第三章矩阵的标准型

合集下载

矩阵理论(第三章矩阵的标准型)

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

矩阵的等价标准型

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等价标准型的概念、性质和计算方法。

首先,让我们来了解一下矩阵的等价标准型是什么。

矩阵的等价标准型是指对于任意一个矩阵A,存在一个可逆矩阵P和对角矩阵D,使得P^-1AP=D。

其中对角矩阵D是一个对角线上元素非零,其他元素均为零的矩阵。

而矩阵P是一个可逆矩阵,它的列向量是矩阵A的特征向量。

接下来,我们来讨论一下矩阵的等价标准型的性质。

首先,矩阵的等价标准型是唯一的。

也就是说,对于一个矩阵A,它的等价标准型D是唯一的。

其次,矩阵的等价标准型可以帮助我们更好地理解矩阵的特征值和特征向量。

通过计算矩阵的等价标准型,我们可以得到矩阵的特征值和特征向量,进而揭示矩阵的性质和结构。

那么,如何计算矩阵的等价标准型呢?计算矩阵的等价标准型通常可以分为以下几个步骤,首先,求出矩阵A的特征值和特征向量;然后,构造矩阵P,使得P的列向量是矩阵A的特征向量;最后,构造对角矩阵D,使得D的对角线元素是矩阵A的特征值。

通过这些步骤,我们就可以得到矩阵A的等价标准型。

最后,让我们来总结一下矩阵的等价标准型的重要性。

矩阵的等价标准型可以帮助我们更好地理解矩阵的性质和结构,进而应用于线性代数、微分方程、控制理论等领域。

通过计算矩阵的等价标准型,我们可以得到矩阵的特征值和特征向量,揭示矩阵的内在规律,为我们解决实际问题提供了重要的数学工具。

总之,矩阵的等价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。

通过深入学习和理解矩阵的等价标准型,我们可以更好地应用于实际问题中,为我们的科研和工程实践提供重要的数学支持。

希望本文对您有所帮助,谢谢阅读!。

矩阵的标准形

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!。

将矩阵化为标准型

将矩阵化为标准型

将矩阵化为标准型在线性代数中,矩阵是一个非常重要的概念,它在各个数学领域和工程领域都有着广泛的应用。

矩阵的标准型是指将一个矩阵通过一系列的行变换和列变换,转化为特定的形式,便于进行进一步的计算和分析。

本文将介绍如何将一个矩阵化为标准型的方法和步骤。

首先,我们需要了解什么是矩阵的标准型。

对于一个m×n的矩阵A,它的标准型可以表示为R=UAV,其中U是一个m×m的可逆矩阵,V是一个n×n的可逆矩阵,而A是一个m×n的矩阵,R是一个m×n的矩阵,且R的非零元素都在主对角线上方。

