凱萊–哈密頓定理

The name of the pictureThe name of the pictureThe name of the pictureClash Royale CLAN TAG#URR8PPP








在線性代數中,凱萊–哈密頓定理英语:Cayley–Hamilton theorem)(以數學家阿瑟·凱萊與威廉·卢云·哈密顿命名)表明每個佈於任何交換環上的實或複方陣都滿足其特徵方程式。


明確地說:設Adisplaystyle AA為給定的n×ndisplaystyle ntimes nntimes n矩陣,並設Indisplaystyle I_nI_nn×ndisplaystyle ntimes nntimes n單位矩陣,則Adisplaystyle AA的特徵多項式定義為:


p(λ)=det(λIn−A)displaystyle p(lambda )=det(lambda I_n-A)displaystyle p(lambda )=det(lambda I_n-A)

其中detdisplaystyle det displaystyle det 表行列式函數。凱萊–哈密頓定理斷言:


p(A)=Odisplaystyle p(A)=Odisplaystyle p(A)=O

凱萊–哈密頓定理等價於方陣的特徵多項式會被其極小多項式整除,這在尋找若尔当标准形時特別有用。




目录





  • 1 例子


  • 2 定理證明


  • 3 抽象化與推廣


  • 4 外部連結




例子


舉例明之,考慮下述方陣:


A=[1234]displaystyle A=beginbmatrix1&2\3&4endbmatrixdisplaystyle A=beginbmatrix1&2\3&4endbmatrix

其特徵多項式為


p(λ)=|λ−1−2−3λ−4|=(λ−1)(λ−4)−2⋅3=λ2−5λ−2displaystyle p(lambda )=beginvmatrixlambda -1&-2\-3&lambda -4endvmatrix=(lambda -1)(lambda -4)-2cdot 3=lambda ^2-5lambda -2displaystyle p(lambda )=beginvmatrixlambda -1&-2\-3&lambda -4endvmatrix=(lambda -1)(lambda -4)-2cdot 3=lambda ^2-5lambda -2

此時可以直接驗證凱萊–哈密頓定理:


A2−5A−2I2=Odisplaystyle A^2-5A-2I_2=Odisplaystyle A^2-5A-2I_2=O

此式可以簡化高次冪的運算,關鍵在於下述關係:


A2−5A−2I2=Odisplaystyle A^2-5A-2I_2=Odisplaystyle A^2-5A-2I_2=O

A2=5A+2I2displaystyle A^2=5A+2I_2displaystyle A^2=5A+2I_2

例如,為了計算A4displaystyle A^4displaystyle A^4,可以反覆利用上述關係式:


A3=(5A+2I2)A=5A2+2A=5(5A+2I2)+2A=27A+10I2displaystyle A^3=(5A+2I_2)A=5A^2+2A=5(5A+2I_2)+2A=27A+10I_2displaystyle A^3=(5A+2I_2)A=5A^2+2A=5(5A+2I_2)+2A=27A+10I_2

A4=A3A=(27A+10I2)A=27A2+10A=27(5A+2I2)+10Adisplaystyle A^4=A^3A=(27A+10I_2)A=27A^2+10A=27(5A+2I_2)+10Adisplaystyle A^4=A^3A=(27A+10I_2)A=27A^2+10A=27(5A+2I_2)+10A

A4=145A+54I2displaystyle A^4=145A+54I_2displaystyle A^4=145A+54I_2

或是,如果要計算Andisplaystyle A^nA^n,也可以假設:


An=aA+bIdisplaystyle A^n=aA+bIdisplaystyle A^n=aA+bI

然後,依照前面的特徵多項式λ2−5λ−2displaystyle lambda ^2-5lambda -2displaystyle lambda ^2-5lambda -2之兩解λ1,λ2displaystyle lambda _1,lambda _2displaystyle lambda _1,lambda _2,代入後可以得到


λ1n=aλ1+bdisplaystyle lambda _1^n=alambda _1+bdisplaystyle lambda _1^n=alambda _1+b

