文章目录
相似变换 Similarity Transformation
一、对角型 Diagonal Form, A A A的特征值全异
对于一个给定(Fixed)的方阵 A n × n \bold A_{n\times n} An×n,相似对角化的基本思路是,先通过特征方程(Characteristic Polynomial)求取方阵的特征值 λ i \lambda_i λi,再通过特征值求特征向量,如果对于 A n × n \bold A_{n\times n} An×n存在 n n n个线性无关的特征向量,那么 A n × n \bold A_{n\times n} An×n是可以对角化的。具体的做法如下:
- ∣ λ I − A ∣ = 0 |\lambda \bold I - \bold A|=0 ∣λI−A∣=0,求解出所有的特征值 λ i \lambda_i λi
- A q i = λ i q i \bold Aq_i=\lambda_i q_i Aqi=λiqi,求解出所有的特征向量
- 对于每个特征值 λ i \lambda_i λi,通过 ( λ i I − A ) q i = 0 (\lambda_i\bold{I}-\bold{A})q_i=0 (λiI−A)qi=0,求解该线性方程组,获得特征向量 q i q_i qi
- A [ q 1 , q 2 , q 3 , … , q n ] = [ q 1 , q 2 , q 3 , … , q n ] Λ \bold A[q_1, q_2, q_3,\dots,q_n] = [q_1, q_2, q_3, \dots, q_n]\Lambda A[q1,q2,q3,…,qn]=[q1,q2,q3,…,qn]Λ,其中
Λ = [ λ 1 0 0 ⋯ 0 0 λ 2 0 ⋯ 0 ⋮ ⋱ ⋮ 0 0 0 ⋯ λ n ] \bold \Lambda = \begin{bmatrix} \lambda_1& 0& 0& \cdots& 0 \\ 0& \lambda_2& 0& \cdots& 0 \\ \vdots& && \ddots & \vdots \\ 0& 0& 0& \cdots& \lambda_n \end{bmatrix} Λ= λ10⋮00λ20000⋯⋯⋱⋯00⋮λn
🚀eig
:可以求出方阵的特征值和单位化的特征向量,如果没有键入eig
不带做参数,则MATLAB只会输出特征值。
Example
例如求矩阵
A
\bold A
A的对角化矩阵和变换矩阵
A
=
[
0
0
0
1
0
2
0
1
1
]
\bold A = \begin{bmatrix} 0 & 0 & 0 \\ 1 & 0 & 2 \\ 0 & 1 & 1 \end{bmatrix}
A=
010001021
首先,写出特征方程 ∣ λ I − A ∣ = 0 |\lambda\bold{I}-\bold{A}|=0 ∣λI−A∣=0,
λ
(
λ
−
2
)
(
λ
+
1
)
=
0
\lambda(\lambda-2)(\lambda+1)=0
λ(λ−2)(λ+1)=0
解出特征值为
λ
1
=
2
,
λ
2
=
−
1
,
λ
3
=
0
\lambda_1=2,\lambda_2=-1,\lambda_3=0
λ1=2,λ2=−1,λ3=0,然后代回
A
q
i
=
λ
q
i
\bold{A}q_i=\lambda q_i
Aqi=λqi解出特征向量,我们将这个方程变换一个形式
(
λ
I
−
A
)
q
i
=
0
(\lambda\bold{I}-\bold{A})q_i=0
(λI−A)qi=0,即求该方程的非零解,则有
当
λ
1
=
2
\lambda_1=2
λ1=2时,
[
2
0
0
−
1
2
−
2
0
−
1
1
]
[
q
11
q
12
q
13
]
=
[
0
0
0
]
\begin{bmatrix} 2 & 0 & 0 \\ -1 & 2 & -2 \\ 0 & -1 & 1 \end{bmatrix} \begin{bmatrix} q_{11} \\ q_{12} \\ q_{13} \end{bmatrix} = \begin{bmatrix} 0 \\ 0 \\ 0 \end{bmatrix}
2−1002−10−21
q11q12q13
=
000
