【矩阵论】2. 矩阵分解——单阵谱分解

矩阵论的所有文章,主要内容参考北航赵迪老师的课件

[注]由于矩阵论对计算机比较重要,所以选修了这门课,但不是专业搞数学的,所以存在很多口语化描述,而且对很多东西理解不是很正确与透彻,欢迎大家指正。我可能间歇性忙,但有空一定会回复修改的。

矩阵论
1. 准备知识——复数域上矩阵,Hermite变换)
1.准备知识——复数域上的内积域正交阵
1.准备知识——Hermite阵,二次型,矩阵合同,正定阵,幂0阵,幂等阵,矩阵的秩
2. 矩阵分解——SVD准备知识——奇异值
2. 矩阵分解——SVD
2. 矩阵分解——QR分解
2. 矩阵分解——正定阵分解
2. 矩阵分解——单阵谱分解
2. 矩阵分解——正规分解——正规阵
2. 矩阵分解——正规谱分解
2. 矩阵分解——高低分解
3. 矩阵函数——常见解析函数
3. 矩阵函数——谱公式,幂0与泰勒计算矩阵函数
3. 矩阵函数——矩阵函数求导
4. 矩阵运算——观察法求矩阵特征值特征向量
4. 矩阵运算——张量积
4. 矩阵运算——矩阵拉直
4.矩阵运算——广义逆——加号逆定义性质与特殊矩阵的加号逆
4. 矩阵运算——广义逆——加号逆的计算
4. 矩阵运算——广义逆——加号逆应用
4. 矩阵运算——广义逆——减号逆
5. 线性空间与线性变换——线性空间
5. 线性空间与线性变换——生成子空间
5. 线性空间与线性变换——线性映射与自然基分解,线性变换
6. 正规方程与矩阵方程求解
7. 范数理论——基本概念——向量范数与矩阵范数
7.范数理论——基本概念——矩阵范数生成向量范数&谱范不等式
7. 矩阵理论——算子范数
7.范数理论——范数估计——许尔估计&谱估计
7. 范数理论——非负/正矩阵
8. 常用矩阵总结——秩1矩阵,优阵(单位正交阵),Hermite阵
8. 常用矩阵总结——镜面阵,正定阵
8. 常用矩阵总结——单阵,正规阵,幂0阵,幂等阵,循环阵


矩阵分解可以得到简化的乘积矩阵,可以简化后续的计算与处理度

在这里插入图片描述

2.4 单阵

单阵A(又叫单纯阵,可对角阵),即满足 P − 1 A P = D = ( λ 1 0 ⋱ 0 λ n ) P^{-1}AP=D=\left(\begin{matrix}\lambda_1&&0\\&\ddots&\\0&&\lambda_n\end{matrix}\right) P1AP=D= λ100λn ,P可逆,P中列向量为A的特征向量

2.4.1 单阵谱公式

A A A 为单阵,全体不同特征根为 λ 1 , λ 2 , ⋯   , λ k \lambda_1,\lambda_2,\cdots,\lambda_k λ1,λ2,,λk ,则有 A = λ 1 G 1 + ⋯ + λ k G k A=\lambda_1G_1+\cdots+\lambda_kG_k A=λ1G1++λkGk A A A 的谱分解

满足性质:

