1.1 问题
若当标准形中,有一条性质说:一个矩阵的线性无关的特征向量个数等于其若当标准形的若当块个数。结论是简洁的,证明是有复杂的。
1.2 理解与证明
首先说明,以下的
n
n
n 阶方阵
A
A
A 是满秩的。
对于
n
n
n 阶方阵
A
A
A,总存在相似的若当标准形矩阵,即存在非奇异矩阵
P
P
P 与若当标准形
J
J
J,使得:
P
−
1
A
P
=
J
(1.1)
P^{-1}AP=J \tag{1.1}
P−1AP=J(1.1)
进而可得:
A
=
P
J
P
−
1
(1.2)
A=PJP^{-1} \tag{1.2}
A=PJP−1(1.2)
设矩阵
A
A
A 的其中一个特征根为
λ
\lambda
λ,与
λ
\lambda
λ 对应的特征向量为
x
x
x,则:
A
x
=
λ
x
(1.3)
Ax = \lambda x \tag{1.3}
Ax=λx(1.3)
即:
(
λ
I
−
A
)
x
=
0
(1.4)
(\lambda I - A) x = 0 \tag{1.4}
(λI−A)x=0(1.4)
将
I
=
P
P
−
1
I=PP^{-1}
I=PP−1 与
A
=
P
J
P
−
1
A=PJP^{-1}
A=PJP−1 代入可得:
(
λ
P
P
−
1
−
P
J
P
−
1
)
x
=
0
(1.5)
(\lambda PP^{-1}- PJP^{-1}) x = 0 \tag{1.5}
(λPP−1−PJP−1)x=0(1.5)
整理得:
P
(
λ
I
−
J
)
P
−
1
x
=
0
(1.6)
P(\lambda I- J)P^{-1} x = 0 \tag{1.6}
P(λI−J)P−1x=0(1.6)
两边同时左乘
P
−
1
P^{-1}
P−1 且令
y
=
P
−
1
x
y = P^{-1}x
y=P−1x 可得:
(
λ
I
−
J
)
y
=
0
(1.7)
(\lambda I- J)y = 0 \tag{1.7}
(λI−J)y=0(1.7)
其中,
y
y
y 是
x
x
x 的线性变换,且有
x
=
P
y
x = Py
x=Py。
设若当标准形
J
J
J 共有
r
r
r 个若当块。一个特征值出现在一个或多个若当块里,不妨设
λ
=
λ
1
\lambda = \lambda_1
λ=λ1 同时出现在
J
1
,
.
.
.
,
J
k
(
1
≤
k
≤
r
)
J_1, ..., J_k(1 \le k \le r)
J1,...,Jk(1≤k≤r) 中,此时
R
(
λ
1
I
−
J
1
,
.
.
.
,
k
)
=
m
1
,
.
.
.
,
k
−
k
R(\lambda_1 I - J_{1,...,k}) = m_{1,...,k}-k
R(λ1I−J1,...,k)=m1,...,k−k。其中,
m
1
,
.
.
.
,
k
m_{1,...,k}
m1,...,k 为前
k
k
k 个若当块组成的矩阵的秩。此时,
(
λ
1
I
−
J
1
,
.
.
.
,
k
)
y
1
,
.
.
.
,
k
=
0
(\lambda_1 I- J_{1,...,k} )y_{1,...,k} = 0
(λ1I−J1,...,k)y1,...,k=0 有
k
k
k 个自由的变量,而
(
λ
1
I
−
J
i
)
y
i
=
0
(
i
=
k
+
1
,
.
.
.