进行初等行变换后获得row reduced echelon form (rref)行最简型
[
1
0
0
0
1
−
1
0
0
0
]
[
q
11
q
12
q
13
]
=
[
0
0
0
]
\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & -1 \\ 0 & 0 & 0 \end{bmatrix} \begin{bmatrix} q_{11} \\ q_{12} \\ q_{13} \end{bmatrix} = \begin{bmatrix} 0 \\ 0 \\ 0 \end{bmatrix}
1000100−10
q11q12q13
=
000
可以解得
q
1
=
[
0
,
1
,
1
]
T
q_1=[0,1,1]^{T}
q1=[0,1,1]T,对其进行单位化
q
1
~
=
[
0
,
1
/
2
,
1
/
2
]
T
\tilde{q_1}=[0,1/\sqrt2,1/\sqrt2]^T
q1~=[0,1/2,1/2]T, 同理可以求得当
λ
2
=
−
1
\lambda_2=-1
λ2=−1时,
q
2
=
[
0
,
−
2
,
1
]
T
q_2=[0,-2,1]^T
q2=[0,−2,1]T,对其进行单位化
q
2
~
=
[
0
,
−
2
/
5
,
1
/
5
]
T
\tilde{q_2}=[0,-2/\sqrt{5},1/\sqrt{5}]^T
q2~=[0,−2/5,1/5]T;当
λ
3
=
0
\lambda_3=0
λ3=0时,
q
3
=
[
2
,
1
,
−
1
]
q_3=[2,1,-1]
q3=[2,1,−1],对其进行单位化
q
3
~
=
[
2
/
6
,
1
/
6
,
−
1
/
6
]
T
\tilde{q_3}=[2/\sqrt{6},1/\sqrt6,-1/\sqrt6]^T
q3~=[2/6,1/6,−1/6]T
所以我们可以获得结果
A
P
=
P
Λ
[
0
0
0
1
0
2
0
1
1
]
[
0
0
2
/
6
1
/
2
−
2
/
5
1
/
6
1
/
2
1
/
5
−
1
/
6
]
=
[
0
0
2
/
6
1
/
2
−
2
/
5
1
/
6
1
/
2
1
/
5
−
1
/
6
]
[
2
0
0
0
−
1
0
0
0
0
]
\bold{A}\bold{P} =\bold{P}\bold{\Lambda}\\ \begin{bmatrix} 0 & 0 & 0 \\ 1 & 0 & 2 \\ 0 & 1 & 1 \end{bmatrix} \begin{bmatrix} 0 & 0 & 2/\sqrt6 \\ 1/\sqrt2 & -2/\sqrt{5} & 1/\sqrt6 \\ 1/\sqrt2 & 1/\sqrt5 & -1/\sqrt6 \end{bmatrix} = \begin{bmatrix} 0 & 0 & 2/\sqrt6 \\ 1/\sqrt2 & -2/\sqrt{5} & 1/\sqrt6 \\ 1/\sqrt2 & 1/\sqrt5 & -1/\sqrt6 \end{bmatrix} \begin{bmatrix} 2 & 0 & 0 \\ 0 & -1 & 0 \\ 0 & 0 & 0 \end{bmatrix}
AP=PΛ
010001021
01/21/20−2/51/52/61/6−1/6
=
01/21/20−2/51/52/61/6−1/6
2000−10000
%示例一
a = [0,0,0;1,0,2;0,1,1];
[q,d]=eig(a);
%结果如下
>> q, d
q =
0 0 0.8165
0.7071 0.8944 0.4082
0.7071 -0.4472 -0.4082
d =
2 0 0
0 -1 0
0 0 0
%示例二
a = [0,0,0;1,0,2;0,1,1];
ans = eig(a);
%结果如下
ans =
2
-1
0
二、约旦标准型Jordan Form, A \bold A A的特征值非全异
对于具有重特征值的情况, A \bold A A不一定能够对角化,但是 A \bold A A一定具有约旦(Jordan)标准型 J \bold J J
需要手动计算约旦标准型时,这里介绍矩阵分析中,求约旦标准型 J \bold J J的方法,首先介绍几个概念
