3 矩阵的相似标准形
矩阵理论(第三章矩阵的标准型)
100
2100 2 2101 2 0 100 101 2 1 2 1 0 2100 1 2101 2 1
第一节
矩阵的相似对角形
一、矩阵的特征值与特征向量 1、相似矩阵：设V是n维线性空间，T是线性变换， e1, e2,…,en与e'1,e'2,…,e' 是两组基，过渡矩阵 P，则T在这两组基下的矩阵A与B相似，
i
1
i Js
这些约当块构成的分块对角阵J，称为A的约当标准形。
J2
例5 Jordan标准形。
例5的初级因子为 ( 1),( 1),( 2) Jordan标准形为
1 J 1 2
2、k级行列式因子：特征矩阵A(λ)中所有非零的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 A(λ)的k级行列式因子。
A( ) E A
例5 求矩阵的特征矩阵的行列式因子 解：特征矩阵为
1 1 E A 2
若A能与对角形矩阵相似，对角阵是由特征值构 成的P是由对应特征值的特征向量构成的。
例3
解：
4 6 0 A 3 5 0 3 6 1
100 A ，计算：
4 A E 3 3
6
0
5 0 (1 )2 ( 2) 0 6 1
3级因子，因为
0 0 0 2 1 1 2 3 3 0
1
3
0 0 0, 2 0
2 2(( 1)3 ,( 1)2 ( 2), 2 2 7,0,...) 1
4级因子
第三章 矩阵的标准型与若干分解形式
ki ki
, Ps ) ( P 1, P 2, i 1, 2,
APi Pi J i
Pi ( Pi1 , Pi 2 ,
A( Pi1 , Pi 2 ,
, Pi ,ki )
APi Pi J i
, Pi ,ki )
i 1 i 1 ( Pi1 , Pi 2 , , Pi ,ki ) i 1 i APi , j i Pi , j Pi , j 1 j 1, 2, , ki 1 AP P i , k i i , ki i
性质1 （行列式因子的整除性质）
Dn ( ) E A , Dk 1( ) Dk ( ), k 2, 3,
定义3 （不变因式、初级因子）
,n
D3 ( ) D2 ( ) d1 ( ) D1 ( ), d 2 ( ) , d 3 ( ) D1 ( ) D2 ( ) Dk ( ) Dn ( ) , d k ( ) , , d n ( ) Dk 1 ( ) Dn1 ( ) 上述n个多项式称为 A( ) 的不变因式。把每个次数
1 1 1 k1 k2 ( E A, p3 ) 2 2 2 k1 1 1 1 k 2
1 1 1 k1 k2 k1 2 k 2 0 0 0 0 k1 2k2 k 2 k 0 1 2 0 0 0 k 2k 1 2 1 取 k 2, k 1 p 2 1 2 3 1 1 再求 ( E A) p p 2 3 p2 1 1 x1 1 1 1 1 2 2 2 x 2 2 1 1 1 x 1 3
矩阵的相似标准形
THANK YOU
感谢聆听
将矩阵A的全部特征向量构成一个矩阵P， 则P^(-1)AP即为所求的相似标准形。
初等变换法
第一步
写出矩阵A的特征多项式f(λ)， 并求出其全部根，即矩阵A的 全部特征值。
第二步
对每一个特征值λi，构造一个 以λi为主对角线元素的对角矩 阵Di，并将矩阵A与Di进行初 等行变换，得到一个与A相似 的矩阵Bi。
第三步
将所有与A相似的矩阵Bi进行 初等列变换，得到一个最简形 式的矩阵C，则C即为所求的相 似标准形。
正交变换法
01
02
03
04
第一步
求出矩阵A的全部特征值和特 征向量。
第二步
将矩阵A的全部特征向量进行 施密特正交化，得到一个正交 矩阵Q。
第三步
对正交矩阵Q进行归一化处理 ，得到一个新的正交矩阵P。
通常，这个矩阵可以通过求解原矩阵的特征向量得到。
02
计算特征值和特征向量
利用数值计算方法，如幂法、反幂法等，求解原矩阵的特征值和特征向
量。
03
构造相似变换矩阵并应用
使用求得的特征向量构造相似变换矩阵，并将其应用于原矩阵，得到相
似标准形。
实例演示：Python实现过程
01 02 03 04 05
导入所需的库 定义原矩阵
矩阵的条件数
条件数用于衡量矩阵求解问题对输入误差的敏感性。条件 数越大，求解过程中数值不稳定性越严重。
迭代算法的收敛性
对于迭代算法，需要关注其收敛速度以及是否收敛于精确 解。不合适的迭代参数或初始值可能导致算法不收敛或收 敛速度极慢。
算法设计思路及步骤
01
选择合适的相似变换矩阵
为了将原矩阵转换为相似标准形，需要构造一个合适的相似变换矩阵。
应用数学基础 第二章-矩阵的相似标准形
记 f(x)= x n+ a1 x n-1 + + an-1 x + an，则 f(A)= A n+ a1 A n-1 + + an-1 A + an E
若 f()为的特征多项式，则 f(A)=0 .
