高等代数：5 矩阵的相抵与相似

5 矩阵的相抵与相似

5.1 等价关系与集合的划分

1、设S,M是两个集合，则集合 { ( a , b ) ∣ a ∈ S , b ∈ W } \{(a,b)|a \in S,b \in W\} {(a,b)∣a∈S,b∈W} 称为S与M的笛卡儿积，记作：$S\times M$。

2、定义1：设S是一个非空集合，我们把$S\times S$的一个子集W叫做S上的一个二元关系。如果$a,b)\in W$，那么称a与b有W关系；反之没有W关系。当a与b有W关系时，记作aWb，或$a\sim b$。

3、定义2：集合S上的一个二元关系$\sim$如果具有下述性质：$\forall a,b,c\in S$，有
$$\begin{array}{rlr}& (1)a\sim a& （反身性）；\\ & (2)a\sim b⟹b\sim a& （对称性）；\\ & (3)a\sim b且b\sim c⟹a\sim c& （传递性）。\end{array}$$
那么称$\sim$是S上的一个等价关系。

4、定义3：设$\sim$是S上的一个等价关系，$a\in S$，令
a ˉ = def { x ∈ S ∣ x ∼ a } , \bar{a}\xlongequal{\text{def}}\{x\in S|x\sim a\}, aˉdef {x∈S∣x∼a},
则称$\bar{a}$是由$a$确定的等价类。

事实1：$a\in \bar{a}于是也把\bar{a}称为a的等价类。$

事实2：$x\in bara⟺x\sim a.$

事实3：$\bar{x}=\bar{y}⟺x\sim y.$

5、定理1：设$\sim$是集合S上的一个等价关系，任取$a,b\in S$，则$\bar{a}=\bar{b}$或者$\bar{a}\cap \bar{b}=\varnothing$.

6、定义4：如果集合S是一些非空子集$S_i（i\in I，这里I表示指标集）$的并集，并且其中不相等的子集一定不相交，那么称集合 { S i ∣ i ∈ I } \{S_i|i\in I\} {Si​∣i∈I}是S的一个划分，记作：$\pi (S)$。

7、定理2：设$\sim$是集合S上的一个等价关系，则所有等价类组成的集合是S的一个划分，记作：${\pi }_{\sim }(S)$。

8、定义5：设$\sim$是集合S上的一个等价关系。由所有等价类组成的集合称为S对于关系$\sim$的商集，记作：$S/\sim$。

5.2 矩阵的相抵

1、定义1：对于数域K上$s\times n$矩阵A和B，如果从A经过一系列初等行变换和初等列变换能变成矩阵B，那么称A与B是相抵的，记作：$A\stackrel{相抵}{\sim }B$。

容易验证相抵是$M_{s\times n}(K)$上的一个等价关系。在相抵关系下，矩阵A的等价类称为A的相抵类。

事实1：数域K上$s\times n$矩阵A和B相抵
$$\begin{array}{rlr}⟺& A可以经过初等行变换和初等列变换变成B，& \\ ⟺& 存在K上s级初等矩阵P_1,P_2,\dots ,P_t与n级初等矩阵Q_1,Q_2,\dots ,Q_m，使得& \\ & P_t\dots P_2{P}_{1}A{Q}_1{Q}_2\dots Q_m=B.& \\ ⟺& 存在K上s级可逆矩阵P与n级可逆矩阵Q，使得：& \\ & PAQ=B.& (1)\end{array}$$
2、定理1：设数域K上$s\times n$矩阵A的秩为r。如果$r>0$，那么A相抵于下述形式的矩阵：
$$\left(\begin{array}{cc}{I}_r& 0\\ 0& 0\end{array}\right),\text{\hspace{1em}(2)}$$
称矩阵（2）为A的相抵标准形；如果r=0，那么A相抵于零矩阵，此时称A的相抵标准形是零矩阵。

3、定理2：数域K上$s\times n$矩阵A和B相抵当且仅当它们的秩相等。

4、推论1：设数域K上$s\times n$矩阵A的秩为$r(r>0)$，则存在K上的s级、n级可逆矩阵P、Q，使得
$$A=P\left(\begin{array}{cc}{I}_r& 0\\ 0& 0\end{array}\right)Q.\text{\hspace{1em}(3)}$$