💮 λ \lambda λ矩阵:对于矩阵 A \bold A A的特征矩阵 λ I − A \lambda\bold I - \bold A λI−A,我们称为 λ \lambda λ矩阵,
💮 k k k阶子式:是在行列式中任取 k k k行 k k k列组成的行列式, k k k行 k k k列是任意的组合没有限定要求,
💮 k k k阶行列式因子 D k ( λ ) D_k(\lambda) Dk(λ):是当前 k k k阶子式中的首项系数为1的最大公因子,
💮
k
k
k不变因子
d
k
(
λ
)
d_k(\lambda)
dk(λ):是Smith标准型中对角线上的元素,与
k
k
k阶行列式因子
D
k
(
λ
)
D_k(\lambda)
Dk(λ)有如下的关系,
D
k
(
λ
)
=
∏
i
=
1
k
d
i
(
λ
)
D_k(\lambda)= \prod_{i=1}^k d_i(\lambda)
Dk(λ)=i=1∏kdi(λ)
因此,
k
k
k不变因子
d
k
(
λ
)
d_k(\lambda)
dk(λ)可以通过如下方式求取:
d
1
(
λ
)
=
D
1
(
λ
)
d
2
(
λ
)
=
D
2
(
λ
)
/
D
1
(
λ
)
d
3
(
λ
)
=
D
3
(
λ
)
/
D
2
(
λ
)
…
d
i
(
λ
)
=
D
i
(
λ
)
/
D
i
−
1
(
λ
)
d_1(\lambda)=D_1(\lambda) \\ d_2(\lambda)=D_2(\lambda) / D_1(\lambda) \\ d_3(\lambda) = D_3(\lambda) / D_2(\lambda) \\ \dots \\ d_i(\lambda) = D_i(\lambda) / D_{i-1}(\lambda)
d1(λ)=D1(λ)d2(λ)=D2(λ)/D1(λ)d3(λ)=D3(λ)/D2(λ)…di(λ)=Di(λ)/Di−1(λ)
那么相应的Smith标准型便可以求出来
S
=
[
d
1
(
λ
)
0
0
⋯
0
0
d
2
(
λ
)
0
⋯
0
⋮
⋱
⋮
0
0
0
⋯
d
n
(
λ
)
]
\bold S = \begin{bmatrix} d_1(\lambda)& 0& 0& \cdots& 0 \\ 0& d_2(\lambda)& 0& \cdots& 0 \\ \vdots &&& \ddots & \vdots \\ 0& 0& 0& \cdots& d_n(\lambda) \end{bmatrix}
S=
d1(λ)0⋮00d2(λ)0000⋯⋯⋱⋯00⋮dn(λ)
💮 初等因子组: λ I − A \lambda\bold I - \bold A λI−A的初等因子组是指将所有非常数不变因子 d i ( λ ) , i = 1 , 2 , … , p d_i(\lambda),i=1,2,\dots,p di(λ),i=1,2,…,p,做质因式分解时出现的方幂(重复的也要写上),所有的初等因子组成的集合,被称为初等因子组。
举一个例子,对于一个
A
(
λ
)
\bold A(\lambda)
A(λ)矩阵,求它的Simith矩阵和初等因子组
A
(
λ
)
=
[
λ
(
λ
+
1
)
0
0
0
λ
0
0
0
(
λ
+
1
)
2
]
\bold A(\lambda) = \begin{bmatrix} \lambda(\lambda+1)& 0& 0 \\ 0& \lambda& 0 \\ 0& 0& (\lambda+1)^2 \end{bmatrix}
A(λ)=
λ(λ+1)000λ000(λ+1)2
一阶子式有:
λ
(
λ
+
1
)
,
λ
,
(
λ
+
1
)
2
\lambda(\lambda+1), \quad \lambda, \quad (\lambda+1)^2
λ(λ+1),λ,(λ+1)2,那么
D
1
(
λ
)
=
1
D_1(\lambda)=1
D1(λ)=1
二阶子式有: λ 2 ( λ + 1 ) , λ ( λ + 1 ) , λ ( λ + 1 ) 3 \lambda^2(\lambda+1), \quad \lambda(\lambda+1), \quad \lambda(\lambda+1)^3 λ2(λ+1),λ(λ+1),λ(λ+1)3,那么 D 2 ( λ ) = λ ( λ + 1 ) D_2(\lambda)=\lambda(\lambda+1) D2(λ)=λ(λ+1)
