實數域上方陣A和它的轉置相似嗎?
相似·,
其實直接用有理標準型一下就出來了,考慮與的矩陣由對稱性二者不變因子相同,因此它們有相同的有理標準型所以相似。回頭看了看書發現Jordan標準型就是由准素分解和有理分解得到的,這裡用有理分解就可以證明這個問題,而我卻兜了個大圈子,以後再也不回答代數方面的問題了TAT--------------------------------------------------------------------------------------------------------------------------------------------考慮與的矩陣由對稱性二者初等因子相同,因此在複數域上與的Jordan標準型相同,也就是與在複數域上相似。
下面證明一個結論:實矩陣A與B若在複數域上相似,那麼它們在實數域上也相似,取=,且令,(C,D均為實矩陣)則由此可得,總可以選擇使得可逆,故A,B在實數域上相似。故與在實數域上相似//是,實際上任何域上都有這個結論!
Step 1: 首先對於這個具體的n x n Jordan block,證明和它的轉置相似。Jordan block形式是
a 1 0 00 a 1 00 0 a 10 0 0 a轉置以後的效果就是把坐標調過來數,即第i個坐標變成第n+1-i個坐標。
Step 2: 利用Jordan標準型,可以證明在代數閉域上,任何矩陣都和轉置相似。(習題;注意如果A和B相似,那麼A轉置和B轉置相似)
Step.3 (Key part):
用PID模結構定理(本質跟有理標準型一樣)證明:給定域擴張L/K. 如果兩個K上的矩陣S,T在L上相似(即S=PTP^-1, P是L上可逆方陣),那麼它們在K上相似(即可以取P使得其在K上)。
證明:
學過有理標準型的一句話證明就夠了:矩陣相似等價於有理標準型相同,而有理標準型跟底域無關,所以矩陣相似與底域無關。學過抽代但沒學過有理標準型的(包括我自己hhh), 或者沒學過有理標準型中證明的:
這裡使用PID模結構定理的這個唯一性命題: Thm. 令A是個PID. 一個有限生成PID模可以唯一地寫成A/(f_1) x ... x A/(f_n)的形式,其中1≠f_1整除f_2整除....整除f_n. 唯一指的是n被唯一確定以及主理想(f_i)被唯一確定。另外有兩個結論:
1. 給一個域K上的方陣T可以得到一個有限生成的torsion module K[T] over polynomial ring K[x]. 它的同構類一一對應於T的K-相似類。註:根據上面的定理,K[T]可以唯一分解成K[x]/(f_1) x ... x K[x]/(f_n)的形式,其中1≠f_1|f_2|...|f_n≠0, f_i是K上的monic多項式。我傾向於把這個分解就叫做T的有理標準型(跟有理標準型矩陣的關係就是把f_i係數提取出來作為矩陣的元,但我喜歡這種比較canonical的bookkeeping方式)。為了記號方便,我們稱T的有理標準型是(f_1,...f_m).
2. 給一個域K上的方陣T, 考慮K的一個域擴張L. 如果K[T]同構於K[x]/(f_1) x ... x K[x]/(f_n) (這裡對f_n的選擇不做要求), 那麼L[T]就同構於L[x]/(f_1) x ... x L[x]/(f_n).
原因:fancy地說就是L[T]=K[T] tensor_K L.
初等地說,就是K[T]同構於K[x]/(f_1) x ... x K[x]/(f_n) 等價於T和某個用f_i各項係數提取出的矩陣在K上相似。(這個提取方法跟有理標準型矩陣同). 那麼T跟這個矩陣在K上相似自然可以推出它們在L上相似。不過這裡用不用抽象代數的tensor product並不重要;抽象代數的力量主要體現在唯一性命題。
回到證明。現在給定K上矩陣S,T。記它們在K上的有理標準型分別是(f_1,...,f_n) 和 (g_1,...,g_m)。那麼由2,
L[S]=L[x]/(f_1) x ... x L[x]/(f_n)然而f_1|f_2|...|f_n over K, 所以整除性關係在L[x]依然成立。根據唯一性定理,f_1,...,f_n就是S在L上的有理標準型。
同理g_1,...,g_m就是T在L上的有理標準型。根據假設S,T在L上相似,兩個矩陣在L上的有理標準型相同。所以直接有(f_1,...,f_n)=(g_1,...,g_m), 即矩陣在K上有理標準型相同,所以S,T在K上相似,證畢。
=======好像這裡的(f_1,...,f_n)叫做不變因子?沒學過這塊,總之這個信息已經足夠刻畫有理標準型了,我一般要用到有理標準型的idea時就只keep track of 這個。
李炯生線性代數第六章最後一節「一些例子」例一
推薦閱讀:
※【特徵值 / 特徵向量】- 圖解線性代數 11
※[MIT十二課]矩陣應用:圖與網路
※【行列式】- 圖解線性代數 04
※如何判定一個n維整數向量能否用m個n維整數向量的非負整數倍數之和表示?
※【矮矩陣 / 長矩陣】- 圖解線性代數 10