6. 总结1
1. 等价标准形 行列式因子 不变因子 初等因子 Jordan标准形 最小多项式
等价
A
(
λ
)
≅
B
(
λ
)
\boldsymbol A(\lambda)\cong \boldsymbol B(\lambda)
A(λ)≅B(λ) 的充要条件
存在
m
m
m 阶可逆
λ
\lambda
λ 阵
P
(
λ
)
\boldsymbol P(\lambda)
P(λ) 与
n
n
n 阶可逆
λ
\lambda
λ 阵
Q
(
λ
)
\boldsymbol Q(\lambda)
Q(λ),使
B
(
λ
)
=
P
(
λ
)
A
(
λ
)
Q
(
λ
)
.
\boldsymbol B(\lambda)=\boldsymbol P(\lambda)\boldsymbol A(\lambda)\boldsymbol Q(\lambda).
B(λ)=P(λ)A(λ)Q(λ).
A ( λ ) A(λ) A(λ) 的 等价标准形 I r ( λ ) = ( D ( λ ) O O O ) I_r(\lambda)=\begin{pmatrix}\boldsymbol {D}(\lambda)&\boldsymbol{O}\\ \boldsymbol{O}&\boldsymbol{O}\end{pmatrix} Ir(λ)=(D(λ)OOO),
A ( λ ) A(\lambda) A(λ) 的所有 k k k 阶子式的首项系数为 1 1 1 的最大公因式称为 A ( λ ) A(λ) A(λ) 的 k k k 阶 行列式因子 D k ( λ ) . D_k(\lambda). Dk(λ).
d k ( λ ) = D k ( λ ) / D k − 1 ( λ ) ( 1 ⩽ k ⩽ r ) d_k(\lambda)=D_k(\lambda)/D_{k-1}(\lambda) (1\leqslant k\leqslant r) dk(λ)=Dk(λ)/Dk−1(λ)(1⩽k⩽r) 为 A ( λ ) A(\lambda) A(λ) 的 第 k k k 个不变因子,其中 D 0 ( λ ) = 1. D_0(\lambda)=1. D0(λ)=1.
不变因子在复数域 C \mathbb C C 上有下面的标准分解式,称因式 ( λ − a i ) l j (\lambda-a_i)^{l_j} (λ−ai)lj 为 A ( λ ) A(\lambda) A(λ) 的 初等因子.
分块矩阵 J = [ J 1 J 2 ⋱ J s ] \boldsymbol{J}=\begin{bmatrix}\boldsymbol{J}_1\\&\boldsymbol{J}_2\\&&\ddots\\&&&\boldsymbol{J}_s\end{bmatrix} J= J1J2⋱Js 称为 Jordan 标准形,其中 J i = [ λ i 1 λ i ⋱ ⋱ 1 λ i ] n i \boldsymbol{J}_i=\begin{bmatrix}\lambda_i&1\\&\lambda_i&\ddots\\&&\ddots&1\\&&&\lambda_i\end{bmatrix}_{n_i} Ji= λi1λi⋱⋱1λi ni
A \mathbf A A 的首项系数为 1 1 1 的次数最低的零化多项式为 A \mathbf A A 的 最小多项式,记作 m A ( λ ) . m_{\mathbf{A}}(\lambda). mA(λ).
例 1.11 求 λ λ λ 阵 A ( λ ) = [ 1 − λ 2 λ − 1 λ λ λ 2 − λ 1 + λ 2 λ 3 + λ − 1 − λ 2 ] A(\lambda)=\begin{bmatrix}1-\lambda&2\lambda-1&\lambda\\\lambda&\lambda^2&-\lambda\\1+\lambda^2&\lambda^3+\lambda-1&-\lambda^2\end{bmatrix} A(λ)= 1−λλ1+λ22λ−1λ2λ3+λ−1λ−λ−λ2 的等价标准形,
解 把 λ \lambda λ 阵化成等价标准形的步骤是:
首先观察 A ( λ ) \boldsymbol{A}(\lambda) A(λ) 的(1,1)元素是否能整除其他元素. 若能,则用初等变换把第一行和第一列的其余元素都化为零;
若不能,则由 a 1 i = q a 11 + r a_{1i}=qa_{11}+r a1i=qa11+r 将 a 11 a_{11} a11 换为 r r r , 降低(1,1)元素的次数,直到变化后的矩阵其(1,1)元素能整除其他元素,
再用初等变换将第一行和第一列的其余元素都化为零 . 然后,考察变换后矩阵的(2,2)元素否能整除(1,1)元素以外的元素,类似地重复前面的讨程,直到化成标准形矩阵。
A ( λ ) = [ 1 − λ 2 λ − 1 λ λ λ 2 − λ 1 + λ 2 λ 3 + λ − 1 − λ 2 ] → r 3 − λ r 2 r 1 + r 2 [ 1 λ 2 + 2 λ − 1 0 λ λ 2 − λ 1 λ − 1 0 ] → r 3 − r 1 r 2 − λ r 1 ( 1 λ 2 + 2 λ − 1 0 0 − λ 3 − λ 2 + λ − λ 0 − λ 2 − λ 0 ) → c 2 − ( λ 2 + 2 λ − 1 ) c 1 ( 1 0 0 0 − λ 3 − λ 2 + λ − λ 0 − λ 2 − λ 0 ) → r 2 − λ r 3 [ 1 0 0 0 λ − λ 0 − λ 2 − λ 0 ] → r 3 − ( λ − 1 ) r 2 c 3 + c 2 [ 1 0 0 0 λ 0 0 0 λ ( λ + 1 ) ] = I 3 ( λ ) . \begin{aligned} A(\lambda)& =\begin{bmatrix}1-\lambda&2\lambda-1&\lambda\\\lambda&\lambda^2&-\lambda\\1+\lambda^2&\lambda^3+\lambda-1&-\lambda^2\end{bmatrix}\xrightarrow[r_3-\lambda r_2]{r_1+r_2}\begin{bmatrix}1&\lambda^2+2\lambda-1&0\\\lambda&\lambda^2&-\lambda\\1&\lambda-1&0\end{bmatrix} \\ &\xrightarrow{r_3-r_1}_{r_2-\lambda r_1}\begin{pmatrix}1&\lambda^2+2\lambda-1&0\\0&-\lambda^3-\lambda^2+\lambda&-\lambda\\0&-\lambda^2-\lambda&0\end{pmatrix}\xrightarrow{c_2-(\lambda^2+2\lambda-1)c_1}\begin{pmatrix}1&0&0\\0&-\lambda^3-\lambda^2+\lambda&-\lambda\\0&-\lambda^2-\lambda&0\end{pmatrix} \\ &\xrightarrow{r_2-\lambda r_3}\begin{bmatrix}1&0&0\\0&\lambda&-\lambda\\0&-\lambda^2-\lambda&0\end{bmatrix}\xrightarrow[r_3-(\lambda-1)r_2]{c_3+c_2}\begin{bmatrix}1&0&0\\0&\lambda&0\\0&0&\lambda(\lambda+1)\end{bmatrix}=I_3(\lambda). \end{aligned} A(λ)= 1−λλ1+λ22λ−1λ2λ3+λ−1λ−λ−λ2 r1+r2r3−λr2 1λ1λ2+2λ−1λ2λ−10−λ0 r3−r1r2−λr1 100λ2+2λ−1−λ3−λ2+λ−λ2−λ0−λ0 c2−(λ2+2λ−1)c1 1000−λ3−λ2+λ−λ2−λ0−λ0 r2−λr3 1000λ−λ2−λ0−λ0 c3+c2r3−(λ−1)r2 1000λ000λ(λ+1) =I3(λ).
