The trace Cayley-Hamilton theorem

这是一份关于 Darij Grinberg 撰写的论文《Trace Cayley-Hamilton Theorem》（迹凯莱 - 哈密顿定理）的详细技术总结。

1. 研究背景与问题 (Problem)

• 核心对象：设 $K$ 为交换环，$A$ 为 $K$ 上的 $n \times n$ 矩阵。
• 经典定理回顾：著名的凯莱 - 哈密顿定理（Cayley-Hamilton Theorem）指出，若 $\chi_A(t) = \det(tI_n - A) = \sum_{i=0}^n c_{n-i}t^i$ 是 $A$ 的特征多项式，则 $\chi_A(A) = \sum_{i=0}^n c_{n-i}A^i = 0$。
• 待解决问题：作者关注一个较少被教科书详细阐述的推论，即迹凯莱 - 哈密顿定理（Trace Cayley-Hamilton Theorem）。该定理建立了特征多项式系数 $c_k$ 与矩阵幂的迹 $\text{Tr}(A^i)$ 之间的线性关系：
  $$k c_k + \sum_{i=1}^k \text{Tr}(A^i) c_{k-i} = 0, \quad \forall k \in \mathbb{N}$$
  其中规定当 $i < 0$ 时 $c_{n-i} = 0$。
• 现有方法的局限性：
  • 当 $K$ 是域时，可以通过特征值（牛顿恒等式）证明，但这依赖于代数闭包或分裂域，不适用于一般交换环。
  • 当 $K$ 是域时，$k \ge n$ 的情况容易由凯莱 - 哈密顿定理乘以 $A^{k-n}$ 取迹得到，但 $k < n$ 的情况没有简单的推导。
  • 现有的通用证明（如使用通用恒等式方法或外代数）往往较为抽象或缺乏初等线性代数的直观性。

2. 方法论 (Methodology)

作者采用了一种纯代数的、不依赖特征值的证明策略，核心在于伴随矩阵（Adjugate Matrix）的多项式展开以及**“变形去奇点”策略（$tI_n + A$ 技巧）**。

2.1 核心技巧：伴随矩阵的多项式展开

作者利用恒等式 $(tI_n - A) \cdot \text{adj}(tI_n - A) = \det(tI_n - A) I_n = \chi_A(t) I_n$。
由于 $\text{adj}(tI_n - A)$ 的元素是 $tI_n - A$ 的 $(n-1) \times (n-1)$ 子式的行列式，因此它是 $t$ 的次数不超过 $n-1$ 的多项式矩阵。作者将其展开为：
$$\text{adj}(tI_n - A) = \sum_{k=0}^{n-1} t^k D_k$$
其中 $D_k$ 是与 $A$ 相关的常数矩阵。通过比较 $(tI_n - A) \sum t^k D_k = (\sum c_{n-i}t^i) I_n$ 两边的系数，建立 $D_k$ 与 $c_k$ 及 $A$ 的递推关系。

2.2 关键引理：特征多项式的导数

作者证明了特征多项式的导数与伴随矩阵的迹之间的关系：
$$\frac{d}{dt} \chi_A(t) = \text{Tr}(\text{adj}(tI_n - A))$$
这一结论通过将导数视为 $K[t]$ 上的导子（Derivation），并利用行列式导数公式 $\frac{d}{dt}\det(M) = \text{Tr}(\frac{dM}{dt} \cdot \text{adj}(M))$ 得到。

2.3 “$tI_n + A$" 策略 (The $tI_n + A$ Trick)

在论文后半部分（第 5 节），作者广泛使用了一种策略：将矩阵 $A$ 替换为多项式矩阵 $tI_n + A$。

• 原理：$\det(tI_n + A)$ 是 $K[t]$ 中的首一多项式（monic polynomial），因此是正则元（regular element，即非零因子）。
• 优势：在交换环中，如果 $\det A$ 是零因子，通常无法在等式两边消去 $\det A$。但 $\det(tI_n + A)$ 作为多项式环中的正则元，允许在等式两边进行消去。
• 应用流程：
  1. 在 $K[t]$ 上对 $tI_n + A$ 证明某个恒等式（利用其行列式的正则性）。
  2. 应用求值同态 $\varepsilon: K[t] \to K$（将 $t$ 映射为 0），将结果拉回 $K$ 上，从而得到关于 $A$ 的恒等式。

