【机器学习|数学基础】Mathematics for Machine Learning系列之矩阵理论(18):方阵的幂级数

460 阅读4分钟

「这是我参与2022首次更文挑战的第10天,活动详情查看:2022首次更文挑战」。

@TOC

在这里插入图片描述

前言

Hello!小伙伴! 非常感谢您阅读海轰的文章,倘若文中有错误的地方,欢迎您指出~   自我介绍 ଘ(੭ˊᵕˋ)੭ 昵称:海轰 标签:程序猿|C++选手|学生 简介:因C语言结识编程,随后转入计算机专业,有幸拿过一些国奖、省奖...已保研。目前正在学习C++/Linux/Python 学习经验:扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语!   机器学习小白阶段 文章仅作为自己的学习笔记 用于知识体系建立以及复习 知其然 知其所以然!

往期文章

【机器学习|数学基础】Mathematics for Machine Learning系列之矩阵理论(1):集合与映射

【机器学习|数学基础】Mathematics for Machine Learning系列之矩阵理论(2):线性空间定义及其性质

【机器学习|数学基础】Mathematics for Machine Learning系列之矩阵理论(3):线性空间的基与坐标

【机器学习|数学基础】Mathematics for Machine Learning系列之矩阵理论(4):基变换与坐标变换

【机器学习|数学基础】Mathematics for Machine Learning系列之矩阵理论(5):线性子空间

【机器学习|数学基础】Mathematics for Machine Learning系列之矩阵理论(6):子空间的交与和

【机器学习|数学基础】Mathematics for Machine Learning系列之矩阵理论(7):欧氏空间

【机器学习|数学基础】Mathematics for Machine Learning系列之矩阵理论(8):标准正交基与Gram-Schmidt过程

【机器学习|数学基础】Mathematics for Machine Learning系列之矩阵理论(9):正交补与投影定理

【机器学习|数学基础】Mathematics for Machine Learning系列之矩阵理论(10):线性变换定义

【机器学习|数学基础】Mathematics for Machine Learning系列之矩阵理论(11):线性变换的矩阵表示

【机器学习|数学基础】Mathematics for Machine Learning系列之矩阵理论(12):相似形理论

【机器学习|数学基础】Mathematics for Machine Learning系列之矩阵理论(13):Hamliton-Cayley定理、最小多项式

【机器学习|数学基础】Mathematics for Machine Learning系列之矩阵理论(14):向量范数及其性质

【机器学习|数学基础】Mathematics for Machine Learning系列之矩阵理论(15):矩阵的范数

【机器学习|数学基础】Mathematics for Machine Learning系列之矩阵理论(16):向量和矩阵的极限

【机器学习|数学基础】Mathematics for Machine Learning系列之矩阵理论(17):函数矩阵的微分和积分

5.3 方阵的幂级数

5.3.1 方阵级数收敛定义及判断

定义5.7

对于任意的nn阶复方阵序列{Ak}\{A_k\},称k=0Ak\sum_{k=0}^{\infty}A_k为方阵级数,记

SN=k=0NAkS_N=\sum_{k=0}^{N}A_{k}

若方阵序列SNS_N收敛,且

limNSN=S\lim_{N\rightarrow\infty}S_N=S

则称方阵级数k=0Ak\sum_{k=0}^{\infty}A_{k}收敛,且称该方阵级数的和为SS,记为

S=k=0AkS=\sum_{k=0}^{\infty}A_k

不收敛的方阵级数称为发散


如果记方阵AkA_kiijj列元素为(Ak)ij(A_k)_{ij},方阵SSiijj列元素为(S)ij(S)_{ij}

那么方阵级数k=0Ak\sum_{k=0}^{\infty}A_k收敛于SS的充分必要条件是:对方阵序列{SN}\{S_N\}

limNSN=S,SN=k=0NAk\lim_{N\rightarrow\infty}S_N=S,S_N=\sum_{k=0}^{N}A_k

的充分必要条件是n2n^2个数值序列{(SN)ij}\{(S_N)_{ij}\}

limN(SN)ij=(S)iji,j=1,2,3,...,n\lim_{N\rightarrow\infty}(S_N)_{ij}=(S)_{ij}\qquad i,j = 1,2,3,...,n

