Методика приведения линейного преобразования к каноническому виду
Задача приведения линейного преобразования к каноническому виду формулируется следующим образом. Требуется найти базис n-мерного линейного пространства , в котором матрица линейного преобразования имеет жорданову форму , т.е.
– найти жорданову форму матрицы преобразования (первый этап); – найти жорданов базис (второй этап).
Нахождение жордановой формы матрицы линейного преобразования (оператора)
Для нахождения жордановой формы матрицы линейного преобразования нужно выполнить следующие действия.
1. Выбрать произвольный базис линейного пространства и найти в этом базисе матрицу преобразования .
2. Составить характеристический многочлен преобразования .
3. Найти все различные корни характеристического уравнения и их алгебраические кратности .
4. Для корня кратности найти ранги матриц , где , а — наименьшее натуральное число , при котором . Ранг матрицы можно найти одним из способов, рассмотренных ранее. Если в дальнейшем предполагается искать жорданов базис, то для нахождения ранга лучше использовать метод Гаусса, приводя матрицу элементарными преобразованиями строк к модифицированному ступенчатому виду . Он получается в результате вычеркивания нулевых строк из матрицы ступенчатого вида.
5. Определить количество жордановых клеток порядка 
 где 
Повторить пункты 4, 5 для остальных собственных значений .
6. Составить искомую матрицу блочно-диагонального вида (9.11)»располагая найденные жордановы клетки на главной диагонали.
Нахождение жорданова базиса линейного преобразования (оператора)
Пусть в базисе линейного пространства преобразование имеет матрицу . Требуется найти матрицу перехода от базиса к жорданову базису . Предполагаем, что жорданова форма матрицы известна.
1. Для собственного значения (алгебраической кратности ) найти характеристическую матрицу и по жордановой форме определить наибольший порядок жордановых клеток, соответствующих собственному значению .
2. Привести матрицы , к модифицированному ступенчатому виду (он получается в результате удаления нулевых строк из матрицы ступенчатого вида).
3. Найти фундаментальную матрицу однородной системы уравнений и составить матрицу . Если — нулевая матрица, то , так как в этом случае — единичная матрица.
Вычислить матрицу , найти фундаментальную матрицу однородной системы уравнений
 и составить матрицу  .
Если однородная система не имеет фундаментальной матрицы (система имеет только тривиальное решение), то .
Вычислить матрицу , найти фундаментальную матрицу однородной системы уравнений
 и составить матрицу  .
Если фундаментальная матрица не существует, то .
Продолжить аналогичным образом построение матриц .
Вычислить матрицу , найти фундаментальную матрицу однородной системы уравнений
 и составить матрицу  .
Если фундаментальная матрица не существует, то .
Вычислить матрицу , найти фундаментальную матрицу однородной системы уравнений и составить матрицу . Если фундаментальная матрица не существует, то .
Если , то , где — фундаментальная матрица однородной системы уравнений .
4. Из столбцов полученных матриц
![\begin{gathered}S^{(0)}= \begin{pmatrix} B^{m_1-1} s_1^{(m_1-1)}\ldots B^{m_1-1}s_{k_{m_1}}^{(m_1-1)}\!\!& \vline\!\!& \cdots\!\!&\vline\!\!& B^2s_1^{(2)}\ldots B^2s_{k_3}^{(2)}\!\!&\vline\!\!& Bs_1^{(1)} \ldots Bs_{k_2}^{(1)}\!\!&\vline\!\!&s_1^{(0)}\ldots s_{k_1}^{(0)} \end{pmatrix}\!, \hfill\\[2pt] S^{(1)}= \begin{pmatrix} B^{m_1-2}s_1^{(m_1-1)}\ldots B^{m_1-2}s_{k_{m_1}}^{(m_1-1)}\!\!& \vline\!\!& \cdots\!\!&\vline\!\!& Bs_1^{(2)}\ldots Bs_{k_3}^{(2)}\!\!&\vline\!\!& s_1^{(1)}\ldots s_{k_2}^{(1)} \end{pmatrix}\!, \hfill\\ \cdots\cdots\cdots\\ S^{(m_1-2)}= \begin{pmatrix} Bs_1^{(m_1-1)}\ldots Bs_{k_{m_1}}^{(m_1-1)}\!\!& \vline\!\!& s_{1}^{(m_1-2)}\ldots s_{k_{m_1-1}}^{(m_1-2)} \end{pmatrix}\!,\hfill\\[2pt] S^{(m_1-1)}= \begin{pmatrix}s_1^{m_1-1},\ldots,s_{k_{m_1}}^{(m_1-1)}\end{pmatrix}\!,\hfill \end{gathered}](data:image/png;base64,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) (9.15)
составить первые столбцов искомой матрицы , записывая первые столбцы матриц , затем вторые столбцы этих матриц и т.д.
Выполнить пункты 1–4 для остальных собственных значений получая следующие столбцов искомой матрицы соответственно (при этом заменяется на ).
Данный алгоритм использует метод нахождения относительных алгебраических дополнений, рассмотренный ранеее.
Замечания 9.6
1. Для нахождения матрицы перехода к жорданову базису можно использовать также способы, рассмотренные ранее.
2. Вместо модифицированного ступенчатого вида матрицы , , можно использовать любую максимальную линейно независимую систему строк матрицы .
3. Жорданов базис и, следовательно, матрица , определяются неоднозначно.
