矩阵论第二章-4
矩阵论课本2

第三章 矩阵分解把矩阵分解为形式比较简单或具有某种特性的一些矩阵的乘积,在矩阵理论的研究与应用中,都是十分重要的。
因为这些分解式的特殊形式一方面能明显地反映出原矩阵的某些数值特征,如矩阵的秩、行列式、特征值及奇异值等,另一方面分解的方法与过程往往提供了某些有效的数值计算方法和理论分析根据。
本章将分别介绍矩阵的五种分解:三角分解、QR 分解、满秩分解、谱分解和奇异值分解,并简单介绍了矩阵的正则性。
§3.1 矩阵的三角分解三角矩阵的计算,如求行列式、求逆矩阵、求解线性方程组等,都是很方便的,因此首先研究是否可将矩阵分解成一些三角矩阵的乘积。
定义3.1.1 设n n A C ⨯∈,如果存在下三角矩阵n n L C ⨯∈和上三角矩阵n n R C ⨯∈,使得A LR =,则称A 可以作三角分解。
定理 3.1.1 设n n n A C ⨯∈,则A 可以作三角分解的充分必要条件是0k ∆≠(1,2,,1)k n =-,其中det k k A ∆=为A 的k 阶顺序主子式,而k A 为A 的k 阶顺序主子阵。
证明:必要性。
已知A 可以作三角分解,即A LR =,其中()ij n nL l ⨯=(0,)ij l i j =<,()ij n nR r ⨯=(0,)ij r i j =>。
将A ,L 和R 进行分块,得12122122212222kkkA A L O R R A A L L O R ⎛⎫⎛⎫⎛⎫= ⎪ ⎪⎪⎝⎭⎝⎭⎝⎭, 这里k A ,k L 和k R 分别是A ,L 和R 的k 阶顺序主子阵,且k L 和k R 分别是上三角矩阵和下三角矩阵。
由矩阵的分块乘法运算,得k k k A L R = (1,2,,)k n =,由于1111det det det 0nn nn A L R l l r r ==≠,所以1111det det det 0(1,2,1)k k k kkk kk A L R l l r r k n ∆===≠=-充分性。
矩阵论课程简介

课程名称(中文):矩阵论课程名称(英文):Matrix Theory一)课程目的和任务:本课程是泛应用数学包括计算数学、运筹与控制特别是组合与图论、应用数学等专业的一门共同的基础课,主要讲授矩阵的分析性质和组合性质。
课程的目的和任务是让学生掌握矩阵论的基本知识和思想方法、了解该领域的某些最新成果、通过利用数学其他分支的工具来解决矩阵问题以及用矩阵解决其他领域的问题加深对数学的认识并且增加数学修养。
教材内容强调以下几方面的标准:1)重要,2)优雅,3)巧妙,4)有趣。
矩阵论在科学与工程计算、控制论、系统论、信息论、信号处理、计算机科学、经济学、组合与图论、运筹学、统计学、概率论、微分方程、数学物理、动力系统等领域都有应用。
矩阵论一方面是有用的工具,另一方面也是目前一个活跃的研究领域。
二)预备知识:线性代数,数学分析三)教材及参考书目:教材:Matrix Theory by X. Zhan, 讲义,已投稿到出版社参考书目:1)《矩阵论》,詹兴致著,高等教育出版社,2008年2)Matrix Analysis, R. Bhatia著, GTM 169, Springer, New York, 1997四)讲授大纲(中英文)第一章预备知识1)特殊矩阵类2)特征多项式3)谱映射定理4)特征值和对角元5)范数6)矩阵乘方序列的收敛性7)矩阵分解8)数值范围9)多项式的伙伴矩阵10)广义逆11)Schur补12)拓扑思想的应用13)Grobner基14)线性不等式组15)正交投影和约化子空间第二章张量积和复合矩阵1)定义和基本性质2)线性矩阵方程3)Frobenius-Konig定理4)复合矩阵第三章 Hermite矩阵和优超1)Hermite矩阵的特征值2)优超与双随机矩阵3)关于半正定矩阵的不等式第四章奇异值和酉不变范数1)奇异值2)对称规度函数3)酉不变范数4)矩阵的笛卡尔分解第五章矩阵扰动1)特征值2)极分解3)带状部分的范数估计第六章非负矩阵1)Perron-Frobenius理论2)矩阵与有向图3)本原和非本原矩阵4)特殊的非负矩阵5)关于正矩阵的两个定理第七章部分矩阵的填充1)Friedland关于对角填充的定理2)Farahat-Ledermann关于边线填充的定理3)Parrott保范填充定理4)正定填充第八章符号模式1)符号非奇异模式2)特征值3)符号半稳定模式4)允许正逆的模式第九章更多的论题1)实矩阵通过复矩阵相似2)带状矩阵的逆3)交换子的范数界4)对角占优定理的逆定理5)数值范围的形状6)一个求逆算法7)相似标准形8)Jordan标准形的极端稀疏性第十章矩阵的应用1)图论2)有限几何3)数论4)代数5)多项式Chapter 1 Preliminaries1) Classes of Special Matrices2) The Characteristic Polynomial3) The Spectral Mapping Theorem4) Eigenvalues and Diagonal Entries5) Norms6) Convergence