【矩阵论】6.总结1

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 $\mathbf{A}(\lambda )\cong \mathbf{B}(\lambda )$ 的充要条件
存在 $m$ 阶可逆 $\lambda$ 阵 $\mathbf{P}(\lambda )$ 与 $n$ 阶可逆 $\lambda$ 阵 $\mathbf{Q}(\lambda )$，使 $\mathbf{B}(\lambda )=\mathbf{P}(\lambda )\mathbf{A}(\lambda )\mathbf{Q}(\lambda ).$

$A(\lambda )$ 的 等价标准形 $I_r(\lambda )=\left(\begin{array}{cc}\mathbf{D}(\lambda )& \mathbf{O}\\ \mathbf{O}& \mathbf{O}\end{array}\right)$，

$A(\lambda )$ 的所有 $k$ 阶子式的首项系数为 $1$ 的最大公因式称为 $A(\lambda )$ 的 $k$ 阶 行列式因子 $D_k(\lambda ).$

$d_k(\lambda )=D_k(\lambda )/D_{k-1}(\lambda )(1⩽k⩽r)$ 为 $A(\lambda )$ 的 第 $k$ 个不变因子，其中 $D_0(\lambda )=1.$

不变因子在复数域 $\mathbb{C}$ 上有下面的标准分解式，称因式 $(\lambda -a_i{)}^{l_j}$ 为 $A(\lambda )$ 的 初等因子.

分块矩阵 $\mathbf{J}=\left[\begin{array}{cccc}{\mathbf{J}}_1& & & \\ & {\mathbf{J}}_2& & \\ & & \ddots & \\ & & & {\mathbf{J}}_s\end{array}\right]$称为 Jordan 标准形，其中 ${\mathbf{J}}_i={\left[\begin{array}{cccc}{\lambda }_i& 1& & \\ & {\lambda }_i& \ddots & \\ & & \ddots & 1\\ & & & {\lambda }_i\end{array}\right]}_{n_i}$

$\mathbf{A}$ 的首项系数为 $1$ 的次数最低的零化多项式为 $\mathbf{A}$ 的 最小多项式，记作 $m_{\mathbf{A}}(\lambda ).$

例 1.11 求 $\lambda$ 阵 $A(\lambda )=\left[\begin{array}{ccc}1-\lambda & 2\lambda -1& \lambda \\ \lambda & {\lambda }^2& -\lambda \\ 1+{\lambda }^2& {\lambda }^3+\lambda -1& -{\lambda }^2\end{array}\right]$ 的等价标准形，
解 把 $\lambda$ 阵化成等价标准形的步骤是：
首先观察 $\mathbf{A}(\lambda )$ 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 $a_{1i}=q{a}_{11}+r$ 将 $a_{11}$ 换为 $r$ , 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。
$\begin{array}{rl}A(\lambda )& =\left[\begin{array}{ccc}1-\lambda & 2\lambda -1& \lambda \\ \lambda & {\lambda }^2& -\lambda \\ 1+{\lambda }^2& {\lambda }^3+\lambda -1& -{\lambda }^2\end{array}\right]\underset{r_3-\lambda r_2}{\overset{r_1+r_2}{\to }}\left[\begin{array}{ccc}1& {\lambda }^2+2\lambda -1& 0\\ \lambda & {\lambda }^2& -\lambda \\ 1& \lambda -1& 0\end{array}\right]\\ & {\stackrel{r_3-r_1}{\to }}_{r_2-\lambda r_1}\left(\begin{array}{ccc}1& {\lambda }^2+2\lambda -1& 0\\ 0& -{\lambda }^3-{\lambda }^2+\lambda & -\lambda \\ 0& -{\lambda }^2-\lambda & 0\end{array}\right)\stackrel{c_2-({\lambda }^2+2\lambda -1)c_1}{\to }\left(\begin{array}{ccc}1& 0& 0\\ 0& -{\lambda }^3-{\lambda }^2+\lambda & -\lambda \\ 0& -{\lambda }^2-\lambda & 0\end{array}\right)\\ & \stackrel{r_2-\lambda r_3}{\to }\left[\begin{array}{ccc}1& 0& 0\\ 0& \lambda & -\lambda \\ 0& -{\lambda }^2-\lambda & 0\end{array}\right]\underset{r_3-(\lambda -1)r_2}{\overset{c_3+c_2}{\to }}\left[\begin{array}{ccc}1& 0& 0\\ 0& \lambda & 0\\ 0& 0& \lambda (\lambda +1)\end{array}\right]=I_3(\lambda ).\end{array}$

