矩阵理论-第四讲 最小多项式
极小多项式

极小多项式?
在抽象代数中,一个域上的代数的元素之极小多项式(或最小多项式)是它满足的最低次多项式。
此概念对线性代数与代数扩张的研究极有助益。
1.形式定义
设为域,为有限维-代数。
对任一元素,集合张出有限维向量空间,所以存在非平凡的线性关系:
可以假设,此时多项式满足。
根据多项式环里的除法,可知这类多项式中只有一个次数最小者,称之为的极小多项式。
由此可导出极小多项式的次数等於,而且可逆若且唯若其极小多项式之常数项非零,此时可以表成的多项式。
2,矩阵的极小多项式
考虑所有矩阵构成的-代数,由於,此时可定义一个矩阵之极小多项式,而且其次数至多为;事实上,根据凯莱-哈密顿定理,可知其次数至多为,且其根属於该矩阵的特徵值集。
极小多项式是矩阵分类理论(约当标准形、有理标准形)的关键。
3,极小多项式与代数扩张
设为的有限扩张,此时可视为有限维-代数。
根据域的性质,极小多项式必为素多项式。
元素的迹数及范数等不变量可以从极小多项式的系数读出。
最小多项式的一个重要性质的多种证法及应用

Abstract In this paper, three proofs of an important property of minimal polynomial are given and its applcat?onsare?lustrated. Keywords invariant factor , elementary factor , Jordan canonical form , minimum polynomial , rational canonicalPorm
矩阵A的最小多项式是A的最后一个不变因子.
证法1用D&Q)表示21—A的0阶行列式因 子,((一A)表示(一A的伴随矩阵,于是
D” ( 2 ) = | 2( 一 A .
注意到D”—# ( 2)是21—A的所有”一 1阶子式 的最大公因式,即((一A)的所有一阶子式的最大 公因式,因此,从((一A)的每个元素中都能提出
文献标识码 A
文章编号 1008 - 1399(2020)01 -0111 -04
Various Proofs for an Important Property of Minimal Polynomial andItsApplcat#ons
ANJun
(School of Mathematics and Statistics, Chongqing Technology and Business University, Chongqing 400067, China)
112
Hale Waihona Puke 高等数学研究2020年1月
则7A# (2) , 7a2 (2)的最小公倍式7 (2)=
[7a# ( 2) ,7a2 ( 2)]是A的最小多项式.
方阵最小多项式性质探讨

方阵最小多项式的性质探讨摘要:讨论方阵最小多项式的几个性质及相关的几个简单应用关键词:方阵,最小多项式,零化多项式,特征多项式 概念1:设方阵A ,若f(x) F(x),使f(A)=0,则称f(x)为A 的零化多项式。
命题1:方阵的零化多项式是存在的。
证明:设A 为n n ⨯方阵,()n M F 表示域F 上的所有n n ⨯方阵的集合,构一线性空间,它的维数为2n ,A 属于()n M F ,由22,,,,n E A A A 这21n +个向量一定线性相关。
则存在一组不全为零的数:201,,,n a a a , 使得22010n n a E a A a A +++=, 作多项式2201()n n f x a a x a x =+++,且()0f x ≠,有()0f A =,即()n M F 中的任意向量A 来讲,零化多项式是存在的。
概念2:次数最低首项为1的零化多项式称为最小多项式。
由命题1的证明进程,咱们明白最小多项式是存在的。
只要由,,,k E A A ,随k 增大往上找。
