矩阵标准形
矩阵 标准型

矩阵标准型矩阵是线性代数中的重要概念,它在数学、物理、工程等领域都有着广泛的应用。
在矩阵理论中,标准型是一个重要的概念,它可以帮助我们更好地理解和分析矩阵的性质和特征。
本文将介绍矩阵标准型的基本概念、性质和应用。
首先,我们来了解一下矩阵的基本概念。
矩阵是由数个数排成的矩形阵列,其中每一个数都称为矩阵的一个元素。
矩阵通常用大写字母表示,比如A、B、C等。
一个m×n的矩阵有m行n列,我们可以用A=(aij)表示,其中aij表示矩阵A的第i行第j列的元素。
矩阵的标准型是指将矩阵通过一系列变换化为特定形式的过程,这个特定形式通常更容易分析和计算。
接下来,我们来介绍矩阵标准型的性质。
对于一个n阶矩阵A,如果存在一个可逆矩阵P,使得P-1AP为对角矩阵,那么我们称矩阵A相似于对角矩阵,这个对角矩阵就是矩阵A的标准型。
对角矩阵的形式为:λ1 0 0 ... 0。
0 λ2 0 ... 0。
0 0 λ3 ... 0。
... ... ... ... ...0 0 0 ... λn。
其中λ1,λ2,...,λn为矩阵A的特征值。
矩阵标准型的存在性和唯一性是矩阵理论中的一个重要定理,它保证了我们可以通过相似变换将一个矩阵化为标准型,而且这个标准型是唯一的。
矩阵标准型在实际应用中有着重要的意义。
首先,它可以帮助我们分析矩阵的特征和性质。
通过将矩阵化为标准型,我们可以更清晰地看出矩阵的特征值和特征向量,从而更好地理解矩阵的行为和变换规律。
其次,矩阵标准型也为矩阵的计算和求解提供了便利。
对角矩阵的乘法和求逆运算都非常简单,这样一来,我们可以通过矩阵相似变换将复杂的矩阵问题化简为简单的对角矩阵问题,从而更容易求解和计算。
总之,矩阵标准型是矩阵理论中的一个重要概念,它通过相似变换将矩阵化为特定形式,帮助我们更好地理解和分析矩阵的性质和特征。
在实际应用中,矩阵标准型也为我们提供了便利,使得矩阵的计算和求解更加简单和高效。
矩阵的标准型怎么求

矩阵的标准型怎么求矩阵的标准型是线性代数中一个非常重要的概念,它可以帮助我们更好地理解和分析矩阵的性质。
在本文中,我们将介绍矩阵的标准型是什么,以及如何求解矩阵的标准型。
首先,让我们来了解一下矩阵的标准型是什么。
矩阵的标准型是指将一个矩阵通过相似变换化为特定形式的过程。
具体来说,对于一个n阶方阵A,存在一个非奇异矩阵P,使得P^-1AP是一个特定形式的矩阵。
这个特定形式的矩阵就是矩阵的标准型。
接下来,我们将介绍如何求解矩阵的标准型。
求解矩阵的标准型涉及到矩阵的相似对角化和特征值分解等概念。
具体步骤如下:1. 首先,我们需要求解矩阵A的特征值和特征向量。
特征值和特征向量的求解可以通过解特征方程来实现。
特征值求解完毕后,我们可以得到矩阵A的特征向量。
2. 接下来,我们需要构造特征向量矩阵P。
特征向量矩阵P是由矩阵A的特征向量构成的矩阵。
P的列向量是A的特征向量。
3. 然后,我们需要构造特征值对角矩阵Λ。
特征值对角矩阵Λ是一个对角矩阵,其对角线上的元素是矩阵A的特征值。
4. 最后,我们可以得到矩阵A的标准型。
矩阵A的标准型可以表示为P^-1AP=Λ,其中P是特征向量矩阵,Λ是特征值对角矩阵。
通过以上步骤,我们可以求解矩阵的标准型。
这个过程可以帮助我们更好地理解矩阵的性质,进而应用到实际问题中。
总之,矩阵的标准型是通过相似变换将矩阵化为特定形式的过程。
求解矩阵的标准型涉及到特征值和特征向量的求解,以及特征向量矩阵和特征值对角矩阵的构造。
这个过程对于我们理解和分析矩阵具有重要意义,也有助于我们应用到实际问题中。
希望本文的介绍能够帮助读者更好地理解矩阵的标准型,同时也欢迎大家对矩阵的标准型提出宝贵意见和建议。
矩阵的标准型是什么

矩阵的标准型是什么矩阵的标准型是线性代数中一个非常重要的概念,它可以帮助我们更好地理解矩阵的性质和结构。
