相似矩阵和相似对角化
矩阵的相似
定义:设A,BA,BA,B是两个nnn阶方阵,若存在n" role="presentation" style="position: relative;">nnn阶可逆矩阵PPP,使得P−1AP=B" role="presentation" style="position: relative;">P−1AP=BP−1AP=BP^{-1}AP=B,则称AAA相似于B" role="presentation" style="position: relative;">BBB,记成A∼BA∼BA\sim B
矩阵相似是一种等价关系
(1)(1)(1)A∼AA∼AA\sim A(反身性)
(2)(2)(2)若A∼BA∼BA\sim B,则B∼AB∼AB\sim A(对称性)
(3)(3)(3)若A∼B,B∼CA∼B,B∼CA\sim B,B\sim C则A∼CA∼CA\sim C(传递性)
相似矩阵的性质
(1)(1)(1)若A∼BA∼BA\sim B则有:
1∘:1∘:1^{\circ}:r(A)=r(B)r(A)=r(B)r(A)=r(B);
2∘:2∘:2^{\circ}:|A|=|B||A|=|B||A|=|B|;
3∘:3∘:3^{\circ}:|λE−A|=|λE−B||λE−A|=|λE−B||\lambda E-A|=|\lambda E-B|;
4∘:4∘:4^{\circ}:A,BA,BA,B有相同的特征值
(2)(2)(2)若A∼BA∼BA\sim B则有:
若Am∼Bm;f(A)∼f(B)Am∼Bm;f(A)∼f(B)A^m\sim B^m;f(A)\sim f(B)(其中f(x)f(x)f(x)是多项式)
(3)(3)(3)若A∼BA∼BA\sim B且AAA可逆,
则A−1∼B−1,f(A−1)∼f(B−1)" role="presentation" style="position: relative;">A−1∼B−1,f(A−1)∼f(B−1)A−1∼B−1,f(A−1)∼f(B−1)A^{-1}\sim B^{-1},f(A^{-1})\sim f(B^{-1})(其中f(x)f(x)f(x)是多项式)
(4)(4)(4)若P−1A1P=B1P−1A1P=B1P^{-1}A_1P=B_1,P−1A2P=B2P−1A2P=B2P^{-1}A_2P=B_2,
则P−1A1A2P=P−1A1PP−1A2PP−1A1A2P=P−1A1PP−1A2PP^{-1}A_1A_2P=P^{-1}A_1PP^{-1}A_2P即A1A2∼B1B2A1A2∼B1B2A_1A_2\sim B_1B_2
(5)(5)(5)P−1(k1A1+k2A2)P=k1P−1A1P+k2P−1A2PP−1(k1A1+k2A2)P=k1P−1A1P+k2P−1A2PP^{-1}(k_1A_1+k_2A_2)P=k_1P^{-1}A_1P+k_2P^{-1}A_2P
对称矩阵的对角化(方阵)
对称矩阵的一些性质:
1:对称矩阵的特征值为实数
2:设λ1λ1\lambda_1和λ2λ2\lambda_2是对称矩阵AAA的两个特征值,p1" role="presentation" style="position: relative;">p1p1\mathbf{p}_1,p2p2\mathbf{p}_2是对应的特征向量,若λ1≠λ2λ1≠λ2\lambda_1\neq\lambda_2,则p1p1\mathbf{p}_1和p2p2\mathbf{p}_2正交
定理:
设AAA为n" role="presentation" style="position: relative;">nnn阶对称矩阵,则必有正交矩阵PPP使得,P−1AP=PTAP=Λ" role="presentation" style="position: relative;">P−1AP=PTAP=ΛP−1AP=PTAP=ΛP^{-1}AP=P^{T}AP=\Lambda其中ΛΛ\Lambda是以AAA的n" role="presentation" style="position: relative;">nnn个特征值为对角元的对角矩阵
推论:
设AAA为n" role="presentation" style="position: relative;">nnn阶对称矩阵,λλ\lambda是AAA的特征方程的k" role="presentation" style="position: relative;">kkk重根,则矩阵A−λEA−λEA-\lambda E的秩R(A−λE)=n−kR(A−λE)=n−kR(A-\lambda E)=n-k,从而对应的特征值λλ\lambda恰好有kkk个线性无关的特征向量。
矩阵可以对角化的条件
若存在可逆矩阵P" role="presentation" style="position: relative;">PPP,使得P−1AP=ΛP−1AP=ΛP^{-1}AP=\Lambda,其中ΛΛ\Lambda是对角矩阵,则称AAA为可相似对角化,记A∼Λ" role="presentation" style="position: relative;">A∼ΛA∼ΛA\sim\Lambda,称ΛΛ\Lambda是AAA的相似标准型。
(1)" role="presentation" style="position: relative;">(1)(1)(1)nnn阶矩阵A∼Λ" role="presentation" style="position: relative;">A∼ΛA∼ΛA\sim\Lambda⇔⇔\Leftrightarrow有nnn个线性无关的特征向量
(2)" role="presentation" style="position: relative;">(2)(2)(2)矩阵AAA的属于不同的特征值的特征向量线性无关,若n" role="presentation" style="position: relative;">nnn阶矩阵AAA有n" role="presentation" style="position: relative;">nnn个不同的特征值,则AAA有n" role="presentation" style="position: relative;">nnn个线性无关的特征向量,于是A∼ΛA∼ΛA\sim\Lambda
(3)(3)(3)设λ0λ0\lambda_0是AAA的r" role="presentation" style="position: relative;">rrr重特征值,则AAA对应于λ0" role="presentation" style="position: relative;">λ0λ0\lambda_0的线性无关的特征向量的个数小于等于rrr.