( p60 Th2.11, Hamilton-Cayley定理 )
函数矩阵： 元素是函数的矩阵 多项式矩阵或-矩阵： 元素是的多项式的矩阵 如：方阵的A特征矩阵 E – A Note：多项式矩阵可以写成以矩阵为系数的多项式
Hint: 初等因子为 – 2，( + 1)2
cf. Mathematica示例 cf. Mathematica
例2.9 求矩阵A的Jö rdan标准形，其中
Hint: A1, A2初等因子分别为 i和 – 2，( – 1)2
示 例
19
§2.3 三、有理标准形
对任意的ni 次多项式 ()= 它的相伴矩阵Ci 定义为
特征值： f()= 0的根，即使 E – A为退化矩阵的数 特征向量：( E – A)X = 0的非零解 (为特征值) 谱：全部特征值的集合，记作(A)
有关特征值与特征向量的几个结论
2
§2.1－1
方阵的特征矩阵
矩阵多项式：以方阵 A代入一个多项式 f(x)的值，或者 说是 f(x)在 x = A处的值
15
§2.3 矩阵的相似标准形
一、矩阵相似的充分必要条件 定义2.8 设A, BCnn ，若存在可逆矩阵P Cnn ，使 P -1 A P = B , 则称A与B相似, 记作AB. 称 AB= P -1AP为相似变换， 称P为相似变换矩阵. 定理2.7 A, BCnn, A ~ B E – A E – B. Key
矩阵的相似变换(第一章)
10，A可相似对角化的充要条件为A有n个线性无关的特征向量。
11，如果n阶方阵A有那个不同的特征向量，则A可相似对角化。或ri重特征值有ri个不同的特征向量则A可相似对角化。
Jordan
1，Jordan块：Ji=
2，Jordan阵：J=
3，A的Jordan标准形，设 ，则A与一个Jordan标准形J相似即存在P ，有P-1AP=J。这个J除了Jordan块的排列次序外由A唯一确定，称J为A的Jordan标准形。
（3）A为正规阵，λ是A的特征值，x是对应特征向量，则 为AH的特征值，对应特征向量为xH。
（4）A为正规阵，不同的特征值对应的特征向量正交。
6,Hermite正定矩阵、半正定矩阵：
设A 是Hermite矩阵，若任意0≠x n都有xHAx＞0（或xHAx≥0），则称A是Hermite正定（半正定）矩阵。
（3）行列式因子法：设A（λ）的秩为r，m×n阶，1≤k≤n，则A（λ）的全部k阶子式的首一最大共因子式Dk（λ）称为A的k阶行列式因子。Dk（λ）=d1（λ）d2（λ）…dk（λ）。
第一步：求λI-A和λI-A的n个行列式因子Dk（λ）。
第二步：求dk（λ）（k=1，2，…，n）并并求出A的不变因子。
7，设A 是Hermite矩阵，则，下列条件等价：
（1）A是Hermite正定矩阵（2）A的特征值全为正实数（3）存在P ，使得A=PHP
（1）A是Hermite半正定矩阵（2）A的特征值全为非负实数（3）存在P ，使得A=PHP。
第一步：将A写成A（λ），即λI-A
第二步：用初等变换法将矩阵化为如下形式：（smith标准型）
其中di（λ）/di+1（λ）可整除
矩阵相似的性质：矩阵相似例题
1 矩阵的相似1 定义2性质3定理（证明）4 相似矩阵与若尔当标准形2 相似的条件3 相似矩阵的应用（相似矩阵与特征矩阵相似矩阵与矩阵的对角化相似矩阵在微分方程中的应用【1 】）矩阵的相似及其应用1 矩阵的相似定义1设A,B为数域P上两个n级矩阵，如果可以找到数域P上的n级可逆矩阵X，使得B?X?1AX，就说A相似于B记作A∽B 2 相似的性质（1）反身性A∽A；这是因为A?E?1AE.（2）对称性如果A∽B，那么B∽A；如果A∽B,那么有X，使B?X?1AX，令Y?X?1，就有A?XBX?1?Y?1BY，所以B∽A。
（3）传递性如果A∽B，B∽C，那么A∽C。
已知有X,Y使B?X?1AX，C?Y?1BY。
令Z?XY，就有C?Y?1X?1AXY?Z?1AZ，因此，A∽C。