of the Power Sequence of a Matrix7) Matrix Decompositions8) Numerical Range9) The Companion Matrix of a Polynomial10) Generalized Inverses11) Schur Complements12) Applications of Topological Ideas13) Grobner Bases14) Systems of Linear Inequalities15) Orthogonal Projections and Reducing Subspaces Chapter 2 Tensor Products and Compound Matrices1) Definitions and Basic Properties2) Linear Matrix Equations3) Frobenius-Konig Theorem4) Compound MatricesChapter 3 Hermitian Matrices and Majorization1) Eigenvalues of Hermitian Matrices2) Majorization and Doubly Stochastic Matrices3) Inequalities for Positive Semidefinite MatricesChapter 4 Singular Values and Unitarily Invariant Norms1) Singular Values2) Symmetric Gauge Functions3) Unitarily Invariant Norms4) The Cartesian Decomposition of MatricesChapter 5 Perturbation of Matrices1) Eigenvalues2) The Polar Decomposition3) Norm Estimation of Band PartsChapter 6 Nonnegative Matrices1) Perron-Frobenius Theory2) Matrices and Digraphs3) Primitive and Imprimitive Matrices4) Special Classes of Nonnegative Matrices5) Two Theorems about Positive MatricesChapter 7 Completion of Partial Matrices1)Friedland’s Theorem about Diagonal Completions2)Farahat-Ledermann’s Theorem about Borderline Completions3)Parrott’s Theorem about Norm-Preserving Completions4)Positive Definite CompletionsChapter 8 Sign Patterns1)Sign-Nonsingular Patterns2)Eigenvalues3)Sign Semi-Stable Patterns4)Sign patterns Allowing a Positive Inverse Chapter 9 Miscellaneous Topics1)Similarity of Real Matrices via Complex Matrices2)Inverses of Band Matrices3)Norm Bounds for Commutators4)The Converse of the Diagonal Dominance Theorem5)The Shape of the Numerical Range6)An Inversion Algorithm7)Canonical Forms for Similarity8)Extremal Sparsity of the Jordan Canonical Form Chapter 10 Applications of Matrices1) Graph Theory2) Finite Geometry3) Number Theory4) Algebra5) Polynomials五)教学总学时:4学时/周×19周= 76学时。
矩阵论第二章

基变换与坐标变换
向量在不同基下的表示坐标的关系
n维列向量空间Rn(或Cn)的向量与坐标的关系
例:对于n维列向量空间Rn(或Cn)的存在一个基{ei,i=1,2,…,n}, 其中ei的第i个分量为1,其余分量为0;这个基称为Rn(或Cn) 的自然基。在自然基下,Rn(或Cn)中的任意向量x和它在自 然基下的表示坐标是完全一致的。即
思考
