矩阵的相似对角化

矩阵相似的定义

设 A与B都是N阶方阵,若是\exists一个可逆的N阶矩阵P,使得P^{-1}AP=B,则称A与B相似,记作A\sim B,P成为由A到B的相似变换矩阵

相似矩阵的性质

1、A\sim A \because E^{-1}AE=A

矩阵A与它自身相似

2、若A\sim B,则B\sim A

如果A与B相似,那么B与A也相似

证明:\because A\sim B

\therefore P^{-1}AP=B\rightarrow PBP^{-1}=A

所以P^{-1}为B到A的相似变换矩阵

3、若A\sim B,B\sim C,则A\sim C

相似具有传递性

证明:\because A\sim B,B\sim C

\therefore P^{-1}AP=B , Q^{-1}BQ=C

将A代换B

Q^{-1}P^{-1}APQ=C\rightarrow (PQ)^{-1}A(PQ)=C

其中PQ为A到C的相似变换矩阵

4、若A\sim B,则A\cong B

如果A和B相似,那么A与B等价

因为等价的定义是 PAQ=B,存在P、Q使得A经过有限次的初等变换,成为B,那么称A与B等价

所以上述明显成立

也意味着,A和B两个矩阵的秩是一样的

5、若A\sim B,则\left | A-\lambda E \right |=\left | B-\lambda E \right |,意味着如果两个矩阵相似,那么他们的特征值相同,因为特征值相同,所以两个矩阵的迹+行列式都相同

证明:\because A\sim B

 \therefore P^{-1}AP=B\rightarrow \left | A-\lambda E \right |\rightarrow \left | P^{-1}AP-\lambda P^{-1}P \right | \rightarrow \left | P^{-1}(A-\lambda E) P \right |\rightarrow \left | P^{-1} \right |\left | P \right |\left | (A-\lambda E) \right |\rightarrow 1*\left | (A-\lambda E) \right |

6、 若A\sim BA^{-1}\sim B^{-1}

如果A、B相似,那么A的逆和B的逆也相似

证明:P^{-1}AP=B\rightarrow A=PBP^{-1}\rightarrow A^{-1}=PB^{-1}P^{-1}\rightarrow P^{-1}A^{-1}P=B^{-1}

所以,A^{-1}\sim B^{-1}

7、 若A\sim BA^{*}\sim B^{*}

如果A、B相似,那么A的伴随矩阵和B的伴随矩阵也相似

证明:\left | A \right |A^{-1}=A^{*}

因为A、B相似,那么A、B的行列式相同

由6可知,A的逆与B的逆也相似

P^{-1}\left | A \right |A^{-1}P=\left | A \right |B^{-1}=\left | B \right |B^{-1}

P^{-1}A^{*}P=B^{*}

所以A的伴随跟B的伴随也相似

8、  若A\sim B ,kA\sim kB

如果A、B相似,那么kA与kB也相似

证明:这个很简单

A\sim B\rightarrow P^{-1}AP=B\rightarrow P^{-1}(kA)P=(kB)

9、 若A\sim B ,A^{k}\sim B^{k}

如何A、B相似,那么A的k次方与B的k次方也相似

证明:

P^{-1}AP=B

B^{k}=(P^{-1}AP)^{k}=\underset{k}{\underbrace{P^{-1}APP^{-1}AP...P^{-1}AP}}=P^{-1}A^{k}P

\therefore P^{-1}A^{k}P=B^{k}

10、 若A\sim B ,f(A)\sim f(B),其中f(x)为多项式

如果A矩阵与B矩阵相似,那么A矩阵的多项式与B矩阵的多项式也相似

证明:

f(x)=a_{n}x^{n}+a_{n-1}x^{n-1}....+a_{2}x^{2}+a_{1}x

根据8+9的性质,就能证明该性质

11、 若A\sim B ,A^{T}\sim B^{T}

如果A、B相似,那么A的转置和B的转置也相似

证明:

P^{-1}AP=B

B^{T}=P^{T}A(P^{T})^{-1}

A=PBP^{-1}\rightarrow A^{T}=\rightarrow (P^{T})^{-1}P^{-1}APP^{T}

PP^{T} A^{T}(P^{T})^{-1}P^{-1}=\rightarrow A

将之代入到B^{T}=P^{T}A(P^{T})^{-1}

 B^{T}=P^{T}PP^{T} A^{T}(P^{T})^{-1}P^{-1}(P^{T})^{-1}

P^{T}PP^{T} A^{T}(P^{T}PP^{T})^{-1}=B^{T}\rightarrow ((P^{T}PP^{T})^{-1})^{-1}A^{T}(P^{T}PP^{T})^{-1}=B^{T}

矩阵的相似对角化定义

其实就是P^{-1}AP=B中的B为对角矩阵(diag),或者称之为\Lambda如果不存在矩阵P使得A可以变成对角矩阵,那么就称A不能相似对角化

两个问题,什么样的A可以相似对角化?A如果可以相似对角化,那么\Lambda是多少?

P^{-1}AP=\Lambda

其中\Lambda = \begin{vmatrix} \lambda _{1}& & & \\ & \lambda _{2}& & \\ & & ...& \\ & & & \lambda _{n} \end{vmatrix}

P=\begin{vmatrix} \alpha _{1} & \alpha _{2} & ...& \alpha _{n} \end{vmatrix},其中\alpha _{1},\alpha _{2}...\alpha _{n}n维的列向量

代入等式

P^{-1}AP=\Lambda\rightarrow AP=P\Lambda

A\begin{vmatrix} \alpha _{1} & \alpha _{2} & ...& \alpha _{n} \end{vmatrix}=\begin{vmatrix} \alpha _{1} & \alpha _{2} & ...& \alpha _{n} \end{vmatrix}\begin{vmatrix} \lambda _{1}& & & \\ & \lambda _{2}& & \\ & & ...& \\ & & & \lambda _{n} \end{vmatrix}

\begin{vmatrix} A\alpha _{1} & A\alpha _{2} & ...& A\alpha _{n} \end{vmatrix}=\begin{vmatrix} \alpha _{1}\lambda _{1} & \alpha _{2}\lambda _{2} & ...& \alpha _{n}\lambda _{n} \end{vmatrix}

\therefore A\alpha _{1}=\alpha _{1}\lambda _{1}

A\alpha _{2}=\alpha _{2}\lambda _{2}

...

A\alpha _{n}=\alpha _{n}\lambda _{n}

这不就是特征值和特征向量么

如果两个矩阵相似,那么他们的特征值相同,所以如果A可以相似对角化,\Lambda里的值就是特征值(见5的证明),P是特征值对应的特征向量,并且P需要可逆

P如果可逆的话,那么P满秩,秩为N,那么\alpha _{1},\alpha _{2}...\alpha _{n}线性无关

意味着A如果正好能找到N个线性无关的特征向量,那么A就能相似对角化

而A里可能有很多特征值是相同的

意味着,我们只需要查找A的多重特征值里,恰好有对应数的线性无关的特征向量的话,那么A就能相似对角化

推论:如果A的特征值各不相同,那么A一定可以对角化

你可能感兴趣的:(线性代数,线性代数,矩阵)