矩阵 AB 和 BA 相似

同阶矩阵 A 和 B 相似的充要条件:特征多项式相同,即
∣ λ I − A ∣ = ∣ λ I − B ∣ |\lambda I - A| = |\lambda I - B| λIA=λIB


引理:假设 A ∈ R m × n A \in \R^{m \times n} ARm×n B ∈ R n × m B \in \R^{n \times m} BRn×m
[ A B 0 B 0 ] ( m + n ) × ( m + n ) ∼ [ 0 0 B B A ] ( m + n ) × ( m + n ) \left[\begin{matrix} AB & 0 \\ B & 0 \end{matrix} \right]_{(m+n)\times(m+n)} \sim \left[\begin{matrix} 0 & 0 \\ B & BA \end{matrix} \right]_{(m+n)\times(m+n)} [ABB00](m+n)×(m+n)[0B0BA](m+n)×(m+n)
证明:
[ I m − A I n ] [ A B 0 B 0 ] [ I m A I n ] = [ 0 0 B B A ] \left[\begin{matrix} I_m & -A \\ & I_n \end{matrix} \right] \left[\begin{matrix} AB & 0 \\ B & 0 \end{matrix} \right] \left[\begin{matrix} I_m & A \\ & I_n \end{matrix} \right]= \left[\begin{matrix} 0 & 0 \\ B & BA \end{matrix} \right] [ImAIn][ABB00][ImAIn]=[0B0BA]


由引理和相似的充要条件可得:
∣ λ I m − A B 0 B λ I n ∣ = ∣ λ I m 0 B λ I n − B A ∣ \left|\begin{matrix} \lambda I_m-AB & 0 \\ B & \lambda I_n \end{matrix} \right|= \left|\begin{matrix} \lambda I_m & 0 \\ B & \lambda I_n -BA \end{matrix} \right| λImABB0λIn=λImB0λInBA因此有
∣ λ I m − A B ∣ λ n = λ m ∣ λ I n − B A ∣ |\lambda I_m-AB|\lambda^n = \lambda^m |\lambda I_n -BA| λImABλn=λmλInBA
特别的,如果 m = n m = n m=n, 即可推出 AB 相似于 BA,因为
∣ λ I − A B ∣ = ∣ λ I − B A ∣ . |\lambda I-AB| = |\lambda I -BA|. λIAB=λIBA.


由此可以得到一些有趣的结论,比如 ∀ x , y ∈ R n × 1 \forall x,y \in \R^{n \times 1} x,yRn×1 x y T xy^T xyT 可以对角化。
因为
x y T = [ x 1 ⋮ x n ] n × 1 [ y 1 ⋯ y n ] 1 × n = [ x 1 0 ⋯ 0 ⋮ ⋮ ⋮ x n 0 ⋯ 0 ] n × n [ y 1 ⋯ y n 0 ⋯ 0 ⋮ ⋮ 0 ⋯ 0 ] n × n xy^T = \left[\begin{matrix} x_1 \\ \vdots \\ x_n \end{matrix} \right]_{n\times 1} \left[\begin{matrix} y_1 & \cdots & y_n \end{matrix} \right]_{1\times n}= \left[\begin{matrix} x_1 & 0 & \cdots &0\\ \vdots & \vdots && \vdots \\ x_n & 0 & \cdots & 0 \end{matrix} \right]_{n\times n} \left[\begin{matrix} y_1 & \cdots & y_n\\ 0 & \cdots & 0 \\ \vdots & & \vdots \\ 0 & \cdots & 0 \end{matrix} \right]_{n\times n} xyT=x1xnn×1[y1yn]1×n=x1xn0000n×ny100yn00n×n
将扩充的矩阵记为 X 和 Y,则有 X Y ∼ Y X XY\sim YX XYYX, 即
x y T = X Y ∼ Y X = [ y 1 ⋯ y n 0 ⋯ 0 ⋮ ⋮ 0 ⋯ 0 ] n × n [ x 1 0 ⋯ 0 ⋮ ⋮ ⋮ x n 0 ⋯ 0 ] n × n = [ y T x 0 ⋯ 0 0 0 ⋯ 0 ⋮ ⋮ ⋮ 0 0 ⋯ 0 ] n × n xy^T = XY \sim YX = \left[\begin{matrix} y_1 & \cdots & y_n\\ 0 & \cdots & 0 \\ \vdots & & \vdots \\ 0 & \cdots & 0 \end{matrix} \right]_{n\times n} \left[\begin{matrix} x_1 & 0 & \cdots &0\\ \vdots & \vdots && \vdots \\ x_n & 0 & \cdots & 0 \end{matrix} \right]_{n\times n}\\= \left[\begin{matrix} y^Tx &0&\cdots &0\\ 0 & 0&\cdots & 0\\ \vdots & \vdots& & \vdots\\ 0 & 0 &\cdots & 0 \end{matrix} \right]_{n\times n} xyT=XYYX=y100yn00n×nx1xn0000n×n=yTx00000000n×n
可见 x y T xy^T xyT 相似于对角阵。

评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

颹蕭蕭

白嫖?

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值