三阶子式有: λ 2 ( λ + 1 ) 3 \lambda^2(\lambda+1)^3 λ2(λ+1)3,那么 D 3 ( λ ) = λ 2 ( λ + 1 ) 3 D_3(\lambda)=\lambda^2(\lambda+1)^3 D3(λ)=λ2(λ+1)3,由以上结果可以获得 k k k阶不变因子:
一阶不变因子: d 1 ( λ ) = D 1 ( λ ) = 1 d_1(\lambda)=D_1(\lambda)=1 d1(λ)=D1(λ)=1
二阶不变因子: d 2 ( λ ) = D 2 ( λ ) / D 1 ( λ ) = λ ( λ + 1 ) d_2(\lambda)=D_2(\lambda)/D_1(\lambda)=\lambda(\lambda+1) d2(λ)=D2(λ)/D1(λ)=λ(λ+1)
三阶不变因子: d 3 ( λ ) = D 3 ( λ ) / D 2 ( λ ) = λ ( λ + 1 ) 2 d_3(\lambda)=D_3(\lambda)/D_2(\lambda)=\lambda(\lambda+1)^2 d3(λ)=D3(λ)/D2(λ)=λ(λ+1)2
那么Smith矩阵就可以写成
S
=
[
1
0
0
0
λ
(
λ
+
1
)
0
0
0
λ
(
λ
+
1
)
2
]
\bold S = \begin{bmatrix} 1& 0& 0 \\ 0& \lambda(\lambda+1)& 0 \\ 0& 0& \lambda(\lambda+1)^2 \end{bmatrix}
S=
1000λ(λ+1)000λ(λ+1)2
初等因子组包括:
λ
,
λ
,
(
λ
+
1
)
,
(
λ
+
1
)
2
\lambda,\lambda,(\lambda+1),(\lambda+1)^2
λ,λ,(λ+1),(λ+1)2
💮约旦块
j
\bold j
j,每一个初等因子都对应一个约旦块,初等因子和约旦块
J
\bold J
J的对应关系如下:
(
λ
−
c
i
)
r
i
⟹
[
c
i
1
c
i
1
…
c
i
1
c
i
]
r
i
×
r
i
(\lambda-c_i)^{r_i} \Longrightarrow \begin{bmatrix} c_i& 1& && \\ &ci& 1&& \\ && \dots &&\\ &&&&c_i & 1 \\ &&&&&c_i \end{bmatrix}_{r_i\times r_i}
(λ−ci)ri⟹
ci1ci1…ci1ci
ri×ri
举个例子来说,初等因子
(
λ
−
1
)
2
(\lambda-1)^2
(λ−1)2对应的约旦块为
J
=
[
1
1
1
]
J = \begin{bmatrix} 1& 1 \\ &1 \end{bmatrix}
J=[111]
💮 约旦标准型
J
\bold J
J,将所有的初等因子对应的约旦块放置在一起(没有顺序要求,但是不同的顺序对应的变换矩阵不同,变换矩阵的求法后文介绍),就获得了约旦标准型。
定理:
A
∈
C
n
×
n
\bold A \in \mathbb{C}^{n\times n}
A∈Cn×n,
λ
I
−
A
\lambda \bold I - \bold A
λI−A的初等因子组为,
(
λ
−
c
1
)
r
1
,
(
λ
−
c
2
)
r
2
,
…
,
(
λ
−
c
q
)
r
q
(\lambda-c_1)^{r_1},(\lambda-c_2)^{r_2},\dots,(\lambda-c_q)^{r_q}
(λ−c1)r1,(λ−c2)r2,…,(λ−cq)rq,取
J
i
=
[
c
i
1
c
i
1
…
c
i
1
c
i
]
r
i
×
r
i
J_i = \begin{bmatrix} c_i & 1 & & & \\ & ci & 1 & & \\ & & \dots & &\\ & & & & c_i & 1 \\ & & & & & c_i \end{bmatrix}_{r_i\times r_i}
Ji=
ci1ci1…ci1ci
ri×ri
则
A
\bold A
A相似于
J
\bold J
J
J
=
[
J
1
J
2
⋯
J
q
]
r
i
×
r
i
