1. Введение
При изучении линейной алгебры мы сталкиваемся со множеством красивых теорем и формул. Среди них теорема Кэли-Гамильтона (Cayley-Hamilton theorem) — один из самых поразительных результатов, который на первый взгляд кажется почти магией.
Вкратце, эта теорема утверждает, что «любая квадратная матрица удовлетворяет своему собственному характеристическому уравнению». Характеристическое уравнение — это алгебраическое уравнение, решаемое для нахождения собственных значений матрицы. Теорема делает неожиданное заявление: если саму матрицу подставить в качестве переменной в это уравнение, то результатом будет нулевая матрица. Поразительно, что массив чисел — матрица — является корнем многочлена, выведенного из её собственных свойств.
В этой статье мы подробно разберём теорему Кэли-Гамильтона, начиная с повторения базовых понятий, её интуитивного смысла, строгого доказательства и заканчивая практическим применением для вычисления степеней и обратных матриц с множеством конкретных примеров.
2. Место и значение в линейной алгебре
Линейная алгебра сегодня является фундаментальной дисциплиной для многих областей, от математики и физики до инженерии, машинного обучения и науки о данных. Матрицы выступают мощным инструментом для представления линейных отображений в этих сферах.
Теорема Кэли-Гамильтона является ключом к глубокому пониманию алгебраических свойств матриц. Она позволяет сводить матричные многочлены высоких степеней к многочленам меньшей степени, служа мостом между бесконечномерными и конечномерными пространствами. Теорема часто встречается на практике, например, при анализе управляемости и наблюдаемости в теории управления или при вычислении операторов в квантовой механике.
3. Повторение характеристического уравнения и собственных значений
Чтобы понять теорему, давайте сначала вспомним понятия характеристического уравнения (characteristic equation) и собственных значений (eigenvalues).
Для квадратной матрицы $A$ порядка $n \times n$, если существует скаляр $\lambda$ и ненулевой вектор $\mathbf{x}$, удовлетворяющие следующему соотношению, то $\lambda$ называется собственным значением матрицы $A$, а $\mathbf{x}$ — её собственным вектором (eigenvector).
$$ A \mathbf{x} = \lambda \mathbf{x} $$Это уравнение означает, что результат умножения вектора $\mathbf{x}$ на матрицу $A$ — это просто вектор $\mathbf{x}$, масштабированный в $\lambda$ раз. Немного преобразуем это уравнение. Пусть $I$ — единичная матрица порядка $n$.
$$ (\lambda I - A) \mathbf{x} = \mathbf{0} $$Необходимым и достаточным условием того, чтобы вектор $\mathbf{x}$ имел ненулевое (нетривиальное) решение, является необратимость матрицы коэффициентов $(\lambda I - A)$, что означает равенство её определителя нулю.
$$ \det(\lambda I - A) = 0 $$Это уравнение называется характеристическим уравнением матрицы $A$. Кроме того, многочлен в левой части $p(\lambda) = \det(\lambda I - A)$ называется характеристическим многочленом (characteristic polynomial). По определению определителя, $p(\lambda)$ является многочленом степени $n$ относительно $\lambda$.
$$ p(\lambda) = \lambda^n + c_{n-1}\lambda^{n-1} + \dots + c_1\lambda + c_0 $$Известно, что $c_{n-1} = -\text{tr}(A)$ (минус след матрицы), а $c_0 = (-1)^n \det(A)$.
4. Формулировка теоремы Кэли-Гамильтона
Теперь перейдём к сути теоремы Кэли-Гамильтона. Формулировка теоремы очень проста, но производит сильное впечатление.
$$ p(A) = A^n + c_{n-1}A^{n-1} + \dots + c_1 A + c_0 I = O $$
Важно отметить, что свободный член $c_0$ в матричном многочлене превращается в $c_0 I$ (скалярное кратное единичной матрицы). Поскольку нельзя напрямую складывать скаляр и матрицу, необходимо домножение на единичную матрицу.
graph TD
A["Квадратная матрица A"] --> B["Вычислить характеристический многочлен p(λ)"]
B --> C["Подставить λ = A"]
C -->|"Применить теорему"| D["Получается нулевая матрица O"]
5. Конкретный пример и вычисление с матрицей 2x2
Абстрактные определения иногда трудно понять, поэтому давайте проверим теорему конкретными вычислениями для самого знакомого случая: матрицы $2 \times 2$.