例 1.17 求 $A(\lambda )=\left(\begin{array}{ccc}\lambda -1& 1& 0\\ -2& \lambda -4& 1\\ 0& 0& \lambda -3\end{array}\right)$ 的等价标准形.
解 因 $A(\lambda )$ 的元素中有非零数 $1$ , 故 $D_{{}_1}(\lambda )=1.$ 又 $A(\lambda )$ 有 二 阶 子 式 $\left|\begin{array}{cc}1& 0\\ \lambda -4& 1\end{array}\right|$, 故
$$D_2(\lambda )=1,D_3(\lambda )=\left|\begin{array}{ccc}\lambda -1& 1& 0\\ -2& \lambda -4& 1\\ 0& 0& \lambda -3\end{array}\right|=(\lambda -2)(\lambda -3{)}^2,$$于是 $d_1(\lambda )=d_2(\lambda )=1$, $d_3(\lambda )=(\lambda -2)(\lambda -3{)}^2.$
故 $A(\lambda )$ 的等价标准形是 ${\mathbf{I}}_r(\lambda )=\left[\begin{array}{ccc}1& & \\ & 1& \\ & & (\lambda -2)(\lambda -3{)}^2\end{array}\right].$

例如，如果一个 5 阶 $\lambda$ 阵 $A(\lambda )$ 的等价标准形是                     ~~~~~~~~~~~~~~~~~~~                    那么$A(\lambda )$ 的所有不变因子在复数域 $\mathbb{C}$上的标准分解式为
  ~  
${\mathbf{I}}_r(\lambda )=\left[\begin{array}{ccccc}1& & & & \\ & \lambda -2& & & \\ & & (\lambda -2)(\lambda +3)& & \\ & & & (\lambda -2{)}^2(\lambda +3{)}^2& \\ & & & & 0\end{array}\right].$$\begin{array}{rl}& 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{array}$
  ~  
所以 $,A(\lambda )$ 的全体初等因子为 $\lambda -2,\lambda -2,(\lambda -2{)}^2,\lambda +3,(\lambda +3{)}^2.$
  ~  
已知 $A(\lambda )$ 的秩是 $4$ , 因此，首先取 $A(\lambda )$ 的全部初等因子 $\lambda -2,\lambda -2,(\lambda -2{)}^2,\lambda +3,(\lambda +3{)}^2$ 的最小公倍式作为 $A(\lambda )$ 的第 $4$ 个不变因子，即 $d_4(\lambda )=(\lambda -2{)}^2(\lambda +3{)}^2$ , 然后再取剩余的初等因子 $\lambda -2,\lambda -2,\lambda +3$ 的最小公倍式作为 $A(\lambda )$的第 3 个不变因子，即 $d_3(\lambda )=(\lambda -2)(\lambda +3).$同理得到 $d_{{}_2}(\lambda )=\lambda -2.$这时 $A(\lambda )$的全部初等因子都已经使用过了，于是剩余的不变因子 $d_1(\lambda )=1.$

例 1.23 求 $\mathbf{A}=\left[\begin{array}{ccc}1& -1& 0\\ 2& 4& -1\\ 0& 0& 3\end{array}\right]$ 的 Jordan标准形.
解 因为
$\begin{array}{rl}\lambda E-A=& \left[\begin{array}{ccc}\lambda -1& 1& 0\\ -2& \lambda -4& 1\\ 0& 0& \lambda -3\end{array}\right]\stackrel{c_1\leftrightarrow c_2}{\to }\left[\begin{array}{ccc}1& \lambda -1& 0\\ \lambda -4& -2& 1\\ 0& 0& \lambda -3\end{array}\right]\\ & \underset{r_2-(\lambda -4)r_1}{\overset{c_2-(\lambda -1)c_1}{\to }}\left[\begin{array}{ccc}1& 0& 0\\ 0& -{\lambda }^2+5\lambda -6& 1\\ 0& 0& \lambda -3\end{array}\right]\stackrel{c_2\leftrightarrow c_3}{\to }\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& -{\lambda }^2+5\lambda -6\\ 0& \lambda -3& 0\end{array}\right]\\ & \underset{r_3-(-{\lambda }^2+5\lambda -6)r_2}{\overset{c_3-(\lambda -3)c_2}{\to }}\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& (\lambda -2)(\lambda -3{)}^2\end{array}\right]\end{array}$
所以, 矩阵 $A$ 的初等因子为 $\lambda -2,(\lambda -3{)}^2$, $A$ 的 Jordan 标准形 $\mathbf{J}=\left[\begin{array}{ccc}2& 0& 0\\ 0& 3& 1\\ 0& 0& 3\end{array}\right].$

