两个三阶矩阵特征多项式一模一样但一个能对角化另一个不能。这种场景我讲线性代数时几乎每届都会遇到——学生拿着相同的 ((λ-1)^2(λ-2)) 跑来问这不就说明它们相似吗答案是否定的。要严格说清这件事就必须引入 λ-矩阵的三个核心不变量行列式因子、不变因子、初等因子。这三个因子是高等代数里判定矩阵相似的完整工具链也是理解 Jordan 标准形绕不开的必经之路。这篇博文从三个矩阵的对比出发把这三个因子的定义、计算、关系和应用一次讲透。1. 为什么需要这三个因子特征多项式无法区分的相似难题1.1 两个特征多项式相同的矩阵却完全不相似先看两个矩阵A | 1 1 0 | B | 1 0 0 | | 0 1 0 | | 0 1 0 | | 0 0 2 | | 0 0 2 |它们的特征多项式都是 ((λ-1)^2(λ-2))特征值都是 1, 1, 2。但仔细看结构A 的左上角是一个 2 阶 Jordan 块B 是一个纯对角矩阵。这两个矩阵不相似。判断依据可以有很多A 的几何重数——特征值 1 对应的线性无关特征向量只有 1 个B 有 2 个也可以算最小多项式A 的是 ((λ-1)^2(λ-2))B 的是 ((λ-1)(λ-2))。但问题在于这些说法都是从别的理论借来的结论。如果只允许用矩阵论自身的语言怎么从原理上把 A 和 B 区分开这就需要一个比特征多项式精细得多的不变量系统。行列式因子、不变因子、初等因子正是为这个问题设计的。1.2 从数字矩阵到 λ-矩阵相似判定的关键一跃处理矩阵相似问题一个非常聪明的做法是不要直接盯着 A 和 B而是考察它们的特征矩阵(λI - A) 和 (λI - B)。这里 (λ) 是一个未定元矩阵元素从数变成了多项式于是进入 λ-矩阵多项式矩阵的世界。λ-矩阵的初等变换包括交换两行列、某行列乘以非零常数、某行列加上另一行列的多项式倍。在此基础上定义相抵也叫等价两个 λ-矩阵能通过有限次初等变换互化就称它们相抵。高等代数里有一个核心定理数域上的两个数字矩阵 A 与 B 相似当且仅当特征矩阵 (λI - A) 与 (λI - B) 相抵。这个定理的价值在于把是否存在可逆矩阵 P这类抽象问题转化为能否通过初等变换互相转化这种可操作的问题。而初等变换后的标准形就由我们要讲的三类因子刻画。1.3 三个因子在整套理论中的位置很多初学者误以为这三个因子是三个独立对象其实它们是同一个数学本质的三副面孔行列式因子直接从所有 k 阶子式出发定义最原始计算最繁琐不变因子由相邻行列式因子作商得到是 Smith 标准形对角线上的元素性质最好初等因子把不变因子分解成不可约因式的方幂是与 Jordan 块直接对应的原子。三者互相唯一确定也就是说知道了任意一组就能推出另外两组。它们回答的核心问题只有一个两个矩阵到底相不相似接下来逐个拆解。2. 行列式因子从 9 个二阶子式算出的关键差异2.1 定义与两个重要性质设 (P(λ)) 是一个 n 阶 λ-矩阵。对于每个 (k 1, 2, ..., n)把 (P(λ)) 的全部 (k) 阶子式都拿出来求它们作为多项式的最大公因式并取首一多项式最高次项系数为 1记为 (D_k(λ))。这个 (D_k(λ)) 就叫做 (P(λ)) 的 k 阶行列式因子。约定 (D_0(λ) 1)。两个性质需要特别记住第一整除链(D_k(λ) \mid D_{k1}(λ))。理由很直观把每个 (k1) 阶子式按一行展开它就能写成若干个 k 阶子式的线性组合所以所有 k 阶子式的公因式必然整除所有 k1 阶子式进而整除它们的最大公因式。第二最高阶行列式因子就是行列式(D_n(λ) \det P(λ))。对特征矩阵来说(D_n(λ) \det(λI - A)) 正是特征多项式。