说句实话线性代数里“会算特征值”和“会求若当标准型的变换矩阵”完全是两码事。很多人在考卷上能写对若当块比如 [ J\begin{pmatrix}210\021\002\end{pmatrix}, ] 但真到要写一个可逆矩阵 (P)使得 (P^{-1}APJ) 的时候就开始手足无措。这篇文章就用最直白的方式讲清楚“求若当标准型的变换矩阵”这件事为什么需要它、底层思路是什么、广义特征向量链怎么找、两个完整算例怎么走通以及我最常看到别人踩的坑。适合正在复习高等代数准备考试、学控制理论或者做矩阵分析相关工作的读者尤其是那些已经知道若当标准型是什么但一直没真正动手算过 (P) 的人。1. 先搞清楚变换矩阵在解什么题相似矩阵与“坐标换架”1.1 相似矩阵同一个线性变换的不同“镜头”如果你已经见过若当标准型一定知道这句话任何一个方阵都相似于一个若当标准型。所谓相似就是存在可逆矩阵 (P)使得 [ P^{-1}APJ. ] 初学者最容易把 (P) 当成一个“工具人”好像它只是为了等式成立而存在。实际上 (P) 的每一列都有明确的几何意义它是新的坐标系下的基向量。换句话说同一个线性变换在不同基底下“看”出来的矩阵不一样。(A) 是在原来标准基下的写法(J) 是在由 (P) 的列向量组成的新基下的写法。打个比方一个人穿不同的衣服拍照拍出来的照片不一样但人还是那个人。线性变换就是“人”(A) 和 (J) 就是不同衣服下的“照片”。(P) 就是那套换装流程——它告诉你这组新衣服的每一件是怎么组合出来的。这个类比虽然简单但能解释很多现象比如 (P) 为什么不唯一你完全可以选择另一套同样合身但款式不同的衣服只要最后拍出来的照片还是 (J) 就行。1.2 若当标准型解决的是哪一类问题如果一个矩阵可以对角化那求变换矩阵很简单把特征向量按顺序排成 (P) 就行。但问题是很多矩阵特征值重复的时候特征向量不够用。比如一个 (3\times 3) 矩阵特征值只有 2而且代数重数是 3可它只有 1 个线性无关的特征向量。这时候你没法把它化成对角矩阵因为对角矩阵需要 3 个线性无关的特征向量撑起 3 个坐标轴。若当标准型就是退而求其次或者说更聪明的方案既然真正独立的“纯特征方向”不够那就允许在斜上方补一个 1用“广义特征向量”把缺失的方向补回来。这个斜上方的 1本质上是“上一个基向量在变换作用下落到下一个基向量”。所以若当标准型里的数字主要有两块对角线上是特征值副对角线上如果有 1表示这里有一个广义特征向量链条。而变换矩阵 (P) 的列正是这些普通特征向量和广义特征向量按“链”的顺序排出来的结果。1.3 变换矩阵到底是什么直接给结论若当标准型的变换矩阵 (P)就是由若干条“特征向量链”按特定顺序拼接成的矩阵。每条链对应一个若当块链的长度就是若当块的阶数。如果一条链的长度是 (m)对应的特征是 (\lambda)链上的向量记为 [ p_1,p_2,\dots,p_m, ] 那么它们必须满足 [ (A-\lambda I)p_10,\quad (A-\lambda I)p_2p_1,\quad \dots,\quad (A-\lambda I)p_mp_{m-1}. ] 其中 (p_1) 是普通特征向量(p_2) 到 (p_m) 叫广义特征向量。把这些向量按 (P[p_1\ p_2\ \cdots\ p_m]) 排好对应的若当块就是 [ J_m(\lambda) \begin{pmatrix} \lambda10\cdots0\ 0\lambda1\cdots0\ \vdots\vdots\vdots\ddots\vdots\ 000\cdots1\ 000\cdots\lambda \end{pmatrix}. ] 后面所有计算其实都在做一件事把这条链上的向量一个个解出来。2. 算变换矩阵前先干这三件事特征值、亏度、若当块结构求 (P) 最忌讳上来就乱解方程组。你得先知道目标若当标准型长什么样才能确定要构造几条链、每条链多长。准备工作分三步。2.1 第一步算特征多项式和特征值要求若当标准型首先得知道特征值。方法是解 [ \det(A-\lambda I)0. ] 特征值可能是互不相同的实数也可能有重根。这一步本身不难难的是后面要判断每个特征值的“重复程度”在若当块里怎么分配。