在學期開始我們先複習上學期的重要內容, 以便我們繼續下學期的課程. 在這個複習單 元中我們只是列出以後需要的定義與定理內容, 並不會有任何的證明. 至於證明細節請參 考上學其講義的 Chapter 3, Chapter 4A.
1. Linear Operator
當 V 是一個 vector space 時, 從 V 到 V 的 linear transformation, 就稱為是一個 linear operator on V . 當 T : V → V 是一個 linear operator 時, 我們很自然的可以考慮其合成 T◦2= T◦ T, 以及 T◦3 = T◦ T◦2, . . . 這樣一直下去對任意 i∈ N 都可以定出 T◦i = T◦ T◦i−1 (T◦0= id). 如此一來賦予 V 一個很豐富的代數結構 (稱為 F[T ]-module), 所以我們可以進 一步去了解 T 和 V 的關係.
一個 linear operator 由於定義域和對映域是同一個 vector space, 我們可以選相同的 ordered basis, 這會讓矩陣表示法變得較簡單. 也就是說若 T : V→ V 是一個 linear operator, 要得到 T 的 representative matrix, 我們可以選定 V 的一個 ordered basis β = (v1, . . . , vn), 兩邊都用β, 得 β[T ]β 這一個 n×n matrix. 為了方便起見當兩邊選的 ordered basis 相同時, T 的 representative matrix, 我們就會用 [T ]β 來表示, 也就是說
[T ]β =(
τβ(T (v1)), . . . ,τβ(T (vn))) . 例如若 T1, T2 皆為 V 的 linear operator 我們知
[T2◦ T1]β = [T2]β · [T1]β. 另外依此表法, 我們有 [id]β = In.
對同一個 linear operator 若換另外的一個 ordered basis 來處理, 它的 representative matrix 就可能不一樣了, 我們需了解這樣的 matrices 之間有何關係, 就得靠 β′[id]β 這樣的 change of basis matrix 來幫忙了. 我們有以下之結果.
Lemma . 設 β,β′ 為 V 的 ordered bases, T : V → V 為 linear operator, 則 [T ]β′=β [id]−1β′ · [T]β·β[id]β′.
當 A, B∈ Mn(F), 而 P 為 Mn(F) 中的 invertible matrix, 若 B = P−1· A · P, 則稱 A,B 為 similar matrix, 用 A∼ B 來表示. 此時因 det(P−1) = det(P)−1 知
det(B) = det(P−1· A · P) = det(P−1) det(A) det(P) = det(A).
由上一個 Lemma 我們知道 [T ]β ∼ [T]β′, 故得 det([T ]β) = det([T ]β′). 也就是說不管用哪一 個 ordered basis, T 的 representative matrix 的 determinant 皆相同, 我們也因此定義這就 是 T 的 determinant, 也就是說 det(T ) = det([T ]β).
上一個 Lemma 反過來是對嗎? 有就是說若 A∼ [T]β, 是否可找到 V 的一個 ordered basis β′ 使得 A = [T ]β′ 呢? 事實上, 若 P 是一個 invertible matrix 使得 A = P−1· [T]β· P, 則我們 能找到 V 的一個 ordered basis β′ 滿足 P =β [id]β′, 故知
A = P−1· [T]β· P =β [id]−1β′ · [T]β ·β[id]β′= [T ]β′.
1
因此我們有以下之結論.
Proposition . 假設 V 為 finite dimensional vector space, dim(V ) = n 且 β 為 V 的一個 ordered basis. 設 T : V → V 為 linear operator 且 A ∈ Mn(F), 則 A∼ [T]β 若且唯若存在 V 的一個 ordered basis β′ 使得 A = [T ]β′.
2. Characteristic Polynomial
前面提過一個 linear operator 的問題, 我們可以轉化成有關於 square matrix 的問題, 所 以我們會先探討一般 n× n matrix, 然後再將之轉化成 linear operator 的情形.
給定一個係數在 F 的 polynomial f (x) = cdxd+··· +c1x + c0 以及一個 n× n matrix A, 我 們定義
f (A) = cdAd+··· + c1A + c0In.