上面的例子告诉我们: 线性空间中定义的向量加法和数乘其实可以有很多种,形式 可以多种多样。 这样一方面说明定义的线性空间可以包括很多的内容,但不 同形式的定义又为我们研究带来困难,所以下面就是要围绕 这个问题给出答案。
线性空间中,向量的关系: 线性相关:若存在一组不全为零的数c1,c2,…,cm,使得 c1x1+c2x2+…+cmxm=0 则称向量组x1,x2,…,xm线性相关,否则为线性无关。
定义一个矩阵有几种方式:
1.可以通过定义矩阵的每一个元素来定义一个矩阵;
2. 可以通过矩阵具有的性质来定义一个矩阵。 如:对称矩阵可以定义为:aij=aji 可以定义为: (x, Ay)=(Ax,y),
可以定义为: Ax=f(x), 其中f(x)=xTAx/2,即它对向量x 的作用相当于函数f(x)在x处的梯度。
定理1.2 说明虽然n维线性空间有无穷多,但是从代数的角度我们仅 仅研究n维实(或复)向量空间就足够了。
例如:前面介绍次数不超过n1的多项式全体按照通常的多项式加法 和 数 乘 构 成 一 个 线 性 的 多 项 式 函 数 空 间 Pn , 选 择 Pn 的 一 个 基 x1=1,x2=x,x3=x2,…,xn=xn1, 则任意次数不超过 n1 的多项式 f(x) = a0xn1+a1xn2+…+an2x+an1 = (1,x,x2,…,)( an1, an2,…, a0)T 这样( an1, an2,…, a0)T就是多项式f(x)在基x1,x2,…,xn的坐标。显然我 们可以看成将f(x)映射为( an1, an2,…, a0)T,这时明显可见映射为线 性的,即若 : f(x) ( an1, an2,…, a0)T : g(x) ( bn1, bn2,…, b0)T 则 : f(x)+g(x) (a +b , a +b ,…, a +b )T
矩阵论第二章

(2)
则 0 是 经单位化得到的单位向量。 定理1: [cauchy—schwarz不等式]对于内积 空间中任意向量 , ,有 ( , )
(3)
并且, 等号成立的 , 线性相关。
9°(三角不等式)对 向量 , ,有
定义4:设 V 是数域 F上的线性空间, 如果在V 上还定义了一种叫内积的运算:对于V 中任意 向量 , 都有 F 中唯一的数 x 与之对应, 记为
, x, 并且这种内积运算还具有如下性质:
对于任意的 , , V
1) , ,
及任意的 k F
有:
2) k , k , 4) 当 0时, , 0
3) , , ,
此时称 V 为一个内积空间。
n C 对于复数域上的线性空间 , 若规定向量 例1:
a1 , a2 ,, an
1 1 , 2
( 2 , 1 ) 1 2 , [设 2 k1 2 , ( 1 , 1 )
( 2 , 1 ) k ( 1 , 1 )
因 ( 2 , 1 ) 0
],
3
( 3 , 1 ) ( , ) 1 3 2 2 3,…, ( 1 , 1 ) ( 2 , 2 )
定理3: 欧氏空间在一组基下的度量矩阵都 是正定矩阵。
, 证明:设 V 是 n 维欧氏空间,
1 2
,, n
是 V 的一
A 是该基下的度量矩阵。 的一组基, 为证明实对
称矩阵 A 正定, 只须证明实二次型 x
1 1 2 2 n n
T
Ax 正定,
矩阵论第二章

Chapter 2 Linear Mapping and Transformations, Eigenvectors and Eigenvalues
1
Chapter 2 Linear Mapping and Transformations, Eigenvectors and Eigenvalues Linear Mapping, Linear Transformation and Matrix Representation Change of Representing Matrix and Similarity Unitary (Orthogonal) Transformations Isomorphism Eigenvalue and Eigenvector Diagonalization
Chapter 2 Linear Mapping and Transformations, Eigenvectors and Eigenvalues Linear Mapping, Linear Transformation and Matrix Representation
Actually, A’s j −th column is constructed by the coordinate of A(εj ), a11 a12 · · · a1n a21 a22 · · · a2n A= ··· ··· ··· ·×n is named the matrix representation of linear mapping A with respect to bases ε1 , ε2 , · · · , εn and η1 , η2 , · · · , ηm .
Theorem 2.1.1 If A ∈ L(V1 , V2 ), then the following statements hold.