Зададим матрицу $A$ в общем виде:
$$ A = \begin{pmatrix} a & b \\ c & d \end{pmatrix} $$Сначала вычислим характеристический многочлен $p(\lambda)$.
$$ \begin{aligned} p(\lambda) &= \det(\lambda I - A) \\ &= \det \begin{pmatrix} \lambda - a & -b \\ -c & \lambda - d \end{pmatrix} \\ &= (\lambda - a)(\lambda - d) - (-b)(-c) \\ &= \lambda^2 - (a + d)\lambda + (ad - bc) \end{aligned} $$Здесь $a + d$ — это след (trace) матрицы $A$, а $ad - bc$ — определитель (determinant) матрицы $A$. Обозначая их как $\text{tr}(A)$ и $\det(A)$ соответственно, получаем характеристическое уравнение:
$$ p(\lambda) = \lambda^2 - \text{tr}(A)\lambda + \det(A) $$Теорема Кэли-Гамильтона утверждает, что подстановка $\lambda = A$ в это уравнение даёт нулевую матрицу, то есть:
$$ A^2 - \text{tr}(A)A + \det(A)I = O $$Эта формула для матрицы $2 \times 2$ часто встречается в старших классах. Давайте честно вычислим каждый компонент, чтобы убедиться в этом.
$$ A^2 = \begin{pmatrix} a & b \\ c & d \end{pmatrix} \begin{pmatrix} a & b \\ c & d \end{pmatrix} = \begin{pmatrix} a^2 + bc & ab + bd \\ ac + cd & bc + d^2 \end{pmatrix} $$Продолжаем вычислять левую часть:
$$ \begin{aligned} & A^2 - (a+d)A + (ad-bc)I \\ &= \begin{pmatrix} a^2 + bc & ab + bd \\ ac + cd & bc + d^2 \end{pmatrix} - \begin{pmatrix} a^2 + ad & ab + bd \\ ac + cd & ad + d^2 \end{pmatrix} + \begin{pmatrix} ad - bc & 0 \\ 0 & ad - bc \end{pmatrix} \\ &= \begin{pmatrix} a^2 + bc - a^2 - ad + ad - bc & ab + bd - ab - bd + 0 \\ ac + cd - ac - cd + 0 & bc + d^2 - ad - d^2 + ad - bc \end{pmatrix} \\ &= \begin{pmatrix} 0 & 0 \\ 0 & 0 \end{pmatrix} = O \end{aligned} $$Каждый компонент идеально сокращается, и в итоге мы действительно получаем нулевую матрицу!
6. Интуитивное понимание и частые заблуждения
Когда люди впервые сталкиваются с теоремой Кэли-Гамильтона, они часто попадают в ловушку одного частого заблуждения.
Пример неверного доказательства: Характеристический многочлен равен $p(\lambda) = \det(\lambda I - A)$. Следовательно, поскольку $p(A)$ получается подстановкой $A$ вместо $\lambda$, $p(A) = \det(A I - A) = \det(A - A) = \det(O) = 0$. Теорема доказана.
Эти рассуждения совершенно ошибочны. Дело в том, что $p(\lambda)$ — это функция, возвращающая «скалярное значение» (многочлен), в то время как операция $p(A)$ по подстановке матрицы вместо $\lambda$ создаёт «матрицу» путём замены $\lambda$ на $A$ в каждом слагаемом. В приведённом выше ложном доказательстве матрица $A$ подставляется прямо внутрь определителя для вывода скаляра $0$, что смешивает несовместимые типы (матрицу слева и скаляр справа).
