【矩阵论】2. 矩阵分解——单阵及特征值特征向量一些求法

矩阵论
1. 准备知识——复数域上的矩阵与换位公式)
1. 准备知识——复数域上的内积域正交阵
1. 准备知识——相似对角化与合同&正定阵
2. 矩阵分解—— SVD准备知识——奇异值
2. 矩阵分解——SVD
2. 矩阵分解——QR分解
2. 矩阵分解——乔利斯分解&平方根公式
2. 矩阵分解——正规谱分解——正规阵
2. 矩阵分解——正规分解
2. 矩阵分解——单阵及特征值特征向量一些求法


6.4 单阵

单阵A(又叫单纯阵,可对角阵),即满足 P − 1 A P = D = ( λ 1 0 ⋱ 0 λ n ) P^{-1}AP=D=\left(\begin{matrix}\lambda_1&&0\\&\ddots&\\0&&\lambda_n\end{matrix}\right) P1AP=D= λ100λn ,Q可逆,Q中列向量为A的特征向量

6.4.1 单阵谱公式

若A为单阵,全体不同特征根为 λ 1 , λ 2 , ⋯   , λ k \lambda_1,\lambda_2,\cdots,\lambda_k λ1,λ2,,λk ,则有 A = λ 1 G 1 + ⋯ + λ k G k A=\lambda_1G_1+\cdots+\lambda_kG_k A=λ1G1++λkGk 为A的谱分解

满足性质:
① G 1 + G 2 + ⋯ + G k = I ② G 1 G 2 = 0 , ⋯   , G i G j = 0 ( i ≠ j ) ③ G 1 2 = G 1 , ⋯   , G k 2 = G k , 但 G 1 H = G 1 , ⋯   , G k H = G k 不一定成立 ④ A p = λ 1 p G 1 + ⋯ + λ k p G p , p = 0 , 1 , . . . ⑤ f ( A ) = f ( λ 1 ) G 1 + ⋯ + f ( λ k ) G k ⑥ G 1 = ( A − λ 2 ) ⋯ ( A − λ k ) ( λ 1 − λ 2 ) ⋯ ( λ 1 − λ k ) , ⋯   , G k = ( A − λ 1 ) ⋯ ( A − λ k − 1 ) ( λ k − λ 1 ) ⋯ ( λ k − λ k − 1 ) ⑦谱阵 G 1 , ⋯   , G k 中各列都是 A 的特征向量 \begin{aligned} &①G_1+G_2+\cdots+G_k=I\\ &②G_1G_2=0,\cdots,G_iG_j=0(i\neq j)\\ &③G_1^2=G_1,\cdots,G_k^2=G_k,但G_1^H=G_1,\cdots,G_k^H=G_k不一定成立\\ &④A^p=\lambda_1^pG_1+\cdots+\lambda_k^pG_p,p=0,1,...\\ &⑤f(A)=f(\lambda_1)G_1+\cdots+f(\lambda_k)G_k\\ &⑥G_1=\frac{(A-\lambda_2)\cdots(A-\lambda_k)}{(\lambda_1-\lambda_2)\cdots(\lambda_1-\lambda_k)},\cdots,G_k=\frac{(A-\lambda_1)\cdots(A-\lambda_{k-1})}{(\lambda_k-\lambda_1)\cdots(\lambda_k-\lambda_{k-1})}\\ &⑦谱阵G_1,\cdots,G_k中各列都是A的特征向量 \end{aligned} G1+G2++Gk=IG1G2=0,,GiGj=0(i=j)G12=G1,,Gk2=Gk,G1H=G1,,GkH=Gk不一定成立Ap=λ1pG1++λkpGp,p=0,1,...f(A)=f(λ1)G1++f(λk)GkG1=(λ1λ2)(λ1λk)(Aλ2)(Aλk),,Gk=(λkλ1)(λkλk1)(Aλ1)(Aλk1)谱阵G1,,Gk中各列都是A的特征向量
eg
A = ( 3 1 2 2 ) , 求 A 100 A=\left(\begin{matrix} 3&1\\2&2 \end{matrix}\right),求A^{100} A=(3212),A100

由 A 是行和相等矩阵,所以行和 4 为特征值, λ ( A ) = { 4 , t r ( A ) − 4 } = { 4 , 1 } 故二阶阵有 2 个不同特征值,所以必为单阵 G 1 = A − λ 2 I λ 1 − λ 2 = 1 3 ( 2 1 2 1 ) , G 2 = − 1 3 ( 1 − 1 − 2 2 ) 可知 A 100 = 4 100 G 1 + 1 100 G 2 = 本例中,特向 ( 1 1 ) , ( 1 − 2 ) 不正交,不是正规阵 \begin{aligned} &由A是行和相等矩阵,所以行和4为特征值,\lambda(A)=\{4,tr(A)-4\}=\{4,1\}\\ &故二阶阵有2个不同特征值,所以必为单阵\\ &G_1=\frac{A-\lambda_2I}{\lambda_1-\lambda_2}=\frac{1}{3}\left( \begin{matrix} 2&1\\2&1 \end{matrix} \right),G_2=-\frac{1}{3}\left( \begin{matrix} 1&-1\\-2&2 \end{matrix} \right)\\ &可知A^{100}=4^{100}G_1+1^{100}G_2=\\ &本例中,特向\left( \begin{matrix} 1\\1 \end{matrix} \right),\left( \begin{matrix} 1\\-2 \end{matrix} \right)不正交,不是正规阵 \end{aligned} A是行和相等矩阵,所以行和4为特征值,λ(A)={4,tr(A)4}={4,1}故二阶阵有2个不同特征值,所以必为单阵G1=λ1λ2Aλ2I=31(2211),G2=31(1212)可知A100=4100G1+1100G2=本例中,特向(11),(12)不正交,不是正规阵

