第四章 矩阵的标准型
矩阵的标准形
矩阵的标准形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。
而矩阵的标准形则是对矩阵进行特征分解的一种形式，通过标准形可以更好地理解和描述矩阵的性质和特点。
本文将介绍矩阵的标准形及其相关概念。
首先，我们来看一下矩阵的定义。
矩阵是由m行n列元素组成的矩形数组，通常表示为A=[aij]m×n。
其中，aij表示矩阵A中第i行第j列的元素。
矩阵可以进行加法、数乘和乘法等运算，具有很强的代数性质。
接下来，我们介绍矩阵的相似性。
两个n阶矩阵A和B称为相似矩阵，如果存在一个非奇异矩阵P，使得P-1AP=B。
相似矩阵具有相同的特征值，但不一定有相同的特征向量。
相似矩阵在矩阵的相似变换和对角化等问题中有着重要的作用。
然后，我们引入矩阵的特征值和特征向量。
设A是n阶矩阵，如果存在一个数λ和一个非零向量X，使得AX=λX成立，则称λ是矩阵A的特征值，X是对应于特征值λ的特征向量。
特征值和特征向量是矩阵的重要性质，它们可以帮助我们理解矩阵的变换规律和特征。
接着，我们介绍矩阵的对角化。
对角化是一种重要的矩阵相似变换，通过对角化可以将一个矩阵化为对角矩阵的形式。
具体地，设A是n阶矩阵，如果存在一个非奇异矩阵P，使得P-1AP=Λ成立，其中Λ是对角矩阵，则称矩阵A是可对角化的。
对角化可以简化矩阵的运算和分析，是线性代数中的一个重要概念。
最后，我们来介绍矩阵的标准形。
设A是n阶矩阵，如果存在一个非奇异矩阵P，使得P-1AP=J成立，其中J是特殊形式的矩阵，则称J是矩阵A的标准形。
常见的标准形包括实标准形、实规范形、实若当形、复标准形等。
不同的标准形反映了矩阵的不同性质和结构，对于矩阵的分析和运用具有重要的意义。
总之，矩阵的标准形是矩阵理论中的一个重要内容，它可以帮助我们更好地理解和描述矩阵的性质和特点。
通过对矩阵的特征值、特征向量、相似性和对角化等概念的理解，我们可以更深入地研究矩阵的标准形及其应用。
希望本文对读者有所帮助，谢谢阅读！。
矩阵理论矩阵的标准型(ppt)
定义 3.1 设有 n 阶 –矩阵 A( ) 、 B( ) ，若可使 A( )B( ) B( )A( ) En
成立，则称 A( ) 为可逆的， B( ) 称为 A( ) 的逆矩 阵，记为 A1( ) ． 满秩的 –矩阵不一定可逆．
定理 3.1 n 阶 –矩阵 A( ) 可逆的充要条件是 A( ) 的行列式是一个非零常数．
–矩阵也有初等变换和初等矩阵．
–矩阵的初等行（列）变换，是指以下三种变换： 1．交换 A( ) 的第 i 行（列）与第 j 行（列）； 2．用非零的数 k 乘以 A( ) 的第 i 行（列）； 3．将 A( ) 的第 j 行（列）乘以一个多项式 ( ) 后，
加到第 i 行（列）上．
–矩阵的初等矩阵是指由一个单位矩阵经过一次 –矩阵的初等行（列）变换后所得的方阵．
还可注意到,如果两个 –矩阵等价,则其秩相等;反之则不然. 这也是 –矩阵与数字矩阵的不同之处.例如:
A(
)
0
1 1
,
B(
)
1 0
1
的秩相等,但不等价.
定理 3.3 若 rank(A()) r ，则
d1()
d2()
A()
D()Biblioteka dr ()00
其中 di ( ) | di1( ) ， i 1, 2, , r 1 (依次相除性)， di ( ) 为首 1 多项式， i 1, 2, , r . D( )为 A( ) 的等价标准形，称为 Smith 标准形.
定理 3.4 等价的 n 阶 -矩阵有相同的各阶行列式因子及 不变因子. 两个 n 阶 -矩阵等价当且仅当它们有相同的行列式因子 或相同的不变因子.
由此可知 n 阶 -矩阵的 Smith 标准形唯一.
