五种标准型一网打尽：等价、相似、合同、Jordan与有理标准型

1. 标准型到底在讲什么先搞清楚我们在折腾哪条线线性代数里“标准型”这个词几乎是所有初学者绕不过去的坎。很多人在第一次听到“等价标准型”“相似标准型”“合同标准型”的时候脑子里直接就是一锅粥因为这三个名字太像了书上还经常混着讲。我当年学的时候也是一样先是记了一堆定义然后做题全靠猜遇到“化二次型为标准形”还要被配方法折磨一通。后来真正把这套东西串起来是在自己反复对比了不同标准型的逻辑线之后才意识到标准型本质上就干一件事——在某种变换关系下把一个看起来乱糟糟的矩阵化简成最简单的形状方便我们直接读出它的本质特征。这里的关键词是“某种变换关系”。变换关系不一样化简出来的标准型就不一样背后回答的问题也不一样。比如等价标准型回答的是“两个矩阵能不能通过初等变换互相转化”相似标准型回答的是“同一个线性变换在不同基底下长什么样”合同标准型回答的是“同一个二次型在可逆线性替换下能化简成什么形状”。三句话说完三件事但书里往往挤在一章不晕才怪。所以这篇文章我不打算按教材的顺序再复述一遍而是想换一种思路先把“标准型”这件事的底层逻辑讲透再分别拆解每种标准型的化简方法、判定条件、注意事项最后把你做题、考试、实际应用里最容易踩的坑挨个列出来。如果你正在学线性代数或者工作中需要用到矩阵化简、特征值分解、二次型处理之类的场景这篇文章应该能帮你省不少事。2. 五种标准型一网打尽等价、相似、合同、Jordan、有理标准型2.1 它们各自的“化简规则”是什么先看一张总览表把五种标准型按照“变换关系”和“结果形式”两个维度放一起对比后面再逐个展开。标准型类型变换关系化简结果的核心特征核心不变量等价标准型左乘右乘可逆矩阵初等变换左上角是单位阵其余为零秩相似标准型对角型相似变换P⁻¹AP对角矩阵对角线是特征值特征值、Jordan块结构合同标准型合同变换CᵀAC对角矩阵对角线是惯性指数正、负惯性指数Jordan标准型相似变换无法对角化时的推广分块对角Jordan块堆叠特征值及其代数/几何重数有理标准型相似变换基于有理标准形友矩阵的分块对角不变因子这张表你不需要背但要有一个感觉每一种标准型都在回答“在某种允许的变换下这个矩阵最简能长成什么样”。这种“允许的变换”就是分类的标尺。很多同学搞混不是因为定义复杂而是因为没把“标尺”放对位置。等价标准型的标尺是“初等变换”。初等变换允许你随便做行变换、列变换相当于把一个矩阵当积木随便拆。你当然可以把任何矩阵化简成左上角一个单位阵、其余全是零的形式。唯一不变的是秩因为初等变换不改变矩阵的秩。所以等价标准型的结果是由秩唯一决定的。相似标准型的标尺是“相似变换”。相似变换更严格它要求一个可逆矩阵P使得A变成P⁻¹AP。几何上看这相当于同一个线性映射在不同基下的表示矩阵。如果你能找到一组基让这映射变成对角矩阵那对角线上的元素一定就是特征值。如果一个矩阵不能对角化那就退而求其次用Jordan标准型来逼近最简形状。合同标准型的标尺是“合同变换”。合同变换和相似变换长得很像但是有个关键区别中间是转置而不是取逆。这就决定了它处理的对象是二次型也就是对称矩阵。化简的目标是“配方法”或者“初等变换法”之后得到一个对角矩阵对角线上的正负个数正负惯性指数是不变量。Jordan标准型是在相似变换框架下对角化失败时的完整答案。核心思想是就算特征向量不够凑不出完整的特征基我也可以把矩阵分解成若干个小块每个小块就是Jordan块块的大小由特征值的几何重数决定。