在本文中,我们将深入探讨矩阵的标准型是什么,以及它的应用和意义。
首先,让我们来了解一下矩阵的标准型是什么。
矩阵的标准型是指一个矩阵经过相似变换后,可以化为特定形式的矩阵。
这个特定形式的矩阵通常是对角矩阵或者上三角矩阵。
对角矩阵是指除了对角线上的元素外,其他元素都为零的矩阵;而上三角矩阵是指除了对角线及其以下的元素外,其他元素都为零的矩阵。
通过相似变换,我们可以将一个矩阵化为其对角型或者上三角型,这样的形式更容易分析和计算。
其次,矩阵的标准型有着重要的应用价值。
在线性代数和矩阵论中,矩阵的标准型可以帮助我们更好地理解线性变换和矩阵的结构。
通过相似变换将矩阵化为标准型,可以简化矩阵的运算和分析,为我们解决实际问题提供了便利。
此外,矩阵的标准型还可以帮助我们求解线性方程组、研究线性空间的性质,以及分析线性变换的特征。
另外,矩阵的标准型对于理解矩阵的特征值和特征向量也具有重要意义。
矩阵的标准型与特征值和特征向量密切相关,通过相似变换可以将矩阵化为对角型,而对角型矩阵的对角线上的元素就是矩阵的特征值,对应的列向量就是矩阵的特征向量。
因此,矩阵的标准型可以帮助我们更好地理解和求解矩阵的特征值和特征向量,这对于矩阵的应用和理论研究具有重要的意义。
总之,矩阵的标准型是线性代数中一个重要而基础的概念,它可以帮助我们更好地理解和分析矩阵的性质和结构。
通过相似变换将矩阵化为标准型,可以简化矩阵的运算和分析,为我们解决实际问题提供了便利。
此外,矩阵的标准型还与特征值和特征向量密切相关,对于矩阵的特征值和特征向量的理解和求解有着重要的意义。
因此,深入理解和掌握矩阵的标准型对于我们学习和应用线性代数和矩阵论具有重要的意义。
矩阵的标准型与有理标准型

矩阵的标准型与有理标准型矩阵是线性代数中一个重要的概念,广泛应用于数学、物理学、计算机科学等各个领域。
在矩阵的理论中,标准型与有理标准型是两个基本的概念。
本文将从理论和实际应用两个角度来探讨矩阵的标准型与有理标准型的概念、性质和应用。
一、矩阵的标准型1.1 定义矩阵的标准型,简称为Sylvester标准型,是指对于一个给定的方阵,经过相似变换后可以转化为分块对角矩阵的形式。
该分块对角矩阵由若干个Jordan块组成。
1.2 性质(1)标准型是相似不变的,即两个相似的矩阵的标准型相同。
(2)标准型的存在性:对于一个可对角化的矩阵,其标准型就是该矩阵本身。
(3)标准型的唯一性:若存在两个标准型相同的相似矩阵,则这两个矩阵完全相似。
1.3 应用矩阵的标准型在线性代数的研究中具有重要意义。
它可以用于求解线性常微分方程组、线性差分方程等。
此外,标准型还可以用于求解矩阵的特征值、特征向量和矩阵的幂等等。
二、矩阵的有理标准型2.1 定义矩阵的有理标准型是指经过相似变换后可以转化为一个分块对角矩阵的形式,该分块对角矩阵由若干个有理矩阵组成。
2.2 性质(1)有理标准型是相似不变的。
(2)有理标准型的存在性:对于一个有限维的线性变换,必然存在有理标准型。
(3)有理标准型的唯一性:若存在两个有理标准型相同的相似矩阵,则这两个矩阵完全相似。
2.3 应用矩阵的有理标准型在控制理论、系统理论等领域有着广泛的应用。
它可以用于描述线性离散系统的特性、稳定性以及控制系统的稳定性分析、控制理论的设计等方面。
三、矩阵的标准型与有理标准型的关系3.1 标准型是有理标准型的一种特殊情况。
事实上,矩阵的有理标准型与标准型不同之处在于有理标准型中的分块矩阵的元素可以是有理矩阵,而标准型中的分块矩阵的元素只能是Jordan块。
3.2 标准型和有理标准型适用的范围也略有区别。
标准型更适用于线性方程组、线性常微分方程组等的求解,而有理标准型更适用于系统理论、控制理论等方面的应用。
矩阵化为标准型

