Skip to content

09_复向量空间上的算子

一、 零空间理论与多项式基础

1. 零空间的升链与稳定性质

  • 升链性质：算子 \(T\) 的幂次零空间构成升链：\(\{0\} \subseteq \text{null } T \subseteq \text{null } T^2 \subseteq \dots\)

  • 稳定点：若存在 \(m\) 使得 \(\text{null } T^m = \text{null } T^{m+1}\)，则后续所有零空间不再扩大：\(\text{null } T^m = \text{null } T^{m+k} \ (\forall k \ge 0)\)。

  • 直和分解：在零空间稳定点 \(k\) 处，全空间可分解为：\(V = \text{null } T^k \oplus \text{range } T^k\)。

2. 多项式最大公因式引理

  • 若 \(d(x)\) 是多项式组 \(f_1(x), \dots, f_m(x)\) 的最大公因式，则必定存在多项式 \(u_i(x)\)，使得它们满足裴蜀等式：

    \[ u_1(x)f_1(x) + \dots + u_m(x)f_m(x) = d(x) \]

二、 广义特征空间与不变子空间

1. 广义特征空间 \(G(\lambda, T)\)

  • 定义：\(G(\lambda, T) = \{ v \in V \mid \text{存在 } k \text{ 使得 } (T-\lambda I)^k v = 0 \}\)。

  • 维数定理：\(\dim G(\lambda_i, T)\) = 特征值 \(\lambda_i\) 的代数重数。

  • 线性无关性：不同特征值对应的广义特征向量绝对线性无关。

2. 全空间的准素分解 (Primary Decomposition)

  • 若算子的极小多项式为 \(p(x) = \prod (x-\lambda_i)^{n_i}\)，则全空间可完美分解为各广义特征空间的直和：

    \(V = G(\lambda_1, T) \oplus G(\lambda_2, T) \oplus \dots \oplus G(\lambda_s, T)\)

  • 子空间性质：

    1. 每个 \(G(\lambda_i, T)\) 都是 \(T\)-不变子空间。

    2. 限制算子 \((T - \lambda_i I)\) 在 \(G(\lambda_i, T)\) 上是幂零算子。

    3. 算子 \(T\) 限制在 \(G(\lambda_i, T)\) 上，可表示为对角线全为 \(\lambda_i\) 的上三角矩阵。全空间上则呈现分块对角矩阵。

3. 多项式算子的不变性

对于任意多项式 \(p(x)\)，子空间 \(\text{range } p(T)\) 和 \(\text{null } p(T)\) 必定是 \(T\)-不变的。

三、 特征多项式与极小多项式

1. 特征多项式 (Characteristic Polynomial)

  • 定义：\(q(z) = \prod (z-\lambda_i)^{n_i}\)，其中 \(n_i\) 为代数重数（即 \(\dim G(\lambda_i, T)\)）。

  • 凯莱-哈密顿定理 (Cayley-Hamilton Theorem)：算子必然零化其自身的特征多项式，即 \(q(T) = \mathbf{0}\)。

2. 极小多项式 (Minimal Polynomial)

  • 零化判定：\(q(T) = 0 \iff\) 极小多项式 \(p(x)\) 是 \(q(x)\) 的因式（即 \(p\) 整除 \(q\)）。

  • 与特征值的关系：

    • 极小多项式与特征多项式拥有完全相同的零点（即全部特征值）。

    • 特征多项式是极小多项式的倍式。

  • 阶数规律（极重要）：

    在极小多项式中，因子 \((z - \lambda_i)\) 的指数 \(k_i\)，严格等于该特征值 \(\lambda_i\) 对应的最大若尔当块（Jordan Block）的阶数。

    (注：对角矩阵的最大若尔当块阶数均为1，故其极小多项式无重根。)

四、 幂零算子与 Jordan 标准型

1. 幂零算子 (Nilpotent Operator)

  • 定义：存在正整数 \(n\) 使得 \(N^n = 0\)。若 \(\dim V = k\)，必有 \(N^k = 0\)。

  • 特征值：幂零算子的所有特征值严格为 0。

2. Jordan 链与 Jordan 块

  • Jordan 链：从生成元 \(v\) 倒序迭代至零向量的序列 \(B_v = \{N^m v, N^{m-1}v, \dots, Nv, v\}\)，张成 \(N\)-循环子空间。

  • Jordan 块矩阵：在此基底（Jordan 基）下，算子矩阵的主对角线全为 0，次上方超对角线全为 1。

3. Jordan 标准型 (JCF)

对于一般算子，由于 \(T|_{U_i} = \lambda_i I + N_i\)（纯量算子+幂零算子），在全空间的 Jordan 基下，其矩阵化为分块对角矩阵。每个块为 Jordan 块：主对角线全为 \(\lambda_i\)，超对角线全为 1。

五、 循环子空间与友矩阵 (Companion Matrix)

  • 循环子空间构造：由 \(\{e_1, Te_1, T^2e_1, \dots, T^{m-1}e_1\}\) 线性无关向量张成的 \(m\) 维 \(T\)-不变子空间。

  • 多项式方程：必然存在首一多项式 \(p(x) = x^m + a_{m-1}x^{m-1} + \dots + a_0\)，使得 \(p(T)e_1 = \mathbf{0}\)。这是该限制算子的极小与特征多项式。

  • 友矩阵结构：在循环基下，矩阵形式固定且极度标准：

    • 次下方（主对角线下一条）全为 \(1\)；

    • 最后一列由多项式系数的相反数构成 \((-a_0, -a_1, \dots, -a_{m-1})^T\)；

    • 其余全为 \(0\)。

六、 补充扩展（实数域与级数展开）

1. 实数域 \(\mathbb{R}\) 上的特异性

实多项式不可约分解含二次因式 \((x^2+bx+c)\)（且 \(b^2 < 4c\)）。在矩阵表示中，二次因式零空间对应的不变子空间不再是单一特征值，而是体现为 \(2 \times 2\) 基础旋转/缩放矩阵块（如 \(\begin{pmatrix} a & -b \\ b & a \end{pmatrix}\)）。

2. 算子的泰勒级数展开（求平方根）

形如 \(\sqrt{I+N}\)（\(N\) 为幂零算子）可利用泰勒展开精确求值：

\[ (I+N)^{1/2} = I + \frac{1}{2}N - \frac{1}{8}N^2 + \dots \]

核心依据：由于 \(N\) 是幂零的，无穷级数必定在有限项后截断，变为有限多项式的严格等式。此方法可用于计算正算子的平方根（提取特征值 \(\lambda_i\) 后转化为幂零算子展开）。