线性代数 05.03 相似矩阵

$\color{blue}{\S 第五章 第三节 相似矩阵}$

$\color{blue}{一、相似矩阵的概念}$

$定义7.设A,B都是n阶方阵,若存在可逆矩阵P使\\ P^{-1}AP = B \\ 则称B是A的相似矩阵,或说B与A相似.对A进行\\ 运算P^{-1}AP称为对A进行相似变换,可逆矩阵P\\ 称为把A变成B的相似变换矩阵.记作A \sim B.$

$\color{blue}{二、相似矩阵的性质}$

$相似是矩阵之间的一种关系,这种关系具有以下性质:$
$1) 反身性:任意方阵A,都有A \sim A.$
$2) 对称性:若A \sim B, 则 B \sim A.$
$3) 传递性:若A \sim B, B \sim C,则 A \sim C.$
$证: 由定义存在可逆矩阵P_1和P_2,使\\ B = P_1^{-1}AP_1, C = P_2^{-1}BP_2, 所以 \\ C = P_2^{-1}(P_1^{-1}AP_1)P_2 \\ = P_2^{-1}P_1^{-1}AP_1P_2 \\ = (P_1P_2)^{-1}A(P_1P_2)$

$\color{blue}{二、相似矩阵的定理}$

$定理3.若矩阵A与B相似,则A与B的特征多项式相同,\\ 从而A与B的特征值相同.$
$证:因A与B相似,即有可逆矩阵P,使P^{-1}AP = B,故\\ |B - \lambda E| = |P^{-1}AP - P^{-1}(\lambda E)P| \\ = |P^{-1}(A - \lambda E)P| \\ = |P^{-1}| |A - \lambda E| |P| \quad ( 注: |P^{-1}| = \dfrac{1}{|P|}) \\ = |A - \lambda E| \\ 故矩阵A与B有相同的特征多项式,从而有相同的特征值.$

$推论:若n阶矩阵A与对角矩阵相似,则\lambda_1, \lambda_2, \cdots, \lambda_n 是A的n个特征值. \\ \Lambda = \begin{pmatrix} \lambda_1 & & & \\ & \lambda_2 & & \\ & & \ddots & \\ & & & \lambda_n \\ \end{pmatrix}$
$证: 显然\lambda_1, \lambda_2, \cdots, \lambda_n是\Lambda的n个特征值. \\ 由定理3知\lambda_1, \lambda_2, \cdots, \lambda_n是A的n个特征值.$

$容易推证:\\ 若A = PBP^{-1}, 则A^k = PB^kP^{-1}. \\ \varphi(A) = P\varphi(B)P^{-1}$
$特别地,若有可逆矩阵P,使P^{-1}AP = \Lambda为对角矩阵,则\\ A^k = P \Lambda^k P^{-1}, \varphi(A) = P \varphi(\Lambda) P^{-1}\\ 而对角矩阵\Lambda,有\\ \Lambda^k = \begin{pmatrix} \lambda_1^k & & & \\ & \lambda_2^k & & \\ & & \ddots & \\ & & & \lambda_n^k \end{pmatrix}, \\ \varphi(\Lambda) = \begin{pmatrix} \varphi(\lambda_1) & & & \\ & \varphi(\lambda_2) & & \\ & & \ddots & \\ & & & \varphi(\lambda_n) \end{pmatrix}$

$由此可方便计算出A的多项式\varphi(A)$
$有一个有趣的结论:设f(\lambda)是矩阵A的特征多项式, \\ 则f(A) = 0,这个结论的证明比较困难,但若A与 \\ 对角矩阵相似,则容易证明结论.这是因为:若A与 \\ 对角矩阵相似,即有可逆矩阵P,使 \\ P^{-1}AP = \Lambda \\ = diag(\lambda_1, \lambda_2, \cdots, \lambda_n),其中\lambda_i为A的特征值, \\ 有f(\lambda_i) = 0.由A=P \Lambda P^{-1},有 \\ f(A) = P f(\Lambda) P^{-1} \\ = P \begin{pmatrix} f(\lambda_1) & & & \\ & f(\lambda_2) & & \\ & & \ddots & \\ & & & f(\lambda_n) \\ \end{pmatrix} P^{-1}$