4. Для вещественных матриц операция сопряжения, обозначенная звездочкой , соответствует операции транспонирования.
Пример 9.3. Линейное преобразование в базисе имеет матрицу
Привести это преобразование к каноническому виду, т.е. найти базис , в котором матрица преобразования имеет жорданову форму, и найти эту жорданову матрицу.
Решение. Первый этап. Найдем жорданову форму матрицы преобразования.
1. Выбираем базис , в котором задана матрица преобразования .
2. Составляем характеристический многочлен преобразования 
3. Находим корни характеристического уравнения и их алгебраические кратности: — единственный корень кратности .
4. Для корня кратности находим ранги матриц
выполняя элементарные преобразования над строками матриц, приводим матрицы к ступенчатому виду:
Отсюда , так как
5. Определяем количество жордановых клеток 1-го порядка: , где .Следовательно, в жордановой форме имеется одна клетка .
Определяем количество жордановых клеток 2-го порядка: . Следовательно, в жордановой форме нет клеток .
Определяем количество жордановых клеток 3-го порядка: . Следовательно, в жордановой форме имеется одна клетка .
6. Составляем искомую матрицу блочно-диагонального вида (9.11),располагая найденные жордановы клетки на главной диагонали:
Второй этап. Найдем жорданов базис матрицы линейного оператора .
1. Для собственного значения кратности по жордановой форме определяем максимальный порядок жордановых клеток, соответствующих собственному значению . Составляем матрицу .
2. Приводим матрицы к модифицированному ступенчатому виду (см. пункт 4 первого этапа)
3. Так как матрица , то .
Вычисляем .
Находим фундаментальную матрицу однородной системы уравнений 
Поскольку определитель матрицы системы не равен нулю, система имеет только нулевое решение. Поэтому фундаментальная матрица не существует и, следовательно, . Вычисляем 
находим фундаментальную матрицу однородной системы уравнений 
Фундаментальная матрица содержит один столбец (здесь вместо стандартного значения свободной переменной положили для получения целочисленных значений).
Составляем матрицу .
4. Из столбцов полученных матриц , , составляем искомую матрицу , записывая сначала первые столбцы матриц матриц , , , а затем второй столбец матрицы 
Нетрудно проверить, что матрица удовлетворяет равенству , т.е. является матрицей перехода к жорданову базису 
Пример 9.4. Линейный оператор в базисе имеет матрицу
Привести это преобразование к каноническому виду, т.е. найти базис , в котором матрица преобразования имеет жорданову форму, и найти эту жорданову матрицу.
Решение. Первый этап. Найдем жорданову форму матрицы преобразования.
1. Выбираем базис , в котором задана матрица преобразования .
2. Составляем характеристический многочлен преобразования
3. Находим корни характеристического уравнения и их алгебраические кратности: (кратность ), (кратность ).
4(1). Для корня кратности находим ранги матриц . Выполняя элементарные преобразования над строками матриц, приводим матрицы к ступенчатому виду:
Отсюда , так как .
5(1). Определяем количество жордановых клеток 1-го порядка: , где . Следовательно, клеток 1-го порядка, соответствующих собственному значению , нет.
Определяем количество жордановых клеток 2-го порядка: . Следовательно, в жордановой форме имеются две клетки .
4(2). Для простого корня (кратность ) находим ранг матрицы . Выполняя элементарные преобразования над строками матрицы, приводим ее к ступенчатому виду:
Отсюда , а так как , то .
5(2). Определяем количество жордановых клеток 1-го порядка: , где . Следовательно, в жордановой форме имеется одна клетка .
6. Составляем искомую матрицу блочно-диагонального вида (9.11), располагая найденные жордановы клетки на главной диагонали:
Второй этап. Найдем жорданов базис матрицы линейного оператора .
1(1). Для собственного значения кратности по жордановой форме определяем максимальный порядок жордановых клеток, соответствующих собственному значению . Составляем матрицу (см. пункт 4(1) первого этапа).
2(1). Приводим матрицы и к модифицированному ступенчатому виду (см. пункт 4 первого этапа):
3. Находим фундаментальную матрицу однородной системы уравнений 
Выражая базисную переменную через свободные , получаем . Для находим , для находим . Отсюда . Составляем матрицу
Находим фундаментальную матрицу однородной системы уравнений 
Ранг матрицы системы равен числу неизвестных, поэтому система имеет только тривиальное решение. Следовательно, матрица отсутствует.
Составляем матрицу ,
4(1). Из столбцов полученных матриц , составляем первые столбца искомой матрицы , записывая сначала первые столбцы матриц , , а затем вторые (неизвестные пока элементы матрицы обозначены звездочкой :
1(2). Для собственного значения кратности по жордановой форме определяем порядок единственной жордановой клетки , соответствующей собственному значению . Составляем матрицу (см. пункт 4(2) первого этапа).
2(2). Приводим матрицу к модифицированному ступенчатому виду (см. пункт 4(2) первого этапа)
3(2). Находим фундаментальную матрицу однородной системы уравнений
Полагая , находим значения базисных переменных . Следовательно, .
4(2). Полученный столбец записываем в матрицу, найденную в пункте 4(1):
Матрица перехода от базиса к жорданову базису найдена. С ее помощью находим жорданов базис
Если заметили ошибку, опечатку или есть предложения, напишите в комментариях.
|