3 相似矩阵的性质若A,B?Cn?n，A∽B，则（1）r(A)?r(B)；Q是n?n可逆矩阵，引理A是一个s?n矩阵，如果P是一个s?s可逆矩阵，那么秩（A）=秩（PA）=秩（AQ）证明设A,B相似，即存在数域P上的可逆矩阵C，使得B?C?1AC,由引理2可知，秩?1（B）=秩（B?CAC）=秩（AC）=秩（A）（2）设A相似于B，f(x)是任意多项式，则f(A)相似于f(B)，即P?1AP?B?P?1f(A)P?f(B)证明设f(x)?anx?an?1xnnn?1a1x?a0 a1A?a0E a1B?a0E于是，f(A)?anAn?an?1An?1? f(B)?anB?an?1Bn?1kk由于A相似于B，则A相似与B，（k为任意正整数），即存在可逆矩阵X,使得Bk?X?1AkX，?1?1anAn?an?1An?1?因此Xf?A?X?X?a1A?a0E?X?anX?1AnX?an?1X?1An?1X? ?anBn?an?1Bn?1? ?f(B) 所以f(A)相似于f(B)。
?a1X?1AX?a0Ea1B?a0E（3）相似矩阵有相同的行列式，即A?B,trA?trB；证明设A与B相似，即存在数域P上的可逆矩阵C，使得B?C?1AC，两边取行列式?1?1AC?AC?1C?A，从而相似矩阵有相同的行列式。
矩阵论-矩阵的相似变换
★ 1、求下列矩阵的Jordan 标准形：⑴ -101120-403A ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦ ；⑵；⑵31-1-202-1-13A ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦解：⑴解：⑴ 求A 的特征多项式并得到特征值的特征多项式并得到特征值101det(I A)1243λλλλ+−−=−−− 第一行乘以3λ−并加上第三行并加上第三行+10-1=-1-20(3)(1)40λλλλ−++ 这里变换行列式列使其变为上三角行列式这里变换行列式列使其变为上三角行列式 2210121(1)(2)0(1)λλλλλ−+=−−−=−−− 所以A 的特征值为12==1λλ ，3=2λ ，对应的2重特征值12==1λλ解方程组(I-A)x =0，由2131122201201201110110011/2402000000r r r r I A +−−−−⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥−=−−⎯⎯⎯→−−⎯⎯⎯→−−⎢⎥⎢⎥⎢⎥−⎣⎦⎣⎦⎣⎦121×, 2101/2011/2000r r −−⎡⎤⎢⎥⎯⎯⎯⎯→⎢⎥⎢⎥⎣⎦ 10021002x y z x y z ⎧+−=⎪⎪⎨⎪++=⎪⎩ 设x 为1，依次可以解出112x y z =⎧⎪=−⎨⎪=⎩ 得基础解系：T T1(1,1,2)p =−只有一个线性无关特征向量，故A 的Jordan 标准形为：标准形为：1112J ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦⑵ 求A 的特征多项式并得到特征值的特征多项式并得到特征值2311211det(I A)2202113213211211020202400(44)/λλλλλλλλλλλλλλλλ−−−−−=−=−−−−−−−−−=−−+−⑴ 7543192864A A A A A I −−++−⑵ 1A − ⑶ 100A解：解：2322110102210()det(I A)43110011124343210011(1)(2)45200(1)/(1)λλλψλλλλλλλλλλλλλλλλλ+−−−−−=−=−=+−=+−−−−−−−=+−=−−=−+−−+⑴ 令7543()192864g λλλλλλ=−−++−，需要计算g(A)，用()/g()ψλλ 得到：得到：4322()(41032)()3228g λλλλλψλλλ=+++−−+−由Hamilton-Cayley 定理知(A)O ψ= ，于是：，于是：221160(A)3A 22A 8I 6443019324g −⎡⎤⎢⎥=−+−=−⎢⎥−⎣⎦⑵ 由32(A)A 4A 5A 2I O ψ=−+−= 得21(A 4A 5I)2A I ⎡⎤−+=⎢⎥⎣⎦故得到：故得到：123101(A 4A 5I)41023/21/21/2A −−⎡⎤⎢⎥=−+=−⎢⎥−⎣⎦⑶ 设100210()()b 2b b q λλψλλλ=+++ 注意到(2)(1)'(1)0ψψψ=== ，分别将2λ=和1λ= 代入上式，再对上式求导数后将1λ=代入得到：代入得到：1002102102124211002b