将学习到什么

从 Jordan 标准型出发,能够获得非常有用的信息.


Jordan 矩阵的构造

Jordan 矩阵
\begin{align}
J=\begin{bmatrix} J_{n_1}(\lambda_1) & & \\ & \ddots & \\ && J_{n_k}(\lambda_k) \end{bmatrix} , \quad n_1+n_2+\cdots+n_k = n
\end{align}
有确定的构造,这种构造使得与之相似的任何矩阵都显然具有某些基本性质:

  • Jordan 块的个数 \(k\) (计入同样的 Jordan 块出现的次数)就是 \(J\) 的线性无关的特征向量的最大个数
  • 矩阵 \(J\) 可以对角化,当且仅当 \(k=n\), 即当且仅当所有的 Jordan 块都是 \(1\times 1\) 的
  • 与一个给定的特征值对应的 Jordan 块的个数就是该特征值的几何重数,它也就是其相伴的特征空间的维数. 与一个给定的特征值对应的所有 Jordan 块的阶之和就是它的代数重数
  • 设 \(A\in M_n\) 是一个给定的非零矩阵,假设 \(\lambda\) 是 \(A\) 的一个特征值. 利用Jordan 标准型定理中式 (8) 的定义,我们知道存在某个正整数 \(q\) ,使得
    \begin{align}
    r_1(A,\lambda) > r_2(A,\lambda) >\cdots >r_{q-1}(A,\lambda) >r_q(A,\lambda)=r_{q+1}(A,\lambda)
    \end{align}
    这个整数 \(q\) 就是 \(\lambda\) 作为 \(A\) 的特征值的指数;它也是 \(A\) 的以 \(\lambda\) 为特征值的最大 Jordan 块的阶.

矩阵与其转置的相似性

设 \(K_m\) 是 \(m\times m\) 反序矩阵(就是把单位矩阵 \(I_m\) 旋转 \(90^{\circ}\)), 它是对称的且是对合(\(A^2=I\))的:\(K_m=K_m^T=K_m^{-1}\).
可以验证 \(K_m J_m(\lambda)=J_m(\lambda)^T K_m\) 以及 \(J_m(\lambda) K_m=K_m J_m(\lambda)^T\), 从而 \(K_m J_m(\lambda)\) 与 \(J_m(\lambda) K_m\) 是对称的,且 \(J_m(\lambda)=K_m J_m(\lambda)^T K_m\),所以每一个 Jordan 块都相似于它的转置(通过一个反序矩阵). 这样一来,如果 \(J\) 是给定的 Jordan 矩阵,那么 \(J^T\) 与 \(J\) 通过对称的对合矩阵 \(K=K_{n_1}\oplus \cdots \oplus K_{n_k}\) 而相似:\(J^T=KJK\). 如果 \(S\in M_n\) 是非奇异的(不一定对称)且 \(A=SJS^{-1}\), 那么 \(J=S^{-1}AS\),
\begin{align}
A^T &=S^{-T}J^TS^T=S^{-T}KJKS^T=S^{-T}K(S^{-1}AS)KS^T \notag \\
&= (S^{-T}KS^{-1})A(SKS^T)=(SKS^T)^{-1}A(SKS^T)
\end{align}
且使得 \(A\) 与 \(A^T\) 之间的相似矩阵 \(SKS^T\) 是对称的. 这就证明了如下定理:
 
  定理 1: 设 \(A\in M_n\). 则存在一个非奇异的复对称矩阵 \(S\), 使得 \(A^T=SAS^{-1}\).
 
若记
\begin{align}
A=SJS^{-1}=(SKS^T)(S^{-T}KJS^{-1})=(SJKS^T)(S^{-T}KS^{-1})
\end{align}
其中 \(KJ\) 与 \(JK\) 是对称的, 等式是凑的,拆开一合并就成立了. 这一结论证明了如下的定理:
 
  定理 2: 每一个复方阵都是两个复对称矩阵的乘积,可以选择其中任一个因子是非奇异的.
 
对任意的域 \(\mathbf{F}\),已知 \(M_n({\mathbf{F}})\) 中的每个矩阵都可以通过 \(M_n({\mathbf{F}})\) 中某个对称矩阵相似于它的转置. 特别地,每一个实方阵都可以通过某个实对称矩阵与其转置相似.

