← 全部笔记

高等代数

可对角化的判据与反例

文章目录

来源 谢启鸿、姚慕生, 高等代数学习指导书, 第4版, 第6章, 印刷页 312–331, 350–353. PDF页码 = 印刷页码 + 10。 来源PDF 根据已目视核对的扫描件整理;简洁证明及明确标出的推广为整理者补充。

教材对应位置:例6.3.2:可对角化矩阵的极小多项式(印刷第285页)。

在选定底域上的等价判据

定理 对A∈Mn(F)A\in M_n(F),以下条件等价:在FF上有特征向量基;Fn=⨁λ∈FEλF^n=\bigoplus_{\lambda\in F}E_\lambda;特征多项式分裂且每个几何重数等于代数重数;极小多项式在FF上分裂为互异一次因子。

前三个条件是同一组基结论的不同写法。对多项式判据,若AA为对角矩阵,其极小多项式就是实际出现的互异因子t−λt-\lambda之积。反过来,一个分裂且无重因子的零化多项式,通过Bézout恒等式给出特征子空间的直和分解,见特征多项式诱导的不变分解。用于判断的零化多项式不必极小(例6.66)。

有nn个互异特征值是充分条件,但不是必要条件。有nn个不同特征向量还不够,除非它们线性无关。单位矩阵只有一个特征值,却有完整的特征向量基;非平凡2×22\times2Jordan块则只有一个线性无关特征向量。

多项式恒等式可直接完成判断

幂等矩阵在任意域上均可对角化,使用t(t−1)t(t-1)即可。对合矩阵在2≠02\ne0时可对角化,使用(t−1)(t+1)(t-1)(t+1)。在特征二时,多项式有重因子;非零NN若满足N2=0N^2=0,则I+NI+N为不可对角化的对合矩阵(例6.67;补充了特征条件)。

在R\mathbb R上,A2+A+I=0A^2+A+I=0排除了实特征值,所以正维数中不能实对角化。在C\mathbb C上,同一恒等式提供分裂无重因子的零化多项式,因而可对角化。讨论对角化必须明确底域(例6.73)。特别地,仅检查gcd⁡(mA,mA′)=1\gcd(m_A,m_A^\prime)=1并不够,还须检查mAm_A在当前域上分裂为一次因子。上面的实矩阵正可说明这一区别。

重特征值需要计算秩

以下两个数值例子取R\mathbb R或C\mathbb C。

例6.51中, A=(1−112x−2−3−3y)∼diag⁡(2,2,z).A=\begin{pmatrix}1&-1&1\\2&x&-2\\-3&-3&y\end{pmatrix} \sim\operatorname{diag}(2,2,z). 非对角元给出A≠2IA\ne2I,所以z≠2z\ne2,从而rank⁡(A−2I)=1\operatorname{rank}(A-2I)=1。将第二、三行与第一行比较得到x=4,y=5x=4,y=5,取迹得到z=6z=6。一组特征向量基为(−1,1,0)T,(1,0,1)T,(1,−2,3)T(-1,1,0)^T,(1,0,1)^T,(1,-2,3)^T。这里先用重特征子空间的维数,避免直接展开三次多项式。

对A=(32−2−k−1k42−3)A=\begin{pmatrix}3&2&-2\\-k&-1&k\\4&2&-3\end{pmatrix},特征多项式为(t−1)(t+1)2(t-1)(t+1)^2。可对角化等价于rank⁡(A+I)=1\operatorname{rank}(A+I)=1,恰在k=0k=0时成立(例6.52)。仅知道特征值无法确定这个参数。

限制、商算子与上方分块

若AA可对角化,则不变子空间上的限制及诱导商算子都可对角化,因为分裂无重因子的零化多项式也零化它们。因此,若(AC0B)\begin{pmatrix}A&C\\0&B\end{pmatrix}可对角化,则AA、BB都可对角化(例6.71)。

反向结论要谨慎。取A=B=(1)A=B=(1)、C=(1)C=(1)便失败。若A,BA,B可对角化且在代数闭包中谱不交,Sylvester方程可通过分块剪切消去CC,从而在此情形证明反向结论(例6.70)。对特征不为二时的特殊分块(IC0−I)\begin{pmatrix}I&C\\0&-I\end{pmatrix},对合恒等式已能完成判断。

判断相似需要的不止是谱

相似矩阵具有相同的特征多项式、极小多项式、各次幂的迹,以及对每个多项式gg都相同的g(A)g(A)的秩。这些提供快速否定依据。谱相同并不证明相似;即使特征多项式与极小多项式都相同,也未必能分类较大矩阵。第7章给出完整的不变因子。两个矩阵均可对角化、特征值及其重数相同时,构造显式特征向量基即可证明相似。