这意味着特征多项式只是整个行列式因子序列里的最后一个前面的 (D_1, D_2, ..., D_{n-1}) 携带了更精细的相似不变量信息。2.2 主案例 A一个也不能漏的二阶子式清单对矩阵 A 写出特征矩阵λI - A | λ-1 -1 0 | | 0 λ-1 0 | | 0 0 λ-2 |先看一阶行列式因子。所有一阶子式就是 9 个元素(λ-1, -1, 0, 0, λ-1, 0, 0, 0, λ-2)。因为出现了常数 (-1)与任何多项式都互素所以它们的最大公因式是 1于是 (D_1 1)。再看二阶行列式因子。三阶矩阵的二阶子式共有 (\binom{3}{2} \times \binom{3}{2} 9) 个需要全部列出。我把非零的几个写出来行选择列选择子式值第1、2行第1、2列((λ-1)^2)第1、3行第1、3列((λ-1)(λ-2))第1、3行第2、3列(-(λ-2))第2、3行第2、3列((λ-1)(λ-2))其余 5 个子式都是 0。这一步极其容易出错。我第一次算的时候漏掉了第1、3行第2、3列这个子式| -1 0 | | 0 λ-2 |它的行列式等于 (-(λ-2))。如果只看行{1,2}和列{1,2}、行{1,3}和列{1,3}、行{2,3}和列{2,3}这三块看起来像样的 2×2 块就会漏掉这个含 (-(λ-2)) 的子式。而它恰恰是决定最终 gcd 的关键。现在对非零子式求最大公因式((λ-1)^2)、(-(λ-2))、((λ-1)(λ-2))。因为 (-(λ-2)) 与 (λ-2) 只差常数倍首一化后就是 (λ-2)而 (λ-2) 与 ((λ-1)^2) 互素所以整体 gcd 是1。因此[ D_1 1, \quad D_2 1, \quad D_3 \det(λI-A) (λ-1)^2(λ-2) ]第二个坑就是首一化(-(λ-2)) 在求 gcd 时要当作 (λ-2) 处理只差一个常数倍不影响公因式但如果不把负号处理干净很容易在心理上忽略这个子式对 gcd 的拉低作用。2.3 对照案例 B同样特征多项式D₂ 却不同对 B 写出特征矩阵λI - B | λ-1 0 0 | | 0 λ-1 0 | | 0 0 λ-2 |这个矩阵非零二阶子式比 A 少很多第1、2行第1、2列((λ-1)^2)第1、3行第1、3列((λ-1)(λ-2))第2、3行第2、3列((λ-1)(λ-2))其他二阶子式都为 0。现在 ((λ-1)^2) 和 ((λ-1)(λ-2)) 的最大公因式是(λ-1)于是[ D_1 1, \quad D_2 λ-1, \quad D_3 (λ-1)^2(λ-2) ]对比 A 和 B特征多项式即 (D_3)完全一样但 (D_2) 一个是 1一个是 (λ-1)。这就是行列式因子比特征多项式精细的地方——它把矩阵内部结构的信息分层记录了下来。因为行列式因子是 λ-矩阵在初等变换下的不变量而特征矩阵相抵又等价于矩阵相似所以立刻可以判定A 与 B 不相似。3. 不变因子相邻行列式因子的纯净增量3.1 为什么用相邻比把重叠因子剥掉行列式因子序列存在整除链 (D_1 \mid D_2 \mid ... \mid D_n)这意味着 (D_k) 里其实包含了前面所有 (D_1, D_2, ..., D_{k-1}) 的因子。如果直接拿 (D_k) 来分析信息是冗余的。更好的做法是作相邻比[ d_1(λ) D_1(λ), \quad d_k(λ) \frac{D_k(λ)}{D_{k-1}(λ)}, \quad k 2, 3, ..., n ]得到的 (d_1(λ), d_2(λ), ..., d_n(λ)) 就是不变因子。因为 (D_k) 和 (D_{k-1}) 都是首一多项式所以 (d_k) 也是首一多项式并且满足整除链[ d_1(λ) \mid d_2(λ) \mid ... \mid d_n(λ) ]形象地说每个 (d_k) 代表行列式因子序列中新长出来的那部分因子。