高等代数:5 矩阵的相抵与相似 |
您所在的位置:网站首页 › 相似与相似符号的区别 › 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 \(\{(a,b)|a \in S,b \in W\}\) 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 \[\begin{aligned} &(1)a\sim a &(反身性);\\ &(2)a\sim b\implies b\sim a& (对称性);\\ &(3)a\sim b且b\sim c \implies a\sim c &(传递性)。 \end{aligned} \]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 \[\bar{a}\xlongequal{\text{def}}\{x\in S|x\sim a\}, \]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:\(x\in bar{a}\iff x\sim a.\) 事实3:\(\bar{x}=\bar{y}\iff x\sim y.\) 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\(\{S_i|i\in I\}\)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:\(A\overset{相抵}{\sim}B\)。 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 \[\begin{aligned} \iff&A可以经过初等行变换和初等列变换变成B,\\ \iff&存在K上s级初等矩阵P_1,P_2,\dots,P_t与n级初等矩阵Q_1,Q_2,\dots,Q_m,使得\\ &P_t\dots P_2P_1AQ_1Q_2\dots Q_m=B.\\ \iff&存在K上s级可逆矩阵P与n级可逆矩阵Q,使得:\\ &PAQ=B.&(1) \end{aligned} \]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: \[\begin{pmatrix} I_r&0\\ 0&0 \end{pmatrix},\tag{2} \]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 \[A=P\begin{pmatrix}I_r&0\\0&0\end{pmatrix}Q.\tag{3} \]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 \[AXA=A\tag{1} \]一定有解。如果\(tank(A)=r\),并且 \[A=P\begin{pmatrix}I_r&0\\0&0\end{pmatrix}Q.\tag{2} \]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 \[X=Q^{-1}\begin{pmatrix}I_r&B\\C&D\end{pmatrix}P_{-1}\tag{3} \]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: \[\beta=AA^-\beta.\tag{4} \]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: \[X=A^-\beta.\tag{5} \]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: \[X=(I_n-A^-A)Z.\tag{6} \]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 \[X=A^-\beta+(I_n-A^-A)Z.\tag{7} \]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 \[\begin{cases} AXA&=A\\ XAX&=X\\ (AX)^*&=AX\\ (XA)^*&=XA \end{cases}\tag{8} \]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\((AX)^*\)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 \[X=C^*(CC^*)^{-1}(B^*B)^{-1}B^*.\tag{9} \]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 \[P^{-1}AP=B,\tag{1} \]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\(B_1=P^{-1}A_1P,\,B_2=P^{-1}A_2P\),那么 \[\begin{aligned} B_1+B_2&=P^{-1}(A_1+A_2)P,\\ B_1B_2&=P^{-1}(A_1A_2)P,\\ B_1^m&=P^{-1}A_1^mP, \end{aligned} \]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 \[tr(A)=a_{11}+a_{22+\dots+a_{nn}}\tag{2} \]命题1:矩阵的迹具有下列性质: \[\begin{aligned} tr(A+B)&=tr(A)+tr(B),\\ tr(kA)&=k\cdot tr(A),\\ tr(AB)&=tr(BA). \end{aligned} \]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 \[A\alpha_i=\lambda_i\alpha_i,\qquad i=1,2,\dots,n.\tag{3} \]这时,令\(P=(\alpha_1,\alpha_2,\dots,\alpha_n)\),则 \[P^{-1}AP=diag\{\lambda_1,\lambda_2,\dots,\lambda_n\}.\tag{4} \]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\(k\not=0时,k\alpha\)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。 \[\begin{aligned} &\lambda_0是A的一个特征值,\alpha是A的属于\lambda_0的一个特征向量\\ \iff&A\alpha=\lambda_0\alpha,\alpha\not=\bold 0,\lambda_0\in K\\ \iff&(\lambda_0I-A)\alpha=\bold 0,\alpha\not=\bold 0,\lambda_0\in K\\ \iff&\alpha 是齐次线性方程组(\lambda_0I-A)X=\bold 0的一个非零解,\lambda_0\in K\\ \iff&|\lambda_0I-A|=0,\alpha 是(\lambda_0I-A)X=\bold 0的一个非零解,\lambda_0\in K\\ \iff&\lambda_0是多项式|\lambda I-A|在K中的一个根,\alpha 是(\lambda_0I-A)X=\bold 0的一个非零解。 \end{aligned} \]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 \[\begin{aligned} &(1)\lambda_0 是A的一个特征值当且仅当\lambda_0是A的特征多项式|\lambda I-A|在K中的一个根;\\ &(2)\alpha 是A的属于特征值\lambda_0的一个特征向量当且仅当\alpha是齐次线性方程组(\lambda_0I-A)X=\bold 0的一个非零解。 \end{aligned} \]设\(\lambda_0\)是A的一个特征值,把齐次线性方程组\((\lambda_0I-A)X=\bold 0\)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\leqslant k |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |