矩阵多项式

合集下载

矩阵分析课件-第六章

cos A B＝cosA cos B sin A sin B
dt
dt
d cos At＝A sin At＝－sin At A
dt
6 det eA＝etrA，其中trA是A 的迹
7 cos A＝ 1 eiA＋e－iA ，sinA＝ 1 eiA－e－iA
2
2i
8 sin2 A＋cos2 A＝E，sin －A＝－sin A，cos －A ＝cosA
9当AB＝BA时，有sin A B＝sin A cos B cos A sin B
D
i
其中
D
J
i
＝
D/ i Di
1
di－1
！Ddi－1
i
D/ i
Di
dixdi
设D ＝ E－A ＝－1 p1 －2 p2 －s ps
i
j， i
j
, pi是i的代数重复度；
pi
d
，
i
D i ＝D i ＝＝Ddi－1 i ＝0, D Ji ＝0,
故：D A＝0.
f (k) j ＝p(k) j ，j＝1，2，，s；k＝0，1，，dj－1
即f x与p 在A的影谱上有相同的值，则矩阵函数f A定义为：
f A＝pA 称p 为f A的定义多项式。
定理6.2.1：设A
Cnn，J为A的若当标准形，P
Cnn n
且A＝PJP－1，函数 f x 在A的影谱上有定义，
ln E＋A的幂级数展开式见p201
＆6.4 矩阵指数函数与矩阵三角函数
由定理5.5.3知：对任意n阶方阵A
e
At＝
k＝0
Aktk， k！
sin At＝ k＝0

矩阵的特征多项式的求解

矩阵的特征多项式的求解矩阵的特征多项式是线性代数中比较基础的概念。

它的求解不仅在学术领域有着重要的应用价值，而在工程领域也有广泛应用。

本文将解释什么是矩阵的特征多项式，以及如何求解它。

什么是特征多项式？在矩阵中，我们定义一个特征向量，表示一个向量经过矩阵作用后，与原向量仅相差一个标量倍数的向量。

也就是说，矩阵A与其所对应的特征向量v，我们可以表示为A * v = λ * v，其中λ为一个标量。

我们可以将这个方程变形为(A - λI) * v = 0，其中I为单位矩阵，即由对角线元素都为1的矩阵。

因为v非0，所以我们必须要找到一个λ，使得矩阵(A - λI)不可逆。

如果我们把(A - λI)的行列式记为|A - λI|，那么这个行列式的零点就是矩阵A的特征值(lambda)。

利用特征向量和特征值的概念，我们可以定义矩阵的特征多项式。

矩阵的特征多项式是一个以矩阵A的特征值为变量的多项式。

如何求解特征多项式？下面我们将介绍如何求解特征多项式。

1.利用定义求解从上面的推导过程可以看出，矩阵A的特征多项式可以表示为|A - λI|。

因此我们可以按照定义，求解此行列式的解。

通过对行列式的展开，我们可以得到多项式的系数。

但是这种方法的计算量很大，不太适用于大型的矩阵。

2.运用矩阵的特征多项式的性质求解我们可以利用矩阵特征多项式的一些性质，来尽量简化计算。

首先，对于一个矩阵A，其特征多项式的次数与A的阶数相同。

其次，对于矩阵A中的元素aij，我们可以将a的行列式表示为一个特征多项式的项。

例如，当矩阵为三阶矩阵时，行列式为：| a11 a12 a13 || a21 a22 a23 || a31 a32 a33 |我们可以将其表示为：(a11 - λ)(a22 -λ)(a33 -λ) + (a11 - λ)(a23)(a32) + (a12)(a21 - λ)(a33- λ) +(a13)(a21 - λ)(a32)这样我们只需要求出矩阵A中的每一个元素，然后将它们替换到以上公式中，即可得到特征多项式。

