矩阵的相似变换
相似变换矩阵
相似变换矩阵相似变换矩阵是指两个基向量组在空间内所表示的二维或多维矢量之间的一种变换，即将一组基向量映射到另一组基向量的变换。
它的一般矩阵形式表示为A=SDT，其中S是一个n乘n的对角正交变换，D是一个不变的n乘n的正定矩阵，T是n乘n的正交矩阵。
一、定义1、相似变换矩阵是指一种从基向量空间向原始空间的线性变换，它把一组基向量映射到另一组基向量，称为相似变换矩阵。
2、它的矩阵形式表示为A=SDT，S是一个对角正交变换，D是一个不变的正定矩阵，T是一个正交矩阵。
二、特点1、相似变换矩阵可以进行圆锥剪裁变换，表示出将原空间的单位向量映射到投影空间的单位向量；2、它可以表示出空间中某一点由点A变换到点B的映射；3、它可以改变空间中的几何图形的形状或大小；4、它可以改变空间中的点的坐标；5、它可以改变空间矩阵中的一部分元素，而影响行列式的值；6、它还可以表示空间中一个方向向量从一点经过变换后在另一点的变换矩阵。
三、应用1、相似变换矩阵可以用来描述投影变换、旋转变换、拉伸变换等变换；2、它可以用于计算图形变换，包括缩放、旋转、平移、膨胀、板块变换/平面变换等；3、在计算机图形学中，可以利用它来变换几何图元的坐标；4、在数字图像处理中，也可以利用它来实现图像的缩放、旋转及镜像等操作；5、在非线性控制算法研究中，可以利用它实现控制器空间中的各种变换；6、在天文学中，可用它描述宇宙学中的物理量的变换；7、在量子力学中，可以利用它来描述量子系统的运动。
四、总结相似变换矩阵是一种将一组基向量映射到另一组基向量的线性变换。
它的矩阵形式表示为A=SDT，其中S是一个n乘n的对角正交变换，D是一个不变的n乘n 的正定矩阵，T是n乘n的正交矩阵。
它可以用于各种类型的图形变换、数字图像处理等操作，也可用于非线性控制算法等研究方面。
矩阵的相似变换
设 U C nn , P R nn
酉矩阵 U : U H U I , U H U 1 正交矩阵 P : P T P I , P T P 1
第 2 节 酉矩 矩阵 阵的 和相 正似 交变 变换
第 一 章基
础 知 识
矩阵 A , B C nn ( 或R nn ) B U H AU —— 酉变换
即：
u i H
pi
T
u j p j
ij ij
i , j 1, 2,n
第 2 节 酉矩 矩阵 阵的 和相 正似 交变 变换
第 一 章基
础 知 识
二、矩阵的相似变换：酉变换和正交变换
1、相似变换
两种重要的相似变换！ 后面用的多！
定义：设 A , B C nn ( 或R nn )
如果存在非奇异方阵 S 0 S C nn (或R nn )
使 B S 1 AS 成立
则称 B 与 A 相似，记 B ~ A
变换矩阵！
A S B 的变换称为相似变换。
第 2 节 酉矩 矩阵 阵的 和相 正似 交变 变换
第 一 章基
础 知 识
注：相似变换是一种很实用的矩阵变换！
实用上，是构造一非奇异方阵[S]，进行相似变换， 使变换后[B]比[A]简单（例如：三角阵、三对角 阵等），以便快速求出[A]的特征解。
③若[U]是酉矩阵，[P]是正交矩阵，则[U]H也是酉矩 阵， [P]T也是正交矩阵。
证： U H H U H U U 1 I P T T P T P P 1 I 证毕。
第 2 节
矩 阵 的 相 似 变 换
酉 矩 阵 和 正 交 矩 振
第
一
章基 础 知 识
④若[U]和[V]都是同阶酉矩阵（或正交矩阵）
相似矩阵、相似变换矩阵相似对角阵.
得基础解系
1 p1 1 .
1
上页 下页 返回
当2
3
1时, 解方程组(
A
E)x
0.由
3 6 0 1 2 0 A E 3 6 0 ~ 0 0 0,
3 6 0 0 0 0
得基础解系
2 0
p2 1 , p3 0.
