiu dimensional, numărul de vectori este egal cu n.

Să fie vectori în plan , Și . Să arătăm că ele sunt dependente liniar. Să facem combinația lor liniară: k + k + k = 0 și treceți la forma algebrică:

.

Astfel, punând k=1, avem: -+=0 sau =+, adică al treilea vector nu este independent și se exprimă ca suma celorlalți doi sau în descompunere de-a lungul altor doi vectori. Luați în considerare primii doi vectori mai detaliat: =A =AȘi =b=b. Apoi =Cu+d- notație foarte compactă via vectori unitari (sau orts ). Să arătăm că vectorii unitar sunt independenți liniar: k+ k= k +k =0 sau
, Unde k=k = 0.

Deoarece CuȘi d sunt arbitrare, atunci, evident, orice vector din plan poate fi reprezentat printr-o combinație de doi vectori unitari și. Aceasta se numește extinderea unui vector în termeni de identitate. bază sau, mai precis, prin ortonormal , deoarece lungimea fiecărei orte este egală cu 1. Desigur, se poate extinde nu în termeni de orte, ci în termeni a oricăror doi vectori liniar independenți (în termeni de comun bază ), De exemplu, Și , dar factorizarea în termeni de orte este atât simplă, cât și generală.

Toate conceptele introduse mai sus sunt valabile pentru un spațiu de orice dimensiune. ÎN n-spațiul dimensional are întotdeauna n vectori liniar independenți =,=,...,=, deci orice vector poate fi extins pe o bază ortonormală:= A 1 + A 2 +...+a n . Expansiunea vectorilor pe o bază de vectori liniar independenți este întotdeauna unică în orice bază acceptată.