可是这也只能说方阵A 的最小多项式的次数最多不超过2n ,那个估量是比较粗糙的,咱们能够估量得更精准些。
命题2:(cayley-Hamilton 定理)设A 是数域P 上一个n n ⨯矩阵,()f x E A λ=-是A 的特征多项式,则11122()()(1)0n n n nn f A A a a a A A E -=-+++++-= 证明:详见北大数教材《高等代数》P303。
也就是说能够把方n n ⨯方阵的最小多项式的次数缩小到不超过n 。
下面介绍几个最小多项式的性质:命题3:矩阵A 的最小多项式是唯一的。
命题4:设g(x)为方阵A 的最小多项式,那么f(x)以A 为根当且仅当g(x)整除f(x).命题5:相似矩阵具有相同的最小多项式。
证明:设方阵A 的最小多项式是()m x ,矩阵B 最小多项式是n(x),由A 与B 相似知,有1B P AP -=,其中P 为可逆阵。
友矩阵的最小多项式

友矩阵的最小多项式友矩阵是一个n×n阶的矩阵,其中每个元素都可以写成形如aij = αi+ βj的形式,其中αi和βj是任意实数。
友矩阵最小多项式的定义是,这个矩阵的多项式f(x)当且仅当f(A) = 0且f的次数最小时,它就是友矩阵的最小多项式。
为了求解友矩阵的最小多项式,我们可以使用以下两种方法:方法一:代数几何方法我们可以将友矩阵看作是平面上的点阵,每个点对应着矩阵中的一个元素。
然后,我们可以通过画出这个点阵所形成的图形来确定友矩阵的最小多项式。
具体来说,我们可以计算出所有点的坐标,然后将它们画出来。
接下来,我们可以选择一些坐标系进行转换,使得这些点的分布更加规律。
最后,我们可以使用代数几何方法来求解友矩阵的最小多项式。
方法二:特征多项式法我们可以使用友矩阵的特征多项式来求解其最小多项式。
具体来说,我们可以先求出友矩阵的特征多项式f(x),然后将其因式分解,得到:f(x) = (x - λ1)^k1 * (x - λ2)^k2 * ... * (x - λt)^kt其中,λ1, λ2, ..., λt是友矩阵的特征值,k1, k2, ..., kt是它们的代数重数。
由于友矩阵的最小多项式的次数要小于等于n,因此友矩阵的特征值和它们的代数重数可以帮助我们确定最小多项式的形式。
具体来说,我们可以考虑每一个特征值,然后取出它们的最高次项作为友矩阵的最小多项式的一个因子,例如:g(x) = (x - λ1)^α1 * (x - λ2)^α2 * ... * (x - λt)^αt其中,α1, α2, ..., αt是友矩阵的特殊的代数重数,它们满足α1 + α2 + ... + αt ≤ n。
综上所述,我们可以使用代数几何方法或特征多项式法来求解友矩阵的最小多项式。
这两种方法都可以帮助我们更好地理解友矩阵,并应用它们到实际问题中。
求矩阵的最小多项式例题

求矩阵的最小多项式例题矩阵的最小多项式是指一个多项式,使得它是一个给定矩阵的最小次数的首一多项式,使得其为零矩阵的根。
在线性代数中,矩阵的最小多项式有着重要的作用。
下面我们来看一个求矩阵的最小多项式的例题。
例题:求矩阵A的最小多项式,其中A为3阶方阵,元素为:$$A=begin{bmatrix}2 & -1 & 0-1 & 2 & -10 & -1 &2end{bmatrix}$$解析:首先我们需要知道最小多项式的定义,即为首一多项式,使得其为零矩阵的根。
因此我们可以根据此定义来求解。