有理标准型则更抽象一些通过不变因子和友矩阵来做相似分类它在理论研究里很重要实际手工计算中用得不多但是有助于理解“相似不变量”到底有哪些。2.2 为什么需要这么多种“标准型”有人会问为啥不统一一种标准型就完了整这么多种不累吗这个问题的答案其实很朴素不同场景关注矩阵的不同性质等价标准型只告诉你有多少信息量秩但不告诉你这个信息是怎么分布的特征值结构相似标准型虽然把结构看清楚了但要求矩阵必须能对角化遇到不能对角化的矩阵就没办法了。所以每种标准型都是为了解决特定场景下的特定问题解线性方程组用等价标准型就够了你知道系数矩阵的秩就知道自由变量的个数。判断矩阵能不能对角化、特征值长什么样走相似标准型这条路。如果是二次型问题比如判断一个二次曲面是椭圆还是双曲面必须用合同标准型因为正负惯性指数决定了曲面的类型。如果矩阵不可对角化还要精确刻画线性变换结构只能用Jordan标准型。理解了这一点你就不会再纠结“这个标准型和那个标准型是不是一回事”因为它们的适用范围完全不同。真正的高手不是记住所有标准型而是拿到一个问题立刻能判断该用哪个标准型来分析。3. 等价标准型和合同标准型从方程组到二次型3.1 等价标准型从行最简到矩阵的“身份证”等价标准型的化简过程其实是所有标准型里最简单的因为初等变换是基础中的基础。任何一个m×n矩阵A通过有限次行变换和列变换都可以变成[ \begin{pmatrix} I_r 0 \ 0 0 \end{pmatrix} ]其中r就是矩阵的秩。这个形式就叫等价标准型。具体怎么化呢操作上就一句话先把矩阵用行变换化成行阶梯形数一数非零行的数量得到秩r然后在非零行所在的位置用列变换把主元所在列的其他元素消成0最后用列变换把非零行对应的列调整到左上方。这里有个细节值得注意求等价标准型的时候行变换和列变换都可以用而且顺序没有严格要求你可以先做行变换再做列变换也可以交替着来。我见过不少同学在做“求矩阵的秩”的题目时只允许用行变换这当然没错因为求秩只需要行变换就够。但是如果你在做等价标准型列变换是合法的工具。不过到了某些应用场景比如求解线性方程组这个时候列变换就要非常小心因为列交换会改变未知数的对应顺序。你要是交换了第一列和第二列那么解出来的结果里x₁和x₂的位置就换了后面忘了换回去直接就是一整道题白做。3.2 配方法与初等变换法两种化二次型为标准形的路线二次型的标准形是合同标准型的一个具体应用场景。给定一个n元二次型[ f(x_1,x_2,\ldots,x_n)x^T A x ]其中A是对称矩阵。我们要找一个可逆线性替换xCy使得新变量y下的二次型变成对角形式也就是只有平方项没有交叉项。这个对角矩阵的对角线元素可能是正的、负的或者零正负的个数就是正负惯性指数。两种主流方法配方法和初等变换法。配方法思路就是中学学过的“配方”把二次型的交叉项通过换元消掉。适合二次型表达式已经写出来、变量不多的情形。比如[ f(x_1,x_2)x_1^24x_1x_2x_2^2 ]先对x₁配方[ f(x_12x_2)^2-3x_2^2 ]然后令[ y_1x_12x_2,\quad y_2x_2 ]反过来解出x₁y₁-2y₂x₂y₂就得到了标准形y₁²-3y₂²。整个过程就是代数换元逻辑直接。初等变换法要更机械一点。核心是对对称矩阵A进行“成对”的初等变换——对行做一个初等变换同时对列做同样的初等变换。因为合同变换要求CᵀACC是一系列初等矩阵的乘积每做一次行变换相当于左乘一个初等矩阵E同时必须右乘E的转置Eᵀ才能保证整个变换是合法的合同变换。