矩阵论研究生课程研究报告

“矩阵论”课程研究报告

科目：矩阵论教师：

姓名：学号：

专业：类别：

上课时间：

考生成绩：

阅卷评语：

阅卷教师(签名)

矩阵分析在问卷扫描识别中的应用

摘要：

图像处理主要研究图像变换、图像增强、图像缩放以及图像的分割分解等内容。通过像素矩阵把图像处理归结到了矩阵分析的方法中来，通过分析矩阵的方式来对图像进行相应的处理，实现了图像处理与矩阵分析的融合，为各种图像处理提供了一种良好的数学实现途径。图像像素矩阵的产生，为图像处理提供了一种新的途径，许多对图像的处理，都可以转化为对矩阵的分析。因此，在问卷扫描识别中图像像素的矩阵分析起到了至关重要的作用。

正文

一、问题描述

目前，考试客观题部分的评阅长期以来一直采用基于光学标记识别技术（OMR）的选项图像信息识别系统，而现实生活中利用标准的答题卡对问卷数据进行采集存在工作量大、误差大等问题。因此，如何将大量普通调查问卷的信息进行电子化处理成为关键。本文通过将普通调查问卷进行图像扫描，通过位图图像实现对像素矩阵的提取，以此对图像的分析都可以转化为对矩阵的分析，完成了由二维图像数字矩阵的变换，从而使问题变得准确、简便、易行。

二、实验基本原理

1、图像边缘检测

图像理解是图像处理的一个重要分支，研究为完成某一任务需要从图像中提取哪些有用的信息，以及如何利用这些信息解释图像。边缘检测技术对于处理数字图像非常重要，因为边缘是所要提取目标和背景的分界线，提取出边缘才能将目标和背景区分开来。在图像中，边界表明一个特征区域的终结和另一个特征区域的开始，边界所分开区域的内部特征或属性是一致的，而不同的区域内部的特征或属性是不同的，边缘检测正是利用物体和背景在某种图像特性上的差异来实现的，这些差异包括灰度，颜色或者纹理特征。边缘检测实际上就是检测图像特征发生变化的位置。图像边缘检测必须满足两个条件：一、能有效地抑制噪声；

二、必须尽量精确确定边缘的位置。

由于噪声和模糊的存在，检测到的边界可能会变宽或在某些点处发生间断，因此，边界检测包括两个基本内容：首先抽取出反映灰度变化的边缘点，然后剔除某些边界点或填补边界间断点，并将这些边缘连接成完整的线。边缘检测的方法大多数是基于方向导数掩模求卷积的方法。

导数算子具有突出灰度变化的作用，对图像运用导数算子，灰度变化较大的点处算得的值比较高，因此可将这些导数值作为相应点的边界强度，通过设置门限的方法，提取边界点集。一阶导数与是最简单的导数算子，它们分别求出了灰度在x 和y 方向上的变化率，而方向α上的灰度变化率可以用相应公式进行计算;对于数字图像，应该采用差分运算代替求导。

一幅数字图像的一阶导数是基于各种二维梯度的近似值。图像f(x,y)在位置(x,y)的梯度定义为下列向量：

????

?

?

??????????=y f x f y x f G )],([ (1)

在边缘检测中，一般用这个向量的大小，用f ?表示

2/122][Gy Gx f +=? (2)

函数f 在某点的方向导数取得最大值的方向是，方向导数的最大值是称为梯度模。利用梯度模算子来检测边缘是一种很好的方法，它不仅具有位移不变性，还具有各向同性。为了运算简便，实际中采用梯度模的近似形式。

||||f Gx Gy ?≈+或者max(||,||)f Gx Gy ?≈ (3)

传统的边缘检测算法通过梯度算子来实现的，在求边缘的梯度时，需要对每个象素位置计算。模板是N*N 的权值方阵，经典的梯度算子模板有：Sobel 模板、Prewitt 模板、Roberts 模板、Laplacian 模板等[1]。 2、图像分割

图像分割是将图像划分成若干个互不相交的小区域的过程，小区域是某种意义下具有共同属性的像素的连通集合。如不同目标物体所占的图像区域、前景所占的图像区域等。连通是指集合中任意两个点之间都存在着完全属于该集合的连通路径。判断轮廓面积进行图像分割，设目标在最简单图像f(i , j) 中所占的面积S0与图像面积S 之比为P = S0/ S ，则背景所占面积比为1-P = (S - S0) /S 。一般来说，低灰度值为背景，高灰度值为目标。如果统计图像f(i , j)灰度值不大于某一灰度t 的像元数和图像总像元数之比为1-p 时，则以t 为阈值[2]。

三、实验内容

本文通过类似word的编辑软件设计符合实际情况的调查问卷，并打印在A4上，填写完调查卡后用扫描仪将问卷图像录入电脑。基于扫描后的图像文件，利用OPENCV图像处理工具对图像进行像素矩阵抽取并分析，完成普通调查问卷信息的电子化录入。

三、实验步骤和数据

1、设计便于识别的调查问卷，见下左图，并填写基本信息；

2、对填写的调查问卷图像扫描，见下右图：

3、利用Opencv工具对图像进行矩阵化处理，具体步骤如下：

（1）根据梯度二值化形态学平滑去噪，基本代码如下：

//平滑去噪scharr梯度二值化形态学

Mat process(Mat &input)

{

resize(input,input,Size(800,1200),0,0,2); //尺寸调整

GaussianBlur(input,input,Size(3,3),1); //高斯平滑去噪

Mat grad_x,grad_y;

Scharr(input,grad_x,CV_32F,1,0);

Scharr(input,grad_y,CV_32F,0,1);

pow(grad_x,2,grad_x);

pow(grad_y,2,grad_y);

Mat grad=grad_x+grad_y;

sqrt(grad,grad);

//转换为8U

Mat edges,dst;

grad.convertTo(edges,CV_8U); //

threshold(edges,dst,120,255,CV_THRESH_BINARY|CV_THRESH_OTSU);

imwrite("threshold.jpg",dst);

Mat str=getStructuringElement(MORPH_RECT,Size(2,2));

morphologyEx(dst,dst,MORPH_OPEN,str); //膨胀Mat str2=getStructuringElement(MORPH_CROSS,Size(2,2));

morphologyEx(dst,dst,MORPH_ERODE,str2);

returndst;

}

（2）寻找轮廓边距

Mat findROI(Mat &dst,vector&approx) //

{

Mat result;

dst.copyTo(result);

vector> contours;

findContours(dst,contours,CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);

//寻找轮廓

RNG rng(12345);

Mat drawing = Mat::zeros( Size(800,1200), CV_8UC3 );

bool flag=false;

for(inti = 0; i

{

approxPolyDP(Mat(contours[i]), approx, 50, true); //多边形拟合if(approx.size()==4&&contourArea(contours[i])>(Size(800,1200).width*Size(800,1200).heig ht*0.1))