5.3 广义逆矩阵

1、定理1：设A是数域K上$s\times n$非零矩阵，则矩阵方程
$$AXA=A\text{\hspace{1em}(1)}$$
一定有解。如果$tank(A)=r$，并且
$$A=P\left(\begin{array}{cc}{I}_r& 0\\ 0& 0\end{array}\right)Q.\text{\hspace{1em}(2)}$$
其中P、Q分别是K上s级、n级可逆矩阵，那么矩阵方程（2）的通解为
$$X=Q^{-1}\left(\begin{array}{cc}{I}_r& B\\ C& D\end{array}\right)P_{-1}\text{\hspace{1em}(3)}$$
其中B、C、D分别是数域K上任意的$r\times (s-r),(n-r)\times r,(n-r)\times (s-r)$矩阵。

2、定义1：设A是数域K上$s\times n$矩阵，矩阵方程AXA=A的每一个解都称为A的一个广义逆矩阵，简称A的广义逆，用$A^{-}$表示A的任意一个广义逆。

任意一个$s\times n$矩阵都是$0_{s\times n}$的广义逆。

3、定理2（非齐次线性方程组的相容定理）：非齐次线性方程组$AX=\beta$有解的充分必要条件是：
$$\beta =A{A}^{-}\beta .\text{\hspace{1em}(4)}$$
4、定理3（非齐次线性方程组的解的结构定理）：非齐次线性方程组$AX=\beta$有解时，它的通解为：
$$X=A^{-}\beta .\text{\hspace{1em}(5)}$$

5、定理4（齐次线性方程组的解的结构定理）：数域K上n元齐次线性方程组AX=0的通解为：
$$X=(I_n-A^{-}A)Z.\text{\hspace{1em}(6)}$$
其中$A^{-}$是A的任意给定的一个广义逆，Z取遍$K^n$中任意列向量。

推论1：设数域K上n元非齐次线性方程组$AX=\beta$有解，则它的通解为
$$X=A^{-}\beta +(I_n-A^{-}A)Z.\text{\hspace{1em}(7)}$$
其中$A^{-}$是A的任意给定的一个广义逆，Z取遍$K^n$中任意列向量。

6、定义2：设A是复数域上$s\times n$矩阵，矩阵方程组
$$\{\begin{array}{ll}AXA& =A\\ XAX& =X\\ (AX{)}^{\ast }& =AX\\ (XA{)}^{\ast }& =XA\end{array}\text{\hspace{1em}(8)}$$
称为A的Penrose 方程组，它的解称为A的Moore-Penrose 广义逆，记作：$A^{+}$。（8）式中$(AX{)}^{\ast }$表示把AX的每个元素取共轭复数得到的矩阵再转置。

7、定理5：如果A是复数域上$s\times n$非零矩阵，A的 Penrose 方程组总是有解，并且它的解唯一。设A=BC，其中B、C分别是列满秩与行满秩矩阵，则 Penrose 方程组的唯一解是
$$X=C^{\ast }(C{C}^{\ast }{)}^{-1}(B^{\ast }B{)}^{-1}{B}^{\ast }.\text{\hspace{1em}(9)}$$

5.4 矩阵的相似

1、定义1：设A与B都是数域K上n级矩阵，如果存在数域K上一个n级可逆矩阵P，使得
$$P^{-1}AP=B,\text{\hspace{1em}(1)}$$
那么称A与B是相似的，记作：$A\sim B$。

相似关系是一种等价关系，相似关系下的等价类称为相似类。相似具有下列性质：

性质1：如果$B_1=P^{-1}{A}_{1}P,B_2=P^{-1}{A}_{2}P$，那么
$$\begin{array}{rl}{B}_1+B_2& =P^{-1}(A_1+A_2)P,\\ B_1{B}_2& =P^{-1}(A_1{A}_2)P,\\ B_1^m& =P^{-1}{A}_1^{m}P,\end{array}$$
其中m是正整数。

