线性代数之——相似矩阵 当
有足够的特征向量的时候,我们有
。在这部分,
仍然是最好的选择,但现在我们允许任意可逆矩阵
,矩阵
和
称为相似矩阵,并且不管选择哪个
,特征值都保持不变。 1. 相似矩阵 假设
是任意的可逆矩阵,那么
相似于矩阵
。
也就是说如果
相似于
,那么
也相似于
。如果
可以对角化,那么
相似于
,它们肯定具有相同的特征值。 相似的矩阵
和
具有相同的特征值,如果
是
的一个特征向量,那么
是
的特征向量。
所有具有特征值 1 和 0 的 2×2 矩阵都是相似的,特征向量会随着
而改变,但特征值不变。上面的例子中特征值是不重复的,这种情况很好办,但如果有重复的特征值就会比较困难了。
这些
都和
一样行列式为 0,秩为 1,一个特征值为 0,并且矩阵的迹为 0,所以另一个特征值也为 0。但零矩阵不和它们相似,因为只有零矩阵自己和自己相似。 从
到
,有一些东西会改变一些则不变。
相似矩阵的特征值不变,矩阵的迹为特征值的和也不变,矩阵的行列式为特征值的乘积也不变,矩阵的秩不变,针对每个特征值的特征向量数目不变。 2. 若尔当形(Jordan Form)
上面的矩阵有三个特征值 5,5,5 在它的对角线上,唯一的特征向量是 (1, 0, 0) 的倍数,代数重数为 3,几何重数为 1。每个和它相似的矩阵
都有三重特征值 5,5,5,
的秩也为 2,零空间的维度为 1。和这个若尔当块
相似的矩阵都只有一个不相关的特征向量
。 此外,
和
相似,并且此时的矩阵
正好是反恒等矩阵。
由于
是我们能得到的最接近于对角矩阵的形式,方程
不能再进一步被简化,我们必须直接利用回带法解决。
对于每个
,我们想要选择一个
来使得
尽可能接近对角形式。当
有
个特征向量的时候,它们成为
的列,然后
,
是对角矩阵。在一般情况下,特征向量会缺失,我们并不能完全对角化。假设
有
个不相关的特征向量,那么它相似于一个有
个块的矩阵,每个块都像上面的矩阵
一样,特征值位于对角线上,并且素 1 正好位于对角线上面,其中每个块对应于一个特征值。如果有
个特征向量
个块,那所有的块都是 1×1 的,
也就变成了
。
相似于
如果它们具有相同的若尔当形
,其它情况都不符合。 对于每一个相似矩阵族,我们挑选出一个最特别的成员称为
,这个族中其它的每个矩阵都可以表示为
。这时候,我们有
,因此我们依然可以用
来求解
。 相似性的核心在于——让矩阵变得尽可能简单但同时保留它的必要属性。
2024最新激活全家桶教程,稳定运行到2099年,请移步至置顶文章:https://sigusoft.com/99576.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。 文章由激活谷谷主-小谷整理,转载请注明出处:https://sigusoft.com/68388.html