a. 单阵逆公式

A − 1 = 1 λ 1 G 1 + 1 λ 2 G 2 + ⋯ + 1 λ k G k \begin{aligned} A^{-1}=\frac{1}{\lambda_1}G_1+\frac{1}{\lambda_2}G_2+\cdots+\frac{1}{\lambda_k}G_k \end{aligned} A1=λ11G1+λ21G2++λk1Gk

其中A为单阵

b. 单阵函数公式

若 f 1 ( x ) , f 2 ( x ) , ⋯   , f k ( x ) 为 x 的 k − 1 次多项式,则 f 1 ( x ) + f 2 ( x ) + ⋯ + f k ( x ) = 1 且 f 1 ( A ) + f 2 ( A ) + ⋯ + f k ( A ) = I 若f_1(x),f_2(x),\cdots,f_k(x)为x的k-1次多项式,则f_1(x)+f_2(x)+\cdots+f_k(x)=1\\ 且f_1(A)+f_2(A)+\cdots+f_k(A)=I f1(x),f2(x),,fk(x)xk1次多项式,则f1(x)+f2(x)++fk(x)=1f1(A)+f2(A)++fk(A)=I


f 1 ( A ) , ⋯   , f k ( A ) 中非 0 列都是 A 的特征向量 f_1(A),\cdots,f_k(A)中非0列都是A的特征向量 f1(A),,fk(A)中非0列都是A的特征向量

6.4.2 单阵条件

a. 充分条件

若存在可逆阵P,使A相似于对角阵,则A为单阵
P − 1 A P = D = ( λ 1 ⋱ λ k ) P^{-1}AP=D=\left(\begin{matrix}\lambda_1&&\\&\ddots\\&&\lambda_k\end{matrix}\right) P1AP=D= λ1λk

  1. 正规阵为单阵

    【矩阵论】2. 矩阵分解——单阵及特征值特征向量一些求法_第1张图片

  2. 设n阶方阵A恰有n个不同根 λ 1 , ⋯   , λ n \lambda_1,\cdots,\lambda_n λ1,,λn ,则A为单阵(必相似于对角阵)

    A为正规阵,则A必相似于对角阵

    证:A为正规阵,则存在U阵Q使 Q H A Q = Λ Q^HAQ= \Lambda QHAQ=Λ ,使A阵U相似于对角阵,故正规阵一定是单阵

  3. A有n个无关的特征向量, X 1 , X 2 , ⋯   , X n X_1,X_2,\cdots,X_n X1,X2,,Xn

    P = ( X 1 , X 2 , ⋯   , X n ) ⇒ P − 1 A P = D P=\left(X_1,X_2,\cdots,X_n\right) \Rightarrow P^{-1}AP=D P=(X1,X2,,Xn)P1AP=D

  4. 若每个k重根 λ \lambda λ ,恰有k个特征向量,则A为单阵

    • 方程 ( A − λ 1 ) X = 0 (A-\lambda_1)X=0 (Aλ1)X=0 n − r ( A − λ 1 I ) n-r(A-\lambda_1I) nr(Aλ1I) 个基本解

      ⇒ A X = λ 1 X 有 n − r ( A − λ 1 I ) 个基本解 \Rightarrow AX=\lambda_1X 有n-r(A-\lambda_1I)个基本解 AX=λ1Xnr(Aλ1I)个基本解

      ⇒ r ( A − λ 1 I ) = n − k \Rightarrow r(A-\lambda_1I)=n-k r(Aλ1I)=nk λ 1 \lambda_1 λ1 有k个特征向量 ,则A可能是单阵

      ⇒ r ( A − λ 1 I ) ≠ n − k \Rightarrow r(A-\lambda_1I)\neq n-k r(Aλ1I)=nk ,则A必不是单阵

    • eg1
      A = ( 1 1 0 0 2 0 0 0 1 ) , λ ( A ) = { 2 , 1 , 1 } , λ 1 = 1 为 2 重根 A=\left(\begin{matrix} 1&1&0\\0&2&0\\0&0&1 \end{matrix}\right),\lambda(A)=\{2,1,1\} ,\lambda_1=1为2重根 A= 100120001 ,λ(A)={2,1,1}λ1=12重根
      验证A是否为单阵:
      A − 1 I = ( 0 1 0 0 1 0 0 1 0 ) , r ( A − I ) = 1 = 3 − 2   ∴ A 是单阵 \begin{aligned} A-1I=\left( \begin{matrix} 0&1&0\\0&1&0\\0&1&0 \end{matrix} \right),r(A-I)=1=3-2\,\therefore A是单阵 \end{aligned} A1I= 000111000 ,r(AI)=1=32A是单阵

