线性代数(七):Jordan标准形

Jordan标准形

定义7.1:称形如 J ( λ ) = [ λ 1 λ 1 λ 1 ⋱ ⋱ λ 1 λ ] r × r J(\lambda)= \begin{bmatrix} \lambda&1\\ &\lambda&1\\ &&\lambda&1\\ &&&\ddots&\ddots\\ &&&&\lambda&1\\ &&&&&\lambda \end{bmatrix}_{r\times r} J(λ)= λ1λ1λ1λ1λ r×r
r r r阶方阵为为一个 r r rJordan块。由Jordan块构成的准对角矩阵 J = [ J 1 ( λ 1 ) J 2 ( λ 2 ) J 3 ( λ 3 ) ⋱ J m − 1 ( λ m − 1 ) J m ( λ m ) ] J= \begin{bmatrix} J_1(\lambda_1)\\ &J_2(\lambda_2)\\ &&J_3(\lambda_3)\\ &&&\ddots\\ &&&&J_{m-1}(\lambda_{m-1})\\ &&&&&J_m(\lambda_m) \end{bmatrix} J= J1(λ1)J2(λ2)J3(λ3)Jm1(λm1)Jm(λm) 则称为 Jordan矩阵

Remark:
Jordan矩阵不仅是准对角矩阵,也是上三角矩阵,主对角元素为自身的特征值。Jordan矩阵非零元素只存在于主对角线及其上方元素 a i , i + 1 a_{i,i+1} ai,i+1,并且 a i , i + 1 = 0 或 1 a_{i,i+1}=0或1 ai,i+1=01。另外注意,不同Jordan块并不要求特征值不同。

我们知道并不是所有的 n n n阶矩阵均可相似对角化,当且仅当其有 n n n个线性无关的特征向量才可实现。但是我们可以得到如下结论:
定理7.1:在复数域上,任意 n n n阶方阵 A A A均相似于一个Jordan矩阵 J J J,即存在 n n n阶可逆矩阵 P P P,使得: P − 1 A P = J = [ J 1 ( λ 1 ) J 2 ( λ 2 ) J 3 ( λ 3 ) ⋱ J m − 1 ( λ m − 1 ) J m ( λ m ) ] P^{-1}AP=J=\begin{bmatrix} J_1(\lambda_1)\\ &J_2(\lambda_2)\\ &&J_3(\lambda_3)\\ &&&\ddots\\ &&&&J_{m-1}(\lambda_{m-1})\\ &&&&&J_m(\lambda_m) \end{bmatrix} P1AP=J= J1(λ1)J2(λ2)J3(λ3)Jm1(λm1)Jm(λm) J J J A A AJordan标准形

下面分析Jordan标准型的求解方法:

A n × n ∼ J A A_{n\times n}\sim J_A An×nJA,则 J A J_A JA A A A 有相同的特征值,即 A A A 的特征值为 J A J_A JA 的主对角元素。

