高等代数(八)-线性变换07:矩阵的有理标准形

这篇具有很好参考价值的文章主要介绍了高等代数(八)-线性变换07:矩阵的有理标准形。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

§ 7 矩阵的有理标准形
前一节中证明了复数域上任一矩阵 A \boldsymbol{A} A
可相似于一个若尔当形矩阵, 这一节将对任意数域 P P P 来讨论类似的问题.
我们证明 P P P 上任一矩阵必相似于一个有理标准形矩阵.
定义 8 对数域 P P P 上的一个多项式
d ˙ ( λ ˙ ) = λ n ˙ + a 1 λ n − 1 + ⋯ + a n , \dot{d}(\dot{\lambda})=\dot{\lambda^{n}}+a_{1} \lambda^{n-1}+\cdots+a_{n}, d˙(λ˙)=λn˙+a1λn1++an,
称矩阵
A = ( 0 0 ⋯ 0 − a n 1 0 ⋯ 0 − a n − 1 0 1 ⋯ 0 − a n − 2 ⋮ ⋮ ⋮ ⋮ 0 0 ⋯ 1 − a 1 ) \boldsymbol{A}=\left(\begin{array}{ccccc} 0 & 0 & \cdots & 0 & -a_{n} \\ 1 & 0 & \cdots & 0 & -a_{n-1} \\ 0 & 1 & \cdots & 0 & -a_{n-2} \\ \vdots & \vdots & & \vdots & \vdots \\ 0 & 0 & \cdots & 1 & -a_{1} \end{array}\right) A= 010000100001anan1an2a1
为多项式 d ( λ ) d(\lambda) d(λ) 的友矩阵.
容易验证, A \boldsymbol{A} A 的 (即特征矩阵
λ E − A \lambda \boldsymbol{E}-\boldsymbol{A} λEA 的) 不变因子是
1 , 1 , ⋯   , ⏟ n = 1 ↑ , d ( λ ) \underbrace{1,1, \cdots,}_{n=1 \uparrow}, d(\lambda) n=1 1,1,,,d(λ) (见习题 3 ).定义
9 准对角矩阵
A = ( A 1 A 2 ⋱ A ∗ ) , \boldsymbol{A}=\left(\begin{array}{llll} \boldsymbol{A}_{1} & & & \\ & \boldsymbol{A}_{2} & & \\ & & \ddots & \\ & & & \boldsymbol{A}_{*} \end{array}\right), A= A1A2A ,
其中 A i A_{i} Ai 分别是数域 P P P 上某些多项式
d i ( λ ) ( i = 1 , 2 , ⋯   , s ) d_{i}(\lambda)(i=1,2, \cdots, s) di(λ)(i=1,2,,s) 的友矩阵, 且满足 d i ( λ ) d_{i}(\lambda) di(λ)
∣ d 2 ( λ ) ∣ ⋯ ∣ d 1 ( λ ) \left|d_{2}(\lambda)\right| \cdots \mid d_{1}(\lambda) d2(λ)d1(λ), 称为 P P P
上的有理标准形矩阵.
引理 (2) 中矩阵 A \boldsymbol{A} A 的不变因子为
1 , 1 , ⋯   , 1 , d 1 ( λ ) , d 2 ( λ ) , ⋯   , d , ( λ ) 1,1, \cdots, 1, d_{1}(\lambda), d_{2}(\lambda), \cdots, d_{,}(\lambda) 1,1,,1,d1(λ),d2(λ),,d,(λ),
其中 1 的个数等于
d 1 ( λ ) , d 2 ( λ ) , ⋯   , d s ( λ ) d_{1}(\lambda), d_{2}(\lambda), \cdots, d_{s}(\lambda) d1(λ),d2(λ),,ds(λ) 的次数之和减去
s s s.
证明
λ E − A = ( λ E 1 − A 1 λ E 2 − A 2 ⋱ λ E , − A 4 ) . \lambda E-A=\left(\begin{array}{llll} \lambda E_{1}-\boldsymbol{A}_{1} & & & \\ & \lambda \boldsymbol{E}_{2}-\boldsymbol{A}_{2} & & \\ & & \ddots & \\ & & & \lambda \boldsymbol{E}_{,}-\boldsymbol{A}_{4} \end{array}\right) . λEA= λE1A1λE2A2λE,A4 .
由于每个 λ E i − A i \lambda E_{i}-A_{i} λEiAi 的不变因子为
1 , ⋯   , 1 , d i ( λ ) 1, \cdots, 1, d_{i}(\lambda) 1,,1,di(λ), 故可用初等变换把它变成
( 1 1 ⋱ d i ( λ ) ) , \left(\begin{array}{llll} 1 & & & \\ & 1 & & \\ & & \ddots & \\ & & & d_{i}(\lambda) \end{array}\right), 1文章来源地址https://www.toymoban.com/news/detail-826486.html

到了这里,关于高等代数(八)-线性变换07:矩阵的有理标准形的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。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。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 线性代数本质系列(二)矩阵乘法与复合线性变换,行列式,三维空间线性变换