    • eg2
      A = ( 1 1 0 0 1 0 0 0 2 ) , λ ( A ) = { 2 , 1 , 1 } , λ 1 = 1 为 2 重根 A=\left(\begin{matrix} 1&1&0\\0&1&0\\0&0&2 \end{matrix}\right),\lambda(A)=\{2,1,1\} ,\lambda_1=1为2重根 A= 100110002 ,λ(A)={2,1,1}λ1=12重根
      验证A是否为单阵:
      A − 1 I = ( 0 1 0 0 0 0 0 0 1 ) , r ( A − I ) = 2 ≠ 3 − 2 = 1 , ∴ A 不是单阵 A-1I=\left( \begin{matrix} 0&1&0\\0&0&0\\0&0&1 \end{matrix} \right),r(A-I)=2 \neq 3-2=1,\therefore A不是单阵 A1I= 000100001 ,r(AI)=2=32=1,A不是单阵

  5. λ 1 , λ 2 , ⋯   , λ k \lambda_1,\lambda_2,\cdots,\lambda_k λ1,λ2,,λk 为A的全体不同根
    若 ( A − λ 1 I ) ( A − λ 2 I ) ⋯ ( A − λ k I ) = 0 , 则 A 为单阵 ( A 相似与对角阵 ) 若 ( A − λ 1 I ) ( A − λ 2 I ) ⋯ ( A − λ k I ) ≠ 0 , 则 A 不是单阵 \begin{aligned} &若(A-\lambda_1I)(A-\lambda_2I)\cdots(A-\lambda_kI)=0,则A为单阵(A相似与对角阵)\\ &若(A-\lambda_1I)(A-\lambda_2I)\cdots(A-\lambda_kI)\neq 0,则A不是单阵 \end{aligned} (Aλ1I)(Aλ2I)(AλkI)=0,A为单阵(A相似与对角阵)(Aλ1I)(Aλ2I)(AλkI)=0,A不是单阵
    eg
    A = (   1 1 0 0 2 0 0 1 1 ) 是否为单阵,求 A 100 的谱公式 A=\left(\ \begin{matrix} 1&1&0\\0&2&0\\0&1&1 \end{matrix} \right)是否为单阵,求A^{100}的谱公式 A=  100121001 是否为单阵,求A100的谱公式

    ∣ A − λ I ∣ = ∣ 1 − λ 1 0 0 2 − λ 0 0 1 1 − λ ∣ = ( 1 − λ ) 2 ( 2 − λ ) = 0 , ∴ λ ( A ) = { 1 , 1 , 2 } 令 λ 1 = 1 , λ 2 = 2 , ( A − I ) ( A − 2 I ) = ( 0 1 0 0 1 0 0 1 0 ) ( − 1 1 0 0 0 0 0 1 − 1 ) = 0 ∴ A 为单阵 令 G 1 = A − λ 2 λ 1 − λ 2 = ( 1 − 1 0 0 0 0 0 − 1 1 ) , G 2 = I − G 1 = ( 0 1 0 0 1 0 0 1 0 ) 得谱公式: A = 1 G 1 + 2 G 2 , 且 f ( A ) = f ( 1 ) G 1 + f ( 2 ) G 2 A 100 = G 1 + 2 100 G 2 \begin{aligned} &\vert A-\lambda I\vert=\left | \begin{matrix} 1-\lambda &1&0\\ 0&2-\lambda &0\\0&1&1-\lambda\end{matrix} \right |=(1-\lambda)^2(2-\lambda)=0,\therefore \lambda(A)=\{1,1,2\}\\ &令\lambda_1=1,\lambda_2=2,(A-I)(A-2I)=\left( \begin{matrix} 0&1&0\\0&1&0\\0&1&0 \end{matrix} \right)\left( \begin{matrix} -1&1&0\\0&0&0\\0&1&-1 \end{matrix} \right)=0\\ &\therefore A为单阵\\ &令G_1=\frac{A-\lambda_2}{\lambda_1-\lambda_2}=\left( \begin{matrix} 1&-1&0\\0&0&0\\0&-1&1 \end{matrix} \right),G_2=I-G_1=\left( \begin{matrix} 0&1&0\\0&1&0\\0&1&0 \end{matrix} \right)\\ &得谱公式:A=1G_1+2G_2,且f(A)=f(1)G_1+f(2)G_2\\ &A^{100}=G_1+2^{100}G_2 \end{aligned} AλI= 1λ0012λ1001λ =(1λ)2(2λ)=0,λ(A)={1,1,2}λ1=1,λ2=2,(AI)(A2I)= 000111000 100101001 =0A为单阵G1=λ1λ2Aλ2= 100101001 ,G2=IG1= 000111000 得谱公式:A=1G1+2G2,f(A)=f(1)G1+f(2)G2A100=G1+2100G2


    上述判定方法也适用于分块阵
    A = ( 2 1 0 1 2 0 0 0 2 ) = ( A 1 0 0 A 2 ) , 求 A 100 \begin{aligned} A=\left( \begin{matrix} 2&1&0\\1&2&0\\0&0&2 \end{matrix} \right)=\left( \begin{matrix} A_1&0\\0&A_2 \end{matrix} \right),求A^{100} \end{aligned} A= 210120002 =(A100A2),A100