矩阵化为标准型矩阵是线性代数中的重要概念,它在各个领域都有着广泛的应用。
在矩阵的运算中,将一个矩阵化为标准型是一个常见的问题,也是线性代数中的基础知识之一。
本文将介绍矩阵化为标准型的方法和步骤,希望能够帮助读者更好地理解和掌握这一概念。
首先,我们需要明确什么是矩阵的标准型。
矩阵的标准型是指将一个矩阵通过一系列基本的行变换,转化为特定的形式,这个形式通常是对角线上为非零元素,而对角线以下的元素都为零的形式。
这样的形式有助于我们更好地理解矩阵的性质和特点,也方便了后续的运算和分析。
接下来,我们将介绍如何将一个矩阵化为标准型。
首先,我们需要使用初等行变换,将矩阵化为行阶梯型或者行最简形式。
行阶梯型是指矩阵中非零行的首个非零元素(主元)在每一行中的列标号都严格递增的形式,而行最简形式是在行阶梯型的基础上,主元所在的列除了主元外其他元素都为零。
通过一系列的初等行变换,我们可以将一个矩阵化为行阶梯型或者行最简形式。
然后,我们需要进一步将行阶梯型或者行最简形式化为标准型。
这一步通常需要使用初等行变换和初等列变换,将矩阵中的主元移到对角线上,并且保持对角线以下的元素都为零。
经过一系列的初等变换,我们就可以将矩阵化为标准型。
需要注意的是,矩阵化为标准型的过程中,我们需要保持矩阵的等价性。
也就是说,经过一系列的初等行变换和初等列变换,矩阵的行空间和列空间不发生改变,这样我们才能保证矩阵的标准型是唯一的。
总之,将一个矩阵化为标准型是线性代数中的重要问题,它有着广泛的应用和深远的意义。
通过本文的介绍,相信读者对矩阵化为标准型有了更清晰的认识,也能够更好地应用和理解这一概念。
希望本文能够对读者有所帮助,谢谢阅读!。
将矩阵化为标准型

将矩阵化为标准型矩阵是线性代数中的重要概念,它在数学、物理、工程等领域都有着广泛的应用。
将一个矩阵化为标准型是矩阵理论中的一个重要操作,它可以帮助我们更好地理解和分析矩阵的性质。
在本文中,我们将介绍如何将一个任意的矩阵化为标准型,以及这一操作的意义和应用。
首先,我们来定义什么是矩阵的标准型。
一个矩阵的标准型是指将其化为一种特殊形式,使得矩阵中的元素在一定的规则下排列,从而更容易进行运算和分析。
通常情况下,我们将一个矩阵化为标准型的过程可以分为以下几个步骤。
第一步,对矩阵进行初等变换。
初等变换是指对矩阵进行一系列的行变换,包括交换两行、某一行乘以一个非零常数、某一行加上另一行的若干倍。
通过初等变换,我们可以将矩阵化为简化的形式,为下一步的操作奠定基础。
第二步,将矩阵化为阶梯形。
阶梯形矩阵是一种特殊的形式,其特点是矩阵的每一行的主元(即第一个非零元素)都在前一行的主元的右边,且每一行的主元所在的列都比前一行的主元所在列要大。
通过一系列的初等变换,我们可以将矩阵化为阶梯形,这样可以更方便地进行下一步的操作。
第三步,将矩阵化为最简形。
最简形矩阵是一种更加简化的形式,其特点是除了主元所在的列以外,其他列都是零。
通过一系列的初等变换,我们可以将阶梯形矩阵化为最简形,这样可以更清晰地展现矩阵的性质和结构。
通过以上三步操作,我们就可以将一个任意的矩阵化为标准型。
这种标准型的形式不仅更容易进行运算和分析,而且可以帮助我们更好地理解矩阵的性质和结构,为后续的研究和应用奠定基础。
将矩阵化为标准型在实际应用中有着广泛的意义。
例如,在线性代数中,我们经常需要对矩阵进行运算和分析,而标准型的形式可以使这些操作更加简便和直观。
在工程领域,矩阵的标准型也可以帮助工程师更好地理解和设计复杂的系统和结构。
在物理学中,矩阵的标准型可以帮助物理学家更好地理解和描述物理现象和规律。
总之,将矩阵化为标准型是矩阵理论中的一个重要操作,它可以帮助我们更好地理解和分析矩阵的性质。
矩阵理论第四章 矩阵的标准形

β = (0,1, −1)
T
综合上述, 综合上述,可得