矩阵的最小多项式

矩阵的最小多项式
求矩阵最小多项式的方法：特征多项式：(λ+1)(λ-1)^2，因为(A-E)(A+E)=0，所以最小多项式是(λ+1)(λ-1)。

最小多项式是代数数论的基本概念之一。

A的特征多项式是A的零化多项式，而在A的零化多项式中，次数最低的首一多项式称为A的最小多项式。

在数学中，矩阵是一个按照长方阵列排列的复数或实数集合，最早来自于方程组的系数及常数所构成的方阵。

这一概念由19世纪英国数学家凯利首先提出。

矩阵是高等代数学中的常见工具，也常见于统计分析等应用数学学科中。

在物理学中，矩阵于电路学、力学、光学和量子物理中都有应用；计算机科学中，三维动画制作也需要用到矩阵。

矩阵的运算是数值分析领域的重要问题。

矩阵的最小多项式

：设 A ∈ P
n×n
, 在数域P上的以A为根的多项
式中，次数最低的首项系数为1的那个多项式，称为A的最小多项式.
二、最小多项式的基本性质
1.（引理引理1）矩阵A的最小多项式是唯一的. 2.（引理引理2）设 g ( x )是矩阵A的最小多项式，则
f ( x ) 以A为根 ⇔ g ( x ) f ( x ).
§7.9 最小多项式
一、最小多项式的定义一、最小多项式的定义二、最小多项式的基本性质
引入
n×n ∀ A ∈ P , f (λ ) =| λ E − A | 由哈密尔顿―凯莱定理，
是A的特征多项式，则 f ( A) = 0.
n×n A ∈ P 因此，对任定一个矩阵，总可以找到一个
多项式 f ( x ) ∈ P[ x ], 使 f ( A) = 0. 此时，也称多项式 f ( x ) 以A为根. 本节讨论，以矩阵A为根的多项式的中次数最低的那个与A的对角化之间的关系.
3. 矩阵A的最小多项式是A的特征多项式的一个因子.
例1 数量矩阵 kE的最小多项式是一次多项式 x − k; 特别地，单位矩阵的最小多项式是 x − 1 ；零矩阵的最小多项式是 x . 反之，若矩阵A的最小多项式是一次多项式，则 A一定是数量矩阵. 1 1 0 例2 求 A = 0 1 0 的最小多项式. 0 0 1
2
1 1 0 0
0 0 2 0
0 0 0 2
的最小多项式皆为( x − 1) ( x − 2), 但A与B不相似. Q | λ E − A |= ( x − 1)3 ( x − 2), | λ E − B |= ( x − 1)2 ( x − 2)2 即 | λ E − A |≠| λ E − B | . 所以，A与B不相似.

三阶矩阵多项式计算公式

三阶矩阵多项式计算公式
3阶矩阵特征多项式是f(λ)=|λE-A|，对于求解线性递推数列，还经常使用生成函数法，而对于常系数线性递推数列，其生成函数是一个有理分式，其分母即特征多项式。

可以对关系式进行变换：(A-λE)x=0 其中E为单位矩阵。

这是n个未知数n个方程的齐次线性方程组，它有非零解的充要条件是系数行列式为0，即|A-λE|=0。

带入具体的数字或者符号，可以看出该式是以λ为未知数的一元n次方程，称为方阵A的特征方程，左端 |A-λE|是λ的n次多项式，也称为方阵A的特征多项式。

三阶矩阵计算是什么？
三阶行列式{(A，B，C),(D，E，F),(G，H，I)}，A、B、C、D、E、F、G、H、I都是数字。

1、按斜线计算A*E*I,B*F*G,C*D*H，求和AEI+BFG+CDH。

2、再按斜线计算C*E*G，D*B*I，A*H*F，求和CEG+DBI+AHF。

3、行列式的值就为（AEI+BFG+CDH）-（CEG+DBI+AHF）。

性质
性质1 行列式与它的转置行列式相等。

性质2 互换行列式的两行(列)，行列式变号。

推论如果行列式有两行(列)完全相同，则此行列式为零。

性质3 行列式的某一行(列)中所有的元素都乘以同一数k，等于用数k乘此行列式。

推论行列式中某一行(列)的所有元素的公因子可以提到行列式符号的外面。

性质4 行列式中如果有两行(列)元素成比例，则此行列式等于零。

性质5 把行列式的某一列(行)的各元素乘以同一数然后加到另一列(行)对应的元素上去，行列式不变。

多项式矩阵理论

第七章多项式矩阵理论
7.11 既约性 7.12 史密斯形 7.13 波波夫形 7.14 矩阵束和克罗内克尔形 7.15 小结
7.11 既约形
1.列既约性和行既约性 2.既约性判据
3.非既约性的既约化
既约性
1 行既约（行化简）多项式矩阵满足下列关系式的非奇异 m 阶多项式方阵 M(s) 是行既约多项式矩阵。
证：由于rankA S 0，所以A s 中一定存在非零元素。通过行或列的对调，我们总可以假设a11 ( s ) 0. 由引理得，可经过有限次初等变换得到一个与A S 等价的B s 满足b11(s)为首一非零多项式， b (s) 且b11(s)能整除B s 的所有元素。将B S 第一项分别乘以- i1 加 b11 ( s ) b1 j ( s ) 到第i行，i 2, 3 m, 再将B S 的第一列分别乘以加到j列， b11 ( s ) j 2, 3 n.
A2(s ) P(s ) A1(s ) T(s )
(7 7)
【问题】为什么可以通过初等变换把多项式矩阵化为Smith形且具有相关性质？
引理：设多项式矩阵 As =(aij (s))mn 的元素 a11 (s) 0，且A(s)中至少有一个元素不能被它整除，则必存在一个与A(s) 等价的多项式矩阵B(S),其首行首列位置的素b (s) 0 ，且次数比 a11 (s) 的次数低，并且b11 ( s)整除B(s)的所有元素。
k
i 1
ci
3 deg det A(s) 3;
k
i 1
ri
4 deg det A( s) 3
即A(s)列既约的，但不是行既约的。同理可得，B(s)既不是行既约的，也不是列既约的

