线性映射及其结构
对不变子空间的限制
V 的子空间 W 在算子 T 下不变,是指 T 从不把 W 中的向量带到 W 之外——即 T(W) 含于 W。这成立时,T 可被限制到 W 上:法则 v -> T(v) 作为算子 T|_W : W -> W 完全说得通,因为输出保证落回 W 中。不变性正是让你能在一个更小的舞台上研究 T 的条件。
不变子空间是大算子被拆成小算子的途径。最干净的来源是特征向量:任何特征空间都不变,任何特征向量的张成、任何广义特征空间、以及 T 的任何多项式的核与像也都不变。寻找不变子空间,与理解算子的内部结构是同一个问题。
矩阵上的红利是块三角形。把不变子空间 W 的一组基扩成 V 的整组基。在那组基下,T 的矩阵在左下角有一个零块:它形如 [A, B; 0, C]。左上块 A 就是限制 T|_W 的矩阵。若你够幸运,也有一个互补的不变子空间,则非对角块 B 也消失,矩阵成为块对角——T 分裂为两个较小算子的直和。
这种块结构是标准形背后的实用引擎。行列式与特征多项式沿对角块分解:det T = det A 乘 det C,T 的特征多项式是各块特征多项式之积。一次剥下一个不变子空间,你便把任一算子约化为可处理的部分。
[T] = [A, B; 0, C] when W is T-invariant
先取不变子空间的基,会把左下块清零;左上块就是被限制的算子。
块三角只需一个不变子空间;块对角需要一对互补的不变子空间。二者之差恰是那个非对角块,处理它正是商空间诱导映射与若尔当形的用途。
又称
另见