这样的标准型可以简化矩阵的形式,便于进行进一步的计算和分析。

接下来,我们将介绍如何将一个矩阵化为标准型。

首先,我们需要进行初等行变换和初等列变换,将矩阵A化为行阶梯形矩阵。

行阶梯形矩阵是指矩阵的每一行的第一个非零元素出现在前一行第一个非零元素的右边,并且每一行的零元素都在非零元素的下方。

通过一系列的初等行变换,我们可以将矩阵A化为行阶梯形矩阵。

然后,我们需要进一步将行阶梯形矩阵化为标准型。

这一步需要利用初等行变换将矩阵化为最简行阶梯形矩阵。

最简行阶梯形矩阵是指行阶梯形矩阵中每个主元素都是1,且每个主元素所在的列除了主元素外都是0。

通过一系列的初等行变换,我们可以将行阶梯形矩阵化为最简行阶梯形矩阵。

最后,我们需要利用初等列变换将最简行阶梯形矩阵化为标准型。

这一步需要将最简行阶梯形矩阵中每个主元素所在的列除了主元素外都是0的性质保持不变的情况下,将最简行阶梯形矩阵化为标准型。

通过一系列的初等列变换,我们可以将最简行阶梯形矩阵化为标准型。

在这个过程中,我们需要注意矩阵的行变换和列变换的顺序,以及每一步变换的具体操作。

同时,我们还需要注意矩阵的秩和零空间等相关概念,这些都对矩阵化为标准型起着重要的作用。

总之,将一个矩阵化为标准型是一个重要且复杂的过程,需要通过一系列的行变换和列变换,将矩阵化为特定的形式,便于进行进一步的计算和分析。

怎么求矩阵的标准型

怎么求矩阵的标准型

怎么求矩阵的标准型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。

在实际应用中,求矩阵的标准型也是一个常见的问题。

本文将介绍如何求解矩阵的标准型,并通过实例进行详细说明。

首先,我们需要明确什么是矩阵的标准型。

矩阵的标准型是指通过相似变换将矩阵化为一种特殊形式,使得矩阵具有更简洁的形式,方便我们进行进一步的分析和运算。

对于一个n阶矩阵A,如果存在可逆矩阵P,使得P^-1AP为对角矩阵或者上三角矩阵,那么我们称P^-1AP为矩阵A的标准型。

接下来,我们将介绍如何求解矩阵的标准型。

首先,我们需要找到矩阵A的特征值和特征向量。

通过求解矩阵A的特征方程det(A-λI)=0,我们可以得到矩阵A的n个特征值λ1,λ2,...,λn。

然后,我们针对每个特征值,求解对应的特征向量。

对于特征值λi,我们需要求解方程组(A-λiI)xi=0,其中xi为特征向量。

接着,我们将特征值和特征向量整理成特征对(λi,xi),并根据特征值的重数,将特征对进行分类。

对于每个特征值λi,如果其重数为r,那么我们可以得到r个线性无关的特征向量,构成一个r维的特征子空间。

这些特征子空间的维数之和等于矩阵A的阶数n。

接下来,我们需要将特征向量整理成一个矩阵P,其中P的列向量为特征向量。

然后,我们可以得到P^-1AP的形式,其中对角线上的元素为矩阵A的特征值,非对角线上的元素为零。

这就是矩阵A的标准型。

在实际操作中,我们可以利用计算机软件来求解矩阵的标准型,例如MATLAB、Python中的NumPy库等。

这些工具可以帮助我们快速准确地求解矩阵的标准型,节省大量的时间和精力。

最后,让我们通过一个实例来进一步理解求解矩阵的标准型的过程。

假设我们有一个3阶矩阵A如下:A = [[2, 1, 1],。

[0, 3, 1],。

[0, 1, 3]]首先,我们求解矩阵A的特征值和特征向量。

通过求解特征方程det(A-λI)=0,我们可以得到特征值λ1=1,λ2=3,λ3=4。

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。

求矩阵的标准型

求矩阵的标准型

求矩阵的标准型矩阵的标准型是线性代数中一个重要的概念,它可以帮助我们更好地理解和分析矩阵的特性。

在本文中,我们将探讨矩阵的标准型的定义、性质和计算方法,希望能够对读者有所帮助。

首先,让我们来了解一下矩阵的标准型是什么。

矩阵的标准型是指对角线上有元素,且非零元素都在对角线上方的一种特殊形式。

对于一个n阶矩阵A,如果存在一个可逆矩阵P,使得P^-1AP是标准型矩阵,那么我们称P^-1AP是矩阵A的标准型。

接下来,我们来看一下矩阵的标准型的性质。

首先,矩阵的标准型是唯一的,这意味着对于一个矩阵A,它的标准型是确定的,不会因为选择不同的可逆矩阵P而改变。

其次,矩阵的标准型的对角线上的元素称为矩阵A的特征值,而对角线上方的非零元素则是对应于特征值的特征向量。

最后,矩阵的标准型可以帮助我们更好地理解矩阵的结构和特性,从而简化矩阵的运算和分析。

在计算矩阵的标准型时,我们可以使用相似对角化的方法。

具体来说,我们可以先求出矩阵A的特征值和特征向量,然后构造特征向量矩阵P,使得P^-1AP是对角矩阵。

这样,我们就得到了矩阵A的标准型。

除了相似对角化的方法外,我们还可以使用初等变换和相似变换的方法来计算矩阵的标准型。

这些方法在具体应用中有不同的适用场景,读者可以根据具体情况选择合适的方法来计算矩阵的标准型。

总之,矩阵的标准型是线性代数中一个重要的概念,它可以帮助我们更好地理解和分析矩阵的特性。

通过对矩阵的标准型的定义、性质和计算方法的了解,我们可以更好地应用这一概念,解决实际的问题。

希望本文能够对读者有所帮助,谢谢!PS: 文档内容中禁止出现与主题无关的内容(如广告、联系方式、商业化、网站链接、搬运痕迹等)。

矩阵的等价标准型

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线性代数中一个重要的概念,它可以帮助我们更好地理解和分析矩阵的性质和特点。