矩阵论课件

第二章
第一节
矩阵与约当标准形
矩阵
第二节 不变因子及初等因子
第三节 约当标准形 第四节 凯莱—哈米尔顿定理 最小多项式
4 December 2014 河北科技大学
机动 目录 上页 下页 返回 结束
矩阵论
第一节
定义 设 P
矩阵
为数域, 为数字,P[ ] [ ]为关于 中的元素(数)为元素的矩
4 December 2014
河北科技大学
机动 目录 上页 下页 返回 结束
定理 设 矩阵 A( ) aij
阵,且 rank( A( )) r ,则
矩阵论
m n
为非零的多项式矩
A( )
d1 ( ) d 2 ( ) r ( ) 0 J ( ) 0 0 d ( ) r 0 0 0 diag d1 ( ), d 2 ( ), , d r ( ), 0, , 0 --称为 A( )的 Smith (史密斯)标准形.
矩阵论
Dn ( ) a ;
n
Dn1 ( )
4 December 2014
D1 ( ) 1.
河北科技大学
机动 目录 上页 下页 返回 结束
矩阵论
定义 把 矩阵 A( ) 的每个次数大于零的不变因子
在复数域 [ ]中分解成标准分解式,即分解成首项 系数为1的互不相同的一次因式方幂的乘积,所有 这些一次因式 的方幂 ( 相同的必须按出现次数 计 算) ,称为 A( )的初等因子.
[ ]中分解成标准分解式,所有出现的一次因式的
标准形)
方幂就是 A( )的全部初等因子.
矩阵论 黄有度42

解
2 1 2 6 0 1 3 2 A( ) 1 3 0 1 1 1 1 4 1 1 4
0 0 1 0 0 1 0 1 1 0 1 1 2 0 1 3 2 0 0 2 2 1
例 将下面的 矩阵化为Sm ith 标准形: 1 A( ) 1 2
2 。 2 2
解 1 A( ) 1 2
2
2
1 2 c c 1 3 0 1 2 2
A的各阶行列式因子为 D1 ( ) 1, D2 ( ) 1, D3 ( ) ( 1)
3
定理 矩阵A( )的各阶行列式因子Dk( )在初等变换下 等价的 -矩阵有相同的秩.
不变,即等价的 矩阵有相同的行列式因子Dk( )特别地, .
定理 矩阵A( )的Smith标准形 diag[d1 ( ), d 2 ( ), , d r ( ), 0, , 0] Dk ( ) 是唯一的,且d k ( ) , k 1, 2, , r.而当k r时, Dk 1 ( ) d k ( ) 0. 称d k ( )为A( )的第k 个不变因子.
定义 将A( )的每个次数大于零的不变因子在复数域内分解为 互不相同的一次因式的方幂的乘积,所有这些一次因式的 方幂(相同的必须按出现次数计算),称为A( )的初等因子。
若A( )的不变因子为 d1 ( ) 1, d 2 ( ) ( 1) , d3 ( ) ( 2)( 1) ,
习题 将下面的 矩阵化为Smith标准形: 1 2 6 A( ) 1 3 。 1 1 4
矩阵论简明教程整理全PPT课件

i 1, 2, , s; j 1, 2, , r
4、转置与共轭转置
A11 A12
设
A
A21
A22
As1 As2
A1r
A2r
,
则AT
A1T1 A1T2
A2T1 A2T2
Asr
A1Tr A2Tr
AsT1 AsT2
AsTr
第10页/共188页
AH
A1H1 A1H2
A2H1 A2H2
ei
e
H j
E ei , ej , k
第45页/共188页
Remark
det E u, v, det In uvH det 1 vHu
1 vHu (由n Im AB m In BA 得到)
第46页/共188页
四、其他特殊矩阵
1幂零矩阵:Ak 0, k : 某正整数; 2幂等矩阵:A2 A; 3实对称正定矩阵:
1、加法,减法
若A
aij
,B
mn
bij
,则
mn
A B aij bij mn
2、数乘
若A
aij
, C,
mn
则 A
aij
mn
3、乘法
第5页/共188页
若A
aij
,B
mr
bij
,则
rn
AB cij mn , 其中cij ai1b1 j ai2b2 j
定义2
设A Cnn , 若A满足 AH A AAH I ,
则称A为酉矩阵.
第35页/共188页
三、初等矩阵 1、定义 定义3
单位矩阵I经一次初等变换而得到的矩阵称为 初等矩阵.