多项式矩阵

多项式矩阵多项式矩阵是一种在线性代数中使用的特殊矩阵，可以表示多项式函数。

它们与普通矩阵非常相似，但它们的元素是多项式而不是实数。

它们可以用于多项式函数的求解，最小二乘法等数学操作。

多项式矩阵定义多项式矩阵可以定义为由多项式组成的方阵，其形状为m x n，其中m和n是行数和列数。

多项式矩阵的每个元素都是一个多项式，即一个带系数的多次式。

这些多项式可以是单变量多项式，也可以是多变量多项式，但最常用的是单变量多项式。

多项式矩阵的形式多项式矩阵可以以多种形式表示，其中最常见的是乘性标量乘积形式，即在一维空间中表示多项式矩阵。

例如，可以用下面的方程来表示2 3多项式矩阵：A = [a11a12a13a21a22a23]其中a11、a12、a13、a21、a22、a23是这个矩阵的元素。

多项式矩阵的运算多项式矩阵有一些特殊的运算符，如加法、乘法和幂指数。

它可以按照一般矩阵的乘法运算，将两个多项式矩阵相乘并得到一个新的多项式矩阵。

此外，多项式矩阵也可以按照一般矩阵的乘法运算，将一个多项式矩阵与一个标量乘积相乘，并得到一个新的多项式矩阵。

多项式矩阵的应用多项式矩阵可用于解决多项式函数的最小二乘法。

最小二乘法是一种最优线性回归技术，用于求解多项式函数的拟合参数。

使用多项式矩阵，可以轻松地求出多项式函数的函数系数。

多项式矩阵还可以用于解决矩阵函数的最优化问题，它可以用来求解一般矩阵函数的最小值。

例如，可以使用多项式矩阵来求解极小值问题，使用它可以更容易地求解极小值问题。

多项式矩阵在线性代数和数学分析领域中是一个重要的概念，可以用于解决各种数学模型，应用非常广泛。

它们可以用于多项式函数的求解，最小二乘法等数学操作，并且可以用于解决其他多项式函数或极小值问题。

多项式矩矩阵

多项式矩矩阵多项式矩阵（Polynomial Matrix）是一种特殊的矩阵形式，它的每个元素都是一个多项式。

多项式矩阵在数学和工程领域中有广泛的应用，特别是在信号处理、控制系统和密码学等领域。

我们来了解一下多项式的定义。

多项式是由常数和变量的乘积相加而得到的表达式，例如2x² + 3x + 1就是一个二次多项式。

而多项式矩阵则是将多项式作为矩阵的元素，构成的一个矩阵形式。

多项式矩阵的表示形式为：P = [P₁(x) P₂(x) ... Pₙ(x)]其中P₁(x)、P₂(x)、...、Pₙ(x)是多项式。

这个矩阵的元素可以是标量，也可以是多项式。

多项式矩阵的加法和乘法运算与普通矩阵类似，只是将加法和乘法运算定义在多项式集合上。

多项式矩阵的加法运算是对应元素相加，乘法运算是将每个元素与另一个矩阵的对应元素相乘后再相加。

多项式矩阵的加法可以表示为：[P] + [Q] = [P₁(x) + Q₁(x) P₂(x) + Q₂(x) ... Pₙ(x) + Qₙ(x)]多项式矩阵的乘法可以表示为：[P] · [Q] = [P₁(x)Q₁(x) + P₂(x)Q₃(x) + ... + Pₙ(x)Qₙ(x)]多项式矩阵的乘法运算满足结合律和分配律，但不满足交换律，即[P] · [Q] ≠ [Q] · [P]。

这是因为多项式乘法不满足交换律。

多项式矩阵还可以进行转置运算，转置运算是将矩阵的行和列互换得到的新矩阵。

多项式矩阵的转置运算可以表示为：[P]ᵀ = [P₁(x)ᵀ P₂(x)ᵀ ... Pₙ(x)ᵀ]其中P₁(x)ᵀ、P₂(x)ᵀ、...、Pₙ(x)ᵀ分别表示P₁(x)、P₂(x)、...、Pₙ(x)的转置。

多项式矩阵的求逆运算是指对于一个可逆的多项式矩阵[P]，存在一个多项式矩阵[Q]，使得[P] · [Q] = [Q] · [P] = [I]，其中[I]是单位矩阵。