{

Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0,255), rng.uniform(0,255) );

drawContours( drawing, contours, i, color, 2, 8 );

oFile<

oFile<

oFile<

oFile<

flag=true;

break;

}

}

if(!flag)

{

cerr<<"未检测到答题区域"<

exit(1);

}

return result(Rect(approx[0],approx[2]));

}

（3）寻找答案区域的答案情况，基本代码如下：

//寻找答案区域的基本情况

Mat drawing4=Mat ::zeros(resultUltimate.size(),CV_8UC3);

for(inti=0;i

{

outFile<

Scalar color(rng.uniform(0,255),rng.uniform(0,255),rng.uniform(0,255));

circle(drawing4,vp2f[i],3,color,2);

}

imshow("drawUltimate",drawing3);

imshow("judge",drawing4);

waitKey();

4、根据上述基本代码，利用Opencv工具进行编译处理，图像处理后的核心区域表现为：

对比度是纹理变化的度量，反映了邻近像素的反差。对比度值越大，表示纹理基元对比越强烈、纹理效果越不明显；对比度值较小，表示纹理效果越明显；当对比度值为0，表明图像完全均一、无纹理。

5、最后，根据像素矩阵化的模块进行分析，将每一个标有答案的区域记录为“1”，没有答案的区域表示为“0”，对这份调查问卷的答案区域矩阵化处理，并根据此矩阵对各个问卷问题的表述进行对应，建立外部链接完成普通调查问卷信息数据的录入。

四、结论

把传统的图像处理引用到对像素矩阵的分析当中，根据图像处理的矩阵分析方法对普通调查问卷数据信息电子化录入，这种方法为图像处理提供了良好的数学实现途径。由于矩阵思维的介入把图像处理转化为二维的矩阵分析，这种转化更会促进我们运用数学思维来解决图像处理问题，从而使得图像处理多了一种有力的实现工具。

当然这只是矩阵分析众多应用中的一个，矩阵分析在工程应用中是非常重要的，因此学习好矩阵分析相当于掌握了一种有用的工具，无论是在以后的学习研究或是工作中都是非常有用的。

参考资料

[1]赵雪松,陈淑珍.综合全局二值化与边缘检测的图像分割方法【J】.计算机辅助设计与图形学报,2011,13(2): 189～121

[2]张新宇,刘广智,李建勋.一种图像分割的目标描述方法及实现【J】.系统工程与电子技术,2013,25(2):219～222

附录

【普通调查问卷识别答案基本程序模拟代码】

#include"opencv2/opencv.hpp"

#include

using namespace std;

using namespace cv;

bool test(Mat src,vectorcontoures);

int main()

{

Mat img=imread("C:\\Users\\Song\\Desktop\\111.jpg",0),dst,dst2;

if(img.empty())

{

cerr<<"无效输入"<

return -1;

}

threshold(img,dst,80,255,CV_THRESH_BINARY);

//二值化用于查找轮廓

threshold(img,dst2,80,255,CV_THRESH_BINARY);

vector> contours;

findContours(dst,contours,CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE);

//查找轮廓保存在contours中

cout<

vector>contours_new;

for(inti=0;i

{

if(contourArea(contours[i])>3800||contourArea(contours[i])<20) //判断轮廓面积筛选轮廓

continue;

//drawContours(img,contours,i,Scalar(0,0,255));

//判断长宽比

floatratio_low=0.9,ratio_high=1;

Rectrect=boundingRect(contours[i]);

if((float)rect.width /rect.height>=ratio_high||(double)rect.width /rect.height<=ratio_low) continue;

contours_new.push_back(contours[i]); //保存轮廓用于判断题号和答案

}

cout<

for(inti=0;i

{

drawContours(img,contours_new,i,Scalar(0,0,255)); //绘制轮廓

if(!test(dst2,contours_new[i]))

{

cout<<"输入的是\t";

intnum=12-i; //28是答题卡的总数目

cout<<"题号"<

cout<<"答案"<

cout<

}

imshow("test",dst2);

imshow("src",img);

waitKey(0);

}

imshow("test",dst);

imshow("src",img);

waitKey(0);

}

bool test(Mat src,vectorcontoures)

{

Rectrect=boundingRect(contoures); //轮廓进行矩形拟合cout<<"宽度:"<

//判断是否矩形内部有输入

for(inti=5;i

{

for(int j=5;j

{

if (tmp.at(i,j)!=255)

return false;

}

}

return true;

}

矩阵的开题报告doc

矩阵的开题报告 篇一：矩阵变换及应用开题报告 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 XX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： 矩阵理论一直都是各个学科的基本数学工具，矩阵变换是矩阵理论的基础， 近年来有许多关于矩阵变换的研究，这些研究将一些繁琐复杂的问题简单化，也 极大地推进和丰富了电子信息、航空航天等领域的发展，同时促进了更多的数学 家加入到研究矩阵变换的队伍中，这样就使得矩阵变换知识日渐完善，并应用到 更多的领域中去。 三、论文提纲 前言 (一)、矩阵初等变换及应用 1、矩阵初等变换的基本概念 2、初等变换在方程组中的应用 3、初等变换在向量组中的应用

矩阵论在人口迁移问题中的应用矩阵论报告

研究生“矩阵论”课程课外作业 姓名：学号： 学院：专业： 类别：上课时间： 成绩：

矩阵论在人口迁移问题中的应用 摘要 本文根据矩阵论的理论解决实际中的人口迁移问题，做出简单的分析和概括。文中运用方阵函数 ()f A 的相关基本理论来解决这一实际问题，使得实际问题得 到简化解决，最终得出人口迁移问题的最终结论。 1、待解决问题内容： 假设有两个地区—如北方和南方，之间发生人口迁移，每一年北方50%的人口迁移到南方，同时有25%的南方人口迁移到北方，直观上可由下图表示： 问题：这个移民过程持续下去，北方的人会不会全部搬到南方？如果会请说明理由；如果不会，那北方的人最终人口分布会怎样？ 2、基本术语解释 方阵函数 ()f A ：最简单的方阵函数是矩阵多项式 01()n n B f A a E a A a A ==+++L ，其中,n n i A C a C ?∈∈。一般运用 复变幂级数的和函数定义方阵幂级数和函数—方阵函数。 3、基本理论阐述： 1、Hamilton-Cayley 定理： 设矩阵A 的特征多项式为()f λ，则有()0f A =。 设A 的特征多项式为： ()1101n n n f a a a λλλλ--=++++L Hamilton-Cayley 定理表明： ()11010n n n f A A a A a A a E --=++++=L ，即方阵函数可以由 1,,,,n n A A A E -L 的线性组合表示。 方阵函数是多项式 ()01f A a E a A =++L ，其中,n n i A C a C ?∈∈。