  • 谱阵: G i = ( A − λ 1 ) ⋯ ( A − λ i − 1 ) ( A − λ i + 1 ) ⋯ ( A − λ k ) ( λ i − λ 1 ) ⋯ ( λ i − λ i − 1 ) ( λ i − λ i + 1 ) ⋯ ( λ i − λ k ) G_i=\frac{(A-\lambda_1)\cdots(A-\lambda_{i-1})(A-\lambda_{i+1})\cdots(A-\lambda_k)}{(\lambda_i-\lambda_1)\cdots(\lambda_i-\lambda_{i-1})(\lambda_i-\lambda_{i+1})\cdots(\lambda_i-\lambda_k)} Gi=(λiλ1)(λiλi1)(λiλi+1)(λiλk)(Aλ1)(Aλi1)(Aλi+1)(Aλk),谱阵 G 1 , ⋯   , G k G_1,\cdots,G_k G1,,Gk 中各列都是A的特征向量
  • 和为单位阵: G 1 + G 2 + ⋯ + G k = I G_1+G_2+\cdots+G_k=I G1+G2++Gk=I
  • 相互正交: G 1 G 2 = 0 , ⋯   , G i G j = 0 ( i ≠ j ) G_1G_2=0,\cdots,G_iG_j=0(i\neq j) G1G2=0,,GiGj=0(i=j)
  • 幂等: G 1 2 = G 1 , ⋯   , G k 2 = G k G_1^2=G_1,\cdots,G_k^2=G_k G12=G1,,Gk2=Gk ,但 G 1 H = G 1 , ⋯   , G k H = G k G_1^H=G_1,\cdots,G_k^H=G_k G1H=G1,,GkH=Gk 不一定成立
a. 单阵谱函数

f ( A ) = f ( λ 1 ) G 1 + ⋯ + f ( λ k ) G k f(A)=f(\lambda_1)G_1+\cdots+f(\lambda_k)G_k f(A)=f(λ1)G1++f(λk)Gk

幂次

A p = λ 1 p G 1 + ⋯ + λ k p G p , p = 0 , 1 , . . . A^p=\lambda_1^pG_1+\cdots+\lambda_k^pG_p,p=0,1,... Ap=λ1pG1++λkpGp,p=0,1,...
A = ( 3 1 2 2 ) , 求 A 100 A=\left(\begin{matrix} 3&1\\2&2 \end{matrix}\right),求A^{100} A=(3212),A100

由 A 是行和相等矩阵,所以行和 4 为特征值, λ ( A ) = { 4 , t r ( A ) − 4 } = { 4 , 1 } 故二阶阵有 2 个不同特征值,所以必为单阵 G 1 = A − λ 2 I λ 1 − λ 2 = 1 3 ( 2 1 2 1 ) , G 2 = − 1 3 ( 1 − 1 − 2 2 ) 可知 A 100 = 4 100 G 1 + 1 100 G 2 = 本例中,特向 ( 1 1 ) , ( 1 − 2 ) 不正交,不是正规阵 \begin{aligned} &由A是行和相等矩阵,所以行和4为特征值,\lambda(A)=\{4,tr(A)-4\}=\{4,1\}\\ &故二阶阵有2个不同特征值,所以必为单阵\\ &G_1=\frac{A-\lambda_2I}{\lambda_1-\lambda_2}=\frac{1}{3}\left( \begin{matrix} 2&1\\2&1 \end{matrix} \right),G_2=-\frac{1}{3}\left( \begin{matrix} 1&-1\\-2&2 \end{matrix} \right)\\ &可知A^{100}=4^{100}G_1+1^{100}G_2=\\ &本例中,特向\left( \begin{matrix} 1\\1 \end{matrix} \right),\left( \begin{matrix} 1\\-2 \end{matrix} \right)不正交,不是正规阵 \end{aligned} A是行和相等矩阵,所以行和4为特征值,λ(A)={4,tr(A)4}={4,1}故二阶阵有2个不同特征值,所以必为单阵G1=λ1λ2Aλ2I=31(2211),G2=31(1212)可知A100=4100G1+1100G2=本例中,特向(11),(12)不正交,不是正规阵

