当谈论矩阵的因子时,我们通常会涉及到不变因子、初等因子和行列式因子。
-
不变因子(Invariant Factors):不变因子是一个矩阵在某个域上的最小多项式的因子。它们描述了矩阵在这个域上的特征结构。不变因子告诉我们在该域上,矩阵所满足的最小多项式是什么样子的。
-
初等因子(Elementary Factors):初等因子是构成不变因子的组成部分。不变因子是由一系列初等因子的乘积构成的。初等因子是描述矩阵在这个域上的特征值的幂次。
-
行列式因子:行列式因子是矩阵的特征多项式的因子。矩阵的特征多项式是一个关于矩阵特征值的多项式,行列式因子就是这个多项式的因子。
用更简单的话来说,不变因子描述了矩阵在某个域上的最小特征多项式,初等因子是构成这个最小多项式的基本组成部分。而行列式因子则是矩阵特征值多项式的因子。
这些概念在研究矩阵的特征结构、特征值和特征向量等方面非常重要。不变因子和初等因子分解帮助我们理解矩阵在不同域上的行为和特性。
当谈论不变因子、初等因子和行列式因子时,可以通过一个具体的矩阵来展示这些概念的关系。
考虑一个 2 × 2 2 \times 2 2×2 的矩阵 A A A:
A = [ 2 1 1 2 ] A = \begin{bmatrix} 2 & 1 \\ 1 & 2 \\ \end{bmatrix} A=[2112]
首先,我们计算这个矩阵的特征值。特征值是使得 det ( A − λ I ) = 0 \text{det}(A - \lambda I) = 0 det(A−λI)=0 成立的 λ \lambda λ。其中 det \text{det} det 表示行列式。
det ( A − λ I ) = det ( [ 2 − λ 1 1 2 − λ ] ) = ( 2 − λ ) 2 − 1 = λ 2 − 4 λ + 3 \text{det}(A - \lambda I) = \text{det}\left(\begin{bmatrix} 2-\lambda & 1 \\ 1 & 2-\lambda \\ \end{bmatrix}\right) = (2-\lambda)^2 - 1 = \lambda^2 - 4\lambda + 3 det(A−λI)=det([2−λ112−λ])=(2−λ)2−1=λ2−4λ+3
解这个方程得到特征值 λ = 1 , 3 \lambda = 1, 3 λ=1,3。
接着,我们求解特征向量。对于每个特征值,我们解线性方程组 ( A − λ I ) X = 0 (A - \lambda I)X = 0 (A−λI)X=0。
- 当 λ = 1 \lambda = 1 λ=1 时,解方程组 ( A − I ) X = 0 (A - I)X = 0 (A−I)X=0:
A − I = [ 1 1 1 1 ] A - I = \begin{bmatrix} 1 & 1 \\ 1 & 1 \\ \end{bmatrix} A−I=[1111]
解出来的特征向量是任何形如 [ x − x ] \begin{bmatrix} x \\ -x \end{bmatrix} [x−x] 的向量,这里 x x x 是任意非零数。
- 当 λ = 3 \lambda = 3 λ=3 时,解方程组 ( A − 3 I ) X = 0 (A - 3I)X = 0 (A−3I)X=0:
A − 3 I = [ − 1 1 1 − 1 ] A - 3I = \begin{bmatrix} -1 & 1 \\ 1 & -1 \\ \end{bmatrix} A−3I=[−111−1]
解出来的特征向量是任何形如 [ x x ] \begin{bmatrix} x \\ x \end{bmatrix} [xx] 的向量,这里 x x x 是任意非零数。
现在来解释这些概念:
-
不变因子是这个矩阵在某个域上的最小特征多项式,对于这个矩阵,在实数域上的不变因子是 ( λ − 1 ) ( λ − 3 ) (\lambda - 1)(\lambda - 3) (λ−1)(λ−3)。
-
初等因子是构成不变因子的组成部分。在这个例子中,不变因子的初等因子是 ( λ − 1 ) (\lambda - 1) (λ−1) 和 ( λ − 3 ) (\lambda - 3) (λ−3)。
-
行列式因子是矩阵的特征多项式的因子,就是 ( λ − 1 ) ( λ − 3 ) (\lambda - 1)(\lambda - 3) (λ−1)(λ−3)。
一个矩阵的特征多项式是一个关于变量 λ \lambda λ 的多项式,它描述了这个矩阵的特征值与 λ \lambda λ 之间的关系。
对于一个 n × n n \times n n×n 的矩阵 A A A,其特征多项式可以表示为 det ( A − λ I ) \text{det}(A - \lambda I) det(A−λI),其中 det \text{det} det 表示行列式运算, I I I 是 n n n 阶单位矩阵。
特征多项式的一般形式是 det ( A − λ I ) = λ n + c n − 1 λ n − 1 + c n − 2 λ n − 2 + ⋯ + c 1 λ + c 0 \text{det}(A - \lambda I) = \lambda^n + c_{n-1}\lambda^{n-1} + c_{n-2}\lambda^{n-2} + \dots + c_1 \lambda + c_0 det(A−λI)=λn+cn−1λn−1+cn−2λn−2+⋯+c1λ+c0,其中 c i c_i ci 是矩阵 A A A 的代数余子式的和。
举例来说,对于一个 2 × 2 2 \times 2 2×2 的矩阵 A A A:
A = [ a b c d ] A = \begin{bmatrix} a & b \\ c & d \\ \end{bmatrix} A=[acbd]
其特征多项式是 det ( A − λ I ) = det ( [ a − λ b c d − λ ] ) = ( a − λ ) ( d − λ ) − b c = λ 2 − ( a + d ) λ + ( a d − b c ) \text{det}(A - \lambda I) = \text{det}\left(\begin{bmatrix} a - \lambda & b \\ c & d - \lambda \\ \end{bmatrix}\right) = (a - \lambda)(d - \lambda) - bc = \lambda^2 - (a + d)\lambda + (ad - bc) det(A−λI)=det([a−λcbd−λ])=(a−λ)(d−λ)−bc=λ2−(a+d)λ+(ad−bc)。
特征多项式描述了特征值与矩阵本身的关系,通过求解特征多项式的根(也就是方程 det ( A − λ I ) = 0 \text{det}(A - \lambda I) = 0 det(A−λI)=0 的解),我们可以获得矩阵的特征值。