2、最小多项式的相关理论： 定义1：A 是n 阶方阵，()f λ是方阵A 的特征多项式。如果有()0f A =， 则称 ()f λ是方阵A 的零化多项式。由Hamilton-Cayley 定理知一个矩阵的零化 多项式一定存在。 定义2：在n 阶方阵A 的所有零化多项式中，次数最低的首一多项式，称为A 的最小多项式。 设n n A C ?∈的最小多项式为1212()()()()s t t t s m λλλλλλλ=---L 其中12 s t t t t +++=L ，(,,1,2,,)i j i j i j s λλ≠≠=L ，而方阵函数()f A 是 收敛的方阵幂级数 k k k a A ∞ =∑的和函数，即 0 ()k k k f A a A ∞ ==∑ 设1011()t t T b b b λλλ--=+++L ，使 () () ()()l l i i f T λλ= 1,2,,0,1,,1i i s l t =?? ? =-?? L L ，则0()()k k k T A f A a A ∞===∑ 3、运用 ()f z 在A 上的谱值计算方阵函数()f A 的理论： 设n 阶方阵A 的最小多项式为1212()()()()s t t t s m λλλλλλλ=---L ， 其中2,,,s λλλL 是 A 的互不相同的特征根。如果复函数 ()f z 及其各阶导数 ()()l f z 在(1,2,,)i z i s λ==L 处的导数值，即 () () ()l l i i l d f z f z dz λλ==1,2,,0,1,,1i i s l t =?? ?=-?? L L 均为有限值，便称函数()f z 在方阵A 的谱上给定，并称这些值为()f z 在A 上 的谱值。 4、报告正文 根据所给条件，设南方和北方第一年的人口数量分别为s 和n ，第n 年人口数量分别为n x 和n y 。根据题意可以列出下式：

矩阵论论文

西安理工大学 研究生课程论文 课程名称：矩阵论 任课教师：XXX 论文/研究报告题目：线性变换在 电路方程中的应用 完成日期：2014年11月5日学科：Xxxx 学号：XXXXXXX 姓名：XXX 成绩：

线性变换在电路方程中的应用 摘要：电路分析中的坐标变换和复杂绕组变压器分析中所用的变压器变换都是电路方程的线性变换。根据矩阵理论，对坐标变换和变压器变换进行了统一阐释。坐标变换本质是一个方阵和对角阵的相似变换，变压器变换的本质是新变量对旧变量的表示，当变换矩阵的逆阵等于它的转置（共轭转置）阵时，坐标变换和变压器变换数学表示是相同的。通过对电路方程系数矩阵和三角阵的相似变换，同时得到了三相 abc 坐标系和任意速度旋转两相 dq0 坐标系、瞬时值复数分量 120 坐标系、前进 - 后退 FB0 坐标系之间的变换矩阵。这有助于在更加基础的理论层面上揭示和理解电路方程线性变换的本质，也为提出电路方程线性变换的新类型提供了思路。 关键词：电路方程；线性变换；坐标变换；变压器变换 引言 在交流电机等电路分析中，常用的坐标变换是指三相静止 abc 坐标系任意速度旋转两相 d q坐标系、瞬时值复数分量 120 坐标系、 前进 - 后退 F B坐标系，以及它们对应的特殊坐标系的变量之间的 相互转换。电路方程坐标变换的主要目的是使电压、电流、磁链方程系数矩阵对角化和非时变化，从而简化数学模型，使分析和控制变得简单、准确、易行。还有一类电路方程变换，其目的是用旧变量表示出新变量，例如变压器中由原边变量利用变比变换而来的副边变量，把这类电路方程变换称为变压器变换。坐标变换已有很多文献进行了阐述，但这些阐述大都是基于物理概念的。变压器变换在复杂绕组变

学习矩阵的心得

矩阵理论学习报告 矩阵的现代概念在19世纪逐渐形成。1801年德国数学家高斯把一个线性变换的全部系数作为一个整体。1844年，德国数学家爱森斯坦讨论了“变换”（矩阵）及其乘积。1850年，英国数学家西尔维斯特首先使用矩阵一词。1858年，英国数学家凯莱发表《关于矩阵理论的研究报告》。他首先将矩阵作为一个独立的数学对象加以研究，并在这个主题上首先发表了一系列文章，因而被认为是矩阵论的创立者，他给出了现在通用的一系列定义，如两矩阵相等、零矩阵、单位矩阵、两矩阵的和、一个数与一个矩阵的数量积、两个矩阵的积、矩阵的逆、转置矩阵等。并且凯莱还注意到矩阵的乘法是可结合的，但一般不可交换，且m*n矩阵只能用n*k矩阵去右乘。1854年，法国数学家埃米尔特使用了“正交矩阵”这一术语，但他的正式定义直到1878年才由德国数学家费罗贝尼乌斯发表。1879年，费罗贝尼乌斯引入矩阵秩的概念。至此，矩阵的体系基本上建立起来了。 通过这次在朱善华老师的课程上我了解了很多获益匪浅，我通过矩阵的学习，系统地掌握了矩阵的基本理论和基本方法，进一步深化和提高矩阵的理论知识，掌握各种矩阵分解的计算方法，了解矩阵的各种应用，其主要内容包括矩阵的基本理论，矩阵特征值和特征向量的计算,矩阵分解及其应用，矩阵的概念，了解单位阵、对角距阵、三角矩阵、零矩阵、数量矩阵、对角距阵等。这些内容与方法是许多应用学科的重要工具。矩阵的应用是多方面的，不仅在数学领域里，而且在力学、物理、科技等方面都十分广泛的应用。我通过学习得知，矩阵是数学中的一个重要的基本概念，是代数学的一个主要研究对象，也是数学研究和应用的一个重要工具。从行列式的大量工作中明显的表现出来，为了很多目的，不管行列式的值是否与问题有关，方阵本身都可以研究和使用，矩阵的许多基本性质也是在行列式的发展中建立起来的，而矩阵本身所具有的性质是依赖于元素的。在逻辑上，矩阵的概念应先于行列式的概念，然而在历史上次序正好相反。矩阵和行列式是两个完全不同的概念，行列式代表着一个数，而矩阵仅仅是一些数的有顺序的摆法。利用矩阵这个工具，可以把线性方程组中的系数组成向量空间中的向量；这样对于一个多元线性方程组的解的情况，以及不同解之间的关系等一系列理论上的问题，就都可以得到彻底的解决。 认识总是随着时间和已有知识的积累在不断修正，我对矩阵论的认识也大致如此。从一开始的认为只能解线性方程，到如今发现它的几乎无所不能，我想我收获到的不仅仅是这种简单的知识，更是一种世界观，那就是对所有的事物都不要轻易地下定论。同时，当我们知道的越多，就会发现未知的东西越多。作为一门已经发展了一百多年的学科，我对矩阵论的认识只是沧海一粟，唯有终身学习，不断探索，才可能真正领悟到其中之真谛，我亦将为此付诸行动。 控制理论与控制工程 肖雪峰