    由 A 1 阵为行和阵,特征值 λ ( A 1 ) = { 3 , t r ( A 1 ) − 3 } = { 3 , 1 } ( A 1 − 3 I ) ( A 1 − 2 I ) = ( − 1 1 1 − 1 ) ( 1 1 1 1 ) = 0 , ∴ A 1 为单阵 故有谱分解 A 1 = 3 G 1 + G 2 = 3 A 1 − λ 2 λ 1 − λ 2 I + A − λ 2 I λ 2 − λ 1 = 3 ∗ 1 2 ( 1 1 1 1 ) + 1 2 ( 1 − 1 − 1 1 ) A 1 100 = 3 100 G 1 + 1 G 2 = 3 100 2 ( 1 1 1 1 ) + 1 2 ( 1 − 1 − 1 1 ) A 2 100 = ( 2 100 ) ∴ A 100 = ( A 1 100 A 2 100 ) = ( 3 100 + 1 2 3 100 − 1 2 0 3 100 − 1 2 3 100 + 1 2 0 0 0 2 100 ) \begin{aligned} &由A_1阵为行和阵,特征值\lambda(A_1)=\{3,tr(A_1)-3\}=\{3,1\}\\ &(A_1-3I)(A_1-2I)=\left( \begin{matrix} -1&1\\1&-1 \end{matrix} \right)\left( \begin{matrix} 1&1\\1&1 \end{matrix} \right)=0,\quad \therefore A_1为单阵\\ &故有谱分解 A_1=3G_1+G_2=3\frac{A_1-\lambda_2}{\lambda_1-\lambda_2I}+\frac{A-\lambda_2I}{\lambda_2-\lambda_1}=3*\frac{1}{2}\left(\begin{matrix}1&1\\1&1\end{matrix}\right)+\frac{1}{2}\left( \begin{matrix} 1&-1\\-1&1 \end{matrix} \right)\\ &A_1^{100}=3^{100}G_1+1G_2=\frac{3^{100}}{2}\left( \begin{matrix} 1&1\\1&1 \end{matrix} \right)+\frac{1}{2}\left( \begin{matrix} 1&-1\\-1&1 \end{matrix} \right)\\ &A_2^{100}=(2^{100})\\ &\therefore A^{100}=\left( \begin{matrix} A_1^{100}&\\ &A_2^{100} \end{matrix} \right)=\left( \begin{matrix} \frac{3^{100}+1}{2}&\frac{3^{100}-1}{2}&0\\ \frac{3^{100}-1}{2}&\frac{3^{100}+1}{2}&0\\ 0&0&2^{100} \end{matrix} \right) \end{aligned} A1阵为行和阵,特征值λ(A1)={3,tr(A1)3}={3,1}(A13I)(A12I)=(1111)(1111)=0,A1为单阵故有谱分解A1=3G1+G2=3λ1λ2IA1λ2+λ2λ1Aλ2I=321(1111)+21(1111)A1100=3100G1+1G2=23100(1111)+21(1111)A2100=(2100)A100=(A1100A2100)= 23100+1231001023100123100+10002100

b. 单阵充要条件:0化式判别法

A 为单阵    ⟺    极小式 m ( x ) 无重根;若 m ( x ) 有重根,则 A 不是单阵 A为单阵\iff 极小式m(x)无重根;若m(x)有重根,则A不是单阵 A为单阵极小式m(x)无重根;若m(x)有重根,则A不是单阵

单阵判定与极小式

若 λ 1 , ⋯   , λ k 为不同根,且 ( A − λ 1 I ) ( A − λ 2 I ) ⋯ ( A − λ k I ) = 0 , 则 A 必为单阵 此时称 m ( x ) = ( x − λ 1 ) ( x − λ 2 ) ⋯ ( x − λ k ) 为 A 的极小式 若 \lambda_1,\cdots,\lambda_k为不同根,且(A-\lambda_1I)(A-\lambda_2I)\cdots(A-\lambda_kI)=0,则A必为单阵\\ 此时称m(x)=(x-\lambda_1)(x-\lambda_2)\cdots(x-\lambda_k)为A的极小式 λ1,,λk为不同根,且(Aλ1I)(Aλ2I)(AλkI)=0,A必为单阵此时称m(x)=(xλ1)(xλ2)(xλk)A的极小式

0化式与极小式定义

若多项式 f ( x ) 使 f ( A ) = 0 , 则称 f ( x ) 为 A 的 0 化式 若 m ( A ) = 0 且 m ( x ) 有最小次数,则 m ( x ) 为 A 的极小式,即极小式为次数最少的 0 化式 \begin{aligned} &若多项式f(x)使f(A)=0,则称f(x)为A的0化式\\ &若m(A)=0且m(x)有最小次数,则m(x)为A的极小式,即极小式为次数最少的0化式 \end{aligned} 若多项式f(x)使f(A)=0,则称f(x)A0化式m(A)=0m(x)有最小次数,则m(x)A的极小式,即极小式为次数最少的0化式