例 1.28 求 $A=\left(\begin{array}{ccc}3& 1& 1\\ -1& 1& -1\\ 1& 1& 3\end{array}\right)$ 的最小多项式.
解 因为 $\lambda \mathbf{E}-\mathbf{A}$
$\begin{array}{r}=\left(\begin{array}{ccc}\lambda -3& -1& -1\\ 1& \lambda -1& 1\\ -1& -1& \lambda -3\end{array}\right)\to \left(\begin{array}{ccc}1& \lambda -1& 1\\ \lambda -3& -1& -1\\ -1& -1& \lambda -3\end{array}\right)\to \left(\begin{array}{ccc}1& 0& 0\\ 0& -{\lambda }^2+4\lambda -4& -\lambda +2\\ 0& \lambda -2& \lambda -2\end{array}\right)\end{array}$
所以 $A$ 的初等因子 $\lambda -2,\lambda -2,\lambda -3$，$A$ 的最小多项式 $m_A(\lambda )=(\lambda -2)(\lambda -3)$。

2. 矩阵函数的定义 简单计算矩阵函数

特征多项式 ${\chi }_A(\lambda )=|\lambda E-A|$ 的根系（连重数）称为方阵 $A$ 的 谱 $\mathrm{Spec}A$.
$m_A(\lambda )$ 的根系（连重数）称为方阵 $A$ 的 简谱 $\mathrm{Rspec}A$.

现对 $f(\lambda )$ 定义 $f(\mathbf{A}).$ 假设 $f(\lambda )$ 在各 ${\lambda }_i$ 处有直到 $m_i-1$ 阶的导数——简称为 $f(\lambda )$ 在 ${\Lambda }_{\mathrm{A}}$ 上有意义.

矩阵函数的第一种定义 对函数 $f(\lambda )$ , 多项式 $r(\lambda )$ 是与 $f(\lambda )$ 在 $\mathbf{A}$ 的简谱处的值全部相等的多项式 $r({\Lambda }_A)=f({\Lambda }_A)$, 则定义 $f(\mathbf{A})=r(\mathbf{A})$, 并称 $r(\lambda )$ 是 $f(\mathbf{A})$ 的 定义多项式。

定义多项式不唯一，两定义多项式之差是 $m_A(\lambda )$ 的倍数，次数小于 $m_A(\lambda )$ 的定义多项式唯一。

矩阵函数的第二种定义 设复函数 $f(z)$ 在开圆域 $|z|<R$ 内解析，即 $f(z)$ 在此开圆域内可展开成幂级数 $f(z)={\sum }_{m=0}^{\infty }{c}_m{z}^m,$ 则若 $\rho (A)<R$，就有
$$f(A)=\sum _{m=0}^{\infty }{c}_m(A{)}^m.$$

当函数 $f(z)$ 和矩阵 $A$ 满足第二种定义时 $f(A)$ 的两种定义一致.

比如 $|a|<R$ 的Jordan矩阵 $J$
$f(J)={\sum }_{m=1}^{\infty }{a}_m{J}^m=(\begin{array}{ccccc}f(a)& \frac{f^{\prime }(a)}{1!}& \frac{f^{\prime \prime }(a)}{2!}& \cdots & \frac{f^{(p-1)}(a)}{(p-1)!}\\ & f(a)& & & \\ & & \ddots & \ddots & \\ & & & \ddots & \frac{f^{\prime }(a)}{1!}\\ & & & & f(a)\end{array})$

证 记 $H=J-aE$, 则 $J^m=(H+aE{)}^m={\sum }_{i=0}^m{C}_m^i{a}^{m-i}{H}^i={\sum }_{i=0}^{\infty }{C}_m^i{a}^{m-i}{H}^i(\text{当}i>my,C_m^i=0)$
$\begin{array}{rl}\sum _{m=0}^{\infty }{a}_m{J}^m& =\sum _{m=0}^{\infty }{a}_m\sum _{i=0}^{\infty }{C}_m^i{a}^{m-i}{H}^i=\sum _{i=0}^{\infty }(\sum _{m=0}^{\infty }{a}_m{C}_m^i{a}^{m-i})H^i\\ & =\sum _{i=0}^{\infty }\frac{1}{i!}{H}^i(\sum _{m=0}^{\infty }{a}_{m}m(m+1)\cdots (m-i+1)a^{m-i})\\ & =\sum _{i=0}^{\infty }\frac{1}{i!}{H}^i{f}^{(i)}(a)i\ge p\text{时}{H}^i=0\end{array}$

