<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>线性代数 on CJY719HNU</title><link>https://cjy719hnu.github.io/tags/%E7%BA%BF%E6%80%A7%E4%BB%A3%E6%95%B0/</link><description>Recent content in 线性代数 on CJY719HNU</description><generator>Hugo -- gohugo.io</generator><language>zh-CN</language><lastBuildDate>Fri, 04 Sep 2026 12:09:53 +0800</lastBuildDate><atom:link href="https://cjy719hnu.github.io/tags/%E7%BA%BF%E6%80%A7%E4%BB%A3%E6%95%B0/index.xml" rel="self" type="application/rss+xml"/><item><title>现代控制理论学习笔记（3）：控制系统状态空间表达式的解</title><link>https://cjy719hnu.github.io/notes/2026-09-04_note_3/</link><pubDate>Fri, 04 Sep 2026 12:09:53 +0800</pubDate><guid>https://cjy719hnu.github.io/notes/2026-09-04_note_3/</guid><description>&lt;h2 id="线性时不变系统定常系统"&gt;线性时不变系统（定常系统）&#10;&lt;/h2&gt;&lt;p&gt;以下讨论线性定常齐次状态方程解：即自由解&lt;/p&gt;&#10;&lt;p&gt;对于 $\dot x=Ax$，若开始时刻 $t_0$ 状态若定为 $x(t_0)=x_0$，则&#10;&lt;/p&gt;&#10;$$&#10;x(t)=e^{A(t-t_0)}x_0,\quad t\ge t_0&#10;$$&lt;p&gt;&#10;考虑从0开始，即 $t_0=0$ 则&#10;&lt;/p&gt;&#10;$$&#10;x(t)=e^{At}x_0,\quad t\ge0&#10;$$&lt;p&gt;这是 $e^{At}$ 的定义，有题目会让我们求 $e^{At}$，通常也称其为状态转移矩阵 $\Phi(t)=e^{At}$&lt;/p&gt;&#10;&lt;p&gt;系统例子：&lt;/p&gt;&#10;&lt;p&gt;例 对于无重根，例为&#10;&lt;/p&gt;&#10;$$&#10;A=\begin{bmatrix}0&amp;1\\-2&amp;-3\end{bmatrix}&#10;$$&lt;h3 id="根据定义求"&gt;①根据定义求&#10;&lt;/h3&gt;$$&#10;e^{At}=I+At+\frac{1}{2!}A^2t^2+\dots+\frac{1}{n!}A^nt^n+\dots&#10;$$&#10; &lt;blockquote&gt;&#10; &lt;p&gt;注:定理有若 $A=P\Lambda P^{-1}$ 即对角化，那么 $e^{At}=Pe^{\Lambda t}P^{-1}$ 或 $e^{\Lambda t}=P^{-1}e^{At}P$&#10;。这很好证明，只要知道 $A^n=P\Lambda^nP^{-1}$&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;&lt;p&gt;这个前提代上式即求得&lt;/p&gt;&#10;$$&#10;e^{At}=&#10;\begin{bmatrix}1&amp;0\\0&amp;1\end{bmatrix}+&#10;\begin{bmatrix}0&amp;1\\-2&amp;-3\end{bmatrix}t+&#10;\begin{bmatrix}0&amp;1\\-2&amp;-3\end{bmatrix}^2\frac{t^2}{2!}+&#10;\begin{bmatrix}0&amp;1\\-2&amp;-3\end{bmatrix}^3\frac{t^3}{3!