线性代数 - 矩阵的等价标准形

线性代数 - 矩阵的等价标准形

flyfish

有的地方叫典范形 / 典范矩阵(canonical form)有的地方叫正规形 / 正规型(normal form)

对于 m×n 矩阵 A,总可经过有限次初等变换将它化为标准形

解释(挑个能看懂的)

任意m×n矩阵经过有限次初等行变换和初等列变换,一定能且唯一能化成左上角为r阶单位矩阵、其余元素全为0的标准形,其中r等于矩阵的秩。

任何一个矩阵做行变换加列变换,都能扫成'前面一个I_r,后面和下面全是0'的样子,这个样子只跟秩有关系,同秩的矩阵扫出来长得一模一样,所以叫唯一标准形。

不管多大的矩阵,行折腾列折腾,最后都能变成左上角几个1排成一个小单位矩阵,其他地方全0,长啥样就看秩几,秩一样的矩阵最后都长得一样,一个样!

对任意矩阵执行带列主元的完全高斯-约当消元(行+列同时消),最终必然得到左上角r×r单位矩阵、其余全零的唯一形式,r即为数值秩。

两个矩阵等价的充要条件是它们具有相同的秩,从而具有相同的标准形[Ir000]\begin{bmatrix} I_r & 0 \\ 0 & 0 \end{bmatrix}[Ir000]。

矩阵就像乐高积木,不管你原来怎么拼,最后都能拆成'前面放几个小方块1×1,其余全是空'的样子,几个小方块由'有效信息量'(秩)决定,所以所有同等信息量的矩阵最后都拆成一样的形状。

设A为数域K上的m×n矩阵,则存在m阶可逆矩阵P与n阶可逆矩阵Q,使得PAQ=[Ir000]PAQ = \begin{bmatrix} I_r & 0 \\ 0 & 0 \end{bmatrix}PAQ=[Ir000],其中r=rank(A)r=rank(A)r=rank(A)。此形式称为A的等价标准形,且对给定秩r是唯一的。"

样子

PAQ=[10⋯00⋯001⋯00⋯0⋮⋮⋱⋮⋮⋮00⋯10⋯000⋯00⋯0⋮⋮⋮⋮⋱⋮00⋯00⋯0]m行 n列 \boxed{ \text{PAQ} = \begin{bmatrix} 1 & 0 & \cdots & 0 & 0 & \cdots & 0 \\ 0 & 1 & \cdots & 0 & 0 & \cdots & 0 \\ \vdots & \vdots & \ddots & \vdots & \vdots & & \vdots \\ 0 & 0 & \cdots & 1 & 0 & \cdots & 0 \\ \hline 0 & 0 & \cdots & 0 & 0 & \cdots & 0 \\ \vdots & \vdots & & \vdots & \vdots & \ddots & \vdots \\ 0 & 0 & \cdots & 0 & 0 & \cdots & 0 \end{bmatrix} _{\text{m行 n列}} } PAQ= 10⋮00⋮001⋮00⋮0⋯⋯⋱⋯⋯⋯00⋮10⋮000⋮00⋮0⋯⋯⋯⋯⋱⋯00⋮00⋮0 m行 n列

用分块矩阵更清楚地写出来就是:
PAQ=[Ir0r×(n−r)0(m−r)×r0(m−r)×(n−r)]\text{PAQ} =\begin{bmatrix} I_r & 0_{r\times(n-r)} \\[0.5em] 0_{(m-r)\times r} & 0_{(m-r)\times(n-r)} \end{bmatrix}PAQ=[Ir0(m−r)×r0r×(n−r)0(m−r)×(n−r)]

左上角:r×r 的单位矩阵 I_r(对角线全是 1,其余 0)

右上角:r 行 (n−r) 列 全 0

左下角:(m−r) 行 r 列 全 0

右下角:(m−r) 行 (n−r) 列 全 0

具体例子

m×n 秩 r PAQ 长这样
3×3 3 [100010001]\begin{bmatrix} 1&0&0\\0&1&0\\0&0&1 \end{bmatrix} 100010001
3×3 2 [100010000]\begin{bmatrix} 1&0&0\\0&1&0\\0&0&0 \end{bmatrix} 100010000
3×3 1 [100000000]\begin{bmatrix} 1&0&0\\0&0&0\\0&0&0 \end{bmatrix} 100000000
4×5 3 [10000010000010000000]\begin{bmatrix}1&0&0&0&0\\0&1&0&0&0\\0&0&1&0&0\\0&0&0&0&0\end{bmatrix} 10000100001000000000
4×5 2 [10000010000000000000]\begin{bmatrix}1&0&0&0&0\\0&1&0&0&0\\0&0&0&0&0\\0&0&0&0&0\end{bmatrix} 10000100000000000000
2×4 2 [10000100]\begin{bmatrix}1&0&0&0\\0&1&0&0\end{bmatrix}[10010000](满秩)
5×3 2 [100010000000000]\begin{bmatrix}1&0&0\\0&1&0\\0&0&0\\0&0&0\\0&0&0\end{bmatrix} 100000100000000
相关推荐
我是大聪明.2 小时前
CUDA矩阵乘法优化:共享内存分块与Warp级执行机制深度解析
人工智能·深度学习·线性代数·机器学习·矩阵
做cv的小昊7 小时前
【TJU】研究生应用统计学课程笔记(6)——第二章 参数估计(2.4 区间估计)
人工智能·笔记·线性代数·算法·机器学习·数学建模·概率论
EnCi Zheng10 小时前
02a-什么是矩阵
线性代数·矩阵
AI科技星10 小时前
《全域数学》第一部:数术本源·第二卷《算术原本》之十四附录(二)全域数学体系下三大数论猜想的本源推演与哲学阐释【乖乖数学】
人工智能·线性代数·机器学习·量子计算·agi
有为少年1 天前
从概率估计到“LLM 训练是有损压缩”
人工智能·线性代数·机器学习·计算机视觉·矩阵
风落无尘1 天前
第二章《概率与生存》完整学习资料
人工智能·矩阵·概率论
大江东去浪淘尽千古风流人物1 天前
【UV-SLAM】eLSD/LBD 数据维度 UV-SLAM吸收借鉴
数据库·线性代数·oracle·矩阵·uv·augmented reality
风落无尘1 天前
《智能重生:从垃圾堆到AI工程师》——第三章 矩阵与防线
人工智能·线性代数·矩阵
玛丽莲茼蒿1 天前
Leetcode hot100 螺旋矩阵【中等】
算法·leetcode·矩阵
个微管理2 天前
小红书新规深度拆解:从被封到破局,2026年矩阵号生存手册
大数据·人工智能·矩阵