第八章 · 8.C

8.C 广义特征空间分解的推论

广义特征空间分解(8.22)是本章的引擎。本节让它输出两台深加工机器:其一,复向量空间上每个可逆算子都有平方根,关键一步是证明「单位算子加幂零算子必有平方根」(8.39–8.41);其二,著名的若尔当形 (Jordan form)——每个复算子在一组若尔当基下的矩阵分块对角,且每块仅在主对角线及其上一条斜线上非零(8.42–8.46)。两份完整证明、五个算例、两幅插图与六道练习,展示 Axler 无行列式方法的力量。

从分解到推论

在 8.B 中我们证明了本章的主定理——广义特征空间分解 (generalized eigenspace decomposition,原书 8.22):设 \(\mathbf{F}=\mathbf{C}\),\(T\in\mathcal{L}(V)\),\(\lambda_1,\dots,\lambda_m\) 是 \(T\) 的全部互异特征值,则

\[ V=G(\lambda_1,T)\oplus\cdots\oplus G(\lambda_m,T), \]

其中每个广义特征空间 \(G(\lambda_k,T)\) 在 \(T\) 下不变,且 \((T-\lambda_k I)\big|_{G(\lambda_k,T)}\) 是幂零算子 (nilpotent operator)。我们也已经看到(原书 8.37):适当选基后,\(T\) 的矩阵可以写成分块对角 (block diagonal) 形式,每块是「数量矩阵加上严格上三角块」。本节从这一定义性的事实里再榨取两批更精细的推论:

  • 平方根的存在性:\(\mathbf{C}\) 上每个可逆算子都有平方根(8.41);其核心引理「\(I+\) 幂零算子有平方根」(8.39) 的证明只用一个截断的泰勒展开,是全书最俏皮的论证之一。
  • 若尔当形:\(\mathbf{C}\) 上每个算子都有若尔当基 (Jordan basis,8.44),使矩阵除主对角线及其正上方一条斜线外全是 \(0\)(8.45、8.46)。这是矩阵能被化简到的「尽头」。

编者注(与原书结构对照)。原书第四版把「重数 (multiplicity, 8.23)、特征多项式 (characteristic polynomial, 8.26)、凯莱–哈密顿定理 (Cayley–Hamilton theorem, 8.29)、特征多项式是极小多项式的多项式倍 (8.30)、重数等于对角元出现次数 (8.31)」安排在 8.B 的中后段,而非 8.C;这些内容属于上一页 8.B 广义特征空间分解 的主题。本页严格按原书 8.C 的实际内容(8.39–8.46:平方根与若尔当形)组织,并在第 四节回望若尔当形与特征多项式、极小多项式的联系。此外,谱半径等概念并不出现在原书本节。

算子的平方根

回顾(见原书 7.36):设 \(T\in\mathcal{L}(V)\),若 \(R\in\mathcal{L}(V)\) 满足 \(R^2=T\),则称 \(R\) 为 \(T\) 的平方根 (square root)。每个复数都有平方根,但复向量空间上的算子未必:例如 \(\mathbf{C}^3\) 上的算子

\[ T(z_1,z_2,z_3)=(z_2,z_3,0) \]

就没有平方根(练习 1)。这个 \(T\) 不可逆并非巧合——本小节末尾将证明:复空间上可逆算子一定有平方根(8.41)。通往那里的跳板是先解决「\(I\) 加幂零」的情形。

引理 8.39(单位算子加幂零算子有平方根)。设 \(T\in\mathcal{L}(V)\) 幂零,则 \(I+T\) 有平方根。

证明。动机来自初等微积分里 \(\sqrt{1+x}\) 的泰勒级数 (Taylor series)

\[ \sqrt{1+x}=1+a_1x+a_2x^2+\cdots \qquad(\text{原书 8.40}), \]

其中 \(a_1=\tfrac{1}{2}\)。我们既不需要系数的显式公式,也不关心无穷和是否收敛——它只用来「猜答案」。因为 \(T\) 幂零,存在正整数 \(m\) 使 \(T^m=0\),于是 \(T^k=0\) 对一切 \(k\ge m\) 成立。在上述级数中把 \(x\) 换成 \(T\)、把 \(1\) 换成 \(I\),右边自动截断为有限和。据此猜测:\(I+T\) 有形如

\[ I+a_1T+a_2T^2+\cdots+a_{m-1}T^{m-1} \]

的平方根,其中系数 \(a_1,\dots,a_{m-1}\in\mathbf{F}\) 待定。展开平方:

\[ \bigl(I+a_1T+a_2T^2+\cdots+a_{m-1}T^{m-1}\bigr)^{2} = I+2a_1T+(2a_2+a_1^{2})T^{2}+(2a_3+2a_1a_2)T^{3}+\cdots+\bigl(2a_{m-1}+\text{仅含 }a_1,\dots,a_{m-2}\text{ 的项}\bigr)T^{m-1}. \]