单阵逆公式

A − 1 = 1 λ 1 G 1 + 1 λ 2 G 2 + ⋯ + 1 λ k G k A^{-1}=\frac{1}{\lambda_1}G_1+\frac{1}{\lambda_2}G_2+\cdots+\frac{1}{\lambda_k}G_k A1=λ11G1+λ21G2++λk1Gk ,其中 A A A 为单阵

b. 单阵函数公式

f 1 ( x ) , f 2 ( x ) , ⋯   , f k ( x ) f_1(x),f_2(x),\cdots,f_k(x) f1(x),f2(x),,fk(x) x x x k − 1 k-1 k1 次多项式,且 f 1 ( x ) + f 2 ( x ) + ⋯ + f k ( x ) = 1 f_1(x)+f_2(x)+\cdots+f_k(x)=1 f1(x)+f2(x)++fk(x)=1 ,则 f 1 ( A ) + f 2 ( A ) + ⋯ + f k ( A ) = I f_1(A)+f_2(A)+\cdots+f_k(A)=I f1(A)+f2(A)++fk(A)=I f 1 ( A ) , ⋯   , f k ( A ) f_1(A),\cdots,f_k(A) f1(A),,fk(A) 中非0列都是 A A A 的特征向量

2.4.2 单阵判定

a. 充分条件

若存在可逆阵P,使A相似于对角阵,则A为单阵
P − 1 A P = D = ( λ 1 ⋱ λ k ) P^{-1}AP=D=\left(\begin{matrix}\lambda_1&&\\&\ddots\\&&\lambda_k\end{matrix}\right) P1AP=D= λ1λk

  1. 单阵特例

    在这里插入图片描述
    A A A 为正规阵,则 A A A 必相似于对角阵

    证: A A A 为正规阵,则存在U阵 Q Q Q 使 Q H A Q = Λ Q^HAQ= \Lambda QHAQ=Λ ,使A阵U相似于对角阵,故正规阵一定是单阵

  2. n n n 阶方阵 A A A 恰有 n n n 个不同根 λ 1 , ⋯   , λ n \lambda_1,\cdots,\lambda_n λ1,,λn ,则 A A A 为单阵(必相似于对角阵)
    证明: λ ( A ) = { λ 1 , λ 2 , ⋯   , λ n } ,则有 A X i = λ i X i , 令 P = ( X 1 , X 2 , ⋯   , X n ) , X i 为 n 维列向量 A ( X 1 , ⋯   , X n ) = ( λ 1 X 1 , ⋯   , λ n X n ) = ( X 1 , ⋯   , X n ) ( λ 1 ⋱ λ n ) ⇒ A P = P D    ⟺    P − 1 A P = D \begin{aligned} 证明:&\\ &\lambda(A)=\{\lambda_1,\lambda_2,\cdots,\lambda_n\} ,则有AX_i=\lambda_i X_i ,\\ &令P=(X_1,X_2,\cdots,X_n),X_i为n维列向量\\ &A(X_1,\cdots,X_n)=(\lambda_1X_1,\cdots,\lambda_nX_n)=(X_1,\cdots,X_n)\left(\begin{matrix}\lambda_1&&\\&\ddots&\\&&\lambda_n\end{matrix}\right)\\ &\Rightarrow AP=PD\iff P^{-1}AP=D \end{aligned} 证明:λ(A)={λ1,λ2,,λn},则有AXi=λiXi,P=(X1,X2,,Xn),Xin维列向量A(X1,,Xn)=(λ1X1,,λnXn)=(X1,,Xn) λ1λn AP=PDP1AP=D

  3. A有 n n n 个无关的特征向量 X 1 , X 2 , ⋯   , X n X_1,X_2,\cdots,X_n X1,X2,,Xn

    P = ( X 1 , X 2 , ⋯   , X n ) ⇒ P − 1 A P = D P=\left(X_1,X_2,\cdots,X_n\right) \Rightarrow P^{-1}AP=D P=(X1,X2,,Xn)P1AP=D

  4. 若每个 k k k 重根 λ \lambda λ ,恰有 k k k 个特征向量,则 A A A 为单阵

    • 方程 ( A − λ 1 ) X = 0 (A-\lambda_1)X=0 (Aλ1)X=0 n − r ( A − λ 1 I ) n-r(A-\lambda_1I) nr(Aλ1I) 个基本解 ⇒ A X = λ 1 X 有 n − r ( A − λ 1 I ) 个基本解 \Rightarrow AX=\lambda_1X 有n-r(A-\lambda_1I)个基本解 AX=λ1Xnr(Aλ1I)个基本解