例 1.17 求 A ( λ ) = ( λ − 1 1 0 − 2 λ − 4 1 0 0 λ − 3 ) A(\lambda)=\begin{pmatrix}\lambda-1&1&0\\-2&\lambda-4&1\\0&0&\lambda-3\end{pmatrix} A(λ)= λ−1−201λ−4001λ−3 的等价标准形.
解 因 A ( λ ) A( \lambda ) A(λ) 的元素中有非零数 1 1 1 , 故 D 1 ( λ ) = 1. D_{_1}(\lambda)=1. D1(λ)=1. 又 A ( λ ) A( \lambda ) A(λ) 有 二 阶 子 式 ∣ 1 0 λ − 4 1 ∣ \begin{vmatrix} 1& 0\\ \lambda- 4& 1\end{vmatrix} 1λ−401 , 故
D 2 ( λ ) = 1 , D 3 ( λ ) = ∣ λ − 1 1 0 − 2 λ − 4 1 0 0 λ − 3 ∣ = ( λ − 2 ) ( λ − 3 ) 2 , D_2(\lambda)=1,\quad D_3(\lambda)=\begin{vmatrix}\lambda-1&1&0\\-2&\lambda-4&1\\0&0&\lambda-3\end{vmatrix}=(\lambda-2)\:(\lambda-3)^2, D2(λ)=1,D3(λ)= λ−1−201λ−4001λ−3 =(λ−2)(λ−3)2,于是 d 1 ( λ ) = d 2 ( λ ) = 1 d_{1}( \lambda ) = d_{2}( \lambda ) = 1 d1(λ)=d2(λ)=1, d 3 ( λ ) = ( λ − 2 ) ( λ − 3 ) 2 . d_{3}( \lambda ) = ( \lambda - 2) ( \lambda - 3) ^{2}. d3(λ)=(λ−2)(λ−3)2.
故 A ( λ ) A(\lambda) A(λ) 的等价标准形是 I r ( λ ) = [ 1 1 ( λ − 2 ) ( λ − 3 ) 2 ] . \boldsymbol{I}_r(\lambda)=\begin{bmatrix}1&&\\&1&\\&&(\lambda-2)(\lambda-3)^2\end{bmatrix}. Ir(λ)= 11(λ−2)(λ−3)2 .
例如,如果一个 5 阶 λ \lambda λ 阵 A ( λ ) A(\lambda) A(λ) 的等价标准形是 ~~~~~~~~~~~~~~~~~~~ 那么 A ( λ ) A(\lambda) A(λ) 的所有不变因子在复数域 C \mathbb C C上的标准分解式为
~
I r ( λ ) = [ 1 λ − 2 ( λ − 2 ) ( λ + 3 ) ( λ − 2 ) 2 ( λ + 3 ) 2 0 ] . \boldsymbol{I}_r(\lambda)=\begin{bmatrix}1&&&&\\&\lambda-2&&&\\&&(\lambda-2)(\lambda+3)&&\\&&&(\lambda-2)^2(\lambda+3)^2&\\&&&&0\end{bmatrix}. Ir(λ)= 1λ−2(λ−2)(λ+3)(λ−2)2(λ+3)20 . d 1 ( λ ) = 1 , d 2 ( λ ) = λ − 2 , d 3 ( λ ) = ( λ − 2 ) ( λ + 3 ) , d 4 ( λ ) = ( λ − 2 ) 2 ( λ + 3 ) 2 . ~~~~~~~~~~~~~~~~~~~\begin{aligned}&d_{1}(\lambda)=1,\\&d_{2}(\lambda)=\lambda-2,\\&d_{3}(\lambda)=(\lambda-2)(\lambda+3)\:,\\&d_{4}(\lambda)=(\lambda-2)^{2}(\lambda+3)^{2}.\end{aligned} d1(λ)=1,d2(λ)=λ−2,d3(λ)=(λ−2)(λ+3),d4(λ)=(λ−2)2(λ+3)2.
~
所以 , A ( λ ) ,A(\lambda) ,A(λ) 的全体初等因子为 λ − 2 , λ − 2 , ( λ − 2 ) 2 , λ + 3 , ( λ + 3 ) 2 . \lambda-2,\lambda-2,(\lambda-2)^{2},\lambda+3,(\lambda+3)^{2}. λ−2,λ−2,(λ−2)2,λ+3,(λ+3)2.