矩阵A" role="presentation" style="position: relative;">AAA相似于对角矩阵⇔⇔\LeftrightarrowAAA的对应于每个ri" role="presentation" style="position: relative;">ririr_i重特征值都有ririr_i个线性无关的特征向量。
实对称矩阵必可相似于对角矩阵
(1)(1)(1)AAA是实对称矩阵,则A" role="presentation" style="position: relative;">AAA的特征值是实数,特征向量是实向量
(2)(2)(2)实对称矩阵AAA的属于不同特征值的特征向量相互正交
(3)" role="presentation" style="position: relative;">(3)(3)(3)实对称矩阵AAA必相似于对角矩阵,即必有n" role="presentation" style="position: relative;">nnn个线性无关的特征向量ξ1,ξ2,⋯,ξnξ1,ξ2,⋯,ξn\xi_1,\xi_2,\cdots,\xi_n,即必有可逆矩阵P=[ξ1,ξ2,⋯,ξn]P=[ξ1,ξ2,⋯,ξn]P=[\xi_1,\xi_2,\cdots,\xi_n]使得P−1AP=ΛP−1AP=ΛP^{-1}AP=\Lambda,其中Λ=dig(λ1,λ2,⋯,λn)Λ=dig(λ1,λ2,⋯,λn)\Lambda=dig(\lambda_1,\lambda_2,\cdots,\lambda_n),且存在正交矩阵QQQ,使得Q−1AQ=QTAQ=Λ" role="presentation" style="position: relative;">Q−1AQ=QTAQ=ΛQ−1AQ=QTAQ=ΛQ^{-1}AQ=Q^TAQ=\Lambda,故AAA正交相似于A" role="presentation" style="position: relative;">AAA.
奇异值分解(不是方阵)
假设AAA是一个m×n" role="presentation" style="position: relative;">m×nm×nm\times n,其中m>nm>nm>n(这个假设只是为了方便,如果m<nm<nm,所有结论依然成立)。
我们给出一种方法,确定AAA是如何接近一个较小秩的矩阵。
这种方法包括将A" role="presentation" style="position: relative;">AAA分解为一个乘积UΣVTUΣVTU\Sigma V^T,其中UUU是一个m×m" role="presentation" style="position: relative;">m×mm×mm\times m的正交矩阵,VVV是一个n×n" role="presentation" style="position: relative;">n×nn×nn\times n的正交矩阵,ΣΣ\Sigma是一个m×nm×nm\times n的矩阵,其对角下的所有元素为000,且对角线元素满足
\sigma_1\geq\sigma_2\geq\cdots\geq\sigma_n\geq0
\Sigma=\begin{pmatrix}\sigma_1&&&\\ &\sigma_2&&\\ &&\ddots&\\ &&&\sigma_n\\\end{pmatrix}
采用这种因式分解得到的 σiσi\sigma_i是唯一的,并且称 AAA的奇异值。
因式分解UΣVT" role="presentation" style="position: relative;">UΣVTUΣVTU\Sigma V^T称为 AA<script type="math/tex" id="MathJax-Element-134">A</script>的奇异值分解
相似矩阵和相似对角化相关推荐
- 【大学课程】线性代数基础知识点
行列式 定义 性质 展开定理 几个重要的行列式 用行或列表示的行列式的性质 克拉默法则 矩阵 定义及基本运算 特殊矩阵 分块矩阵 矩阵的逆 伴随矩阵,初等矩阵与矩阵方程 伴随矩阵及其运算 初等变换与初 ...
