Inom matematiken är en matrisfunktion en funktion som avbildar en matris på en matris.
Enkla matrisfunktioner
En del funktioner på skalärer är lätta att överföra till kvadratiska matriser., till exempel polynomfunktioner. Med matrismultiplikation definierar man
![{\displaystyle A^{0}=I\,}](https://wikimedia.org/api/rest_v1/media/math/render/svg/8287a52910d2838708ddbdcc6c097bb6efeeaa61)
![{\displaystyle A^{n}=\prod _{k=1}^{n}A}](https://wikimedia.org/api/rest_v1/media/math/render/svg/077876c7f38203897dc3c9eca9e3488c34ef26bc)
för att på så sätt kunna hantera polynom av matriser. Men de flesta funktioner är inte lika enkla att överföra till matriser.
Skalärfunktioner överförda till matriser
Det finns flera aspekter när man betraktar överföringen av en funktion från skalärer till matriser.
Maclaurinutveckling
En funktions Maclaurinserie:
![{\displaystyle f(x)=\sum _{k=0}^{\infty }{\frac {f^{(k)}(0)}{k!}}x^{k}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/0822a9856296f69b276f99eade6a7328fbb09f61)
kan även användas på matriser.
Funktioner av diagonaliserbara matriser
För en diagonalmatris
kan man genom Maclaurinserien få att:
![{\displaystyle f(D)={\begin{pmatrix}f(d_{1})&0&\cdots &0\\0&f(d_{2})&\cdots &0\\\vdots &\vdots &\ddots &\vdots \\0&0&\cdots &f(d_{n})\end{pmatrix}}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/51b576bffad984126aaf93e627fbfaef0c327c57)
Om en matris
är diagonaliserbar, dvs det finns en matris
sådan att
, brukar man använda faktumet att:
![{\displaystyle A^{2}=(TDT^{-1})^{2}=TDT^{-1}TDT^{-1}=TD^{2}T^{-1}\Rightarrow A^{n}=TD^{n}T^{-1}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/4fa4fd88d08e9e9950a3a64614184bc9ab26ec64)
Maclaurinserien ger då att:
![{\displaystyle f(A)=\sum _{k=0}^{\infty }{\frac {f^{(k)}(0)}{k!}}A^{k}=\sum _{k=0}^{\infty }{\frac {f^{(k)}(0)}{k!}}(TDT^{-1})^{k}=\sum _{k=0}^{\infty }{\frac {f^{(k)}(0)}{k!}}TD^{k}T^{-1}=T(\sum _{k=0}^{\infty }{\frac {f^{(k)}(0)}{k!}}D^{k})T^{-1}=Tf(D)T^{-1}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/271b37837d4c31179b6e291829c329066a3a782c)
Alla kvadratiska matriser kan skrivas på Jordans normalform, dvs
där
är en blockdiagonal matris. På samma sätt som för diagonala matriser får man att:
![{\displaystyle f(A)=Tf(J)T^{-1}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/5bed7ffb1cdcee0436ae1cb1a53ad3e19cc58d53)
För att definiera matrisen för
kan man använda faktumet att
för en diagonalmatris
och en nilpotent matris
, detta kan göras exempelvis i fallet matrisexponential.
Man kan också betrakta funktioner av Jordanblock, som är de block som matrisen
har i sin diagonal. Ett Jordanblock
har formen:
![{\displaystyle J_{p}={\begin{pmatrix}\lambda &1&0&\cdots &0\\0&\lambda &1&\cdots &0\\0&0&\lambda &\cdots &0\\\vdots &\vdots &\vdots &\ddots &\vdots \\0&0&0&0&\lambda \end{pmatrix}}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/eb79582ffb33e3cb487112b80e3b1b1eb4ed1ca6)
Dvs, en matris med ett tal
i huvuddiagonalen, med en diagonal av ettor ovanför huvuddiagonalen. Funktionen av ett Jordanblock blir då:
![{\displaystyle f(J_{p})=\sum _{k=0}^{\infty }{\frac {f^{(k)}(0)}{k!}}J_{p}^{k}={\begin{pmatrix}{\frac {f(\lambda )}{0!}}&{\frac {f'(\lambda )}{1!}}&{\frac {f''(\lambda )}{2!}}&\cdots &{\frac {f^{n}(\lambda )}{n!}}\\0&{\frac {f(\lambda )}{0!}}&{\frac {f'(\lambda )}{1!}}&\cdots &{\frac {f^{(n-1)}(\lambda )}{(n-1)!}}\\0&0&{\frac {f(\lambda )}{0!}}&\cdots &{\frac {f^{(n-2)}(\lambda )}{(n-2)!}}\\\vdots &\vdots &\vdots &\ddots &\vdots \\0&0&0&0&{\frac {f(\lambda )}{0!}}\end{pmatrix}}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/43049b6d79943ff47a192fde633ed98698d7e39e)
Se även