最后更新: 2025-10-17 09:41 查看: 64 次纠错评论(0) 课件开VIP

Jordan－Chevally 分解定理

## Jordan-Chevally 分解定理
**定理1.3**（Jordan－Chevally 分解定理）设 $V$ 是数域 $K$ 上的 $n$维线性空间， $\boldsymbol{A}$ 是 $V$ 内一个线性变换，且 $\boldsymbol{A}$ 的特征多项式的根全属于 $K$ ．那么，我们有如下结论：
（i）存在 $V$ 内唯一的半单线性变换 $\boldsymbol{S}$ ，幂零线性变换 $\boldsymbol{N}$ ，使得 $\boldsymbol{A} =\boldsymbol{S}+\boldsymbol{N}$ ，而且 $\boldsymbol{S} \boldsymbol{N}=\boldsymbol{N} \boldsymbol{S}$ ；
（ii）存在 $g(x), h(x) \in K[x], g(0)=h(0)=0$ ，使得
$$
\mathbf{S}=g(\boldsymbol{A}), \quad \boldsymbol{N}=h(\boldsymbol{A})
$$

证 现在 $\boldsymbol{A}$ 的特征多项式 $f(\lambda)$ 有分解式

$$
f(\lambda)=\left(\lambda-\lambda_1\right)^{e_1}\left(\lambda-\lambda_2\right)^{e_2} \cdots\left(\lambda-\lambda_s\right)^{e_s} \quad\left(\lambda_i \neq \lambda_j\right) .
$$

按命题 $1.7, V$ 有分解式

$$
V=M_1 \oplus M_2 \oplus \cdots \oplus M_s
$$

其中 $M_i=\operatorname{Ker}\left(\boldsymbol{A}-\lambda_i \boldsymbol{E}\right)^{e_i}$ ．
令 $m_i(\lambda)=\left(\lambda-\lambda_i\right)^{e_i}, m(\lambda)=\lambda$（当 $\lambda_1, \lambda_2, \cdots, \lambda_s$ 中有等于 0 的时候，不要 $m(\lambda))$ ，则 $m_1(\lambda), \cdots, m_s(\lambda), m(\lambda)$ 两两互素，按中国剩余定理，有 $g(\lambda) \in K[\lambda]$ ，使

$$
g(\lambda) \equiv \lambda_i\left(\bmod m_i(\lambda)\right), g(\lambda) \equiv 0(\bmod m(\lambda))
$$

令 $h(\lambda)=\lambda-g(\lambda)$ ．现在 $g(\lambda)=k(\lambda) \cdot \lambda$ ，故 $g(0)=h(0)=0$ ．
现在取 $\boldsymbol{S}=g(\boldsymbol{A}), \boldsymbol{N}=h(\boldsymbol{A})$ ，显然有 $\boldsymbol{S} \boldsymbol{N}=\boldsymbol{N} \boldsymbol{S}$ ．由于

$$
g(\lambda)=\lambda_i+k_i(\lambda) m_i(\lambda)=\lambda_i+k_i(\lambda)\left(\lambda-\lambda_i\right)^{e_i},
$$
$$
\mathbf{S}=g(\boldsymbol{A}), \quad \boldsymbol{N}=h(\boldsymbol{A})
$$

故

$$
\boldsymbol{S}-\lambda_i \boldsymbol{E}=g(\boldsymbol{A})-\lambda_i \boldsymbol{E}=k_i(\boldsymbol{A})\left(\boldsymbol{A}-\lambda_i \boldsymbol{E}\right)^{e_i} .
$$

因为 $\left(\boldsymbol{A}-\lambda_i \boldsymbol{E}\right)^{e^e}$ 限制在 $M_i$ 内变为 $\mathbf{0}$ ，故 $\boldsymbol{S}-\lambda_i \boldsymbol{E}$ 限制在 $M_i$ 内变为 $\mathbf{0}$ ，亦即有 $\left.\boldsymbol{S}\right|_{M_i}=\left.\lambda_i \boldsymbol{E}\right|_{M_i}$ 。而 $V$ 为 $M_1, \cdots, M_s$ 的直和，于是 $\boldsymbol{S}$ 的矩阵可对角化，按第七章命题 3.3 的推论 3 知 $S$ 为 $V$ 内半单线性变换．而

$$
\boldsymbol{N}=h(\boldsymbol{A})=\boldsymbol{A}-g(\boldsymbol{A})=\boldsymbol{A}-\lambda_i \boldsymbol{E}-k_i(\boldsymbol{A})\left(\boldsymbol{A}-\lambda_i \boldsymbol{E}\right)^{e_i} .
$$

因为 $\left(\boldsymbol{A}-\lambda_i \boldsymbol{E}\right)^{e_i}$ 限制在 $M_i$ 内为 $\mathbf{0}$ ，故 $\left.\boldsymbol{N}\right|_{M_i}=\left.\left(\boldsymbol{A}-\lambda_i \boldsymbol{E}\right)\right|_{M_i}$ 为 $M_i$ 内幂零线性变换，而 $V$ 为 $M_1, \cdots, M_s$ 的直和，由此知 $\boldsymbol{N}$ 为 $V$ 内幂零线性变换。