例 1.1.4 设 $A=\left(\begin{array}{cc}1& 4\\ 3& 2\end{array}\right)$，求 $e^A$ .
解 $f_A(\lambda )=\left|\begin{array}{cc}\lambda -1& -4\\ -3& \lambda -2\end{array}\right|=(\lambda -5)(\lambda +2).$ 则最小多项式 $m_A(\lambda )$ 也是 $(\lambda -5)(\lambda +2)$ .
由小于$m_A(\lambda )$ 的定义多项式唯一 ，设定义多项式 $r(a)=a\lambda +b$, 则 $\{\begin{array}{l}r(5)=5a+b=e^5\\ r(-2)=-2a+b=e^{-2}\end{array}$
$\begin{array}{rlr}& \Rightarrow \{\begin{array}{l}a=\frac{1}{7}(e^5-e^{-2})\\ b=\frac{1}{7}(2e^5+5e^{-2})\end{array}& \Rightarrow e^A=r(A)=\frac{1}{7}(e^5-e^{-2})A+\frac{1}{7}(2e^5+5e^{-2})I\end{array}$

例 1.1.5 $A=\left(\begin{array}{cc}0& -1\\ 4& 4\end{array}\right)$ , 求 $\arcsin \frac{A}{4}$.
解 $f_A(\lambda )=\left|\begin{array}{cc}\lambda & 1\\ -4& \lambda -4\end{array}\right|=(\lambda -2{)}^2$, $D_1(x)=1,D_2(x)=(\lambda -2{)}^2=d_2(x)=m_A$
$\begin{array}{rl}& \text{设}r(x)=a\lambda +b，\text{则}\{\begin{array}{l}r(2)=2a+b=\arcsin \frac{2}{4}\ast \frac{\pi }{6}\\ r^{\prime }(2)=a=\frac{1}{\sqrt{1-(\frac{2}{4}{)}^2}}\ast \frac{1}{4}=\frac{\sqrt{3}}{6}\end{array}\Rightarrow b=\frac{\pi }{6}-2\frac{\sqrt{3}}{6}\\ & \arcsin \frac{A}{4}=r(A)=\frac{\sqrt{3}}{6}A+\frac{\pi -2\sqrt{3}}{6}I\end{array}$

例 1.1.6 设 $A$ 可逆，$f(\lambda )=\frac{1}{\lambda }$, 则 $f(A)=A^{-1}$。
解 记 $f_A(\lambda )=a(\lambda g(\lambda )-1)$，则 $\lambda g(\lambda )$与 $1$ 在 $\mathrm{RspecA}$ 处全相等
$\begin{array}{rl}& \Rightarrow g(\lambda )\text{与}\frac{1}{\lambda }在\mathrm{RspecA}处全相等\Rightarrow g(\lambda )=\frac{1}{\lambda }\Rightarrow f(A)=g(A)=A^{-1}\end{array}$

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 $A\otimes B=(\begin{array}{ccc}{a}_{11}B& \cdots & a_{1n}B\\ ⋮& & ⋮\\ a_{m1}B& \cdots & a_{mn}B\end{array})$ 的性质