0
1
上页 下页 返回
(1). 显然，A 有三个线性无关的特征向量，所以A 与对角矩阵
化）的充分必要条件是 A 有 n 个线性无关的特征向
量。
推论 如果 n 阶方阵 A 的 n 个特征值互不相等，
则 A 与对角阵相似。
当 A 的特征方程有重根时，就不一定有 n 个线
性无关 的特征向量，从而不一定能对角化。
例如上节例 6 中A 的特征方程有重根，确定找不
到 3 个线性无关的特征向量，因此这个矩阵A 不能对
§3 相似矩阵
★相似矩阵、相似变换 ★矩阵相似对角阵
对角阵是矩阵中最简单的矩阵类型，本节通过 引入相似变换的概念，从而讨论了什么类型的矩阵 能够相似对角化，以及如何判断一个矩阵能够相似 对角化。
下页 关闭
相似矩阵与相似变换
定义7 设 A 、B 都是 n 阶方阵，若有可逆方阵 P，使
P 1 AP B,
则称 B 是 A 的相似矩阵。或者说矩阵 A 与B 相似。 对A进行运算 P－1AP 称为对 A 进行相似变换。可逆 矩阵 P 称为把 A 变成 B 的相似变换阵。
上页 下页 返回
定理3 若 n 阶方阵 A 与 B 相似，则 A与 B 的 特征多项式相同，从而 A 与 B 的特征值也相同。
证 因 A 与 B 相似，即有 P，使 P－1AP = B。故
第6章 矩阵的相似变换
6 3 6 A= 6 3 6 −6 −6 −9
2
求特征值 A − λ E = − ( λ − 3 )( λ + 3 ) = 0
λ1 = λ2 = −3, λ3 = 3.
第2步 求线性无关的特征向量， 即求 ( A − λi E ) x = 0 的基础解系
λ1 = λ2 = −3,
⇔ Api = λi pi ( i = 1,L , n)
说明：如果A可对角化，它必有n个线性无关的特征向量， 就是P的n个列；反之，如果A有n个线性无关的特征向量，把它 拼成矩阵P(可逆)，把上面过程逆过来即知A可对角化。
-19-
定理 n阶矩阵A可对角化的充要条件是A有n个线 性无关的特征向量。 推论 n 阶矩阵 A 如有 n 个不同的特征值，则它有 n 个线性无关的特征向量，从而 A 一定可对角化。
Ap = λ p
特征值 λ 的特征向量。 把(1)改写为
(1)
则称λ 为A的特征值, 非零向量p称为A的对应于(或属于)
( A− λE) p = 0
⇔ A− λE = 0
(2)
λ 是A的特征值 ⇔ λ 使得 ( A − λ E ) x = 0 有非零解
( A − λ E ) x = 0 的所有非零解向量都是对应于 λ 的特征向量.
µ2
的特征值 O µn
解: 特征多项式
µ1 − λ A− λE = µ2 − λ O
对角阵的特征值 就是对角线元素
µn − λ
= ( µ1 − λ )( µ2 − λ ) L ( µn − λ ) = ( −1)n ( λ − µ1 )( λ − µ2 ) L ( λ − µn )
x1 = − x3 同解方程组为 ，令 x3 = 1, 得基础解系 x2 = x3 −1 基础解系的个数与 p3 = 1 特征值重数相等 1
线性代数中矩阵的相似变换及其应用
线性代数中矩阵的相似变换及其应用线性代数是一门研究线性空间及其上的线性变换的数学分支。
在这门学科中，矩阵是一个极为重要的概念，因为它可以将线性变换转化为更加容易处理的代数形式。
而其中的一种基本操作——矩阵相似变换，更是在许多领域都得到了广泛的应用。
一、矩阵相似变换矩阵相似变换在线性代数中是一个非常重要的概念，因为它可以帮助我们更好地理解矩阵的性质和特征，也方便了我们进行矩阵的运算和求解。
矩阵相似变换指的是对一个矩阵A进行"相似变换"之后得到另一个矩阵B的过程，其中相似变换指的是将矩阵A按照特定的方式变换之后得到的矩阵B，即B=PAP^(-1)。
其中，P是一个可逆矩阵，也就是说，矩阵A和B具有相同的特征值和特征向量。
矩阵相似变换有如下的性质：1. 若A和B相似，则它们的特征值和特征向量相同。
2. 若A相似于B，B相似于C，则A相似于C。
3. 若A相似于B，则A^k相似于B^k，Aⁿ相似于Bⁿ。
4. 若A与B相似，则它们的行列式和迹相同。
5. 若A和B相似，则存在一个可逆矩阵P，使得P^-1AP=B。
二、矩阵相似变换的应用1. 矩阵对角化矩阵对角化是指将某个矩阵转化为对角矩阵的过程，这个过程通常是通过矩阵相似变换来实现的。
对角化之后的矩阵易于计算，也便于我们理解矩阵的特征和性质。
2. 特征值和特征向量的求解矩阵相似变换可以将一个矩阵转化为与之相似的矩阵B，使得B具有与A相同的特征值和特征向量。
因此，通过矩阵相似变换，我们可以方便地求解一个矩阵的特征值和特征向量。
3. 线性微分方程组的求解在求解线性微分方程组时，矩阵相似变换可以将矩阵转化为对角矩阵，使得求解过程更加简单明了。
