(补充)证明线性递推相关的Hamilton-Cayley定理

我很久以前曾经写过一篇关于线性递推的矩阵分析的文章,不过在特征多项式有重根的情况下的证明却没有具体描述,只是推锅给极小扰动。其实是我当时自己也一知半解。在大学系统接触线性代数后,我学到了完整的证明\(p_A(A)=0\)的方法,其中\(p_A(\lambda)\)表示\(A\)的特征多项式,放在这里供大家参考。

手机写公式太麻烦了,等网线寄到了在电脑上补。

来补了。

首先规定一个常用的矩阵表示方法。可以将一个矩阵纵横切割分为若干方块。例如\(A=\left[\begin{matrix}A_{11}& A_{12}\\A_{21}&A_{22}\end{matrix}\right]\),矩阵内的四部分也是矩阵,相当于拼合在了一起。当然,同一列的矩阵必须等宽,同一行的矩阵必须等高。运算时,可以将每个小矩阵视作独立元素,按照矩阵乘法规则运算,可以验证这一算法的正确性。不过要使用这种方式,左矩阵的列分割情况和右矩阵行分割情况要相同。

\(p_A(\lambda)\)表示\(A\)的特征多项式,\(\lambda_1,\lambda_2,\dots,\lambda_n\)表示该多项式的根。

命题\(1\):对于\(n\times n\)的方阵\(A\),则存在可逆矩阵\(X\)和上三角矩阵\(U\),使得\(A=X^{-1}UX\)

证明:利用数学归纳法,\(n=1\)时,令\(X=I\)即得。假设\(n=k-1\)时,命题成立。

考虑对\(k\)阶方阵\(A\),先取其中一个特征值\(\lambda_1\)和对应的特征向量\(x_1\),从\(x_1\)扩张出一组基\(x_1,x_2,\dots,x_n\),令\(X_1=\left[\begin{matrix}x_1&x_2&\dots&x_n\end{matrix}\right]=\left[\begin{matrix}x_1&X_{2}\end{matrix}\right]\),由于\(X_1\)可逆,存在\(M=X_1^{-1}AX_1\),即\(AX_1=X_1M\)。那么:

\[AX_1=\left[\begin{matrix}Ax_1&AX_{2}\end{matrix}\right]=\left[\begin{matrix}\lambda_1x_1&AX_{2}\end{matrix}\right]=\left[\begin{matrix}x_1&X_{2}\end{matrix}\right]\left[\begin{matrix}\lambda_1&v^T\\ \boldsymbol 0&\tilde A\end{matrix}\right] \]

因此\(M=\left[\begin{matrix}\lambda_1&v^T\\ \boldsymbol 0&\tilde A\end{matrix}\right]\),由归纳假设,存在可逆矩阵\(\tilde X\),上三角矩阵\(\tilde U\),使得\(\tilde A=\tilde X^{-1}\tilde U\tilde X\),则:

\[M=\left[\begin{matrix}\lambda_1&v^T\\ \boldsymbol 0&\tilde X^{-1}\tilde U\tilde X\end{matrix}\right]=\left[\begin{matrix}1&\boldsymbol 0^T\\\boldsymbol 0 &\tilde X^{-1}\end{matrix}\right]\left[\begin{matrix}\lambda_1&v^T\tilde X^{-1}\\ \boldsymbol 0 &\tilde U\end{matrix}\right]\left[\begin{matrix}1&\boldsymbol 0^T \\ \boldsymbol 0 & \tilde X\end{matrix}\right] \]

注意到\(\left[\begin{matrix}1&\boldsymbol 0^T\\\boldsymbol 0 &\tilde X\end{matrix}\right]^{-1}=\left[\begin{matrix}1&\boldsymbol 0^T\\\boldsymbol 0 &\tilde X^{-1}\end{matrix}\right]\),于是可以有:

\[A=X_1^{-1}\left[\begin{matrix}1&\boldsymbol 0^T\\\boldsymbol 0 &\tilde X\end{matrix}\right]^{-1}\left[\begin{matrix}\lambda_1&v^T\tilde X^{-1}\\ \boldsymbol 0 &\tilde U\end{matrix}\right]\left[\begin{matrix}1&\boldsymbol 0^T \\ \boldsymbol 0 & \tilde X\end{matrix}\right]X_1 \]