实际操作时我们常常把A和单位矩阵并排放在一起左边对A做行变换和列变换右边只记录列变换对应的矩阵最后左边变成对角矩阵的时候右边就是我们要的变换矩阵C。这个方法比配方法稳定不太需要“灵感”更适合机械化计算。但它也有一个坑列变换必须跟着行变换“成对”做漏一个就变成普通初等变换而不是合同变换了结果全错。3.3 惯性定理正负惯性指数为什么是“不变量”化标准形不难难的是明白一件事你用配方法得到的对角元和用初等变换法得到的对角元可能完全不同但正惯性指数对角线上正数的个数和负惯性指数负数的个数却是唯一确定的。这就是惯性定理。我本科的时候一直觉得这个定理很神奇明明是“换个变量”的事情怎么换个方法正负数目就不变了后来从几何上想通了二次型xᵀAx在几何上定义了一个二次曲面线性替换相当于换坐标系曲面的形状不会因为坐标系改变而改变。一个椭圆锥面不会因为换坐标变成双曲锥面所以“正负惯性指数”就是这个曲面的拓扑特征它天然不依赖于坐标选择。做题时惯性定理的价值在哪里在于检验你的化简结果对不对。你花了半天配方法得到一个标准形如果你数出来的正负惯性指数和标准答案对不上那肯定哪一步出错了。有了惯性定理做校验就能在考试里省下很多回头检查的时间。4. 相似标准型和Jordan标准型特征值世界的完整地图4.1 特征值分解能对角化时最舒服的化简方式相似标准型最理想的情况就是矩阵可以相似对角化。判定条件有好几个选择哪个取决于手头有什么信息如果A有n个线性无关的特征向量那一定能对角化。如果特征值互不相同那一定可以对角化因为不同特征值对应的特征向量自动线性无关。如果特征值有重根要检查每个重根对应的几何重数是否等于代数重数。几何重数就是该特征值对应的线性无关特征向量的个数代数重数就是特征值作为特征多项式根的重数。两者相等才能对角化。实际操作中最常见的验证方式就是对每个特征值λ求(A-λI)x0的基础解系数一数基础解系里有多少个向量。全部特征值对应基础解系向量个数加起来等于n就能对角化。一个典型例子考虑矩阵[ A\begin{pmatrix}210\020\003\end{pmatrix} ]特征多项式是(λ-2)²(λ-3)。λ2的代数重数是2但是(A-2I)的秩是1基础解系里只有一个向量所以几何重数是1代数重数≠几何重数这个矩阵不能对角化。你看特征值不互异的情况下光看特征值就想判断能不能对角化是行不通的必须老老实实数特征向量的个数。4.2 Jordan块与Jordan标准型的构造逻辑既然有矩阵不能对角化数学家就想了能不能把这个矩阵分解成一些“块”每个块内部虽然不是对角阵但结构足够简单简单到一眼能看出它的幂、指数、秩等所有信息这个就是Jordan标准型。每个块叫Jordan块形状是[ J_k(\lambda)\begin{pmatrix} \lambda 1 \ \lambda \ddots \ \ddots 1 \ \lambda \end{pmatrix} ]主对角线全是λ主对角线上面一条对角线全是1其他地方是0。整个矩阵分块对角化成若干Jordan块就得到了Jordan标准型。构造Jordan标准型的关键在于对每个特征值λ找出它的几何重数决定Jordan块的数量和各个Jordan块的阶数决定块的尺寸。方法是计算(A-λI)的各次幂的秩通过秩的差值倒推各阶Jordan块的个数。这个计算过程比较繁琐但规律性很强适合用程序实现。举个三阶例子如果矩阵A的特征值λ2的代数重数是3几何重数是1那么它只有一个Jordan块就是J₃(2)整个标准型就是这个3×3的Jordan块。