← 全部笔记

高等代数

矩阵的极小多项式

文章目录

来源 谢启鸿、姚慕生, 高等代数学习指导书, 第4版, 第6章, 印刷页 287–290, 331–334, 350–353. PDF页码 = 印刷页码 + 10。 来源PDF 根据已目视核对的扫描件整理;简洁证明及明确标出的推广为整理者补充。

教材对应位置:定义6.3.1与引理6.3.1(印刷第283页)。

关键是整除性,而不只是代入为零

定义 设 FF 为域,A∈Mn(F)A\in M_n(F)、n≥1n\ge1。极小多项式 mA∈F[t]m_A\in F[t] 是满足 mA(A)=0m_A(A)=0 的次数最低的非零首一多项式。

由有限维矩阵空间中 I,A,A2,…I,A,A^2,\ldots 线性相关可知其存在。用 mAm_A 除任意零化多项式 ff,得到 f=qmA+rf=qm_A+r,其中 deg⁡r<deg⁡mA\deg r<\deg m_A;代入矩阵得到 r(A)=0r(A)=0,因而 r=0r=0。因此 f(A)=0⟺mA∣f.f(A)=0\quad\Longleftrightarrow\quad m_A\mid f. 这同时证明唯一性。Cayley–Hamilton 定理给出 mA∣χAm_A\mid\chi_A,故 deg⁡mA≤n\deg m_A\le n。

只验证 p(A)=0p(A)=0 得到的是 mA∣pm_A\mid p,还不能断言 p=mAp=m_A。例如 A=IA=I 满足 (A−I)2=0(A-I)^2=0,但极小多项式是 t−1t-1。求极小多项式还须排除次数更低的零化多项式,或证明候选多项式的每个因子及其重数都不可减少。

生成的代数有自然的基

若 d=deg⁡mAd=\deg m_A,则带余除法将每个 g(A)g(A) 化为 I,A,…,Ad−1I,A,\ldots,A^{d-1} 的线性组合。若它们相关,就会得到次数更低的零化多项式,所以它们是 F[A]F[A] 的一组基。因此 F[A]≅F[t]/(mA),dim⁡F[A]=d.F[A]\cong F[t]/(m_A),\qquad\dim F[A]=d. 商代数的描述是整理者对例 6.75 的改写,说明多项式计算可以模 mAm_A 进行。

保持极小多项式的变换

相似与转置保持 mAm_A,因为 g(P−1AP)=P−1g(A)Pg(P^{-1}AP)=P^{-1}g(A)P 和 g(AT)=g(A)Tg(A^T)=g(A)^T。对分块对角矩阵, mdiag⁡(A1,…,Ar)=lcm⁡(mA1,…,mAr),m_{\operatorname{diag}(A_1,\ldots,A_r)}=\operatorname{lcm}(m_{A_1},\ldots,m_{A_r}), 其中规范化为首一多项式:多项式零化分块矩阵,当且仅当它零化每个块(例 6.76–6.77)。

在代数闭包中,mAm_A 与 χA\chi_A 有完全相同的根。若 Av=λvAv=\lambda v,则 mA(λ)=0m_A(\lambda)=0,而 mA∣χAm_A\mid\chi_A 给出反向包含。用代数语言说,χA\chi_A 的每个不可约因式都整除 mAm_A,且 mA∣χA∣mAn.m_A\mid\chi_A\mid m_A^n. 根在这两个多项式中的重数可以不同(例 6.79–6.81)。

若 AA 可对角化,则 mAm_A 是各互异特征值对应的一次因式的乘积。若 AA 的谱单重,它就等于 χA\chi_A。幂零矩阵有 mA=tsm_A=t^s,其中 ss 是满足 As=0A^s=0 的最小指数;大小为 n>1n>1 的非零秩一矩阵有 mA=t(t−tr⁡A)m_A=t(t-\operatorname{tr}A),包括迹为零时的 t2t^2(例 6.82)。

用循环向量证明次数最小

若 v,Av,…,An−1vv,Av,\ldots,A^{n-1}v 是一组基,则次数低于 nn 的非零多项式不能零化 vv,因而也不能零化 AA。所以 mA=χAm_A=\chi_A。求系数时,将 AnvA^nv 在这组基下表示。对反序的列 K=(An−1v,…,Av,v)K=(A^{n-1}v,\ldots,Av,v) 与 χA=tn+c1tn−1+⋯+cn\chi_A=t^n+c_1t^{n-1}+\cdots+c_n, (c1,…,cn)T=−K−1Anv(c_1,\ldots,c_n)^T=-K^{-1}A^nv (训练题,题 15)。任意向量的零化多项式可能比整个矩阵的极小多项式次数更低,所以基的假设不可省去。