要使右边等于 \(I+T\):先取 \(a_1\) 使 \(2a_1=1\),即 \(a_1=\tfrac12\);再取 \(a_2\) 使 \(2a_2+a_1^2=0\),即 \(a_2=-\tfrac18\);再取 \(a_3\) 使 \(T^3\) 的系数为零,即 \(a_3=\tfrac1{16}\);如此继续,对每个 \(k=4,\dots,m-1\),第 \(k\) 步要解的方程形如

\[ 2a_k=(\text{由 } a_1,\dots,a_{k-1} \text{ 完全确定的数}), \]

而 \(\mathbf{F}=\mathbf{R}\) 或 \(\mathbf{C}\) 中 \(2\ne 0\),故每步都有唯一解。这样逐项确定的系数便给出 \(I+T\) 的一个平方根。至于 \(a_k\) 的显式公式,我们并不关心。证毕。

注。引理 8.39 在实与复向量空间上都成立。但下面把它推向一般可逆算子的定理 8.41 只对复空间成立:例如一维实空间 \(\mathbf{R}\) 上「乘以 \(-1\)」这个算子就没有(实)平方根(练习 4)。

例 1(8.39 的最小情形)。设 \(N\in\mathcal{L}(\mathbf{F}^2)\) 为 \(N(x,y)=(y,0)\)。直接计算知 \(N^2=0\),故 \(N\) 幂零,且截断的级数只剩两项。猜测 \(I+N\) 的平方根形如 \(I+a_1N\),展开得

\[ (I+a_1N)^2=I+2a_1N \quad(\text{因 } N^2=0), \]

取 \(a_1=\tfrac12\) 即知

\[ \Bigl(I+\tfrac12 N\Bigr)^2=I+N. \]

即 \((x,y)\mapsto\bigl(x+\tfrac y2,\,y\bigr)\) 是 \(I+N\) 的一个平方根。

现在进入本小节的主定理。先补一个复数层面的事实:每个 \(z\in\mathbf{C}\) 都有平方根。用极坐标 (polar coordinates) 写 \(z=r(\cos\theta+i\sin\theta)\),其中 \(r\) 是原点到 \(z\) 的线段长度,\(\theta\) 是该线段与正实轴的夹角,则

\[ \sqrt{r}\Bigl(\cos\tfrac{\theta}{2}+i\sin\tfrac{\theta}{2}\Bigr) \]

的平方恰为 \(z\)。下面的证明把「复数有平方根」与引理 8.39 沿广义特征空间分解逐块拼装。

定理 8.41(在 \(\mathbf{C}\) 上,可逆算子有平方根)。设 \(V\) 是复向量空间,\(T\in\mathcal{L}(V)\) 可逆,则 \(T\) 有平方根。

证明。设 \(\lambda_1,\dots,\lambda_m\) 是 \(T\) 的互异特征值。由 8.22,对每个 \(k\),记 \(N_k=(T-\lambda_k I)\big|_{G(\lambda_k,T)}\in\mathcal{L}\bigl(G(\lambda_k,T)\bigr)\),则 \(N_k\) 幂零,且

\[ T\big|_{G(\lambda_k,T)}=\lambda_k I+N_k . \]

因为 \(T\) 可逆(当且仅当 \(0\) 不是 \(T\) 的特征值,见第 5 章),每个 \(\lambda_k\ne 0\),于是可以改写为

\[ T\big|_{G(\lambda_k,T)}=\lambda_k\Bigl(I+\frac{N_k}{\lambda_k}\Bigr). \]

\(N_k/\lambda_k\) 仍幂零,故由引理 8.39,\(I+N_k/\lambda_k\) 有平方根;再取复数 \(\lambda_k\) 的一个平方根与之相乘,便得到 \(T\big|_{G(\lambda_k,T)}\) 的一个平方根,记作 \(R_k\in\mathcal{L}\bigl(G(\lambda_k,T)\bigr)\)。

由广义特征空间分解 (8.22),每个 \(v\in V\) 可唯一地写成 \(v=u_1+\cdots+u_m\),其中 \(u_k\in G(\lambda_k,T)\)。据此定义 \(R\in\mathcal{L}(V)\):

\[ Rv=R_1u_1+\cdots+R_mu_m . \]

请读者验证:线性性由分解的唯一性保证;又因为每个 \(G(\lambda_k,T)\) 在 \(R_k\) 与 \(T\) 下都不变,故可逐块检验 \(R^2v=R_1^2u_1+\cdots+R_m^2u_m=T u_1+\cdots+T u_m=Tv\),即 \(R^2=T\)。证毕。

