关于Jordan标准形
【转载请注明出处】http://www.cnblogs.com/mashiqi
2017/06/25
设$A$是$n$维线性空间$V$上的线性变换,它的特征值与相应的代数重数分别为$\lambda_i,m_i~(1=1,\cdots,r)$。为简化阅读,我们设$K_i = \ker(\lambda_i I - A)^{m_i},~ M_i = \operatorname{Im}(\lambda_i I - A)^{m_i}$。于是有如下结论:
\begin{align*}
& 1)~ A(K_i) \subseteq K_i,~ A(M_i) \subseteq M_i, \\
& 2)~ V = K_i \oplus M_i, \\
& 3)~ \det(\lambda I - A|_{K_i}) = (\lambda - \lambda_i)^{m_i},~ \dim(K_i) = m_i.
\end{align*}
由于$\ker(\lambda_i I - A)^{m_i}$和$\operatorname{Im}(\lambda_i I - A)^{m_i}$的正交性,因此$V$首先可以分解为各个$\ker(\lambda_i I - A)^{m_i}$的直和,这是“空间第一分解”。但仅仅到这一步,还得不出Jordan标准形。
在每一个$\ker(\lambda_i I - A)^{m_i}$上还可以再进行分解。由于在线性变换$A$在$m$维子空间$\ker(\lambda_i I - A)^{m_i}$上的行列式为$\det(\lambda I - A|_{K_i}) = (\lambda - \lambda_i)^{m_i}$,因此,根据Hamilton-Cayley定理,一定存在一个整数$m_0 \leq m_i$,使得$(A - \lambda_i I)^{m_0} = 0$。为了方便,我们记$T = A - \lambda_i I$,则$T^{m_0} = T \cdot T^{m_0-1} = 0$。因此$$\operatorname{Im}T^{m_0-1} \subseteq \ker T.$$我们可以在$\ker(\lambda_i I - A)^{m_i}$找到几个向量$\{p_1, p_2, \cdots , p_a\}$使得$\ker(\lambda_i I - A)^{m_i} = \operatorname{Span }\{T^{m_0-1}p_1, T^{m_0-1}p_2, \cdots , T^{m_0-1}p_a\}$。我们可以很容易的证明
\begin{align*}
\{& T^0 p_1, T^0 p_2, \cdots , T^0 p_a, \\
& T^1 p_1, T^1 p_2, \cdots , T^1 p_a, \\
& \qquad\quad\vdots\qquad\qquad\vdots \\
& T^{m_0-1}p_1, T^{m_0-1}p_2, \cdots , T^{m_0-1}p_a\}.
\end{align*}
线性无关。注意,若将上面的这$m_0 \times a$个线性无关的向量作为基底的话,那么每一列$\{T^0 p_1, T^1 p_1, \cdots, T^{m_0-1}p_1\}$在$A$下的变换都可以用Jordan标准形表示出来。若上面的这$m_0 \times a$个线性无关的向量还不足以充满整个$\ker(\lambda_i I - A)^{m_i}$的话,那再继续扩充它们,至于怎么扩种,稍微复杂了一点。这就是“空间第二分解”。
以上知识足以使得我对Jordan标准形形成一个较为感性的认识了。
关于Jordan标准形的更多相关文章
- Jordan标准形
一.引入 前面已经指出,一切n阶矩阵A可以分成许多相似类.今要在与A相似的全体矩阵中,找出一个较简单的矩阵来作为相似类的标准形.当然以对角矩阵作为标准形最好,可惜不是每一个矩阵都能与对角矩阵相似.因此 ...
- 实 Jordan 标准型和实 Weyr 标准型
将学习到什么 本节讨论关于实矩阵的实形式的 Jordan 标准型,也讨论关于复矩阵的另外一种形式的 Jordan 标准型,因为它在与交换性有关的问题中很有用. 实 Jordan 标准型 假设 \( ...
- [转载] $\mathrm{Jordan}$标准型的介绍
本文转载自陈洪葛的博客$,$ 而实际上来自xida博客朝花夕拾$,$ 可惜该博客已经失效 $\mathrm{Jordan}$ 标准形定理是线性代数中的基本定理$,$ 专门为它写一篇长文好像有点多余$: ...
- [问题2014A12] 解答
[问题2014A12] 解答 将问题转换成几何的语言: 设 \(\varphi,\psi\) 是 \(n\) 维线性空间 \(V\) 上的线性变换, 满足 \(\varphi\psi=\psi\va ...