在矩阵的等价标准型中,我们将会介绍矩阵的等价关系、相似矩阵、对角化矩阵等相关概念,以及如何求解矩阵的等价标准型。

首先,让我们来了解一下矩阵的等价关系。

对于两个矩阵A和B,如果存在可逆矩阵P和Q,使得A=PBQ,那么我们称矩阵A和B是等价的。

换句话说,两个矩阵经过一系列的相似变换之后得到的结果是相同的,那么这两个矩阵就是等价的。

等价关系是一种等价关系,它具有自反性、对称性和传递性。

接下来,我们来介绍相似矩阵的概念。

如果存在可逆矩阵P,使得B=PAP^(-1),那么我们称矩阵A和B是相似的。

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。

因此,相似矩阵在矩阵的对角化和矩阵的相似性分析中具有重要的作用。

然后,让我们来看一下对角化矩阵。

对角化矩阵是一种特殊的相似矩阵,它可以化为对角矩阵的形式。

对角化矩阵具有简洁的形式,可以帮助我们更好地理解和分析矩阵的性质。

对角化矩阵的存在性和求解方法是矩阵理论中的重要问题,它涉及到矩阵的特征值和特征向量的计算,以及矩阵的对角化条件和对角化矩阵的构造方法。

最后,让我们来讨论如何求解矩阵的等价标准型。

对于一个给定的矩阵,我们可以通过一系列的相似变换,将它化为等价标准型。

等价标准型可以帮助我们更好地理解矩阵的结构和性质,它是矩阵理论中的一个重要概念。

求解矩阵的等价标准型涉及到矩阵的相似对角化和矩阵的等价关系的分析,需要运用特征值分解、相似对角化和矩阵的等价关系等相关知识和方法。

总之,矩阵的等价标准型是矩阵理论中的一个重要概念,它涉及到矩阵的等价关系、相似矩阵、对角化矩阵等相关概念,以及如何求解矩阵的等价标准型。

通过对矩阵的等价标准型的学习和掌握,可以帮助我们更好地理解和分析矩阵的性质和特点,为进一步深入研究矩阵理论和应用奠定基础。

  1. 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. 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. 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)。
零常数。
矩阵的初等变换
定义4 初等变换 (1)对换两行(列); (2)某行(列)乘上非零的常数k;
(3) 某一行(列)的()倍加到另一行,其中()是的多项式
对应三种初等变换,有三种初等矩阵P(i,j).P(i(k)),P(i,j())
(1)做一次初等行(列)变换,相当于左(右)乘相应的初等 矩阵; (2)初等矩阵都是可逆的:
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。但是令人非常遗憾的是:一般矩阵未必与对角矩阵相 似!!!
rank(A())=r
➢ 数字矩阵A的特征矩阵I-A是的n次行列式,所以是
满秩的。
矩阵的逆
定义3 设A() P[] mn,如果存在一个n阶矩阵B()使得 A()B() =B() A()=I
则称A()可逆, B()为A()的逆矩阵记作A()-1。 定理1 设A() P[] mn,A()可逆的充要条件是|A() |是非
0 0 ( 1)2 ( 1)2 2 ( )
( 1) 0
0
( 1)2 ( 1)3 3( )
故D2( ) ( 1) 最后 D3() = det (A()) = 2(+1)3
行列式因子和不变因子的关系
设矩阵A()的Smith标准形为
d1( )
dr ()
0
0
其中di() (i=1,2…r)是首项系数是1的不变因子,
, , 2 , 1, ( 1) 2 , ( 1)3 , ( 1) 2 , ( 1) 3 , ( 2 )
, , 2, -1, (-1)2, (-1)3, (+1)2, (+1)3, -2
反过来,如果知道了A()的秩和初等因子,因为A()的秩
确定了不变因子的个数,则同一个一次因式的方幂做成的
A()=Pl()… P1()B() Q1()Q2()… Qt()
3. 矩阵在相抵下的标准型
定理 对任意一个秩为r的mn 阶-阵A(),都相抵于一个标
准型
d1( )
d2( )
0
A(
)
0
dr ()
0
di()为首项系数为1的多项式,且di() |di+1() 定义6 该标准型称为A()在相抵下的标准型或Smith标准型; 称smith标准型“主对角线”上非零元d1(),d2(),dr() 为A()的 不变因子
解:
A(
)
( 1)2
( 1)
c2 c3
( 1)2
( 1)
( 2)r2r3
( 2) 1
( 1)
r3r2
3 22 3 0
( 2) 1
( 1)
( 2)c3 c2
( 1)2
1
1
( 1)
( 1)2
§3 矩阵的行列式因子和初等因子
定义1 设A() P[] mn,且rank(A())=r,对于正
1. 矩阵的基本概念
定义1 元素为的多项式的矩阵称为-矩阵,记为A()。 即A()=(aij())mn(i=1,2,…m;j=1,2,..n),其中aij()是数域P 上的多项式。多项式aij()的最高次数称为A()的次数, 数域P上全体mn的-矩阵记为P[] mn.