很明顯的, f (A) 仍然是一個 n×n matrix. 一般來說矩陣相乘是不可交換的, 不過 Ai 和 f (A) 相乘是可以交換的. 事實上
Ai· f (A) = Ai· (cdAd+··· + c1A + c0In)
= cdAd+i+··· + c1A1+i+ c0Ai= (cdAd+··· + c1A + c0In)· Ai= f (A)· Ai. 因此加上利用矩陣加法乘法的分配律, 我們可以得到以下的結果.
Lemma . 假設 f (x), g(x), h(x)∈ F[x] 且 f (x) = g(x)h(x). 若 A ∈ Mn(F), 則 g(A)· h(A) = h(A) · g(A) = f (A).
再次強調這裡都是和 A 相關的矩陣相乘才會成立, 一般來說若 g(x), h(x)∈ F[x] 以及 A, B∈ Mn(F), 不一定會有 g(A)· h(B) = h(B) · g(A).
接下來我們有興趣的是若 A∼ B, 是否 f (A) ∼ f (B) 呢? 首先觀察若 P 為 invertible, 則 (P−1· A · P)2= (P−1· A · P) · (P−1· A · P) = P−1· A2· P.
利用數學歸納法可得
(P−1· A · P)i= P−1· Ai· P.
我們有以下結果.
Lemma . 假設 f (x)∈ F[x] 且 A,B ∈ Mn(F). 若 A∼ B, 則 f (A) ∼ f (B).
我們也可把這概念推廣到 linear operator, 假設 f (x) = cdxd+··· + c1x + c0∈ F[x] 以及 T : V → V 是一個 linear operator, 由於 linear operators 之間的合成和矩陣之間的相乘相對 應, 我們定義
f (T ) = cdT◦d+··· + c1T + c0id,
很明顯的 f (T ) 仍然是 V 到 V 的 linear operator. 我們可以檢查 T◦i◦ f (T) = f (T) ◦ T◦i, 所 以一樣有以下結果.
Lemma . 假設 f (x), g(x), h(x)∈ F[x] 且 f (x) = g(x) · h(x). 若 T ∈ L (V), 則 g(T )◦ h(T) = h(T) ◦ g(T) = f (T).
這裡要強調一下當 f (x) = g(x)·h(x) 時 f (T) = g(T)◦h(T) 而不是等於 g(h(T)). 也就是說 將 g(T ) 和 h(T ) 這兩個 linear operator 合成會得到 f (T ) 這個 operator, 但並不是將 h(T ) 這個 linear operator 代入 g(x) 這個多項式.
給定 V 的一個 ordered basisβ 我們自然要問 F(T ) 的 representative matrix 是否和 T 的 representative matrix 有關. 事實上我們有 [T◦2]β = [T ]2β, 利用數學歸納法可得
[T◦i]β = [T◦ T◦i−1]β = [T ]β · [T]iβ−1= [T ]iβ, 由此我們有以下之結果.
Lemma . 假設 V 是一個 finite dimensional F-space, β 為 V 的一個 ordered basis 且 T : V → V 是一個 linear operator. 若 f (x) = cdxd+··· + c1x + c0∈ F[x], 則
[ f (T )]β = f ([T ]β) = cd[T ]dβ+··· + c1[T ]β+ c0In.
現在回到 n× n matrix 的情形. 我們知 dim(Mn(F)) = n2, 現若 A∈ Mn(F), 考慮 S = {In, A, A2, . . . , An2}. 由於 #(S) = n2+ 1 > dim(Mn(F)), 我們知 S 為 linearly dependent. 亦即 存在 c0, c1, . . . , cn2 ∈ F 不全為 0 使得
cn2An2+··· + c1A + c0In= O.
若令 f (x) = cn2xn2+··· + c1x + c0, 則得 f (A) = O. 因此我們可以說: 對任意的 n× n matrix A, 皆存在一個次數不大於 n2 的非零多項式 f (x)∈ F[x] 使得 f (A) 為 n × n 的 zero matrix O. 注意這裡 cn2 有可能是 0 所以我們不能說 deg( f (x)) = n2, 另外 cn2, . . . , c1, c0 不全為 0, 所以 f (x) 不是零多項式.
事實上我們可以找到次數為 n 的多項式 f (x) 使得 f (A) = O, 就是所謂的 characteristic polynomial.
Definition . 假設 A∈ Mn(F), 考慮 χA(x) = det(xIn− A) ∈ F[x], 稱為 A 的 characteristic polynomial.