}+\dots&#10;$$$$&#10;=\begin{bmatrix}&#10;1-t^2+t^3+\dots &amp; t-\frac{3}{2}t^2-\frac{7}{6}t^3+\dots\\&#10;-2t+3t^2-\frac{7}{3}t^3+\dots &amp; 1-3t+\frac{7}{2}t^2-\frac{5}{2}t^3+\dots&#10;\end{bmatrix}&#10;$$&lt;h3 id="对角化求"&gt;②对角化求&#10;&lt;/h3&gt;&lt;p&gt;快速求得 $A$ 矩阵特征值为 $\lambda_1=-1,\ \lambda_2=-2$ 对应于&#10;&lt;/p&gt;&#10;$$&#10;\Lambda=\begin{bmatrix}-1&amp;0\\0&amp;-2\end{bmatrix},\quad&#10;P=\begin{bmatrix}2&amp;1\\-2&amp;-2\end{bmatrix},\quad&#10;P^{-1}=\begin{bmatrix}1&amp;\frac12\\-1&amp;-1\end{bmatrix}&#10;$$$$&#10;e^{At}=Pe^{\Lambda t}P^{-1}=&#10;\begin{bmatrix}2&amp;1\\-2&amp;-2\end{bmatrix}&#10;\begin{bmatrix}e^{-t}&amp;0\\0&amp;e^{-2t}\end{bmatrix}&#10;\begin{bmatrix}1&amp;\frac12\\-1&amp;-1\end{bmatrix}&#10;$$$$&#10;=\begin{bmatrix}&#10;2e^{-t}-e^{-2t} &amp; e^{-t}-e^{-2t}\\&#10;-2e^{-t}+2e^{-2t} &amp; -e^{-t}+2e^{-2t}&#10;\end{bmatrix}&#10;$$&lt;hr&gt;&#10;&lt;h3 id="解耦求通解"&gt;③解耦求通解&#10;&lt;/h3&gt;&lt;p&gt;从解耦的角度思考，可求出他的通解形式&#10;取 $x=Py$，则 $\dot x=Ax\Rightarrow P\dot y=APy$&#10;左右乘 $P^{-1}$，得 $\dot y=P^{-1}APy \Rightarrow \dot y=\Lambda y$&lt;/p&gt;&#10;$$&#10;\begin{cases}&#10;\dot y_1=-y_1\\&#10;\dot y_2=-2y_2&#10;\end{cases}&#10;\Rightarrow&#10;\begin{cases}&#10;y_1=C_1e^{-t}\\&#10;y_2=C_2e^{-2t}&#10;\end{cases}&#10;$$&lt;p&gt;回到 $x=Py$ 得&#10;&lt;/p&gt;&#10;$$&#10;\begin{bmatrix}x_1\\x_2\end{bmatrix}=&#10;\begin{bmatrix}2&amp;1\\-2&amp;-2\end{bmatrix}&#10;\begin{bmatrix}y_1\\y_2\end{bmatrix}&#10;$$$$&#10;\begin{cases}&#10;x_1=2y_1+y_2=2C_1e^{-t}+C_2e^{-2t}\\&#10;x_2=-2y_1-2y_2=-2C_1e^{-t}-2C_2e^{-2t}&#10;\end{cases}&#10;$$&lt;p&gt;验证把 $t=0$ 代入，&#10;&lt;/p&gt;&#10;$$x_1(0)=2C_1+C_2,\ x_2(0)=-2C_1-2C_2$$$$C_1=x_1(0)+\frac12x_2(0),\quad C_2=-(x_1(0)+x_2(0))$$&lt;p&gt;故&#10;&lt;/p&gt;&#10;$$&#10;x_1(t)=2\big(x_1(0)+\frac12x_2(0)\big)e^{-t}+\big(-x_1(0)-x_2(0)\big)e^{-2t}&#10;$$$$&#10;x_2(t)=&#10;-2\big(x_1(0)+\frac12x_2(0)\big)e^{-t}-2\big(-x_1(0)-x_2(0)\big)e^{-2t}&#10;$$&lt;p&gt;写成矩阵形式，其中中间的 $2\times2$ 矩阵正是 $e^{At}$：&lt;/p&gt;&#10;$$\begin{bmatrix}x_1(t)\\ x_2(t)\end{bmatrix}= \begin{bmatrix} 2e^{-t}-e^{-2t} &amp; e^{-t}-e^{-2t}\\ -2e^{-t}+2e^{-2t} &amp; -e^{-t}+2e^{-2t} \end{bmatrix} \begin{bmatrix}x_1(0)\\x_2(0)\end{bmatrix}$$&lt;p&gt;与定义完全对应。