因此，线性微分方程组的求解中矩阵相似变换得到了广泛的应用。
4. 特征空间的求解特征空间指的是某一矩阵的所有特征向量张成的空间。
通过矩阵相似变换，我们可以方便地求解出一个矩阵的特征向量，从而得到它的特征空间，进而解决许多实际问题。
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
矩阵的相似变换及其应用
矩阵的相似变换及其应用矩阵是线性代数中的重要概念之一，它被广泛应用于物理、工程、计算机科学等领域。
在矩阵中，相似变换是一种常见的操作，它可以将一个矩阵转化为另一个相似的矩阵，从而方便求解问题。
一、什么是相似变换相似变换指的是将一个矩阵A通过一个线性变换P变为另一个矩阵B的过程。
这种变换需要满足两个条件：一是变换矩阵P可逆；二是A和B具有相同的特征值。
具体来说，假设A和B都是n阶方阵，它们的特征值为λ1，λ2，…，λn。
若存在一个可逆矩阵P，使得P-1AP=B，则称A与B相似，这种变换叫做相似变换。
这个定义显然比较抽象，下面我们用一个例子来说明相似变换的具体含义。
假设有如下矩阵：A = [1 23 4]我们可以求出它的特征值和特征向量：λ1 = -0.3723，v1 = [-0.8246, 0.5658]Tλ2 = 5.3723，v2 = [-0.4159, -0.9090]T将特征向量组成的矩阵P=[v1, v2]，则有：P = [-0.8246 -0.41590.5658 -0.9090]由于特征向量的性质，我们有：P-1AP = Λ = [-0.3723 00 5.3723]其中Λ是由特征值构成的对角矩阵。
这就是相似变换的应用，我们可以通过这种变换将一个矩阵A转化为一个对角矩阵Λ，从而更方便地求解问题。
二、相似变换的特性相似变换有一些重要的特性，这些特性可以帮助我们更深入地理解它的应用。
首先，相似变换是可传递的。
也就是说，如果矩阵A与B相似，B与C相似，那么A与C也相似。
这个特性可以通过变换矩阵的乘积来证明，即P-1AP=Λ，Q-1BQ=Λ，则有：(PQ)-1A(PQ) = Q-1P-1APQ = Q-1ΛQ = Λ'其中Λ'是由特征值构成的对角矩阵，证明了A与C相似。
其次，相似变换保留了矩阵的秩和行列式。
具体来说，如果矩阵A与B相似，则它们的秩和行列式相等。
这个特性可以通过排列特征值的乘积来证明，即有：|A| = λ1 * λ2 * … * λn|B| = μ1 * μ2 * … * μn由于A与B相似，则它们的特征值相同，因此有μ1 * μ2 * … * μn = λ1 * λ2 * … * λn，从而有|A| = |B|。
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）。
- 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)。
矩阵的相似变换
首先，对矩阵的相似变换可以概括为：它是将一个矩阵变换为另一个矩阵的自变量和因变量的变换形式，使得两个矩阵的形状、行列式的值相等。
它是一种用来描述线性变换的抽象概念，它能够将特定的线性映射应用于任意的矩阵，实现两个矩阵之间的等价转换，并实现相应的几何变换。
1. 概述
矩阵的相似变换是一种类似于线性变换的特殊变换，它能够将一个矩阵M和一个特定矩阵P变换为相同的形状和行列式值，实现矩阵M与P的等价转换，从而实现几何变换的效果。
2. 形式
由于矩阵的相似变换是一种线性变换的抽象概念，它可以用一个特殊的矩阵P，实现一种类似于线性变换的方式，使得一个矩阵M变换为一个另外一个矩阵P，实现两者之间的等价转换。
因此，矩阵的相似变换可以定义为：若存在一个m×n矩阵M和一个n×n非奇异矩阵P，且满足P-1MP=P*P-1，则称矩阵M受相似变换P的影响，变换后得到一个n×n矩阵Q，称M和Q受相似变换P的影响，记为M~P=Q。
3. 特点
矩阵的相似变换有几个特点：
（1）由于是线性变换的抽象概念，因此矩阵的相似变换是可逆的，即
可以从结果求原矩阵；
（2）矩阵的相似变换可以实现两个矩阵之间等价的变换，实现形式和
行列式的指定；
（3）在实现矩阵的相似变换的过程中，其结果的矩阵的元素值并不会
发生变化，只是形式的变换；
（4）相似变换也可以通过调整元素的位置、行与列的变换等方式实现，只要最终的结果是和原矩阵的行列式值一致即可。
4. 应用
矩阵的相似变换可以应用在各种线性变换中，如几何变换、线性代数
运算等，都可以使用矩阵的相似变换实现。
此外，由于矩阵的相似变
换能够实现可逆的结果，并且形式、行列式值不变，因此也可以用于
数据安全加密以及数据处理中。