这里有点绕,第一个充要条件成立需要第二个充要条件成立

也就是n2n^2个数值级数

k=0(Ak)ij(i,j=1,2,3,...,n)\sum_{k=0}^{\infty}(A_k)_{ij}\qquad (i,j = 1,2,3,...,n)

都收敛,当且仅当这n2n^2个数值级数中至少有一个发散时,方阵级数k=0Ak\sum_{k=0}^{\infty}A_k发散

定义5.8

若方阵级数k=0Ak\sum_{k=0}^{\infty}A_k所对应的n2n^2个数值级数

k=0(Ak)ij(i,j=1,2,3,...,n)\sum_{k=0}^{\infty}(A_k)_{ij} \qquad(i,j = 1,2,3,...,n)

都绝对收敛,则称该方阵级数绝对收敛

方阵级数的收敛、绝对收敛的性质

性质1

若方阵级数k=0Ak\sum_{k=0}^{\infty}A_k绝对收敛,则它一定收敛

并且任意调换各项都次序所得的新级数仍收敛,且其和不变

性质2

方阵级数绝对收敛的充分必要条件是对于任意一种方阵范数||\cdot||,级数k=0Ak\sum_{k=0}^{\infty}||A_k||收敛

性质3

对于确定的数字矩阵P,QCn×nP,Q\in C^{n×n}

若方阵级数k=0Ak\sum_{k=0}^{\infty}A_k收敛(绝对收敛)

则方阵级数k=0PAkQ\sum_{k=0}^{\infty}PA_kQ也收敛(绝对收敛),且有

k=0PAkQ=P(k=0Ak)Q\sum_{k=0}^{\infty}PA_kQ=P(\sum_{k=0}^{\infty}A_k)Q

5.3.2 方阵幂级数收敛定义及判断

定义:方阵幂级数

对于任意方阵ACn×nA\in C^{n×n}及复数域上数列{ak}\{a_k\},称方阵级数

k=0akAk\sum_{k=0}^{\infty}a_kA^k

为方阵AA的幂级数

与级数的不同在于,对AkA^k的每一项有一个乘数aka_k


方阵幂级数k=0akAk\sum_{k=0}^{\infty}a_kA^k收敛的充分必要条件是n2n^2个数项级数k=0ak(Ak)ij\sum_{k=0}^{\infty}a_k(A^k)_{ij}收敛,i,j=1,2,3...,ni,j=1,2,3...,n

方阵幂级数k=0akAk\sum_{k=0}^{\infty}a_kA^k绝对收敛的充分必要条件是对任意一种方阵范数A||A||,级数k=0akAk\sum_{k=0}^{\infty}||a_kA^k||收敛

定理5.3.1

ACn×nA\in C^{n×n}的谱半径为ρ(A)\rho(A),则对任意给定的ε>0\varepsilon>0,总存在一方阵范数A||A||_{*},使得

A<ρ(A)+ε||A||_{*}<\rho(A)+\varepsilon

定理5.3.2

设复变幂级数k=0akzk\sum_{k=0}^{\infty}a_kz^k收敛半径RR

ACn×nA\in C^{n×n}的谱半径为ρ(A)\rho(A),则

(1)当ρ(A)<R\rho(A)<R时,方阵幂级数k=0akAk\sum_{k=0}^{\infty}a_kA^k绝对收敛

(2)当ρ(A)>R\rho(A)>R时,方阵幂级数k=0akAk\sum_{k=0}^{\infty}a_kA^k发散

结语

说明:

  • 参考于 课本《矩阵理论》
  • 配合书中概念讲解 结合了自己的一些理解及思考

文章仅作为学习笔记,记录从0到1的一个过程

希望对您有一点点帮助,如有错误欢迎小伙伴指正

在这里插入图片描述