~
已知 A ( λ ) A(λ) A(λ) 的秩是 4 4 4 , 因此,首先取 A ( λ ) A(\lambda) A(λ) 的全部初等因子 λ − 2 , λ − 2 , ( λ − 2 ) 2 , λ + 3 , ( λ + 3 ) 2 \lambda-2,\lambda-2,(\lambda-2)^2,\lambda+3,(\lambda+3)^2 λ−2,λ−2,(λ−2)2,λ+3,(λ+3)2 的最小公倍式作为 A ( λ ) A(\lambda) A(λ) 的第 4 4 4 个不变因子,即 d 4 ( λ ) = ( λ − 2 ) 2 ( λ + 3 ) 2 d_4(\lambda)=(\lambda-2)^2(\lambda+3)^2 d4(λ)=(λ−2)2(λ+3)2 , 然后再取剩余的初等因子 λ − 2 , λ − 2 , λ + 3 \lambda-2,\lambda-2,\lambda+3 λ−2,λ−2,λ+3 的最小公倍式作为 A ( λ ) A(\lambda) A(λ)的第 3 个不变因子,即 d 3 ( λ ) = ( λ − 2 ) ( λ + 3 ) . d_3(\lambda)=(\lambda-2)(\lambda+3). d3(λ)=(λ−2)(λ+3).同理得到 d 2 ( λ ) = λ − 2. d_{_2}(\lambda)=\lambda-2. d2(λ)=λ−2.这时 A ( λ ) A(\lambda) A(λ)的全部初等因子都已经使用过了,于是剩余的不变因子 d 1 ( λ ) = 1. d_1(\lambda)=1. d1(λ)=1.
例 1.23 求 A = [ 1 − 1 0 2 4 − 1 0 0 3 ] \mathbf{A}=\begin{bmatrix}1&-1&0\\2&4&-1\\0&0&3\end{bmatrix} A= 120−1400−13 的 Jordan标准形.
解 因为
λ E − A = [ λ − 1 1 0 − 2 λ − 4 1 0 0 λ − 3 ] → c 1 ↔ c 2 [ 1 λ − 1 0 λ − 4 − 2 1 0 0 λ − 3 ] → r 2 − ( λ − 4 ) r 1 c 2 − ( λ − 1 ) c 1 [ 1 0 0 0 − λ 2 + 5 λ − 6 1 0 0 λ − 3 ] → c 2 ↔ c 3 [ 1 0 0 0 1 − λ 2 + 5 λ − 6 0 λ − 3 0 ] → r 3 − ( − λ 2 + 5 λ − 6 ) r 2 c 3 − ( λ − 3 ) c 2 [ 1 0 0 0 1 0 0 0 ( λ − 2 ) ( λ − 3 ) 2 ] \begin{aligned} \lambda E- A=&\begin{bmatrix}\lambda-1&1&0\\-2&\lambda-4&1\\0&0&\lambda-3\end{bmatrix}\xrightarrow{c_{1}\leftrightarrow c_{2}}\begin{bmatrix}1&\lambda-1&0\\\lambda-4&-2&1\\0&0&\lambda-3\end{bmatrix} \\ &\xrightarrow[r_2-(\lambda-4)r_1]{c_2-(\lambda-1)c_1}\begin{bmatrix}1&0&0\\0&-\lambda^2+5\lambda-6&1\\0&0&\lambda-3\end{bmatrix} \xrightarrow{c_{2}\leftrightarrow c_{3}}\begin{bmatrix}1&0&0\\0&1&-\lambda^2+5\lambda-6\\0&\lambda-3&0\end{bmatrix}\\ &\xrightarrow[r_3-(-\lambda^2+5\lambda-6)r_2]{c_3-(\lambda-3)c_2}\begin{bmatrix}1&0&0\\0&1&0\\0&0&(\lambda-2)(\lambda-3)^2\end{bmatrix} \end{aligned} λE−A= λ−1−201λ−4001λ−3 c1↔c2 1λ−40λ−1−2001λ−3 c2−(λ−1)c1r2−(λ−4)r1 1000−λ2+5λ−6001λ−3 c2↔c3 10001λ−30−λ2+5λ−60 c3−(λ−3)c2r3−(−λ2+5λ−6)r2 10001000(λ−2)(λ−3)2
所以, 矩阵 A A A 的初等因子为 λ − 2 , ( λ − 3 ) 2 \lambda-2,(\lambda-3)^2 λ−2,(λ−3)2, A A A 的 Jordan 标准形 J = [ 2 0 0 0 3 1 0 0 3 ] . \boldsymbol{J}=\begin{bmatrix}2&0&0\\0&3&1\\0&0&3\end{bmatrix}. J= 200030013 .
例 1.28 求 A = ( 3 1 1 − 1 1 − 1 1 1 3 ) A=\begin{pmatrix}3&1&1\\-1&1&-1\\1&1&3\end{pmatrix} A= 3−111111−13 的最小多项式.
解 因为 λ E − A \lambda\boldsymbol{E}-\boldsymbol{A} λE−A
= ( λ − 3 − 1 − 1 1 λ − 1 1 − 1 − 1 λ − 3 ) → ( 1 λ − 1 1 λ − 3 − 1 − 1 − 1 − 1 λ − 3 ) → ( 1 0 0 0 − λ 2 + 4 λ − 4 − λ + 2 0 λ − 2 λ − 2 ) \begin{aligned}= \begin{pmatrix}\lambda-3&-1&-1\\1&\lambda-1&1\\-1&-1&\lambda-3\end{pmatrix}\to \begin{pmatrix}1&\lambda-1&1\\\lambda-3&-1&-1\\-1&-1&\lambda-3\end{pmatrix}\to \begin{pmatrix}1&0&0\\0&-\lambda^2+4\lambda-4&-\lambda+2\\0&\lambda-2&\lambda-2\end{pmatrix}\end{aligned} = λ−31−1−1λ−1−1−11λ−3 → 1λ−3−1λ−1−1−11−1λ−3 → 1000−λ2+4λ−4λ−20−λ+2λ−2
所以 A A A 的初等因子 λ − 2 , λ − 2 , λ − 3 \lambda-2,\lambda-2,\lambda-3 λ−2,λ−2,λ−3, A A A 的最小多项式 m A ( λ ) = ( λ − 2 ) ( λ − 3 ) m_{A}(\lambda)=(\lambda-2)(\lambda-3) mA(λ)=(λ−2)(λ−3)。
2. 矩阵函数的定义 简单计算矩阵函数
特征多项式
χ
A
(
λ
)
=
∣
λ
E
−
A
∣
\chi_A(\lambda)=|\lambda E-A|
χA(λ)=∣λE−A∣ 的根系(连重数)称为方阵
A
A
A 的 谱
S
p
e
c
A
\mathrm {Spec}A
SpecA.
m
A
(
λ
)
m_A(\lambda)
mA(λ) 的根系(连重数)称为方阵
A
A
A 的 简谱
R
s
p
e
c
A
\mathrm{Rspec}A
RspecA.