这种相邻作商的手法在数学里很常见与其看总量不如看增量。3.2 从行列式因子到不变因子的计算回到 A。上面已经算出 (D_0 1, D_1 1, D_2 1, D_3 (λ-1)^2(λ-2))所以[ d_1 \frac{D_1}{D_0} 1, \quad d_2 \frac{D_2}{D_1} 1, \quad d_3 \frac{D_3}{D_2} (λ-1)^2(λ-2) ]A 的不变因子是 (1, 1, (λ-1)^2(λ-2))。再看 B。B 的行列式因子 (D_0 1, D_1 1, D_2 λ-1, D_3 (λ-1)^2(λ-2))[ d_1 1, \quad d_2 \frac{λ-1}{1} λ-1, \quad d_3 \frac{(λ-1)^2(λ-2)}{λ-1} (λ-1)(λ-2) ]B 的不变因子是 (1, λ-1, (λ-1)(λ-2))。到这里A 和 B 的差异已经从二阶子式层面转化为不变因子序列层面。还有一个很自然的检验不变因子的乘积等于特征多项式。A 的 (1 \cdot 1 \cdot (λ-1)^2(λ-2)) 是特征多项式B 的 (1 \cdot (λ-1) \cdot (λ-1)(λ-2)) 也是。特征多项式相同只是乘积信息相同但不变因子序列的分配方式不同——这正是特征多项式不足以判定相似的根本原因。3.3 不变因子与最小多项式、Smith 标准形的关系不变因子之所以叫不变因子是因为它们在 λ-矩阵的初等变换下保持不变。任何一个 λ-矩阵都可以通过初等变换化成对角形[ \operatorname{diag}(d_1(λ), d_2(λ), ..., d_n(λ)) ]其中 (d_i) 就是不变因子。这个对角矩阵称为Smith 标准形。实际计算不变因子时与其一个个数子式再作商不如直接对特征矩阵做初等变换化成 Smith 标准形对角线上一目了然。另外还有一个很有用的性质最后一个不变因子 (d_n(λ)) 恰好是矩阵 A 的最小多项式。验证一下A 的最小多项式确实是 ((λ-1)^2(λ-2))等于 (d_3)。B 的最小多项式是 ((λ-1)(λ-2))也等于它的 (d_3)。这个性质经常用来快速检查计算有没有出错。4. 初等因子把不变因子拆成不可约原子4.1 定义对每个不变因子做不可约分解不变因子仍然是可以继续分解的多项式。把每个不变因子 (d_i(λ)) 在给定的数域上分解成不可约因式的方幂乘积[ d_i(λ) p_1(λ)^{e_{i1}} p_2(λ)^{e_{i2}} ... p_s(λ)^{e_{is}} ]其中 (p_j(λ)) 是两两不同的首一不可约多项式指数 (e_{ij} \ge 0)。由整除链 (d_1 \mid d_2 \mid ... \mid d_n) 可知对每个固定的 (j)指数序列 (e_{1j} \le e_{2j} \le ... \le e_{nj}) 是单调不减的。把所有指数大于 0 的因式方幂 (p_j(λ)^{e_{ij}}) 都拿出来重复的分别计数得到的就是初等因子组。这里最容易踩的坑是同一个不可约因式如果出现在多个不变因子中它的每个方幂都要算作一个初等因子不能合并。比如两个不变因子里分别有 (λ-1) 和 ((λ-1)(λ-2))最后产生的初等因子是三个(λ-1, λ-1, λ-2)而不是把两个 (λ-1) 合并成 ((λ-1)^2)。4.2 主案例与对照案例的初等因子对 A不变因子是 (1, 1, (λ-1)^2(λ-2))。分解第三个[ (λ-1)^2(λ-2) (λ-1)^2 \cdot (λ-2) ]前两个都是 1不产生初等因子。