特徵理論與對角化

廣義特徵子空間

當算子虧損時,它尋常的特徵子空間太小,無法填滿整個空間。廣義特徵子空間正是這道修補:你不再止步於被 (A - lambda I) 零化的向量,還收集被某個冪 (A - lambda I)^k 零化的向量。這些額外的向量恰好填上了缺失特徵向量留下的洞。

形式地說,lambda 的廣義特徵子空間是 G_lambda = ker(A - lambda I)^k,其中 k 大到使核不再增長即可(取 k 等於代數重數總是足夠的)。它的維數等於 lambda 的代數重數——而非僅僅幾何重數——所以廣義特徵子空間總是「足夠大」。它把尋常特徵子空間作為 k = 1 那一層包含在內。

決定性的定理:在 C 上,整個空間是各廣義特徵子空間的直和,V = G_lambda_1 (+) ... (+) G_lambda_m。即便 A 虧損、無法對角化,這個分解也總成立。在每個廣義特徵子空間內部挑選一組聰明的基(Jordan 鏈),便得到 Jordan 標準形——任何複矩陣的通用標準形。

G_lambda = ker (A - lambda I)^k , dim G_lambda = algebraic multiplicity of lambda

廣義特徵子空間不斷增長,直到維數與代數重數相等,從而填補虧損。

使 ker(A - lambda I)^k 穩定下來的最小 k,是 lambda 最大 Jordan 塊的大小(該特徵值的指數)。對可對角化矩陣,處處 k = 1,廣義特徵子空間退回為尋常特徵子空間。

又稱
generalized eigenspaceroot subspace