现对 f ( λ ) f(\lambda) f(λ) 定义 f ( A ) . f(\boldsymbol{A}). f(A). 假设 f ( λ ) f(\lambda) f(λ) 在各 λ i \lambda_i λi 处有直到 m i − 1 m_i-1 mi−1 阶的导数——简称为 f ( λ ) f(\lambda) f(λ) 在 Λ A \Lambda_\mathrm{A} ΛA 上有意义.
矩阵函数的第一种定义 对函数 f ( λ ) f(\lambda) f(λ) , 多项式 r ( λ ) r(\lambda) r(λ) 是与 f ( λ ) f(\lambda) f(λ) 在 A \boldsymbol{A} A 的简谱处的值全部相等的多项式 r ( Λ A ) = f ( Λ A ) r(\Lambda_{A})=f(\Lambda_{A}) r(ΛA)=f(ΛA), 则定义 f ( A ) = r ( A ) f(\boldsymbol{A})=r(\boldsymbol{A}) f(A)=r(A), 并称 r ( λ ) r(\lambda) r(λ) 是 f ( A ) f(\boldsymbol{A}) f(A) 的 定义多项式。
定义多项式不唯一,两定义多项式之差是 m A ( λ ) m_{A}(\lambda) mA(λ) 的倍数,次数小于 m A ( λ ) m_{A}(\lambda) mA(λ) 的定义多项式唯一。
矩阵函数的第二种定义 设复函数
f
(
z
)
f(z)
f(z) 在开圆域
∣
z
∣
<
R
|z|<R
∣z∣<R 内解析,即
f
(
z
)
f(z)
f(z) 在此开圆域内可展开成幂级数
f
(
z
)
=
∑
m
=
0
∞
c
m
z
m
,
f(z)\:=\:\sum_{m\:=\:0}^\infty c_mz^m\:,
f(z)=∑m=0∞cmzm, 则若
ρ
(
A
)
<
R
\rho (A)<R
ρ(A)<R,就有
f
(
A
)
=
∑
m
=
0
∞
c
m
(
A
)
m
.
f(A)\:=\:\sum_{m\:=\:0}^{\infty}c_{m}\:(A)^{m}\:.
f(A)=m=0∑∞cm(A)m.
当函数 f ( z ) f(z) f(z) 和矩阵 A A A 满足第二种定义时 f ( A ) f(A) f(A) 的两种定义一致.
比如
∣
a
∣
<
R
|a|<R
∣a∣<R 的Jordan矩阵
J
J
J
f
(
J
)
=
∑
m
=
1
∞
a
m
J
m
=
(
f
(
a
)
f
′
(
a
)
1
!
f
′
′
(
a
)
2
!
⋯
f
(
p
−
1
)
(
a
)
(
p
−
1
)
!
f
(
a
)
⋱
⋱
⋱
f
′
(
a
)
1
!
f
(
a
)
)
f(J)=\left.\sum_{m=1}^{\infty}a_{m}J^{m}=\left(\begin{array}{cccccc}f(a)&\dfrac{f^{\prime}(a)}{1!}&\dfrac{f^{\prime\prime}(a)}{2!}&\cdots&\dfrac{f^{(p-1)}(a)}{(p-1)!}\\&f(a)&&&\\&&\ddots&\ddots&\\&&&\ddots&\dfrac{f^{\prime}(a)}{1!}\\&&&&f(a)\end{array}\right.\right)
f(J)=∑m=1∞amJm=
f(a)1!f′(a)f(a)2!f′′(a)⋱⋯⋱⋱(p−1)!f(p−1)(a)1!f′(a)f(a)
证 记 H = J − a E H=J-aE H=J−aE, 则 J m = ( H + a E ) m = ∑ i = 0 m C m i a m − i H i = ∑ i = 0 ∞ C m i a m − i H i ( 当 i > m y , C m i = 0 ) J^{m}=(H+aE)^{m}=\sum_{i=0}^{m}C_{m}^{i}a^{m-i}H^{i} =\sum_{i=0}^{\infty}C_{m}^{i}a^{m-i}H^{i}(\text{当}i>my,C_{m}^{i}=0) Jm=(H+aE)m=∑i=0mCmiam−iHi=∑i=0∞Cmiam−iHi(当i>my,Cmi=0)
∑ m = 0 ∞ a m J m = ∑ m = 0 ∞ a m ∑ i = 0 ∞ C m i a m − i H i = ∑ i = 0 ∞ ( ∑ m = 0 ∞ a m C m i a m − i ) H i = ∑ i = 0 ∞ 1 i ! H i ( ∑ m = 0 ∞ a m m ( m + 1 ) ⋯ ( m − i + 1 ) a m − i ) = ∑ i = 0 ∞ 1 i ! H i f ( i ) ( a ) i ≥ p 时 H i = 0 \qquad\qquad\qquad\qquad \begin{aligned}\sum_{m=0}^{\infty}a_{m}J^{m}&=\sum_{m=0}^{\infty}a_{m}\sum_{i=0}^{\infty}C_{m}^ia^{m-i}H^{i}=\sum_{i=0}^{\infty}(\sum_{m=0}^{\infty}a_{m}C_{m}^{i}a^{m-i})H^{i}\\ &=\sum_{i=0}^{\infty}\frac{1}{i!}H^{i}(\sum_{m=0}^{\infty}a_{m}m(m+1)\cdots(m-i+1)a^{m-i})\\&=\sum_{i=0}^{\infty}\frac{1}{i!}H^{i}f^{(i)}(a)\quad i\geq p~\text{时}~H^{i}=0 \end{aligned} m=0∑∞amJm=m=0∑∞ami=0∑∞Cmiam−iHi=i=0∑∞(m=0∑∞amCmiam−i)Hi=i=0∑∞i!1Hi(m=0∑∞amm(m+1)⋯(m−i+1)am−i)=i=0∑∞i!1Hif(i)(a)i≥p 时 Hi=0
例 1.1.4 设 A = ( 1 4 3 2 ) A=\begin{pmatrix}1&4\\3&2\end{pmatrix} A=(1342),求 e A e^{A} eA .