硕士研究生课程考试试题矩阵论答案

华北电力大学硕士研究生课程考试试题（A 卷） 2013～2014学年第一学期 课程编号：50920021 课程名称：矩阵论 年 级：2013 开课单位：数理系 命题教师： 考核方式：闭卷 考试时间：120分钟 试卷页数： 2页 特别注意：所有答案必须写在答题册上，答在试题纸上一律无效 一、判断题（每小题2分，共10分） 1. 方阵 A 的任意一个特征值的代数重数不大于它的几何重数。 见书52页，代数重数指特征多项式中特征值的重数，几何重数指不变子空间的维数，前者加起来为n ，后者小于等于n 2. 设12,,,m αααL 是线性无关的向量,则12dim(span{,,,})m m ααα=L . 正确，线性无关的向量张成一组基 3.如果12,V V 是V 的线性子空间,则12V V ?也是V 的线性子空间. 错误，按照线性子空间的定义进行验证。 4. n 阶λ-矩阵()A λ是可逆的充分必要条件是 ()A λ的秩是n . 见书60页，需要要求矩阵的行列式是一个非零的数 5. n 阶实矩阵A 是单纯矩阵的充分且必要条件是A 的最小多项式没有重根. 二、填空题（每小题3分，共27分） （6）210021,003A ?? ?= ? ???则A e 的Jordan 标准型为223e 1 00e 0 ,00 e ?? ? ? ?? ?。 首先写出A e 然后对于若当标准型要求非对角元部分为1. （7）301002030λλλ-?? ?+ ? ?-??的Smith 标准型为10003000(3)(2)λλλ?? ?- ? ?-+?? 见书61-63页，将矩阵做变换即得

矩阵论课程教学大纲

《矩阵论》课程教学大纲 一、课程基本信息 课程编号： xxxxx 课程中文名称：矩阵论 课程英文名称：Matrix Theory 课程性质：学位课 考核方式：考试 开课专业：工科各专业 开课学期：1 总学时：36学时 总学分： 2学分 二、课程目的和任务 矩阵论是线性代数的后继课程。在线性代数的基础上，进一步介绍线性空间与线性变换、欧氏空间与酉空间以及在此空间上的线性变换，深刻地揭示有限维空间上的线性变换的本质与思想。为了拓展高等数学的分析领域，通过引入向量范数和矩阵范数在有限维空间上构建了矩阵分析理论。 从应用的角度，矩阵代数是数值分析的重要基础，矩阵分析是研究线性动力系统的重要工具。为了矩阵理论的实用性，对于矩阵代数与分析的计算问题，利用Matlab计算软件实现快捷的计算分析。 三、教学基本要求（含素质教育与创新能力培养的要求） 通过本课程的学习，使学生在已掌握本科阶段线性代数知识的基础上，进一步深化和提高矩阵理论的相关知识。并着重培养学生将所学的理论知识应用于本专业的实际问题和解决实际问题的能力。 本课程还要求学生从理论上掌握矩阵的相关理论，会证明简单的一些命题和结论，从而培养逻辑思维能力。要求掌握一些有关矩阵计算的方法，如各种标准型、矩阵函数等，为今后在相关专业中实际应用打好基础。 四、教学内容与学时分配 (一) 线性空间与线性变换 8学时 1. 理解线性空间的概念，掌握基变换与坐标变换的公式；

2. 掌握子空间与维数定理，了解线性空间同构的含义； 3. 理解线性变换的概念，掌握线性变换的矩阵表示。 (二) 内积空间 6学时 1. 理解内积空间的概念，掌握正交基及子空间的正交关系； 2. 了解内积空间的同构的含义，掌握判断正交变换的方法； 3. 理解酉空间的概念，会判定一个空间是否为酉空间 4. 掌握酉空间与实内积空间的异同； 5. 掌握正规矩阵的概念及判定定理和性质。 (三) 矩阵的对角化与若当标准形 6学时 1. 掌握矩阵相似对角化的判别方法； 2. 理解埃尔米特二次型的含义； 3. 会求史密斯标准形； 4. 会求若当标准型。 (四) 矩阵分解4学时 1. 会求矩阵的三角分解和UR分解； 2. 会求矩阵的满秩分解和单纯矩阵的谱分解； 3. 了解矩阵的奇异值和极分解。 (五) 向量与矩阵的重要数字特征4学时 1. 理解向量范数、矩阵范数； 2. 有限维线性空间上向量范数的等价性； 3. 向量范数与矩阵范数的相容性。 (六) 矩阵分析 4学时 1. 理解向量和矩阵的极限的概念； 2. 掌握矩阵幂级数收敛的判定方法； 3. 理解矩阵的克罗内克积； 4. 会求矩阵的微分与积分。 (七) 矩阵函数 4学时 1. 理解矩阵多项式的概念； 2. 掌握由解析函数确定的矩阵函数； 3. 掌握矩阵函数的计算方法。 五、教学方法及手段（含现代化教学手段） 本课程的所有授课内容，均使用多媒体教学方式，教案采用PowerPoint编写，教师使

矩阵论研究报告

矩阵论在方程解耦及最小二乘法中的应用摘要：模态（也称为固有振动模态，或主模态）是多自由度线性系统的一种固有属性，可由系统的特征值（也称为固有值）与系统的特征矢量（也称为固有矢量，或者主振型）二者共同来表示的；它们分别从时空两个方面来刻画系统的振动特性。模态是机械结构的固有振动特性，每一个模态具有特定的固有频率、阻尼比和模态振型，其可以使得耦合方程组解耦。作用于一个n维自由度系统，可以转换到模态坐标下来解耦，确定在模态坐标下响应，然后通过线性变换得到物理坐标下的响应。惯常使用中，将线性定常系统振动微分方程组中的物理坐标变换为模态坐标，使方程组解耦，成为一组以模态坐标及模态参数描述的独立方程，以便求出系统的模态参数[1]。 在科学实验和工程计算中，我们希望从给定的数据出发,构造一个近似函数，使数据点均在离曲线的上方或下方不远处，所求的曲线称为拟合曲线，它既能反映数据的总体分布，又不至于出现局部较大的波动，更能反映被逼近函数的特性，使求得的逼近函数与已知函数从总体上来说其偏差按某种方法度量达到最小，这就是最小二乘法。最小二乘法（又称最小平方法）是一种数学优化技术，它通过最小化误差的平方和寻找数据的最佳函数匹配，使这些求得的数据与实际数据之间误差的平方和为最小[2]，则需要范数的知识。 关键字：模态，方程解耦，最小二乘 一、引言 数学中解耦是指使含有多个变量的数学方程变成能够用单个变量表示的方程组，即变量不再同时共同直接影响一个方程的结果，从而简化分析计算。通过适当的控制量的选取，坐标变换等手段将一个多变量系统化为多个独立的单变量系统的数学模型，即解除各个变量之间的耦合。 对离散型函数(即数表形式的函数)考虑数据较多的情况.若将每个点都当作插值节点，则插值函数是一个次数很高的多项式，比较复杂，而且由于龙格振荡现象，这个高次的插值多项式可能并不接近原函数。最小二乘法在实际工程数据处理中应用广泛，在工程问题中，使用最小二乘法根据两个变量的几组实验数据可 1