\bold J = \begin{bmatrix} J_1 & & & & \\ & J_2 & & & \\ & & \cdots & &\\ & & & & J_q \end{bmatrix}_{r_i\times r_i}
J=
J1J2⋯Jq
ri×ri
Example,求矩阵
A
=
[
0
1
0
0
0
1
0
−
1
−
1
]
\bold A = \begin{bmatrix} 0 & 1 & 0 \\ 0 & 0 & 1 \\ 0 & -1 & -1 \\ \end{bmatrix}
A=
00010−101−1
的约旦标准型
解:
一阶子式有: λ + 1 , λ , 1 , − 1 \lambda+1,\lambda,1,-1 λ+1,λ,1,−1,那么 D 1 ( λ ) = 1 D_1(\lambda)=1 D1(λ)=1
二阶子式有: λ 2 , λ 2 + λ + 1 , … \lambda^2,\lambda^2+\lambda+1,\dots λ2,λ2+λ+1,…,那么 D 2 ( λ ) = 1 D_2(\lambda)=1 D2(λ)=1
三阶子式有: λ ( λ 2 + λ + 1 ) \lambda(\lambda^2+\lambda+1) λ(λ2+λ+1),那么 D 3 ( λ ) = λ ( λ 2 + λ + 1 ) D_3(\lambda)=\lambda(\lambda^2+\lambda+1) D3(λ)=λ(λ2+λ+1),由以上结果可以获得 k k k阶不变因子:
一阶不变因子: d 1 ( λ ) = D 1 ( λ ) = 1 d_1(\lambda)=D_1(\lambda)=1 d1(λ)=D1(λ)=1
二阶不变因子: d 2 ( λ ) = D 2 ( λ ) / D 1 ( λ ) = 1 d_2(\lambda)=D_2(\lambda)/D_1(\lambda)=1 d2(λ)=D2(λ)/D1(λ)=1
三阶不变因子: d 3 ( λ ) = D 3 ( λ ) / D 2 ( λ ) = λ ( λ 2 + λ + 1 ) d_3(\lambda)=D_3(\lambda)/D_2(\lambda)=\lambda(\lambda^2+\lambda+1) d3(λ)=D3(λ)/D2(λ)=λ(λ2+λ+1)
初等因子组包括: λ , ( λ + 1 2 + 3 2 j ) , ( λ + 1 2 − 3 2 j ) \lambda,(\lambda+\frac{1}{2}+\frac{\sqrt{3}}{2}j),(\lambda+\frac{1}{2}-\frac{\sqrt{3}}{2}j) λ,(λ+21+23j),(λ+21−23j)
那么对应的约旦矩阵为
J
=
[
0
−
1
2
+
3
2
j
−
1
2
−
3
2
j
]
\bold J = \begin{bmatrix} 0 & & \\ & -\frac{1}{2}+\frac{\sqrt{3}}{2}j & \\ & & -\frac{1}{2}-\frac{\sqrt{3}}{2}j \\ \end{bmatrix}
J=
0−21+23j−21−23j
🚀eig
同样使用matlab的eig函数可以验证结果是否正确
%示例
a = [0 1 0; 0 0 1; 0 -1 -1];
[q,j] = eig(a);
%结果
j =
0.0000 + 0.0000i 0.0000 + 0.0000i 0.0000 + 0.0000i
0.0000 + 0.0000i -0.5000 + 0.8660i 0.0000 + 0.0000i
0.0000 + 0.0000i 0.0000 + 0.0000i -0.5000 - 0.8660i
求解Jordan的变换矩阵方法
这里介绍一种求解Jordan矩阵的方法,特征向量链法。对于约旦块
J
i
J_i
Ji来说,其相似变换可以通过以下的方式来求取
A
[
p
1
i
,
p
2
i
,
⋯
,
p
r
i
]
=
[
p
1
i
,
p
2
i
,
⋯
,
p
r
i
]
[
c
i
1
c
i
1
⋱
c
i
]
\bold{A} [p_{1i},p_{2i},\cdots,p_{ri}] = [p_{1i},p_{2i},\cdots,p_{ri}] \begin{bmatrix} c_i & 1 & & & \\ & c_i & 1 & & \\ & & &\ddots & \\ & & & & c_i \end{bmatrix}