$定理4.n阶方阵A与对角矩阵相似(A能对角化)的\\ 充分必要条件是A有n个线性无关的特征向量.$
$证:必要性:若n阶方阵A与对角矩阵\\ \Lambda = \begin{pmatrix} \lambda_1 & & & \\ & \lambda_2 & & \\ & & \ddots & \\ & & & \lambda_n \\ \end{pmatrix} 相似,则存在可逆矩阵P,使\\ P^{-1}AP = \Lambda = \begin{pmatrix} \lambda_1 & & & \\ & \lambda_2 & & \\ & & \ddots & \\ & & & \lambda_n \\ \end{pmatrix} \\ 把P 按列分块,得\\ P = (P_1, P_2, \cdots, P_n) \\ 其中P_1, P_2, \cdots, P_n是矩阵P的n个列向量,把AP = P\Lambda改写成\\ A(P_1, P_2, \cdots, P_n) = (P_1, P_2, \cdots, P_n) \begin{pmatrix} \lambda_1 & & & \\ & \lambda_2 & & \\ & & \ddots & \\ & & & \lambda_n \\ \end{pmatrix} \\ (AP_1, AP_2, \cdots, AP_n) = (\lambda_1P_1, \lambda_2 P_2, \cdots, \lambda_n P_n) \\ 所以,P_j(j = 1, 2, \cdots, n)是\Lambda的特征值\lambda_j所对应的特征向量, \\ 因为P可逆,所以P_1, P_2, \cdots, P_n线性无关, \\ 充分性:若A有n个线性无关的特征向量P_1, P_2, \cdots, P_n,则 \\ AP_j = \lambda_jP_j (j = 1, 2, \cdots, n) \\ 令P = (P_1, P_2, \cdots, P_n),则P为可逆矩阵. \\ 因为AP = A(P_1, P_2, \cdots, P_n) \\ = (AP_1, AP_2, \cdots, AP_n) \\ = (\lambda_1P_1, \lambda_2P_2, \cdots, \lambda_nP_n) \\ = (P_1, P_2, \cdots, P_n) \begin{pmatrix} \lambda_1 & & & \\ & \lambda_2 & & \\ & & \ddots & \\ & & & \lambda_n \\ \end{pmatrix} \\ = P\begin{pmatrix} \lambda_1 & & & \\ & \lambda_2 & & \\ & & \ddots & \\ & & & \lambda_n \\ \end{pmatrix} \\ 即 AP = P\Lambda, 所以P^{-1}AP = \Lambda.$