0 1 0 2 0 0 0 2 1 , J = 0 1 1 P = A 1 −1 −1 0 0 1
例 4
标准型理论求解线性微分方程组 用 Jordan标准型理论求解线性微分方程组 标准型理论求解
T
−1 1 0 A = −4 3 0 1 0 2
由上例,存在可逆线性变换 x = P y 使得 由上例,存在可逆线性变换
P −1 AP = J A
其中
0 1 0 2 0 0 0 2 1 , J = 0 1 1 P = A 1 −1 −1 0 0 1
(1) ij
A−λi I
A−λi I
A−λi I
其中, p 其中,
( j = 1, 2, ⋯ , k i ) 是矩阵 A 关于特征 ( ni j ) (2) 的一个特征向量, 值 λ i 的一个特征向量, p i j , ⋯ , p i j 则称为 λ i ( ni j ) 广义特征向量,称 根向量。 为 λ i 的 ni j 级根向量。 的广义特征向量 称 p i j
所以原方程组变为
dy −1 d x −1 −1 =P = P A x = P AP y = J A y dt dt
即
d y3 d y1 d y2 = 2 y1 , = y2 + y3 , = y3 dt dt dt
解得
y1 = c1e , y2 = c2e + c3 t e , y3 = c3e ,
−1 1 0 −4 3 0 A= 1 0 2
解: A 特征值为 λ`1 = 2, λ`2 = λ`3 = 1 ,所以设
矩阵的标准型怎么求

矩阵的标准型怎么求矩阵的标准型是矩阵理论中的一个重要概念,它可以帮助我们更好地理解和分析矩阵的性质和特点。
在线性代数中,矩阵的标准型是指将一个任意的矩阵通过一系列相似变换,化为特定形式的矩阵。
本文将介绍矩阵的标准型的求解方法,希望能够帮助读者更好地理解和掌握这一概念。
首先,我们需要明确一些基本概念。
在矩阵理论中,相似矩阵是一个非常重要的概念。
如果存在一个可逆矩阵P,使得矩阵A和B满足关系B=P^(-1)AP,那么就称矩阵A和B是相似的,矩阵B称为矩阵A的相似标准型。
相似矩阵具有一些重要的性质,例如它们有相同的特征值和特征向量。
接下来,我们来讨论如何求解矩阵的标准型。
对于一个给定的矩阵A,我们的目标是通过相似变换,将其化为相似标准型。
具体的求解步骤如下:1. 首先,我们需要求解矩阵A的特征值和特征向量。
特征值和特征向量的求解是矩阵理论中的一个重要问题,可以通过求解矩阵A的特征方程来获得。
特征值和特征向量的求解可以采用各种方法,例如特征值分解、雅可比迭代等。
2. 接下来,我们将特征值和特征向量利用矩阵的对角化过程,将矩阵A对角化为对角矩阵。
对角化的过程可以通过矩阵的特征向量矩阵和特征值矩阵来实现,具体过程是通过矩阵相似变换的方式,得到对角矩阵。
3. 最后,我们将对角矩阵进一步化简为相似标准型。
对角矩阵的化简过程是通过矩阵的排列和化简规则来实现的,具体过程是将对角矩阵中的特征值按照一定顺序排列,并将相同特征值的特征向量进行组合,得到相似标准型。
通过上述步骤,我们就可以求解矩阵的标准型。
需要注意的是,矩阵的标准型不是唯一的,不同的相似变换可能会得到不同的标准型。
因此,在实际应用中,我们需要根据具体问题的需要,选择合适的相似变换,得到符合需求的标准型。
总之,矩阵的标准型是矩阵理论中的一个重要概念,它可以帮助我们更好地理解和分析矩阵的性质和特点。
通过求解矩阵的特征值和特征向量,利用对角化过程和化简规则,我们可以得到矩阵的标准型。
- 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)。
A ~ B E A ~ E B