A 的 k i 重特征值为 λ i ( i = 1 , 2 , … , s ; ∑ i = 1 s k i = n ) A 的 k_i 重特征值为 \lambda_i (i=1,2,\dots,s;\sum_{i=1}^s k_i=n) Aki重特征值为λi(i=1,2,,s;i=1ski=n)那么将 J A J_A JA 具有相同特征值的Jordan块排在一块有: J A = [ A 1 ( λ 1 ) k 1 × k 1 A 2 ( λ 2 ) k 2 × k 2 ⋱ A s ( λ s ) k s × k s ] n × n 其中 , A i ( λ i ) 包含 1 ≤ t i ≤ k i 个 J o r d a n 块 , 各 J o r d a n 块的阶数为 n ( i , j ) ,则 ( ∑ j = 1 t i n ( i , j ) = k i ) ,即 A i ( λ i ) = [ J 1 ( λ i ) n ( i , 1 ) × n ( i , 1 ) J 2 ( λ i ) n ( i , 2 ) × n ( i , 2 ) ⋱ J t i ( λ i ) n ( i , t i ) × n ( i , t i ) ] k i × k i ( i = 1 , 2 , … , s ) J_A=\begin{bmatrix} A_1(\lambda_1)_{k_1\times k_1}\\ &A_2(\lambda_2)_{k_2\times k_2}\\ &&\ddots\\ &&&A_s(\lambda_s)_{k_s\times k_s} \end{bmatrix}_{n\times n}其中,A_i(\lambda_i)包含1\le t_{i}\le k_i个Jordan块,各Jordan块的阶数为n_{(i,j)},则(\sum_{j=1}^{t_i} n_{(i,j)}=k_i),即A_i(\lambda_i)=\begin{bmatrix} J_{1}(\lambda_i)_{n_{(i,1)}\times n_{(i,1)}}\\ &J_{2}(\lambda_i)_{n_{(i,2)}\times n_{(i,2)}}\\ &&\ddots\\ &&&J_{t_{i}}(\lambda_i)_{n_{(i,t_{i})}\times n_{(i,t_{i})}} \end{bmatrix}_{k_i\times k_i}\quad (i=1,2,\dots,s) JA= A1(λ1)k1×k1A2(λ2)k2×k2As(λs)ks×ks n×n其中,Ai(λi)包含1tikiJordan,Jordan块的阶数为n(i,j),则(j=1tin(i,j)=ki),即Ai(λi)= J1(λi)n(i,1)×n(i,1)J2(λi)n(i,2)×n(i,2)Jti(λi)n(i,ti)×n(i,ti) ki×ki(i=1,2,,s)
A n × n ∼ J A A_{n\times n}\sim J_A An×nJA ,则 P − 1 A P = J A ⟹ A P = P J A ⟹ A [ p n × k 1 1 , p n × k 2 2 , … , p n × k s s ] = [ p n × k 1 1 , p n × k 2 2 , … , p n × k s s ] [ A 1 ( λ 1 ) k 1 × k 1 A 2 ( λ 2 ) k 2 × k 2 ⋱ A s ( λ s ) k s × k s ] n × n = [ p n × k 1 1 A 1 ( λ 1 ) k 1 × k 1 , p n × k 2 2 A 2 ( λ 2 ) k 2 × k 2 , … , p n × k s s A s ( λ s ) k s × k s ] P^{-1}AP=J_A\Longrightarrow AP=PJ_A\Longrightarrow A[p^1_{n\times{k_1}},p^2_{n\times{k_2}},\dots,p^s_{n\times{k_s}}]=[p^1_{n\times{k_1}},p^2_{n\times{k_2}},\dots,p^s_{n\times{k_s}}]\begin{bmatrix} A_1(\lambda_1)_{k_1\times k_1}\\ &A_2(\lambda_2)_{k_2\times k_2}\\ &&\ddots\\ &&&A_s(\lambda_s)_{k_s\times k_s} \end{bmatrix}_{n\times n}= [p^1_{n\times{k_1}}A_1(\lambda_1)_{k_1\times k_1},p^2_{n\times{k_2}}A_2(\lambda_2)_{k_2\times k_2},\dots,p^s_{n\times{k_s}}A_s(\lambda_s)_{k_s\times k_s}] P1AP=JAAP=PJAA[pn×k11,pn×k22,,pn×kss]=[pn×k11,pn×k22,,pn×kss] A1(λ1)k1×k1A2(λ2)k2×k2As(λs)ks×ks n×n=[pn×k11A1(λ1)k1×k1,pn×k22A2(λ2)k2×k2,,pn×kssAs(λs)ks×ks]即: A p n × k r r = p n × k r r A r ( λ r ) k r × k r ( r = 1 , 2 , … , s ) Ap^r_{n\times{k_r}}=p^r_{n\times{k_r}}A_r(\lambda_r)_{k_r\times k_r}\quad (r=1,2,\dots,s) Apn×krr=pn×krrAr(λr)kr×kr(r=1,2,,s)