  • eg1:
    A = I = ( 1 0 0 1 ) , 满足 A 2 = I ,可知 f ( x ) = x 2 − 1 = 0 , 且 f ( A ) = A 2 − I = 0 f ( x ) = x 2 − 1 = ( x − 1 ) ( x + 1 ) 为 A 的 0 化式 ∵ A − I = 0 , ∴ x − 1 也是 A 的 0 化式,且 m ( x ) = x − 1 为极小式 \begin{aligned} &A=I=\left(\begin{matrix}1&0\\0&1\end{matrix}\right),满足A^2=I,可知f(x)=x^2-1=0,且f(A)=A^2-I=0\\ &f(x)=x^2-1=(x-1)(x+1)为A的0化式\\ &\because A-I=0,\therefore x-1也是A的0化式,且m(x)=x-1为极小式 \end{aligned} A=I=(1001),满足A2=I,可知f(x)=x21=0,f(A)=A2I=0f(x)=x21=(x1)(x+1)A0化式AI=0,x1也是A0化式,且m(x)=x1为极小式

  • eg2:
    A = ( − 1 0 0 1 ) , A 2 = I , 即 A 2 − I = 0 , f ( x ) = x 2 − 1 = ( x − 1 ) ( x + 1 ) 为 A 的 0 化式,但由于 A − I ≠ 0 且 A + I ≠ 0 故 A 的极小式 m ( x ) = x 2 − 1 \begin{aligned} &A=\left( \begin{matrix} -1&0\\0&1 \end{matrix} \right),A^2=I,即A^2-I=0,\\ &f(x)=x^2-1=(x-1)(x+1)为A的0化式,但由于A-I\neq 0且A+I \neq 0\\ &故A的极小式m(x)=x^2-1 \end{aligned} A=(1001)A2=I,A2I=0,f(x)=x21=(x1)(x+1)A0化式,但由于AI=0A+I=0A的极小式m(x)=x21

若f(x)=0无重根,且f(A)=0,则A必为单阵

定理:

  • 若f(A)=0,则f(A)g(A)=0,可知f(x)g(x)也是0化式

  • 特征多项式 f ( x ) = ∣ x I − A ∣ = a 0 + a 1 x + a 2 x 2 + ⋯ + a n x n f(x) = \vert xI-A \vert=a_0+a_1x+a_2x^2+\cdots+a_nx^n f(x)=xIA=a0+a1x+a2x2++anxn 一定是0化式

    f ( A ) = a 0 + a 1 A + ⋯ + a n A n = 0 f(A)=a_0+a_1A+\cdots+a_nA^n=0 f(A)=a0+a1A++anAn=0

  • 极小式为特征多项式的因式,可表示为 ∣ x I − A ∣ = m ( x ) g ( x ) \vert xI-A \vert=m(x)g(x) xIA=m(x)g(x)

  • 极小式必为每个0化式f(x)的因子,即若f(A)=0,则f(x)=m(x)g(x)

极小式求法
  1. 对于 ∣ x I − A ∣ = ( x − a ) 2 ( x − b ) \vert xI-A \vert=(x-a)^2(x-b) xIA=(xa)2(xb)

    • ( A − a I ) ( A − b I ) = 0 (A-aI)(A-bI)=0 (AaI)(AbI)=0 ,则极小式为 m ( x ) = ( x − a ) ( x − b ) m(x)=(x-a)(x-b) m(x)=(xa)(xb)

    • ( A − a I ) ( A − b I ) ≠ 0 (A-aI)(A-bI)\neq 0 (AaI)(AbI)=0 ,则极小式为 m ( x ) = ( x − a ) 2 ( x − b ) 2 m(x)=(x-a)^2(x-b)^2 m(x)=(xa)2(xb)2

  2. 对于 ∣ x I − A ∣ = ( x − a ) ( x − b ) ( x − c ) \vert xI-A \vert=(x-a)(x-b)(x-c) xIA=(xa)(xb)(xc) ,则极小式为 m ( x ) = ( x − a ) ( x − b ) ( x − c ) m(x)=(x-a)(x-b)(x-c) m(x)=(xa)(xb)(xc)

应用
  1. 列出特征方程,求出极小式,即证明A是单阵
  2. 根据极小式,写出单阵谱分解
  3. 计算f(A)

A = ( 2 2 1 1 3 1 1 2 2 ) ,求 A 的谱分解 p A=\left( \begin{matrix} 2&2&1\\1&3&1\\1&2&2 \end{matrix} \right),求A的谱分解p A= 211232112 ,求A的谱分解p

∣ A − λ I ∣ = ( x − 5 ) ( x − 1 ) 2 , 且 ( A − 5 I ) ( A − I ) = 0 ⇒ A 为单阵 ⇒ 单阵 A 有谱分解 A = 5 G 1 + G 2 = \begin{aligned} &\begin{matrix} \vert A-\lambda I\vert=(x-5)(x-1)^2,且(A-5I)(A-I)=0\Rightarrow A为单阵 \end{matrix}\\ &\Rightarrow 单阵A有谱分解A=5G_1+G_2= \end{aligned} AλI=(x5)(x1)2,(A5I)(AI)=0A为单阵单阵A有谱分解A=5G1+G2=