这里先明确两个概念某个特征值 (\lambda) 的代数重数是它在特征多项式中的重数几何重数是 (\lambda) 对应的特征子空间的维数也就是 (\operatorname{nullity}(A-\lambda I))。几何重数永远不超过代数重数。几何重数比代数重数小多少就说明这个特征值附近有多少“亏缺”也就是需要多少个广义特征向量来补。2.2 第二步用秩序列确定若当块数量和大小确定若当块结构最稳妥的方法不是靠猜而是看 [ (A-\lambda I)^k ] 的秩随 (k) 的变化。记 [ r_k\operatorname{rank}((A-\lambda I)^k), ] 并且约定 (r_0n)其中 (n) 是矩阵阶数。那么对于特征值 (\lambda)若当块的总数等于 (n-r_1)也就是几何重数大小至少为 2 的若当块数等于 (r_1-r_2)大小至少为 3 的若当块数等于 (r_2-r_3)一般地大小至少为 (k) 的若当块数等于 (r_{k-1}-r_k)。相邻两项相减就能得到“恰好大小为某个值”的块数。这个方法是严格的因为它利用了一个基本规律一个 (m) 阶若当块在 (A-\lambda I) 的 (j) 次幂作用后秩会减少 (j)直到变成零。所以看秩的下降节奏就能倒推出若干个小块是怎么拼成一个大块的。如果特征值互不相同也就是每个 (\lambda) 的几何重数都等于代数重数矩阵可以对角化若当块全是 (1\times 1)这时候根本不需要广义特征向量链直接把普通特征向量排成 (P) 就行。2.3 第三步写出目标若当标准型把每个特征值对应的若当块确定以后按你喜欢的顺序排在对角线上就得到 [ J\operatorname{diag}(J_{m_1}(\lambda_1),J_{m_2}(\lambda_2),\dots). ] 需要注意若当块的排列顺序不是唯一的。这带来一个连锁反应你在写 (J) 时怎么排块(P) 的列就必须按同样的顺序排。比如你先写 (\lambda2) 的块再写 (\lambda1) 的块那么 (P) 的前几列必须是 (\lambda2) 的特征向量链后几列才是 (\lambda1) 的特征向量。顺序错位是后面验证不通过的最常见原因。3. 若当块对应的广义特征向量链怎么找3.1 为什么普通特征向量凑不齐考虑一个特征值 (\lambda)它的代数重数是 (m)但几何重数只有 (gm)。也就是说方程 [ (A-\lambda I)x0 ] 只能给你 (g) 个线性无关的解。可若当标准型需要 (m) 个坐标轴差的 (m-g) 个方向只能靠解非齐次方程组来补。关键思路是不要直接去空想“广义特征向量是什么”而要把它看成一条递推链。先找到一个满足 [ (A-\lambda I)x0 ] 的 (p_1)然后解 [ (A-\lambda I)p_2p_1 ] 得到 (p_2)。如果链还要更长再继续解 [ (A-\lambda I)p_3p_2. ] 每往后推一步((A-\lambda I)) 就会把链上后一个向量“打成”前一个向量。所以整条链的源头其实是最后一个广义特征向量这个过程更像是在倒着找。3.2 从最深的广义特征向量开始反向解实际算的时候我建议从一个最深的广义特征向量开始然后不断用 ((A-\lambda I)) 往前打比从普通特征向量开始往前“求逆”更方便因为后者通常要反复解非齐次方程组。具体做法是对于阶数为 (m) 的若当块先找一个向量 (q_m)使得 [ (A-\lambda I)^{m-1}q_m\neq 0, ] 然后令 [ q_{m-1}(A-\lambda I)q_m,\quad q_{m-2}(A-\lambda I)q_{m-1},\quad \dots,\quad q_1(A-\lambda I)q_2. ] 这样得到的 (q_1) 一定是普通特征向量。最后把链倒过来令 [ p_1q_1,\ p_2q_2,\ \dots,\ p_mq_m. ] 这里有个原则最深的广义特征向量不能选在 ((A-\lambda I)^{m-1}) 的零空间里否则你一打就打成零链就断了。实际找的时候往往直接看 ((A-\lambda I)^{m-1}) 哪一列不为零选对应的单位向量就行。3.3 链的顺序就是 P 的列顺序一条链解出来后按 (p_1,p_2,\dots,p_m) 的顺序放进 (P)。为什么必须这个顺序因为若当块里副对角线上的 1 表示 [ (A-\lambda I)p_{i1}p_i. ] 如果你把链内顺序放反验证 (APPJ) 时等号就不成立。