(7) $(\mathbf{A}\otimes \mathbf{B})(\mathbf{C}\otimes \mathbf{D})=\mathbf{AC}\otimes \mathbf{BD}.$
在下列性质 (8) ~ (11) 中，$A$ 和 $B$ 分别是 $m$ 阶和 $n$ 阶方阵.
(8) $(\mathbf{A}\otimes \mathbf{B}{)}^{-1}={\mathbf{A}}^{-1}\otimes {\mathbf{B}}^{-1}$ 。
(9) $\det (\mathbf{A}\otimes \mathbf{B})=(\det \mathbf{A}{)}^n(\det \mathbf{B}{)}^m$ 。
       ~~~~~~       证 由 $\mathbf{A}\otimes \mathbf{B}=(\mathbf{A}\otimes {\mathbf{I}}_{\mathbf{n}})({\mathbf{I}}_{\mathbf{m}}\otimes \mathbf{B})$
(10) $\mathrm{rank}(\mathbf{A}\otimes \mathbf{B})=(\mathrm{rank}\mathbf{A})(\mathrm{rank}\mathbf{B})$ .
       ~~~~~~       证 由 $\mathbf{UAV}=\left(\begin{array}{cc}{\mathbf{I}}_a& \mathbf{O}\\ \mathbf{O}& \mathbf{O}\end{array}\right)$，$\mathbf{RBS}=\left(\begin{array}{cc}{\mathbf{I}}_b& \mathbf{O}\\ \mathbf{O}& \mathbf{O}\end{array}\right)$.
       ~~~~~~       于是 $(\mathbf{U}\otimes \mathbf{R})(\mathbf{A}\otimes \mathbf{B})(\mathbf{V}\otimes \mathbf{S})=(\mathbf{UAV})\otimes (\mathbf{RBS})$
(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)={λi​μj​∣i=1,⋯,m;j=1,⋯,n}.
特别地，$\mathrm{t}r(\mathbf{A}\otimes \mathbf{B})=(\mathrm{t}r\mathbf{A})(\mathrm{t}r\mathbf{B})$. 另外，若 $\mathbf{A}$ 和 $\mathbf{B}$ 都相似于对角阵，则 $\mathbf{A}\otimes \mathbf{B}$ 也相似于对角阵。

证 设 $\mathbf{RA}{\mathbf{R}}^{-1}={\mathbf{T}}_{\mathbf{A}},\mathbf{SB}{\mathbf{S}}^{-1}={\mathbf{T}}_{\mathbf{B}}$ , 其中 ${\mathbf{T}}_A,{\mathbf{T}}_B$ 都是上三角方阵,
则$(\mathbf{R}\otimes \mathbf{S})(\mathbf{A}\otimes \mathbf{B})(\mathbf{R}\otimes \mathbf{S}{)}^{-1}=(\mathbf{RA}{\mathbf{R}}^{-1})\otimes (\mathbf{SB}{\mathbf{S}}^{-1})={\mathbf{T}}_A\otimes {\mathbf{T}}_B.$、
当 ${\mathbf{T}}_A,{\mathbf{T}}_B$ 都是对角阵时，${\mathbf{T}}_A\otimes {\mathbf{T}}_B$ 也是对角阵.

$\hat{A}$ 为 $A=(a_{ij})$ 的 拉长向量 $\hat{A}=(a_{11},\cdots ,a_{1n},a_{21},\cdots ,a_{2n},\cdots {)}^T$。

定理 2.2.1 $\widehat{AXB}=(A\otimes B^T)\cdot \hat{X}$ 。

证：显然 $\widehat{AXB}$ 的每个分量都是 $\hat{X}$ 的线性组合。
设 $A={\left(a_{ij}\right)}_{m\times n}$ ,$X={\left(x_{ij}\right)}_{n\times p}$ , $B={\left(b_{ij}\right)}_{p\times q}$ , $X=\left(\begin{array}{c}{X}_1\\ ⋮\\ X_n\end{array}\right)$，则 $\hat{X}=\left(\begin{array}{c}{X}_1^T\\ ⋮\\ X_n^T\end{array}\right)$ .
$AXB=\left(\begin{array}{c}(a_{11}{X}_1+\cdots +a_{1n}{X}_n)B\\ ⋮\\ (a_{m1}{X}_1+\cdots +a_{mn}{X}_n)B\end{array}\right)$，
从而
$\begin{array}{rl}\widehat{AXB}& =(\begin{array}{ccc}(a_{11}{X}_1+\cdots +a_{1n}{X}_n)B,& \cdots ,& (a_{m1}{X}_1+\cdots +a_{mn}{X}_n)B\end{array}{)}^T\\ & \\ & =(\begin{array}{c}{B}^T\left(a_{11}{X}_1^T+\cdots +a_{1n}{X}_n^T\right)\\ ⋮\\ B^T\left(a_{m1}{X}_1^T+\cdots +a_{mn}{X}_n^T\right)\end{array})=\left(\begin{array}{ccc}{a}_{11}{B}^T& \cdots & a_{1n}{B}^T\\ ⋮& ⋮& \\ a_{m1}{B}^T& \cdots & a_{mn}{B}^T\end{array}\right)\left(\begin{array}{c}{X}_1^T\\ ⋮\\ X_n^T\end{array}\right)\end{array}$