线性代数期末题库矩阵的特征多项式与最小多项式

线性代数期末题库矩阵的特征多项式与最小多项式矩阵的特征多项式和最小多项式是线性代数中重要的概念，它们在矩阵理论和应用中起到了关键的作用。

本文将深入探讨特征多项式和最小多项式的定义、性质以及它们之间的关系。

一、特征多项式在矩阵理论中，给定一个n阶矩阵A，特征多项式是通过将矩阵A 与单位矩阵I进行相减，然后求得行列式的方式得出的。

特征多项式的定义如下：特征多项式：f(λ) = |A - λI|,其中λ是一个未知数。

特征多项式的求解过程如下：1. 计算矩阵 A - λI；2. 求得行列式 |A - λI|；3. 将行列式表示成特征多项式f(λ) 的形式。

特征多项式的定义简单明了，它是一个关于λ的多项式函数。

特征多项式中的每个根都被称为特征值，这些特征值对应了矩阵A的特征向量。

特征多项式的性质：1. 特征多项式的次数等于矩阵的阶数；2. 特征多项式的根（特征值）是矩阵的特征向量的特征值；3. 特征多项式的系数是与矩阵A有关的。

二、最小多项式在矩阵理论中，最小多项式是指能够使得多项式取零的最低次数的多项式。

最小多项式的定义如下：最小多项式：m(λ) 是满足 m(A) = 0 的最低次数的多项式。

最小多项式的求解过程如下：1. 确定最小多项式的次数；2. 找到一个关于λ的多项式P(λ) ，使得 P(A) = 0；3. 通过找到P(λ) 的最低次数即为最小多项式。

最小多项式的性质：1. 最小多项式的次数小于等于矩阵的阶数；2. 最小多项式的根是矩阵的特征值。

特征多项式与最小多项式的关系：特征多项式和最小多项式有着密切的联系。

事实上，最小多项式可以通过特征多项式的因子分解得到。

具体而言，特征多项式的最高次幂的因子就是最小多项式。

特征多项式等于最小多项式乘以一系列的一次多项式。

总结：特征多项式和最小多项式是线性代数中重要的概念，它们能够描述矩阵的特征值、特征向量和特征空间等重要信息。

通过研究特征多项式和最小多项式，我们可以更好地理解和应用矩阵理论。

多项式矩阵

多项式矩阵多项式矩阵（polynomialmatrix）是指将多项式作为元素，构成矩阵的矩阵。

它是数学上的一种重要结构，可以用于复杂方面的多项式计算。

多项式矩阵的研究属于矩阵论（matrix theory）的范畴，主要涉及求解系统矩阵方程，求解极大值问题，求解微分方程等等。

定义：设有一个n阶矩阵A，它的元素均由单项式组成，则称A为多项式矩阵。

特别地，若A的元素均为实数项式，则称A为实数多项式矩阵；若A的元素均为复数项式，则称A为复数多项式矩阵。

多项式矩阵的基本性质包括：1、交换律：多项式矩阵间的加法满足交换律，即A+B=B+A，其中A，B为任意两个多项式矩阵。

2、结合律：多项式矩阵间的加法满足结合律，即（A+B）+C=A+(B+C)，其中A，B，C为任意三个多项式矩阵。

3、元素恒等律：多项式矩阵的加法满足元素恒等律，即若A+B=C，则A的第i行第j列元素与C的第i行第j列元素均相等，其中A，B，C为任意三个多项式矩阵。

4、可加性：若A+B=C，则A的所有元素可以借助B的元素得到C 的所有元素，其中A，B，C为任意三个多项式矩阵。

5、可积性：若A与B的任意一个元素相乘，其积仍然是多项式，则称A与B为可积多项式矩阵。

多项式矩阵的应用1、求解系统矩阵方程：利用多项式矩阵的可加性和可积性，可以用于求解系统矩阵方程，即（A+B）X=C，其中A，B，C为多项式矩阵。

2、求解极大值问题：多项式矩阵可以用来表示多项式极大值问题，即求解如何使多项式函数达到最大值，从而解决求极值问题。

3、求解微分方程：多项式矩阵可以用来表示多项式微分方程，通过解决多项式微分方程，可以求出曲线的极值，解决求根问题等。

4、应用于数字信号处理：多项式矩阵可以用于处理复杂的数字信号，如滤波、数字信号检测、声音分析、图像处理等。

多项式矩阵的研究多项式矩阵的研究是矩阵论的重要主题，它涉及的主要研究领域包括：1、多项式线性方程组的求解：多项式矩阵可以用来求解多项式线性方程组，即求解系数矩阵A及常数矩阵B满足AX=B的多项式矩阵X。

多项式矩阵

多项式矩阵多项式矩阵（polynomial matrix）是由多项式组成的矩阵。

它在数学和工程领域有着广泛的应用，尤其在控制论、信号处理和图像处理等领域中扮演着重要角色。

本文将介绍多项式矩阵的定义、基本性质和一些应用。

首先，我们来定义多项式矩阵。

一个m行n列的多项式矩阵可以写为：[P] = [P11, P12, ..., P1n;P21, P22, ..., P2n;...Pm1, Pm2, ..., Pmn]其中Pij是一个多项式，表示矩阵的第i行第j列的元素。