A = ( 1 1 0 0 2 0 0 0 3 ) , 求谱分解 A 为上三角阵,所以 A 有三个互异特征根 1 , 2 , 3 ,极小式为 ( x − 1 ) ( x − 2 ) ( x − 2 ) = 0 故 A 由谱分解 A = G 1 + 2 G 2 + 3 G 3 A=\left( \begin{matrix} 1&1&0\\0&2&0\\0&0&3 \end{matrix} \right),求谱分解\\ A为上三角阵,所以A有三个互异特征根1,2,3,极小式为 (x-1)(x-2)(x-2)=0\\ 故A由谱分解A=G_1+2G_2+3G_3 A= 100120003 ,求谱分解A为上三角阵,所以A有三个互异特征根1,2,3,极小式为(x1)(x2)(x2)=0A由谱分解A=G1+2G2+3G3

7.1 特根

若 n 阶方阵 A = ( a i j ) 中 " 行和 = 常数 k " ,则常数 k 为 A 的一个特征根,全 1 向量 X = ( 1 ⋮ 1 ) 为 A 的一个特向 若n阶方阵A=(a_{ij})中 "行和=常数k" ,则常数k为A的一个特征根,全1向量X=\left( \begin{matrix} 1\\\vdots\\1 \end{matrix} \right)为A的一个特向 n阶方阵A=(aij)"行和=常数k",则常数kA的一个特征根,全1向量X= 11 A的一个特向

若 n 阶方阵 A = ( a i j ) 中“列和 = 常数 k ” , 则常数 k 为 A T 的一个特根,全 1 向量 = ( 1 ⋮ 1 ) 为 A 的一个特向 若n阶方阵A=(a_{ij})中“列和=常数k”,则常数k为A^T的一个特根,全1向量=\left( \begin{matrix} 1\\\vdots\\1 \end{matrix} \right)为A的一个特向 n阶方阵A=(aij)列和=常数k,则常数kAT的一个特根,全1向量= 11 A的一个特向

可知 A H A^H AH 与 A 的特征值相等,但特征向量未必相等

eg

【矩阵论】2. 矩阵分解——单阵及特征值特征向量一些求法_第2张图片


已知二阶阵 A = ( 3 1 2 2 ) ( 行和阵 ) , 特根为 4 , t r ( A ) − 4 = 1 , 相应特向 X = ( 1 1 ) , Y = ( 1 − 2 ) X , Y 线性无关,所以 P = ( X , Y ) = ( 1 1 1 − 2 ) 为可逆阵,故 A 可相似对角化为对角阵 P − 1 A P = D = ( 4 0 0 1 ) , 故可知 A 为单阵 \begin{aligned} &已知二阶阵A=\left( \begin{matrix} 3&1\\2&2 \end{matrix} \right)(行和阵),特根为4,tr(A)-4=1,相应特向X=\left( \begin{matrix} 1\\1 \end{matrix} \right),Y=\left( \begin{matrix} 1\\-2 \end{matrix} \right)\\ &X,Y线性无关,所以P=\left( X,Y \right)=\left( \begin{matrix} 1&1\\1&-2 \end{matrix} \right)为可逆阵,故A可相似对角化为对角阵\\ &P^{-1}AP=D=\left( \begin{matrix} 4&0\\ 0&1 \end{matrix} \right),故可知A为单阵 \end{aligned} 已知二阶阵A=(3212)(行和阵),特根为4,tr(A)4=1,相应特向X=(11),Y=(12)XY线性无关,所以P=(X,Y)=(1112)为可逆阵,故A可相似对角化为对角阵P1AP=D=(4001),故可知A为单阵

7.1.1 实对称阵特根为实数

7.2 特征向量

若 ( A − λ 1 I ) P = 0 , 则 P 中的列都是 λ 1 的特征向量 若(A-\lambda_1I)P=0,则P中的列都是\lambda_1的特征向量 (Aλ1I)P=0,P中的列都是λ1的特征向量

证明:
( A − λ 1 I ) P = 0    ⟺    A P = λ 1 P , 令 P = ( X 1 , ⋯   , X n ) ,按列分块,则有 A ( X 1 , ⋯   , X n ) = λ 1 ( X 1 , ⋯   , X n ) ⇒ ( A X 1 , ⋯   , A X n ) = ( λ 1 X 1 , ⋯   , λ n X n ) 则 P 中各列都是 λ 1 的特征向量 \begin{aligned} &(A-\lambda_1I)P=0\iff AP=\lambda_1 P,令P=(X_1,\cdots,X_n),按列分块,则有\\ &A(X_1,\cdots,X_n)=\lambda_1(X_1,\cdots,X_n)\Rightarrow (AX_1,\cdots,AX_n)=(\lambda_1X_1,\cdots,\lambda_nX_n)\\ &则P中各列都是\lambda_1的特征向量 \end{aligned} (Aλ1I)P=0AP=λ1P,P=(X1,,Xn),按列分块,则有A(X1,,Xn)=λ1(X1,,Xn)(AX1,,AXn)=(λ1X1,,λnXn)P中各列都是λ1的特征向量