性质2：相似的矩阵其行列式的值相等。

性质3：相似的矩阵或者都可逆，或者都不可逆；当他们可逆时，它们的你矩阵也相似。

性质4：相似的矩阵有相等的秩。

2、定义2：n级矩阵$A=(a_{ij})$的主对角线上元素的和称为A的迹，记作 tr(A)。即
$$tr(A)=a_{11}+a_{22+\cdots +a_{nn}}\text{\hspace{1em}(2)}$$
命题1：矩阵的迹具有下列性质：
$$\begin{array}{rl}tr(A+B)& =tr(A)+tr(B),\\ tr(kA)& =k\cdot tr(A),\\ tr(AB)& =tr(BA).\end{array}$$
由此可见，矩阵的迹是从矩阵乘法的非交换性中提取的可交换的量。

性质5：相似的矩阵有相等的迹。

性质2、4、5表明：矩阵的行列式、秩、迹都是相似关系下的不变量，简称为相似不变量。

3、如果n级矩阵A能够相似于一个对角矩阵，那么称A可对角化。

定理1：数域K上n级矩阵可对角化的充分必要条件是，$K^n$中有n个线性无关的列向量${\alpha }_1,{\alpha }_2,\dots ,{\alpha }_n$，以及K中有n个数${\lambda }_1,{\lambda }_2,\dots ,{\lambda }_n$（它们之中有些可能相等），使得
$$A{\alpha }_i={\lambda }_i{\alpha }_i,i=1,2,\dots ,n.\text{\hspace{1em}(3)}$$
这时，令$P=（{\alpha }_1,{\alpha }_2,\dots ,{\alpha }_n）$，则
P − 1 A P = d i a g { λ 1 , λ 2 , … , λ n } . (4) P^{-1}AP=diag\{\lambda_1,\lambda_2,\dots,\lambda_n\}.\tag{4} P−1AP=diag{λ1​,λ2​,…,λn​}.(4)

5.5 矩阵的特征值和特征向量

1、定义1：设A是数域K上n级矩阵，如果$K^n$中有非零列向量$\alpha$，使得
$$A\alpha ={\lambda }_0\alpha ,且{\lambda }_0\in K,$$
那么称${\lambda }_0$是A的一个特征值，称向量$\alpha$是A的属于特征值${\lambda }_0$的一个特征向量。

如果$\alpha$是A的属于特征值${\lambda }_0$的一个特征向量，那么显然，当$k\ne 0时，k\alpha$也是A的属于特征值${\lambda }_0$的一个特征向量。

注意：零向量不是A的特征向量。
$$\begin{array}{rl}& {\lambda }_0是A的一个特征值，\alpha 是A的属于{\lambda }_0的一个特征向量\\ ⟺& A\alpha ={\lambda }_0\alpha ,\alpha \ne 0,{\lambda }_0\in K\\ ⟺& ({\lambda }_{0}I-A)\alpha =0,\alpha \ne 0,{\lambda }_0\in K\\ ⟺& \alpha 是齐次线性方程组({\lambda }_{0}I-A)X=0的一个非零解，{\lambda }_0\in K\\ ⟺& |{\lambda }_{0}I-A|=0,\alpha 是({\lambda }_{0}I-A)X=0的一个非零解，{\lambda }_0\in K\\ ⟺& {\lambda }_0是多项式|\lambda I-A|在K中的一个根，\alpha 是({\lambda }_{0}I-A)X=0的一个非零解。\end{array}$$
把$|\lambda I-A|$称为A的特征多项式。

2、定理1：设A是数域K上n级矩阵，则
$$\begin{array}{rl}& (1){\lambda }_0是A的一个特征值当且仅当{\lambda }_0是A的特征多项式|\lambda I-A|在K中的一个根；\\ & (2)\alpha 是A的属于特征值{\lambda }_0的一个特征向量当且仅当\alpha 是齐次线性方程组({\lambda }_{0}I-A)X=0的一个非零解。\end{array}$$
设${\lambda }_0$是A的一个特征值，把齐次线性方程组$({\lambda }_{0}I-A)X=0$的解空间称为A的属于${\lambda }_0$的特征子空间，其中全部非零向量就是A的属于${\lambda }_0$的全部特征向量。