多项式可以是任意阶数的，可以包含常数项、线性项、二次项等。

这个定义与一般的实数矩阵相似，只是矩阵中的元素是多项式而不是实数。

接下来，我们将讨论多项式矩阵的一些基本性质。

首先，多项式矩阵的加法和减法与实数矩阵的加法和减法类似，只需对应位置上的多项式进行相加或相减。

例如，矩阵[P] + [Q]的第i行第j列的元素为Pij + Qij。

同样，矩阵[P] - [Q]的第i行第j列的元素为Pij - Qij。

多项式矩阵的乘法也有所不同。

在实数矩阵中，矩阵的乘法是通过将一行的元素与另一列的元素逐个相乘，然后求和得到的。

而在多项式矩阵中，我们需要使用多项式的乘法规则。

具体地说，矩阵[P]和[Q]的乘积[PQ]的第i行第j列的元素为多项式Pi1 * Q1j + Pi2 * Q2j + ... + Pin * Qnj。

注意，Pi1和Q1j是对应位置上的多项式，它们相乘后得到一个新的多项式。

多项式矩阵还有一个重要的性质是可逆性。

一个多项式矩阵[P]是可逆的，如果存在一个多项式矩阵[Q]，使得[PQ] = [QP] = [I]，其中[I]是单位矩阵。

这个性质类似于实数矩阵的可逆性。

当一个多项式矩阵可逆时，我们可以使用矩阵的逆矩阵来解线性方程组，计算行列式等。

多项式矩阵在控制论中有着广泛的应用。

在控制系统中，我们通常需要设计一个控制器来调节系统的行为。

多项式矩阵可以用来表示系统的状态空间方程和传输函数。

第5节-矩阵多项式

A的最小多项式为
I A
() 1
=(+1)2
设 f 100, A的最小多项式为 12 因此可设 f g a b, 即
100 g 12 a b, 由 1 1 0 可得：
1 a b 100 a
解得：
a 100 b 99
又由 A 0 可得： f A 100 A 99I
例：主对角元为0 的n阶Jordan 块J的最小多项式为 P( ) = (- 0 )n
例：主对角元为0 的n阶Jordan形 J=diag (J1, J2, …, Js )的最小多项式为
P( ) = (- 0 ) k 其中k是J的Jordan块 Ji 的最大阶数。
最小多项式的性质
（1）矩阵A的任意化零多项式能被A的最小多项式整除。（2）相似矩阵有相同的最小多项式。（3）矩阵A的特征多项式与最小多项式有相同的根。证明
f () ( 1)m1 ( 2 )m2 ( s )ms 设A的Jordan标准形为J diag(J1, J2 ,, Jt )
其中，Ji为Jordan块
且设 A PJP1
则有 f (A) Pf (J )P1
pdiag( f (J1), f (J2 ),, f (Jt )) P1
O
例设
2
0 5
( 1)2
A的第3个不变因子为(+1)2 ,则A的最小多项式为( I A 3 1 6 ( 1)3
2 0 5 • 由于A的特征多项式与最小多项式有相同的根 • 故A的最小多项式具有下列形式为
（）= (+1)k , k =1或2或3
即：若为矩阵A的特征值，则 p为的p特A征值。
化零多项式
• 设p（z）是复数域上的多项式，A是n阶矩阵，如

第九章__多项式矩阵

3 0 8 A = 3 −1 6 (2) −2 0 −5
例3 ：求下列矩阵的最小多项式
(1)
3 2 2 B=1 8 2 −2 −14 −3
−1 −2 6 (3) C = −1 0 3 −1 −1 4
n
n −1
+ L + a1 A + a 0 I
−1= an (ຫໍສະໝຸດ PJP = P (an Jn
−1
) + a n −1 ( P J P
n −1
)
n −1
+
−1
L + a1 ( P J P = Pf (J )P
−1
) + a0I
n −1
+ a n −1 J
+ L + a1 J + a 0 I ) P
−1
di
例2 ：已知对角块矩阵 A = diag( A1 , A2 ,L , Ar ) ,而而
m1 (λ ), m2 ( λ ),L , mr ( λ ) 分别为子块 A1 , A2 ,L , Ar
的最小多项式，的最小多项式，则 A 的最小多项式为
[m1 ( λ ), m2 (λ ),L , mr (λ )] 的最小公倍数。即为 m1 ( λ ), m2 ( λ ),L , mr ( λ ) 的最小公倍数。
3 0 (4) D = 0 0
1 0 0 3 0 0 0 3 0 0 0 5
解：（1）首先求出其）首先求出其Jordan标准形为标准形为
−1 J =0 0 所以其最小多项式为
0 −1 1 0 −1 0
( λ + 1) 。

第二章多项式矩阵

第二章多项式矩阵本章主要讲授多项式矩阵的基本概念和理论, 包括多项式矩阵的余数定理、Smith标准型定理和多项式矩阵的理想、互质等。

多项式矩阵的理论也是讲授第三章的重要基础。

§2.1 多项式矩阵记号：实数域R ，复数域C 。

记[]m nR λ×为n m ×的实系数多项式矩阵全体，[]m nC λ×为n m ×的复系数多项式矩阵全体。

容易验证,[]m nC λ×和[]m nR λ×分别为域C 和R 上的线性空间，[][]nn nn R C ××λλ分别为域C 和R 上的线性代数。

[]nm C A ×∈∀λλ)(,有[]λλC a ij ∈)(N N ijij ijij a a a a λλλ)()1()0()(L ++=其中令[]{})(deg max λij a N =. 则有()NNA A A A A λλλλ++++=L 2210, 其中()mxnl ijl Ca A ∈=)(。