如果特征值λ2的代数重数是3几何重数是2那有两种可能的块结构一个2×2块加一个1×1块或者三个1×1块但后者意味着几何重数3不符合前提。所以其实几何重数给定之后块的数量就确定了但块的阶数组合还要再算(A-λI)²的秩来进一步区分。4.3 Jordan标准型与最小多项式的关系Jordan标准型除了本身重要还牵出一个概念最小多项式。最小多项式是满足m(A)0的次数最低的首一多项式。它的作用在于最小多项式里每个特征因子(λ-λᵢ)的幂次恰好等于该特征值对应的最大Jordan块的阶数。这件事非常有用因为很多时候我们不一定要把完整的Jordan标准型算出来只需要知道最大Jordan块是几阶的就能判断一些性质。比如如果所有特征值的最大Jordan块阶数都是1那矩阵就能对角化。等价地最小多项式没有重根时矩阵可对角化。我后来在做系统仿真的时候发现判断一个状态转移矩阵能不能对角化直接算最小多项式比硬算Jordan标准型省力得多。因为对角化与否只由最大Jordan块的阶数决定不需要知道每个小块的完整分布。5. 实操经验与判断流程拿到一个矩阵该走哪条路5.1 先问变换类型再选化简策略很多初学者拿到题目就问“怎么化标准型”但这个问题的答案取决于题目到底要你做什么。我自己总结了一套判断流程遇到矩阵题目时先按顺序过一遍题目问的是“秩”还是“解方程”如果只是要秩对矩阵做行变换化为行阶梯形就够了如果是解方程化成行最简形最高效。题目是否涉及二次型比如判断正定性、求惯性指数、判断曲面类型如果是走合同变换路线配方法或初等变换法。题目是否问特征值、特征向量、能不能对角化如果是走相似变换路线算特征多项式检查特征向量个数。如果特征值有重根且发现不能对角化题目还要求进一步化简那才轮到Jordan标准型出场。这四步判断完你要做的事情其实已经八九不离十了。很多人做题慢不是因为算得慢而是因为没有提前判断走哪条路上来就对着矩阵猛算结果绕了一大圈才发现根本不是这题的考点。5.2 计算中的常见错误和高频丢分点从我批改作业和辅导同学的经验看下面这些地方是最容易翻车的逐一列出来供你自查只做行变换却用了列变换。解方程组求行最简形时列变换会改变量顺序导致最终解错位但如果题目明确要求等价标准型列变换又是合法的。所以关键还是分清题目类型。合同变换只左乘不右乘。初等变换法化二次型为标准形时对A做了行变换必须对列做同样的变换。漏掉列变换变换矩阵C和结果就全错了。特征向量只求了一个重根对应的向量就以为完成了。特征值重数为2未必只有1个特征向量必须计算(A-λI)x0的基础解系数一下维度。Jordan标准型看了特征多项式就凭着代数重数写块。块个数取决于几何重数不看几何重数直接写Jordan矩阵十个有九个错。计算特征多项式时展开错误。特征多项式λI-A展开时符号搞反后面全盘皆输。建议每写一步都自检一遍代入验证。把相似标准型和合同标准型的变换矩阵搞混。相似变换用的是P⁻¹AP合同变换用的是CᵀAC两者的变换矩阵关系完全不同。特别是题目同时出现两个概念时一定看清楚是“可逆矩阵P”还是“可逆矩阵C”。5.3 一个完整案例从矩阵到Jordan标准型的实操路径我们看一个具体例子把整套流程走一遍。考虑[ A\begin{pmatrix} 41-1\ -212\ 212 \end{pmatrix} ]第一步算特征多项式|λI-A|[ \begin{vmatrix} \lambda-4-11\ 2\lambda-1-2\ -2-1\lambda-2 \end{vmatrix} (\lambda-2)(\lambda-2)(\lambda-3)(\lambda-2)^2(\lambda-3) ]所以特征值是2代数重数2和3代数重数1。