注意有的書定義 det(A−xIn)為 A 的 characteristic polynomial, 我們用 det(xIn−A) 主要是 讓 χA(x) 是一個 monic polynomial (最高次項係數為 1). 利用降階求 determinant 的方法以 及數學歸納法, 我們可以知當 A 為 n× n matrix 時, χA(x) 的次數為 n 且最高次項係數為 1.
也可更進一步得到χA(x) 的次高項 (即 xn−1項) 係數為−tr(A) (註: tr(A) 為 A 的 trace, 即對 角線之和). 另外將 x = 0 代入χA(x) 可得χA(x) 的常數項為 χA(0) = det(−A) = (−1)ndet(A).
接下來我們來看看 similar matrices 它們的 characteristic polynomial 有什麼關係.
Proposition . 若 A, B∈ Mn(F) 且 A∼ B, 則 χA(x) =χB(x).
特別的, 當 T : V→V 是一個 linear operator,β,β′為 V 的 ordered bases, 由於 [T ]β ∼ [T]β′, 上一個 Proposition 告訴我們 χ[T ]β(x) =χ[T ]β′(x). 因此我們可以定義 linear operator 的 characteristic polynomial.
Definition . 假設 V 為 finite dimensional F-space. 對於 V 的 linear operator T : V → V, 任取 V 的一個 ordered basis β, 定義 T 的 characteristic polynomial 為 χ[T ]β(x), 且以 χT(x) 來表示.
有關於ㄧ個方陣的 characteristic polynomial 最重要性質就是以下的定理.
Theorem (Cayley-Hamilton Theorem). 若 A∈ Mn(F), χA(x) 為 A 的 characteristic poly- nomial, 則 χA(A) = O.
當β 為 V 的一個 ordered basis, T : V→ V 為 linear operator, 我們定義 χT(x) =χ[T ]β(x).
此時 χT(T ) 為 linear operator, 其對 β 的 representative matrix 為 [χ[T ]β(T )]β =χ[T ]β([T ]β).
故知 [χT(T )]β = O, 因此得 χT(T ) = O. 這就是 linear operator 版本的 Cayley-Hamilton Theorem.
Corollary (Cayley-Hamilton Theorem). 若 V 為 finite dimensional F-space, T : V → V 為 linear operator, 則 χT(T ) = O.
3. Minimal Polynomial
若 A 是 n× n matrix, 利用 A 的 characteristic polynomial, 我們知道存在次數為 n 的多 項式 f (X)∈ F[x] 使得 f (A) = O. 會不會有次數更小的多項式可以達到這個目的呢? 這是 有可能的, 例如 A = In 時, χIn(x) = (x− 1)n, 但考慮 f (x) = x− 1, 我們有 f (In) = In− In= O.
所以我們想要找到次數最小的非零多項式 f (X)∈ F[x] 使得 f (A) = O.
Definition . 設 A∈ Mn(F), 在所有非零多項式 f (x)∈ F[x] 中滿足 f (A) = O, 且次數最小 的 monic polynomial (即最高次項係數為 1) 稱為 A 的 minimal polynomial, 用 µA(x) 來表 示.
我們知道一定存在次數最小的非零多項式 f (x)∈ F[x] 使得 f (A) = O, 而這裡要求 monic 就是要求唯一性. 事實上若 f (x), g(x)∈ F[x] 為次數最小的非零 monic polynomial 使得 f (A) = g(A) = O, 因皆為次數最小故必有 deg( f ) = deg(g), 又要求 f (x), g(x) 為 monic, 故 知 deg( f (x)− g(x)) < deg( f (x)). 但此時 f (A) − g(A) = O − O = O, 故由次數最小的要求知
f (x)− g(x) 必為零多項式, 即 f (x) = g(x), 所以 minimal polynomial µA(x) 是唯一的.
接下來我們要問若 A∼ B, 那麼它們的 minimal polynomial µA(x),µB(x) 是否相等. 首先 來看一個 minimal polynomial 最基本的性質.
Lemma . 假設 A∈ Mn(F) 且 f (x)∈ F[x]. 則 f (A) = O 若且唯若 µA(x)| f (x).