- 线性代数相关知识点回顾
线性代数相关知识点回顾 矩阵的转置 矩阵的逆 特征值与特征向量 矩阵的秩 正交阵 相似矩阵与相似对角化 特征子空间 矩阵的转置 (AB)T=BTAT 矩阵的逆 AB=BA=E,则B=A-1 若矩阵A可 ...
- 考研数学要背诵的知识点
文章目录 秒杀序列 高等数学 第三章:中值定理 泰勒公式 极值与拐点 第四章:不定积分 第五章:定积分 第七章:微分方程 第八章:空间解析几何 第九章:多元微分 及其 几何应用 第十章:重积分 第十一 ...
- 线性代数让我想想:相似矩阵与矩阵的相似对角化
相似矩阵与矩阵的相似对角化 一.相似矩阵 首先我们来看教材的定义: 定义:设 A,B\boldsymbol{A}, \boldsymbol{B}A,B 都是 nnn 阶矩阵,若存在可逆矩阵 P\bol ...
- 线性代数学习笔记11-2:总复习Part2(相似对角化、对称矩阵、奇异值分解SVD)
下面的一系列分解,涉及了线性代数中的各个重要知识点: 关于求解方程组的分解: Ch1[矩阵乘法角度] 矩阵 A \mathbf A A=列向量矩阵 C \mathbf C C和行向量矩阵 R \mat ...
- 第五章 矩阵的相似对角化
矩阵的相似对角化 5.1 特征值与特征向量 1.特征值与特征向量的概念 设A是n阶矩阵,如果存在数 λ 0 \lambda_0 λ0和n维非零列向量 α \alpha α使得等式 A α = λ 0 ...
- 人工智能里的数学修炼 | 矩阵的花样分解:特征值分解(EVD)、相似对角化、QR分解、Schur分解、奇异值分解(SVD)的概念纠缠与详解
前言 在高等代数里,矩阵分解是一个十分基础与重要的内容,任何一个学校对于理工科的研究生教育都会开设相应的课程,如:矩阵分析.矩阵论.线性系统等.看了不少社区的问答.笔记和博客,在它们的基础上加入一些自 ...
- 【线性代数】---相似矩阵
第一章 相似矩阵 文章目录 第一章 相似矩阵 一.相似矩阵 二.对角矩阵 三.实对称矩阵 四.合同矩阵 五.特征值与特征向量 1.求特征值和特征向量 2.特征值与特征向量 一.相似矩阵 设A.B都是n ...
- 实对称矩阵的性质_浅谈矩阵的相似对角化(一)
森屿瑾年:浅谈线性变换和矩阵之间的关系zhuanlan.zhihu.com 通过前面的讨论,我们引出了线性变换在不同基下的矩阵之间的关系,知道了线性变换在不同基下的矩阵是相似的,进而我们可以通过选取 ...
- 线性代数:04 特征值与特征向量 -- 矩阵的相似对角化
本讲义是自己上课所用幻灯片,里面没有详细的推导过程(笔者板书推导)只以大纲的方式来展示课上的内容,以方便大家下来复习. 本章主要介绍特征值与特征向量的知识,前一章我们介绍了线性变换可以把一个向量映射到 ...
最新文章
- 如何选择视觉CV光源颜色
- Google推出数据集搜索!百度,你怎么看?
- 如何使用Git提高研发团队工作效率?
- java 注解 demo_JAVA语言注解概念使用及Demo讲解
- 借助混沌工程工具 ChaosBlade 构建高可用的分布式系统
- windows环境搭建ios+xcode
- Arcgis desktop 9.3的破解方法_经验版
- mysql每秒57000_MySQL 性能:使用 MySQL 5.7 实现每秒 50 万查询
- POJ-1556 The Doors 线段相交+最短路
- php sem acquire,PHP | 关于php中sem_get failed for key no space left on device问题的解决方案...
- Hadoop、storm和Spark的区别、比较
- (五)使用模型单元测试进行MLOps持续交付
- postfilter中文什么意思_使用过滤器解决(Post/Get)中文乱码问题
- 【三维路径规划】基于matlab粒子群算法无人机山地三维路径规划【含Matlab源码 1831期】
- [破解]Shark恒破解基础教程笔记
- 计算机桌面有阴影,电脑桌面图标有蓝色阴影 怎么去除桌面图标阴影
- 统一社会信用代码校验-JavaScript
- 专属程序员的西游记,不是程序员读不懂哦?
- python 图表制作及功能化_Python实现从excel读取数据绘制成精美图像
- 支付宝退款流程 php,支付宝退款接口对接流程PHP语言