7.2.1 两个互异特根的特向

若 ( A − λ 1 I ) ( A − λ 2 I ) = 0 , 则 ( A − λ 2 I ) 的列都是 λ 1 的特向, ( A − λ 1 I ) 的列是 λ 2 的特向 若 (A-\lambda_1I)(A-\lambda_2I)=0,则(A-\lambda_2I)的列都是\lambda_1的特向,(A-\lambda_1I)的列是\lambda_2的特向 (Aλ1I)(Aλ2I)=0,(Aλ2I)的列都是λ1的特向,(Aλ1I)的列是λ2的特向

eg:
A = ( 1 0 − 2 0 0 0 − 2 0 4 ) ( 为正规 H 单阵 ) ,全体特征根 λ ( A ) = { 5 , 0 , 0 } , 不同特征根为 5 , 0 由于 A 是单阵,必有 ( A − λ 1 I ) ( A − λ 2 I ) = ( A − 5 I ) ( A − 0 I ) = 0 其中, λ 1 = 5 对应的特征向量为 A 中的一个列向量 ( 1 0 − 2 ) , λ 2 = 0 对应的特征向量为 A − 5 I = ( − 4 0 − 2 0 − 5 0 − 2 0 − 1 ) 的列向量 分别为 ( 0 1 0 ) ( 2 0 1 ) \begin{aligned} &A=\left( \begin{matrix} 1&0&-2\\0&0&0\\-2&0&4 \end{matrix} \right)(为正规H单阵),全体特征根\lambda(A)=\{5,0,0\},不同特征根为5,0\\ &由于A是单阵,必有(A-\lambda_1I)(A-\lambda_2I)=(A-5I)(A-0I)=0\\ &其中,\lambda_1=5对应的特征向量为A中的一个列向量\left( \begin{matrix} 1\\0\\-2 \end{matrix} \right),\\ &\lambda_2=0对应的特征向量为A-5I=\left( \begin{matrix} -4&0&-2\\0&-5&0\\-2&0&-1 \end{matrix} \right)的列向量\\ &分别为 \left( \begin{matrix} 0\\1\\0 \end{matrix} \right)\left( \begin{matrix} 2\\0\\1 \end{matrix} \right) \end{aligned} A= 102000204 (为正规H单阵),全体特征根λ(A)={5,0,0},不同特征根为5,0由于A是单阵,必有(Aλ1I)(Aλ2I)=(A5I)(A0I)=0其中,λ1=5对应的特征向量为A中的一个列向量 102 λ2=0对应的特征向量为A5I= 402050201 的列向量分别为 010 201


【矩阵论】2. 矩阵分解——单阵及特征值特征向量一些求法_第3张图片

7.2.2 幂等阵的一个特向

若 A 为幂等阵: A 2 = A ,则必有 ( A − I ) A = 0 , 则 A 中的列都是 λ 1 = 1 的特征向量 若A为幂等阵:A^2=A,则必有(A-I)A=0,则A中的列都是\lambda_1=1的特征向量 A为幂等阵:A2=A,则必有(AI)A=0,A中的列都是λ1=1的特征向量

如:
A = ( 1 0 − 1 0 ) , A 2 = A 为幂等阵,则 A 中非 0 列 ( 1 − 1 ) 是 λ 1 = 1 的特征向量 A=\left( \begin{matrix} 1&0\\-1&0 \end{matrix} \right),A^2=A为幂等阵,则A中非0列\left( \begin{matrix} 1\\-1 \end{matrix} \right)是\lambda_1=1的特征向量 A=(1100),A2=A为幂等阵,则A中非0(11)λ1=1的特征向量

7.2.3 三个互异特根的特向

若 ( A − λ 1 I ) ( A − λ 2 I ) ( A − λ 3 I ) = 0 , 则 ( A − λ 2 I ) ( A − λ 3 I ) 中非零列为 λ 1 的特向 ( A − λ 1 I ) ( A − λ 3 I ) 中非零列为 λ 2 的特向 ( A − λ 1 I ) ( A − λ 2 I ) 中非零列为 λ 3 的特向 \begin{aligned} 若&(A-\lambda_1I)(A-\lambda_2I)(A-\lambda_3I)=0,则\\ &(A-\lambda_2I)(A-\lambda_3I)中非零列为\lambda_1的特向\\ &(A-\lambda_1I)(A-\lambda_3I)中非零列为\lambda_2的特向\\ &(A-\lambda_1I)(A-\lambda_2I)中非零列为\lambda_3的特向 \end{aligned} (Aλ1I)(Aλ2I)(Aλ3I)=0,(Aλ2I)(Aλ3I)中非零列为λ1的特向(Aλ1I)(Aλ3I)中非零列为λ2的特向(Aλ1I)(Aλ2I)中非零列为λ3的特向

eg

A = ( − 1 i 0 − i 0 − i 0 i − i ) ,求特征向量 A=\left( \begin{matrix} -1&i&0\\-i&0&-i\\0&i&-i \end{matrix} \right),求特征向量 A= 1i0i0i0ii ,求特征向量