A[p1i,p2i,⋯,pri]=[p1i,p2i,⋯,pri]
ci1ci1⋱ci
写成方程组的形式
{
A
p
1
i
=
c
i
p
1
i
A
p
2
i
=
p
1
i
+
c
i
p
2
i
⋯
A
p
r
i
=
p
(
r
−
1
)
i
+
c
i
p
r
i
→
{
(
A
−
c
i
I
)
p
1
i
=
0
(
A
−
c
i
I
)
p
2
i
=
p
1
i
⋯
(
A
−
c
i
I
)
p
r
i
=
p
(
r
−
1
)
i
\left\{ \begin{align} & Ap_{1i}=c_ip_{1i} \\ & Ap_{2i}=p_{1i}+c_ip_{2i} \\ & \cdots \\ & Ap_{ri}=p_{(r-1)i}+c_ip_{ri} \end{align} \right. \to \left\{ \begin{aligned} & (\bold{A}-c_i\bold{I})p_{1i}=0 \\ & (\bold{A}-c_i\bold{I})p_{2i}=p_{1i} \\ & \cdots \\ & (\bold{A}-c_i\bold{I})p_{ri}=p_{(r-1)i} \end{aligned} \right.
⎩
⎨
⎧Ap1i=cip1iAp2i=p1i+cip2i⋯Apri=p(r−1)i+cipri→⎩
⎨
⎧(A−ciI)p1i=0(A−ciI)p2i=p1i⋯(A−ciI)pri=p(r−1)i
那我们就得到了广义特征向量链的一般形式:
0
←
A
−
c
i
I
p
1
i
←
A
−
c
i
I
p
2
i
←
A
−
c
i
I
p
3
i
⋯
p
(
r
−
1
)
i
←
A
−
c
i
I
p
r
i
\bold{0} \xleftarrow{\bold{A}-c_i\bold{I}} p_{1i} \xleftarrow{\bold{A}-c_i\bold{I}} p_{2i} \xleftarrow{\bold{A}-c_i\bold{I}} p_{3i} \cdots p_{(r-1)i} \xleftarrow{\bold{A}-c_i\bold{I}} p_{ri}
0A−ciIp1iA−ciIp2iA−ciIp3i⋯p(r−1)iA−ciIpri
通过求解特征向量链,那么我就可以获得Jordan矩阵的变换矩阵 P \bold{P} P
Example
求解矩阵
A
=
[
−
1
−
2
6
−
1
0
3
−
1
−
1
4
]
\bold{A} = \begin{bmatrix} -1 & -2 & 6 \\ -1 & 0 & 3 \\ -1 & -1 & 4 \end{bmatrix}
A=
−1−1−1−20−1634
的Jordan标准型和变换矩阵
P
\bold{P}
P
首先写出
λ
\lambda
λ矩阵
λ
I
−
A
=
[
λ
+
1
2
−
6
1
λ
−
3
1
1
λ
−
4
]
\lambda\bold{I}-\bold{A}= \begin{bmatrix} \lambda+1 & 2 & -6 \\ 1 & \lambda & -3 \\ 1 & 1 & \lambda-4 \end{bmatrix}
λI−A=
λ+1112λ1−6−3λ−4
一阶子式:
λ
+
1
,
λ
,
λ
−
4
,
2
,
6
,
1
,
3
,
1
\lambda+1,\lambda,\lambda-4,2,6,1,3,1
λ+1,λ,λ−4,2,6,1,3,1,那么
D
1
(
λ
)
=
1
D_1(\lambda)=1
D1(λ)=1;
二阶子式: ( λ + 2 ) ( λ − 1 ) , 6 ( λ − 1 ) , 3 ( 1 − λ ) , ( λ − 1 ) , ( λ − 2 ) ( λ − 1 ) , ( λ − 3 ) ( λ − 1 ) ⋯ (\lambda+2)(\lambda-1),6(\lambda-1),3(1-\lambda),(\lambda-1),(\lambda-2)(\lambda-1),(\lambda-3)(\lambda-1)\cdots (λ+2)(λ−1),6(λ−1),3(1−λ),(λ−1),(λ−2)(λ−1),(λ−3)(λ−1)⋯,那么 D 2 ( λ ) = ( λ − 1 ) D_2(\lambda)=(\lambda-1) D2(λ)=(λ−1)