      常通过判断 r ( A − 重根 I ) r(A-重根I) r(A重根I) 判断A是否为单阵

      ⇒ r ( A − λ 1 I ) = n − k \Rightarrow r(A-\lambda_1I)=n-k r(Aλ1I)=nk λ 1 \lambda_1 λ1 有k个特征向量 ,则A可能是单阵

      ⇒ r ( A − λ 1 I ) ≠ n − k \Rightarrow r(A-\lambda_1I)\neq n-k r(Aλ1I)=nk ,则A必不是单阵

    • eg1
      A = ( 1 1 0 0 2 0 0 0 1 ) , λ ( A ) = { 2 , 1 , 1 } , λ 1 = 1 为 2 重根 A=\left(\begin{matrix} 1&1&0\\0&2&0\\0&0&1 \end{matrix}\right),\lambda(A)=\{2,1,1\} ,\lambda_1=1为2重根 A= 100120001 ,λ(A)={2,1,1}λ1=12重根
      验证A是否为单阵:
      A − 1 I = ( 0 1 0 0 1 0 0 1 0 ) , r ( A − I ) = 1 = 3 − 2   ∴ A 是单阵 \begin{aligned} A-1I=\left( \begin{matrix} 0&1&0\\0&1&0\\0&1&0 \end{matrix} \right),r(A-I)=1=3-2\,\therefore A是单阵 \end{aligned} A1I= 000111000 ,r(AI)=1=32A是单阵

    • eg2
      A = ( 1 1 0 0 1 0 0 0 2 ) , λ ( A ) = { 2 , 1 , 1 } , λ 1 = 1 为 2 重根 A=\left(\begin{matrix} 1&1&0\\0&1&0\\0&0&2 \end{matrix}\right),\lambda(A)=\{2,1,1\} ,\lambda_1=1为2重根 A= 100110002 ,λ(A)={2,1,1}λ1=12重根
      验证A是否为单阵:
      A − 1 I = ( 0 1 0 0 0 0 0 0 1 ) , r ( A − I ) = 2 ≠ 3 − 2 = 1 , ∴ A 不是单阵 A-1I=\left( \begin{matrix} 0&1&0\\0&0&0\\0&0&1 \end{matrix} \right),r(A-I)=2 \neq 3-2=1,\therefore A不是单阵 A1I= 000100001 ,r(AI)=2=32=1,A不是单阵

  5. λ 1 , λ 2 , ⋯   , λ k \lambda_1,\lambda_2,\cdots,\lambda_k λ1,λ2,,λk 为A的全体不同根

    Cayley定理:

    若方阵 A A A 的特征多项式 T ( x ) = ∣ A − x I ∣ = c 0 + c 1 x + c 2 x 2 + ⋯ + c n x n T(x)=\vert A-x I\vert=c_0+c_1x+c_2x^2+\cdots+c_nx^n T(x)=AxI=c0+c1x+c2x2++cnxn ,则 T ( A ) = c 0 I + c 1 A + c 2 A 2 + ⋯ + c n A n = 0 T(A)=c_0I+c_1A+c_2A^2+\cdots+c_nA^n=0 T(A)=c0I+c1A+c2A2++cnAn=0

    • 方阵A的特征多项式可分解为 T ( x ) = ( x − λ 1 ) ( x − λ 2 ) ⋯ ( x − λ n ) T(x)=(x-\lambda_1)(x-\lambda_2)\cdots(x-\lambda_n) T(x)=(xλ1)(xλ2)(xλn) 满足 T ( A ) = ( A − λ 1 I ) ( A − λ 2 I ) ⋯ ( A − λ n I ) = 0 T(A)=(A-\lambda_1I)(A-\lambda_2I)\cdots(A-\lambda_nI)=0 T(A)=(Aλ1I)(Aλ2I)(AλnI)=0