我们首先列出$A^{2}$,$A^{3}$:$$A^{2}=begin{bmatrix}3 & -3 & 1-3 & 4 & -31 & -3 &3end{bmatrix}$$$$A^{3}=begin{bmatrix}0 & 0 & 00 & 1 & -30 & -3 &7end{bmatrix}$$接下来,我们将$A$,$A^{2}$,$A^{3}$带入到一个3阶的多项式:$f(x)=x^{3}+ax^{2}+bx+c$中,得到如下:$$f(A)=A^{3}+aA^{2}+bA+cI=begin{bmatrix}0 & 0 & 00 & 1 & -30 & -3 & 7end{bmatrix}+abegin{bmatrix}3 & -3 & 1-3 & 4 & -31 & -3 & 3end{bmatrix}+bbegin{bmatrix}2 & -1 & 0-1 & 2 & -10 & -1 & 2end{bmatrix}+begin{bmatrix}1 & 0 & 00 & 1 & 00 & 0 & 1end{bmatrix}$$我们需要求的是$f(x)$为零矩阵的根,即矩阵的最小多项式。
矩阵的最小多项式的求解及其应用

矩阵的最小多项式的求解及其应用冯福存【摘要】首先介绍最小多项式的相关概念及最小多项式的一些基本性质,然后给出求解最小多项式的几种常用方法,最后结合实例归纳总结最小多项式在解题中的几个应用.【期刊名称】《宁夏师范学院学报》【年(卷),期】2017(038)006【总页数】5页(P28-32)【关键词】最小多项式;特征多项式;应用【作者】冯福存【作者单位】宁夏师范学院数学与计算机科学学院, 宁夏固原 756000【正文语种】中文【中图分类】O151.21矩阵可以说贯穿线性代数始终,而矩阵的特征多项式则是高等代数学习中的重点和难点,它与最小多项式的结合又常常成为数学系硕士研究生入学考试的难点和焦点.矩阵最小多项式在求矩阵函数的结果以及观察矩阵的特征值等方面具有重要的应用,大多数教材[1-3]只对矩阵最小多项式的定义做了简单的介绍,如何快速准确地计算出其最小多项式却很少给予系统的讨论,作者在长期的教学实践中,参阅相关文献[4-7],得到和总结了关于矩阵最小多项式的系列性质,并对计算最小多项式常用的易于掌握的几种方法进行整理、总结和对比,并将教材上的Jordan标准形和最小多项式两个知识点串联到了一起,有利于加深初学者对这两部分内容的理解,以期对读者有所帮助.1 基本概念及性质定义1 设f(x)∈C[x],A∈Cn×n,若f(A)=0,则称f(x)为A的零化多项式.定义2 设A∈Cn×n,A的零化多项式中次数最低的首项系数为1的多项式称为A的最小多项式.关于矩阵的最小多项式有如下结论:性质1[1] A∈Cn×n,则A存在唯一的最小多项式,记为mA(λ).性质2 A∈Cn×n,mA(λ)整除A的任一零化多项式,特别的mA(λ)|fA(λ),(fA(λ)=|λE-A|).证明设f(λ)是A的任一零化多项式,由带余除法定理可知f(λ)=mA(λ)q(λ)+r(λ),若r(λ)≠0,由f(A)=0,mA(λ)=0可知r(A)=0,则r(λ)为A的最小多项式,与性质1矛盾,故r(λ)=0,即mA(λ)|f(λ).由Hamilton-Cayley定理[1]知fA(λ)是A的一个零化多项式,故mA(λ)|fA(λ).性质3[7] A∈Cn×n,A的最小多项式的根必是A的特征多项式的根,反之亦然.性质4[1] 设A∈Cn×n,若A是一个准对角阵并设A1的最小多项式为g1(λ),A2的最小多项式为g2(λ),那么A的最小多项式为g1(λ),g2(λ)的最小公倍式[g1(λ),g2(λ)].性质5[6] 相似矩阵的最小多项式相同,即最小多项式是相似不变量.性质6[1] k级Jordan块的最小多项式为(λ-a)k.性质7[1] 设Α是复数域上n维线性空间V的线性变换,在V中必定存在一组基,使得Α在这组基下的矩阵是Jordan形.2 最小多项式的求解求矩阵的最小多项式有多种方法,本文主要介绍四种便于掌握的方法.2.1 由特征多项式求最小多项式设A∈Cn×n的所有不同的特征值为λ1,λ2,…,λs,则A的特征多项式为fA(λ)=|λE-A|=(λ-λ1)k1(λ-λ2)k2…(λ-λs)ks,由性质3可知A的最小多项式必有如下形式:mA(λ)=(λ-λ1)m1(λ-λ2)m2…(λ-λs)ms,上式中mi≤ki(i=1,2,…,s).