有以下三类初等矩阵:
- 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)。
§4.数字矩阵的Jordan标准形一、数字矩阵的Jordan标准形二、数字方阵的有理标准形12一、数字矩阵的Jordan标准形一个n阶的正规矩阵 ,可以经过酉变换(相似变换)化成一个对角矩阵(标准形),HHn nA AA A A ×=()12,,,.n diag λλλ⋯ 问题: 一般地n阶数字矩阵 相似于什么样的(最简)形式?n n A ×3例1 将32311()125A λλλλλλλ⎛⎞−+⎜⎟=−⎜⎟⎜⎟+⎝⎠写成数字阵为系数的的多项式.解:10000111()1001010012000015A λλλλ−⎡⎤⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥=++−+⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦多项式矩阵与数字矩阵的关系:每一个m ×n 的多项式矩阵都可以化成一个数字矩阵为系数的多项式。
4一般地,设)()()ij m n A a λλ×=,)()ij i js a λ=,max deg , 其中A 为m n数字阵,且这种表示法唯一. 此时称)A λ是次多项式矩阵,记作)deg[]A s λ=.则 ()1011s s s sA A A A Aλλλλ−−=++++⋯当s =时,)A λ是数阵. 当det A ≠时,称)A λ是正则多项式矩阵.当)A λ,)B λ中有一个是正则多项式时,)()()()()deg deg deg A B A B λλλλ=,即0A B ≠。
若)A O λ=,则不定义次数.51. 存在唯一的n 阶多项式矩阵)n nP λ×,及唯一的数字矩阵n n R ,使)()()B E A P R λλλ=−+引理 对任意的n 阶多项式矩阵)n n B λ×和数阵n n A , 2. 存在唯一的n 阶多项式矩阵)n n Q λ×及数字矩阵n nS 使)()()B Q E A S λλλ=−+证明:设=B m λ (m ≠0),且011()m m m mB B B B B λλλλ−−=++++⋯其中m B B ⋯,,为阶数阵,且0≠B .(若=m ,则取)0P λ=,()==R B B λ即可.)6设)12121m m m m P P P P P λλλλ−−−−=++++⋯代入)()()B E A P Rλλλ=−+,比较系数, )()E A P λλ−+=)12121()m m m m E A P P P P λλλλ−−−−−++++⋯+1011mm m mB B B B λλλ−−=++++⋯11121()()()mm m m m P P AP P AP R AP λλλ−−−−=+−++−+−⋯令111,,,,m m P B P B AP R B AP −==+=+⋯即得要证的结论。
7即E A λ与E B λ等价.⇒设A 与B 相似,则存在可逆矩阵T 使−=T AT B .证明证明::11()E B E T AT T E A Tλλλ−−−=−=−定理1 设××n n n n A B 为数字阵, 则A 与B 相似⇔~−−E A E Bλλ.⇐ 略(用引理)8例2 设010,010011011A B ⎛⎞⎛⎞⎜⎟⎜⎟==⎜⎟⎜⎟⎜⎟⎜⎟⎝⎠⎝⎠,问A 与B是否相似?解010011E A λλλλ−−⎛⎞⎜⎟=−−⎜⎟⎜⎟−−⎝⎠01011E B λλλλ−⎛⎞⎜⎟−=−⎜⎟⎜⎟−−⎝⎠()()()()()31231,1,1AAAD D D λλλλλ==−=−()()()()()31231,1,1BBBD D D λλλλλ==−=−λ−与λ−有相同的秩及相同的行列式因子,因此λ−与λ−等价,故A 与B 相似.9解01−⎛⎞−=⎜⎟−⎝⎠E A λλλ,11−⎛⎞−=⎜⎟−−⎝⎠E B λλλE A λ的不变因子为λ−,λ−.B E λ的不变因子为1,(1)λ−.也可用初等变换直接证特征方阵等价.