    ( A − λ 1 I ) ( A − λ 2 I ) ⋯ ( A − λ k I ) = 0 (A-\lambda_1I)(A-\lambda_2I)\cdots(A-\lambda_kI)=0 (Aλ1I)(Aλ2I)(AλkI)=0 ,则 A A A 为单阵( A A A 相似于对角阵)
    ( A − λ 1 I ) ( A − λ 2 I ) ⋯ ( A − λ k I ) ≠ 0 (A-\lambda_1I)(A-\lambda_2I)\cdots(A-\lambda_kI)\neq 0 (Aλ1I)(Aλ2I)(AλkI)=0 ,则 A A A 不是单阵

    eg
    A = (   1 1 0 0 2 0 0 1 1 ) 是否为单阵,求 A 100 的谱公式 A=\left(\ \begin{matrix} 1&1&0\\0&2&0\\0&1&1 \end{matrix} \right)是否为单阵,求A^{100}的谱公式 A=  100121001 是否为单阵,求A100的谱公式

    ∣ A − λ I ∣ = ∣ 1 − λ 1 0 0 2 − λ 0 0 1 1 − λ ∣ = ( 1 − λ ) 2 ( 2 − λ ) = 0 , ∴ λ ( A ) = { 1 , 1 , 2 } 令 λ 1 = 1 , λ 2 = 2 , ( A − I ) ( A − 2 I ) = ( 0 1 0 0 1 0 0 1 0 ) ( − 1 1 0 0 0 0 0 1 − 1 ) = 0 ∴ A 为单阵 令 G 1 = A − λ 2 λ 1 − λ 2 = ( 1 − 1 0 0 0 0 0 − 1 1 ) , G 2 = I − G 1 = ( 0 1 0 0 1 0 0 1 0 ) 得谱公式: A = 1 G 1 + 2 G 2 , 且 f ( A ) = f ( 1 ) G 1 + f ( 2 ) G 2 A 100 = G 1 + 2 100 G 2 \begin{aligned} &\vert A-\lambda I\vert=\left | \begin{matrix} 1-\lambda &1&0\\ 0&2-\lambda &0\\0&1&1-\lambda\end{matrix} \right |=(1-\lambda)^2(2-\lambda)=0,\therefore \lambda(A)=\{1,1,2\}\\ &令\lambda_1=1,\lambda_2=2,(A-I)(A-2I)=\left( \begin{matrix} 0&1&0\\0&1&0\\0&1&0 \end{matrix} \right)\left( \begin{matrix} -1&1&0\\0&0&0\\0&1&-1 \end{matrix} \right)=0\\ &\therefore A为单阵\\ &令G_1=\frac{A-\lambda_2}{\lambda_1-\lambda_2}=\left( \begin{matrix} 1&-1&0\\0&0&0\\0&-1&1 \end{matrix} \right),G_2=I-G_1=\left( \begin{matrix} 0&1&0\\0&1&0\\0&1&0 \end{matrix} \right)\\ &得谱公式:A=1G_1+2G_2,且f(A)=f(1)G_1+f(2)G_2\\ &A^{100}=G_1+2^{100}G_2 \end{aligned} AλI= 1λ0012λ1001λ =(1λ)2(2λ)=0,λ(A)={1,1,2}λ1=1,λ2=2,(AI)(A2I)= 000111000 100101001 =0A为单阵G1=λ1λ2Aλ2= 100101001 ,G2=IG1= 000111000 得谱公式:A=1G1+2G2,f(A)=f(1)G1+f(2)G2A100=G1+2100G2


    上述判定方法也适用于分块阵
    A = ( 2 1 0 1 2 0 0 0 2 ) = ( A 1 0 0 A 2 ) , 求 A 100 \begin{aligned} A=\left( \begin{matrix} 2&1&0\\1&2&0\\0&0&2 \end{matrix} \right)=\left( \begin{matrix} A_1&0\\0&A_2 \end{matrix} \right),求A^{100} \end{aligned} A= 210120002 =(A100A2),A100