&lt;/p&gt;&#10;&lt;hr&gt;&#10;&lt;p&gt;对于有重根的情况，例为&#10;&lt;/p&gt;&#10;$$&#10;A=\begin{bmatrix}0&amp;1&amp;0\\0&amp;0&amp;1\\2&amp;-5&amp;4\end{bmatrix}&#10;$$&lt;p&gt;快速求出 $\lambda_1=\lambda_2=1,\ \lambda_3=2$&lt;/p&gt;&#10;&lt;p&gt;约当标准型：&#10;&lt;/p&gt;&#10;$$&#10;J=\begin{bmatrix}&#10;1&amp;1&amp;0\\&#10;0&amp;1&amp;0\\&#10;0&amp;0&amp;2&#10;\end{bmatrix}&#10;$$&lt;p&gt;所以&#10;&lt;/p&gt;&#10;$$&#10;e^{Jt}=&#10;\begin{bmatrix}&#10;e^t &amp; te^t &amp; 0\\&#10;0 &amp; e^t &amp; 0\\&#10;0 &amp; 0 &amp; e^{2t}&#10;\end{bmatrix}&#10;$$&lt;p&gt;&#10;（这个特殊形式看书）&lt;/p&gt;&#10;&lt;p&gt;对应于&#10;&lt;/p&gt;&#10;$$&#10;P=\begin{bmatrix}&#10;1&amp;-1&amp;1\\&#10;1&amp;0&amp;2\\&#10;1&amp;1&amp;4&#10;\end{bmatrix},\quad&#10;P^{-1}=&#10;\begin{bmatrix}&#10;-2&amp;5&amp;-2\\&#10;-2&amp;3&amp;-1\\&#10;1&amp;-2&amp;1&#10;\end{bmatrix}&#10;$$&lt;p&gt;那么也可由 $e^{At}=Pe^{Jt}P^{-1}$ 求出 $e^{At}$&lt;/p&gt;&#10;&lt;p&gt;再考虑拉氏反变换法：&#10;&lt;/p&gt;&#10;$$&#10;e^{At}=\Phi(t)=\mathcal L^{-1}\big[(sI-A)^{-1}\big]&#10;$$&lt;p&gt;对应于&#10;&lt;/p&gt;&#10;$$&#10;A=\begin{bmatrix}0&amp;1\\-2&amp;-3\end{bmatrix},\quad&#10;sI-A=\begin{bmatrix}s&amp;-1\\2&amp;s+3\end{bmatrix}&#10;$$$$&#10;(sI-A)^{-1}=\frac{1}{|sI-A|}(sI-A)^*&#10;=\frac{1}{s(s+3)+2}\begin{bmatrix}s+3&amp;1\\-2&amp;s\end{bmatrix}&#10;$$$$&#10;=\begin{bmatrix}&#10;\frac{2}{s+1}-\frac{1}{s+2} &amp; \frac{1}{s+1}-\frac{1}{s+2}\\[4pt]&#10;\frac{-2}{s+1}+\frac{2}{s+2} &amp; \frac{-1}{s+1}+\frac{2}{s+2}&#10;\end{bmatrix}&#10;$$$$&#10;e^{At}=\mathcal L^{-1}\big[(sI-A)^{-1}\big]=&#10;\begin{bmatrix}&#10;2e^{-t}-e^{-2t} &amp; e^{-t}-e^{-2t}\\&#10;-2e^{-t}+2e^{-2t} &amp; -e^{-t}+2e^{-2t}&#10;\end{bmatrix}&#10;$$&lt;hr&gt;&#10;&lt;p&gt;在线性齐次系统的基础上加入输入的卷积，即线性定常系统非齐次方程的解&lt;/p&gt;&#10;&lt;p&gt;对于 $\dot x=Ax+Bu$，初态时刻为 $t_0=0$，初为状态 $x(t_0)$ 时，其解为&#10;&lt;/p&gt;&#10;$$&#10;x(t)=\Phi(t)x(0)+\int_{0}^{t}\Phi(t-\tau)Bu(\tau)d\tau&#10;$$&#10; &lt;blockquote&gt;&#10; &lt;p&gt;分别对应 零输入响应  