多项式矩阵)(λA 可以看成为系数矩阵的多项式, N 称为是)(λA 的次数, 记为()[]λA N deg =注意：如果0)(=λA 则称)(λA 没有次数定义1（正则）若[]nn NN C A A A A ×∈+++=λλλλ01)(L , 且[]0det ≠N A , 则称)(λA 是正则的。

()λA 正则⇒[]n N A ×=))(det(deg λ 其中, det[()]A λ的n N ×次项系数即)det(N A定理1若)()(),(λλλA C B A nn 且×∈正则, 则∃唯一的)(1λQ 和)(1λR , 使)()()()(11λλλλR A Q B += (*)且[][]0)()(deg )(deg 11=<λλλR A R 或, 同样, ∃唯一的)(2λQ 和)(2λR 使()())()(22λλλλR Q A B += (**)且[][]0)()(deg )(deg 22=<λλλR A R 或.证明：若[][])(deg )(deg λλA B <, 则令01=Q , B R =1, 定理得证.若[][]N A B M =≥=)(deg )(deg λλ 记N M p −=, 然后令[]nn p p pp C QQQ Q ×−−∈+++=λλλλ)0(1)1()(1)(L由（*）式可以推出[][]⎪⎪⎪⎩⎪⎪⎪⎨⎧−=−−−−=−==−−+−−−−−−−−−)()()()(1111)1(1)1()()0(11)(1)1(1)(λλλλA Q B R A A Q A Q A Q B Q A A Q B QA B Q N N p N p p N p p M N N p M p N M p L L可以验证Q 1(λ)和R 1(λ)满足定理要求.唯一性：即只需证0)(0)(0)()()()(1111==⇒=+=λλλλλλR Q R A Q B 时假设Q 1(λ)≠00)()(1)0(1)1(1)(11≠+++=L L L Q Q Q Q Q λλλLL +=++NL N L A QR A Q λλλλ)(111)()()(由[]00det )(1≠⇒≠N L N A Q A 此时)()()(11λλλR A Q +不可能=0⇒矛盾同理可证(**)式 #定理 2 nn C A ×∈][)(λλ正则, []nm C B ×∈λλ)(,则∃唯一的[]nm C R Q ×∈λλλ)(),(11使（*）成立, 且[][]0)()(deg )(deg 11=<λλλR A R 或；m m C A ×∈][)(λλ正则, []n m C B ×∈λλ)(, 则∃唯一的[]n m C R Q ×∈λλλ)(),(22使（**）成立, 且[][]0)()(deg )(deg 22=<λλλR A R 或.证明：仿定理1 #以上两个定理可以叫作多项式矩阵的余数定理.定义2（多项式矩阵的秩）nm C A ×∈][)(λλ, r 称为A （λ）的秩并记)]([λA rank r =,系指)(λA 的任何k ≥ r +1阶子式均为C （λ）中的零, 而A (λ)至少存在一个r 阶子式是C [λ]中的非零多项式.例：⎟⎟⎠⎞⎜⎜⎝⎛+=112)(22λλλλA 非正则但r = 2 ⇒ 非奇异 {一般多项式矩阵}⊃{满行秩或满列秩多项式矩阵}⊃{非奇异多项式矩阵}⊃{正则多项式方阵}⊃{}A I n −λ§2.2 Smith 标准型定义3（单模态矩阵）mxmC M )()(λλ∈称为单模态的, 系指0)](det[≠∈=ααλCM 常数定义4（初等矩阵）mm C ×][λ中三类[][]mj i j i j i ij m i i i i e e e e e e e e K C e e e e e K L L L L L ,,,,,,,,0,,,,,,,)(11111111+−+−+−=≠∈=αααα[][]][)(,,)(,,,,)(11λλαλαλαC e e e e e e K m i j j i ij ∈+=−L L L对A (λ)左乘相当于作行初等变换, 右乘相当于作列初等变换, 其中第3类不同于mm C ×中的初等矩阵初等矩阵的性质： 1 它的逆仍为初等矩阵2初等矩阵与单模态矩阵的关系：初等矩阵是单模态矩阵, 多个初等矩阵之积也是单模态矩阵.定义5（等价）nm C B A ×∈][)(),(λλλ称为是等价的, 系指存在m m sC M M ×∈][,1λL , nn t C N N ×∈][,1λL 均初等矩阵, 使t s N N N A M M B L L 211)()(λλ=容易证明：1．反身性：任何A (λ)与自身等价2．对称性：B (λ)与A (λ)等价⇔ A (λ)与B (λ)等价3．传递性：C (λ)与B (λ)等价, B (λ)与A (λ)等价⇒ C (λ)与A (λ)等价.定义6（行列式因子）nm C A ×∈][)(λλ, []r A rank =)(λ, 则对自然数j ≤ r , A (λ)中必有非零j 阶子式, A (λ)中全部j 阶子式的（首一）最大公因式d j (λ)称为A (λ)的j 阶行列式因子.