可逆算子 T ∈ L(V),V 为复向量空间 V = G(λ₁,T) ⊕ ⋯ ⊕ G(λₘ,T) 广义特征空间分解(8.22) 每个块上:T = λₖI + Nₖ,其中 Nₖ 幂零 Nₖ = (T−λₖI)|G(λₖ,T),且 λₖ ≠ 0(因 T 可逆) T|G(λₖ,T) = λₖ(I + Nₖ/λₖ),Nₖ/λₖ 幂零 Rₖ = √λₖ · Sₖ,其中 Sₖ² = I + Nₖ/λₖ Sₖ 得自引理 8.39(截断泰勒级数);√λₖ 得自极坐标 拼块定义:R(u₁+⋯+uₘ) = R₁u₁+⋯+Rₘuₘ uₖ ∈ G(λₖ,T),分解唯一保证 R 是线性映射 R² = T
图 1:定理 8.41 的构造流程——把可逆复算子 \(T\) 沿广义特征空间分解拆成若干块,每块写成「非零复数 \(\times\)(\(I+\) 幂零)」,分别开平方后按直和拼回。全程不使用行列式。

例 2(亲手算一个平方根)。取 8.24 中的算子 \(T\in\mathcal{L}(\mathbf{C}^3)\):

\[ T(x,y,z)=(6x+3y+4z,\;6y+2z,\;7z). \]

在 8.B 中已知 \(T\) 的特征值为 \(6\)(重数 2)与 \(7\)(重数 1),且

\[ G(6,T)=\operatorname{span}\bigl((1,0,0),(0,1,0)\bigr),\qquad G(7,T)=\operatorname{span}\bigl((10,2,1)\bigr),\qquad \mathbf{C}^3=G(6,T)\oplus G(7,T). \]

在 \(G(6,T)\) 上有 \(T(x,y,0)=(6x+3y,6y,0)\),即 \(T\big|_{G(6,T)}=6I+N\),其中 \(N(x,y,0)=(3y,0,0)\) 满足 \(N^2=0\)。于是

\[ T\big|_{G(6,T)}=6\Bigl(I+\frac{N}{6}\Bigr),\qquad \Bigl(I+\frac{N}{12}\Bigr)^{2}=I+\frac{N}{6} \quad(N^2=0,\ \text{例 1 的手法}), \]

故 \(R_1=\sqrt{6}\,\bigl(I+\tfrac{N}{12}\bigr)\) 是 \(T\big|_{G(6,T)}\) 的平方根:显式地 \(R_1(x,y,0)=\sqrt{6}\,\bigl(x+\tfrac{y}{4},\,y,\,0\bigr)\)。在 \(G(7,T)\) 上,取 \(R_2=\sqrt{7}\,I\) 即可。按定理 8.41 拼块:\(R\bigl(u_1+u_2\bigr)=R_1u_1+R_2u_2\)(\(u_1\in G(6,T)\),\(u_2\in G(7,T)\))就是 \(T\) 的一个平方根。例如 \(R(10,2,1)=\sqrt{7}\,(10,2,1)\),而 \(R^2(10,2,1)=7(10,2,1)=T(10,2,1)\)。

注。模仿本小节的手法可以证明:若 \(V\) 是复向量空间且 \(T\in\mathcal{L}(V)\) 可逆,则对每个正整数 \(k\),\(T\) 都有 \(k\) 次根(练习 3)。这里「复数域」不可削弱为一维以上的工具:平方根的障碍恰恰来自实数域(练习 4)与不可逆性(练习 1)。

若尔当形

若 \(V\) 是复向量空间,8.37 已保证每个 \(T\in\mathcal{L}(V)\) 都有使其矩阵分块对角、每块上三角的基。本小节的目标更进一步:选出更好的基,使 \(T\) 的矩阵除主对角线及其正上方一条斜线外全是 \(0\)。先看两个幂零算子的例子。

例 8.42(矩阵漂亮的幂零算子)。设 \(T\) 是 \(\mathbf{C}^4\) 上的算子

\[ T(z_1,z_2,z_3,z_4)=(0,z_1,z_2,z_3). \]

则 \(T^4=0\)(且 \(T^3\ne 0\)),故 \(T\) 幂零。取 \(v=(1,0,0,0)\),则

\[ T^3v=(0,0,0,1),\quad T^2v=(0,0,1,0),\quad Tv=(0,1,0,0), \]

于是 \(T^3v,T^2v,Tv,v\) 是 \(\mathbf{C}^4\) 的基(一般地,若 \(T^m=0\) 且 \(T^{m-1}v\ne 0\),则 \(v,Tv,\dots,T^{m-1}v\) 线性无关,见 8.A 练习 2)。\(T\) 关于这组基的矩阵为

\[ \mathcal{M}(T)=\begin{pmatrix}0&1&0&0\\0&0&1&0\\0&0&0&1\\0&0&0&0\end{pmatrix}, \]

恰好除上一条斜线外全为 \(0\)。

例 8.43(矩阵稍复杂的幂零算子)。设 \(T\) 是 \(\mathbf{C}^6\) 上的算子

\[ T(z_1,z_2,z_3,z_4,z_5,z_6)=(0,z_1,z_2,0,z_4,0). \]