    由 A 1 阵为行和阵,特征值 λ ( A 1 ) = { 3 , t r ( A 1 ) − 3 } = { 3 , 1 } ( A 1 − 3 I ) ( A 1 − 2 I ) = ( − 1 1 1 − 1 ) ( 1 1 1 1 ) = 0 , ∴ A 1 为单阵 故有谱分解 A 1 = 3 G 1 + G 2 = 3 A 1 − λ 2 λ 1 − λ 2 I + A − λ 2 I λ 2 − λ 1 = 3 ∗ 1 2 ( 1 1 1 1 ) + 1 2 ( 1 − 1 − 1 1 ) A 1 100 = 3 100 G 1 + 1 G 2 = 3 100 2 ( 1 1 1 1 ) + 1 2 ( 1 − 1 − 1 1 ) A 2 100 = ( 2 100 ) ∴ A 100 = ( A 1 100 A 2 100 ) = ( 3 100 + 1 2 3 100 − 1 2 0 3 100 − 1 2 3 100 + 1 2 0 0 0 2 100 ) \begin{aligned} &由A_1阵为行和阵,特征值\lambda(A_1)=\{3,tr(A_1)-3\}=\{3,1\}\\ &(A_1-3I)(A_1-2I)=\left( \begin{matrix} -1&1\\1&-1 \end{matrix} \right)\left( \begin{matrix} 1&1\\1&1 \end{matrix} \right)=0,\quad \therefore A_1为单阵\\ &故有谱分解 A_1=3G_1+G_2=3\frac{A_1-\lambda_2}{\lambda_1-\lambda_2I}+\frac{A-\lambda_2I}{\lambda_2-\lambda_1}=3*\frac{1}{2}\left(\begin{matrix}1&1\\1&1\end{matrix}\right)+\frac{1}{2}\left( \begin{matrix} 1&-1\\-1&1 \end{matrix} \right)\\ &A_1^{100}=3^{100}G_1+1G_2=\frac{3^{100}}{2}\left( \begin{matrix} 1&1\\1&1 \end{matrix} \right)+\frac{1}{2}\left( \begin{matrix} 1&-1\\-1&1 \end{matrix} \right)\\ &A_2^{100}=(2^{100})\\ &\therefore A^{100}=\left( \begin{matrix} A_1^{100}&\\ &A_2^{100} \end{matrix} \right)=\left( \begin{matrix} \frac{3^{100}+1}{2}&\frac{3^{100}-1}{2}&0\\ \frac{3^{100}-1}{2}&\frac{3^{100}+1}{2}&0\\ 0&0&2^{100} \end{matrix} \right) \end{aligned} A1阵为行和阵,特征值λ(A1)={3,tr(A1)3}={3,1}(A13I)(A12I)=(1111)(1111)=0,A1为单阵故有谱分解A1=3G1+G2=3λ1λ2IA1λ2+λ2λ1Aλ2I=321(1111)+21(1111)A1100=3100G1+1G2=23100(1111)+21(1111)A2100=(2100)A100=(A1100A2100)= 23100+1231001023100123100+10002100

b. 单阵充要条件:0化式判别法(了解,判断用重根矩阵秩)

A 为单阵    ⟺    极小式 m ( x ) 无重根;若 m ( x ) 有重根,则 A 不是单阵 A为单阵\iff 极小式m(x)无重根;若m(x)有重根,则A不是单阵 A为单阵极小式m(x)无重根;若m(x)有重根,则A不是单阵

0化式与极小式定义

若多项式 f ( x ) f(x) f(x) 使 f ( A ) = 0 f(A)=0 f(A)=0 ,则称 f ( x ) f(x) f(x) A A A 的0化式