矩阵的标准形式是什么
矩阵的标准形式是什么矩阵是线性代数中的重要概念，它在数学和工程领域中有着广泛的应用。
在研究矩阵的性质和特征时，我们常常需要将矩阵转化为其标准形式。
那么，矩阵的标准形式究竟是什么呢？本文将对此进行详细的介绍和解释。
首先，让我们来了解一下矩阵的基本概念。
矩阵是由 m 行 n 列元素组成的一个数表，通常记作 A=(aij)m×n。
其中，aij 表示矩阵 A 中第 i 行第 j 列的元素。
矩阵可以进行加法、数乘和乘法等运算，具有很强的代数性质。
接下来，我们来介绍矩阵的标准形式。
在线性代数中，矩阵的标准形式通常指的是特殊的形式，通过一系列的变换，可以将任意的矩阵转化为标准形式，从而更好地研究其性质和特征。
常见的矩阵标准形式包括行阶梯形、列阶梯形、对角形和标准型等。
首先，我们来介绍行阶梯形。
一个矩阵被称为行阶梯形，如果满足以下条件，首先，非零行（如果存在）在零行的上面；其次，每个非零行的首个非零元素为1；最后，每个非零行的首个非零元素所在的列，除了该元素外，其余元素都为0。
行阶梯形的矩阵可以帮助我们更好地理解矩阵的线性相关性和线性无关性。
其次，是列阶梯形。
一个矩阵被称为列阶梯形，如果其转置矩阵为行阶梯形。
列阶梯形的矩阵同样具有重要的性质，可以帮助我们进行矩阵的分解和求解。
接着，是对角形。
一个矩阵被称为对角形，如果除了对角线上的元素外，其余元素都为0。
对角形的矩阵在矩阵的对角化和特征值分解中有着重要的应用。
最后，是标准型。
一个矩阵被称为标准型，如果它是行阶梯形并且满足一定的特定条件。
标准型的矩阵可以帮助我们更好地理解矩阵的相似性和等价性。
总的来说，矩阵的标准形式是通过一系列的变换，将矩阵转化为特定的形式，以便更好地研究其性质和特征。
不同的标准形式在不同的领域和问题中有着重要的应用，对于深入理解矩阵的性质和特征具有重要的意义。
在实际应用中，我们常常需要将矩阵转化为其标准形式，以便进行进一步的分析和计算。
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。
矩阵的等价标准型
矩阵的等价标准型矩阵的等价标准型是指将任意一个矩阵通过一系列的行变换和列变换转化为一种特殊形式的矩阵，这种形式具有一定的规则和性质。
在代数学和线性代数中，矩阵的等价标准型通常有很多种形式，比如行最简形，列最简形，对角形等等。
下面我们将通过介绍这些形式以及相关的规则和性质，来详细解释矩阵的等价标准型。
一、行最简形行最简形是将一个矩阵经过一系列行变换转化为一个特殊形式的矩阵，这个形式具有以下特点：1. 在矩阵的每一行中，第一个非零元素（或称为主元素）之后的所有元素都为0；2. 每个主元素（非零元素）所在的列，除了主元素所在的行外，都为0。
行最简形的求解方法通常采用高斯消元法，通过与消去矩阵的上三角形部分进行相应的行变换，使得每一行的主元素都在该行的左侧，从而得到行最简形。
二、列最简形列最简形是将一个矩阵经过一系列列变换转化为一个特殊形式的矩阵，这个形式具有以下特点：1. 在矩阵的每一列中，第一个非零元素（或称为主元素）之上的所有元素都为0；2. 每个主元素（非零元素）所在的行，除了主元素所在的列外，都为0。
列最简形的求解方法与行最简形类似，也是通过高斯消元法中的列消去矩阵的上三角形部分进行相应的列变换，使得每一列的主元素都在该列的上方，从而得到列最简形。
三、对角形对角形是指一个矩阵通过一系列行变换和列变换转化成一个对角矩阵的形式，对角矩阵的特点是除了主对角线上的元素外，其它元素都为0。
对角形的等价标准型主要有以下几种：1. 主对角线上的元素按照非递增顺序排列；2. 主对角线上的元素按照非递增顺序排列，且每个非零元素都为1；3. 主对角线上的元素全部为1。
求解矩阵的对角形通常采用相似变换的方法，利用矩阵的特征值和特征向量的性质，通过相似变换将原矩阵转化为对角矩阵。
在矩阵的等价变换过程中，有几个重要的规则和性质值得注意：1. 行变换和列变换是等价的，即通过一系列的行变换可以得到的最简形与通过一系列的列变换可以得到的最简形是相同的；2. 行变换和列变换都不改变矩阵的秩；3. 矩阵的行最简形和列最简形可以同时存在，但不唯一；4. 矩阵的对角形不一定唯一，但主对角线上的元素是唯一确定的。
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。
什么叫标准型矩阵
什么叫标准型矩阵标准型矩阵是线性代数中的一个重要概念，它在数学和工程领域中有着广泛的应用。
在矩阵理论中，标准型矩阵是一种特殊的矩阵形式，具有一些特定的性质和特征。
本文将对标准型矩阵进行详细的介绍，包括其定义、特点、性质以及在实际应用中的意义。
首先，让我们来看一下标准型矩阵的定义。