矩阵论武汉理工大学研究生考试试题科学硕士

武汉理工大学研究生考试试题(2010） 课程 矩阵论 （共６题,答题时不必抄题,标明题目序号） 一，填空题（１５分） 1、已知矩阵A 的初级因子为223 ,(1),,(1)λλ-λλ-，则其最小多项式为 ２、设线性变换T 在基123,,εεε的矩阵为A ,由基123,,εεε到基123,,ααα的过渡矩阵为P ,向量β在基123,,εεε下的坐标为x ,则像()T β在基123,,ααα下的坐标 3、已知矩阵123411102101,,,00113311A A A A -????????==== ? ? ? ?--???????? ,则由这四个矩阵所生成的子空间的维数为 4、已知0100001000011 000A ?? ? ?= ? ???,则1068A A A -+= 5、已知向量(1,2,0,)T i α=--，21i =-,则其范数 1α= ;2α= ;∞α= ； 二，（20）设1112112121220a a V A a a a a ??????==-=?? ?????? ?为22?R 的子集合, 1、证明：V 是22?R 的线性子空间; ２、求V 的维数与一组基； 3、对于任意的1112111221222122,a a b b A B a a b b ????== ? ????? V ∈，定义 2222212112121111234),(b a b a b a b a B A +++= 证明:),(B A 是V 的一个内积; 4、求V 在上面所定义的内积下的一组标准正交基。 三、（15分)设{} 23210[](),0,1,2i F t f t a t a t a a R i ==++∈=为所有次数小于3的实系数 多项式所成的线性空间,对于任意的22103()[]f t a t a t a F t =++∈，定义:

研究生矩阵论课后习题答案(全)习题二

习题二 1．化下列矩阵为Smith 标准型： （1）222211λλλλ λλλλλ?? -?? -????+-?? ; （2）2222 00 000 00(1)00000λλλλλλ ?? ?? -? ? ??-?? -?? ; （3）2222 232321234353234421λλλλλλλλλλλλλλ?? +--+-??+--+-????+---?? ; (4)23014360220620101003312200λλλλλλλλλλλλλλ????++??????--????---?? . 解：（1）对矩阵作初等变换 23221311(1)100 10 000000(1)00(1)c c c c c c r λλλλλλλλλ+--?-???????????→-???→? ??? ????-++???? ， 则该矩阵为Smith 标准型为 ???? ? ?????+)1(1λλλ； （2）矩阵的各阶行列式因子为 44224321()(1),()(1),()(1),()1D D D D λλλλλλλλλλ=-=-=-=, 从而不变因子为 22 2341234123()()() ()1,()(1),()(1),()(1)()()() D D D d d d d D D D λλλλλλλλλλλλλλλλ== =-==-==-故该矩阵的Smith 标准型为

2210000(1)0000(1)00 00(1)λλλλλλ?? ??-????-?? -??； （3）对矩阵作初等变换 故该矩阵的Smith 标准型为 ?? ?? ??????+--)1()1(112 λλλ; (4)对矩阵作初等变换 在最后的形式中，可求得行列式因子 3254321()(1),()(1),()()()1D D D D D λλλλλλλλλ=-=-===, 于是不变因子为 2541234534()() ()()()1,()(1),()(1)()() D D d d d d d D D λλλλλλλλλλλλλ==== =-==-故该矩阵的Smith 标准形为 2 1 0000 010 0000100000(1)00 00 0(1)λλλλ?????????? -?? ??-?? . 2.求下列λ-矩阵的不变因子： （1） 21 0021002λλλ--????--????-??； （2）100 1000 λαββλα λαββ λα+????-+? ???+??-+?? ；

矩阵论课程论文

西安理工大学 研究生课程论文报告 课程名称：矩阵论 课程代号： 任课教师： 论文报告题目：矩阵函数在线性定常系统 状态转移矩阵求解中的应用完成日期：2015 年10 月25 日学科：电力电子与电力传动 学号： 姓名： 成绩：

矩阵函数在线性定常系统状态转移矩阵 求解中的应用 摘 要 控制系统的运动是系统性能定量分析的重要内容。“运动”是物理学上的一个概念，它是通过求系统方程的解)(t x 、)(t y 来分析研究的。由于状态方程是矩阵微分（差分）方程，输出方程式为矩阵代数方程，因此求系统方程的解主要是求状态方程的解。而求状态方程的解的关键是求状态转移矩阵。本文主要介绍了矩阵对角化标准型，约当标准型，凯莱-哈密顿定理及矩阵函数知识在线性定常系统的齐次状态方程的状态转移矩阵求解中的应用。 关键词：状态转移矩阵，约当标准型，凯莱-哈密顿定理，矩阵函数. 1.问题提出 线性系统有线性定常系统和线性时变系统，最为基本的是线性定常系统。而线性定常系统根据有无初始输入，分为线性定常齐次方程，和线性定常非齐次方程。本文只给出线性定常系统的齐次状态方程的状态转移矩阵的求解。 线性定常系统齐次方程的解亦即系统的自由解，是指系统输入为零时，由初始状态引起的自由运动。 线性定常系统齐次状态方程为 ()()t Ax t x = ()1-1 其中，x 是n 维状态向量；A 为n n ?系数矩阵。设初始时刻00=t ，系统的初始状态()()00x t x =。仿照标量微分方程求解的方法求方程()1-1的解。 设方程()1-1的解为t 的向量幂级数形式，即 )(t x = ++++++k k t b t b t b t b b 332210 ()2-1 式中，() ,2,1,0=i b i 为n 维向量。 式()2-1代入方程()1-1得 () +++++=+++++-k k k k t b t b t b b b A t kb t b t b b 3322101232132 ()3-1 既然式()2-1是方程()1-1的解，则式()3-1对任意的t 都成立。因此，式()3-1的等式两边t 的同次幂项的系数应相等，有