解 f A ( λ ) = ∣ λ − 1 − 4 − 3 λ − 2 ∣ = ( λ − 5 ) ( λ + 2 ) . f_{A}(\lambda)=\left|\begin{matrix}\lambda-1&-4\\-3&\lambda-2\end{matrix}\right|=(\lambda-5)(\lambda+2). fA(λ)= λ−1−3−4λ−2 =(λ−5)(λ+2). 则最小多项式 m A ( λ ) m_{A}(\lambda) mA(λ) 也是 ( λ − 5 ) ( λ + 2 ) (\lambda-5)(\lambda+2) (λ−5)(λ+2) .
由小于 m A ( λ ) m_{A}(\lambda) mA(λ) 的定义多项式唯一 ,设定义多项式 r ( a ) = a λ + b r(a)=a\lambda+b r(a)=aλ+b, 则 { r ( 5 ) = 5 a + b = e 5 r ( − 2 ) = − 2 a + b = e − 2 \begin{cases}r(5)=5a+b=e^{5}\\r(-2)=-2a+b=e^{-2}\end{cases} {r(5)=5a+b=e5r(−2)=−2a+b=e−2
⇒ { a = 1 7 ( e 5 − e − 2 ) b = 1 7 ( 2 e 5 + 5 e − 2 ) ⇒ e A = r ( A ) = 1 7 ( e 5 − e − 2 ) A + 1 7 ( 2 e 5 + 5 e − 2 ) I \begin{aligned}&\Rightarrow\begin{cases}a=\frac{1}{7}(e^{5}-e^{-2})\\b=\frac{1}{7}(2e^{5}+5e^{-2})\end{cases}&\Rightarrow e^{A}=r(A)=\frac{1}{7}(e^{5}-e^{-2})A+\frac{1}{7}(2e^{5}+5e^{-2})I\end{aligned} ⇒{a=71(e5−e−2)b=71(2e5+5e−2)⇒eA=r(A)=71(e5−e−2)A+71(2e5+5e−2)I
例 1.1.5 A = ( 0 − 1 4 4 ) A=\begin{pmatrix}0&-1\\4&4\end{pmatrix} A=(04−14) , 求 arcsin A 4 \arcsin\dfrac{A}{4} arcsin4A.
解 f A ( λ ) = ∣ λ 1 − 4 λ − 4 ∣ = ( λ − 2 ) 2 f_{A}(\lambda)=\begin{vmatrix}\lambda&1\\-4&\lambda-4\end{vmatrix}=(\lambda-2)^{2} fA(λ)= λ−41λ−4 =(λ−2)2, D 1 ( x ) = 1 , D 2 ( x ) = ( λ − 2 ) 2 = d 2 ( x ) = m A D_{1}(x)=1,D_{2}(x)=(\lambda-2)^{2}=d_{2}(x)=m_{A} D1(x)=1,D2(x)=(λ−2)2=d2(x)=mA
设 r ( x ) = a λ + b ,则 { r ( 2 ) = 2 a + b = arcsin 2 4 ∗ π 6 r ′ ( 2 ) = a = 1 1 − ( 2 4 ) 2 ∗ 1 4 = 3 6 ⇒ b = π 6 − 2 3 6 arcsin A 4 = r ( A ) = 3 6 A + π − 2 3 6 I \begin{aligned}&\text{设}~r(x)=a\lambda+b,\text{则}\begin{cases}r(2)=2a+b=\arcsin\dfrac{2}{4}*\dfrac{\pi}{6}\\r^{\prime}(2)=a=\dfrac{1}{\sqrt{1-(\frac{2}{4})^{2}}}*\dfrac14=\dfrac{\sqrt{3}}{6}\end{cases} \Rightarrow b=\frac{\pi}{6}-2\dfrac{\sqrt{3}}{6}\\ &\arcsin\frac{A}{4}= r(A)=\frac{\sqrt{3}}{6}A+\frac{\pi-2\sqrt{3}}{6}I\end{aligned} 设 r(x)=aλ+b,则⎩ ⎨ ⎧r(2)=2a+b=arcsin42∗6πr′(2)=a=1−(42)21∗41=63⇒b=6π−263arcsin4A=r(A)=63A+6π−23I
例 1.1.6 设 A A A 可逆, f ( λ ) = 1 λ f(\lambda)=\frac{1}{\lambda} f(λ)=λ1, 则 f ( A ) = A − 1 f(A)=A^{-1} f(A)=A−1。
解 记 f A ( λ ) = a ( λ g ( λ ) − 1 ) f_{A}(\lambda)=a(\lambda g(\lambda)-1) fA(λ)=a(λg(λ)−1),则 λ g ( λ ) \lambda g(\lambda) λg(λ)与 1 1 1 在 R s p e c A \mathrm{RspecA} RspecA 处全相等
⇒ g ( λ ) 与 1 λ 在 R s p e c A 处全相等 ⇒ g ( λ ) = 1 λ ⇒ f ( A ) = g ( A ) = A − 1 \begin{aligned}&\Rightarrow g(\lambda)\text{与}\frac{1}{\lambda}{在~\mathrm{RspecA}~处全相等}\Rightarrow g(\lambda)=\frac{1}{\lambda}\Rightarrow f(A)=g(A)=A^{-1}\end{aligned} ⇒g(λ)与λ1在 RspecA 处全相等⇒g(λ)=λ1⇒f(A)=g(A)=A−1
若当块的幂级数 矩阵函数的初等因子? 矩阵序列 矩阵级数
3. 张量积 矩阵拉长AXB=C AX-XB=C唯一解
张量积 A ⊗ B = ( a 11 B ⋯ a 1 n B ⋮ ⋮ a m 1 B ⋯ a m n B ) \left.A\otimes B = \left(\begin{matrix}a_{11}B&\cdots&a_{1n}B\\\vdots&&\vdots\\a_{m1}B&\cdots&a_{mn}B\end{matrix}\right.\right) A⊗B= a11B⋮am1B⋯⋯a1nB⋮amnB 的性质
(7)
(
A
⊗
B
)
(
C
⊗
D
)
=
A
C
⊗
B
D
.
(\boldsymbol A\otimes \boldsymbol B)(\boldsymbol C\otimes \boldsymbol D)=\boldsymbol {AC}\otimes \boldsymbol {BD}.
(A⊗B)(C⊗D)=AC⊗BD.
在下列性质 (8) ~ (11) 中,
A
A
A 和
B
B
B 分别是
m
m
m 阶和
n
n
n 阶方阵.
(8)
(
A
⊗
B
)
−
1
=
A
−
1
⊗
B
−
1
~(\boldsymbol{A}\otimes \boldsymbol{B})^{-1}=\boldsymbol{A}^{-1}\otimes \boldsymbol{B}^{-1}
(A⊗B)−1=A−1⊗B−1 。
(9)
det
(
A
⊗
B
)
=
(
det
A
)
n
(
det
B
)
m
\:\det(\boldsymbol{A}\otimes\boldsymbol{B})=(\det\boldsymbol{A})^n(\det\boldsymbol{B})^m
det(A⊗B)=(detA)n(detB)m 。
~~~~~~
证 由
A
⊗
B
=
(
A
⊗
I
n
)
(
I
m
⊗
B
)
\boldsymbol{A}\otimes \boldsymbol{B}=(\boldsymbol{A}\otimes \boldsymbol{I_n})(\boldsymbol{I_m}\otimes \boldsymbol{B})
A⊗B=(A⊗In)(Im⊗B)
(10)
rank
(
A
⊗
B
)
=
(
rank
A
)
(
rank
B
)
\operatorname{rank}(\boldsymbol{A}\otimes\boldsymbol{B})=(\operatorname{rank}\boldsymbol{A})(\operatorname{rank}\boldsymbol{B})
rank(A⊗B)=(rankA)(rankB) .
~~~~~~
证 由
U
A
V
=
(
I
a
O
O
O
)
\boldsymbol {UAV}=\left(\begin{matrix}\boldsymbol{I}_a&\boldsymbol{O}\\ \boldsymbol{O}&\boldsymbol{O}\end{matrix}\right)
UAV=(IaOOO),
R
B
S
=
(
I
b
O
O
O
)
\boldsymbol {RBS}=\left(\begin{matrix}\boldsymbol{I}_b&\boldsymbol{O}\\ \boldsymbol{O}&\boldsymbol{O}\end{matrix}\right)
RBS=(IbOOO).
~~~~~~
于是
(
U
⊗
R
)
(
A
⊗
B
)
(
V
⊗
S
)
=
(
U
A
V
)
⊗
(
R
B
S
)
(\boldsymbol U\otimes \boldsymbol R)(\boldsymbol A\otimes \boldsymbol B)(\boldsymbol V\otimes \boldsymbol S)\:=\:(\boldsymbol {UAV})\otimes(\boldsymbol {RBS})\:
(U⊗R)(A⊗B)(V⊗S)=(UAV)⊗(RBS)
(11)
S
p
e
c
(
A
⊗
B
)
=
{
λ
i
μ
j
∣
i
=
1
,
⋯
,
m
;
j
=
1
,
⋯
,
n
}
.
\mathrm{Spec}(\boldsymbol A\otimes \boldsymbol B)\:=\:\{\lambda_i\mu_j\:|\:i\:=\:1,\cdots,m\:;j\:=\:1,\cdots,n\:\}\:.
Spec(A⊗B)={λiμj∣i=1,⋯,m;j=1,⋯,n}.
特别地,
t
r
(
A
⊗
B
)
=
(
t
r
A
)
(
t
r
B
)
\mathrm tr(\boldsymbol A\otimes \boldsymbol B) = ( \mathrm tr\boldsymbol A) ( \mathrm tr\boldsymbol B)
tr(A⊗B)=(trA)(trB). 另外,若
A
\boldsymbol A
A 和
B
\boldsymbol B
B 都相似于对角阵,则
A
⊗
B
\boldsymbol A\otimes \boldsymbol B
A⊗B 也相似于对角阵。
证 设 R A R − 1 = T A , S B S − 1 = T B \boldsymbol {RAR^{-1}=T_A}, \boldsymbol {SBS^{-1}=T_B} RAR−1=TA,SBS−1=TB , 其中 T A , T B \boldsymbol T_A,\boldsymbol T_B TA,TB 都是上三角方阵,
则 ( R ⊗ S ) ( A ⊗ B ) ( R ⊗ S ) − 1 = ( R A R − 1 ) ⊗ ( S B S − 1 ) = T A ⊗ T B . (\boldsymbol R\otimes \boldsymbol S)(\boldsymbol A\otimes \boldsymbol B)(\boldsymbol R\otimes \boldsymbol S)^{-1}=(\boldsymbol {RAR^{-1}})\otimes(\boldsymbol {SBS^{-1}})=\boldsymbol T_{A}\otimes \boldsymbol T_{B}. (R⊗S)(A⊗B)(R⊗S)−1=(RAR−1)⊗(SBS−1)=TA⊗TB.、
当 T A , T B \boldsymbol T_A ,\boldsymbol T_B TA,TB 都是对角阵时, T A ⊗ T B \boldsymbol T_A\otimes \boldsymbol T_B TA⊗TB 也是对角阵.