零状态响应&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;&lt;p&gt;或写成&#10;&lt;/p&gt;&#10;$$&#10;x(t)=e^{At}x(0)+\int_{0}^{t}e^{A(t-\tau)}Bu(\tau)d\tau&#10;$$&lt;p&gt;在特定控制作用下，如脉冲函数、阶跃函数和斜坡函数的激励下，系统解式可简化&lt;/p&gt;&#10;&lt;p&gt;脉冲：$u(t)=K\delta(t),\ x(0_{-})=x_0$ 时，&#10;&lt;/p&gt;&#10;$$&#10;x(t)=e^{At}x_0+e^{At}BK&#10;$$&lt;p&gt;阶跃：$u(t)=K\cdot 1(t)$ , $x(0_{-})=x_0$ 时，&#10;&lt;/p&gt;&#10;$$&#10;x(t)=e^{At}x_0+A^{-1}(e^{At}-I)BK&#10;$$&lt;p&gt;斜坡：$u(t)=Kt\cdot 1(t),\ x(0_{-})=x_0$ 时，&#10;&lt;/p&gt;&#10;$$&#10;x(t)=e^{At}x_0+\big[A^{-2}(e^{At}-I)-A^{-1}t\big]BK&#10;$$&#10; &lt;blockquote&gt;&#10; &lt;p&gt;注：这里用 $x(0_{-})$ 不是 $x(0_{+})$，这是因为冲激要发挥作用只能在 $x(0_{-})$ 也就是冲激发生前一时刻开始算。&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;&lt;hr&gt;&#10;&lt;h2 id="线性时变系统"&gt;线性时变系统&#10;&lt;/h2&gt;&lt;p&gt;在此基础上再加入线性时变的条件，则一般写不出解析形式的状态方程的解&lt;/p&gt;&#10;&lt;p&gt;先考虑一个标量系统&#10;&lt;/p&gt;&#10;$$&#10;\frac{dx(t)}{dt}=a(t)x(t)&#10;$$&lt;p&gt;可解出&#10;&lt;/p&gt;&#10;$$&#10;x(t)=e^{\int_{t_0}^{t}a(\tau)d\tau}x(t_0)&#10;$$&lt;p&gt;&#10;这个也能表示为状态矩阵&lt;/p&gt;&#10;&lt;p&gt;用 $\Phi(t,t_0)$ 表示，即&#10;&lt;/p&gt;&#10;$$&#10;\Phi(t,t_0)=\exp\Big(\int_{t_0}^{t}a(\tau)d\tau\Big)&#10;$$&lt;p&gt;如果要推广到矢量方程 $\dot x=A(t)x(t)$ 使之有&#10;&lt;/p&gt;&#10;$$&#10;x(t)=\exp\Big[\int_{t_0}^{t}A(\tau)d\tau\Big]x(t_0)&#10;$$&lt;p&gt;&#10;则要求 $A(t)$ 和 $\int_{t_0}^{t}A(\tau)d\tau$ 满足交换律，即&#10;&lt;/p&gt;&#10;$$&#10;A(t)\int_{t_0}^{t}A(\tau)d\tau=\int_{t_0}^{t}A(\tau)d\tau\,A(t)&#10;$$&lt;p&gt;这条件很严苛，可满足的情况有&lt;/p&gt;&#10;&lt;ol&gt;&#10;&lt;li&gt;$A$ 是定常矩阵，可以交换&lt;/li&gt;&#10;&lt;li&gt;$A(t)=K(t)\cdot M$，即 $A(t)$ 是时变标量乘以矩阵&lt;/li&gt;&#10;&lt;li&gt;$A(t)=f_1(t)M_1+f_2(t)M_2+\dots+f_r(t)M_r$，$M_1,M_2\dots M_r$ 全为常数矩阵&lt;/li&gt;&#10;&lt;/ol&gt;&#10;&lt;p&gt;对于不满足这个条件的时变系统，一般采用级数近似法，即&lt;/p&gt;&#10;$$&#10;\Phi(t,t_0)=I+\int_{t_0}^{t}A(\tau_0)d\tau_0&#10;+\int_{t_0}^{t}A(\tau_0)\int_{t_0}^{\tau_0}A(\tau_1)d\tau_1d\tau_0&#10;+\int_{t_0}^{t}A(\tau_0)\int_{t_0}^{\tau_0}A(\tau_1)\int_{t_0}^{\tau_1}A(\tau_2)d\tau_2d\tau_1d\tau_0+\dots&#10;$$&lt;p&gt;验证只需证&#10;&lt;/p&gt;&#10;$$&#10;\dot\Phi(t,t_0)=A(t)\Phi(t,t_0)&#10;$$</description></item><item><title>现代控制理论学习笔记（1）：若尔当标准型</title><link>https://cjy719hnu.github.io/notes/2026-8-20_jcf-learn/</link><pubDate>Thu, 