若A的特征值均为单根时,mA(λ)=fA(λ);若A的特征多项式为fA(λ)=(λ-λ1)n 时,mA(λ)=(λ-λ1)m(m≤n),m为使(λ1I-A)m=0的最小次数.2.2 待定系数法A∈Cn×n,设A的最小多项式为mA(λ)=λm+am-1λm-1+am-2λm-2+…+a1λ+a0(1≤m≤n),可如下操作:第一步:m=1,试解A=-a0I,看是否有解:若有解a0,则最小多项式为mA(λ)=λ+a0;若无解;则进入下一步;第二步:m=2,试解A2=-a1A-a0I,看是否有解:若有解a0,a1,则最小多项式为mA(λ)=λ2+a1λ+a0;若无解,则进入下一步;第三步:m=3,试解A3=-a2A2-a1A-a0I,看是否有解,若有解a0,a1,a2,则最小多项式为mA(λ)=λ3+a2λ2+a1λ+a0;若无解,则进入下一步;如此循环,直到求出ai(0≤ai≤n)使矩阵方程Am=-am-1Am-1-am-2Am-2-…-a1A-a0I成立为止,以λ代A,以1代I便可得到所求的最小多项式.2.3 初等变换法设A∈Cn×n,λI-A为矩阵A的特征矩阵,这是一个λ-矩阵,对该矩阵施行初等行(列)变换将λI-A化为标准形,通过标准形可求得A的不变因子d1(λ),d2(λ),…,dn(λ),则mA(λ)=dn(λ),即λI-A的标准形的最后一个不变因子就是A的最小多项式.也可以先求出λI-A的n-1阶和n阶行列式因子分别为Dn-1(λ),Dn(λ),由前面可知A的最小多项式为2.4 利用Jordan标准形求最小多项式文献[8]关于A∈Cn×n的Jordan标准形的求解已做了详细的介绍,设A的所有不同的特征值为λ1,λ2,…,λs,如果λi是A的单特征值,则对应一阶Jordan块Ji=(λi),如果λi是A的ri(ri>1)重特征值,则以λi为对角元素的Jordan块的阶数之和为ri,设以λi为对角元素的Jordan块的最大阶数为di,可得A的最小多项式为mA(λ)=(λ-λ1)d1(λ-λ2)d2…(λ-λs)ds.由性质6可知每个Jordan块对应一个一次因式的方幂(初等因子),即A化为标准形后每个Jordan块与A的初等因子是一一对应的.再由性质4、性质7可知A的最小多项式为所有这些初等因子的最小公倍式.这样,通过A的所有初等因子也可以确定A的最小多项式.这四种求矩阵最小多项式的方法中特征多项式法和待定系数法都有试探的成分,实际操作起来比较麻烦.前者适合低阶的比较简单的矩阵,而后者可适用于任意阶矩阵,计算方法机械,可用计算机编程来处理.如果知道矩阵的Jordan标准形,则可以快速的写出矩阵的最小多项式,但如果不知道矩阵的Jordan标准形而要计算矩阵的Jordan标准形有时也是比较麻烦的.初等变换法和行列式因子法相似,他们都是利用λ-矩阵的相关理论解决问题.3 矩阵最小多项式的应用3.1 计算Ak文献[8]中对于这种问题通过相似变换讨论过,即在n维线性空间V中,任意一个矩阵A∈Cn×n与一个n阶Jordan矩阵相似,存在可逆矩阵P,使得P-1AP=J,则及的形式,可以把一般的矩阵的问题化为Jordan形来讨论,使得问题简化.本文用最小多项式来解决此类问题,令f(λ)=λk,设A的所有不同的特征值为λ1,λ2,…,λs,A的最小多项式为mA(λ)=(λ-λ1)d1(λ-λ2)d2…(λ-λs)ds,mA(λ)的次数∂(mA(λ))=m.若k≤m,则直接计算Ak,若k>m,由带余除法可得f(λ)=q(λ)mA(λ)+r(λ),其中,∂r(λ)=r<m.因为mA(A)=0,所以f(A)=r(A),只需要确定r(λ)便可计算f(λ),不妨设r(λ)=lm-1λm-1+lm-2λm-2+…+l1λ+l0,通过最小多项式的根待定系数后可确定r(λ)的系数,从而计算f(λ).可以将这类问题的计算进一步推广为:已知方阵A与任意多项式f(λ)求f(A),解决方法与前面的讨论完全一致.3.2 求方阵A的全体多项式所生成的线性空间的维数与基对于一个给定的方阵A的矩阵多项式,考察的核心对象是该矩阵的幂的形式.