这也是新手最容易忽略的细节不是把一堆特征向量和广义特征向量随意堆进 (P)而是一条链内部严格按从普通特征向量到最深广义特征向量的顺序排列。另外说一句如果某个特征值对应多个若当块比如几何重数是 2那就需要两条独立的链。两条链之间谁先谁后都可以只要和 (J) 里的块顺序一致就行。每条链内部的向量不能混。4. 3阶单若当块算例手把手从方程组解出 P4.1 题目与标准型来看一个最典型的例子 [ A \begin{pmatrix} 211\ 021\ 002 \end{pmatrix}. ] 显然特征值是 2代数重数是 3。先算 [ NA-2I \begin{pmatrix} 011\ 001\ 000 \end{pmatrix}. ] 它的秩是 2所以几何重数是 (3-21)。再看 [ N^2 \begin{pmatrix} 001\ 000\ 000 \end{pmatrix}, ] 秩是 1。由秩序列 [ r_03,\quad r_12,\quad r_21,\quad r_30. ] 所以大小至少为 2 的块数是 (r_1-r_21)大小至少为 3 的块数是 (r_2-r_31)。结论只有一个 (3\times 3) 的若当块。于是目标标准型是 [ J \begin{pmatrix} 210\ 021\ 002 \end{pmatrix}. ]4.2 解广义特征向量链既然是一个 3 阶块就需要一条长度 3 的链。用“从最深开始”的办法。看 [ N^2 \begin{pmatrix} 001\ 000\ 000 \end{pmatrix}, ] 第三列不为零所以选 [ p_3(0,0,1)^T. ] 然后往前打 [ p_2Np_3 \begin{pmatrix} 011\ 001\ 000 \end{pmatrix} \begin{pmatrix}0\0\1\end{pmatrix}\begin{pmatrix}1\1\0\end{pmatrix}, ] 再打一次 [ p_1Np_2 \begin{pmatrix} 011\ 001\ 000 \end{pmatrix} \begin{pmatrix}1\1\0\end{pmatrix}\begin{pmatrix}1\0\0\end{pmatrix}. ] 现在链已经完整 [ p_1(1,0,0)^T,\quad p_2(1,1,0)^T,\quad p_3(0,0,1)^T. ] 注意验证一下 [ (A-2I)p_3p_2,\quad (A-2I)p_2p_1,\quad (A-2I)p_10. ] 链条关系完全正确。4.3 验证 AP PJ把链按顺序排成 [ P \begin{pmatrix} 110\ 010\ 001 \end{pmatrix}. ] 验证的时候不需要非算 (P^{-1})直接看 (AP) 和 (PJ) 是否相等。先算 [ AP \begin{pmatrix} 211\ 021\ 002 \end{pmatrix} \begin{pmatrix} 110\ 010\ 001 \end{pmatrix}\begin{pmatrix} 231\ 021\ 002 \end{pmatrix}. ] 再算 [ PJ \begin{pmatrix} 110\ 010\ 001 \end{pmatrix} \begin{pmatrix} 210\ 021\ 002 \end{pmatrix}\begin{pmatrix} 231\ 021\ 002 \end{pmatrix}. ] 两边的确相等。这说明 (P) 确实满足 (APPJ)也就等价于 (P^{-1}APJ)。如果你考试要求写出 (P^{-1})那额外求一次逆就行但最核心的“变换矩阵求出来了”这一步已经完成。我个人的习惯是每算完一个链先自己打一遍 ((A-\lambda I)p_{i1}p_i)确认数值没抄错再拼 (P)。这样可以省掉最后全盘验证失败再回头排查的麻烦。5. 混合若当块算例重根配单根的 P 怎么拼5.1 题目与若当块结构判断再来看一个更接近真实考试风格的例子 [ A \begin{pmatrix} 31-1\ 03-2\ 001 \end{pmatrix}. ] 特征值是 3代数重数 2和 1代数重数 1。