b b b b b b b ⎧=++⎪=++⎨⎪=+⎩ 解得到解得到 100010111002220023022101b b b ⎧=−⎪=−+⎨⎪=−⎩故得到：故得到：100221010010010019910004002010201221012A b A b A b I −⎡⎤⎢⎥=++=−⎢⎥⎢⎥−−⎣⎦31122113λλλ−−−+−-21-1-2-21-1-2+1λλλ211221122λλ−−−−−−1122162616p i p ⎥⎥==−⎥⎥22212012p ⎤−⎥==33213313i p ⎡⎤⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦111623263111623ii ⎤−⎥⎥−⎥⎥⎥⎥⎦则称A 是Hermite 正定矩阵（半正定矩阵）。
矩阵标准形
• 2.1 特征阵及其Smith标准形
• 2.1.1 特征矩阵
④多项式矩阵：对于多项式矩阵A(λ)=R(或C)[λ]m×n，行列式、子式、伴随矩 阵及分块等概念以及运算法则与常数矩阵相同，而以下概念有所不同。 1）多项式矩阵A(λ)的秩：A(λ)中有一个r阶子式（r≤min{m,n}）为非零多项 式（不恒为0），而一切r+1阶子式为0，则A(λ)的秩为r=rankA(λ)。 2）非奇异方阵（满秩的）：A为n阶方阵，detA(λ)不恒为0，即 rankA(λ)=n，显然，对于n阶方阵特征矩阵λE－A的秩为n，显然特征矩阵时 满秩的。 3）可逆矩阵：A(λ)为n阶方阵，若存在n阶方阵B满秩A(λ)B(λ)=B(λ)A(λ)=E， A(λ)为可逆的（单模态的）。 ⑤多项式矩阵可逆的条件 1）必要条件：A(λ)∈K[λ]n×n可逆，则A(λ)必非奇异(满秩)； 2）充要条件：A(λ)∈K[λ]n×n可逆等价于detA(λ)为非零常数c。 1 即 det A( ) c 0, A1 ( ) adjA( )
设n阶方阵a是hermite矩阵则有iiiiii都是实数即的主对角元素axax相应有正交即不同特征值的特征向量对应于axax对任意矩阵hermite矩阵与正规矩阵的关系的特征值为实数为正规矩阵且矩阵的充分必要条件为征值为实数前面已证矩阵为正规矩阵且特
• 2.1 特征矩阵及其Smith标准形
• 2.1.1 特征矩阵 • ①定义：对于常数矩阵A=[aij]∈Cn×n，λ∈C，则A的特征矩阵 为λE－A，即 a11 a11 a1n
• ④矩阵可对角化的另一充要条件：λE－A的初等因子均为一次方幂。
• 2.3 矩阵的相似标准形
• 2.3.2 Jordan标准形 • ⑤应用：可见确定一个矩阵的相似形需先确定其特征矩阵λE－A的初等因子 组。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
整理ppt
10
特征多项式的计算
定义：假设矩阵 A aij nn ，第1 i1 i2 ik n
行，则 A 的第 i1, i2 , , ik 行，第 i1, i2 , , ik 列交 叉处的元素构成的 k 阶子式称为 A 的一个 k 阶
主子式。
整理ppt
11
主子式与子式
a21
a22
a23
a24
a25
a31 a41
a32 a42
a33 a43
a34 a44
a35 a45
a51 a52 a53 a54 a55
a22 a23 a25 a32 a33 a35 a52 a53 a55
整理ppt
13
特征多项式的计算
定 理 2 ： 设 A a ij n n,则
下的矩阵是 BP1AP.
整理ppt
8
例1
x y f H(o C 3,m C 3)定义 X为 (x,y,： z)T, f ( X ) x y 2 z
求 f的特征值、特征向量。
整理ppt
9
例2
f Ho (C 2 m 2,C 22)定义 X 为 C 2 ： 2, f (X)11 11X
整理ppt
18
例4
设A33 54.求A100.0
C()223
整理ppt
19
例5
1 2 2 已知A1 0 3，求A100。
1 1 2
C()(1)(1)2
整理ppt
20
最小多项式
定 义 ： 矩 阵 A 的 次 数 最 低 的 、 最 高 次 项 系 数 为 一 的 化 零 多 项 式 称 为 A 的 最 小 多 项 式 .