如果矩阵A没有明显的特征,则它的各次幂一般也没有明显的特征,这时就不好确定A 的矩阵多项式的次数,从而无法确定A的矩阵多项式所生成的空间的维数与基.将这类问题的结论以命题的形式给出,对于这一类型的问题只需知道A的最小多项式便可套用命题的结论解决.定理[1][9] A∈Cn×n,A的最小多项式的次数为k,W={f(A)|A∈Cn×n},则有:(1)dimW=k;(2)E,A,A2,…,Ak-1为W的一组基.3.3 求解常系数线性微分方程组关于常系数线性微分方程组的求解和解的理论可参看文献[10],读者会发现比较繁杂,要求掌握矩阵函数和矩阵的微分和积分的知识才能看懂和进行相关的计算.本文给出一种较简单直观的方法来求解线性齐次微分方程组.对于常系数线性微分方程组(其中x(t)=(x1(t),x2(t),…,xn(t))T,i=1,2,…,n,A为n 阶数字方阵)的求解本质是求解它的基解矩阵,基解矩阵其本质就是一个矩阵函数.根据矩阵函数的定义,一般矩阵函数f(A)是用在A的特征值上和f(λ)一致的多项式g(λ)所对应的矩阵多项式g(A)来表示的.但是,这样的g(λ)并不是唯一的,因此用来定义矩阵函数f(A)的g(A)也不是唯一的,但借助于A的最小多项式后这样的g(A)是唯一的,从而f(A)也是唯一的.设A的所有不同的特征值为λ1,λ2,…,λs,最小多项式为mA(λ),次数为∂(mA(λ))=m,由带余除法可得g(λ)=p(λ)mA(λ)+r(λ),由矩阵函数的定义,利用拉格朗日插值公式可求解f(A).(i)当A的最小多项式没有重根时(1)其中(ii)当A的最小多项式有重根时设此时最小多项式为mA(λ)=(λ-λ1)d1(λ-λ2)d2…(λ-λs)ds,其中d1+d2+…+ds=m≤n,则其中mi(A)=(A-λ1I)d1(A-λ2I)d2…(A-λi-1I)di-1(A-λ1I)di+1…(A-λ1I)ds,;j=1,2,…,ds.4 应用举例例1 求下列矩阵的最小多项式.解计算得|λI-A|=(λ-1)4,r(λI-A)=2,可知对应特征值1的特征向量有2个,所以矩阵A的Jordan标准形由2个Jordan块构成,但无法判断Jordan块是一个1阶和3阶,还是2个2阶的,采用文献[8]中的波尔曼法计算可得A的Jordan标准形为由本文确定最小多项式的Jordan标准形方法可得矩阵A的最小多项式为mA(λ)=(λ-1)3.例2 解下列线性微分方程组其中解矩阵A的最小多项式为mA(λ)=(λ-4)(λ-2).由微分方程理论可知所求方程组解的形式为X=eAtc,其中c=(c1,c2,c3),ci(i=1,2,3)不全为零.下面只需计算矩阵函数f(A)=eAt和向量c,为此,令f(λ)=eλt,λ1=4,λ2=2.最小多项式无重根,由公式(1)可得其中于是得故一般解为X=eAtc.当t=0时,由初值条件可得c1=0,c2=1,c3=1.故满足初始条件的解为参考文献:【相关文献】[1] 北京大学数学系代数与几何教研室前代数小组.高等代数[M].北京:高等教育出版社,2013.[2] 库洛什.高等代数教程[M].北京:高等教育出版社,1983.[3] 蓝以中.线性代数引论[M].北京:北京大学出版社,1998.[4] YU Bo,ZHANG Jintao,XU Yanyan.The RCH Method for Computing Minimal Polynomials of Polynomial Matrices[J].J.Syst.Sci .Complex,2015,25:190-209.[5] 夏必腊.方阵最小多项式的性质与求法[J].高等数学研究,2003,6(3):34-39.[6] 张跃辉.矩阵理论与应用[M].北京:科学出版社,2011.[7] 魏洪增.矩阵理论与方法[M].北京:电子工业出版社,2005.[8] 冯福存.矩阵的Jordan标准形及其应用[J].绵阳师范学院学报,2016,35(5):11-15.[9] 林志兴,杨忠鹏.线性组合与积相等矩阵对及其多项式表示[J].浙江大学学报(理学版),2015,42(3):261-267.[10] 王高雄,周之铭,朱思铭,等.常微分方程[M].北京:高等教育出版社,2006.。