20 Aug 2026 23:27:40 +0800</pubDate><guid>https://cjy719hnu.github.io/notes/2026-8-20_jcf-learn/</guid><description>&lt;h2 id="为什么需要若尔当标准型"&gt;为什么需要若尔当标准型&#10;&lt;/h2&gt;&lt;p&gt;$n\times n$ 矩阵对角化需要$n$个线性无关的特征向量。若特征值有重根会导致特征向量数量不足，矩阵无法对角化。于是使用&lt;strong&gt;若尔当块&lt;/strong&gt;拼出一个最接近对角的矩阵。&lt;/p&gt;&#10;&lt;h2 id="若尔当块"&gt;若尔当块&#10;&lt;/h2&gt;&lt;p&gt;对于重根特征值$\lambda$，若尔当块对角线元素为$\lambda$，紧挨着主对角线上方全为$1$，其余为$0$。&lt;/p&gt;&#10;$$&#10;J_2(\lambda) = \begin{bmatrix} \lambda &amp; 1 \\ 0 &amp; \lambda \end{bmatrix}，J_3(\lambda) = \begin{bmatrix} \lambda &amp; 1 &amp;0\\ 0 &amp; \lambda &amp; 1\\ 0 &amp; 0 &amp; \lambda \end{bmatrix}……&#10;$$&lt;h2 id="求若尔当标准型步骤"&gt;求若尔当标准型步骤&#10;&lt;/h2&gt;&lt;ol&gt;&#10;&lt;li&gt;&#10;&lt;p&gt;求特征值及其&lt;strong&gt;代数重数&lt;/strong&gt;$m$。&#10;例：$(\lambda-1)^2(\lambda-2)=0$，$\lambda=1$ 代数重数$m=2$。&lt;/p&gt;&#10;&lt;/li&gt;&#10;&lt;li&gt;&#10;&lt;p&gt;计算&lt;strong&gt;零化度序列&lt;/strong&gt;$d_k$&#10;定义：&#10;&lt;/p&gt;&#10;$$&#10;d_k=\mathrm{nullity}(A-\lambda I)^k = n-\mathrm{rank}\big((A-\lambda I)^k\big)&#10;$$&lt;p&gt;&#10;边界条件：令$d_0=0$，一直计算直到$d_k=m$为止。&lt;/p&gt;&#10;&lt;/li&gt;&#10;&lt;/ol&gt;&#10;&#10; &lt;blockquote&gt;&#10; &lt;p&gt;关于零化度序列的下文会有更详细讲解。&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;&lt;ol start="3"&gt;&#10;&lt;li&gt;计算大小为$j$的若尔当块个数$c_j$&#10;&#10;$$&#10;c_j=2d_j-d_{j-1}-d_{j+1}&#10;$$&#10;他的原始公式展开为&#10;&#10;$$&#10;c_j=(d_j-d_{j-1})-(d_{j+1}-d_j)=\Delta_j-\Delta_{j+1}&#10;$$&lt;/li&gt;&#10;&lt;/ol&gt;&#10;&#10; &lt;blockquote&gt;&#10; &lt;p&gt;$\Delta_k = d_k-d_{k-1}$，这个等式后面会讲。&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;&lt;p&gt;得到各个大小若尔当块数量后就可以写出若尔当矩阵$J$；书写惯例：&lt;strong&gt;左上角放高重次块，右下角放低重次块&lt;/strong&gt;。&lt;/p&gt;&#10;&lt;h2 id="零化度序列"&gt;零化度序列&#10;&lt;/h2&gt;&lt;p&gt;设$A$为$n\times n$矩阵，取某一个特征值$\lambda$，记&#10;&lt;/p&gt;&#10;$$&#10;N = A-\lambda I&#10;$$&lt;p&gt;&#10;$N$是对应这个特征值的幂零部分。