$推论：如果n阶方阵A有n个不同的特征值,则A能与对角矩阵\Lambda相似.$

$例1.求一可逆矩阵P,把A = \begin{pmatrix} -2 & 1 & 1 \\ 0 & 2 & 0 \\ -4 & 1 & 3 \\ \end{pmatrix} 化为对角矩阵.$
$解:①由|A - \lambda E | = 0,求A的全部特征值. |A - \lambda E | = \begin{vmatrix} -2 - \lambda & 1 & 1 \\ 0 & 2 - \lambda & 0 \\ -4 & 1 & 3 - \lambda \\ \end{vmatrix} \\ = (-1)^{(2 + 2)}(2 - \lambda)[(-2 - \lambda)(3 - \lambda) - (-4 \times 1)] \\ = -(\lambda + 1)(\lambda - 2)^2 = 0 \\ 解得全部特征值为\lambda_1 = -1, \lambda_2 = \lambda_3 = 2 . \\ ②由(A - \lambda E) x = 0,求A的特征向量. 当\lambda_1 = -1时, 解方程组(A + E) x = 0,由 \\ A + E = \begin{pmatrix} -1 & 1 & 1 \\ 0 & 3 & 0 \\ -4 & 1 & 4 \\ \end{pmatrix} \sim \begin{pmatrix} 1 & 0 & -1 \\ 0 & 1 & 0 \\ 0 & 0 & 0 \\ \end{pmatrix} \\ 得基础解系 p_1 = \begin{pmatrix} 1 \\ 0 \\ 1 \end{pmatrix}. \\ 当\lambda_2 = \lambda_3 = 2时,解方程组(A - 2E) x = 0.由 \\ A - 2E = \begin{pmatrix} -4 & 1 & 1 \\ 0 & 0 & 0 \\ -4 & 1 & 1 \\ \end{pmatrix} \sim \begin{pmatrix} 1 & -\dfrac{1}{4} & -\dfrac{1}{4} \\ 0 & 0 & 0 \\ 0 & 0 & 0 \\ \end{pmatrix} \\ 得基础解系 p_2 = \begin{pmatrix}\dfrac{1}{4} \\ 1 \\ 0 \end{pmatrix}, p_3 = \begin{pmatrix}\dfrac{1}{4} \\ 0 \\ 1 \end{pmatrix} \\ ③ 把 p_1, p_2, p_3拼成矩阵P,即\\ P = \begin{pmatrix} 1 & \dfrac{1}{4} & \dfrac{1}{4} \\ 0 & 1 & 0 \\ 1 & 0 & 1 \\ \end{pmatrix} \\ (P | E ) = \begin{pmatrix} 1 & \dfrac{1}{4} & \dfrac{1}{4} & 1 & 0 & 0 \\ 0 & 1 & 0 & 0 & 1 & 0\\ 1 & 0 & 1 & 0 & 0 & 1 \\ \end{pmatrix} \sim \begin{pmatrix} 1 & 0 & 0 & \dfrac{4}{3} & -\dfrac{1}{3} & -\dfrac{1}{3} \\ 0 & 1 & 0 & 0 & 1 & 0\\ 0 & 0 & 1 & -\dfrac{4}{3} & \dfrac{1}{3} & \dfrac{4}{3}\\ \end{pmatrix} \\ P^{-1} = \begin{pmatrix} \dfrac{4}{3} & -\dfrac{1}{3} & -\dfrac{1}{3} \\ 0 & 1 & 0\\ -\dfrac{4}{3} & \dfrac{1}{3} & \dfrac{4}{3}\\ \end{pmatrix} \\ 则P{-1}AP = \begin{pmatrix} \dfrac{4}{3} & -\dfrac{1}{3} & -\dfrac{1}{3} \\ 0 & 1 & 0\\ -\dfrac{4}{3} & \dfrac{1}{3} & \dfrac{4}{3}\\ \end{pmatrix}\begin{pmatrix} -2 & 1 & 1 \\ 0 & 2 & 0 \\ -4 & 1 & 3 \\ \end{pmatrix}\begin{pmatrix} 1 & \dfrac{1}{4} & \dfrac{1}{4} \\ 0 & 1 & 0 \\ 1 & 0 & 1 \\ \end{pmatrix} \\ = \begin{pmatrix} -\dfrac{4}{3} & \dfrac{1}{3} & \dfrac{1}{3} \\ 0 & 2 & 0 \\ -\dfrac{8}{3} & \dfrac{2}{3} & \dfrac{8}{3} \\ \end{pmatrix}\begin{pmatrix} 1 & \dfrac{1}{4} & \dfrac{1}{4} \\ 0 & 1 & 0 \\ 1 & 0 & 1 \\ \end{pmatrix} \\ = \begin{pmatrix} -1 & 0 & 0 \\ 0 & 2 & 0 \\ 0 & 0 & 2 \\ \end{pmatrix}$

$例2.设矩阵A与B相似,其中 \\ A = \begin{pmatrix} -2 & 0 & 0 \\ 2 & x & 2 \\ 3 & 1 & 1 \\ \end{pmatrix}, B = \begin{pmatrix} -1 & 0 & 0 \\ 0 & 2 & 0 \\ 0 & 0 & y \\ \end{pmatrix}. \\ (1)求x, y的值, (2) 求可逆矩阵P,使P^{-1}AP = B.$
$解: (1) 因为A \sim B,所以B的主对角线元素是A的特征值,因此有$
$\left \{ \begin{array}{l}-2 + x + 1 = -1 + 2 + y (A的迹 = 特征值的和)\\ |A - \lambda E | = | A + E | = 0 \end{array} \right.$
$整理得\left \{ \begin{array}{l} x - y = 2 \\ x = 0 \end{array} \right. , 即得\left \{ \begin{array}{l} x =0 \\ y = -2 \end{array} \right.$
$(2) 由于A \sim B,所以A的特征值为\\ \lambda_1 = -1, \lambda_2 = 2, \lambda_3 = -2. \\ 由(A - \lambda E) x = 0,求A的特征值. \\ 当\lambda_1 = -1时, \\ A + E = \begin{pmatrix} -1 & 0 & 0 \\ 2 & 1 & 2 \\ 3 & 1 & 2 \\ \end{pmatrix} \sim \begin{pmatrix} 1 & 0 & 0 \\ 0 & 1 & 2 \\ 0 & 0 & 0 \\ \end{pmatrix} \\ 得基础解系 p_1 = \begin{pmatrix}0 \\ -2 \\ 1 \end{pmatrix} \\ 当\lambda_1 = 2时, \\ A - 2E = \begin{pmatrix} -4 & 0 & 0 \\ 2 & -2 & 2 \\ 3 & 1 & -1 \\ \end{pmatrix} \sim \begin{pmatrix} 1 & 0 & 0 \\ 0 & 1 & -1 \\ 0 & 0 & 0 \\ \end{pmatrix} \\ 得基础解系:p_2 = \begin{pmatrix} 0 \\ 1 \\ 1 \end{pmatrix} \\ 当\lambda_1 = -2时, \\ A + 2E = \begin{pmatrix} 0 & 0 & 0 \\ 2 & 2 & 2 \\ 3 & 1 & 3 \\ \end{pmatrix} \sim \begin{pmatrix} 1 & 0 & 1 \\ 0 & 1 & 0 \\ 0 & 0 & 0 \\ \end{pmatrix} \\ 得基础解系 p_3 = \begin{pmatrix} -1 \\ 0 \\ 1 \end{pmatrix} \\ 将p_1,p_2, p_3拼成矩阵P,得 \\ P =(p_1, p_2, p_3) = \begin{pmatrix} 0 & 0 & -1 \\ -2 & 1 & 0 \\ 1 & 1& 1 \\ \end{pmatrix} 即为所求.$