矩阵论课外报告---最小二乘法

一、 报告摘要 在已知曲线大致模型的情况下，运用曲线拟合最小二乘法，使得观测数据与曲线模型数据之间的误差平方和最小。进而求得曲线的模型参数，并由所求的曲线模型进行分析预测。 二、 题目内容 一颗导弹从敌国发射，通过雷达我们观测到了它的飞行轨迹，具体有如下数据： 我国军情处分析得出该导弹沿抛物线轨道飞行。 问题：预测该导弹在什么水平距离着地。 三、 基本术语 1. 内积 设V 是实数域R 上的线性空间，如果V 中任意两个向量,αβ都按某一个确定的法则对应于惟一确定的实数，记作(,)αβ，并且(,)αβ满足 i. 对任意的,V αβ∈，有(,)(,)αββα= ii. 对任意的,,V αβγ∈，有(,)(,)(,)a αβγγβγ+=+ iii. 对任意的,,k R V αβ=∈有(,)(,)k k αβαβ= iv. 对任意的V α∈，有(,)0αα≥。当且仅当0α=时，(,)0αα= 则称(,)αβ为向量,αβ的内积。如无特殊说明的，我们认为对任意向量

1212(,,,),(,,,)n n a a a b b b αβ== ，其内积(,)αβ为 1122(,)n n a b a b a b αβ=+++ 2. 范数 如果V 是数域K 上的线性空间，且对于V 的任以向量χ，对应于一个实数函数χ，它满足如下三个条件。 i. 非负性 当0χ≠时0χ>；当0χ=时，0χ=； ii. 齐次性 ,a a V χχχ=∈； iii. 三角不等式 ,,V χζχζχζ+≤+∈； 则称χ为V 上χ的范数。 可以证明对于向量12(,,,)n χξξξ= 的长度 χ= 是一种范数，我们称为2-范数，记为2χ。 3. 线性方程组 设有n 个未知数m 个方程的线性方程组 11112211 21122222 1122n n n n m m mn n m a x a x a x b a x a x a x b a x a x a x b +++=??+++=?? ????+++=? 可以写成以向量x 为未知元的向量方程 Ax b = 则A 为该方程的系数矩阵，(,)B A b =为增广矩阵。该线性方程有解的条件如下 i. 当A 的秩()R A 和B 的秩()R B 满足()()R A R B <时，该方程无解 ii. 当()()R A R B n ==时，该方程有唯一解。

矩阵论文献翻译--5000字

矩阵相关文献翻译： Cooperative Spectrum Sensing Using Random Matrix Theory Leonardo S. Cardoso and Merouane Debbah and Pascal Bianchi FROM IEEE 字数：5000字

基于随机矩阵理论的协作频谱感知 摘要 本文提出了一种基于随机矩阵理论的协作频谱感知算法，这个算法既适用于AWGN，也适用于衰落信道。不像先前的研究工作，新算法并不需要噪声统计和方差，并且与随机矩阵的最大和最小特征值有关。值得注意的是，仿真结果表明，新算法方便随时间变化的拓扑结构，其性能明显优于典型的能量检测算法。 一、前言 从美国联邦通信委员会（FCC）频谱政策专责小组[1]的报告中显示，无论是由于稀疏用户访问还是系统的固有缺陷，目前移动通信系统并没有充分利用可用的频谱，这已经成为共识。可以预见，未来的系统将能够有机会利用这些频谱，通过认知环境的能力的相关知识，以适应相应的无线电参数[2]。由于微电子和计算机系统的最新进展，这种无线电的时代已经不远，其中最重要的是开发出很好的感知技术。 用最通俗的话来说，频谱检测手段是在一个给定的有噪声的频段下寻找频带中的信号在（也可能包括进行分类的信号）。这个问题以前得到广泛的研究，如今由于认知无线电研究的部分原因重获关注。为此，有几个经典的技术，如能量检测（ED）（文献[3] - [5]），匹配滤波器（文献[6]）和循环平稳特征检测（文献[7] - [9]）。这些技术有自身的优缺点，而且都是适合于非常特殊的应用场合。 然而，从认知无线电的角度来看，频谱感知有非常严格的要求 和限制的问题，例如： ?没有信号结构的先验知识（统计、噪音方差值，等等）； ?在最短的时间内的信号检测；需要具有在严重衰落信道的环境下可靠检测的能力。 Cabric等人的工作[7]、Akyildiz等人的工作[10]、和Haykin[11]提供了从认知网络的角度对这些经典技术进行了汇总。从这些工作中可以清楚的看到，任何方法都不可能完全应付认知无线电网络的所有需求。 在简单的AWGN（加性高斯白噪声）信道中，经典的方法效果非常好。然而，在快衰落的情况下，这些技术无法提供满意的解决方案，尤其是隐藏节点问题[12]。为此，[13]- [16]几部文献已经研究认知无线电的协作频谱感知的情况。这些工作的目的是通过增加额外的冗余感知方法降低错误概率。他们还旨在通过减少收集的样本数量，来使用并行测量装置估计次数。不过，即使人们可以高效的利用空间维度，这些工作也都是是基于相同的基本技术，都需要一个信号的先验信息。在这项工作中，我们引入一个不需要先验信息的频谱感知方法。这种方法依赖于多个接收器采用随机矩阵理论（RMT）对接收到的信号进行结构推断。随机矩阵理论(RMT)是研究大维随机矩阵的经验谱分布函数在一定条件下特殊 收敛性质的相关理论，现已被广泛应用于无线通信领域中，如无线信道容量、阵列信号处理、接收机性能分析、通信系统设计等的各个方面。基于RMT 的频

#研究生矩阵论第1讲 线性空间

矩阵论 1、意义 随着科学技术的发展，古典的线性代数知识己不能满足现代科技的需要，矩阵的理论和方法业巳成为现代科技领域必不可少的工具．有人认为：“科学计算实质就是矩阵的计算”．这句话概括了矩阵理论和方法的重要性及其使用的广泛性．因此，学习和掌握矩阵的基本理论和方法，对于理、工科研究生来说是必不可少的数学工具．2、内容 《矩阵论》和工科《线性代数》课程在研究矩阵的内容上有较大的差异： 线性代数：研究行列式、矩阵的四则运算(加、减、乘、求逆 ) 以及第一类初等变换 (非正交的)、对角标准形 (含二次型) 以及n阶线性方程组的解等基本内容． 矩阵论：研究矩阵的几何理论(线性空间、线性算子、内积空间等)、第二和第三类初等变换(正交的)、分析运算(矩阵微积分和级数)、矩阵的范数和条件数、广义逆和分解、若尔当标准形以及几类特殊矩阵和特殊运算等,内容十分丰富． 3、方法 在研究的方法上，矩阵论和线性代数也有很大的不同： 线性代数：引入概念直观，着重计算． 矩阵论：着重从几何理论的角度引入矩阵的许多概念和运算，把矩阵看成是线性空间上线性算子的一种数量表示．深刻理解它们对将