現若 A∼ B, 知 µA(B)∼µA(A) = O, 然而和零矩陣 similar 的矩陣必為零矩陣 (因對任意 invertible matrix P, P−1·O·P = O), 故得µA(B) = O. 由前一個 Lemma 知µB(x)|µA(x). 同理 利用µB(A)∼µB(B) = O, 得µA(x)|µB(x). 然而µA(x),µB(x) 皆為 monic, 故得µA(x) =µB(x).
證得以下之結果.
Proposition . 若 A, B∈ Mn(F) 且 A∼ B, 則 µA(x) =µB(x).
我們也可以定一個 linear operator 的 minimal polynomial.
Definition . 設 V 為一個 finite dimensional F-space, T : V→ V 為一個 linear operator. 在 所有非零多項式 f (x)∈ F[x] 中滿足 f (T) = O, 且次數最小的 monic polynomial 稱為 T 的 minimal polynomial, 用 µT(x) 來表示.
同 matrix 的情形, T 的 minimal polynomial 必存在且唯一. 利用矩陣情形相同的證明方 法 (需用到零函數和任何函數合成仍為零函數) 我們會有以下結果.
Lemma . 假設 V 為一個 finite dimensional F-space, T : V → V 為一個 linear operator. 則 f (T ) = O 若且唯若 µT(x)| f (x).
當β 為 V 的 ordered basis, T 的 characteristic polynomialχT(x) 是由 T 的 representative matrix [T ]β 的 characteristic polynomial χ[T ]β(x) 定義而得. 不過 T 的 minimal polynomial µT(x) 並不是由µ[T ]β 定義得到, 所以我們要探討它們是否相同.
Proposition . 設 V 為一個 finite dimensional F-space, β 為 V 的一個 ordered basis 且 T : V → V 為 linear operator. 則
µT(x) =µ[T ]β(x).
最後我們來探討 minimal polynomial 和 characteristic polynomial 之間的關係.
Theorem .
(1) 假設 A∈ Mn(F), 則 µA(x)|χA(x). 而且若 p(x)∈ F[x] 是一個 irreducible polynomial, 則 p(x)|χA(x) 若且唯若 p(x)|µA(x).
(2) 假設 V 為 finite dimensional F-space, T : V → V 為 linear operator over F, 則 µT(x)|χT(x). 而且若 p(x)∈ F[x] 是一個 irreducible polynomial, 則 p(x) |χT(x) 若 且唯若 p(x)|µT(x).
利用以上的 Theorem, 我們馬上有以下的結果.
Corollary . 若 A∈ Mn(F) 且 χA(x) = pc11(x)··· pckk(x) 其中 ci∈ N, pi(x)∈ F[x] 為 monic irreducible polynomial 且 pi(x)̸= pj(x) for i̸= j, 則µA(x) = pm11(x)··· pmkk(x) 其中 1≤ mi≤ ci. 當然了對於 linear operator 也會有同樣的結果, 我們就不再贅述了. 這裡最重要的便是 要知道, 以後我們找一個方陣或一個 linear operator 的 minimal polynomial 的方法便是先 找到它的 characteristic polynomial, 然後再利用上一個 Theorem 從最小次數的情形一個一 個代入, 直到得到零矩陣或零函數時, 便是其 minimal polynomial 了.
Example . 考慮 linear operator T : P2(R) → P2(R) 滿足
T (1) = 2x2− 1,T(x + 1) = 3x2+ 2x + 2, T (−x2+ x + 1) = 4x2+ 2x + 2.
我們想找出 T 的 minimal polynomial µT(x).
首先考慮 P2(R) 的 ordered basis β = (−x2+ x + 1, x + 1, 1). 因
T (−x2+ x + 1) = (−4)(−x2+ x + 1) + 6(x + 1) T (x + 1) = (−3)(−x2+ x + 1) + 5(x + 1)
T (1) = (−2)(−x2+ x + 1) + 2(x + 1) + (−1)1 得 [T ]β =
−4 −3 −2
6 5 2
0 0 −1
. 計算得 χT(x) =χ[T ]β(x) = (x + 1)2(x− 2). 又
([T ]β+ I3)· ([T]β− 2I3) =
−3 −3 −2
6 6 2
0 0 0
·
−6 −3 −2
6 3 2
0 0 −3
=
0 0 6 0 0 −6 0 0 0
,
知 µT(x) =µ[T ]β(x)̸= (x + 1)(x − 2), 而得 µT(x) =µ[T ]β(x) = (x + 1)2(x− 2). 事實上
([T ]β+ I3)2· ([T]β− 2I3) =
−3 −3 −2
6 6 2
0 0 0
·
0 0 6 0 0 −6 0 0 0
= O.