Интуитивно теорему легче понять, если рассмотреть случай диагонализируемой матрицы $A$. Предположим, матрицу $A$ можно представить в виде $A = P D P^{-1}$ (где $D$ — диагональная матрица с собственными значениями $\lambda_1, \dots, \lambda_n$ на главной диагонали).
$$ p(A) = p(P D P^{-1}) = P p(D) P^{-1} $$Многочлен от диагональной матрицы получается просто применением этого многочлена к каждому элементу диагонали:
$$ p(D) = \begin{pmatrix} p(\lambda_1) & & 0 \\ & \ddots & \\ 0 & & p(\lambda_n) \end{pmatrix} $$По определению характеристического многочлена, каждое собственное значение $\lambda_i$ удовлетворяет условию $p(\lambda_i) = 0$. Следовательно, $p(D)$ становится нулевой матрицей, из чего следует, что $p(A) = P O P^{-1} = O$.
Однако, так как не все матрицы диагонализируемы (например, матрицы без полного набора линейно независимых собственных векторов), это объяснение не является полным доказательством. Для общего случая требуется другой подход.
7. Строгое доказательство теоремы Кэли-Гамильтона
Приведём общее доказательство (с использованием присоединённой матрицы), справедливое для любой квадратной матрицы $A$ порядка $n$. Это очень изящное доказательство, демонстрирующее алгебраическую изобретательность.
Пусть $B(\lambda)$ — присоединённая матрица (adjugate matrix) для матрицы $\lambda I - A$. Воспользуемся свойством: для любой квадратной матрицы $M$ верно тождество $M \cdot \text{adj}(M) = \det(M) I$. Это даёт нам следующее равенство:
$$ (\lambda I - A) B(\lambda) = \det(\lambda I - A) I = p(\lambda) I $$Поскольку каждый элемент матрицы $\lambda I - A$ представляет собой многочлен от $\lambda$ степени не выше 1, определитель каждого компонента её присоединённой матрицы $B(\lambda)$ будет многочленом от $\lambda$ степени не выше $(n-1)$. Поэтому $B(\lambda)$ можно выразить как многочлен от $\lambda$ с матричными коэффициентами:
$$ B(\lambda) = B_{n-1}\lambda^{n-1} + B_{n-2}\lambda^{n-2} + \dots + B_1\lambda + B_0 $$(Где $B_k$ — постоянные матрицы порядка $n$)
Подставим это в наше тождество. Раскрыв левую часть, получим:
$$ \begin{aligned} (\lambda I - A) B(\lambda) &= (\lambda I - A)(B_{n-1}\lambda^{n-1} + B_{n-2}\lambda^{n-2} + \dots + B_1\lambda + B_0) \\ &= B_{n-1}\lambda^n + (B_{n-2} - A B_{n-1})\lambda^{n-1} + \dots + (B_0 - A B_1)\lambda - A B_0 \end{aligned} $$С другой стороны, расписав характеристический многочлен как $p(\lambda) = \lambda^n + c_{n-1}\lambda^{n-1} + \dots + c_1\lambda + c_0$, получим правую часть:
$$ p(\lambda)I = I\lambda^n + c_{n-1}I\lambda^{n-1} + \dots + c_1 I\lambda + c_0 I $$Поскольку оба выражения являются тождественными многочленами от $\lambda$, мы можем приравнять коэффициенты при каждой степени $\lambda$ (эти коэффициенты являются матрицами).
$$ \begin{aligned} B_{n-1} &= I \quad \text{(Коэффициент при λ^n)} \\ B_{n-2} - A B_{n-1} &= c_{n-1} I \quad \text{(Коэффициент при λ^{n-1})} \\ &\vdots \\ B_0 - A B_1 &= c_1 I \quad \text{(Коэффициент при λ^1)} \\ -A B_0 &= c_0 I \quad \text{(Коэффициент при λ^0)} \end{aligned} $$Наступает кульминация доказательства. Домножим обе части каждого из этих уравнений слева на $A^n, A^{n-1}, \dots, A, I$ соответственно сверху вниз.
$$ \begin{aligned} A^n B_{n-1} &= A^n \\ A^{n-1} B_{n-2} - A^n B_{n-1} &= c_{n-1} A^{n-1} \\ &\vdots \\ A B_0 - A^2 B_1 &= c_1 A \\ -A B_0 &= c_0 I \end{aligned} $$Теперь сложим все эти $n+1$ уравнений. Левая часть изящно сократится (эффект телескопа), и останется лишь нулевая матрица $O$.
$$ O = A^n + c_{n-1}A^{n-1} + \dots + c_1 A + c_0 I $$Это и есть в точности $p(A) = O$. Теорема Кэли-Гамильтона доказана.