2.3.2 Jordan标准形 ①一个n阶方阵可对角化的充要条件之一:A有n个线性无关的特征向量 或对A的每个k重特征值λ,矩阵λE-A的秩为n-k。 ②对应初等因子的Jordan块:对于初等因子方幂(λ-λi)ni,对应一个ni阶 方阵,称为Jordan块即 i 1 i Ji 1 i 1 i
见后面的提示 1
• 2.3 矩阵的相似标准形
• 2.3.3 有理标准形 • ①首一多项多项式的伴随矩阵(可类比由例2.2记忆证明):
对于n次首一多项式 () n a1n1 ... an1 an,其伴随矩阵为 n阶方阵
0 0 0 an an 1 C E n 1 a2 a1
0 1 0 1 0 1 1 0 A 0 4 3 0 1 0 2
A1 0 结论:准对角矩阵 A ,则相应的 0 A 2 J diag( J (1) , J ( 2 ) ),其中J (1)、J ( 2 )分别对应A1、A2
(区别于 1 、 2)
2
0 A2
提示1:A1的初等因子为 i和 i;A2的初等因子为 1、 1、 2
• 则对角线上多项式f1(λ)、f2(λ)、...、fr(λ)的所有一次因式(首一化)的方 幂组成A(λ)的初等因子组。 • 准对角阵法:A(λ)与一个准对角(分块对角)多项式矩阵等价即 • 则分块A1(λ)、A2(λ)、...、Ar(λ)初等因子的全体就是A(λ)的初等因子组。
A( ) ~ diag( A1 ( ), A2 ( ),...,Ar ( ))
• 2.2 特征矩阵的行列式因子及初等因子
• 2.2.2 初等因子 • ③等价定理:以下条件均可证明两个多项式方阵等价。
A( ) B( ) A( )、B( )有相同的各阶行列式因 子 A( )、B( )有相同的不变因子( Smith标准形) A( )、B( )有相同的秩和初等因子 组
• 2.3 矩阵的相似标准形
• 2.3.2 Jordan标准形 • ③Jordan标准形(理解会证明):已知n阶方阵A的特征矩阵λE-A的各初 s 等因子 nj
( j) , j 1,2,...,s, nj n
j 1
• 则A的一个Jordan标准形为 n J diag(J1 , J 2 ,...J s),J i为对应初等因子 ( j ) j 的Jordan块
• 2.2.2 初等因子 • ①定义:将每个特征矩阵λE-A的不变因子di(λ)可以分解为一次因子的方 t k 幂之乘积 d ( ) ( ) ij
i
j 1
j
ij ( ) • 其中每个一次因子方幂 称为λE-A的一个初等因子,λE-A的 j
k
全部初等因子称为其初等因子组。
• 2.1 特征矩阵及其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( )
0 0 0
0 0 0 0 1
• 2.3 矩阵的相似标准形
• • • • • • • • • 2.3.1 矩阵相似的充分必要条件 ①定义:A、B∈Cn×n,若存在n阶可逆矩阵P满足 B P 1 AP 则A、B相似,记为 A ~ B,P为相似变换矩阵。 性质:自反性、对称性、传递性。 ②充分必要条件:A、B的相应特征矩阵等价,即。
2 2
0~0 0 0 0 0
0
0 0 ( 1 -
0 0
0 0 0 2
0 1 0 0 0 A( ) 0 0 0 0 1
1 0 0 0 0 ~ 0 0 0
• 2.2 特征矩阵的行列式因子及初等因子
• 2.2.3 初等因子的求法 • ③示例:求以下多项式矩阵的初等因子 0 1 1 • 1)定义法(三阶以下) A( ) 4 3 0 0 2 1 • 2)对角阵法
0 0 A( ) 0 2 0 0 ( 1) 2 0 0
D1 ( ) d1 ( ), D2 ( ) d1 ( )d 2 ( ),...,Dn ( ) di ( )且Dn ( ) det(E A)
i 1 n
d1 ( ) D1 ( ), di ( )
Di ( ) (i 2) Di 1 ( )