进一步,对 p n × k r r p^r_{n\times{k_r}} pn×krr进行列分块: A [ P ˜ n × n ( r , 1 ) r 1 , P ˜ n × n ( r , 2 ) r 2 , … , P ˜ n × n ( r , t r ) r k r ] = [ P ˜ n × n ( r , 1 ) r 1 , P ˜ n × n ( r , 2 ) r 2 , … , P ˜ n × n ( r , t r ) r k r ] [ J 1 ( λ r ) n ( r , 1 ) × n ( r , 1 ) J 2 ( λ r ) n ( r , 2 ) × n ( r , 2 ) ⋱ J t r ( λ r ) n ( r , t r ) × n ( r , t r ) ] k r × k r = [ P ˜ r 1 J 1 ( λ r ) , P ˜ r 2 J 2 ( λ r ) , … , P ˜ r k r J t r ( λ r ) ] A[{\~P}^{r1}_{n\times n_{(r,1)}},{\~P}^{r2}_{n\times n_{(r,2)}},\dots,{\~P}^{rk_r}_{n\times n_{(r,t_r)}}]=[{\~P}^{r1}_{n\times n_{(r,1)}},{\~P}^{r2}_{n\times n_{(r,2)}},\dots,{\~P}^{rk_r}_{n\times n_{(r,t_r)}}] \begin{bmatrix} J_{1}(\lambda_r)_{n_{(r,1)}\times n_{(r,1)}}\\ &J_{2}(\lambda_r)_{n_{(r,2)}\times n_{(r,2)}}\\ &&\ddots\\ &&&J_{t_{r}}(\lambda_r)_{n_{(r,t_{r})}\times n_{(r,t_{r}})} \end{bmatrix}_{k_r\times k_r}= [{\~P}^{r1}J_{1}(\lambda_r),{\~P}^{r2}J_{2}(\lambda_r),\dots,{\~P}^{rk_r}J_{t_{r}}(\lambda_r)] A[P˜n×n(r,1)r1,P˜n×n(r,2)r2,,P˜n×n(r,tr)rkr]=[P˜n×n(r,1)r1,P˜n×n(r,2)r2,,P˜n×n(r,tr)rkr] J1(λr)n(r,1)×n(r,1)J2(λr)n(r,2)×n(r,2)Jtr(λr)n(r,tr)×n(r,tr) kr×kr=[P˜r1J1(λr),P˜r2J2(λr),,P˜rkrJtr(λr)]即: A P ˜ n × n ( r , l ) r l = P ˜ n × n ( r , l ) r l J l ( λ r ) n ( r , l ) × ( r , l ) ( l = 1 , 2 , … , t r ) A{\~P}^{rl}_{n\times n_{(r,l)}}={\~P}^{rl}_{n\times n_{(r,l)}}J_{l}(\lambda_r)_{n_{(r,l)\times(r,l)}}\quad(l=1,2,\dots,t_r) AP˜n×n(r,l)rl=P˜n×n(r,l)rlJl(λr)n(r,l)×(r,l)(l=1,2,,tr)
进一步分块有: A [ α ⃗ , β ⃗ 2 , … , β ⃗ n ( r , t r ) ] = [ α ⃗ , β ⃗ 2 , … , β ⃗ n ( r , t r ) ] [ λ 1 λ 1 λ 1 ⋱ ⋱ λ 1 λ ] n ( r , l ) × ( r , l ) A[\vec{\alpha},\vec{\beta}_2,\dots,\vec{\beta}_{n_{(r,tr)}}]=[\vec{\alpha},\vec{\beta}_2,\dots,\vec{\beta}_{n_{(r,tr)}}]\begin{bmatrix} \lambda&1\\ &\lambda&1\\ &&\lambda&1\\ &&&\ddots&\ddots\\ &&&&\lambda&1\\ &&&&&\lambda \end{bmatrix}_{n_{(r,l)\times(r,l)}} A[α ,β 2,,β n(r,tr)]=[α ,β 2,,β n(r,tr)] λ1λ1λ1λ1λ n(r,l)×(r,l)即: { ( A − λ E ) α ⃗ = 0 ( A − λ E ) β ⃗ 2 = α ⃗ ( A − λ E ) β ⃗ 3 = β ⃗ 2 … ( A − λ E ) β ⃗ n ( r , t r ) = β ⃗ ( n ( r , t r ) − 1 ) ( 1 ) \begin{cases} (A-\lambda E)\vec{\alpha}=0\\ (A-\lambda E)\vec{\beta}_2=\vec{\alpha}\\ (A-\lambda E)\vec{\beta}_3=\vec{\beta}_2\\ \dots\\ (A-\lambda E)\vec{\beta}_{n_{(r,t_r)}}=\vec{\beta}_{(n_{(r,t_r)}-1)}\\ \end{cases}\qquad(1) (AλE)α =0(AλE)β 2=α (AλE)β 3=β 2(AλE)β n(r,tr)=β (n(r,tr)1)(1)
{ α ⃗ , β ⃗ 2 , … , β ⃗ n ( r , t r ) } \{\vec{\alpha},\vec{\beta}_2,\dots,\vec{\beta}_{n_{(r,tr)}}\} {α ,β 2,,β n(r,tr)}称作Jotdan链,它们是同一特征值对应的某个Jordan块对应的可逆矩阵 P P P的列

综上,求解可逆矩阵 P P P与Jordan标准形 J A J_A JA的步骤如下:
(1) 求解 A A A的特征多项式,得到 k i k_i ki重特征值 λ i   ( i = 1 , 2 , … , s ) \lambda_i\ (i=1,2,\dots,s) λi (i=1,2,,s)
(2) 求解其中一个特征值 λ i \lambda_i λi对应的所有线性无关的特征向量 α ⃗ j   ( j = 1 , 2 , … , t i ) \vec{\alpha}_j\ (j=1,2,\dots,t_i) α j (j=1,2,,ti);
(3) 将每个特征向量 α ⃗ j \vec{\alpha}_j α j分别代入方程 ( 1 ) (1) (1)得到一个Jordan链;
(4) 对应排列Jordan链与相应的Jordan块得到P与Jordan标准形。

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    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
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
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