相似矩阵和相似对角化

相似矩阵和相似对角化对称矩阵的对角化 方阵 对称矩阵的一些性质 1 对称矩阵的特征值为实数 2 设 1 1 lambda 1 和 2 2 lambda 2 是对称矩阵 AAA 的两个特征值 p1p1 mathbf p 1 p

大家好,欢迎来到IT知识分享网。

矩阵的相似

定义:设 A,B A , B 是两个 n n 阶方阵,若存在
n

n
阶可逆矩阵 P P ,使得
P1AP=B

P 1 A P = B
,则称 A A 相似于
B

B
,记成 AB A ∼ B

矩阵相似是一种等价关系
(1) ( 1 ) AA A ∼ A (反身性)
(2) ( 2 ) AB A ∼ B ,则 BA B ∼ A (对称性)
(3) ( 3 ) AB,BC A ∼ B , B ∼ C AC A ∼ C (传递性)


相似矩阵的性质
(1) ( 1 ) AB A ∼ B 则有:

1: 1 ∘ : r(A)=r(B) r ( A ) = r ( B ) ;
2: 2 ∘ : |A|=|B| | A | = | B | ;
3: 3 ∘ : |λEA|=|λEB| | λ E − A | = | λ E − B |
4: 4 ∘ : A,B A , B 有相同的特征值

(2) ( 2 ) AB A ∼ B 则有:
AmBm;f(A)f(B) A m ∼ B m ; f ( A ) ∼ f ( B ) (其中 f(x) f ( x ) 是多项式)
(3) ( 3 ) AB A ∼ B A A 可逆,

A1B1,f(A1)f(B1)

A 1 B 1 , f ( A 1 ) f ( B 1 )
(其中 f(x) f ( x ) 是多项式)
(4) ( 4 ) P1A1P=B1 P − 1 A 1 P = B 1 P1A2P=B2 P − 1 A 2 P = B 2
P1A1A2P=P1A1PP1A2P P − 1 A 1 A 2 P = P − 1 A 1 P P − 1 A 2 P A1A2B1B2 A 1 A 2 ∼ B 1 B 2
(5) ( 5 ) P1(k1A1+k2A2)P=k1P1A1P+k2P1A2P P − 1 ( k 1 A 1 + k 2 A 2 ) P = k 1 P − 1 A 1 P + k 2 P − 1 A 2 P

对称矩阵的对角化(方阵)

对称矩阵的一些性质:
1:对称矩阵的特征值为实数
2:设 λ1 λ 1 λ2 λ 2 是对称矩阵 A A 的两个特征值,
p1

p 1
p2 p 2 是对应的特征向量,若 λ1λ2 λ 1 ≠ λ 2 ,则 p1 p 1 p2 p 2 正交

定理:
A A
n

n
阶对称矩阵,则必有正交矩阵 P P 使得,
P1AP=PTAP=Λ

P 1 A P = P T A P = Λ
其中 Λ Λ 是以 A A
n

n
个特征值为对角元的对角矩阵

推论:
A A
n

n
阶对称矩阵, λ λ A A 的特征方程的
k

k
重根,则矩阵 AλE A − λ E 的秩 R(AλE)=nk R ( A − λ E ) = n − k ,从而对应的特征值 λ λ 恰好有 k k 个线性无关的特征向量。

矩阵可以对角化的条件

若存在可逆矩阵
P

P
,使得 P1AP=Λ P − 1 A P = Λ ,其中 Λ Λ 是对角矩阵,则称 A A 为可相似对角化,记
AΛ

A Λ
,称 Λ Λ A A 的相似标准型。


(1)

( 1 )
n n 阶矩阵
AΛ

A Λ
n n 个线性无关的特征向量



(2)

( 2 )
矩阵 A A 的属于不同的特征值的特征向量线性无关,若
n

n
阶矩阵 A A
n

n
个不同的特征值,则 A A
n

n
个线性无关的特征向量,于是 AΛ A ∼ Λ


(3) ( 3 ) λ0 λ 0 A A
r

r
重特征值,则 A A 对应于
λ0

λ 0
的线性无关的特征向量的个数小于等于 r r .
矩阵
A

A
相似于对角矩阵 A A 的对应于每个
ri

r i
重特征值都有 ri r i 个线性无关的特征向量。

实对称矩阵必可相似于对角矩阵

(1) ( 1 ) A A 实对称矩阵,则
A

A
的特征值是实数,特征向量是实向量
(2) ( 2 ) 实对称矩阵 A A 属于不同特征值的特征向量相互正交

(3)

( 3 )
实对称矩阵 A A 必相似于对角矩阵,即必有
n

n
个线性无关的特征向量 ξ1,ξ2,,ξn ξ 1 , ξ 2 , ⋯ , ξ n ,即必有可逆矩阵 P=[ξ1,ξ2,,ξn] P = [ ξ 1 , ξ 2 , ⋯ , ξ n ] 使得 P1AP=Λ P − 1 A P = Λ ,其中 Λ=dig(λ1,λ2,,λn) Λ = d i g ( λ 1 , λ 2 , ⋯ , λ n ) ,且存在正交矩阵 Q Q ,使得
Q1AQ=QTAQ=Λ

Q 1 A Q = Q T A Q = Λ
,故 A A 正交相似
A

A
.

奇异值分解(不是方阵)

假设 A A 是一个
m×n

m × n
,其中 m>n m > n (这个假设只是为了方便,如果 m<n m < n ,所有结论依然成立)。
我们给出一种方法,确定 A A 是如何接近一个较小秩的矩阵。
这种方法包括将

A
分解为一个乘积 UΣVT U Σ V T ,其中 U U 是一个

m × m
的正交矩阵, V V 是一个

n × n
的正交矩阵, Σ Σ 是一个 m×n m × n 的矩阵,其对角下的所有元素为 0 0 ,且对角线元素满足



σ 1 σ 2 σ n 0


Σ=σ1σ2σn Σ = ( σ 1 σ 2 ⋱ σ n )


采用这种因式分解得到的 σi σ i 是唯一的,并且称 A A 的奇异值。
因式分解

U Σ V T
称为 A A <script type="math/tex" id="MathJax-Element-134">A</script>的奇异值分解

免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://haidsoft.com/153912.html

(0)
上一篇 2025-03-01 13:45
下一篇 2025-03-01 14:05

相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注微信