A ^ \widehat{A} A 为 A = ( a i j ) A=(a_{ij}) A=(aij) 的 拉长向量 A ^ = ( a 11 , ⋯ , a 1 n , a 21 , ⋯ , a 2 n , ⋯ ) T \hat{A}=(a_{11},\cdots, a_{1n},a_{21},\cdots ,a_{2n},\cdots)^{T} A^=(a11,⋯,a1n,a21,⋯,a2n,⋯)T。
定理 2.2.1 A X B ^ = ( A ⊗ B T ) ⋅ X ^ \widehat{AXB}=(A\otimes B^{T})\cdot\widehat{X} AXB =(A⊗BT)⋅X 。
证:显然 A X B ^ \widehat{AXB} AXB 的每个分量都是 X ^ \widehat{X} X 的线性组合。
设 A = ( a i j ) m × n A=\left(a_{ij}\right)_{m\times n} A=(aij)m×n , X = ( x i j ) n × p X=\left(x_{ij}\right)_{n\times p} X=(xij)n×p , B = ( b i j ) p × q B=\left(b_{ij}\right)_{p\times q} B=(bij)p×q , X = ( X 1 ⋮ X n ) X=\left(\begin{array}{c}X_1\\\vdots\\X_n\end{array}\right) X= X1⋮Xn ,则 X ^ = ( X 1 T ⋮ X n T ) \widehat{X}=\left(\begin{array}{c}X_1^T\\\vdots\\X_n^T\end{array}\right) X = X1T⋮XnT .
A X B = ( ( a 11 X 1 + ⋯ + a 1 n X n ) B ⋮ ( a m 1 X 1 + ⋯ + a m n X n ) B ) AXB=\begin{pmatrix}(a_{11}X_1+\cdots+a_{1n}X_n)B\\\vdots\\(a_{m1}X_1+\cdots+a_{mn}X_n)B\end{pmatrix} AXB= (a11X1+⋯+a1nXn)B⋮(am1X1+⋯+amnXn)B ,
从而
A X B ^ = ( ( a 11 X 1 + ⋯ + a 1 n X n ) B , ⋯ , ( a m 1 X 1 + ⋯ + a m n X n ) B ) T = ( B T ( a 11 X 1 T + ⋯ + a 1 n X n T ) ⋮ B T ( a m 1 X 1 T + ⋯ + a m n X n T ) ) = ( a 11 B T ⋯ a 1 n B T ⋮ ⋮ a m 1 B T ⋯ a m n B T ) ( X 1 T ⋮ X n T ) \begin{aligned} \widehat{AXB}&=(\begin{array}{cccc}{(a_{11}X_{1}+\cdots+a_{1n}X_{n})B,}&{\cdots,}&{(a_{m1}X_{1}+\cdots+a_{mn}X_{n})B}\\\end{array})^{T}\\ \\ &\left.=\left(\begin{array}{c}B^T\left(a_{11}X_1^T+\cdots+a_{1n}X_n^T\right)\\\vdots\\ B^T\left(a_{m1}X_1^T+\cdots+a_{mn}X_n^T\right)\end{array}\right.\right) =\left(\begin{array}{ccc}a_{11}B^T&\cdots&a_{1n}B^T\\\vdots&\vdots\\a_{m1}B^T&\cdots&a_{mn}B^T\end{array}\right)\left(\begin{array}{c}X_1^T\\\vdots\\X_n^T\end{array}\right) \\ \end{aligned} AXB =((a11X1+⋯+a1nXn)B,⋯,(am1X1+⋯+amnXn)B)T= BT(a11X1T+⋯+a1nXnT)⋮BT(am1X1T+⋯+amnXnT) = a11BT⋮am1BT⋯⋮⋯a1nBTamnBT X1T⋮XnT
由拉长公式, A X B = C ⇔ A X B ^ = C ^ ⇔ ( A ⊗ B T ) X ^ = C ^ AXB=C\Leftrightarrow\widehat{AXB}=\widehat{C}\Leftrightarrow(A\otimes B^{T})\widehat{X}=\widehat{C} AXB=C⇔AXB =C ⇔(A⊗BT)X =C
习题: 求矩阵
P
P
P 使得
A
B
^
=
P
B
^
\widehat{AB}=P\widehat{B}
AB
=PB
, 矩阵
Q
Q
Q 使得
A
B
^
=
Q
A
^
\widehat{AB}=Q\widehat{A}
AB
=QA
。
A
B
E
^
=
(
A
⊗
E
T
)
B
^
\widehat{ABE}=(A\otimes E^{T})\widehat{B}
ABE
=(A⊗ET)B
,
E
A
B
^
=
(
E
⊗
B
T
)
A
^
\widehat{EAB}=(E\otimes B^{T})\widehat{A}
EAB
=(E⊗BT)A
。
设 A ∈ C m × m \boldsymbol A\in \mathbf C^{m\times m} A∈Cm×m , B ∈ C n × n \boldsymbol B\in \mathbf C^{n\times n} B∈Cn×n , C ∈ C m × n \boldsymbol C\in \mathbf C^{m\times n} C∈Cm×n , 且 X ∈ C m × n \boldsymbol X\in \mathbf C^{m\times n} X∈Cm×n 是未知矩阵
矩阵方程
A
X
−
X
B
=
C
\boldsymbol {AX-XB=C}
AX−XB=C 有唯一解
⟺
A
\Longleftrightarrow \mathbf A
⟺A 和
B
\mathbf B
B 无公共特征值
A
X
−
X
B
=
C
⇔
(
A
X
−
X
B
)
^
=
C
^
⇔
A
X
^
−
X
B
^
=
C
^
⇔
A
X
I
n
^
−
I
m
X
B
^
=
C
^
⇔
(
A
⊗
I
n
−
I
m
⊗
B
T
)
X
^
=
C
^
,