&lt;/p&gt;&#10;&lt;p&gt;零化度序列$d_k$定义：&#10;对任意非负整数$k$，考虑齐次方程组&#10;$&#10;N^k \boldsymbol{X} = \boldsymbol{0}&#10;$&#10;（$\boldsymbol{X}$为矩阵自变量）。&#10;$N^k$表示$N$自乘$k$次（规定$N^0=I$），方程组全部解向量构成线性空间，称为$N^k$的&lt;strong&gt;核&lt;/strong&gt;，记作$\ker(N^k)$。&lt;/p&gt;&#10;&lt;p&gt;定义$d_k$为方程组$N^k\boldsymbol{X}=\boldsymbol 0$解空间的维数：&#10;&lt;/p&gt;&#10;$$&#10;\boldsymbol{d_k=\dim\big(\ker(N^k)\big)}&#10;$$&lt;p&gt;&#10;边界条件：$\boldsymbol{d_0=0}$。&lt;/p&gt;&#10;&lt;h3 id="零化度序列两条性质"&gt;零化度序列两条性质&#10;&lt;/h3&gt;&lt;ol&gt;&#10;&lt;li&gt;对任意$k\ge0$，有$\boldsymbol{d_k \le d_{k+1}}$。&lt;/li&gt;&#10;&lt;li&gt;当$k$足够大，$d_k$停止增长，最终等于该特征值的&lt;strong&gt;代数重数$m$&lt;/strong&gt;。&lt;/li&gt;&#10;&lt;/ol&gt;&#10;&#10; &lt;blockquote&gt;&#10; &lt;p&gt;$\Delta_k$描述的是：对于这个特征值，所有若尔当块里&lt;strong&gt;尺寸大于等于$k$的块的总个数&lt;/strong&gt;，满足$\boldsymbol{\Delta_k = d_k-d_{k-1}}$。&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;&lt;hr&gt;&#10;&lt;h2 id="例题"&gt;例题&#10;&lt;/h2&gt;&lt;p&gt;已知矩阵&#10;&lt;/p&gt;&#10;$$&#10;A=\begin{bmatrix}&#10;-1 &amp; 1 &amp; 0\\&#10;-1 &amp; 3 &amp; 0\\&#10;0 &amp; 0 &amp; 2&#10;\end{bmatrix}&#10;$$&lt;h3 id="-计算特征值"&gt;① 计算特征值&#10;&lt;/h3&gt;&lt;p&gt;令 $|A-\lambda I|=0$&#10;&lt;/p&gt;&#10;$$&#10;\begin{vmatrix}&#10;1-\lambda &amp; 1 &amp; 0\\&#10;-1 &amp; 3-\lambda &amp; 0\\&#10;0 &amp; 0 &amp; 2-\lambda&#10;\end{vmatrix}&#10;=(2-\lambda)\big[(1-\lambda)(3-\lambda)+1\big]&#10;=(2-\lambda)(\lambda^2-4\lambda+4)&#10;=(2-\lambda)^3&#10;$$&lt;p&gt;&#10;仅有特征值 $\lambda=2$，代数重数 $m=3$。&lt;/p&gt;&#10;&lt;h3 id="-计算-na-lambda-i"&gt;② 计算 $N=A-\lambda I$&#10;&lt;/h3&gt;$$&#10;N=A-2I=\begin{bmatrix}&#10;-1 &amp; 1 &amp; 0\\&#10;-1 &amp; 1 &amp; 0\\&#10;0 &amp; 0 &amp; 0&#10;\end{bmatrix}&#10;$$&lt;h3 id="-求零化度序列-d_k"&gt;③ 求零化度序列 $d_k$&#10;&lt;/h3&gt;&lt;ul&gt;&#10;&lt;li&gt;&#10;&lt;p&gt;$d_1=\dim\ker(N)$，即解 $N\boldsymbol{X}=\boldsymbol{0}$。