\(X=\left[\begin{matrix}1&\boldsymbol 0^T \\ \boldsymbol 0 & \tilde X\end{matrix}\right]X_1\)\(U=\left[\begin{matrix}\lambda_1&v^T\tilde X^{-1}\\ \boldsymbol 0 &\tilde U\end{matrix}\right]\),显然符合条件。

证毕。

命题\(2\):对于上三角矩阵\(U\),其对角元素恰是其特征多项式的\(n\)个根。

证明:只需利用行列式的展开式即可,对于\(\det(\lambda I-U)\),其严格下三角元素都为\(0\),因此贡献非\(0\)的排列只有\(1,2,\dots,n\),贡献为\(\prod_{i=1}^n (\lambda-U_{ii})\)。证毕。

命题\(3\):若\(A=X^{-1}UX\)如命题\(1\)所述,则\(p_A(\lambda)=p_U(\lambda)\)

证明:$$p_U(\lambda)=\det(\lambda I-XAX^{-1})=\det( X\lambda IX{-1}-XAX)$$$$=\det(X)\det(\lambda I-A)\det(X^{-1})=\det(\lambda I-A)=p_A(\lambda)$$

证毕。

命题\(4\):若\(A=X^{-1}UX\)如命题\(1\)所述,则\(p_A(A)=X^{-1}p_A(U)X\)

证明:\(A^k=(X^{-1}UX)^k=X^{-1}(UXX^{-1})^{k-1}UX=X^{-1}U^kX\)

对于\(p_A(A)\)的每一项都是如此,即得。证毕。

命题\(5\):若\(U\)为上三角矩阵,则\(p_U(U)=0\)

证明:考虑\(p_U(\lambda)=\prod_{i=1}^n(\lambda-\lambda_i)\),由命题\(2\),可以调换相乘顺序使\(\lambda_i=U_{ii}\),则\(p_U(U)=\prod_{i=1}^n(U-\lambda_i I)\)。其中,第\(i\)个矩阵的\((i,i)\)号元素为\(0\)

\(B_i=U-\lambda_i I\)。考虑矩阵乘法的定义,对于矩阵\(\prod_{i=1}^nB_i\),其\((k_0,k_n)\)号元素是若干\(B_{1(k_0k_1)}*B_{2(k_1k_2)}*\dots*B_{n(k_{n-1}k_n)}\)的贡献总和,可以将其中一条路径抽象为\(k_0\to k_1\to\dots \to k_n\),只要证明每一条路径贡献为\(0\)即可。

考虑\(B_i\)都是上三角矩阵,因此若\(i>j\)\(i\to j\)的贡献就是\(0\),因此\(k_0\to k_1\to\dots \to k_n\)若想有贡献,其必须是非减的,即\(k_0\leq k_1\leq \dots\leq k_n\),而\(k_n-k_1\leq n-1\),不等号有\(n\)个,因此不可能全取小于,必有至少一个不等号取等。

假设其中一个为\(k_{i-1}=k_{i}\),分三种情况:

1.\(k_{i-1}=i\),则\(k_{i-1}\to k_i\)的转移在第\(i\)个矩阵\(B_i\)上,而\(B_i\)\((i,i)\)号元素为\(0\)。则路径的贡献是\(0\)

2.\(k_{i-1}\leq i-1\),此时\(n>1\)。考虑序列\(k_0\to k_1\to \dots \to k_{i-1}\),有\(k_{i-1}-k_0\leq i-2\),却有\(i-1\)个转移,和总体的情况类似,必有等号,可以递归考虑。

3.\(k_{i-1}\geq i+1\),与情况\(2\)类似。

\(2,3\)发生时\(n>1\),必不可能一直发生下去,一定会出现情况\(1\)。因此任意路径贡献为\(0\),也就证明了命题。证毕。

命题\(6\)\(p_A(A)=0\)

证明:若\(A=X^{-1}UX\)如命题\(1\)所述,则\(p_A(A)=X^{-1}p_A(U)X=X^{-1}p_U(U)X=0\)

证毕。

posted @ 2020-09-19 11:22  Mr_Spade  阅读(569)  评论(0编辑  收藏  举报