- 1、本文档共3页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
奔驰定理的内容及推导
奔驰定理,又称为拓普兰公式,是著名的德国数学家克劳德拓普
兰在 1899 年所提出的一个定理,它使得无穷维的线性空间的结构可
以由结构性系数矩阵来表达。当时在数学界极具热度,其中最重要的
结果就是奔驰定理。如今,它仍然是抽象线性空间理论的基础。
一、奔驰定理的内容
奔驰定理表明:任意一个结构性系数矩阵 A,它的特征值谱数Λ
= ( λ1,2,...,n ),如矩阵A 的秩为n,那么它的可逆矩阵 C 的特征
值谱数Λ=量(1/ λ1, 1/λ2, 1/ λ3,..., 1/ λn),其中λi≠0。
二、奔驰定理的推导
1、奔驰定理的证明思路
克劳德拓普兰在证明奔驰定理的时候,采用了线性变换的方法,
即用一组正交矩阵Q (QT = Q)以及一个对角矩阵Λ来表示矩阵A:
A = QQT
其中 Q 是一个正交矩阵,Λ是一个对角矩阵,它的对角元素是原
矩阵 A 的特征值数Λ = (λ1,2,…,n),即矩阵A 的秩为 n,Q 的列向
量 Q1、Q2、…、Qn 是矩阵 A 的n 个特征向量。
2、奔驰定理的推导过程
(1)由奔驰定理的思路,可以得出矩阵A 的反矩阵C:
AC = I = Q ΛQTC
(2)由正交矩阵QTC = CQ 可得:
C =Q[QTC] = Q( ΛC)
- 1 -
(3)将矩阵C 代入,可求出矩阵 C 的特征值谱数Λ:
ΛC Λ= I
(4)取矩阵 C 的特征值谱数Λ’,就可以得出奔驰定理的最终结
果:
Λ= (1/ λ1, 1/ λ2,..., 1/ λn)
三、奔驰定理的应用
1、定性分析方法求解线性规划问题
由于奔驰定理的求解过程可以转化为特征值问题,因此可以用定
性分析的方法求解线性规划问题。定性分析法是由 N.K. Naidu、S.C.
Jeganathan 于 1980 年提出来的,它是在此理论基础上将线性规划模
型转化为对特征值的定性评价,从而求解线性规划问题。
2、在线性关系模型中的应用
线性关系模型是指总体上的一系列关系或函数之间的一组联系,
这组联系有可能是线性的或者具有某种程度的线性性,由于它同时包
含了实数和复数,因而可以用奔驰定理求解线性关系模型中的最优解。
3、在概率论和数理统计中的应用
奔驰定理的求解过程可以将概率论和数理统计中的问题转化为
特征值法,从而求解最优解,例如求解协方差矩阵及最大似然估计方
法中的最大似然函数,因此也可以将奔驰定理用于概率论和数理统计
中。
四、总结
奔驰定理是抽象线性空间理论的基础,它的推导可以用正交矩阵
- 2 -
的方法将矩阵A 表示为 QQT,结合协方差矩阵及最大似然估计等方法,
可以将线性规划问题转化为特征值问题,从而使用奔驰定理可以求解
线性关系模型中的最优解。由于它的重要性,奔驰定理仍然是现今数
学研究中的重要话题,它已经成为数学研究和应用的基础理论。
- 3 -
文档评论(0)