则 \(T^3=0\),故 \(T\) 幂零。与上例不同,这里不存在向量 \(v\in\mathbf{C}^6\) 使 \(T^5v,T^4v,T^3v,T^2v,Tv,v\) 是基——因为 \(T^3=0\),这样的列表里有三个零向量。不过,取 \(v_1=(1,0,0,0,0,0)\)、\(v_2=(0,0,0,1,0,0)\)、\(v_3=(0,0,0,0,0,1)\),则三条「链」

\[ T^2v_1,\;Tv_1,\;v_1;\qquad Tv_2,\;v_2;\qquad v_3 \]

合起来(依次为 \(e_3,e_2,e_1;e_5,e_4;e_6\))是 \(\mathbf{C}^6\) 的基。\(T\) 关于这组基的矩阵是分块对角的:

\[ \mathcal{M}(T)=\begin{pmatrix} 0&1&0&&&\\ 0&0&1&&&\\ 0&0&0&&&\\ &&&0&1&\\ &&&0&0&\\ &&&&&0 \end{pmatrix}, \]

由一个 \(3\times 3\) 块、一个 \(2\times 2\) 块与一个 \(1\times 1\) 块组成,每块只有紧邻主对角线上方那条斜线上是 \(1\),其余全为 \(0\)。

下一个定义把上述现象推广到任意算子:把幂零情形的「\(0\) 对角块」换成「\(\lambda_k\) 对角块」。注意 \(\lambda_k\) 必是 \(T\) 的特征值(因为所得矩阵上三角,其对角元都是特征值,见 5.41);各块的 \(\lambda_k\) 不必互异,块也可以退化成 \(1\times 1\) 的 \((\lambda_k)\)。

定义 8.44(若尔当基,Jordan basis)。设 \(T\in\mathcal{L}(V)\)。称 \(V\) 的一组基为 \(T\) 的若尔当基,如果 \(T\) 关于这组基的矩阵具有分块对角形式

\[ \begin{pmatrix}A_1&&0\\&\ddots&\\0&&A_p\end{pmatrix}, \]

其中每个 \(A_k\) 是形如

\[ A_k=\begin{pmatrix}\lambda_k&1&&0\\&\lambda_k&\ddots&\\&&\ddots&1\\0&&&\lambda_k\end{pmatrix} \]

的上三角矩阵(称为若尔当块,Jordan block)。换言之,每个若尔当基向量 \(v\) 满足 \(Tv=\lambda_k v+u\),其中 \(u\) 要么是 \(0\),要么是基中紧排在 \(v\) 之前的那个向量。

V G(λ₁,T),重数 5 T²u₁ Tu₁ u₁ T−λ₁I T−λ₁I Tu₂ u₂ G(λ₂,T),重数 2 u₃ u₄ 对应的若尔当矩阵 = A₁ ⊕ A′₁ ⊕ A₂ ⊕ A₂(每条竖链给出一个块,块阶数 = 链长) λ₁ 1 0 λ₁ 1 λ₁ λ₁ 1 λ₁ λ₂ λ₂
图 2:广义特征空间内部的若尔当链。红色箭头表示幂零算子 \(T-\lambda_k I\) 沿链下移一格;每条竖链对应一个若尔当块,其阶数等于链长,对角线填 \(\lambda_k\)、上一斜线填 \(1\)(图中下方阴影格代表被「压成零」的位置)。同一特征值的链长可以不同;全部链长为 1 即可对角化。

证明每个算子都有若尔当基的主要困难在幂零情形;这一特殊情形在实、复向量空间上都成立。证明是对维数的归纳,技巧在于用对偶空间 \(V'\) 中的一个线性泛函 (linear functional) 切出与链空间 \(U\) 互补的不变子空间 \(W\)。

定理 8.45(每个幂零算子都有若尔当基)。设 \(T\in\mathcal{L}(V)\) 幂零,则 \(V\) 有 \(T\) 的若尔当基。

证明。对 \(\dim V\) 作归纳。若 \(\dim V=1\),则唯一的幂零算子是 \(0\),任一基都是若尔当基。设 \(\dim V>1\),且结论对一切更小维数的空间成立。

设 \(m\) 是使 \(T^m=0\) 的最小正整数,则存在 \(u\in V\) 使 \(T^{m-1}u\ne 0\)。令

\[ U=\operatorname{span}\bigl(u,Tu,\dots,T^{m-1}u\bigr). \]

列表 \(u,Tu,\dots,T^{m-1}u\) 线性无关(8.A 练习 2),故 \(\dim U=m\)。若 \(U=V\),把该列表倒序排列 \(T^{m-1}u,\dots,Tu,u\) 即是 \(T\) 的若尔当基,证明完成。以下设 \(U\ne V\)。

注意 \(U\) 在 \(T\) 下不变。由归纳假设,\(U\) 有 \(T|_U\) 的若尔当基。证明的策略是:再找一个 \(T\) 不变的子空间 \(W\) 使 \(V=U\oplus W\);对 \(W\) 同样用归纳假设得到 \(T|_W\) 的若尔当基;把两组基拼起来,即得 \(T\) 的若尔当基。