4. Primary Decomposition
當 U,W 皆為 V 的 subspace 且 U∩W = {OV} 時, 我們會將 U +W 用 U ⊕W 來表示. 要注 意此時 U⊕W 指的是 V 的 subspace U +W. 我們用 U ⊕W 這個符號來強調 U ∩W = {OV} 並稱之為 U,W 的 internal direct sum.
當 V 為 finite dimensional vector space, 且 U 是 V 的 subspace. 我們可以找到另一個 V 的 subspace W 使得 V = U⊕W. 事實上任取 U 的一組 basis S = {u1, . . . , um}, 我們知可以 將 S 擴大成 V 的一組 basis {u1, . . . , um, w1, . . . , wn}. 此時若令 W = Span({w1, . . . , wn}), 由 於{u1, . . . , um, w1, . . . , wn} 為 linearly independent, 我們知 U ∩W = {OV}. 所以可得 U ⊕W 這一個 U,W 的 internal direct sum. 又因為 V = Span({u1, . . . , um, w1, . . . , wn}), 我們得 U⊕W = V. 由於將一組 linearly independent 元素擴展成 basis 的方法並不唯一, 從這裡我 們也了解到給定 V 的一個 subspace U, 可將 V 寫成 U⊕W 的 W 並不唯一.
將 V 寫成 internal direct sum V = U⊕W 的一個好處就是若 v ∈ V, 則存在唯一的 u ∈ U 以及 w∈ W 使得 v = u+w. 我們將 V 寫成兩個 subspaces 的 internal direct sum 的性質列 舉如下.
Proposition . 假設 U,W 為 V 的 subspaces. 下列是等價的 (1) V = U⊕W.
(2) 若 v∈ V, 則存在唯一的 u ∈ U,w ∈ W 使得 v = u + w.
(3) 對任意 U,W 的 basis S1, S2, 我們有 S1∩ S2= /0 且 S1∪ S2 為 V 的一組 basis.
我們可以把兩個 subspaces 的 internal direct sum 推廣到更多 subspaces 的 internal direct sum. 我們有以下之定義.
Definition . 假設 V1, . . . ,Vk 為 V 的 subspaces, 且 Vi∩ (
∑
j̸=i
Vj) ={OV}, ∀i = 1,...,k
則 V 的 subspace V1+··· +Vk 稱為 V1, . . . ,Vk 的 internal direct sum, 用 V1⊕ ··· ⊕Vk 表示.
再次強調, 對於 V 的 subspaces V1, . . . ,Vk, 我們都有 V1+···+Vk 這一個 subspace. 若我們 寫成 V1⊕ ··· ⊕Vk⊆ V 或強調為 internal direct sum, 便是說 V1, . . . ,Vk 滿足 Vi∩ (∑j̸=iVj) = {OV}, ∀i = 1,...,k 這些條件. 另外, 以後我們要談的 decomposition theorem, 都是將一個 vector space 拆解成一些 subspaces 的 internal direct sum, 因為我們不會去談所謂 external direct sum, 所以我們就不再強調為 internal direct sum, 直接稱為 direct sum..
將 vector space 寫成多個 subspaces 的 direct sum, 和寫成兩個 subspaces 的 direct sum 有同樣的性質. 由於證明和前一個 Proposition 相同, 我們就不再證明了.
Proposition . 假設 V1, . . . ,Vk 為 V 的 subspace. 下列是等價的 (1) V = V1⊕ ··· ⊕Vk.
(2) 若 v∈ V, 則對於所有 i = 1,...,k 皆存在唯一的 vi∈ Vi 使得 v = v1+··· + vk. (3) 對任意 Vi 的 basis Si, 我們有 S1∩ ··· ∩ Sk= /0 且 S1∪ ··· ∪ Sk 為 V 的一組 basis.