标准型矩阵是指具有特定形式的矩阵，通常是指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，其余元素均为零的矩阵，而上三角矩阵则是指除了对角线及其以上的元素外，其余元素均为零的矩阵。
这些特殊的形式使得标准型矩阵具有一些重要的性质和特点，在矩阵运算和应用中具有重要的作用。
其次，标准型矩阵具有一些重要的性质。
首先，标准型矩阵是可逆的，即存在逆矩阵使得其乘积为单位矩阵。
其次，标准型矩阵的特征值可以通过其对角线上的元素直接得到，这对于矩阵的特征值分解和特征向量求解有着重要的意义。
此外，标准型矩阵在线性方程组的求解和矩阵变换中也具有重要的作用，可以简化复杂的运算和问题求解过程。
在实际应用中，标准型矩阵有着广泛的意义和应用价值。
首先，在工程领域中，标准型矩阵常常用于描述线性系统的动态特性和稳定性，例如控制系统的状态空间表示和传递函数求解。
其次，在数学建模和优化问题中，标准型矩阵可以简化问题的求解过程，提高计算效率和精度。
此外，在信号处理和图像处理领域，标准型矩阵也有着重要的应用，例如傅里叶变换和小波变换等。
总之，标准型矩阵是线性代数中的重要概念，具有重要的理论意义和实际应用价值。
通过对标准型矩阵的深入理解和研究，可以更好地应用和推广其在科学和工程领域中的作用，促进相关领域的发展和进步。
希望本文能够对读者对标准型矩阵有所帮助，同时也欢迎对该领域感兴趣的读者进行进一步的探讨和研究。
- 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)。
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 c3t e , y3 c3e ,
,p
( 2) ij
, , p
(1) ij
( ni j ) ij
)
Ap i j p i j J j ( i ) ，可知
( A iI ) p ( 2) ( 1) ( A i I ) pi j pi j ( A I ) p ( ni j ) p ( ni j 1) i ij ij
0 1 1
例 4
用 Jordan标准型理论求解线性微分方程组
d x1 d t x1 x2 d x2 4 x1 3 x2 dt d x3 x1 2 x3 dt
解：
方程组的矩阵形式为
dx Ax dt
dx dx1 dx2 dx3 T 这里 x ( x1 , x2 , x3 ) , ( , , ) , dt dt dt dt
p p 1
( 5) 13
p11
p12
p13
原理分析：
把 A 的同一个特征值的若干个Jordan块排列在一起， 就得到Jordan标准型
J A diag ( A1 ( 1 ), A2 ( 2 ), , At ( t )) ni
阶的Jordan子矩阵，有
( n 1 n 2 n t n)
不能正确算出广
D=
2 0 0 0 1 0 0 0 1
义特征向量！！
%ex401.m（续） A=[-1 1 0;-4 3 0; 1 0 2]; [P,J]= jordan(A) %使用内置的jodan函数 P= 0 0 -1
J= -2 -4 2 1 0 1
正确算出广义特
征向量！！
2 0 0
0 1 0
2 (1, 2, 1)
因此
A2 (1) 中只有一个Jordan块，即 1 1 A2 (1) 0 1
求解 ( A I ) 2 ，可得所需的广义特征向量
(0,1, 1)
T
综合上述，可得
0 1 0 P 0 2 1 , 1 1 1
其中
p i j ( j 1, 2, , ki ) 是 n ni j 阶矩阵。
由
A pi pi Ai (i )
，可知
A p i j p i j J j ( i ) ( j 1,2, , ki )
最后，根据 J j ( i ) 的结构，设
pi j ( p
由
(1) ij
p
( 2) 12
p
( 1) 13
p
( 2) 13
p
( 3) 13
p
( 4) 13
p p 1
( 5) 13
二、 Jordan标准型的一种简易求法
2 2 1 2 2 1 2 1 2 A ( ) 1 1 1 2
2t t 2t t
最后，由可逆线性变换 x P y 得原方程组的解
x1 c2e c3 t e t t x2 2c2e c3 (2t 1)e x c e 2 t c e t c ( t 1) e t 1 2 3 3
t t
%ex402.m 用dsolve求解符号微分方程组 syms t x1 x2 x3 %声明符号变量
( m1 m2 ms n)
则 V 可分解成不变子空间的直和
m1
m2
ms
V N1 排 N 2 ? N s mi 这里 N i Ker ((T i E ) )
适当选取每个子空间 N 的基（称为Jordan基）， i 则每个子空间的Jordan基合并起来即为 V 的Jordan
其中 Ai ( i ) 是 阶数为