由特征多项式计算得 λ ( A ) = { 1 , − 1 , 2 } , 3 阶方阵有 3 个互异特征根,故 A 为单阵 且有 0 化式 ( x − 1 ) ( x + 1 ) ( x − 2 ) 成立,即 ( A − I ) ( A + I ) ( A − 2 I ) = 0 成立, 可知 λ 1 = 1 , λ 2 = − 1 , λ 3 = 2 对应的特征向量 分别为 ( A + I ) ( A − 2 I ) , ( A − I ) ( A − 2 I ) , ( A − I ) ( A + I ) 的列向量 , 即有 X 1 = ( 1 − 2 i 1 ) X 2 = ( − 1 0 1 ) , X 3 = ( 1 i 1 ) , 可令 U 阵 Q = ( X 1 6 , X 2 2 , X 3 3 ) , 必有 Q − 1 A Q = D = ( 1 − 1 − 2 ) \begin{aligned} &由特征多项式计算得\lambda(A)=\{1,-1,2\},3阶方阵有3个互异特征根,故A为单阵\\ &且有0化式(x-1)(x+1)(x-2)成立,即(A-I)(A+I)(A-2I)=0成立,\\ &可知\lambda_1=1,\lambda_2=-1,\lambda_3=2对应的特征向量\\ &分别为(A+I)(A-2I),(A-I)(A-2I),(A-I)(A+I)的列向量,即有X_1=\left( \begin{matrix} 1\\-2i\\1 \end{matrix} \right)\\ &X_2=\left( \begin{matrix} -1\\0\\1 \end{matrix} \right),X_3=\left( \begin{matrix} 1\\i\\1 \end{matrix} \right),可令U阵Q=\left( \frac{X_1}{\sqrt{6}},\frac{X_2}{\sqrt{2}},\frac{X_3}{\sqrt{3}} \right),必有Q^{-1}AQ=D=\left( \begin{matrix} 1&&\\ &-1&\\ &&-2 \end{matrix} \right) \end{aligned} 由特征多项式计算得λ(A)={1,1,2}3阶方阵有3个互异特征根,故A为单阵且有0化式(x1)(x+1)(x2)成立,即(AI)(A+I)(A2I)=0成立,可知λ1=1,λ2=1,λ3=2对应的特征向量分别为(A+I)(A2I),(AI)(A2I),(AI)(A+I)的列向量,即有X1= 12i1 X2= 101 ,X3= 1i1 ,可令UQ=(6 X1,2 X2,3 X3),必有Q1AQ=D= 112

7.2.4 重根的特向

若 ( A − λ I ) 2 = 0 , 则 ( A − λ I ) 中非 0 列都是 λ 的特向 S P : 若 A 2 = 0 , 则 A 中非 0 列都是 λ 的特向 \begin{aligned} &若(A-\lambda_I)^2=0,则(A-\lambda I)中非0列都是\lambda的特向\\ &SP:若A^2=0,则A中非0列都是\lambda 的特向 \end{aligned} (AλI)2=0,(AλI)中非0列都是λ的特向SP:A2=0,A中非0列都是λ的特向

eg

【矩阵论】2. 矩阵分解——单阵及特征值特征向量一些求法_第4张图片


A = ( 2 0 0 1 1 1 1 − 1 3 ) ,其 A 的特向 A=\left( \begin{matrix} 2&0&0\\1&1&1\\1&-1&3 \end{matrix} \right),其A的特向 A= 211011013 ,其A的特向

λ ( A ) = { 2 , 2 , 2 } , 0 化式为 ( x − 2 ) 3 ,且 ( A − 2 I ) 2 = ( 0 0 0 1 − 1 1 1 − 1 1 ) ( 0 0 0 1 − 1 1 1 − 1 1 ) = 0 可见其特向为 ( 0 1 1 ) , 且三重根 λ = 2 只有一个特向,所以 A 不是单阵 \begin{aligned} &\lambda(A)=\{2,2,2\},0化式为(x-2)^3,且 (A-2I)^2=\left( \begin{matrix} 0&0&0\\1&-1&1\\1&-1&1 \end{matrix} \right)\left( \begin{matrix} 0&0&0\\1&-1&1\\1&-1&1 \end{matrix} \right)=0\\ &可见其特向为 \left( \begin{matrix} 0\\1\\1 \end{matrix} \right),且三重根\lambda=2只有一个特向,所以A不是单阵 \end{aligned} λ(A)={2,2,2},0化式为(x2)3,且(A2I)2= 011011011 011011011 =0可见其特向为 011 ,且三重根λ=2只有一个特向,所以A不是单阵

7.3 交换定理与公共特征向量

若方阵 A B = B A ( 可交换 ) ,任取 A 的特根的特向 X ,满足 A X = λ X , B X = t X 即 X 是 A 和 B 的公共特征向量 若方阵AB=BA(可交换),任取A的特根的特向X,满足AX=\lambda X,BX=tX\\ 即X是A和B的公共特征向量 若方阵AB=BA(可交换),任取A的特根的特向X,满足AX=λX,BX=tXXAB的公共特征向量

若 A , B 为 n 阶实对称阵,且可交换 A B = B A ,则存在正交阵 Q ,使 Q − 1 A Q , Q − 1 B Q 为对角阵 若A,B为n阶实对称阵,且可交换AB=BA,则存在正交阵Q,使Q^{-1}AQ,Q^{-1}BQ为对角阵 ABn阶实对称阵,且可交换AB=BA,则存在正交阵Q,使Q1AQ,Q1BQ为对角阵

你可能感兴趣的:(数学,#,矩阵论,矩阵,线性代数)