由拉长公式， $AXB=C\iff \widehat{AXB}=\hat{C}\iff (A\otimes B^T)\hat{X}=\hat{C}$

习题: 求矩阵 $P$ 使得 $\widehat{AB}=P\hat{B}$ , 矩阵 $Q$ 使得 $\widehat{AB}=Q\hat{A}$ 。
$\widehat{ABE}=(A\otimes E^T)\hat{B}$ , $\widehat{EAB}=(E\otimes B^T)\hat{A}$ 。

设 $\mathbf{A}\in {\mathbf{C}}^{m\times m}$ , $\mathbf{B}\in {\mathbf{C}}^{n\times n}$ , $\mathbf{C}\in {\mathbf{C}}^{m\times n}$ , 且 $\mathbf{X}\in {\mathbf{C}}^{m\times n}$ 是未知矩阵

矩阵方程 $\mathbf{AX}-\mathbf{XB}=\mathbf{C}$ 有唯一解 $⟺\mathbf{A}$ 和 $\mathbf{B}$ 无公共特征值
$$\begin{array}{c}\mathbf{AX}-\mathbf{XB}=\mathbf{C}\iff \widehat{(\mathbf{AX}-\mathbf{XB})}=\hat{\mathbf{C}}\iff \widehat{\mathbf{AX}}-\widehat{\mathbf{XB}}=\hat{\mathbf{C}}\\ \iff \widehat{\mathbf{AX}{\mathbf{I}}_{\mathbf{n}}}-\widehat{{\mathbf{I}}_{\mathbf{m}}\mathbf{XB}}=\hat{\mathbf{C}}\iff (\mathbf{A}\otimes {\mathbf{I}}_{\mathbf{n}}-{\mathbf{I}}_{\mathbf{m}}\otimes {\mathbf{B}}^{\mathrm{T}})\hat{\mathbf{X}}=\hat{\mathbf{C}},\end{array}$$

故方程 $\mathbf{AX}-\mathbf{XB}=\mathbf{C}$ 还可以写成线性方程组 $(\mathbf{A}\otimes {\mathbf{I}}_{\mathbf{n}}-{\mathbf{I}}_{\mathbf{m}}\otimes {\mathbf{B}}^{\mathrm{T}})\hat{\mathbf{X}}=\hat{\mathbf{C}}$ ，它的系数矩阵是 $mn$ 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 $S^{-1}AS=J_A,R^{-1}BR=J_B$ ,
$\begin{array}{rl}& (S^{-1}\otimes R^{-1})(A\otimes I_n-I_m\otimes B^T)(S\otimes R)\\ & =(S^{-1}AS)\otimes R^{-1}{I}_{n}R-(S^{-1}{I}_{m}S)\otimes (R^{-1}{B}^{T}R)\\ & =J_A\otimes I_n-I_m\otimes J_{B^T}\end{array}$再看三角阵的全部对角元。
矩阵方程 $\mathbf{AX}-\mathbf{XB}=\mathbf{C}$ 有唯一解 $⟺(\mathbf{A}\otimes {\mathbf{I}}_n-{\mathbf{I}}_m\otimes {\mathbf{B}}^{\mathrm{T}})\hat{\mathbf{X}}=\hat{\mathbf{C}}$ 有唯一解
$⟺$ 系数行列式不为$0⟺\mathbf{A}$ 和 $\mathbf{B}$ 无公共特征值

推论 2.3.2 设 $\mathbf{A}=\left(\begin{array}{ccc}{\mathbf{A}}_1& & \\ & \ddots & \\ & & {\mathbf{A}}_l\end{array}\right)$，$\mathbf{B}=\left(\begin{array}{ccc}{\mathbf{B}}_{11}& \cdots & {\mathbf{B}}_{1l}\\ ⋮& & \\ {\mathbf{B}}_{l1}& \cdots & {\mathbf{B}}_{ll}\end{array}\right)$，
其中（1）当 $i\ne j$ 时，${\mathbf{A}}_i,{\mathbf{A}}_j$无公共特征值，（2）$\mathbf{AB}=\mathbf{BA}$ ，
则 $\mathbf{B}$ 的所有非对角块部是 $0$ 。

证：$$\begin{gathered} AB=BA\Rightarrow A_i{B}_{ij}=B_{ij}{A}_i\Rightarrow B_{ij}\text{是}{A}_{i}X-X{A}_j=0\text{的解} \\ \text{又}i\ne j时A_i\text{与}{A}_j\text{无公共特征值} \\ {A}_{i}X-X{A}_j=0\text{有唯一解}\Rightarrow 只有零解\Rightarrow B_{ij}=0i\ne j \end{gathered}$$