三阶子式: ( λ − 1 ) 3 (\lambda-1)^3 (λ−1)3
一阶不变因子: d 1 ( λ ) = D 1 ( λ ) = 1 d_1(\lambda)=D_1(\lambda)=1 d1(λ)=D1(λ)=1
二阶不变因子: d 2 ( λ ) = D 2 ( λ ) / D 1 ( λ ) = ( λ − 1 ) d_2(\lambda)=D_2(\lambda)/D_1(\lambda)=(\lambda-1) d2(λ)=D2(λ)/D1(λ)=(λ−1)
三阶不变因子: d 3 ( λ ) = D 3 ( λ ) / D 2 ( λ ) = ( λ − 1 ) 2 d_3(\lambda)=D_3(\lambda)/D_2(\lambda)=(\lambda-1)^2 d3(λ)=D3(λ)/D2(λ)=(λ−1)2
初等因子组: ( λ − 1 ) , ( λ − 1 ) 2 (\lambda-1),(\lambda-1)^2 (λ−1),(λ−1)2
那么可以得出Jordan标准型
J
\bold{J}
J为:
J
=
[
1
1
1
1
]
\bold J = \begin{bmatrix} 1 & & \\ & 1 & 1 \\ & & 1 \\ \end{bmatrix}
J=
1111
第一块约旦块对应的特征向量链为
(
A
−
1
∗
I
)
p
11
=
0
(\bold{A-1*\bold{I}})p_{11}=0
(A−1∗I)p11=0
第二块约旦块对应的特征向量链为
{
A
−
1
∗
I
p
12
=
0
A
−
1
∗
I
p
22
=
p
12
\left\{ \begin{align} & \bold{A}-1*\bold{I}p_{12}=0 \\ & \bold{A}-1*\bold{I}p_{22}=p_{12} \end{align} \right.
{A−1∗Ip12=0A−1∗Ip22=p12
求解该线性方程组
(
A
−
1
∗
I
)
x
=
[
−
2
−
2
6
−
1
−
1
3
−
1
−
1
3
]
x
=
0
(\bold{A}-1*\bold{I})\bold{x}= \begin{bmatrix} -2 & -2 & 6 \\ -1 & -1 & 3 \\ -1 & -1 & 3 \end{bmatrix} \bold{x}=0
(A−1∗I)x=
−2−1−1−2−1−1633
x=0
将其通过初等行变换化成row reduce echelon form(rref)行最简型
[
1
1
−
3
0
0
0
0
0
0
]
x
=
0
\begin{bmatrix} 1 & 1 & -3 \\ 0 & 0 & 0 \\ 0 & 0 & 0 \end{bmatrix} \bold{x}=0
100100−300
x=0
取
p
11
=
[
−
1
,
1
,
0
]
T
,
p
12
=
[
2
,
1
,
1
]
T
p_{11}=[-1,1,0]^T,p_{12}=[2,1,1]^T
p11=[−1,1,0]T,p12=[2,1,1]T,再利用特征向量链2
[
−
2
−
2
6
−
1
−
1
3
−
1
−
1
3
]
x
=
[
2
1
1
]
\begin{bmatrix} -2 & -2 & 6 \\ -1 & -1 & 3 \\ -1 & -1 & 3 \end{bmatrix} \bold{x}= \begin{bmatrix} 2 \\ 1 \\ 1 \end{bmatrix}
−2−1−1−2−1−1633
x=
211
解得,
p
22
=
[
2
,
0
,
1
]
T
p_{22}=[2,0,1]^T
p22=[2,0,1]T,那么最后的变换矩阵
P
\bold{P}
P为
P
=
[
p
11
,
p
21
,
p
22
]
=
[
−
1
2
2
1
1
0
0
1
1
]
\bold{P}= [p_{11},p_{21},p_{22}]= \begin{bmatrix} -1 & 2 & 2 \\ 1 & 1 & 0 \\ 0 & 1 & 1 \end{bmatrix}
P=[p11,p21,p22]=
−110211201