讓我們回到 linear operator. 若 T : V → V 為 linear operator, 我們希望將 V 寫成一些 subspaces 的 direct sum, 使這些 subspaces 的 ordered basis 所組成 V 的 ordered basis 讓 T 的 representative matrix 有比較好的形式. 要達到這個目的, 我們希望 T 限制在這些 subspaces 上是不會跑掉的 (即希望它們仍為 linear operator), 所以我們有以下的定義.
Definition . 假設 T : V → V 是一個 linear operator. 若 W 為 V 的 subspace 且滿足 T (W )⊆ W (即對所有 w ∈ W 皆有 T(w) ∈ W), 則稱 W 為 T-invariant.
很容易判斷 Im(T ) 和 Ker(T ) 皆為 T -invariant. 我們可以利用 f (x)∈ F[x] 得到更多 T -invariant subspaces.
Lemma . 假設 V 為 F-space, T : V → V 為 linear operator 且 f (x) ∈ F[x]. 則 Im( f (T)) 和 Ker( f (T )) 皆為 T -invariant subspaces.
Proof. 假設 w∈ Im( f (T)), 即存在 v ∈ V 使得 w = f (T)(v). 由 T ◦ f (T) = f (T) ◦ T, 因此 T (w) = T ( f (T )(v)) = (T◦ f (T))(v) = ( f (T) ◦ T)(v) = f (T)(T(v)) ∈ Im( f (T)), 得證 Im( f (T )) 為 T -invariant.
假設 v∈ Ker( f (T)), 亦即 f (T)(v) = OV. 此時 f (T )(T (v)) = T ( f (T )(v)) = T (OV) = OV, 亦即 T (v)∈ Ker( f (T)), 得證 Ker( f (T)) 為 T-invariant. 給定一個 linear operator T : V → V, 考慮 V 的一個 subspace W, 我們可以將 T 的定 義域限制在 W 上, 即考慮 T|W : W → V, 定義為 T|W(w) = T (w),∀w ∈ W. 這是一個從 W 到 V 的 linear transformation, 我們稱為 the restriction on W . 當 W 為 T -invariant 時, 因 T (w)∈ W, ∀w ∈ W, 我們有 T|W : W → W, 為一個 W 上的 linear operator. 我們自然可
以探討 T|W 和 T 的 minimal polynomial 之間的關係. 首先對於 f (x)∈ F[x], 因 W 亦為 f (T )-invariant, 我們有興趣知道 f (T )|W 和 f (T|W) 這兩個 W 的 linear operator 之間的關 係. 現對所有 w∈ W, 因
T◦2|W(w) = T◦2(w) = T (T (w)) = T|W(T|W(w)) = T|W◦2(w),
我們知 T◦2|W 和 T|W◦2 為 W 上相同的 linear operator. 利用數學歸納法可得 T◦i|W = T|W◦i,∀i ∈ N. 現若 f (x) = adxd+··· + a1x + a0∈ F[x], 則對於任意 w ∈ W, 皆有
f (T )|W(w) = f (T )(w) = adT◦d|W(w) +··· + a1T|W(w) + a0id|W(w)
= adT|W◦d(w) +··· + a1T|W(w) + a0id|W(w) = f (T|W)(w).
也就是說 f (T )|W 和 f (T|W) 是 W 上相同的 linear operator, 因此知 f (T )|W = f (T|W).
利用此結果, 我們有以下之 Lemma.
Lemma . 假設 T : V→ V 為 linear operator, W 為 T-invariant subspace, 則 T 的 restriction on W , T|W : W → W 為 W 上的 linear operator, 且其 minimal polynomial µT|W(x) 滿足
µT|W(x)|µT(x).
假 設 V 可 以 寫 成 兩 個 T -invariant subspace U,W 的 (internal) direct sum V = U⊕ W , 分 別 選 取 U,W 的 一 個 ordered basis β1 = (u1, . . . , ul),β2 = (w1, . . . , wm), 則 知 β = (u1, . . . , ul, w1, . . . , wm) 亦為 V 的 ordered basis. 此時由於 T (ui) = T|U(ui)∈ U, 我們知 [T ]β 的前面 l 個 columns, 每個 column 的前 l 個 entry 都和 [T|U]β1 相同, 而且後面 m 個 entry 皆為 0. 同樣的, 由於 T (wj) = T|W(wj)∈ W, 我們知 [T]β 的後面 m 個 columns, 每個 column 的前 l 個 entry 都是 0 而後面 m 個 entry 皆和 [T|W]β2 相同. 也就是說 T 對於 β 的 representative matrix 為
[T ]β =
( [T|U]β1 O O [T|W]β2
)
利用這個結果我們就可以得到 characteristic polynomial 的關係了.