取线性泛函 \(\varphi\in V'\) 使 \(\varphi\bigl(T^{m-1}u\bigr)\ne 0\)(因为 \(T^{m-1}u\ne 0\),可把它扩充为 \(V\) 的基并让 \(\varphi\) 在此向量上取值 \(1\))。令

\[ W=\bigl\{\,v\in V:\ \varphi\bigl(T^{k}v\bigr)=0 \text{ 对每个 } k=0,1,\dots,m-1 \,\bigr\}. \]

则 \(W\) 是 \(V\) 的子空间,且在 \(T\) 下不变:若 \(v\in W\),则对 \(k=0,\dots,m-2\) 有 \(\varphi\bigl(T^{k}(Tv)\bigr)=\varphi\bigl(T^{k+1}v\bigr)=0\);而 \(k=m-1\) 的情形由 \(T^m=0\) 自动成立:\(\varphi\bigl(T^{m-1}(Tv)\bigr)=\varphi(T^{m}v)=\varphi(0)=0\)。

第一步:\(U+W\) 是直和。设 \(v\in U\cap W\) 且 \(v\ne 0\)。因 \(v\in U\),存在 \(c_0,\dots,c_{m-1}\in\mathbf{F}\) 使

\[ v=c_0u+c_1Tu+\cdots+c_{m-1}T^{m-1}u. \]

设 \(j\) 是使 \(c_j\ne 0\) 的最小下标。对上式两边作用 \(T^{m-j-1}\);高次项因含 \(T^{\ge m}\) 而消失,得

\[ T^{m-j-1}v=c_j\,T^{m-1}u. \]

再用 \(\varphi\) 作用两边:

\[ \varphi\bigl(T^{m-j-1}v\bigr)=c_j\,\varphi\bigl(T^{m-1}u\bigr)\ne 0. \]

但 \(0\le m-j-1\le m-1\),而上式左端非零恰说明 \(v\notin W\),与 \(v\in W\) 矛盾。故 \(U\cap W=\{0\}\),从而 \(U+W\) 是直和(1.46)。

第二步:\(U\oplus W=V\)。定义线性映射 \(S\colon V\to\mathbf{F}^m\):

\[ Sv=\bigl(\varphi(v),\varphi(Tv),\dots,\varphi(T^{m-1}v)\bigr). \]

由 \(W\) 的定义,\(\operatorname{null}S=W\)。于是由线性映射基本定理 (3.21),并注意 \(\dim\operatorname{range}S\le m\),得

\[ \dim W=\dim\operatorname{null}S=\dim V-\dim\operatorname{range}S\ \ge\ \dim V-m. \]

又 \(\dim U=m\),故

\[ \dim(U\oplus W)=\dim U+\dim W\ \ge\ m+(\dim V-m)=\dim V, \]

从而 \(U\oplus W=V\)(2.39)。证毕。

现在用广义特征空间分解把幂零情形推广到一般复算子——这一步需要复数域(实算子未必有足够多的特征值)。

定理 8.46(若尔当形)。设 \(\mathbf{F}=\mathbf{C}\) 且 \(T\in\mathcal{L}(V)\),则 \(V\) 有 \(T\) 的若尔当基。

证明。设 \(\lambda_1,\dots,\lambda_m\) 是 \(T\) 的互异特征值。广义特征空间分解 (8.22) 给出

\[ V=G(\lambda_1,T)\oplus\cdots\oplus G(\lambda_m,T), \]

且每个 \((T-\lambda_k I)\big|_{G(\lambda_k,T)}\) 幂零。对每个 \(k\),由定理 8.45,\(G(\lambda_k,T)\) 有 \((T-\lambda_k I)\big|_{G(\lambda_k,T)}\) 的若尔当基;在该组基下,\((T-\lambda_k I)\big|_{G(\lambda_k,T)}\) 的矩阵各块只在上一斜线上有 \(1\),而 \(T\big|_{G(\lambda_k,T)}=\lambda_k I+(T-\lambda_k I)\big|_{G(\lambda_k,T)}\) 的矩阵就是把这些块的 \(0\) 对角线换成 \(\lambda_k\)。把这些基按直和拼在一起,即得 \(V\) 的、\(T\) 的若尔当基。证毕。

注(历史)。Camille Jordan(1838–1922)于 1870 年发表了定理 8.46 的一个证明,「若尔当形」由此得名。Hamilton 在 1853 年证明过凯莱–哈密顿定理的一个特例,Cayley 于 1858 年给出一般陈述(见 8.B)。

例 3(不可对角化算子的若尔当基)。回到例 2 的算子 \(T(x,y,z)=(6x+3y+4z,\,6y+2z,\,7z)\)。在 \(G(6,T)\) 上,幂零部分 \(N=(T-6I)\big|_{G(6,T)}\) 满足 \(N(x,y,0)=(3y,0,0)\),\(N^2=0\)。取链 \(u=(0,1,0)\):\(Nu=3e_1\ne 0\),\(N^2u=0\),于是 \(Nu,u\) 即 \((3,0,0),(0,1,0)\) 是 \(N\) 的若尔当基,从而也是 \(T\big|_{G(6,T)}=\,6I+N\) 的若尔当基。再补上 \(G(7,T)\) 中的特征向量 \((10,2,1)\),得到 \(T\) 的若尔当基

\[ (3,0,0),\quad (0,1,0),\quad (10,2,1), \]

