【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

  1. 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 ...

  2. 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 \( ...

  3. [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$: ...

  4. [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 ...

  5. [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 ...

  6. 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) ...

  7. 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 ...

  8. [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)=\ ...

  9. 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

  1. nginx 反向代理和正向代理功能 第六章

    一:Nginx作为正向代理服务器: 1.正向代理:代理(proxy)服务也可以称为是正向代理,指的是将服务器部署在公司的网关,代理公司内部员工上外网的请求,可以起到一定的安全作用和管理限制作用,正向代 ...

  2. -bash: xhost: command not found

    参考自:http://blog.csdn.net/csdnones/article/details/51513163,感谢原作者解决了我的问题. 执行xhost +,报以下错误,原因是因未没有安装相关 ...

  3. 整型 布尔值 字符串 for循环

    1.整型 2.布尔值 3.字符串 4.for循环 1.整型:.python中有长整型, Python3中只有整型 2.布尔值: bool:Ture 真       False 假 数字和布尔值可进行转 ...

  4. Codeforces Round #503 (by SIS, Div. 2) Solution

    从这里开始 题目列表 瞎扯 Problem A New Building for SIS Problem B Badge Problem C Elections Problem D The hat P ...

  5. 安装cmake

    $ sudo apt-get install build-essential$ wget http://www.cmake.org/files/v3.11/cmake-3.11.3.tar.gz$ t ...

  6. servlet数据库登录

    一.首先建立如下目录: 二.在html文件中编写代码 三.编写实体类 四.编写服务器相关代码 五.编写数据库代码 六.运行截图 输入错误: 输入正确: 链接:https://pan.baidu.com ...

  7. 逐步构建循环神经网络 RNN

    rnn.utils.py import numpy as np def softmax(x): e_x = np.exp(x - np.max(x)) return e_x / e_x.sum(axi ...

  8. Lintcode97-Maximum Depth of Binary Tree-Easy

    97. Maximum Depth of Binary Tree Given a binary tree, find its maximum depth. The maximum depth is t ...

  9. Hadoop之简单文件读写

    文件简单写操作: import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.FSDataOutputStream ...

  10. JS打开新窗口防止被浏览器阻止的方法

    这篇文章主要介绍了JS打开新窗口防止被浏览器阻止的方法,分析对比了常用方法与改进方法,是非常实用的技巧,需要的朋友可以参考下 本文实例讲述了JS打开新窗口防止被浏览器阻止的方法.分享给大家供大家参考. ...