几何重数-代数重数不等式

给定 \(A\in M_n\) 的一个特征值 \(\lambda\) 的几何重数是 \(A\) 的与 \(\lambda\) 对应的 Jordan 块的个数. 这个数小于或者等于与 \(\lambda\) 对应的所有 Jordan 块的阶之和,而这个和就是 \(\lambda\) 的代数重数. 于是,特征值的几何重数小于或者等于它的代数重数. 一个特征值 \(\lambda\) 的几何重数与代数重数相等,即 \(\lambda\) 是一个半单的特征值,当且仅当与 \(\lambda\) 对应的每一个 Jordan 块都是 \(1\times 1\) 的.

直和的 Jordan 标准型

设对 \(i=1,\cdots,m\) 给定 \(A_i\in M_{n_i}\), 并假设每一个 \(A_i=S_iJ_iS_i^{-1}\), 其中每一个 \(J_i\) 是一个 Jordan 矩阵. 这样,直和 \(A=A_1 \oplus \cdots \oplus A_m\) 就通过 \(S=S_1 \oplus \cdots \oplus S_m\) 相似于直和 \(J=J_1 \oplus \cdots \oplus J_m\). 此外, \(J\) 是 Jordan 块的直和的直和,所以它是一个 Jordan 矩阵,从而 Jordan 标准型的唯一性就保证了它是 \(A\) 的 Jordan 标准型.

秩 1 摄动的 Jordan 标准型

关于秩 1 摄动的特征值的 Brauer 定理对于 Jordan 块有类似的结论:在某种条件下,复方阵的一个特征值可能通过一个秩 1 摄动几乎任意地加以变动而不破坏该矩阵的 Jordan 结构的其余部分.
 
  定理 3:设 \(n \geqslant 2\), 又令 \(\lambda,\lambda_2,\cdots,\lambda_n\) 是 \(A\in M_n\) 的特征值. 假设存在非零的向量 \(x,y \in \mathbb{C}^n\), 使得 \(Ax=\lambda x\), \(y^*A=\lambda y^*\), 且 \(y^*x \neq 0\). 那么
  (a) 对某些正整数 \(k,n_1,\cdots,n_k\) 以及某个 \(\{v_1,\cdots,v_k\} \subset \{\lambda_2,\cdots,\lambda_n\}\), \(A\) 的 Jordan 标准型是
\begin{align}
[\lambda]\oplus J_{n_1}(v_1) \oplus \cdots \oplus J_{n_k}(v_k)
\end{align}
  (b) 对任何满足 \(\lambda+v^*x \neq \lambda_j(j=2,\cdots,n)\) 的 \(v \in \mathbb{C}^n\), \(A+xv^*\) 的 Jordan 标准型是
\begin{align}
[\lambda+v^*x]\oplus J_{n_1}(v_1) \oplus \cdots \oplus J_{n_k}(v_k)
\end{align}

转载于:https://www.cnblogs.com/zhoukui/p/7799242.html

Jordan 标准型的推论相关推荐

  1. Jordan 标准型定理

    将学习到什么 就算两个矩阵有相同的特征多项式,它们也有可能不相似,那么如何判断两个矩阵是相似的?答案是它们有一样的 Jordan 标准型. Jordan 标准型定理 这节目的:证明每个复矩阵都与一个本 ...

  2. 矩阵分析 第二章 lambda矩阵和Jordan标准型

    这一章的知识太杂了,有必要整理一下 什么是矩阵 矩阵元素是的多项式就是矩阵 矩阵的秩 行列式可以是的多项式但是能是零,就可以求 矩阵的逆 首先,求它的行列式,只有行列式为常数且非0:这个矩阵才有逆. ...

  3. 行列式因子、不变因子、初等因子、smith标准型、Jordan标准型、最小多项式的matlab实现

    版权声明:<–本博客所有内容均为自己在学习工作中的总结.摘录等-- --转载请注明出处-- --如有侵权请联系删除–> https://blog.csdn.net/ai359005521/ ...