第二步检查λ2的几何重数。求(A-2I)的秩[ A-2I\begin{pmatrix} 21-1\ -2-12\ 210 \end{pmatrix} ]做行变换后发现秩为2所以几何重数3-21。代数重数是2几何重数是1不能对角化。第三步λ3的几何重数。求(A-3I)的秩可得秩为2、几何重数为1等于代数重数所以λ3对应的是一个1×1的Jordan块。第四步λ2的代数重数是2、几何重数是1所以它对应一个2×2的Jordan块。整个Jordan标准型就是[ J\begin{pmatrix} 210\ 020\ 003 \end{pmatrix} ]这里要注意λ2的Jordan块长为2λ3的Jordan块就是标量3块和块之间的排列顺序没有硬性规定但习惯上同一特征值的块排在一起大的在前。第五步如果想求变换矩阵P需要对各特征值求广义特征向量。λ2需要找到一个向量v₁使得(A-2I)v₁0再找一个v₂使得(A-2I)v₂v₁。λ3直接求特征向量。把这些向量按列排成P就有P⁻¹APJ。这个过程看起来步骤不少但每一步的逻辑都很清晰特征多项式→特征值→几何重数→判断块结构。只要按顺序来不会乱。6. 常见问题排查与避坑速查表6.1 使用场景快问快答问题场景优先使用哪种标准型为什么判断两个矩阵是否等价等价标准型等价当且仅当秩相等判断两个矩阵是否相似Jordan标准型相似当且仅当Jordan标准型一致含块的排列顺序判断两个对称矩阵是否合同合同标准型合同当且仅当正负惯性指数一致特征值各不相同的矩阵化简相似对角化特征向量自动线性无关直接写出对角矩阵最小多项式判断可否对角化最小多项式的根无重根则可对角化等价于最大Jordan块阶数为1解常系数线性微分方程组Jordan标准型指数矩阵e^{At}在Jordan块下计算极大简化6.2 我踩过的坑和总结出来的习惯做线性代数的题目最重要的是“信息校验”。我现在的习惯是算出一个结果之后固定做两件事。第一件事代入验证。比如我算出了对角矩阵D矩阵P那我就验证一下AP和PD是否相等相等说明相似变换成立。如果算出了合同变换矩阵C验证CᵀAC是不是对角阵这一步只需要一次矩阵乘法能拦住九成的手滑错误。第二件事用不变量做交叉验证。算完正负惯性指数之后回头看一眼原矩阵的秩负惯性指数加上正惯性指数应当就等于秩因为对角化后的非零元素个数等于矩阵的秩。算完Jordan标准型后检查所有Jordan块的阶数之和等于矩阵阶数每个特征值对应所有块的阶数之和等于该特征值的代数重数块个数等于几何重数。这些约束关系只要不满足答案一定错了。我自己做了这么多年矩阵相关的计算最深的体会是标准型本身不是目的目的是通过标准型获取信息。每个标准型都是信息压缩算法——把复杂矩阵压缩成最精简、信息量最大的形式。你真正要练的不是怎么算得快而是怎么从这个压缩结果里读出你想要的信息然后用守恒关系验证自己读得对不对。另外多提一句现在很多计算软件都能直接帮你算Jordan标准型和合同标准型。我建议你拿软件算完结果之后仍然手动按上面的不变量核对一遍。因为软件的数值算法在特征值重根情况下非常容易出现微小误差导致Jordan块判断错误。用不变量校验相当于给软件的结果上一道保险。最后如果你在学习这部分内容不妨试着自己写一个把矩阵化成行最简形的小程序用程序实现之后你对初等变换的理解会深一大截。之后再去理解合同变换里的“行怎么变换列就怎么变换”也会顺手很多。线性代数的标准型体系看着庞杂但每条线只要抓住变换关系这个根就不会再乱。