因此A 与B 不相似.事实上,A 是单位阵,与单位阵相似的方阵只有单位阵本身.例3 设0111,A B ⎛⎞⎛⎞==⎜⎟⎜⎟⎝⎠⎝⎠, 问A 与B 是否相似?10定理2 1. 若n 阶数字方阵n nA 的特征矩阵E Aλ的初等因子组只有一个首一的n 次多项式()na λ−,则A 与J相似或A 与 T J 相似,其中 11O a a J Oa ⎞⎛⎜⎟⎜⎟=⎜⎟⎜⎟⎝⎠⋱⋱112. 若数字矩阵n nA 的特征矩阵E Aλ的初等因子组为:)()1212,,,()sn n n s λλλλλλ−−−⋯ (s 个)2s n n n n+++=⋯,则A 与12s J JJ J ⎛⎞⎜⎟⎜⎟=⎜⎟⎜⎟⎝⎠⋱相似或A 与 TJ相似,(称J 为A 的Jordan 标准形)12其中11iii ii i n nJ λλλ×⎛⎞⎜⎟⎜⎟=⎜⎟⎜⎟⎝⎠⋯⋯⋯⋮⋱⋱⋮是属于初等因子()−in i λλ的Jordan 块.E A E Jλλ⇒−−~A ⇒与 相似.J()na λ−()()rank E A rank E J nλλ−=−= 证明:1. 因为 与 有相同的初等因子组 ,E J λ−E A λ−13()11,,ssE J diag E J E J λλλ−=−−⋯ 2. 设sE E E⋯,,,分别是,,,sn n n ⋯阶单位方阵,因此, 与 有相同的秩及初等因子组,E J λ−E A λ−E A E J λλ⇒−−∼等价A ⇒与 相似.J的初等因子组为 E Jλ−()()1212,,,n n λλλλ−−⋯()sn s λλ−14注: 1. n 阶数字方阵在复数域上总可经适当的相似变换化成Jordan 标准形,该Jordan 标准形除了Jordan 块的次序外唯一确定. 2. 当1sn n n ====⋯,即=时,Jordan 标准形即为对角形.15例4 求101014A −−⎛⎞⎜⎟=−⎜⎟⎜⎟−−⎝⎠的Jordan 标准形. 解:1114E A λλλλ+−⎛⎞⎜⎟−=−−⎜⎟⎜⎟+⎝⎠ (找初等因子组)显然1()1,D λ=2()1,D λ=23212()11(1)(3)014D λλλλλλ+−=−−=−++λ−的初等因子组为(1),(3),λλ−+对应的Jordan标准形为16100030013J ⎛⎞⎜⎟−=⎜⎟⎜⎟−⎠⎝例5 初等因子组为,(1),(2)λλλ−+的5阶方阵的Jordan 标准形为01112J ⎛⎞⎜⎟⎜⎟⎜⎟=⎜⎟−λ−的初等因子组为(1),(3),λλ−+对应的Jordan标准形为17第二步:求每一初等因子对应的Jordan块;第三步:写出A 的Jordan标准形.第一步:先求E Aλ的初等因子; ⎧⎪⎨⎪⎩求 阶数字阵的Jordan标准形的步骤:n18定理3若n 阶数字方阵A 的特征方阵具有不变因子:()()()1211n d d d λλλ−====⋯()111n n n n n d a a aλλλλ−−=++++⋯二、数字方阵的有理标准形则A 矩阵与2110101nna a C a a −−⎛⎞⎜⎟−⎜⎟⎜⎟=⎜⎟−⎜⎟⎜⎟−⎝⎠⋯⋯⋯⋯⋯⋱⋱⋮⋱ 相似.称C为A 的有理标准形,也称C 为多项式11nn n na a aλλλ−++++⋯的相伴矩阵。
19121111nn a a E C a a λλλλλ−⎛⎞⎜⎟−⎜⎟⎜⎟−−=⎜⎟⎜⎟⎜⎟−+⎝⎠⋱⋮⋱证:具有不变因子)()()1211n d d d λλλ−====⋯, )111nn nn nd a a aλλλλ−−=++++⋯. 因此λλ−−∼,与相似.20例6 设18621410A ⎛⎞⎜⎟=−⎜⎟⎜⎟−−⎝⎠.)()121d d λλ==,)3232d λλλλ=++,于是的有理标准形 101012C ⎛⎞⎜⎟=−⎜⎟⎜⎟−⎝⎠.E A λ的不变因子为:21例7 若数字矩阵A 的特征方阵的不变因子为: ()()()1231,d d d λλλ===4324()2468d λλλλλ=+−−+.0008100601040012C −⎞⎛⎜⎟⎜⎟=⎜⎟⎜⎟−⎝⎠则数字矩阵A 的有理标准形为:。