跳转至

矩阵相似充要条件

矩阵相似关系是线性代数课程的核心内容之一,但是它的全系不变量实际上比较复杂,很难像矩阵合同关系那样给出简洁有效的判据(如下)。

矩阵合同充要条件

两个同阶实对称矩阵合同的充分必要条件是正负惯性指数都相同,换言之惯性指数是合同矩阵的全系不变量。

因此,本文特意来梳理一下这个知识点!

全系不变量

对于一个等价关系(例如矩阵的相似关系),我们可以找到一些不变量(例如矩阵的迹),也就是只要等价关系成立,就可以得到这个量相等(只要矩阵相似,就有迹相等)。

但是大多数不变量的信息并不足以完全确定一个等价类(即使迹相等,矩阵也不一定相似),我们把那些能确定一个等价类的不变量称为全系不变量

人话:不变量是某种等价关系的必要条件,而全系不变量则是某种等价关系的充分必要条件。

我们之所以要找等价关系的全系不变量,是因为它可以帮助我们进行分类,例如(正负)惯性指数就是矩阵合同关系的一个全系不变量,从而通过区分惯性指数我们可以把矩阵分为若干类。

什么是相似矩阵

形式化的定义是:

矩阵相似

若存在可逆矩阵 $\mathrm{P}\in \mathbb{R}^{n\times n}$,使得 $$\mathrm{P^{-1}AP=B}$$ 那么我们称$\mathrm{A,B}$是相似的,记为$A\sim B$

这个定义比较表面(看不出“相似”的含义),更加深刻,也更加合理的提法是: $$ 同一线性变换在不同基底下的矩阵表示是相似的 $$

特别的,如果是两个可对角化矩阵相似,这就等价于它们的特征值一致。这是因为它们对应同一个线性变换。

这个提法告诉我们为什么矩阵相似如此重要。

矩阵分类方法

一般而言,只要有一个等价关系(这里是一般而言的等价关系,并非线性代数语境下的矩阵等价,因此为了不引起歧义我们不用矩阵等价,而用矩阵相抵这个说法),就有一种分类。

  • 矩阵相抵:全系不变量是秩,这个关系下有相抵标准形
  • 矩阵合同:全系不变量是惯性指数,这个关系下有合同标准形
  • 矩阵相似:全系不变量比较复杂,这个关系下有Jordan标准形Frobenius标准形

矩阵相似的充要条件

从$\lambda$矩阵出发

一般的: $$ A(\lambda)=\begin{bmatrix} a_{11}(\lambda) &a_{12}(\lambda) \\ a_{21}(\lambda) &a_{22}(\lambda) \end{bmatrix} $$ 这样的多项式矩阵称为$\lambda$矩阵。

而形如$\lambda I-A$的矩阵称为$A$的$\lambda$矩阵,其中$\lambda$是一个未定元。

例如: $$ \begin{bmatrix} \lambda-1 &2\\ 0&\lambda-3 \end{bmatrix} $$ 下面这个定理给出了一个好用的结论

Theorem

定理7.1.2

矩阵相似的充分必要条件是他们的$\lambda$矩阵相抵。

(这个相抵并非寻常数值矩阵意义下的,而是$\lambda$矩阵特别定义的一种相抵,具体如何不再赘述)

摘自《高等代数(第三版)》.姚慕生.复旦大学出版社

后面的定理、推论也都是这本书

如此一来我们可以把矩阵相似问题归结为$\lambda$矩阵相抵的问题,而相抵又是一个比较容易处理的关系。

$\lambda$矩阵的法式

根据前面的定理只要找到$\lambda$矩阵的相抵关系的全系不变量,也就找到了矩阵相似的全系不变量

类似于数量矩阵的相抵关系,我们在$\lambda$矩阵中也可以有相抵标准形(法式):

Theorem

推论7.3.2

两个$\lambda$矩阵相抵,当且仅当他们有相同的法式(或者相抵标准形)。

例如: $$ A(\lambda)=\left(\begin{array}{ccc} \lambda & -1 & 1 \\ -3 & \lambda+2 & 0 \\ 1 & -1 & \lambda+1 \end{array}\right) $$ 可以通过一系列的初等变换化为相抵标准形: $$ \left(\begin{array}{ccc} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & (\lambda-1)\left(\lambda^2+4 \lambda+2\right) \end{array}\right) $$ 那么 $$ \left\{1,1,(\lambda-1)(\lambda^2+4\lambda+2)\right\} $$ 就称为矩阵$A(\lambda)$的法式。