&lt;br&gt;&#10;设 $\boldsymbol{x}=\begin{bmatrix} x_1\ x_2\ x_3 \end{bmatrix}$，&#10;&lt;/p&gt;&#10;$$&#10;\begin{bmatrix}&#10;-1 &amp; 1 &amp; 0\\&#10;-1 &amp; 1 &amp; 0\\&#10;0 &amp; 0 &amp; 0&#10;\end{bmatrix}&#10;\begin{bmatrix}&#10;x_1\\ x_2\\ x_3&#10;\end{bmatrix}&#10;=&#10;\begin{bmatrix}&#10;0\\0\\0&#10;\end{bmatrix}&#10;\Rightarrow&#10;\begin{cases}&#10;x_1=x_2&#10;\end{cases}&#10;$$&lt;p&gt;&#10;有两个自由变量，$\boldsymbol{d_1=2}$。&lt;/p&gt;&#10;&lt;/li&gt;&#10;&lt;li&gt;&#10;&lt;p&gt;$d_2=\dim\ker(N^2)$，解 $N^2\boldsymbol{X}=\boldsymbol{0}$。&lt;br&gt;&#10;&lt;/p&gt;&#10;$$&#10;N^2=\begin{bmatrix}&#10;0 &amp; 0 &amp; 0\\&#10;0 &amp; 0 &amp; 0\\&#10;0 &amp; 0 &amp; 0&#10;\end{bmatrix}&#10;$$&lt;p&gt;&#10;$N^2\boldsymbol{x}=\boldsymbol{0}$ 中 $x_1,x_2,x_3$ 全部为自由变量，$d_2=3$，已经等于代数重数 $m=3$，停止。&lt;/p&gt;&#10;&lt;/li&gt;&#10;&lt;/ul&gt;&#10;&#10; &lt;blockquote&gt;&#10; &lt;p&gt;当然，敏锐的人也观察到$d_k=n-\mathrm{rank}(N^k)$，如$ d_1=3-1=2$；$d_2=3-0=3$。&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;&lt;p&gt;得到：&#10;$d_0=0,\ d_1=2,\ d_2=3$；且可推$d_3=3,d_4=0\cdots$&lt;/p&gt;&#10;&lt;p&gt;计算$\Delta_k = d_k-d_{k-1}$：&#10;&lt;/p&gt;&#10;$$&#10;\Delta_1 = d_1-d_0 = 2&#10;$$&#10; &lt;blockquote&gt;&#10; &lt;p&gt;$\Delta_1$：尺寸至少为1的块，一共2个。&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;$$&#10;\Delta_2 = d_2-d_1 = 1&#10;$$&#10; &lt;blockquote&gt;&#10; &lt;p&gt;$\Delta_2$：尺寸至少为2的块，一共1个。&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;$$&#10;\Delta_3 = d_3-d_2 = 0&#10;$$&#10; &lt;blockquote&gt;&#10; &lt;p&gt;$\Delta_3$：尺寸至少为3的块，一共0个。&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;&lt;p&gt;根据逻辑不难推测，尺寸为2的块有1个，尺寸为1的块有1个&lt;/p&gt;&#10;&#10; &lt;blockquote&gt;&#10; &lt;p&gt;也不难发现$\Delta_{k+1}\le \Delta_k$，否则逻辑上无法说明“至少为1的块有2个但至少为2的块有114514个？”。&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;&lt;p&gt;当然也能用块个数公式 $c_j=\Delta_j-\Delta_{j+1}$：&#10;&lt;/p&gt;&#10;$$&#10;c_1=\Delta_1-\Delta_2 = 2-1=1,\quad c_2=\Delta_2-\Delta_3=1-0=1&#10;$$&lt;p&gt;从而可以写出该矩阵的若尔当标准型：&#10;&lt;/p&gt;&#10;$$&#10;J=\begin{bmatrix}&#10;2 &amp; 1 &amp; 0\\&#10;0 &amp; 2 &amp; 0\\&#10;0 &amp; 0 &amp; 2&#10;\end{bmatrix}&#10;$$&lt;h3 id="关键概念回顾与应该注意的地方"&gt;关键概念回顾与应该注意的地方&#10;&lt;/h3&gt;&lt;ol&gt;&#10;&lt;li&gt;$d_k=\dim\ker(N^k),\ N=A-\lambda I$&lt;/li&gt;&#10;&lt;li&gt;$\boldsymbol{\Delta_k = d_k-d_{k-1}}$：&lt;strong&gt;大小 $\ge k$ 的若尔当块总数量&lt;/strong&gt;&lt;/li&gt;&#10;&lt;li&gt;$\boldsymbol{c_k=\Delta_k-\Delta_{k+1}}$：&lt;strong&gt;恰好大小等于 $k$ 的若尔当块数量&lt;/strong&gt;&lt;/li&gt;&#10;&lt;li&gt;性质：$\Delta_1\ge \Delta_2\ge \Delta_3\ge\cdots$，不会递增。&lt;/li&gt;&#10;&lt;li&gt;所有块阶数加起来 $=$ 代数重数 $m$。&lt;/li&gt;&#10;&lt;li&gt;不要把矩阵阶数n和特征值$\lambda$的重根数m搞混&lt;/li&gt;&#10;&lt;/ol&gt;&#10;&lt;hr&gt;&#10;&lt;h2 id="过渡矩阵p的求解"&gt;过渡矩阵P的求解&#10;&lt;/h2&gt;&lt;p&gt;在已知若尔当标准型的基础上若想求使$P^{-1}AP =J$的过渡矩阵P：&lt;/p&gt;&#10;&lt;p&gt;上式等价于求$AP=PJ$，把$P$拆成三个列向量$P=[p_1 \ p_2 \ p_3]$，对应于上式例子&#10;&lt;/p&gt;&#10;$$&#10;J=&#10;\begin{bmatrix}&#10;2 &amp; 1 &amp; 0 \\&#10;0 &amp; 2 &amp; 0 \\&#10;0 &amp; 0 &amp; 2 \\&#10;\end{bmatrix}&#10;$$&lt;p&gt;&#10;由$AP=PJ$有&lt;/p&gt;&#10;&lt;ol&gt;&#10;&lt;li&gt;$Ap_1=2p_1$ （$p_1为普通特征向量$）&lt;/li&gt;&#10;&lt;li&gt;$Ap_2=p_1+2p_2 \implies (A-2I)p_2=p_1$（$p_2$为广义特征向量）&lt;/li&gt;&#10;&lt;/ol&gt;&#10;&lt;p&gt;从1式可解得到两个自由变量关系$x_1=x_2$，$x_3$任取，基础解系为$\xi_1= \begin{bmatrix} 1 \ 1 \ 0 \end{bmatrix} ，\xi_2= \begin{bmatrix} 0 \ 0 \ 1 \end{bmatrix} $&lt;/p&gt;&#10;&lt;p&gt;（两个自由变量对应属于这个特征值的若尔当块个数，也就是上面说的$d_1$）&lt;/p&gt;&#10;&lt;p&gt;我们取$p_1=\xi_1$作为链头，$p_3=\xi_2$作为一阶块，然后根据$(A-2I)p_2=p_1$找到$p_2$，带入后发现解得$x_1,x_3$是自由变量，同时有$x_2=x_1+1$，取$x_1=0,x_3=0$，则$p_2=\begin{bmatrix} 0 \ 1 \ 0\end{bmatrix}$ ，从而从左到右放入$p_1,p_2,p_3$得&#10;&lt;/p&gt;&#10;$$&#10;P = &#10;\begin{bmatrix}&#10;1 &amp; 0 &amp; 0 \\&#10;1 &amp; 1 &amp; 0 \\&#10;0 &amp; 0 &amp; 1 \\&#10;\end{bmatrix}&#10;$$&lt;hr&gt;&#10;&lt;h2 id="心得"&gt;心得&#10;&lt;/h2&gt;&lt;p&gt;学习若尔当标准型时，我遇到了许多令人困惑的问题，比如若尔当矩阵存在的意义是什么？零化度序列又是什么？&lt;/p&gt;&#10;&lt;p&gt;而在学习这些问题的过程中我发现，我们的教材在过度追求严谨的同时，却对一些重要的推导公式进行了简化，大大增加了同学们的困惑。例如部分书中零化度序列的块公式&#10;&lt;/p&gt;&#10;$$&#10;c_j=2d_j-d_{j-1}-d_{j+1}&#10;$$&lt;p&gt;&#10;即使有数学直觉的同学能很快看出这显然存在一个等差序列，大多数人很难一眼得出这个式子在表达什么，只好死记硬背。&lt;/p&gt;&#10;&lt;p&gt;在提防此类防自学教材的同时，我们也要在听课时认真听讲，提高检索信息的能力，只有“穷究原理”方可“洞悉本质”。&lt;/p&gt;&#10;</description></item></channel></rss>