λ2n=aλ2+bdisplaystyle lambda _2^n=alambda _2+bdisplaystyle lambda _2^n=alambda _2+b

然後解方程後求出a,bdisplaystyle a,ba,b,便可得Andisplaystyle A^nA^n


此外,凱萊–哈密頓定理也是計算特徵向量的重要工具。


:一般而言,若n×ndisplaystyle ntimes nntimes n矩陣Adisplaystyle AA可逆(即:det(A)≠0displaystyle det(A)neq 0displaystyle det(A)neq 0),則A−1displaystyle A^-1A^-1可以寫成Adisplaystyle AA的冪次和:特徵多項式有如下形式


p(λ)=λn−tr⁡(A)λn−1+⋯+(−1)ndet(A)displaystyle p(lambda )=lambda ^n-operatorname tr (A)lambda ^n-1+cdots +(-1)^ndet(A)displaystyle p(lambda )=lambda ^n-operatorname tr (A)lambda ^n-1+cdots +(-1)^ndet(A)

將方程式p(A)=0displaystyle p(A)=0displaystyle p(A)=0同乘以A−1displaystyle A^-1A^-1,便得到


A−1=(−1)n−1det(A)(An−1−tr⁡(A)An−2+⋯)displaystyle A^-1=frac (-1)^n-1det(A)(A^n-1-operatorname tr (A)A^n-2+cdots )displaystyle A^-1=frac (-1)^n-1det(A)(A^n-1-operatorname tr (A)A^n-2+cdots )


定理證明


以下考慮佈於域k=R,Cdisplaystyle k=mathbb R ,mathbb C displaystyle k=mathbb R ,mathbb C 上的矩陣。


凱萊–哈密頓定理可以視為線性代數中拉普拉斯展開的推論。拉普拉斯展開可推出若Sdisplaystyle SSn×ndisplaystyle ntimes nntimes n矩陣,而adj⁡(S)displaystyle operatorname adj (S)displaystyle operatorname adj (S)表其伴隨矩陣,則


Sadj⁡(S)=det(S)Indisplaystyle Soperatorname adj (S)=det(S)I_ndisplaystyle Soperatorname adj (S)=det(S)I_n

S=tIn−Adisplaystyle S=tI_n-Adisplaystyle S=tI_n-A,便得到(tIn−A)adj⁡(tIn−A)=pA(t)Indisplaystyle (tI_n-A)operatorname adj (tI_n-A)=p_A(t)I_ndisplaystyle (tI_n-A)operatorname adj (tI_n-A)=p_A(t)I_n。此式對所有tdisplaystyle tt皆成立,由於實數或複數域有無窮多元素,上式等式在多項式環k[t]displaystyle k[t]displaystyle k[t]內成立。


M:=kndisplaystyle M:=k^ndisplaystyle M:=k^n,矩陣Adisplaystyle AA賦予Mdisplaystyle MM一個k[t]displaystyle k[t]displaystyle k[t]-模結構:f(t)⋅m=f(A)mdisplaystyle f(t)cdot m=f(A)mdisplaystyle f(t)cdot m=f(A)m。考慮k[t]displaystyle k[t]displaystyle k[t]-模M[t]:=M⊗kk[t]displaystyle M[t]:=Motimes _kk[t]displaystyle M[t]:=Motimes _kk[t],我們有k[t]displaystyle k[t]displaystyle k[t]-模之間的「求值態射」:


eA:M[t]→M,M⊗ti↦Aimdisplaystyle e_A:M[t]to M,qquad Motimes t^imapsto A^imdisplaystyle e_A:M[t]to M,qquad Motimes t^imapsto A^im

固定m∈Mdisplaystyle min Mmin M,對M[t]displaystyle M[t]displaystyle M[t]中的等式


(tIn−A)adj⁡(tIn−A)m=pA(t)mdisplaystyle (tI_n-A)operatorname adj (tI_n-A),m=p_A(t)mdisplaystyle (tI_n-A)operatorname adj (tI_n-A),m=p_A(t)m