  4. 矩阵理论| 基础:Jordan标准型(从Jordan标准型求代数重数/几何重数/特征向量)

    引言:如何判定两个矩阵相似 相似矩阵,本质上是同一个线性变换在不同坐标系下的矩阵 因此,两个矩阵相似的一大特点是:特征值相同,各特征值的几何重数/代数重数相同 进而,我们可以用特征多项式.特征值.行列 ...

  5. 【矩阵理论】Jordan标准型的理解

    一.定义 二.Jordan块 一个Jordan块即是一个由特征值为主对角线元素,特征值的重数为阶数的矩阵. 例如:(λ-3)2(λ-4)(λ-5)4=0; λ1,2=3:λ3=4:λ4,5,6,7=5 ...

  6. 矩阵理论| 基础:特征值与特征向量、代数重数/几何重数、相似对角化和Jordan标准型

    特征值与特征向量 矩阵 A \mathbf A A的特征值与特征向量满足 A x = λ x \mathbf A\mathbf x=\lambda\mathbf x Ax=λx,即 ( A − λ I ...

  7. 最全总结Jordan 标准型、Jordan分解、Jordan 标准型的计算方法

    Jordan 标准型的定义 定义1 形如 J = [ λ 1 λ

  8. 高等工程数学 —— 第二章 (1) Smith标准型与Jordan标准型

    高等工程数学 -- 第二章 (1) Smith标准型与Jordan标准型 文章目录 高等工程数学 -- 第二章 (1) Smith标准型与Jordan标准型 不变因子与Smith标准型 行列式因子 行 ...

  9. 【矩阵论笔记】方阵函数计算(一) Jordan标准型法

    方阵函数计算 1.Jordan标准型法 2.最小多项式法 和算方阵多项式的办法一样 Jordan标准型法 例子 求特征向量要反过来减. 它的秩是2,基础解系是一个,特征向量有一个. λ 1 = λ 2 ...

最新文章

  1. 《中国式方案秘籍(上部)》
  2. C++泛型编程:template模板
  3. CentOS6.4之文本编辑器Vi/Vim
  4. 万字干货:教新手从0到1搭建完整的增长数据体系(30图)
  5. Spring boot整合shiro权限管理
  6. Comcast Xfinity家庭安全系统被曝严重漏洞
  7. 在pytorch中expand_dim
  8. 云顶之弈机器人法爆_云顶之弈法爆流斗法阵容详解
  9. c++ poco 使用mysql中文乱码问题
  10. 33. 深入解析互联网协议的原理
  11. 19款最好用的免费数据挖掘工具大汇总(干货)
  12. 通用人工智能:我们还有多远?
  13. cad标注样式快捷键_说说CAD尺寸精度设置的两种方法!
  14. Navicat连接mysql时出现 Access denied for user ‘root‘@‘xxx.xxx.xxx.xxx‘ (using password: YES) 的原因及解决办法。
  15. cad记忆口诀_42条简单易记的CAD口诀,一天精通入门,七天上手绘图!
  16. [事件处理] js实现的文本框内容发生改变立马触发事件简单介绍
  17. 网约车新政陆续出台,共享经济遇阻为哪般?
  18. 网件路由器虚拟服务器在哪里,网件路由器怎么设置端口映射
  19. 服务器开机一直显示请等候本地会话管理器,win7开机提示等候本地会话管理器...
  20. 2021-08-01 大数据岗位入职系列 前传:转战大数据

热门文章

  1. 第八周项目4个人所得税计算
  2. java计算机毕业设计慧学IT精品课程网站源码+mysql数据库+系统+lw文档+部署
  3. Codeforces 4D Mysterious (DP)
  4. zed相机的基本使用
  5. android usb micro,USB转接头拆解,小心入坑,安卓USB(Micro USB)转换成Type C口
  6. java课程设计心得_Java课设总结(个人版)
  7. 熟悉 Linux 命令运维工程师必备
  8. SQL Server 2005 Express 远程连接 客户端 远程访问 设置 全攻略 (适用 SQL Server 2005 其他版本)
  9. 预训练word2vec--Word2Vec实现(二)
  10. Targeted Supervised Contrastive Learning for Long-Tailed Recognition(2022.5.14)