矩阵的多项式形式

矩阵的多项式形式
矩阵的多项式形式指的是将矩阵表示为多项式的形式,即将一个矩阵用一个多项式来表示。
这种形式在矩阵计算中十分常见,例如在求解线性方程组、矩阵求逆、特征值和特征向量等问题中都有所应用。
矩阵的多项式形式可以用两种方法表示:一种是将矩阵表示为其特征多项式的形式,另一种是将矩阵表示为其最小多项式的形式。
特征多项式是一个关于λ的多项式,它的根是矩阵的特征值。
用特征多项式表示矩阵的好处在于可以简化计算,例如可以用伯努利-霍尔公式(Bernoulli-Horn formula)快速计算矩阵的幂。
最小多项式是一个次数最低的关于λ的多项式,它的根是矩阵的特征值和Jordan块大小的倒数。
用最小多项式表示矩阵的好处在于可以唯一地确定矩阵的Jordan标准形。
总之,矩阵的多项式形式是矩阵计算中的重要概念,可以方便地进行矩阵计算和矩阵分解。
- 1 -。
矩阵最小多项式的特征多项式求法

f( ) A的特 征 多项 式 , f( =0 t i是 则 A) 。
k, ; =12… ,) m ( , , s 都是正整数 , i 由最小多项式定 定理 2 设 A是数 域 的 P上 一个 n级矩 阵 , 义可知 , i 12 … , i , , , ) A k 是 , , m ( =12 … s 中使 g( A)
式 的 A的最小 多 项式 的根 。
l l
Ⅱ — ()Ⅱ — ) l ),
i =1 i 1 ;
命题 3 矩 阵 A的最 小 多项式 是 唯一 的 。 …
所以,i I — 因为 ( ≠ (=12 pt Ⅱ ), () ) 0i ,,
f l =
=
的特征多项式为fi :Ⅱ —。 , t, : () t ) 其中i i, 。 t
i 1 =
0的最小 正整 数 。证毕 。
作者简介 : 秦勇( 98 )男 , 15 一 , 常州 师范专科学校数学 系主任 , 副教授 。
维普资讯
2
设 A 的最小 多项 式 为 g ) 一2 “ —1虹 ( ≤ 后≤2 1 ) ( =( )( ) , 1 。 , ≤k≤2 2
因为
0 0 0 0 1 0 0 1 0 0
( A一2 ( E) A—E) =
0 0 0 0
0 0 —1 1
2 定 理 、
…
,)且 , i 的首 项系 数为 1所 以 '( ) , s , pt () , Pi =1从 t
l
() t )且 ( 1 , s 又 ≤m 2 ) 定理 1。 设 A是 数域 的 P上 一个 n级 矩 阵 , 而gi =儿 — 后 = , …, ,
( 州 师 范专 科 学校 , 苏 常州 2 32 ) 常 江 102
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
0
= ϕ ( A)
信息科学与工程学院
矩阵理论第4讲 - 13
Hamilton-Cayley定理的应用 – 化简矩阵多项式的计算:
• 当n阶方阵的矩阵多项式 f ( A) 中A的最高次幂超过n时,可用多项 式的带余除法,将此矩阵多项对应的多项式 f (λ ) 表示为 ϕ (λ ) =
那么根据Hamilton-Cayley定理
•
任一方阵都是它的特征多项式的根
– 证明:
n ∃P ∈ Cn ×n
P −1 AP = J
考察J:
λ1 1 λ1 O O 1 λ1 0 λ2 1 O 1 λ2 0 O O O 1 λi
Dr×1 ∈ F m×( n +1) ~ D( m −r )×1
矩阵理论第4讲 - 2
信息科学与工程学院
Hamilton-Cayley定理
•
任一方阵都是它的特征多项式的根