- [问题2014A13] 解答
[问题2014A13] 解答 先引入两个简单的结论. 结论 1 设 \(\varphi\) 是 \(n\) 维线性空间 \(V\) 上的线性变换, 若存在正整数 \(k\), 使得 \(\math ...
- 复旦大学2015--2016学年第二学期高等代数II期末考试情况分析
一.期末考试成绩班级前几名 胡晓波(90).杨彦婷(88).宋卓卿(85).唐指朝(84).陈建兵(83).宋沛颖(82).王昊越(81).白睿(80).韩沅伯(80).王艺楷(80).张漠林(80) ...
- 复旦大学2014--2015学年第二学期(14级)高等代数II期末考试第八大题解答
八.(本题10分) 设 $A,B$ 为 $n$ 阶半正定实对称阵, 求证: $AB$ 可对角化. 分析 证明分成两个步骤: 第一步, 将 $A,B$ 中的某一个简化为合同标准形来考虑问题, 这是矩 ...
- [问题2014A10] 复旦高等代数 I(14级)每周一题(第十二教学周)
[问题2014A10] 设 \(A\) 为 \(n\) 阶实方阵满足 \(AA'=I_n\) (即 \(A\) 为 \(n\) 阶正交阵), 证明: \[\mathrm{rank}(I_n-A)=\ ...
- 机器学习——logistic回归,鸢尾花数据集预测,数据可视化
0.鸢尾花数据集 鸢尾花数据集作为入门经典数据集.Iris数据集是常用的分类实验数据集,由Fisher, 1936收集整理.Iris也称鸢尾花卉数据集,是一类多重变量分析的数据集.数据集包含150个数 ...
随机推荐
- elastichd安装部署
1.下载 elastichd下载地址:https://github.com/360EntSecGroup-Skylar/ElasticHD/releases或是直接在linux下下载wget http ...
- Spring IOC 注入方式详解 附代码
引言 Spring框架作为优秀的开源框架之一,深受各大Java开发者的追捧,相信对于大家来说并不陌生,Spring之所以这么流行,少不了他的两大核心技术IOC和IOP.我们这里重点讲述Spring框架 ...
- css的再深入8(更新中···)
1.去滚动条的属性 overflow:hidden; overflow-x:hidden; 水平超出的隐藏. 2.z-index 层次叠加 元素重叠 谁的值大谁在上面 (1) 父级出现position ...
- Something on RoIAlign --- basic introduction and implementation
Something on RoIAlign --- basic introduction and implementation 2018-10-22 22:40:09 Paper: Mask RCNN ...
- Learning-Python【18】:Python常用模块(1)—— time、datetime、randrom
time 模块:与时间相关的功能的模块 在 Python 中,时间分为三种: 1.时间戳:是一个时间的表示,根据不同的语言,可以是整数或浮点数,是从1970年1月1日0时0分0秒到现在经历的秒数 2. ...
- Mac OS X 显示和隐藏文件
参考: mac系统如何显示和隐藏文件 Mac OSX系统 显示和隐藏文件 1.显示隐藏文件: 打开Terminal,并输入以下命令: defaults write com.apple.finder A ...
- [codechef]SnackDown 2017 Online Elimination Round Prefix XOR
预处理后主席树维护 首先得出最后的答案为 \(\sum_{i=l}^{r}{min(right[i],r)-i+1}\) \(ri[i]\)表示i最远的上升序列(即代码中的f[i]) step1 那么 ...
- CSS设置DIV边框为圆角,添加背景色溢出的问题
这么几天需要做一个类似于层级展示的东西,最后一层需要做一些div框来展示数据,我用css设置了div的边框为圆角,但是添加背景色的时候颜色溢出,覆盖了四个角的圆弧,效果如图所示: css代码如下: . ...
- 激活Pychram
最近更新了Intellij IDEA到2018.1.5之后,使用之前的授权服务器(http://idea.imsxm.com)会提示Outdated License Server Detected,大 ...
- Rancher2.0中使用外置NFS存储部署Nginx实验
目录: 1.环境准备工作 1.1 准备好Rancher2.0集群环境 1.2 准备好外部NFS服务器 2.Rancher2.0中使用NFS存储的方法 2.1 在集群中创建持久卷(PV) 2.2 在项目 ...