\(T\) 关于这组基的矩阵为

\[ \mathcal{M}(T)=\begin{pmatrix}6&1&0\\0&6&0\\0&0&7\end{pmatrix}, \]

它是一个 \(2\times2\) 若尔当块(对角元 \(6\))与一个 \(1\times1\) 块(对角元 \(7\))的分块对角矩阵。逐列验证:\(T(3,0,0)=6(3,0,0)\),\(T(0,1,0)=(3,6,0)=1\cdot(3,0,0)+6\cdot(0,1,0)\),\(T(10,2,1)=7(10,2,1)\)。该算子没有由特征向量构成的基(8.24),但它有若尔当基——这正是 8.46 的力量:若尔当形对任意复算子都存在,可对角化只是「所有块都是 \(1\times 1\)」的特权情形。

若尔当形与特征多项式、极小多项式

若尔当形一入手,第 8 章前半部分的各种「重数」概念立刻变得透明。设 \(T\in\mathcal{L}(V)\)(\(V\) 为复空间),取定 \(T\) 的若尔当基。

(a) 重数即对角元个数。把属于同一特征值 \(\lambda\) 的若尔当块归为一组,它们张成的恰是广义特征空间 \(G(\lambda,T)\)(练习 11 表明每个若尔当基向量都是广义特征向量)。因此

\[ \dim G(\lambda,T)=\text{块对角线上 }\lambda\text{ 出现的次数}, \]

即 \(\lambda\) 的重数 (8.23) 等于 \(\lambda\) 在若尔当矩阵对角线上出现的次数——这与 8.31「重数等于 \(\lambda\) 在任意上三角矩阵表示的对角线上出现的次数」一致。

(b) 特征多项式与凯莱–哈密顿的若尔当形视角。特征多项式 (8.26,见 8.B) 为

\[ q(z)=\prod_{k=1}^{m}(z-\lambda_k)^{d_k},\qquad d_k=\dim G(\lambda_k,T). \]

在 \(G(\lambda_k,T)\) 内部,每条若尔当链的长度不超过 \(d_k\)(诸链互不相交、总长恰为 \(d_k\)),而 \(T-\lambda_k I\) 每作用一次就让链上的向量下移一格,故

\[ \bigl(T-\lambda_k I\bigr)^{d_k}\Big|_{G(\lambda_k,T)}=0\quad\text{对每个 }k \]

——这正是 8.29(凯莱–哈密顿定理)在 8.B 中的证明要点;沿直和拼装即得 \(q(T)=0\)。换言之,凯莱–哈密顿定理在若尔当形下几乎是「看图读出」的:特征多项式给每条链配了绰绰有余的「下移次数」。

(c) 极小多项式的指数是最大链长。设 \(M_k\) 是属于 \(\lambda_k\) 的若尔当块的最大阶数(最长链长),则

\[ \text{\(T\) 的极小多项式为}\quad p(z)=\prod_{k=1}^{m}(z-\lambda_k)^{M_k} \]

(幂零情形即练习 7)。由 \(M_k\le d_k\) 立得:极小多项式整除特征多项式(8.30 的直观理由);等号成立当且仅当每个广义特征空间只含一条链。又因为「\(T\) 可对角化 \(\iff\) 极小多项式无重零点」(5.D,原书 5.63 附近的判据),故

\[ T\ \text{可对角化}\ \iff\ \text{所有若尔当块都是 }1\times1\ \iff\ d_k=\dim E(\lambda_k,T)\ \text{对每个 }k. \]

(d) 向前看。下一节 8.D 将利用重数定义:\(\operatorname{trace}T=\sum_k\lambda_k d_k\),并证明它等于 \(T\) 在任意基下矩阵的对角元之和——那是特征多项式「倒数第二个系数」的另一副面孔。第 9 章定义行列式之后,还会补上最后一座桥:特征多项式恒等于 \(\det(zI-A)\)(原书 9.62),从而本章无行列式的重数定义与教材中的传统定义完全一致。

练习

练习 8.C-1

设 \(T\in\mathcal{L}(\mathbf{C}^3)\) 由 \(T(z_1,z_2,z_3)=(z_2,z_3,0)\) 定义。证明:\(T\) 没有平方根。

解答

直接计算得 \(T^3=0\),而 \(T^2(z_1,z_2,z_3)=(z_3,0,0)\ne 0\)。反设存在 \(R\in\mathcal{L}(\mathbf{C}^3)\) 使 \(R^2=T\)。则 \(R^6=T^3=0\),故 \(R\) 幂零;由 8.16(幂零算子的 \(\dim V\) 次幂为零),\(R^3=0\)。于是

\[ T^2=R^4=R\circ R^3=0, \]