8. Применение 1: Вычисление степеней матрицы
Одно из мощнейших применений теоремы Кэли-Гамильтона заключается в радикальном упрощении вычислений высоких степеней матрицы $A^m$.
Например, пусть дана квадратная матрица $A$ размером $2 \times 2$, удовлетворяющая уравнению $p(A) = A^2 - 3A + 2I = O$. Мы хотим вычислить $A^{10}$. Стандартным путём потребовалось бы выполнить 9 умножений матриц, но теорема сводит задачу к делению многочленов.
Пусть $Q(\lambda)$ — частное, а $R(\lambda) = \alpha \lambda + \beta$ — остаток от деления $\lambda^{10}$ на характеристический многочлен $p(\lambda) = \lambda^2 - 3\lambda + 2$.
$$ \lambda^{10} = Q(\lambda)(\lambda^2 - 3\lambda + 2) + (\alpha \lambda + \beta) $$Так как $p(\lambda) = (\lambda - 1)(\lambda - 2)$, подставим $\lambda = 1$ и $\lambda = 2$, чтобы найти неизвестные $\alpha, \beta$.
При $\lambda = 1$: $1^{10} = \alpha + \beta \implies \alpha + \beta = 1$ При $\lambda = 2$: $2^{10} = 2\alpha + \beta \implies 2\alpha + \beta = 1024$
$$ \lambda^{10} = Q(\lambda)p(\lambda) + 1023\lambda - 1022 $$Подставив $\lambda = A$, мы увидим, что первое слагаемое исчезает, так как $p(A) = O$, и остаётся:
$$ A^{10} = 1023A - 1022I $$Таким образом, какой бы высокой ни была степень, достаточно найти остаток $R(A)$ для вычисления $A^m$, что многократно сокращает объём вычислений.
9. Применение 2: Нахождение обратной матрицы
Если обратная матрица существует (т. е. $\det(A) \neq 0$ и, следовательно, свободный член $c_0 \neq 0$), теорему Кэли-Гамильтона можно использовать и для её вычисления $A^{-1}$.
Перепишем уравнение из теоремы:
$$ A^n + c_{n-1}A^{n-1} + \dots + c_1 A + c_0 I = O $$Перенесём слагаемое со свободным членом $c_0 I$ в правую часть.
$$ A(A^{n-1} + c_{n-1}A^{n-2} + \dots + c_1 I) = -c_0 I $$Разделим обе части на $-c_0$.
$$ A \left[ -\frac{1}{c_0} (A^{n-1} + c_{n-1}A^{n-2} + \dots + c_1 I) \right] = I $$По определению обратной матрицы $A A^{-1} = I$, выражение в квадратных скобках и есть в точности $A^{-1}$.
$$ A^{-1} = -\frac{1}{c_0} (A^{n-1} + c_{n-1}A^{n-2} + \dots + c_1 I) $$Таким образом, задача нахождения обратной матрицы сводится к вычислениям, требующим лишь сложения и умножения матриц. При программировании это иногда легче реализовать, чем алгоритм с присоединённой матрицей.
10. Заключение
В этой статье мы подробно рассмотрели теорему Кэли-Гамильтона, одну из жемчужин линейной алгебры.
- Удивительное свойство: подстановка матрицы в её собственный характеристический многочлен $p(\lambda)$ даёт нулевую матрицу ($p(A) = O$).
- Интуитивное понимание через диагонализацию и предостережение от частой ошибки при подстановке в скалярное выражение определителя.
- Изящное и строгое доказательство, основанное на тождестве с присоединённой матрицей.
- Практическое применение для быстрого вычисления высоких степеней с помощью деления многочленов, а также для получения обратной матрицы.
Теорема Кэли-Гамильтона не только обладает большой теоретической красотой, но и является весьма полезным инструментом в конкретных вычислениях. Помня об этой теореме при работе с матрицами, вы, несомненно, углубите своё понимание линейной алгебры.