相似矩阵性质：

性质1：相似的矩阵具有相等的特征多项式。

性质2：相似的矩阵有相同的特征值（包括重复特征值数量，简称重数相同）。

由性质1、2看出，矩阵的特征多项式和特征值都是相似不变量。

命题1：设A是数域K上n级矩阵，则A的特征多项式$|\lambda I-A|$是一个n次多项式，${\lambda }^n$的系数是1，${\lambda }^{n-1}$的系数是等于-tr(A)，常数项为$(-1{)}^n|A|，{\lambda }^{n-k}$的系数为A的所有k阶主子式的和乘以$(-1{)}^k,1⩽k<n$。

3、定义2：设A是数域K上n级矩阵，${\lambda }_1$是A的一个特征值。把A的属于${\lambda }_1$的特征子空间的维数叫做特征值${\lambda }_1$的几何重数，而把${\lambda }_1$作为作为A的特征多项式的根的重数叫做${\lambda }_1$的代数重数，把代数重数简称为重数。

命题2：设${\lambda }_1$是数域K上n级矩阵A的一个特征值，则${\lambda }_1$的几何重数不超过它的代数重数。

5.6 矩阵可对角化的条件

1、定理1：数域K上n级矩阵A可对角化的充分必要条件是A有n个线性无关的特征向量${\alpha }_1,{\alpha }_2,\dots ,{\alpha }_n$，此时
令 P = ( α 1 , α 2 , … , α n ) , 则 P − 1 A P = d i a g { λ 1 , λ 2 , … , λ n } , \begin{aligned} &令&P&=(\alpha_1,\alpha_2,\dots,\alpha_n),\\ &则&P^{-1}AP&=diag\{\lambda_1,\lambda_2,\dots,\lambda_n \}, \end{aligned} ​令则​PP−1AP​=(α1​,α2​,…,αn​),=diag{λ1​,λ2​,…,λn​},​
其中${\lambda }_i$是${\alpha }_i$所属的特征值，$i=1,2,\dots ,n$。上述对角矩阵称为A 的相似标准形，除了主对角线上元素的排列次序外，A的相似标准形是唯一的。

2、定理2：设${\lambda }_1,{\lambda }_2$是数域K上n级矩阵A的不同的特征值，${\alpha }_1,{\alpha }_2,\dots ,{\alpha }_s与{\beta }_1,{\beta }_2,\dots ,{\beta }_r$分别是A的属于${\lambda }_1,{\lambda }_2$的线性无关的特征向量，则${\alpha }_1,{\alpha }_2,\dots ,{\alpha }_s,{\beta }_1,{\beta }_2,\dots ,{\beta }_r$线性无关。

3、定理3：设${\lambda }_1,{\lambda }_2,\dots ,{\lambda }_m$是数域K上n级矩阵A的不同的特征值，${\alpha }_{j1},\dots ,{\alpha }_{j{r}_j}$是A的属于${\lambda }_j$的线性无关的特征向量，$j=1,2,\dots ,m$。则向量组
$${\alpha }_{11},\dots ,{\alpha }_{a{r}_1},\dots \dots ,{\alpha }_{m1},\dots ,{\alpha }_{m{r}_m}$$
线性无关。

推论1：n级矩阵A的属于不同特征值的特征向量是线性无关的。

4、定理4：数域K上n级矩阵A可对角化的充分必要条件是：A的属于不同特征值的特征子空间的维数之和等于n。

推论2：数域K上n级矩阵A如果有n个不同的特征值，那么A可对角化。

5、定理5：数域K上n级矩阵A可对角化的充分必要条件是：A的特征多项式的全部复根都属于K，并且A的每个特征值的几何重数等于它的代数重数。

5.7 实对称矩阵的对角化

1、定义1：实数域上的矩阵简称为实对称矩阵。

定理1：实对称矩阵的特征多项式的每一个复根都是实数，从而它们都是特征值。

2、定理2：实对称矩阵A的属于不同特征值的特征向量是正交的。

3、定义2：如果对于n级实矩阵A、B，存在一个n级正交矩阵T，使得$T^{-1}AT=B$，那么称A正交相似于B。

定理3：实对称矩阵一定正交相似于对角矩阵。

命题1：如果n级实矩阵A正交相似于一个对角矩阵D，那么A一定是对称矩阵。

命题2：两个n级实对称矩阵正交相似的充分必要条件是它们相似。