与 \(T^2\ne 0\) 矛盾。故 \(T\) 没有平方根。(对照定理 8.41:此 \(T\) 不可逆,恰好落在定理的适用范围之外。)

练习 8.C-2

定义 \(T\in\mathcal{L}(\mathbf{F}^5)\) 为 \(T(x_1,x_2,x_3,x_4,x_5)=(2x_2,\,3x_3,\,-x_4,\,4x_5,\,0)\)。(a) 证明 \(T\) 幂零;(b) 求 \(I+T\) 的一个平方根。

解答

(a) 记标准基为 \(e_1,\dots,e_5\)。则 \(Te_1=0\)、\(Te_2=2e_1\)、\(Te_3=3e_2\)、\(Te_4=-e_3\)、\(Te_5=4e_4\)。一般地 \(T^k\) 把每个 \(e_j\)(\(j\le k\))变成 \(0\),故 \(T^5=0\),\(T\) 幂零。(事实上 \(T^4e_5=2\cdot3\cdot(-1)\cdot4\,e_1=-24e_1\ne 0\),故 \(T^4\ne 0\)。)

(b) 因 \(T^5=0\),仿照引理 8.39,设 \(R=I+a_1T+a_2T^2+a_3T^3+a_4T^4\),其中系数取自二项式展开 \((1+x)^{1/2}=1+\tfrac12x-\tfrac18x^2+\tfrac1{16}x^3-\tfrac5{128}x^4+\cdots\):

\[ R=I+\tfrac12T-\tfrac18T^2+\tfrac1{16}T^3-\tfrac5{128}T^4. \]

验证 \(R^2=I+T\):\(T^k\) 的系数依次为 \(2a_1=1\);\(2a_2+a_1^2=-\tfrac14+\tfrac14=0\);\(2a_3+2a_1a_2=\tfrac18-\tfrac18=0\);\(2a_4+2a_1a_3+a_2^2=-\tfrac{10}{128}+\tfrac{8}{128}+\tfrac{2}{128}=0\);而 \(k\ge 5\) 的项自动为零。故 \(R^2=I+T\)。

练习 8.C-3

设 \(V\) 是复向量空间。证明:\(V\) 上每个可逆算子都有立方根,即对每个可逆的 \(T\in\mathcal{L}(V)\),存在 \(R\in\mathcal{L}(V)\) 使 \(R^3=T\)。

解答

仿照 8.39 与 8.41 两步走。

第一步(「\(I+\) 幂零」情形):设 \(N\in\mathcal{L}(V)\) 幂零,\(N^m=0\)。由 \((1+x)^{1/3}=1+b_1x+b_2x^2+\cdots\) 猜测 \(I+N\) 的立方根形如 \(I+b_1N+\cdots+b_{m-1}N^{m-1}\)。展开立方后,\(N^k\) 的系数形如 \(3b_k+(\text{由 } b_1,\dots,b_{k-1}\text{ 确定的项})\);因 \(\mathbf{C}\) 中 \(3\ne 0\),可依次解出 \(b_1=\tfrac13\),\(b_2=-\tfrac19\),\(\dots\),使该系数当 \(k\ge 2\) 时为零。故 \(I+N\) 有立方根。

第二步(拼块):复数都有立方根——写 \(z=r(\cos\theta+i\sin\theta)\),则 \(r^{1/3}\bigl(\cos\tfrac\theta3+i\sin\tfrac\theta3\bigr)\) 的立方是 \(z\)。设 \(\lambda_1,\dots,\lambda_m\) 为可逆算子 \(T\) 的互异特征值,则 \(\lambda_k\ne 0\),且在 \(G(\lambda_k,T)\) 上

\[ T\big|_{G(\lambda_k,T)}=\lambda_k\Bigl(I+\frac{N_k}{\lambda_k}\Bigr),\qquad N_k=\bigl(T-\lambda_k I\bigr)\big|_{G(\lambda_k,T)} \ \text{幂零}. \]

由第一步,\(I+N_k/\lambda_k\) 有立方根 \(S_k\);令 \(R_k=\sqrt[3]{\lambda_k}\,S_k\)。再用广义特征空间分解 (8.22) 把 \(v=u_1+\cdots+u_m\) 映为 \(Rv=R_1u_1+\cdots+R_mu_m\),逐块验证 \(R^3=T\)。证毕。

练习 8.C-4

设 \(V\) 是实向量空间。证明:算子 \(-I\) 在 \(V\) 上有平方根,当且仅当 \(\dim V\) 是偶数。

解答

(\(\Leftarrow\))设 \(\dim V=2n\),取基 \(e_1,\dots,e_{2n}\),定义 \(R\in\mathcal{L}(V)\):\(R e_{2k-1}=e_{2k}\),\(R e_{2k}=-e_{2k-1}\)(\(k=1,\dots,n\),即把每对基向量张成的平面旋转 \(90^\circ\) 的算子)。直接验证 \(R^2 e_j=-e_j\) 对所有 \(j\) 成立,故 \(R^2=-I\)。

