λ-矩阵知识点

原文:链接

λ-矩阵

若矩阵 A \mathbf{A} A 的元素为关于 λ λ λ 的多项式,则称 A \mathbf{A} A 为 λ λ λ-矩阵 (表示为 A ( λ ) \mathbf{A}(λ) A(λ)).

λ λ λ-矩阵也存在秩、逆、初等变换、相抵的概念, 但是有一些不同.

定义. λ λ λ-矩阵的秩是指最高阶非零子式的阶数. 秩等于矩阵阶数则称矩阵是满秩的.

定理. λ λ λ-矩阵满秩等价于行列式不为 0 0 0.

定义. λ λ λ-矩阵的初等行变换有3种: ① 交换两行; ② 数乘行; ③ 一行乘以 ψ ( λ ) \psi(\lambda) ψ(λ) 倍加到另一行,其中 ψ ( λ ) \psi(\lambda) ψ(λ) 是以 λ \lambda λ 为变元的多项式. 类似地定义初等列变换. 初等行变换和初等列变换统称为初等变换.

可以看出, 初等行/列变换仅③和常数矩阵不同, 乘以常数换成了乘以多项式.

定义. 若一个 λ λ λ-矩阵可经有限次初等变换得到另一个 λ λ λ-矩阵, 则称两个矩阵相抵.

仿照常数矩阵, 可得如下定理:

定理. 相抵的 λ λ λ-矩阵一定等秩.

但等秩的矩阵不一定相抵.

借助Smith标准形的知识可以得如下定理:

定理. λ λ λ-矩阵相抵的充要条件是行列式差一个非零常系数.

定义. 对于 A ( λ ) \bm A(\lambda) A(λ), 若存在 λ λ λ-矩阵 B ( λ ) \bm B(\lambda) B(λ) 使得 A ( λ ) B ( λ ) = B ( λ ) A ( λ ) = I \bm A(\lambda) \bm B(\lambda)=\bm B(\lambda)\bm A(\lambda)=\bm I A(λ)B(λ)=B(λ)A(λ)=I, 则称 A ( λ ) \bm A(\lambda) A(λ) 为可逆阵, B ( λ ) \bm B(\lambda) B(λ) 为 A ( λ ) \bm A(\lambda) A(λ) 的逆矩阵.

λ λ λ-矩阵可逆一定满秩,但满秩不一定可逆.

仿照常数矩阵, 可得如下定理:

定理. λ λ λ-矩阵可逆的充要条件是行列式为非零常数.

定理. 对于 n n n 阶 λ λ λ-矩阵 A ( λ ) \bm A(\lambda) A(λ), 若存在 n n n 阶 λ λ λ-矩阵 B ( λ ) \bm B(\lambda) B(λ), 满足 A ( λ ) B ( λ ) = I \bm A(\lambda) \bm B(\lambda)=\bm{I} A(λ)B(λ)=I/ B ( λ ) A ( λ ) = I \bm B(\lambda) \bm A(\lambda)=\bm{I} B(λ)A(λ)=I, 则 A ( λ ) \bm A(\lambda) A(λ) 是可逆的, 其逆矩阵为 B ( λ ) \bm B(\lambda) B(λ).

借助Smith标准形的知识可以得如下定理:

定理. λ λ λ-矩阵可逆的充要条件是相抵于单位阵.

相关推荐
盛世隐者2 小时前
【线性代数】线性方程组与矩阵——(2)矩阵与线性方程组的解
线性代数
无水先生2 小时前
特征值和特征向量的直觉
线性代数·矩阵
云云3215 小时前
Lazada东南亚矩阵营销破局:指纹手机如何以“批量智控+数据中枢”重构运营生态
大数据·人工智能·线性代数·智能手机·矩阵·重构
卖报小郎君1 天前
双目标定中旋转矩阵参数应用及旋转角度计算(聚焦坐标系平行)
线性代数·矩阵·相机标定
ScilogyHunter2 天前
线性代数中矩阵的基本运算运算
线性代数·机器学习·矩阵
遇见火星2 天前
Jenkins全链路教程——Jenkins用户权限矩阵配置
java·矩阵·jenkins
云云3212 天前
TikTok Shop冷启动破局战:亚矩阵云手机打造爆款账号矩阵
人工智能·智能手机·矩阵
苹果薯条3 天前
动手学习深度学习-相关数学知识
python·深度学习·机器学习·矩阵·numpy·反向传播·计算图
冬夜戏雪3 天前
java学习 73矩阵置零 54螺旋矩阵 148排序链表
数据结构·算法·矩阵
云云3213 天前
亚矩阵云手机:解锁 Shopee/Lazada 东南亚电商运营“通关密码
大数据·人工智能·物联网·线性代数·智能手机·矩阵