假如又有 $V$ 内半单线性变换 $S_1$ ，幂零线性变换 $N_1$ ，而且 $S_1 N_1= N_1 S_1$ ，使 $A=S+N=S_1+N_1$ ．我们来证 $S_1=S$ ，从而也有 $N_1=N$ ．这里的关键是证 $S_1$ 的特征多项式的根也全属于 $K$ 。

（a） $\boldsymbol{S}_1$ 与 $\boldsymbol{N}_1$ 显然与 $\boldsymbol{A}$ 可交换，而 $\boldsymbol{S}=g(\boldsymbol{A}), \boldsymbol{N}=h(\boldsymbol{A})$ ，故它们也与 $S, N$ 可交换。对任意 $\alpha \in M_i$ ，有

$$
\begin{aligned}
\left(A-\lambda_i E\right)^{e_i} S_1 \alpha & =S_1\left(A-\lambda_i E\right)^{e_i} \alpha=0, \\
\left(A-\lambda_i E\right)^{e_i} N_1 \alpha & =N_1\left(A-\lambda_i E\right)^{e_i} \alpha=0 .
\end{aligned}
$$

故 $M_i(i=1,2, \cdots, s)$ 为 $\boldsymbol{A}, \boldsymbol{S}, \boldsymbol{N}, \boldsymbol{S}_1, \boldsymbol{N}_1$ 的公共不变子空间。令 $\boldsymbol{L}=\boldsymbol{N}- N_1$ ，则 $M_i$ 也是 $L$ 的不变子空间，$N_1, N$ 均幂零且可交换，故 $L$ 也幂零 （见第七章习题一第8题），而 $M_i$ 内 $\boldsymbol{S}=\lambda_i \boldsymbol{E}$ ，故在 $M_i$ 内有

$$
S_1=S+\left(N-N_1\right)=\lambda_i E+L .
$$

按第七章命题2．1，在 $M_i$ 内存在一组基，在该组基下 $\left.S_1\right|_{M_i}$ 的矩阵成 Jordan 形，其主对角线上元素全为 $\lambda_i$ 。把各 $M_i$ 中的基合并为 $V$ 的基，则在此基下 $\boldsymbol{S}_1$ 的矩阵成 Jordan 形，主对角线上元素为 $\lambda_1, \lambda_2, \cdots$ ， $\lambda_s \in K$ ，即 $S_1$ 的特征多项式的根全属 $K$ 。
（b）按照第七章命题 3.3 的推论 $3, S_1$ 的矩阵可对角化．再按第四章命题4．6，$\left.S_1\right|_{M_i}$ 的矩阵也可对角化．但 $\left.S_1\right|_{M_i}$ 仅有一个特征值 $\lambda_i$ ，于是

$$
\left.\boldsymbol{S}_1\right|_{M_i}=\lambda_i \boldsymbol{E}=\left.\boldsymbol{S}\right|_{M_i} .
$$

由于 $V$ 是 $M_1, M_2, \cdots, M_s$ 的直和，由上式立知 $S_1=S$ ，从而 $N_1=N$ ．这表明满足定理要求的 $S, N$ 是唯一的．

## 解读本节内容

我们来通俗地解释一下 **Jordan-Chevalley 分解定理**。

### 1. 核心思想：一个“医生”的比喻

想象一个复杂的物体（比如一个人）。一个医生可以从两个不同的角度来分析他：

1.  **他的“稳定结构”**：比如他的骨骼框架，这部分是相对稳定、不会突然变化的。
2.  **他的“可消去活动”**：比如他身体里的一些炎症、病毒，这部分是活跃的，但可以通过治疗（比如用药）来消除。

**Jordan-Chevalley 分解定理** 说的就是：任何一个复杂的线性变换（或矩阵），都可以唯一地分解成两个“好”的部分之和：

*   一个**半单**的部分（就像“稳定结构”）。
*   一个**幂零**的部分（就像“可消去的活动”）。

而且，这两个部分不仅性质良好，它们还“彼此兼容”（可以交换）。

---

### 2. 分解的两个部分

让我们来详细看看这两个“好”的部分是什么：

#### a) 半单部分

*   **通俗理解**：这是变换中“最整洁”、“最可对角化”的核心部分。你可以把它想象成变换的“骨架”或“稳定框架”。
*   **数学性质**：在代数闭域（比如复数域）上，半单矩阵等价于**可对角化**的矩阵。也就是说，它只是在各个特征向量的方向上做纯粹的拉伸或压缩，不会产生任何复杂的“旋转”或“纠缠”效应。
*   **特点**：它的行为非常容易理解和预测。

#### b) 幂零部分

*   **通俗理解**：这是变换中“最终会消失”的混乱部分。就像一个不断衰减的扰动或噪声。
*   **数学性质**：存在一个正整数 $ k $，使得 $ N^k = 0 $（零矩阵）。这意味着，如果你反复应用这个变换足够多次，它的效果最终会完全归零。
*   **特点**：它代表了变换的“nil”（无）的倾向，是造成 Jordan 标准型中那些上三角的“1”的原因，它让不同的特征空间之间产生“耦合”或“混合”。

