矩阵分析学习(四)

矩阵的标准型

1、矩阵的相似对角型

定义1:设A和B为n阶方阵,若存在可逆矩阵P使得B=P^-1AP成立,则称A相似于B(B相似于A)

性质:相似具有自反性、对称性和传递性;

1)A与B相似,则其具有相同的特征多项式和特征值;

2)A与B相似,则其具有相同的秩与行列式;(R(A)=R(B),|A|=|B|

3)A与B相似,则其具有相同的迹(对角元素之和);(tr(A)=tr(B)

4)设y=f(x)为多项式,则f(A)与f(B)相似;

定义2:设A为n阶方阵,若存在可逆矩阵P,使得:

矩阵分析学习(四)_第1张图片成立,则称矩阵A可相似对角化,P称为相似变换矩阵。

定理1:n阶方阵A可相似对角化的充要条件是,矩阵A 有n个线性无关的特征向量(相似变换矩阵P的列向量即为特征向量)。

推论:若n阶方阵A有n个不同的特征值,则A可相似对角化;

定义3:设λ0是n阶方阵A的特征值,记E={x属于C^n|Ax=λ0x},则称E为A关于λ0的特征子空间,dimE为λ0的几何重数(几何重数即为上述关系式中基础解系的个数n-R(A))。

定义4:代数重数即为所求出的特征多项式中的对应次数;

定理2:对于任意的n阶方阵A其几何重数小于等于代数重数 ;(当相等时可相似对角化)

2、求相似对角化的方法:

1、求解n阶方阵A的特征值;(一般会有k重根)

2、对于每一个特征值,求解A的特征向量,并得到其几何重数;

3、若代数重数大于几何重数,则矩阵A不可相似对角化;

4、若代数重数等于几何重数,则可相似对角化,将所有特征向量作为列向量,即可构成相似变换矩阵P,并且可以使得P^-1AP为对角矩阵,对角元即为A的特征值(对应排列)。

3、相似对角阵的应用

1、求解方阵幂:(形如A^k,k数量级很大)

若矩阵A可以相似对角化为B,即P^-1AP=B,则有 A^k=P B^k P^-1

2、应用于微分方程:(求解常系数线性微分方程组)

4、矩阵的约当标准型(Jordan):

Jordan用于解决,如果矩阵不能够相似对角化,那么在相似变换下,其能够表示为的最简形式是什么。

简单矩阵:1、对角矩阵或分块矩阵;2、上三角矩阵或下三角矩阵;

矩阵分析学习(四)_第2张图片

 定义1:称形如

矩阵分析学习(四)_第3张图片的n阶方阵为Jordan块矩阵;其中的λ为实数或者复数(对角元上方元素全部是1);

称形如

矩阵分析学习(四)_第4张图片的对角块矩阵称为子Jordan矩阵。(由对角元相同的Jordan块构成的矩阵)

称形如

矩阵分析学习(四)_第5张图片的对角块矩阵称为Jordan矩阵。(由对角元不同的Jordan块构成的矩阵)

矩阵分析学习(四)_第6张图片

矩阵分析学习(四)_第7张图片

 定义2:若n阶方阵A相似于Jordan矩阵J,即存在n阶可逆矩阵P,使得P^-1AP=J,则称J为A的Jordan标准型。P为相似变换矩阵

当去除Jordan块的排列顺序后,Jordan矩阵J是被矩阵A唯一确定的。(集合重数等于Jordan矩阵中Jordan块的个数)

5、行列式因子、不变因子、初等因子

定义1:设A为n阶方阵,称矩阵A(λ)=λI-A,为A的特征矩阵。

定义2:在n阶方阵A的特征矩阵A(λ)=λI-A,中所有非零的k级子式的首项系数为1的最大公因式Dk(λ)称为A的k级行列式因子

k级子式从方阵中任取k行与k列所形成矩阵;

矩阵分析学习(四)_第8张图片

1阶子式有两个: -1和λ-2;                2阶子式有两个:1和(λ-2)^2;      

3阶子式有两个:-1和(λ-2)^3          4阶子式有一个:(λ-2)^4

由此可得D1(λ)=1、D2(λ)=1、D3(λ)=1、D1(λ)=(λ-2)^4;

定义3:设Dk(λ),k为自然数,是A各级行列式因子,则称下列n个多项式

矩阵分析学习(四)_第9张图片为A的不变因子;

矩阵分析学习(四)_第10张图片

由上式可得出不变因子为:d1(λ)=1;d2(λ)=λ-1;d3(λ)=(λ-1)^2;

定义4:初等变换,互换矩阵的两行(列)、非0常数k乘以矩阵的某行(列)、用多项式乘以矩阵的某行(列),然后加到另一行(列),此种变换为矩阵的初等变换。

定义5:将A的每一个不变因子在复数域分解为互不相的一次因式方幂的乘积,所有的这些一次因式方幂称为A的初等因子。

6、求解Jordan标准型思路

定理1:两个同阶的矩阵A和B相似的充要条件是,其具有相同的不变因子或初等因子。

定理2:任意一个方阵A,均可以相似于一个Jordan矩阵。

推论:方阵A可相似对角化的充要条件是其初等因子全是一次多项式。

矩阵分析学习(四)_第11张图片

矩阵分析学习(四)_第12张图片

7、方阵多项式

矩阵分析学习(四)_第13张图片

 求解此类问题的方式:1、暴力求解;2、方阵相似化简;3、降低矩阵阶数;

矩阵分析学习(四)_第14张图片

矩阵分析学习(四)_第15张图片

 一般相似化简为对角矩阵或者对角块矩阵,以此来简化计算;

Jordan矩阵的k次幂公式:

矩阵分析学习(四)_第16张图片

 8、零化多项式

矩阵分析学习(四)_第17张图片

 

矩阵分析学习(四)_第18张图片

 注:由此多项式定理,可以使一个次数高于n次的多项式转化为一个次数小于n的多项式。

最小多项式定义:设A为n阶矩阵,则A的首项系数为1的次数的零化多项式m(λ)称为A的最小多项式;

定理:矩阵A的任何零化多项式都可以被最小多项式整除;

定理:矩阵A的最小多项式是唯一的;

定理:相似矩阵具有相同的最小多项式;

矩阵分析学习(四)_第19张图片

9、几种因子的概念及其求解方式

k级行列式因子:在A(λ)中所有非0的k级子式的首项(最高次项)系数为1的最大公因式Dk(λ)称为k级行列式因子;

不变因子:d1=D1(λ),d2=D2(λ)/D1(λ),.....dn(λ)=Dn(λ)/Dn-1(λ),这一组{dn}称之为不变因子;

初级因子:把所有不变因子分解成互不相同的一次因式的乘积,所有这些一次因式的方幂(相同的必须按照出现次数计算)

称为A(λ)的初级因子;

 

你可能感兴趣的:(矩阵分析,矩阵分析)