来正确处理实际问题有很大的作用． 第1讲 线性空间 内容： 1.线性空间的概念； 2.基变换和坐标变换； 3.子空间和维数定理； 4.线性空间的同构 线性空间和线性变换是矩阵分析中经常用到的两个极其重要的概念，也是通常几何空间概念的推广和抽象，线性空间是某类客观事物从量的方面的一个抽象． §1 线性空间的概念 1. 群，环，域 代数学是用符号代替数（或其它）来研究数（或其它）的运算性质和规律的学科，简称代数． 代数运算：假定对于集A 中的任意元素a 和集B 中的任意元素b ，按某一法则和集C 中唯一确定的元素c 对应，则称这个对应为A 、B 的一个（二元）代数运算． 代数系统：指一个集A 满足某些代数运算的系统． 1.1群 定义1.1 设V 是一个非空集合，在集合V 的元素之间定义了一种代数运算，叫做加法，记为“+”．即，对V 中给定的一个法则，对于V 中任意元素βα,，在V 中都有惟一的一个元ν和他们对应，称ν为βα,的和，记为βαν+=．若在“+”下，满足下列四个条件，则称V 为一个群． 1）V 在“+”下是封闭的．即，若,,V ∈βα有 V ∈+βα； 2) V 在“+”下是可结合的．即，)()(γβαγβα++=++ ，V ∈γ；

研究生矩阵论试题与答案

中国矿业大学 级硕士研究生课程考试试卷 考试科目矩阵论 考试时间年月 研究生姓名 所在院系 学号 任课教师

一（15分）计算 (1) 已知A 可逆，求 10 d At e t ? （用矩阵A 或其逆矩阵表示） ； （2）设1234(,,,)T a a a a =α是给定的常向量，42)(?=ij x X 是矩阵变量，求T d()d X αX ； （3）设3阶方阵A 的特征多项式为2(6)I A λλλ-=-，且A 可对角化，求k k A A ??? ? ??∞→)(lim ρ。

二（15分）设微分方程组 d d (0)x Ax t x x ?=???? ?=?，508316203A ?? ?= ? ?--??，0111x ?? ? = ? ??? （1）求A 的最小多项式)(λA m ； （3）求At e ； （3）求该方程组的解。

三（15分）对下面矛盾方程组b Ax = 312312 111x x x x x x =?? ++=??+=? （1）求A 的满秩分解FG A =； （2）由满秩分解计算+A ； （3）求该方程组的最小2－范数最小二乘解LS x 。

四（10分）设 11 13A ?=?? 求矩阵A 的QR 分解（要求R 的对角元全为正数，方法不限）。 五（10分） 设(0,,2)T n A R n αβαβ=≠∈≥ （1）证明A 的最小多项式是2 ()tr()m A λλλ=-； （2）求A 的Jordan 形（需要讨论）。

六（10分）设m n r A R ?∈， （1）证明rank()n I A A n r + -=-； （2）0Ax =的通解是(),n n x I A A y y R +=-?∈。 七（10分）证明矩阵 21212123 111222222243333 33644421(1)(1)n n n n n n n n n n ---? ? ? ? ? ? ?= ? ? ? ? ? ?+++? ? A （1）能与对角矩阵相似；（2）特征值全为实数。

研究生矩阵论课后习题答案(全)习题三

习题三 1．证明下列问题： （1）若矩阵序列{}m A 收敛于A ，则{}T m A 收敛于T A ，{} m A 收敛于A ； （2）若方阵级数∑∞ =0m m m A c 收敛，则∑∑∞ =∞==?? ? ??00)(m m T m T m m m A c A c . 证明：（1）设矩阵 ,,2,1,)() (Λ==?m a A n n m ij m 则 ,)()(n n m ji T m a A ?=,)()(n n m ij m a A ?=,,2,1Λ=m 设 ,)(n n ij a A ?= 则 n n ji T a A ?=)(，,)(n n ij a A ?= 若矩阵序列{}m A 收敛于A ，即对任意的n j i ,,2,1,Λ=，有 ij m ij m a a =∞ →) (lim ， 则 ji m ji m a a =∞ →)(lim ，ij m ij m a a =∞ →)(lim ，n j i ,,2,1,Λ=， 故{} T m A 收敛于T A ，{} m A 收敛于A . (2)设方阵级数 ∑∞ =0 m m m A c 的部分和序列为 ΛΛ,,,,21m S S S ， 其中m m m A c A c c S +++=Λ10.

若 ∑∞ =0 m m m A c 收敛，设其和为S ，即 S A c m m m =∑∞ =0 ，或S S m m =∞ →lim ， 则 T T m m S S =∞ →lim . 而级数∑∞ =0 )(m m T m A c 的部分和即为T m S ，故级数∑∞ =0 )(m m T m A c 收敛，且其和为T S ， 即 ∑∑∞ =∞==?? ? ??00)(m m T m T m m m A c A c . 2.已知方阵序列{}m A 收敛于A ，且{} 1-m A ，1 -A 都存在，证明： （1）A A m m =∞ →lim ；（2）{}1 1 lim --∞ →=A A m m . 证明：设矩阵 ,,2,1,)() (Λ==?m a A n n m ij m ,)(n n ij a A ?= 若矩阵序列{}m A 收敛于A ，即对任意的n j i ,,2,1,Λ=，有 ij m ij m a a =∞ →) (lim . (1) 由于对任意的n j j j ,,,21Λ，有 ,lim ) (k k kj m kj m a a =∞ → n k ,,2,1Λ=， 故 ∑-∞ →n n n j j j m nj m j m j j j j m a a a ΛΛΛ2121)()(2)(1) ()1(lim τ ＝ ∑-n n n j j j nj j j j j j a a a ΛΛΛ21212121) ()1(τ ， 而 ∑-= n n n j j j m nj m j m j j j j m a a a A ΛΛΛ2121) ()(2)(1)()1(τ，