先看 (\lambda3) [ A-3I \begin{pmatrix} 01-1\ 00-2\ 00-2 \end{pmatrix}. ] 秩是 2所以几何重数是 1。代数重数 2几何重数 1说明 (\lambda3) 对应一个 (2\times 2) 的若当块。(\lambda1) 是单根对应 (1\times 1) 的普通特征值。于是目标标准型是 [ J \begin{pmatrix} 310\ 030\ 001 \end{pmatrix}. ]5.2 分别解两条链先处理 (\lambda3) 的 2 阶块。解齐次方程 [ (A-3I)x0. ] 也就是 [ \begin{cases} x_2-x_30,\ -2x_30,\ -2x_30. \end{cases} ] 得到 (x_30,\ x_20)(x_1) 自由。取 [ q_1(1,0,0)^T. ] 接下来要找一个广义特征向量 (q_2)满足 [ (A-3I)q_2q_1. ] 解非齐次方程组 [ \begin{pmatrix} 01-1\ 00-2\ 00-2 \end{pmatrix} \begin{pmatrix}x_1\x_2\x_3\end{pmatrix}\begin{pmatrix}1\0\0\end{pmatrix}. ] 第二和第三个方程都给 (-2x_30)所以 (x_30)。第一个方程给出 [ x_2-x_31, ] 于是 (x_21)。(x_1) 是自由变量取 (x_11)得 [ q_2(1,1,0)^T. ] 这样 (\lambda3) 的链是 [ p_1(1,0,0)^T,\quad p_2(1,1,0)^T. ]再处理 (\lambda1)。解 [ (A-I)x0. ] 这里 [ A-I \begin{pmatrix} 21-1\ 02-2\ 000 \end{pmatrix}. ] 方程是 [ 2x_1x_2-x_30,\quad 2x_2-2x_30. ] 第二个方程给 (x_2x_3)代回第一个方程得 (2x_10)所以 (x_10)。取 (x_21,x_31)得 [ p_3(0,1,1)^T. ]5.3 P 的列顺序和最终验证现在按 (J) 中的块顺序排列 [ P \begin{pmatrix} 110\ 011\ 001 \end{pmatrix}. ] 这里前两列对应 (\lambda3) 的若当块第三列对应 (\lambda1)。最后验证 [ AP \begin{pmatrix} 31-1\ 03-2\ 001 \end{pmatrix} \begin{pmatrix} 110\ 011\ 001 \end{pmatrix}\begin{pmatrix} 34-1\ 031\ 001 \end{pmatrix}. ] 再看 [ PJ \begin{pmatrix} 110\ 011\ 001 \end{pmatrix} \begin{pmatrix} 310\ 030\ 001 \end{pmatrix}\begin{pmatrix} 340\ 031\ 001 \end{pmatrix}. ] 等一下我算出来的第一个矩阵第三列是 (-1)第二个是 0不一致。问题出在哪我把验证过程看到了错误。需要回头检查。问题其实出在我选的 (p_3) 对应位置有偏差。让我们重新认真核对。(A) 乘第三列 (p_3(0,1,1)^T) [ A p_3 \begin{pmatrix} 31-1\ 03-2\ 001 \end{pmatrix} \begin{pmatrix}0\1\1\end{pmatrix}\begin{pmatrix} 1\cdot 1 (-1)\cdot 1\ 3\cdot 1 (-2)\cdot 1\ 1 \end{pmatrix}\begin{pmatrix}0\1\1\end{pmatrix}. ] 它等于 (\lambda1) 的 (p_3)没问题。但在 (PJ) 里第三列应该是 (1\cdot p_3)也就是 ((0,1,1)^T)。所以 (PJ) 第三列应该是 [ P \begin{pmatrix}0\0\1\end{pmatrix}p_3(0,1,1)^T. ] 我刚才把 (PJ) 写成了 ((3,4,0))显然是算错了。重新算 (PJ) 的第三列(J) 的第三列是 ((0,0,1)^T)所以 (PJ) 第三列就是 (P) 的第三列 ((0,1,1)^T)。