ni j
( n i 1 n i 2 n i k i n i )的
ki 个
Jordan块，即
Ai ( i ) diag ( J1 ( i ), J 2 ( i ), , J k i ( i ))
根据 J A 的结构，将Jordan变换矩阵 P 列分块为
f ( z ) ai z ( z z1 ) ( z z2 ) ( z zs )
i m1 m2 i 0
n
ms
定理 1
设 T 是复数域 C 上的线性空间 V 上的 线性变换 。令 T 在 V 的一组基下的矩阵表示
为 A ，如果 A 的特征多项式可分解因式为
( ) ( 1 ) ( 2 ) ( s )
A1 (2) JA
因为特征值
A2 (1)
`1 2 为单根，所以 A1 (2) 2
并从 ( A 2 I ) x 解得对应的特征向量为
1 (0,0,1)
T
对于二重特征值
`2 `3 1 ，由 ( A I ) x
T
只解得唯一的特征向量为
( j 1, 2, , ki ) 是矩阵 A 关于特征 ( ni j ) ( 2) 值 i 的一个特征向量， pi j ,, pi j 则称为 i ( ni j ) 的广义特征向量,称 pi j 为 i 的 ni j 级根向量。
其中， p
当所有的
n i j 1 时，可知 k i n i ，此时矩阵没
§1、矩阵的Jordan标准型
由于一般矩阵与对角矩阵不相似，因此我 们“退而求其次”，寻找“几乎对角的” 矩阵。这就引出了矩阵在相似下的各种标 准型问题，其中Jordan标准型是最接近 对角的矩阵，只在第1条对角线上取1或0。 弄清楚了矩阵相似的本质，理论上、计算 上以及应用上的许多问题就容易处理了， 当然花费也大了。
, 1 i mi mi
i 1, 2, , s
A C 。如果 A 的特征多项式可 分解因式为 ( ) ( ) m 1 ( ) m s 1 s
定理 2 设
nn
( m1 m2 ms n)
则 A 可经过相似变换化成唯一的 Jordan标准型 J (不计Jordan块的排列次序)，即存在可逆矩阵(称为 Jordan变换矩阵) P C nn 使
2 0 0 JA 0 1 1 0 0 1
%ex401.m A=[-1 1 0;-4 3 0; 1 0 2]; [V,D]= eig(A) %应该使用内置的jodan函数 V=
0 0.4082 0.4082 0 0.8165 0.8165 1.0000 -0.4082 -0.4082
第四章 矩阵的标准型
标准型的理论源自矩阵的相似性，因为相 似矩阵有许多相似不变量：特征多项式、特征 值（包括代数重数和几何重数）、行列式、迹 及秩等，并且特征向量也可以借助于可逆的相 似变换矩阵互相求出。这自然导出了寻找相似 矩阵集合中的“代表矩阵”的问题。“代表矩 阵”当然越简单越好。对于可对角化矩阵， “代表矩阵”就是特征值组成的对角矩阵。特 别地，对于正规矩阵，可逆的相似变换矩阵特 殊化为酉矩阵或正交矩阵。但是令人非常遗憾 的是：一般矩阵未必与对角矩阵相似！！！
一、 从算术基本定理到Jordan标准型
我们知道，360的素因子有2，3，5，并且
360 2 3 5
3 2
一般地，对于整数，我们有算术基本定理： ms m1 m2 n p1 p2 ps 对于多项式，高斯在博士论文中证明了复数域是代数 封闭的，即对于n次多项式，成立代数基本定理：
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
P AP J A
其中
1
0 1 0 P 0 2 1 , 1 1 1
2 0 0 JA 0 1 1 0 0 1
P ( p 1 , p 2 , , p t )
其中
pi
是 n n i 阶的矩阵。
由
AP P J A
，可知
A p i p i Ai ( i ) ( i 1, 2, , t )
进一步，根据 A i ( i ) 的结构，将
pi
列分块为
p i ( p i 1 , p i 2 , , p i ki )
J 2 ( 1 ) ( n12 2) 2 1 A ( ) 1 1 2 1 2 1 2 1 3 1 2 13
J ( )
( n 5)
p
(1) 11
p
(1) 12
p
( 2) 12
p
(1) 13
p
( 2) 13
p
( 3) 13
p
( 4) 13
1 2
p
(1) 11
p
(1) 12
p
( 2) 12
p
( 1) 13
p
( 2) 13
p
( 3) 13
p
( 4) 13
p p 1
( 5) 13
二、 Jordan标准型的一种简易求法
2
J1 ( 1 ) ( n11 1)
2 1 2
P AP J
或者 A 有Jordan分解
1
A PJP
1
二、 Jordan标准型的一种简易求法
2 2 1 2 2 1 2 1 2 A ( ) 1 1 1 2