极小式为次数最少的0化式 : 若 λ 1 , ⋯   , λ k \lambda_1,\cdots,\lambda_k λ1,,λk 为不同根,且 ( A − λ 1 I ) ( A − λ 2 I ) ⋯ ( A − λ k I ) = 0 (A-\lambda_1I)(A-\lambda_2I)\cdots(A-\lambda_kI)=0 (Aλ1I)(Aλ2I)(AλkI)=0 ,则 A A A 必为单阵,此时称 m ( x ) = ( x − λ 1 ) ( x − λ 2 ) ⋯ ( x − λ k ) m(x)=(x-\lambda_1)(x-\lambda_2)\cdots(x-\lambda_k) m(x)=(xλ1)(xλ2)(xλk) A A A 的极小式

  • eg1:
    A = I = ( 1 0 0 1 ) , 满足 A 2 = I ,可知 f ( x ) = x 2 − 1 = 0 , 且 f ( A ) = A 2 − I = 0 f ( x ) = x 2 − 1 = ( x − 1 ) ( x + 1 ) 为 A 的 0 化式 ∵ A − I = 0 , ∴ x − 1 也是 A 的 0 化式,且 m ( x ) = x − 1 为极小式 \begin{aligned} &A=I=\left(\begin{matrix}1&0\\0&1\end{matrix}\right),满足A^2=I,可知f(x)=x^2-1=0,且f(A)=A^2-I=0\\ &f(x)=x^2-1=(x-1)(x+1)为A的0化式\\ &\because A-I=0,\therefore x-1也是A的0化式,且m(x)=x-1为极小式 \end{aligned} A=I=(1001),满足A2=I,可知f(x)=x21=0,f(A)=A2I=0f(x)=x21=(x1)(x+1)A0化式AI=0,x1也是A0化式,且m(x)=x1为极小式

  • eg2:
    A = ( − 1 0 0 1 ) , A 2 = I , 即 A 2 − I = 0 , f ( x ) = x 2 − 1 = ( x − 1 ) ( x + 1 ) 为 A 的 0 化式,但由于 A − I ≠ 0 且 A + I ≠ 0 故 A 的极小式 m ( x ) = x 2 − 1 \begin{aligned} &A=\left( \begin{matrix} -1&0\\0&1 \end{matrix} \right),A^2=I,即A^2-I=0,\\ &f(x)=x^2-1=(x-1)(x+1)为A的0化式,但由于A-I\neq 0且A+I \neq 0\\ &故A的极小式m(x)=x^2-1 \end{aligned} A=(1001)A2=I,A2I=0,f(x)=x21=(x1)(x+1)A0化式,但由于AI=0A+I=0A的极小式m(x)=x21

极小式求法

  1. 对于 ∣ x I − A ∣ = ( x − a ) 2 ( x − b ) = 0 \vert xI-A \vert=(x-a)^2(x-b)=0 xIA=(xa)2(xb)=0

    • ( A − a I ) ( A − b I ) = 0 (A-aI)(A-bI)=0 (AaI)(AbI)=0 ,则极小式为 m ( x ) = ( x − a ) ( x − b ) m(x)=(x-a)(x-b) m(x)=(xa)(xb)

    • ( A − a I ) ( A − b I ) ≠ 0 (A-aI)(A-bI)\neq 0 (AaI)(AbI)=0 ,则极小式为 m ( x ) = ( x − a ) 2 ( x − b ) m(x)=(x-a)^2(x-b) m(x)=(xa)2(xb)

  2. 对于 ∣ x I − A ∣ = ( x − a ) ( x − b ) ( x − c ) \vert xI-A \vert=(x-a)(x-b)(x-c) xIA=(xa)(xb)(xc) ,则极小式为 m ( x ) = ( x − a ) ( x − b ) ( x − c ) m(x)=(x-a)(x-b)(x-c) m(x)=(xa)(xb)(xc)

若f(x)=0无重根,且f(A)=0,则A必为单阵

定理:

  • f ( A ) = 0 f(A)=0 f(A)=0 ,则 f ( A ) g ( A ) = 0 f(A)g(A)=0 f(A)g(A)=0 ,可知 f ( x ) g ( x ) f(x)g(x) f(x)g(x) 也是0化式

