Cayley–Hamilton
定理(Cayley–Hamilton):
- 定理
- 依赖深度 layer 14
- 抽象代数
- 特征值与 Jordan 型
thm.cayley-hamilton · 定理 · 线性代数 · 谱
陈述
设 是有限维 -向量空间上的线性映射, 是它的特征多项式。把 里出现的 换成 (常数项乘 ),得到算子 。则
(右边是零算子;矩阵形式是零矩阵。)
矩阵形式:对 有 (零矩阵)。
说明
⭐ 这条定理说的是「每个算子都满足自己的特征方程」—— 于是 是「把 送进零」的多项式之一,这立刻给出一个把 -模的结构用上的入口( 成了 -模)。
⚠ 常见错误记法:不能把 这样代进去(那是「矩阵里的矩阵」),要先把 展开成 ,再逐项换成 。
⭐ 用途:算矩阵的幂( 可以用低次幂线性表出)、证明极小多项式整除特征多项式、求逆矩阵( 由 的系数给出)。
它指向谁(出边)
推出 1
-
Cayley–Hamilton 且同根
- 整除:由 Cayley–Hamilton,,即 ,故 。由此 。
- 的根都是 的根:由第 1 步与「 非零」得 ,故 的每个根也是 的根。
- 的根都是 的根:设 。由 且 ,把 在 的代数闭包中分解为 ;对每个 取非零向量 (由第 4 步非零),则 满足 。若 不是特征值,则 可逆,于是 可逆,,矛盾。故每个 都是特征值,即 。
- 每个 :若全为零,则 的每个因子都可逆、乘积可逆,而 与可逆性矛盾( 时 )。
于是两者的根集合相同。∎
第 3、4 步合起来是一个双向夹逼:既要说明 的根一定是特征值,也要先证明那些核非零 —— 后者看起来显然,其实是「 而 非平凡」的推论。
谁指向它(入边)
推出 1
-
特征多项式 + 伴随矩阵 Cayley–Hamilton
记 ,考虑多项式矩阵 ,以及它的伴随矩阵
- 由伴随矩阵的基本等式(见「Laplace 展开」)。
- 把 按 的幂展开:()。代入第 1 步并比较 的各次系数,得到一串矩阵等式
- 把第 个等式左乘 并全部相加 —— 中间项全部相消,只剩
(其中 。)∎
一般算子 的情形:取一组基把它写成 ,把上式翻译回算子语言即可。
第 3 步「中间项全部相消」是全部技巧:那一串等式被设计成望远镜式( 型),所以相加之后只剩两头。
参考
- Hoffman–Kunze, Linear Algebra, Ch. 6
- Lang, Linear Algebra
同一星团的其他概念 12 个
- 不变子空间layer 10
- 特征值与特征向量layer 11
- 相似layer 12
- 特征多项式layer 13
- 极小多项式layer 14
- 迹layer 14
- 极小多项式整除特征多项式layer 15
- 根子空间分解layer 15
- 可对角化判据layer 16
- Jordan 标准形layer 16
- Jordan 型的唯一性layer 17
继续
在星图里打开「Cayley–Hamilton」 · 全部 870 个概念 · Markdown 原文 · 读图指南与记号表