所以 A 的初等因子组是[ (λ-1)^2, \quad λ-2 ]对 B不变因子是 (1, λ-1, (λ-1)(λ-2))。分解[ d_2 λ-1, \quad d_3 (λ-1)(λ-2) ]所以 B 的初等因子组是[ λ-1, \quad λ-1, \quad λ-2 ]特征值 1 在 A 里对应一个平方初等因子在 B 里对应两个一次初等因子。这就是两个矩阵内在结构差异的原子级体现。4.3 每个初等因子对应一个 Jordan 块初等因子的最大价值在于和 Jordan 标准形直接挂钩。规则只有一条初等因子 ((λ - λ_0)^k) 对应一个 k 阶 Jordan 块 (J_k(λ_0))。把每个初等因子变成对应 Jordan 块再拼成一个分块对角矩阵就是这个数字矩阵的 Jordan 标准形。对 A初等因子 ((λ-1)^2) 对应 (J_2(1))初等因子 (λ-2) 对应 (J_1(2))。拼起来| 1 1 0 | | 0 1 0 | | 0 0 2 |正好就是 A 自己。对 B两个 (λ-1) 分别对应两个一阶块 ([1])(λ-2) 对应 ([2])拼起来就是 (\operatorname{diag}(1,1,2))正好是 B 自己。所以初等因子不仅回答了是否相似还直接回答了相似成什么样。这也是 Jordan 标准形理论的骨架。5. 三因子互相唯一确定一个对比表看懂相似判定5.1 三者的换算关系与恢复方法三个因子之间可以互相推导这是整套理论自洽的保证。从行列式因子到不变因子用相邻比[ d_k \frac{D_k}{D_{k-1}}, \quad D_0 1 ]反过来从不变因子到行列式因子直接连乘[ D_k d_1 , d_2 , ... , d_k ]从不变因子到初等因子做不可约分解即可。从初等因子恢复不变因子则稍微复杂一点方法如下把同一个不可约因式的所有幂指数按降序排列不足的补 0对齐后每一行相乘就得到不变因子从大到小写剩下的位置补 1。用 B 验证一遍。B 的初等因子(λ-1) 的指数序列是 ([1, 1])(λ-2) 的指数序列是 ([1])补 0 后是 ([1, 0])。对齐最大指数次大指数(λ-1) 的指数11(λ-2) 的指数10最大指数一栏相乘((λ-1)^1(λ-2)^1 (λ-1)(λ-2))这是 (d_3)次大指数一栏((λ-1)^1 \cdot (λ-2)^0 λ-1)这是 (d_2)再补 (d_1 1)。恢复成功。5.2 A 与 B 的因子全览对比表把 A 和 B 的所有数据放在一个表里差异一目了然不变量AJordan 块B对角矩阵特征多项式((λ-1)^2(λ-2))((λ-1)^2(λ-2))行列式因子 (D_1, D_2, D_3)(1, 1, (λ-1)^2(λ-2))(1, λ-1, (λ-1)^2(λ-2))不变因子 (d_1, d_2, d_3)(1, 1, (λ-1)^2(λ-2))(1, λ-1, (λ-1)(λ-2))初等因子组((λ-1)^2, λ-2)(λ-1, λ-1, λ-2)最小多项式((λ-1)^2(λ-2))((λ-1)(λ-2))Jordan 标准形(J_2(1) \oplus J_1(2))(\operatorname{diag}(1,1,2))这张表特别能说明问题特征多项式这一行完全一样但下面每一行都不同。每一行都可以作为不相似的判定证据而它们本质上是同一个信息的不同表达。5.3 判定相似的完整操作步骤遇到判断两个矩阵 A 和 B 是否相似的题目按下面这套流程走基本不会乱先看特征多项式不同则直接判定不相似特征多项式相同继续求不变因子或任意一组因子求法对 (λI - A) 和 (λI - B) 分别做初等变换化成 Smith 标准形读对角线上的不变因子两组不变因子完全相同则相似否则不相似。