Lemma . 假設 V 為 finite dimensional F-space, T : V→V 為 linear operator. 若 V =U ⊕W, 其中 U,W 為 T -invariant subspace, 則
χT(x) =χT|U(x)χT|W(x).
至於 minimal polynomial, 我們可以得到以下的關係.
Lemma . 假設 V 為 finite dimensional F-space, T : V→V 為 linear operator. 若 V =U ⊕W, 其中 U,W 為 T -invariant subspace, 則
µT(x) = lcm(µT|U(x),µT|W(x)).
現在我們來說明如何將 V 寫成 T -invariant subspaces 的 direct sum.
Theorem . 假設 V 為 finite dimensional F-space, T : V → V 為 linear operator 且 µT(x) = f (x)g(x), 其 中 f (x), g(x)∈ F[x] 為 monic polynomials 且 relatively prime. 若 令 U = Ker( f (T )), W = Ker(g(T )), 則 V 可以寫成 T -invariant subspaces U,W 的 internal direct sum, 即 V = U⊕W, 而且 µT|U(x) = f (x) 以及 µT|W(x) = g(x).
上個定理告訴我們可以利用找 kernel 得到 T -invariant subspace. 回顧一下, 對於 linear operator T : V → V, 要找到 Ker(T), 我們可以利用 V 的 ordered basisβ, 先得到 representa- tive matrix [T ]β. 再求 [T ]β 的 null space N([T ]β) (我們用 N(A) 表示矩陣 A 的 null space).
接著將 null space 的元素用 τβ◦−1 還原成 V 的元素, 就得到 Ker(T ) 的元素了.
F[x] 是一個 unique factorization domain (U.F.D.), 表示 F[x] 中的非常數多項式都可 以唯一寫成一些 irreducible polynomials 的乘積. 因此對於 linear operator T 的 mini- mal polynomial, 我們可以找到相異的 monic irreducible polynomials p1(x), . . . , pk(x) 使得 µT(x) = p1(x)m1··· pk(x)mk, 其中 m1, . . . , mk ∈ N. 由於 characteristic polynomial χT(x) 和 µT(x) 有相同的質因式且 µT(x)|χT(x), 我們知道 χT(x) = p1(x)c1··· pk(x)ck, 其中 ci∈ N 且 ci≥ mi.
Theorem (Primary Decomposition Theorem). 假設 V 是 dimension 為 n 的 F-space, T : V → V 為 linear operator 且
µT(x) = p1(x)m1··· pk(x)mk and χT(x) = p1(x)c1··· pk(x)ck
其 中 ci, mi ∈ N 且 p1(x), . . . , pk(x) 為 相 異 的 monic irreducible polynomials. 若 令 Vi = Ker(pi(T )◦mi), for i = 1, . . . , k, 則
V = V1⊕ ··· ⊕Vk
且
µT|Vi(x) = pi(x)mi and χT|Vi(x) = pi(x)ci,∀i = 1,...,k.
Primary Decomposition Theorem 告訴我們, 若 linear operator T : V → V 的 characteristic polynomial (或 minimal polynomial) 是 p1(x)c1··· pk(x)ck, 則我們可以找到 V 的 ordered basis β, 使得 [T ]β 為以下的 block diagonal matrix
A
1 . ..O O Ak
,
其中每個 Ai 的 characteristic polynomial 為 χAi(x) = pi(x)ci. 因此以後我們只要個別探討 linear operator 其 characteristic polynomial 為 p(x)c (其中 p(x) 為 monic irreducible, c∈ N) 這種情形就可以了.
對於 n×n 方陣 A ∈ Mn(F), 我們也可以利用 linear operator 的 primary decomposition 的 概念找到 invertible matrix P∈ Mn(F) 使得 P−1· A · P 為 block diagonal matrix. 我們可以 將 A 看成是 linear transformation T : Fn→ Fn 其定義為 T (x) = Ax. 此時 A 便是 T 對於標