(\(\Rightarrow\))设 \(R^2=-I\)。先证:对任意 \(v\ne 0\),列表 \(v,Rv\) 线性无关。设 \(av+bRv=0\);再作用 \(R\) 得 \(-bv+aRv=0\)。把两式分别视为关于 \((v,Rv)\) 的线性方程组,消去 \(Rv\) 得 \((a^2+b^2)v=0\),而 \(\mathbf{F}=\mathbf{R}\) 且 \(v\ne 0\),故 \(a^2+b^2=0\),即 \(a=b=0\)。

再证:\(V\) 是若干形如 \(\operatorname{span}(v,Rv)\) 的二维不变子空间的直和,从而 \(\dim V\) 为偶数。归纳构造:任取 \(v_1\ne 0\),令 \(U_1=\operatorname{span}(v_1,Rv_1)\),它显然在 \(R\) 下不变且 \(\dim U_1=2\)。设已取到无关组 \(v_1,Rv_1,\dots,v_{k-1},Rv_{k-1}\),记其张成的 \(R\) 不变子空间为 \(U\)。若 \(U\ne V\),取 \(v_k\notin U\),断言 \(v_1,Rv_1,\dots,v_k,Rv_k\) 仍线性无关:设

\[ a_1v_1+b_1Rv_1+\cdots+a_{k-1}Rv_{k-1}+a_kv_k+b_kRv_k=0, \]

即 \(a_kv_k+b_kRv_k=u\in U\)。作用 \(R\) 并利用 \(R^2=-I\),得 \(a_kRv_k-b_kv_k=Ru\in U\)(\(U\) 不变)。若 \((a_k,b_k)\ne(0,0)\),由这两式可解出 \(v_k=\tfrac{a_k u-b_k Ru}{a_k^2+b_k^2}\in U\),矛盾;故 \(a_k=b_k=0\),进而由归纳假设其余系数全为零。如此下去直到张满 \(V\),得 \(\dim V=2k\)。证毕。

练习 8.C-5

设 \(T\in\mathcal{L}(\mathbf{C}^2)\) 由 \(T(w,z)=(-w-z,\,9w+5z)\) 定义。求 \(T\) 的一个若尔当基。

解答

\(T\) 的矩阵为 \(\begin{pmatrix}-1&-1\\9&5\end{pmatrix}\),其特征多项式为 \((z-2)^2\)(迹 \(4\),行列式 \(4\)),故 \(2\) 是唯一的特征值,重数为 2,且 \(G(2,T)=\mathbf{C}^2\)。计算

\[ (T-2I)(w,z)=(-3w-z,\,9w+3z),\qquad (T-2I)^2=0,\qquad (T-2I)(1,0)=(-3,9)\ne 0. \]

于是幂零算子 \(N=T-2I\) 满足 \(N^2=0\ne N\),最长链长为 2:取 \(u=(1,0)\),则 \(Nu,u\) 即 \((-3,9),(1,0)\) 是 \(N\) 的若尔当基,从而是 \(T=2I+N\) 的若尔当基。逐列验证:

\[ T(-3,9)=(-6,18)=2(-3,9),\qquad T(1,0)=(-1,9)=1\cdot(-3,9)+2\cdot(1,0), \]

故 \(T\) 关于基 \(\bigl((-3,9),(1,0)\bigr)\) 的矩阵为若尔当块 \(\begin{pmatrix}2&1\\0&2\end{pmatrix}\)。

练习 8.C-6

求 \(\mathcal{P}_4(\mathbf{R})\) 的一组基,使其为微分算子 \(D\in\mathcal{L}\bigl(\mathcal{P}_4(\mathbf{R})\bigr)\)(\(Dp=p'\))的若尔当基,并写出 \(D\) 的相应矩阵。

解答

\(D\) 是幂零算子:\(D^5=0\) 且 \(D^4\ne 0\)(任意 \(\le 4\) 次多项式的五阶导数为零,而 \(D^4 x^4=24\ne 0\))。取单条链:令 \(u=\tfrac{x^4}{24}\),则

\[ D^4u=1,\quad D^3u=x,\quad D^2u=\tfrac{x^2}{2},\quad Du=\tfrac{x^3}{6}, \]

故倒序列表

\[ 1,\quad x,\quad \frac{x^2}{2},\quad \frac{x^3}{6},\quad \frac{x^4}{24} \]

是 \(\mathcal{P}_4(\mathbf{R})\) 的基,且为 \(D\) 的若尔当基。\(D\) 关于此基的矩阵是单个 \(5\times5\) 若尔当块:

\[ \mathcal{M}(D)=\begin{pmatrix}0&1&0&0&0\\0&0&1&0&0\\0&0&0&1&0\\0&0&0&0&1\\0&0&0&0&0\end{pmatrix}. \]

顺带一提:\(D\) 的极小多项式为 \(z^5\)(对照练习 7 的幂零情形)。