这样 [ PJ \begin{pmatrix} 340\ 031\ 001 \end{pmatrix} ] 还是不对因为第三行第三列应该是 1但第二行第三列是 1。对照 (AP)第二行第三列是 1第一行第三列是 0。问题在 (PJ) 第一行第三列我写成 0但 [ (PJ)_{\text{第三列}} p_3 (0,1,1)^T, ] 所以正确的 (PJ) 第三列应该是 ((0,1,1))不是 ((0,0,1))。也就是说 [ PJ \begin{pmatrix} 340\ 031\ 001 \end{pmatrix} ] 第一行第三列为什么是 0因为前两列影响第三列只有 p3第一行 p3(0) indeed. Yes its 0. So PJ [[3,4,0],[0,3,1],[0,0,1]]. AP was [[3,4,-1],[0,3,1],[0,0,1]]. Only first row third differs. Need find correct p3? Did we choose wrong P for our constructed A? Earlier we constructed A PJP^{-1} with P[[1,1,0],[0,1,1],[0,0,1]], P^{-1}[[1,-1,1],[0,1,-1],[0,0,1]], J [[3,1,0],[0,3,0],[0,0,1]]. Then A should be PJP^{-1}. We computed A [[3,1,-1],[0,3,-2],[0,0,1]]. But APPJ should hold. Lets check AP with P[[1,1,0],[0,1,1],[0,0,1]] manually: A * col2 (1,1,0): A [[3,1,-1],[0,3,-2],[0,0,1]]. A [1,1,0] row1:314; row2:033; row3:0. So AP col2(4,3,0). PJ col2 should p1 3p2 (1,0,0)(3,3,0)(4,3,0). Good. A * col3 (0,1,1): row1:11 (-1)1 0; row2:31 (-2)11; row3:1. So AP col3(0,1,1). PJ col3 1p3(0,1,1). Good! AP should be [[3,4,0],[0,3,1],[0,0,1]]. I earlier had -1 first row third due to row1 col3? Wait row1 of A [3,1,-1]; vector col3 [0,1,1], dot 1 -1 0. yes not -1. I computed as 0? The first AP in narrative showed [[3,4,-1]] incorrectly. Actually if using row1: 30 1*1 (-1)*1 0. So AP [[3,4,0],[0,3,1],[0,0,1]], PJ same. Good. Need in final ensure correct values. Good catch. Need not include mistaken computation. Well write correct.AP: col1 A p1 [3,0,0] col2 A p2 [4,3,0] col3 A p3 [0,1,1] [[3,4,0],[0,3,1],[0,0,1]].PJ: col1 3p1[3,0,0] col2 p13p2[1,0,0][3,3,0][4,3,0] col3 p3[0,1,1] [[3,4,0],[0,3,1],[0,0,1]]. Good.Need maybe include first verify generalized equation: N q2 q1, yes.Need make final not mention mistakes.Need perhaps p3(0,1,1) eigenvalues 1. yes.Need maybe mention J order could also be diag(1,J2(3)), then P columns swapped. Good.Need maybe include if J convention lower ones? In some books, ones below diagonal. Then chain equation different. Need be consistent. This is good in troubleshooting.Need maybe 教材上有的地方把若当块写成下副对角线为1这时链要反过来。