矩阵理论报告

电子科技大学 矩阵理论课程报告 报告题目：线性投影非负矩阵分解 指导老师：高中喜 学生姓名：陈汪学号: 201521090515 专业：生命科学与技术学院

线性投影非负矩阵分解 摘要对非负矩阵分解迭代方法比较复杂的问题，提出了一种线性投影非负矩阵分解方法．从投影和线性变换角度出发，将Frobenius范数作为目标函数，利用泰勒展开式，严格导出基矩阵和线性变换矩阵的迭代算法，并证明了算法的收敛性.实验结果表明：该算法是收敛的；相对于非负矩阵分解等方法，该方法的基矩阵具有更好的正交性和稀疏性；人脸识别结果说明该方法具有较高的识别率．线性投影非负矩阵分解方法是有效的． 关键词投影非负矩阵分解，线性变换，人脸识别 Method for Linear Projective Non-negative Matrix Factorization Abstract To solve the problem that the iterative method for Non-negative Matrix Factorization,called Linear Projective Non-negative Matrix Factorization(LP-NMF) was proposed．LP-NMF，from projection and linear transformation angle，an objective function of Frobenius norm is considered．The Taylor series expansion is used．An itemtive algorithm for basis matrix and linear transformation matrix is derived strictly and a proof of algorithm convergence is provided．Experimental results show that the algorithm is convergent，and relative to Non-negative Matrix Factorization(NMF)and so on．The orthogonality and the sparseness of the basis matrix ale better，in face recognition,there is higher recognition accuracy．The method for LP-NMF is effective．Keywords Projective non-negative matrix hctorization，Linear transformafion，Face recognition X≈是从“对整体的感知由对组成整体的部分感知构成”观点出非负矩阵分解(NMF)WH 发而构建的数据处理方法.该方法揭示了描述数据的本质，并被广泛应用到数据降维、文本挖掘、光谱数据分析嘲、图像分析、人脸识别等诸多领域. X≈是基于线性变换Q而构建的.在LPBNMF 基于线性投影结构的非负矩阵分解(LPBNMF)WQX 中，提出了一个单调递减算法，定量地分析了基矩阵的正交性和稀疏性，并将它应用到有遮挡的人脸识别问题中. 本文基于LPBNMF方法，实现一种新的非负矩阵分解方法,我们称该方法为线性投影非负矩 X≈. 阵分解(（Line project Non-negative Matrix Factorization， LPNUM）方法，WQX

《矩阵论》教学大纲

《矩阵论》教学大纲 -CAL-FENGHAI-(2020YEAR-YICAI)_JINGBIAN

《矩阵论》课程教学大纲 一、课程性质与目标 （一）课程性质 《矩阵论》是数学专业的选修课，是学习经典数学的基础，又是一门最具有实用价值的数学理论。它不仅是数学的一个重要的分支，而且业已成为现代各科技领域处理大量有限维空间形式与数量关系的强有力的工具。 （二）课程目标 通过本课程的学习，使学生掌握矩阵论的基本概念，基本理论和基本运算，全面了解若干特殊矩阵的标准形及其基本性质，了解近代矩阵论中十分活跃的若干分支，为今后在应用数学，计算数学专业的进一步学习和研究打下扎实的基础。 二、课程内容与教学 （一）课程内容 1、课程内容选编的基本原则 把握理论、技能相结合的基本原则。 2、课程基本内容 本课程主要介绍了线性空间、线性映射、酉空间、欧氏空间、若当标准型、矩阵的分解、矩阵的分析、矩阵函数和广义逆矩阵等基本内容。 （二）课程教学 通过本课程中基本概念和基本定理的阐述和论证，培养高年级本科生的抽象思维与逻辑推理能力，提高高年级本科生的数学素养。 三、课程实施与评价 （一）学时、学分 本课程总学时为54学时。学生修完本课程全部内容，成绩合格，可获3学分。（二）教学基本条件 1、教师 教师应具有良好的师德和较高的专业素质与教学水平，一般应具备讲师以上职称或本专业硕士以上学位。 2、教学设备 配置与教学内容相关的图书、期刊、音像资料等。 （三）课程评价 1、对学生能力的评价 逻辑推理能力，包括逻辑思维的合理性和严密性。 2、采取教师评价为主的评价方法。 3、课程学习成绩由期末考试成绩（70%）和平时成绩（30%）构成。课程结束时评出成绩，成绩评定可分为优、良、中、及格和不及格五个等级，也可采用百分制。 四、课程基本要求 第一章线性空间和线性变换 基本内容：线性空间线性变换 基本要求： （1）理解线性空间有关内容。

矩阵论在人口迁移问题中的应用矩阵论报告

研究生“矩阵论”课程课外作业 姓 名： 学 号： 学 院： 专 业： 类 别： 上课时间： 成 绩： 矩阵论在人口迁移问题中的应用 摘要 本文根据矩阵论的理论解决实际中的人口迁移问题，做出简单的分析和概括。文中运用方阵函数()f A 的相关基本理论来解决这一实际问题，使得实际问题得到简化解决，最终得出人口迁移问题的最终结论。 1、待解决问题内容： 假设有两个地区—如北方和南方，之间发生人口迁移，每一年北方50%的人口迁移到南方，同时有25%的南方人口迁移到北方，直观上可由下图表示： 问题：这个移民过程持续下去，北方的人会不会全部搬到南方？如果会请说明理由；如果不会，那北方的人最终人口分布会怎样？ 2、基本术语解释 方阵函数()f A ：最简单的方阵函数是矩阵多项式 01()n n B f A a E a A a A ==+++，其中,n n i A C a C ?∈∈。一般运用复变幂级数的和函数定义方阵幂级数和函数—方阵函数。 3、基本理论阐述：

1、Hamilton-Cayley 定理： 设矩阵A 的特征多项式为 ()f λ，则有()0f A =。 设A 的特征多项式为：()1101n n n f a a a λλλλ--=++++ Hamilton-Cayley 定理表明： ()11010n n n f A A a A a A a E --=++++=，即方阵函数可以由1,,,,n n A A A E -的线性组合表示。 方阵函数是多项式()01f A a E a A =++，其中,n n i A C a C ?∈∈。 2、最小多项式的相关理论： 定义1：A 是n 阶方阵， ()f λ是方阵A 的特征多项式。如果有()0f A =，则称()f λ是方阵A 的零化多项式。由Hamilton-Cayley 定理知一个矩阵的零化多项式一定存在。 定义2：在n 阶方阵A 的所有零化多项式中，次数最低的首一多项式，称为A 的最小多项式。 设n n A C ?∈的最小多项式为1212()()()()s t t t s m λλλλλλλ=--- 其中12s t t t t +++=，(,,1,2, ,)i j i j i j s λλ≠≠=，而方阵函数()f A 是收敛的方阵幂级数 0k k k a A ∞=∑的和函数，即 设1011()t t T b b b λλλ--=+++，使 ()()()()l l i i f T λλ= 1,2,,0,1, ,1i i s l t =?? ?=-??，则0()()k k k T A f A a A ∞===∑ 3、运用()f z 在A 上的谱值计算方阵函数()f A 的理论： 设n 阶方阵A 的最小多项式为12 12()()()()s t t t s m λλλλλλλ=---，其中2,,,s λλλ是A 的互不相同的特征根。如果复函数()f z 及其各阶导数()()l f z 在(1,2, ,)i z i s λ==处的导数值，即 均为有限值，便称函数 ()f z 在方阵A 的谱上给定，并称这些值为()f z 在A 上 的谱值。 4、报告正文