– Hamilton-Cayley定理 设 A∈ C nxn ,ϕ (λ ) = det(λI − A) ,则 ϕ ( A) = 0 – 证明: 由于
利用矩阵加法的定义 A + B ∆ ( aij + bij ) 将 B(λ ) 分解
信息科学与工程学院
矩阵理论第4讲 - 11
Hamilton-Cayley定理
B(λ ) = λn −1 Bn −1 + λn − 2 Bn −1 + L + B0 Bi ∈ C n×n (i = 1,L n − 1) 考察等式 B(λ )(λI − A) = det(λI − A) I 的右边:
其中: f ij* (λ ) 是 A(λ ) 的行列式的第i行第j列元素的代数余子式, 那么与常数矩阵类似:
A(λ ) A* (λ ) = A* (λ ) A(λ ) = det A(λ ) I
信息科学与工程学院
矩阵理论第4讲 - 9
Hamilton-Cayley定理 设 B(λ ) 是矩阵A的特征矩阵的伴随矩阵,那么
矩阵理论第4讲 - 5
Hamilton-Cayley定理
= ( PJP −1 − P(λ1 I ) P −1 )( PJP −1 − P(λ2 I ) P −1 ) L ( PJP −1 − P(λn I ) P −1 ) = P( J − λ1 I ) P −1 P( J − λ2 I ) P −1 P L P −1 P( J − λn I ) P −1 = P( J − λ1 I )( J − λ2 I ) L ( J − λn I ) P −1
λ1 − λn ×
α λ2 − λn
O −1 P O α 0
信息科学与工程学院
矩阵理论第4讲 - 7
Hamilton-Cayley定理
λ1 − λ3 0 0 * * 0 0 O * = P M M O * 0 0 * λ1 − λn × = L0
比较两边的系数:
Bn −1 = I B − B A = α I n−2 n −1 n −1 M − B0 A = α 0 I
信息科学与工程学院
矩阵理论第4讲 - 12
Hamilton-Cayley定理 以 An , An −1 ,L , A, I 依次右乘这些等式:
Bn −1 = I B − B A =α I n −1 n −1 n−2 Bn −3 − Bn − 2 A = α n − 2 I M B0 − B1 A = α n −1 I − B0 A = α 0 I
运算结果是一个零矩阵 运算结果是一个零矩阵
ϕ (λ ) = det(λI − A)
显然
运算结果是一个多项式 运算结果是一个多项式
ϕ ( A) = det( AI − A) = 0
运算结果是一个数 运算结果是一个数
运算结果是一个矩阵 运算结果是一个矩阵
信息科学与工程学院
矩阵理论第4讲 - 3
Hamilton-Cayley定理
令:
(n (n α11 −1) α12 −1) ( n −1) (n α 22 −1) α 21 Bn −1 = M M α ( n −1) α ( n −1) n2 n1 n (0 (0 α11 ) α12 ) L α1(n −1) (0) (0 ( n −1) L α 2n α 21 α 22 ) L B0 = M O M M (n α (0) α (0) L α nn −1) n2 n1 0 L α1(n ) (0) L α 2n O M (0) L α nn
det(λI − A) 与商 g (λ ) 的积,再加上余式 r (λ ) 的形式: f (λ ) = g (λ )ϕ (λ ) + r (λ ) deg r (λ ) < n
f ( A) = g ( A)ϕ ( A) + r ( A) = r ( A) 这样可简化 f ( A) 的计算
– 多项式的带余除法 设 f (λ ) ,g (λ ) 为任意多项式,g (λ ) 不恒等于0,则必有两个多项 式 q (λ ) 和 r (λ ) ,使得
矩阵理论-第四讲