  • 特征多项式 f ( x ) = ∣ x I − A ∣ = a 0 + a 1 x + a 2 x 2 + ⋯ + a n x n f(x) = \vert xI-A \vert=a_0+a_1x+a_2x^2+\cdots+a_nx^n f(x)=xIA=a0+a1x+a2x2++anxn 一定是0化式,即 f ( A ) = a 0 + a 1 A + ⋯ + a n A n = 0 f(A)=a_0+a_1A+\cdots+a_nA^n=0 f(A)=a0+a1A++anAn=0

  • 极小式为特征多项式的因式,可表示为 ∣ x I − A ∣ = m ( x ) g ( x ) \vert xI-A \vert=m(x)g(x) xIA=m(x)g(x)

  • 极小式必为每个0化式 f i ( x ) f_i(x) fi(x) 的因子,即若 f i ( A ) = 0 f_i(A)=0 fi(A)=0 ,则 f i ( x ) = m ( x ) g i ( x ) f_i(x)=m(x)g_i(x) fi(x)=m(x)gi(x)

应用

  1. 列出特征方程,求出极小式,即证明A是单阵
  2. 根据极小式,写出单阵谱分解
  3. 计算f(A)

A = ( 2 2 1 1 3 1 1 2 2 ) ,求 A 的谱分解 p A=\left( \begin{matrix} 2&2&1\\1&3&1\\1&2&2 \end{matrix} \right),求A的谱分解p A= 211232112 ,求A的谱分解p

∣ A − λ I ∣ = ( x − 5 ) ( x − 1 ) 2 , 且 ( A − 5 I ) ( A − I ) = 0 ⇒ A 为单阵 ⇒ 单阵 A 有谱分解 A = 5 G 1 + G 2 = \begin{aligned} &\begin{matrix} \vert A-\lambda I\vert=(x-5)(x-1)^2,且(A-5I)(A-I)=0\Rightarrow A为单阵 \end{matrix}\\ &\Rightarrow 单阵A有谱分解A=5G_1+G_2= \end{aligned} AλI=(x5)(x1)2,(A5I)(AI)=0A为单阵单阵A有谱分解A=5G1+G2=


A = ( 1 1 0 0 2 0 0 0 3 ) , 求谱分解 A 为上三角阵,所以 A 有三个互异特征根 1 , 2 , 3 ,极小式为 ( x − 1 ) ( x − 2 ) ( x − 2 ) = 0 故 A 由谱分解 A = G 1 + 2 G 2 + 3 G 3 A=\left( \begin{matrix} 1&1&0\\0&2&0\\0&0&3 \end{matrix} \right),求谱分解\\ A为上三角阵,所以A有三个互异特征根1,2,3,极小式为 (x-1)(x-2)(x-2)=0\\ 故A由谱分解A=G_1+2G_2+3G_3 A= 100120003 ,求谱分解A为上三角阵,所以A有三个互异特征根1,2,3,极小式为(x1)(x2)(x2)=0A由谱分解A=G1+2G2+3G3


A = ( 1 1 0 0 2 0 0 0 3 ) , 求谱分解 A 为上三角阵,所以 A 有三个互异特征根 1 , 2 , 3 ,极小式为 ( x − 1 ) ( x − 2 ) ( x − 2 ) = 0 故 A 由谱分解 A = G 1 + 2 G 2 + 3 G 3 A=\left( \begin{matrix} 1&1&0\\0&2&0\\0&0&3 \end{matrix} \right),求谱分解\\ A为上三角阵,所以A有三个互异特征根1,2,3,极小式为 (x-1)(x-2)(x-2)=0\\ 故A由谱分解A=G_1+2G_2+3G_3 A= 100120003 ,求谱分解A为上三角阵,所以A有三个互异特征根1,2,3,极小式为(x1)(x2)(x2)=0A由谱分解A=G1+2G2+3G3

  • 1
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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

AmosTian

你的鼓励将是我创作的最大动力

¥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