#### c) 关键关系：可交换性

分解定理最强大的地方在于，这两个部分**是可交换**的，即：
$$ S \cdot N = N \cdot S $$
这意味着半单部分和幂零部分不会互相干扰。你可以先应用骨架变换再应用扰动，或者先应用扰动再应用骨架变换，结果是一样的。这就像医生开的两种药之间没有不良反应一样，使得分析和处理变得非常简单。

---

### 3. 一个具体的例子

考虑一个 Jordan 块：
$$
A = \begin{bmatrix}
2 & 1 \\
0 & 2
\end{bmatrix}
$$

我们可以把它分解为：

*   **半单部分 (S)**：提取出对角线上的特征值。
  $$
  S = \begin{bmatrix}
  2 & 0 \\
  0 & 2
  \end{bmatrix}
  $$
  这是一个纯拉伸变换（在所有方向上都放大2倍）。

*   **幂零部分 (N)**：剩下的上三角部分。
  $$
  N = \begin{bmatrix}
  0 & 1 \\
  0 & 0
  \end{bmatrix}
  $$
  注意 $ N^2 = \begin{bmatrix} 0 & 0 \\ 0 & 0 \end{bmatrix} $，所以它是幂零的。

验证：
$$
S + N = \begin{bmatrix} 2 & 0 \\ 0 & 2 \end{bmatrix} + \begin{bmatrix} 0 & 1 \\ 0 & 0 \end{bmatrix} = \begin{bmatrix} 2 & 1 \\ 0 & 2 \end{bmatrix} = A
$$
并且 $ S \cdot N = N \cdot S $，因为它们可交换。

这个分解告诉我们，矩阵 $ A $ 的整体效果，可以看作是“一个纯粹的2倍缩放”加上一个“最终会消失的微小混合扰动”。

---

### 4. 为什么这个定理如此重要？

1.  **简化问题**：研究一个复杂的变换 $ T $，可以转化为分别研究其简单的半单部分 $ S $ 和幂零部分 $ N $。很多问题在这两个部分上更容易解决。
2.  **连接李理论**：在李群和李代数中，这个分解是基础性的。它帮助我们将群中的元素与其李代数中的元素联系起来，是理解指数映射等核心概念的关键。
3.  **推进不可约性**：在表示论中，这个定理保证了（在良好条件下）一个表示的不可约性等价于其半单部分的不可约性，从而极大地简化了分类问题。
4.  **计算上的好处**：这个分解是“自然”的，不依赖于基的选取。如果 $ T $ 与另一个矩阵 $ M $ 可交换，那么 $ S $ 和 $ N $ 也分别与 $ M $ 可交换。这个性质非常强大。

### 总结

**Jordan-Chevalley 分解定理** 可以比作一个“结构医生”。它告诉我们，任何一个复杂的线性变换，其内在结构都可以被清晰地解剖为：

**一个稳定的、可对角化的“骨架” + 一个暂时的、终将消亡的“扰动”**

这种分解不仅是唯一的，而且两部分和谐共存（可交换），为我们深入理解线性变换的本质提供了一个极其有力的框架。

科数题库(单机版) 会议室预约系统(book)

今日还可看 0 篇未注册用户每天查看4篇，注册用户每天8篇，开通VIP会员无限制查看。

免费注册

《高等数学》难点解析

高数教程 泰勒公式切线与法线切平面与法平面驻点·拐点·极值点·零点间断点渐进线瑕积分欧拉方程伯努利方程 Abel 收敛定理偏导数的几何意义偏导数的几何意义梯度数量场与向量场多元函数极值拉格朗日算子通量与散度环流量与旋度格林公式高斯公式斯托克斯公式三大公式比较傅里叶级数极坐标微元点法式方程变上限定积分 X型计算面积 Y型计算面积微分的意义渐近线间断点 y''+py'+qy=f(x)方程高斯黎曼傅里叶变换(复数) 拉普拉斯变换(复数)

《线性代数》难点解析

线代教程 近世代数对数学的整体思考线性的意义矩阵乘法(列视角) 矩阵乘法(行视角) 矩阵左乘矩阵右乘逆矩阵求解方程组阶梯形矩阵的求法方程组解的判定四阶行列式的计算线性变换的意义线性空间向量组的等价线性空间的几何意义基础解系的求法施密特正交化特征值与特征向量的意义矩阵相似的几何意义矩阵可对角化的理解秩的意义(向量版) 秩的意义(方程版) 二次型的意义

《概率论与数理统计》难点解析

概率教程 置信区间与上a分位数概率中的“取”与“放” 贝叶斯公式全概率公式泊松分布指数分布伽玛分布二维密度图的意义卷积的意义相关系数的意义 k阶矩是与矩母函数卡方分布的作用单正态区间估计理解假设检验理解切比雪夫不等式中心极限定理

上一篇：中国剩余定理与格朗日插值多项式

下一篇： C R Q 上多项式的因式分解与高等代数基本定理

本文对您是否有用？有用 (0) 无用 (0)