• 2.1 特征矩阵及其Smith标准形
• 2.1.1 特征矩阵
• A的特征向量:λ为n阶方阵A的一个特征值,相应的特征向量为n阶非零向 量x∈Cn,满足 x Ax • ③性质: • 1)n阶方阵A有n个特征值(实矩阵可以有复数特征值) • 2)特征值之和等于A的迹,特征值之乘积为A的行列式值,即
• ②相关概念: • A的特征多项式:行列式即首一多项式 f ( ) det(E A) E A n a1n1 ... an1 an
其中a1 trA aii , an (1) n det A
i 1 n
• A的特征值:方程f(λ)=0的零点λi为A的特征值,k重零点为k重 特征值,全体特征值为A的谱。
• 2.2.3 初等因子的求法 • ①定义法。即先求A(λ)的Smith标准形或各阶行列式因子,进而确定A(λ) 的不变因子,然后确定其初等因子组。 • ②对角阵法:A(λ)与一个对角形多项式矩阵等价即
A( ) ~ diag( f1 ( ), f 2 ( ),..., f r ( ),0...,0)
• 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。
0 13 16 16 1 ;E A ~ 0 3 A 5 7 6 0 6 8 7 0 5 1 2 1 0
• 2.1.2 特征矩阵的Smith标准形
• ③代表矩阵——Smith标准形(法对角阵):
d1 ( ) d ( ) 2 S( ) diag( d1 ( ), d 2 ( ),...,d n ( )) d n ( )
• 1)特征: • 所有对角线上的非零元素均为λ的首一多项式;对角线上前一个非零元素 可以整除后一个元素,即为 di ( ) | di 1 ( ) • 对角线上零元素必在非零元之后出现。 • 2)定理:任何一个多项式方阵与一个Smith标准形等价。(会证明) • 3)特征矩阵的不变因子:对于n阶方阵的特征矩阵λE-A的Smith标准形
• 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
a 21 an1
a22
a11
a2 n ann
c
• 2.1.2 特征矩阵的Smith标准形
• ①初等变换:类似常数矩阵,多项式矩阵A(λ)也存在以下三类初等行(列) 变换,以下以行变换为例,列变换写在箭头下方。 • • • • 1)互换A(λ)的第i,j两行,记为 [ i ( a )] 2)A(λ)的第i行乘以非零常数a,记为 A( ) B ( ) [ i j ( )] A( ) B( ) 3)A(λ)的第j行乘以多项式φ(λ)加至第i行,记为 意义:一次初等行(或列)变换,相当于左乘(或右乘)一个可逆(单模 态)矩阵。
A( ) B( )
[i , j ]
• ②等价矩阵:若A(λ)经过有限次初等变换得到B(λ),A(λ)同B(λ)等价。即
B( ) P( ) A( )Q( ), P( )和Q( )分别为m阶和n阶单模态矩阵
• 结论:等价必等秩。 A( ) B( ) rankA rankB • 性质:自反性、对称性及传递性(P34)
S( ) diag(d1 ( ), d2 ( ),...,dn ( ))
• 中所有对角元素非零,记di(λ)为λE-A的第i个不变因子。 • 例子:
4 6 0 特征矩阵的Smith标准形及不变因子 3 5 0 3 6 1
• 2.2 特征矩阵的行列式因子及初等因子
• ②定理:对于n阶方阵,若特征矩阵λE-A的非常数的不变因子为
i ( ) ai1
ni
ni 1
... ai ( ni 1) aini, ni n
i 1
s
• 则A的有理相似形为
A ~ C diag(C1 , C2 ,...,Cs ), Ci为对应ni次非常数不变因式的 ni阶伴随矩阵
• 2.3 矩阵的相似标准形