则称 0 是 f 的特征值，
是相应于特征值 0 的特征向量。
整理ppt
5
线性变换的可对角化问题
设V 是 n 维线性空间， f 是线性空间V 上的 线性变换，则存在V 的基使得 f 的矩阵是对角阵 当且仅当 f 有 n 个线性无关的特征向量。
整理ppt
6
线性变换的特征值、特征向量的计算
设 f 在 V 的 基 1,2 , ,n 下 的 矩阵 是 A ， 若 0 F ， V 在基1,2 , ,n 下的坐标是 x0 ，则 f () 在基1,2 , ,n 下的坐标是 Ax0 。故 f () 0 Ax0 0 x0 ， 即： 是 f 的属于特征值 0 的特征向量
整理ppt
21
定理5
设 m (x ),C (x )分 别 是 矩 阵 A 的 最 小 多 项 式 和 特 征 多 项 式 ，
则 m (x )|C (x ) ， 并 且 ， 对 0 C ,m (0 ) 0 C (0 ) 0 。
第三章
矩阵的相似标准形
整理ppt
1
矩阵与线性变换
本章的目的： 对给定的矩阵，找一最简单的矩阵与之相似。 对给定的线性空间上的线性变换，找线性空间的一
组基，使得线性变换的矩节 特征值与特征向量
假设 A 是 n 阶方阵， 0 是数，若存在 n 维
列向量 ，使得 ， 且 A 0
a11 a12 a13 a14 a15
a21
a22
a23
a24
a25
a31
a32
a33
a34
a35
a41 a42 a43 a44 a45
a51 a52 a53 a54 a55
a21 a22 a24 a31 a32 a34 a51 a52 a54
整理ppt
12
主子式与子式
a11 a12 a13 a14 a15
命题 A： (aij)nn的 若特1 征 ,2, 值 ,n,则 为
n
tr(A) i,
n
A
i 1
i
.
i1
推论 A ,B 相 ：似 若 t(rA )， t(rB )则 A ,B .
整理ppt
15
例3 a1
b1
设a2, b2, AH.求A的特征值。
an
bn
2 .r(A) B r(A )r,(B );
整理ppt
17
第二节 Hamilton-Cayley定理
定 理 3 ： 设 A F n n ,C () I A . 则 C ( A ) O .
定 理 4 ： 设 f H o m ( V , V ) , C ( ) 是 f 的 特 征 多 项 式 ， 则 C ( f ) O .
Sc引 hu理 r A ： Cnn对 ,存在U 酉 使U 矩 得 HA阵 是 U 上三
则称 0 是 A 的特征值，
是 A 的属于特征值 0 的特征向量。
整理ppt
3
矩阵的相似对角化
假设 A 是 n 阶方阵，则 A 相似于对角阵的 充分必要条件是 A 有 n 个线性无关的特征向量
特征向量。
整理ppt
4
线性变换的特征值、特征向量
设 f 是线性空间V 上的线性变换，假设
0 F ， V 。若 f () 0
I A n b 1n 1 b 2n 2 b n 1 b n
其中 bj ， (1)j （ A的 j阶主子式）
n
特别地b1， aii, bn (1)n A. i1
整理ppt
14
矩阵的迹
n
定 义 ： 设 A (a ij)n n ,称 a ii为 A 的 迹 ， 记 为 tr(A ). i 1
I A n b 1n 1 b 2n 2 b n 1 b n
n
特别地b1， aii, bn (1)n A.
i1
整理ppt
16
化零多项式
设 f(x)是 多 项 式 。 若 f(A)O, 则 A的 特 征 值 均 是 f(x)0的 根 .
例：已知A2A.证明： A的特征值只能是0或 1。
性 质 1 ： 若 m ( x ) ,( x ) 分 别 是 矩 阵 A 的 最 小 多 项 式 、 化 零 多 项 式 ， 则 m ( x )| ( x ) .
性质2：任意矩阵的最式 小是 多唯 项一的 性质 3：如果矩 A,B阵 相似，A,则 B有相同的最小多项式。
定义：（线性变换的小 最多项式）
当且仅当 x0 是 A 的属于特征值 0 的特征向量。
整理ppt
7
定理1
若 A,BCnn是相似I的 A ， I则 B.
注： 1.定理的逆命题不成立；
2.可定义线性变换的特多征项式。
特 别 是 ,若 f H o m ( V ,V )在 基 1 ,2 , ,s 下 的 矩 阵 是 A ,
则 f在 新 的 基 (1 ',2 ', , s ') (1 ,2 , , s)P