定理3nm C A ×∈][)(λλ, []r A rank =)(λ, 则其各阶行列式因子d j (λ), j ≤r 有 r j d d j j ≤−)()(1λλ其中1)(0=λd证明：A (λ)的j 阶子式可以写成j -1阶子式以多项式为系数的线性组合, 因此, )()(1λλA d j −任一j 阶子式)()(1λλj j d d −⇒#定义7（不变因子） nm C A ×∈][)(λλ, []r A rank =)(λ, 则称)(/)()(1λλλσ−=i i i d d , r i ≤为A (λ)的不变因子.定理4 在nm C ×][λ中)()(.λλB A ⎯→←, 以)(),(λλ∧k k d d 分别表示A （λ）和B （λ）的k 阶行列式因子, 则1 [][])()(λλB rank A rank =2 [])()()(λλλA rank r k d d k k =≤=∧3 )(λA 和)(λB 有相同的不变因子.证明：容易验证初等矩阵左乘和右乘均不改变)(λA 的行列式因子, 所以结论1、2、3易证. #下面来证上述定理的逆命题.引理 1 nm ijC A ×∈=][))(()(λλαλ, 若0)(11≠λα又)(11λα不能除尽某个)(λαij , 则)()(λλA B ↔∃且[][])(deg )(deg 1111λαλβ<证明：根据不能为)(11λα除尽的元)(λαij 所处位置分为三种情形. (1) 设)(1λαi 不能为)(11λα除尽, 则有 [])](deg[)(deg )()()()(11111λαλδλδλγλαλα<+=i考虑初等矩阵[])(1λγ−i k[]))(~()(~)()(1λαλλλγiji A A K ==−其中)()(~1λδλα=i令)(~)(1λλA K B i = 则)()(.λλA B ⎯→← 且)(11λδβ=即[][])(deg )(deg 1111λαλβ< (2)设)(1λαj 不能为)(11λα除尽,证明与(1)相仿. (3) 若)(1λαi 和)(1λαj 都可被)(11λα除尽, 其中n j mi ≤≤但kl α∃不能为)(11λα除尽, 令[])()(1)(~1λλγλA K A k −=,其中)(λγ是1k α除以11α的商, 即)()()(111λαλγλα=k .此时 )(~λA 元)(~λαij 有111~αα=k , )1(~1γααα−⋅+=l kl kl . 令))(()(~)(1λγλλij k A K C =⋅=于是11111~ααγ==k ,)1(~11γαααγ−⋅+==l kl kl l . 于是l 1γ不能为11γ除尽, ⇒（2） #引理2 ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=−−01)(001)(1212n n mm I N I M M L ML δδλγγλ 均为初等矩阵之积, 其中γi , δj 为多项式证明：[][][])()()()(1331221λγλγλγλm m K K K M L =[][][])()()()(21211,11λδλδλδλK K K N n n n n L −−= [][][])()()(1313212λδλδλδn n K K K L = #引理3 nm C A ×∈][)(λλ,若 n j m i ij ≤≤αα11, 则有)(00)(.'11λαλA B B ⎯→←⎟⎟⎠⎞⎜⎜⎝⎛=, 且B’的元均能被11α除尽. 证明：因为 n j m i ij ≤≤αα11, 所以)()()(11λλαλC A ⋅=.记⎥⎦⎤⎢⎣⎡=D gf C T 1)(λ, 其中1)1(][)(×−∈m C g λλ,)1(1][)(−×∈n C f λλ,)1()1(][)(−×−∈n m C D λλ.令 ⎥⎦⎤⎢⎣⎡−=−101)(m I g M λ, ⎥⎦⎤⎢⎣⎡−=−101)(n TI f N λ. 由引理2可知, M 、N 为初等矩阵之积.⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡−='111100001)(B gf D MAN T αλα, 其中])[(11'Tgf D B −=λα, 且B ’的元均能被11α除尽. #定理5（Smith 标准型定理）nm C A ×∈)()(λλ,[]r A rank =)(λ 则⎥⎦⎤⎢⎣⎡↔000)()(λλS A (Smith 标准形)其中[])(),(),()(21λσλσλσλr diag S L =, 且1),()(1−≤+r i i i λσλσ 证明：假设m ≥ n , 对A (λ)的列数n 用归纳法 (Ⅰ) n=1时,令[]Tm A )(),()(1λαλαλL =,则1 若m i i ≤≤2)()(1λαλα则由引理3[]TA 0,0,)(11.L αλ⎯→←2 若有i α不能为1α除尽,由引理1可知有[][])(deg )(deg )()(1111.