,
r
)
(\lambda_1 I- J_{i} )y_i= 0(i=k+1,...,r)
(λ1I−Ji)yi=0(i=k+1,...,r) 的解都为零。合起来,
(
λ
1
I
−
J
)
y
=
0
(\lambda_1 I- J)y = 0
(λ1I−J)y=0 共有
k
k
k 个线性无关的解。可见,一个特征向量出现在
k
k
k 个若当块中,
(
λ
i
I
−
J
)
y
=
0
(\lambda_i I- J)y = 0
(λiI−J)y=0 就有
k
k
k 个线性无关的解。由于
x
=
P
y
x=Py
x=Py,
k
k
k 个
y
y
y 对应
k
k
k 个
x
x
x,矩阵
A
A
A 也就有
k
k
k 个线性无关的特征向量。若当块数量和线性无关的特征向量的数量一致。
最后这段话比较抽象,不妨看几个例子:
假设一个三阶的若当块,分几种情况讨论。
-
一个特征值只出现在一个Jordan块里,设有三个不同的特征值
λ
1
,
λ
2
,
λ
3
\lambda_1, \lambda_2, \lambda_3
λ1,λ2,λ3,则:
J
=
[
λ
1
0
0
0
λ
2
0
0
0
λ
3
]
J=\left [\begin {array}{ccc} \lambda_1 & 0 & 0 \\ 0 & \lambda_2 & 0 \\ 0 & 0 & \lambda_3 \end{array} \right ]
J=⎣⎡λ1000λ2000λ3⎦⎤容易发现,该系统共有 3 个Jordan块,
λ
1
\lambda_1
λ1 出现
J
1
J_1
J1 里,
R
(
λ
1
I
−
J
1
)
=
0
R(\lambda_1 I - J_1) = 0
R(λ1I−J1)=0,
(
λ
1
I
−
J
1
)
y
1
=
0
(\lambda_1 I - J_1 )y_1 = 0
(λ1I−J1)y1=0 有非零解。
R
(
λ
1
I
−
J
1
)
=
2
R(\lambda_1 I - J_1) = 2
R(λ1I−J1)=2,
(
λ
2
,
3
I
−
J
2
,
3
)
y
2
,
3
=
0
(\lambda_{2,3} I - J_{2,3} )y_{2,3} = 0
(λ2,3I−J2,3)y2,3=0只有零解,因此
(
λ
1
I
−
J
)
y
=
0
(\lambda_1 I - J )y = 0
(λ1I−J)y=0 有一组线性无关的解
y
=
[
a
,
0
,
0
]
(
a
≠
0
)
y=[a, 0, 0](a\neq 0)
y=[a,0,0](a=0)。同理,
(
λ
2
I
−
J
)
y
=
0
(\lambda_2 I - J )y = 0
(λ2I−J)y=0,
(
λ
3
I
−
J
)
y
=
0
(\lambda_3 I - J )y = 0
(λ3I−J)y=0 各有一组线性无关的非零解。因此式(1.7) 共有3个线性无关的解,又
x
=
P
y
x = Py
x=Py,故矩阵
A
A
A 共有3个线性无关的特征向量,与Jordan块数量一致。
-
一个特征值只出现在一个Jordan块里,且有想同的特征值
λ
1
,
λ
1
,
λ
2
\lambda_1, \lambda_1, \lambda_2
λ1,λ1,λ2,则:
J
=
[
λ
1
1
0
0
λ
1
0
0
0
λ
2
]
J=\left [\begin {array}{ccc} \lambda_1 & 1 & 0 \\ 0 & \lambda_1 & 0 \\ 0 & 0 & \lambda_2 \end{array} \right ]
J=⎣⎡λ1001λ1000λ2⎦⎤
λ
=
λ
1
\lambda = \lambda_1
λ=λ1 时,
(
λ
1
I
−
J
1
)
y
1
=
0
(\lambda_1 I - J_1)y_{1} = 0
(λ1I−J1)y1=0 的解为
y
1
=
[
a
,
0
]
y_{1}=[a, 0]
y1=[a,0],
(
λ
1
I
−
J
2
)
y
2
=
0
(\lambda_1 I - J_2 )y_2 = 0
(λ1I−J2)y2=0的解为 0。合起来,
(
λ
1
I
−
J
)
y
=
0
(\lambda_1 I - J )y = 0
(λ1I−J)y=0 的解为
y
=
[
a
,
0
,
0
]
(
a
≠
0
)
y=[a, 0, 0](a \neq 0)
y=[a,0,0](a=0)。同理,
(
λ
2
I
−
J
)
y
=
0
(\lambda_2 I - J )y = 0
(λ2I−J)y=0有一个解。共得到两个线性无关的解,相应地,
x
=
P
y
x=Py
x=Py,矩阵
A
A
A 有两个线性无关的特征向量,和若当块数量一致。
-
一个特征值只出现在多个Jordan块里,且有想同的特征值
λ
1
,
λ
1
,
λ
2
\lambda_1, \lambda_1, \lambda_2
λ1,λ1,λ2,则:
J
=
[
λ
1
0
0
0
λ
1
0
0
0
λ
2
]
J=\left [\begin {array}{ccc} \lambda_1 & 0 & 0 \\ 0 & \lambda_1 & 0 \\ 0 & 0 & \lambda_2 \end{array} \right ]
J=⎣⎡λ1000λ1000λ2⎦⎤则
(
λ
1
I
−
J
1
,
2
)
y
1
,
2
=
0
(\lambda_1 I - J_{1,2})y_{1,2} = 0
(λ1I−J1,2)y1,2=0 共有两个自由解,
(
λ
1
I
−
J
3
)
y
3
=
0
(\lambda_1 I - J_{3})y_{3} = 0
(λ1I−J3)y3=0 有零解,合起来,
(
λ
1
I
−
J
)
y
=
0
(\lambda_1 I - J)y = 0
(λ1I−J)y=0 有两个线性无关的解。而
(
λ
2
I
−
J
)
y
=
0
(\lambda_2 I - J)y = 0
(λ2I−J)y=0 有一个线性无关的解。
(
λ
i
I
−
J
)
y
=
0
(
i
=
1
,
2
)
(\lambda_i I - J)y = 0(i=1,2)
(λiI−J)y=0(i=1,2) 共有 3 个线性无关的解,相应地,
x
=
P
y
x=Py
x=Py,矩阵
A
A
A 有3 个线性无关的特征向量。
— 完 —
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)