兰州大学信息科学与工程学院 2004年
信息科学与工程学院
矩阵理论第4讲 - 1
上节内容回顾
•
化方阵A为Jordan标准形
– 特征向量法 – 初等变换法
• • • 多项式矩阵( λ矩阵) 多项式矩阵的Smith标准型 不变因子、初等因子 2. 1. 在A的Jordan矩阵中构 构 造k个以 λi 为对角元素 个 的Jordan块 k个Jordan块的阶数之 阶数之 和等于 ri
λ1 α λ2 O J = O α λn
λ1 − λi α O O λi −1 − λi α J − λi I = 0
信息科学与工程学院
α λi +1 − λi
O α O λn − λi
矩阵理论第4讲 - 6
Hamilton-Cayley定理
= P( J − λ1 I )( J − λ2 I ) L ( J − λn I ) P −1
α 0 λ1 − λ2 α 0 O 0 λ2 − λ1 O 0 = P M L M O α M O α 0 0 λn − λ1 0 λn − λ2
B (λ )(λI − A) = det(λI − A) I det(λI − A) 是次数为n的多项式:
det(λI − A) = λn − (tr A)λn −1 + L + (−1) n det A
再考察 B(λ ) ,其每个元素的次数均不超过n – 1:
(n (0 (n (0 α11 −1) λn −1 + L + α11 ) α12 −1) λn −1 + L + α12 ) ( n −1) n −1 (0 (n (0 α 21 λ + L + α 21 ) α 22 −1) λn −1 + L + α 22 ) B (λ ) = M M α ( n −1) λn −1 + L + α ( 0 ) α ( n −1) λn −1 + L + α ( 0 ) ) n1 n2 n2 n1 n 0 L α1(n −1) λn −1 + L + α1(n ) ( n −1) n −1 (0) L α 2n λ + L + α 2n O M ( n −1) n −1 (0) L α nn λ + L + α nn
信息科学与工程学院
矩阵理论第4讲 - 4
Hamilton-Cayley定理
将J写成如下形式:
λ1 α λ2 O J = O α λn 上式中 λ1 , λ2 , L, λn 是A 的n个根,所以
ϕ (λ ) = det(λI − A) = (λ − λ1 )(λ − λ2 ) L (λ − λn )
α λ2 − λ3 α
0
λ4 − λ3
L O O
α λ2 − λn
O −1 P O α 0
信息科学与工程学院
矩阵理论第4讲 - 8
Hamilton-Cayley定理
•
任一方阵都是它的特征多项式的根
– 证明: 仿照常数矩阵的伴随矩阵的定义,定义多项式矩阵的伴随矩阵: 设 A(λ ) = ( f ij (λ )) ∈ C n×n
f ( λ ) = q ( λ ) g ( λ ) + r (λ )
式中 r (λ ) = 0 或 deg r (λ ) < deg g (λ )
× An × An −1 × An − 2 ×A ×I
Bn −1 An = An Bn −2 An −1 − Bn −1 An = α n −1 An −1 Bn −3 An −2 − Bn −2 An −1 = α n − 2 An −2 M B0 A − B1 A2 = α n −1 A − B0 A = α 0 I +
* f11 (λ ) * f12 (λ ) * A (λ ) ∆ M f * (λ ) 1n * f 21 (λ ) L * f 22 (λ ) L
M O f 2*n (λ ) L
f n*1 (λ ) * f n 2 (λ ) ∈ C n×n M * f nn (λ )
B(λ )(λI − A) = (λn −1 Bn −1 + λn − 2 Bn − 2 + L + λB1 + B0 )(λI − A)