注:数字矩阵是-矩阵的特例。 数字矩阵A的特征矩阵I-A是1次-矩阵。
§2 矩阵及其在相抵下的标准型
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。
e22 e2s
er2 ers
定义2 在不变因子的分解式中,所有指数大于0的因子
( j )eij , eij 0, i 1,...r, j 1,2,...s
称为矩阵A()的初等因子。
注:在A()的秩已知的情况下,不变因子和初等因子相互确 定
例3 如果矩阵A()的不变因子为 d1( ) 1, d2( ) ( 1), d3 ( ) ( 1)2 ( 1)2 d4 ( ) 2 ( 1)3 ( 1)3 ( 2) 则A()的初等因子为
0
2
[32( )]
1 0
0
0
2
0 2
0 0 3
1 0 0
1 0 0
[32( )] 0
0
[3( 1)]
0
0
0 0 3
0 0 3
不变因子: d1( )
d2( )
d3( )
例2
( 1)
A(
)
( 1)2
将其化成Smith标准形。
( 1)
第三章 矩阵与矩阵的Jordan标准形
( -matrix and Jordan Canonical Form)
教学目的
➢ 理解矩阵的定义及不变因子 ➢ 掌握用初等变换的方法化矩阵为Smith标准形 ➢ 理解行列因子、初等因子及相关理论 ➢ 掌握求矩阵的Jordan标准形的方法 ➢ 了解Cayley -Hamilton定理
它们有相同的行列式因子,或它们有相同的不变因子。
一般来说应用行列式因子求不变因子较复杂,但对一些特 殊的矩阵先求行列式因子再求不变因子反而简单。
例2 求下列矩阵的行列式因子和不变因子
i
A(
)
1
i
1
其中i是数域P中的常数。
1
i
mm
解 由于A()的一个m-1阶子式
1
i 1
i 1
整数k (1≤k ≤ r),A()中的全部k阶子式的最大公因
式称为A()的k阶行列式因子,记为Dk().
定理1 相抵的矩阵有相同的秩和相同的各阶行列
式因子
例1 求矩阵
( 1)
A(
)
( 1)2
的各阶行列式因子。
解 由于((+1)2,)=1,所以D1()=1 ( 1) 0 0 2 ( 1) 1( ),
部初等因子。 ➢该定理可以推广到n个分块的情形
例4 求
2 0 0
0
A( )
0 0
0
0
0 ( 1)2 1
0 0 2 2
的Smith标准型解记 那么A1源自) 2 , A2 () A3
()
( 1)2
2
1 2
A1( )
A(
)
A2 ( )
A3 ( )
因为 A1()的初等因子为 , +1; A2()的初等因子为 , A3()的初等因子为, -1, +1;
2
1
2 1 2
2 1
2
1 [31(1)] 0
0
2 1 2
2
1
[21(21)] 0
2 [31( )]
0
0
2 2
0
2
[1 2(1)]
1 0
0
2
0
1 0
[2,3] 0
0
2
0 2
0 2
1 [2(1)] 0
0
ik
➢可使用归纳法证明
设Jordan形矩阵
➢ 矩阵的加法、减法、乘法和数乘运算同数字矩阵
的对应运算有相同的运算定律。
➢ 数字矩阵行列式的定义也可应用到矩阵,且性质
相同。
➢ n阶矩阵的行列式是的多项式,且满足 |A()B()|=|A() ||B()|
矩阵的秩
定义2 设A() P[] mn,如果A()中有一个r阶子式不 为零,而所有r+1阶子式全为零,称A()的秩为r,记为
(1)m1
故Dm-1()=1,根据行列式因子的依次整除性,有 D1()=D2()=…=Dm-2()=1
而Dm()=(- i)m,因此A()的不变因子为 d1()=d2()=…=dm-1()=1,dm()=(- i)m
初等因子
设矩阵A()的不变因子为d1(),d2(),…dr() ,在复数域内
将它们分解成一次因式的乘积
对应于特征值i 仅有一个线性无关的特征向量
(3) Ji 有唯一的初等因子 ( i )ni ;
Jordan 块Ji的性质
(4)
ik
C1 k1 ki ik
C 2 k2 ki
C1 k1 ki
ni 1
C k
ni 2
C k
k ni 1 i
k ni 2 i
J
k i
C ni ni
ik
C1 k1 ki
P(i,j)-1=P(i,j).P(i(k))-1=P(i(k-1)),P(i,j())-1=P(i,j(-))
相抵(等价)
定义5 设A(), B() P[] mn,若A()经有限次行、列初等 变换化为B(),称A()与B()相抵(等价) ,记为A()B()
定理2 设A(), B() P[] mn,A()与B()相抵的充要条件 是存在m阶初等矩阵P1(), P2(),… Pl(),与n阶初等矩阵 Q1(), Q2(),… Qt(), ,使得
例1 求矩阵
1 A( )
2 1
2 1 2
2 1
2
的Smith标准形
解题思路:
经过一系列初等行变换或初等列变换使得左上角 的元素次数逐渐降低,最后降低到可以整除其余所有 的元素。
解:
1 A( )
2 1
2 1 2
2 1
相关文档
最新文档