右側取eAdisplaystyle e_Adisplaystyle e_A後得到pA(A)mdisplaystyle p_A(A)mdisplaystyle p_A(A)m,左側取eAdisplaystyle e_Adisplaystyle e_A後得到(A−A)⋅(⋯)=0displaystyle (A-A)cdot (cdots )=0displaystyle (A-A)cdot (cdots )=0。明所欲證。


一个简单的证明
令:


B=adj(tIn−A)displaystyle B=mboxadj(tI_n-A)displaystyle B=mboxadj(tI_n-A)

由:


Sadj⁡(S)=det(S)Indisplaystyle Soperatorname adj (S)=det(S)I_ndisplaystyle Soperatorname adj (S)=det(S)I_n

得:


(tIn−A)B=det(tIn−A)In=p(t)Indisplaystyle (tI_n-A)B=det(tI_n-A)I_n=p(t)I_ndisplaystyle (tI_n-A)B=det(tI_n-A)I_n=p(t)I_n

p(t)In=(tIn−A)B=(tIn−A)∑i=0n−1tiBi=∑i=0n−1tIn⋅tiBi−∑i=0n−1A⋅tiBi=∑i=0n−1ti+1Bi−∑i=0n−1tiABi=tnBn−1+∑i=1n−1ti(Bi−1−ABi)−AB0displaystyle beginalignedp(t)I_n&=(tI_n-A)B\&=(tI_n-A)sum _i=0^n-1t^iB_i\&=sum _i=0^n-1tI_ncdot t^iB_i-sum _i=0^n-1Acdot t^iB_i\&=sum _i=0^n-1t^i+1B_i-sum _i=0^n-1t^iAB_i\&=t^nB_n-1+sum _i=1^n-1t^i(B_i-1-AB_i)-AB_0endaligneddisplaystyle beginalignedp(t)I_n&=(tI_n-A)B\&=(tI_n-A)sum _i=0^n-1t^iB_i\&=sum _i=0^n-1tI_ncdot t^iB_i-sum _i=0^n-1Acdot t^iB_i\&=sum _i=0^n-1t^i+1B_i-sum _i=0^n-1t^iAB_i\&=t^nB_n-1+sum _i=1^n-1t^i(B_i-1-AB_i)-AB_0endaligned

p(t)In=det(tIn−A)=tnIn+tn−1cn−1In+⋯+tc1In+c0Indisplaystyle p(t)I_n=det(tI_n-A)=t^nI_n+t^n-1c_n-1I_n+cdots +tc_1I_n+c_0I_ndisplaystyle p(t)I_n=det(tI_n-A)=t^nI_n+t^n-1c_n-1I_n+cdots +tc_1I_n+c_0I_n

因两多项式,他们的对应项系数相等得:


Bn−1=In,Bi−1−ABi=ciInfor 1≤i≤n−1,−AB0=c0In displaystyle B_n-1=I_n,qquad B_i-1-AB_i=c_iI_nquad textfor 1leq ileq n-1,qquad -AB_0=c_0I_n~displaystyle B_n-1=I_n,qquad B_i-1-AB_i=c_iI_nquad textfor 1leq ileq n-1,qquad -AB_0=c_0I_n~

在等式两边t的i次项系数分别乘以Ai, 并将等式左右两边分别相加并合项得:


O=An+cn−1An−1+⋯+c1A+c0In=p(A)displaystyle O=A^n+c_n-1A^n-1+cdots +c_1A+c_0I_n=p(A)displaystyle O=A^n+c_n-1A^n-1+cdots +c_1A+c_0I_n=p(A)

得证。



抽象化與推廣


前述證明用到係數在k[t]displaystyle k[t]displaystyle k[t]的矩陣的克萊姆法則,事實上該法則可施於任何係數在交換環上的矩陣。藉此,凱萊–哈密頓定理可以推廣到一個交換環Rdisplaystyle RR上的任何有限生成自由模Mdisplaystyle MM(向量空間是特例)。中山正引理的一種證明就用到這個技巧。



外部連結


  • PlanetMath 上的證明

Popular posts from this blog

The Dalles, Oregon

眉山市

清晰法令