行列式因子组和不变因子组

我们再给出其他几个$\lambda$矩阵相抵关系的全系不变量:

  • 行列式因子
    • 设 $A(\lambda) n$ 阶 $\lambda$-矩阵, $k$ 是不超过 $n$ 的正整数。如果 $A(\lambda)$ 的所有 $k$ 阶子式的最大公因子不 等于零,则称这个多项式为 $A(\lambda)$ 的 $k$ 阶行列式,记作 $D_k(\lambda)$
  • 不变因子
    • 设 $n$ 阶 $\lambda$-矩阵 $A(\lambda)$ 的非零行列式因子为 $D_1(\lambda), D_2(\lambda), \ldots, D_m(\lambda)$ ,则必有 $D_i(\lambda) \mid D_{i+1}(\lambda)(i=1, \ldots, r-1)$ ,记 $d_i(\lambda)=D_i(\lambda) / D_{i-1}(\lambda)(i=1, \ldots, m)$ ,则 多项式 $\left\{d_1(\lambda), d_2(\lambda), \ldots, d_m(\lambda)\right\}$ 称为 $A(\lambda)$ 的不变因子。

利用这两个因子也可以来判定矩阵相似:

Theorem

定理7.3.2

矩阵相似的充分必要条件是他们有相同的行列式因子或者不变因子(二者可以互推)。

而通过不变因子组我们可以在矩阵所在的数域内构造矩阵的Frobenius标准形,或者叫有理标准形(之所以叫有理,大概就是因为在原有数域内构造出了标准形)。

初等因子组和准素因子组

更进一步,我们还有初等因子和准素因子的概念:

  • 初等因子

    • 设 $n$ 阶 $A$ 的非常数不变因子为 $d_1(\lambda), d_2(\lambda), \ldots, d_k(\lambda)$ ,在数域上将分解为互不相同的首一的一次因式方幂的乘积,所有这些一次因式方幂称为矩阵 $A$ 的初等因子。
  • 准素因子

    设特征矩阵 $\lambda I-A$ 经过初等变换化为下列对角阵: $$ \left(\begin{array}{cccc} f_1(\lambda) & & & \\ & f_2(\lambda) & & \\ & & \ddots & \\ & & & f_n(\lambda) \end{array}\right), $$ 其中 $f_i(\lambda)(i=1, \cdots, n)$ 为非零首一多项式. 将 $f_i(\lambda)$ 作不可约分解, 若 $\left(\lambda-\lambda_0\right)^k$ 能整除 $f_i(\lambda)$, 但 $\left(\lambda-\lambda_0\right)^{k+1}$ 不能整除 $f_i(\lambda)$, 就称 $\left(\lambda-\lambda_0\right)^k$ 是 $f_i(\lambda)$ 的一个准素因子, 则矩阵 $\boldsymbol{A}$ 的初等因子组等于所有 $f_i(\lambda)$ 的准素因子的集合.

Theorem

定理7.5.1

矩阵相似的充分必要条件是他们有相同的初等因子组。

通过初等因子组我们可以在复数域内构造矩阵的Jordan标准形。

总结

这样看来,矩阵相似的全系不变量确实很复杂,我们通过引入$\lambda$矩阵解决了这个问题(整出了一堆多项式因子组)。

总而言之要记住:

  • 矩阵相似等价于$\lambda$矩阵相抵,于是我们只需要找到$\lambda$矩阵相抵关系的全系不变量即可
  • 法式(或相抵标准形)是$\lambda$矩阵的全系不变量
  • 准素因子组、初等因子组、行列式因子组、不变因子组也都是$\lambda$矩阵的全系不变量
  • 矩阵相似有两种标准形,可以用来判定相似关系:
    • Frobenius标准形(在任一域上)
    • Jordan标准形(在复数域或任一代数闭域上)

矩阵相似还有若干必要条件

  • 秩相等
  • 特征值完全相同
  • 迹相等
  • 特征多项式相同

最后更新: 2025-08-07 01:43:01
创建日期: 2025-08-07 01:43:01

广告

人要恰饭的嘛🤑🤑

评论