    本系列文章将从下面不同角度解析线性代数的本质,本文是本系列第二篇 向量究竟是什么? 向量的线性组合,基与线性相关 矩阵与线性相关 矩阵乘法与复合线性变换 三维空间中的线性变换 行列式 逆矩阵,列空间,秩与零空间 克莱姆法则 非方阵 点积与对偶性 叉积 以线性

    2024年02月02日
    浏览(53)
  • 矩阵理论复习部分——线性代数(3)初等变换、逆矩阵

    一、初等变换3种方式 对调矩阵的两行(两列); 以 k ≠ 0 k not = 0 k  = 0 乘某一行(列)所有元素; 某一行(列)元素 k k k 倍加到另一行(列); 二、初等矩阵 初等矩阵是指由单位矩阵经过一次初等变换得到的矩阵。 左乘初等矩阵 = 行变换 右乘初等矩阵 = 列变换 初等矩

    2024年02月04日
    浏览(58)
  • 【线性代数07】马尔科夫矩阵和傅里叶矩阵

      本篇可以看作对行列式和特征值应用的举例。但我会谈些我感兴趣的部分,即离散信源信道模型和循环矩阵的对角化。 这个矩阵从概率论中概率的定义生发,因此 各元素实际上就是非负的概率值 。马尔科夫矩阵(Markov matrix)又称概率矩阵(probability matrix)、转移概率矩

    2024年02月04日
    浏览(40)
  • 线性代数-初等行变换与初等行矩阵

    初等行变换 :在矩阵的行上进行 倍加 、 倍乘 、 对换 变换 初等行矩阵 :在单位矩阵上应用初等行变换得到的矩阵 初等行矩阵 乘上矩阵 ,就相当于在矩阵 上实施了对应的初等行变换。 ** ** 倍加 :将第二行乘2加在第三行上,r3’ = 2 * r2 + r3. 所用的初等行矩阵 为: ,即单

    2024年02月11日
    浏览(43)
  • MIT线性代数笔记-第31讲-线性变换及对应矩阵

    线性变换相当于是矩阵的抽象表示,每个线性变换都对应着一个矩阵 例: 考虑一个变换 T T T ,使得平面上的一个向量投影为平面上的另一个向量,即 T : R 2 → R 2 T:R^2 to R^2 T : R 2 → R 2 ,如图: ​   图中有两个任意向量 v ⃗ , w ⃗ vec{v} , vec{w} v , w 和一条直线,作 v ⃗

    2024年02月03日
    浏览(57)
  • 线性代数|推导:线性变换与在基下的矩阵一一对应

    前置定义 1 设 T T T 是线性空间 V n V_n V n ​ 中的线性变换,在 V n V_n V n ​ 中取定一个基 α 1 , α 2 , ⋯   , α n boldsymbol{alpha}_1,boldsymbol{alpha}_2,cdots,boldsymbol{alpha}_n α 1 ​ , α 2 ​ , ⋯ , α n ​ ,如果这个基在变换 T T T 下的像(用这个基线性表示)为 { T ( α 1 ) = a 11 α 1 +

    2024年02月04日
    浏览(58)
  • 【动手学深度学习】课程笔记 05-07 线性代数、矩阵计算和自动求导

    向量相关 矩阵相关 简单来说,范数是用来衡量矩阵(张量)大小的值,范数的值有不同的规定。 仅记录一些我比较陌生的知识。 张量的克隆 张量的降维 首先定义一个张量x,指定其元素的数据类型为32位的float: 接着调用求和函数,因为会对张量中的一些维度进行求和,求

    2024年02月03日
    浏览(47)
  • 线性代数|定义:行阶梯形矩阵、行最简形矩阵和标准形

    前置知识: 【定义】矩阵 【定义】矩阵初等变换和矩阵等价 定义 1(行阶梯形矩阵) 非零矩阵若满足: 非零行在零行的上面; 非零行的首非零元在列的上一行(如果存在的话)的首非零元所在列的后面; 则称此矩阵为 行阶梯形矩阵 。 例如,下面的矩阵 A boldsymbol{A} A 就

    2024年02月08日
    浏览(35)
  • 线性代数中涉及到的matlab命令-第三章:矩阵的初等变换及线性方程组

    目录 1,矩阵的初等变换 1.1,初等变换 1.2,增广矩阵  ​1.3,定义和性质 1.4,行阶梯型矩阵、行最简型矩阵 1.5,标准形矩阵  1.6,矩阵初等变换的性质  2,矩阵的秩  3,线性方程组的解  初等变换包括三种:交换行或列、某行或列乘以一个非零系数、某行或列加上零一行

    2024年02月04日
    浏览(51)
  • MIT线性代数笔记-第27讲-复数矩阵,快速傅里叶变换

    对于实矩阵而言,特征值为复数时,特征向量一定为复向量,由此引入对复向量的学习 求模长及内积 假定一个复向量 z ⃗ = [ z 1 z 2 ⋮ z n ] vec{z} = begin{bmatrix} z_1 \\\\ z_2 \\\\ vdots\\\\ z_n end{bmatrix} z = ​ z 1 ​ z 2 ​ ⋮ z n ​ ​ ​ ,其中 z 1 , z 2 , ⋯   , z n z_1 , z_2 , cdots , z_n z 1 ​

    2024年02月05日
    浏览(52)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包