用不变因子还是行列式因子、初等因子效果完全一样因为它们互相唯一确定。实际做题时不变因子最方便因为 Smith 标准形可以直接算出来。6. 行列式因子计算中的两个坑漏子式与首一约定6.1 我犯过的错误漏掉 (-(λ-2)) 导致 D₂ 多算了一个因子前面算 A 的 (D_2) 时我强调了一定不能漏第1、3行第2、3列的子式 (-(λ-2))。这不是危言耸听因为一开始我确实漏了。当时我只盯着看起来有结构的子式第1、2行第1、2列是 ((λ-1)^2)第1、3行第1、3列是 ((λ-1)(λ-2))第2、3行第2、3列是 ((λ-1)(λ-2))。这三个子式的 gcd 是 (λ-1)。算出 (D_2 λ-1) 后继续推不变因子得到 (1, λ-1, (λ-1)(λ-2))初等因子得到 (λ-1, λ-1, λ-2)对应的 Jordan 形是 (\operatorname{diag}(1,1,2))。但这个结论和 A 本身是 (J_2(1) \oplus J_1(2)) 直接矛盾——最小多项式一个是 ((λ-1)^2(λ-2))一个是 ((λ-1)(λ-2))。当时我拿着这个矛盾来回检查了很多遍最后才发现是二阶子式漏了一项。第1、3行第2、3列的子式| -1 0 | | 0 λ-2 |行列式是 (-(λ-2))不是 0。它一旦加入 gcd 的计算因为 (λ-2) 与 ((λ-1)^2) 互素整个 gcd 立刻被拉到 1所有后续结论全部修正。这个教训值得拿出来说计算行列式因子时所有 (\binom{n}{k}^2) 个 k 阶子式都要过一遍不能凭直觉筛选。直觉筛选很容易漏掉那些角落里的交叉项而交叉项往往就是决定 gcd 的关键。6.2 最大公因式的取法首一约定与常数倍求最大公因式时有两个细节必须注意。一是首一约定。行列式因子定义为首一多项式的最大公因式。子式算出来可能是 (-(λ-2))、(-λ(λ-1)) 这类带负号的式子求 gcd 时负号可以直接忽略最后结果写成正的最高次项系数为 1 的形式。很多人算 (D_1) 时遇到元素里面有负数就不知道 gcd 怎么取了其实常数因子在求最大公因式时完全不重要重要的是多项式因子部分。二是零子式的处理。零多项式被认为是任何多项式的倍数所以在求最大公因式时零子式不贡献任何约束直接跳过即可。如果所有 k 阶子式都为零则 (D_k 0)这在满秩特征矩阵中不会出现但在一些特殊块结构中可能出现需要留意。还一个常见误区以为 (D_k) 一定等于某个看起来最复杂的子式。不是的(D_k) 是所有 k 阶子式的公共因子通常比任何单个子式都简单。矩阵的 k 阶子式越多样化gcd 就越容易被拉低。6.3 学习路径建议从 Jordan 形反向验证最后给正在学这部分内容的人一些建议。如果你觉得三个因子概念太多、记不住可以试试反向学习法先写一个 Jordan 形矩阵然后从这个矩阵反推它的不变因子和行列式因子。具体操作分四步先写出 Jordan 形 J再根据初等因子 ↔ Jordan 块写出初等因子用初等因子恢复不变因子用不变因子连乘得到行列式因子。花十分钟走一遍这条路三个因子的关系会比背十遍定义都清楚。正向计算容易出错反向验证可以立刻发现问题。比如你算完 (D_2) 以后顺手用 (D_1 d_1)、(D_2 d_1 d_2)、(D_3 d_1 d_2 d_3) 检查一下如果乘积不等于特征多项式或者最后一个不变因子不等于最小多项式说明中间某一步算错了。我个人在实际操作中的体会是行列式因子的定义虽然最原始、计算量最大但它反而是最容易理解整套理论的入口。只要耐心把一两个例子里所有子式列全行列式因子、不变因子、初等因子这三者的逻辑链条会变得非常清晰。之后再碰到相似判定、Jordan 标准形、有理标准形的问题心里就有了底。