$3.设矩阵A = \begin{pmatrix} 3 & 2 & -2 \\ -k & -1 & k \\ 4 & 2 & -3 \\ \end{pmatrix} \\ 问当k为何值时,存在可逆矩阵P,使得P^{-1}AP\\ 为对角矩阵,并求出P和相应的对角矩阵.$
$解: 由\\ |A - \lambda E| = \begin{vmatrix} 3 - \lambda & 2 & -2 \\ -k & -1 - \lambda & k \\ 4 & 2 & -3 - \lambda \\ \end{vmatrix} = \begin{vmatrix} \lambda - 1 & -2 & 2 \\ 0 & \lambda + 1 & -k \\ 0 & 0 & \lambda + 1 \\ \end{vmatrix} \\ = (\lambda + 1)^2(\lambda - 1) = 0 \\ 得A的特征值为:\lambda_1 = \lambda_2 = -1, \lambda_3 = 1. \\ 把\lambda_1 = \lambda_2 = -1时,有\\ (A + E) = \begin{pmatrix} 4 & 2 & -2 \\ -k & 0 & k \\ 4 & 2 & -2 \\ \end{pmatrix} \sim \begin{pmatrix} 2 & 1 & -1 \\ -k & 0 & k \\ 0 & 0 & 0 \\ \end{pmatrix} \\ 当k = 0时, 上式变为:\\ (A + E) \sim \begin{pmatrix} 1 & \dfrac{1}{2} & -\dfrac{1}{2} \\ 0 & 0 & 0 \\ 0 & 0 & 0 \\ \end{pmatrix} \\ 对应特征向量可取为:p_1 = \begin{pmatrix}-1 \\ 2 \\ 0 \end{pmatrix}, p_2 = \begin{pmatrix}1 \\ 0 \\ 2 \end{pmatrix}. \\ 对于\lambda_3 = 1时,有 \\ (A - E) = \begin{pmatrix} 2 & 2 & -2 \\ -k & -2 & k \\ 4 & 2 & -4 \\ \end{pmatrix} \sim \begin{pmatrix} 1 & 1 & -1 \\ -k & -2 & k \\ 0 & -2 & 0 \\ \end{pmatrix} \sim \begin{pmatrix} 1 & 0 & -1 \\ 0 & 1 & 0 \\ 0 & 0 & 0 \\ \end{pmatrix} \\ 对应特征向量可取为:p_3 = \begin{pmatrix} 1 \\ 0 \\ 1 \end{pmatrix}. \\ 因此，当k = 0时, 令 \\ P = \begin{pmatrix} -1 & 1 & 1 \\ 2 & 0 & 0 \\ 0 & 2 & 1 \\ \end{pmatrix}, \\ 则P^{-1}AP = \begin{pmatrix} -1 & 0 & 0 \\ 0 & -1 & 0 \\ 0 & 0 & 1 \\ \end{pmatrix}. \\ 从上面的讨论和例题可知,A没有重特征值,则A必可对角化,\\ 而当A有重特征值时,就不一定有n个线性无关的特征向量,\\ 从而不一定能对角化.上次课讲的二重特征值不能对应两个\\ 线性无关的特征向量,所以该方阵不能对角化.而在本节例1\\ 中A也有二重特征值,但却能找到3个线性无关特征向量.\\ 所以例1中A能对角化.例3的讨论也说明不是所有的方阵\\ 都能对角化.$
$一个方阵具体什么条件才能对角化?这是一个比较复杂的问题,\\ 我们对此不作一般性的讨论,而仅讨论当A为实对称矩阵的情形.$