国内多数教材用上副对角线的 1所以当你对照国外教材或程序输出时先看清楚约定。 Good.6. 实战翻车现场判断、排序和求解里的常见坑6.1 坑位一把几何重数当成了若当块大小最常见的错误看到代数重数是 3、几何重数是 1就直接写一个 (3\times 3) 若当块。这通常是对的但不能想当然。比如代数重数 4、几何重数 2不能直接断定有两个 (2\times 2) 块。可能是两个 (2\times 2) 块也可能是一个 (3\times 3) 块加一个 (1\times 1) 块。必须用秩序列判断。只靠代数重数和几何重数只能知道总块数不知道每块多大。6.2 坑位二广义特征向量链的方向反了有人解出广义特征向量后把 (P) 的列按 (p_m,\dots,p_1) 排。这样排出来的矩阵对应的是下副对角线为 1 的若当块或者会让 (AP) 和 (PJ) 对不上。记住若当块上方的 1 对应的是 [ (A-\lambda I)p_{i1}p_i. ] 所以链的方向是从普通特征向量到最深广义特征向量前面说过很多遍但真的很多人会在这一步翻车。6.3 坑位三解非齐次方程时自由变量选错求广义特征向量时比如解 [ (A-\lambda I)xp_1, ] 这个方程组一定有解但解不唯一。你可以自由选择一些自由变量选法不同得到的 (P) 也不同。这不影响最终的正确性因为不同选法得到的 (P) 之间只差一个可逆的列变换。但有一个要求你选的 (x) 必须真的让等式成立不能只是形式上代入。所以在继续往下算之前先算一遍 ((A-\lambda I)x)看是不是恰好等于 (p_1)。6.4 坑位四验证时只看特征值不看 APPJ有些人算完只检查 (P^{-1}AP) 的对角线是不是 (\lambda)这远远不够。副对角线上的 1 才是最容易错的地方。最稳的验证方法是直接算 (AP) 和 (PJ)比较两个矩阵的每一列。如果完全一样就说明 (P^{-1}APJ)。这个检查只要写几个矩阵乘法成本很低但能把你从错误的深渊里拉回来。6.5 常见问题速查表症状可能原因处理办法特征向量数量不够矩阵不可对角化改用广义特征向量链若当块大小不确定只看了代数重数/几何重数用 rank 序列确定块大小AP 和 PJ 对不上列顺序或链方向错了检查链的方向和块顺序广义特征向量算出来是零向量选错了最深向量重选使得 ((A-\lambda I)^{m-1}x\neq0)有两个链但向量混在一起链间向量串了每条链单独求解、单独验证7. 一点私人经验和最后的小技巧如果只是求若当标准型矩阵软件可以几秒钟给你结果。但做理论推导、考试手算或者很多控制理论里的状态转移矩阵计算还是必须自己能把 (P) 写出来。我常用的顺序是先算特征多项式再算 ((A-\lambda I)^k) 的秩序列确定若当块结构然后每个块都从最深广义特征向量开始倒着打链最后统一排 (P)并立刻用 (APPJ) 验证。实际操作中我还会额外做一步把每条链单独验证后再拼 (P)。比如一条链是 (p_1,p_2,p_3)我会快速心算 [ (A-\lambda I)p_3p_2,\quad (A-\lambda I)p_2p_1. ] 这样能非常早地发现抄错矩阵、列错符号这类的低级错误而不是等到整个 (P) 都排好之后才发现错位。最后再分享一个很多人不知道的习惯当你面对一个上三角矩阵时不要急着直接用现成的若当块结构仍然要走一遍秩序列。因为上三角矩阵对角线上的数字可能相同但副对角线上方的非零元素导致若当块大小未必和对角线重复次数一致。比如一个看似只有一个特征值 2 的三阶上三角矩阵它完全可能是两个块一个 (2\times 2) 块加一个 (1\times 1) 块。只有老老实实算秩才能避免“看起来像”和“实际是”之间那个致命差别。