\begin{gathered} \boldsymbol {AX-XB}=\boldsymbol C\Leftrightarrow \widehat{(\boldsymbol {AX-XB})}=\widehat{\boldsymbol C}\Leftrightarrow \widehat{\boldsymbol {AX}}-\widehat{\boldsymbol {XB}}=\widehat{\boldsymbol C}\\ \Leftrightarrow \widehat{\boldsymbol {AXI_n}}-\widehat{\boldsymbol {I_mXB}}=\widehat{\boldsymbol C} \Leftrightarrow (\boldsymbol A\otimes \boldsymbol {I_n}-\boldsymbol {I_m}\otimes \boldsymbol B^\mathrm{T})\widehat{\boldsymbol X}=\widehat{\boldsymbol C}, \end{gathered}
AX−XB=C⇔(AX−XB)
=C
⇔AX
−XB
=C
⇔AXIn
−ImXB
=C
⇔(A⊗In−Im⊗BT)X
=C
,
故方程 A X − X B = C \boldsymbol {AX-XB=C} AX−XB=C 还可以写成线性方程组 ( A ⊗ I n − I m ⊗ B T ) X ^ = C ^ (\boldsymbol A\otimes \boldsymbol {I_n}-\boldsymbol {I_m}\otimes \boldsymbol B^\mathrm{T})\widehat{\boldsymbol X}=\widehat{\boldsymbol C} (A⊗In−Im⊗BT)X =C ,它的系数矩阵是 m n mn mn 阶方阵。
若记 S p e c A = { λ 1 , ⋯ , λ m } \mathrm{Spec}\boldsymbol {A}= \left \{ \lambda_1, \cdots , \lambda_m\right \} SpecA={λ1,⋯,λm} , S p e c B = { μ 1 , ⋯ , μ n } \mathrm{Spec}\boldsymbol{B}=\left \{ \mu_1, \cdots , \mu_n\right \} SpecB={μ1,⋯,μn} ,
\qquad\qquad \qquad\qquad 则 S p e c ( A ⊗ I n − I m ⊗ B T ) = { λ i − μ j ∣ i = 1 , ⋯ , m ; j = 1 , ⋯ , n } . \mathrm{Spec}(\mathbf{A}\otimes\mathbf{I}_{n}-\mathbf{I}_{m}\otimes\mathbf{B}^{\mathrm{T}})\:=\{\lambda_{i}-\mu_{j}\:|\:i=1,\cdots,m;j=1,\cdots,n\}\:. Spec(A⊗In−Im⊗BT)={λi−μj∣i=1,⋯,m;j=1,⋯,n}.
~ 证: 设 S − 1 A S = J A , R − 1 B R = J B S^{-1}AS=J_{A},R^{-1}BR=J_{B} S−1AS=JA,R−1BR=JB ,
( S − 1 ⊗ R − 1 ) ( A ⊗ I n − I m ⊗ B T ) ( S ⊗ R ) = ( S − 1 A S ) ⊗ R − 1 I n R − ( S − 1 I m S ) ⊗ ( R − 1 B T R ) = J A ⊗ I n − I m ⊗ J B T \begin{aligned}&(S^{-1}\otimes R^{-1})(A\otimes I_{n}- I_{m}\otimes B^{T})(S\otimes R)\\&=(S^{-1}AS)\otimes R^{-1}I_{n}R-(S^{-1}I_{m}S)\otimes(R^{-1}B^{T}R)\\&=J_{A}\otimes I_{n}-I_{m}\otimes J_{B^{T}}\end{aligned}~~~ (S−1⊗R−1)(A⊗In−Im⊗BT)(S⊗R)=(S−1AS)⊗R−1InR−(S−1ImS)⊗(R−1BTR)=JA⊗In−Im⊗JBT 再看三角阵的全部对角元。
矩阵方程 A X − X B = C \boldsymbol {AX-XB=C} AX−XB=C 有唯一解 ⟺ ( A ⊗ I n − I m ⊗ B T ) X ^ = C ^ \Longleftrightarrow(\mathbf{A}\otimes\mathbf{I}_{n}-\mathbf{I}_{m}\otimes\mathbf{B}^{\mathrm{T}})\widehat{\mathbf X}=\widehat{\mathbf C} ⟺(A⊗In−Im⊗BT)X =C 有唯一解
⟺ \qquad\qquad\qquad\qquad\qquad\qquad\qquad\quad\Longleftrightarrow ⟺ 系数行列式不为 0 ⟺ A 0\Longleftrightarrow \mathbf A 0⟺A 和 B \mathbf B B 无公共特征值
推论 2.3.2 设
A
=
(
A
1
⋱
A
l
)
\boldsymbol A=\begin{pmatrix}\boldsymbol A_1&&\\&\ddots\\&&\boldsymbol A_l\end{pmatrix}
A=
A1⋱Al
,
B
=
(
B
11
⋯
B
1
l
⋮
B
l
1
⋯
B
l
l
)
\boldsymbol B=\begin{pmatrix}\boldsymbol B_{11}&\cdots&\boldsymbol B_{1l}\\\varvdots\\\boldsymbol B_{l1}&\cdots&\boldsymbol B_{ll}\end{pmatrix}
B=
B11⋮Bl1⋯⋯B1lBll
,
其中(1)当
i
≠
j
i\neq j
i=j 时,
A
i
,
A
j
\boldsymbol A_i,\boldsymbol A_j
Ai,Aj无公共特征值,(2)
A
B
=
B
A
\boldsymbol {AB=BA}
AB=BA ,
则
B
\boldsymbol B
B 的所有非对角块部是
0
0
0 。
证: A B = B A ⇒ A i B i j = B i j A i ⇒ B i j 是 A i X − X A j = 0 的解 又 i ≠ j 时 A i 与 A j 无公共特征值 A i X − X A j = 0 有唯一解 ⇒ 只有零解 ⇒ B i j = 0 i ≠ j AB=BA\Rightarrow A_iB_{ij}=B_{ij}A_i\Rightarrow B_{ij}\text{是}A_{i}X-XA_{j}=0\text{的解}\\\text{又}i\neq j{时}A_i\text{与}A_j\text{无公共特征值}\\A_iX-XA_j=0\text{有唯一解}\Rightarrow 只有零解\Rightarrow B_{ij}=0\quad i\neq j AB=BA⇒AiBij=BijAi⇒Bij是AiX−XAj=0的解又i=j时Ai与Aj无公共特征值AiX−XAj=0有唯一解⇒只有零解⇒Bij=0i=j