3. 主要贡献与结果 (Key Contributions & Results)

3.1 迹凯莱 - 哈密顿定理的新证明

作者给出了该定理的一个自包含的、初等的证明，无需特征值或外代数。

• 推导过程：
  1. 利用 $\text{adj}(tI_n - A) = \sum t^k D_k$。
  2. 通过比较系数得到 $D_{k-1} - A D_k = c_{n-k} I_n$。
  3. 利用导数关系 $\text{Tr}(D_k) = (k+1)c_{n-(k+1)}$。
  4. 结合上述关系，通过代数运算直接导出 $k c_k + \sum_{i=1}^k \text{Tr}(A^i) c_{k-i} = 0$。

3.2 幂零性判据 (Nilpotency Criterion)

作为定理的应用，作者证明了：

• 若 $\text{Tr}(A^i) = 0$ 对所有 $1 \le i \le n$ 成立，则 $n! A^n = 0$。
• 若 $K$ 是 $\mathbb{Q}$-代数（即包含有理数域），则 $A^n = 0$（即 $A$ 是幂零矩阵）。
• 反之，若 $\chi_A(t) = t^n$，则对所有正整数 $i$，$\text{Tr}(A^i) = 0$。

3.3 伴随矩阵的深入性质

论文第 5 节利用“$tI_n + A$"策略证明了多个关于伴随矩阵的恒等式，这些恒等式在一般交换环上成立：

• 乘积公式：$\text{adj}(AB) = \text{adj}(B)\text{adj}(A)$。
• 伴随的伴随：$\text{adj}(\text{adj}(A)) = (\det A)^{n-2} A$ （当 $n \ge 2$）。
• 伴随的多项式表示：$\text{adj}(A) = (-1)^{n-1} \sum_{i=0}^{n-1} c_{n-1-i} A^i$。
• 雅可比定理 (Jacobi's Theorem)：关于伴随矩阵子式与原矩阵子式行列式的关系。
• 分块矩阵行列式：
  • 若 $AC=CA$，则$\det \begin{pmatrix} A & B \ C & D \end{pmatrix} = \det(AD - CB)$。
  • 推广的 Schur 补公式及涉及向量的分块矩阵行列式公式。

3.4 迹与伴随矩阵的关系

证明了 $\text{Tr}(\text{adj}(A)) = (-1)^{n-1} c_{n-1} = (-1)^{n-1} [t^1]\chi_A(t)$，即伴随矩阵的迹等于特征多项式中 $t$ 的系数（带符号）。

4. 意义与价值 (Significance)

1. 理论完备性：该论文填补了线性代数教材中关于“迹凯莱 - 哈密顿定理”在一般交换环上证明的空白。它展示了如何在没有特征值概念的情况下，仅通过矩阵代数和多项式性质处理此类问题。
2. 方法论的推广：作者系统地展示了"$tI_n + A$"技巧在处理交换环上行列式恒等式证明中的强大威力。这种方法避免了将环嵌入到域中（如通用恒等式方法），保持了证明的纯代数性和构造性。
3. 统一视角：论文将凯莱 - 哈密顿定理、牛顿恒等式、伴随矩阵性质、分块矩阵行列式公式等看似独立的线性代数结果，统一在同一个证明框架下。
4. 教育价值：作为一篇综述性论文（Expository paper），它提供了清晰、详尽且自包含的证明步骤，适合代数学家、组合学家以及需要处理一般环上矩阵问题的研究者参考。

总结

Darij Grinberg 的这篇论文不仅重新证明了一个经典的迹恒等式，更重要的是它通过引入和系统化“多项式矩阵变形”策略，为在一般交换环上处理行列式、迹和伴随矩阵问题提供了一套强有力的通用工具。其结果不仅具有理论深度，也为解决幂零性判定和分块矩阵计算等具体问题提供了简洁的代数路径。