λαλβλλ<⎯→←A B若)(λB 满足条件1则结论成立, 否则又可有[][])(deg )(deg )()()(11)1(11..1λβλβλλλ<⎯→←⎯→←A B B这样重复下去, 就能有矩阵与A （λ）等价且满足条件1 所以, n =1时定理成立 (Ⅱ)假设n = l -1时定理成立 (Ⅲ)当n = l 时 1 若lj mi ij ≤≤αα11则由引理3有⎟⎟⎠⎞⎜⎜⎝⎛⎯→←'00)(11.B A αλ其中B ’的元均能被11α除尽, 由于B ’之列数l -1且[]1'−=r B rank , 按(Ⅱ)有 ⎥⎦⎤⎢⎣⎡⎯→←000'1.S B[][])1()1(321,,−×−∈=r r r C diag S λσσσL且1,2|1−=+r i i i L σσ显然2σ是B ’的一阶行列式因子, 而行列式因子对于等价矩阵是不变量, 这表明2σ是B '各元的最大公因子, 同此211|σα, 令111ασ=则定理得证.2 若存在ij α不能为11α除尽, 则由引理1可知,存在)()(.λλA B ⎯→←且[][]1111deg deg αβ<, 仿照n=1情形中条件2, 总能找到)()(~.λλA A ⎯→←使l j m i ij ≤≤,,~)(~11αλα.这就归结到条件1. #推论 1 若⎥⎦⎤⎢⎣⎡000)(λS 是nm C A ×∈][)(λλ的Smith 标准形, 则)(),(),(21λσλσλσr L 是 A （λ）的不变因子, )()()(21λσλσλσk L 是A （λ）的k 阶行列式因子.推论2 对nm C A ×∈][)(λλ，则其Smith 标准形唯一. 推论 3 若n m C A ×∈][)(λλ和nm C B ×∈][)(λλ的行列式因子或不变因子相同，则)()(.λλB A ⎯→←定理6 在n n C ×][λ中下述提法等价1 mm C M ×∈][)(λλ是单模态2 m I M ↔&)(λ 3 M (λ)是初等矩阵之积4 []mm C M M ×−∈][)()(1λλλ和证明: 1°⇒2°: 由于[]m M rark =)(λ则有],,,[)(21.m diag M σσσλL ⎯→← 由det[M (λ)]为常数, []{}m diag σσσL ,,det 21=m σσσL 21为常数（非零）m σσσL ,,21⇒均非零常数（首一）⇒2°2°⇒3° 显然3°⇒4° 初等矩阵之逆仍为初等矩阵4°⇒1° [][]1)(det )(det 1=⋅−λλM M[]=⇒)(det λM 非零常数 #§2.3 多项式矩阵的理想与互质（自学）定义8（理想）设nn C M ×⊂][λ是nn C ×][λ的子空间, 又具性质nn C B M A MA B ×∈∈∀∈][)(,)()()(λλλλλ则称M是nn C ×][λ的一个左理想.若M 具性质nn C B M A MB A ×∈∈∀∈][)(,)()()(λλλλλ则称M 是nn C ×][λ的一个右理想例：{}nn LC B A B X X A ×∈∀==][)(),()()()())((λλλλλλλ（其中n n C A ×∈][)(λλ）是nn C ×][λ的一个左理想.{}nn R C B B A X X A ×∈∀==][)(),()()()())((λλλλλλλ是nn C ×][λ的一个右理想.其中A (λ)称为它们的生成元.定理7 若nn C M ×∈][)(λλ是单模态, 则1° n n LL C A A M A ×∈∀=][)())()(())((λλλλλ2° n n R R C A M A A ×∈∀=][)())()(())((λλλλλ证明：1°L L L A M A M M A A M L))()(())()()(())(())()((1λλλλλλλλ⊂=⊂− ()()L L A M A )()()(λλλ=⇒ 2° 同上可证 # 定理8 n n C M ×∈][)(λλ则M 是单模态当且仅当()()R L n n M M C )()(][λλλ==×证明：n n Rn L n C I I ×==][)()(λ 当：()L n n nM C I )(][λλ=∈×()()1)(det )(det )()(=⇒=∴λλλλM N M N I n())(det λM ⇒为非零常数)(λM ⇒单模态“仅当”：由定理7, 令n I A =)(λ即可 #定义9（多项式矩阵生成的理想）若,,][)(r i C A nn i≤∈×λλ则 ()()()L r L L A A A M )()()(21λλλ+++=L 称为r i A i ≤),(λ生成的左理想, 而()()()R r R R A A A N )()()(21λλλ+++=L 称为由r i A i ≤),(λ生成的右理想定义10（互质）r i A i ≤),(λ称为左互质, 是指()()()n n Rr R R C A A A ×=+++][)()()(21λλλλL而r i A i ≤),(λ称为右互质, 是指()()()n n Lr L L C A A A ×=+++][)()()(21λλλλL定理9 r i A i ≤),(λ左互质当且仅当多项式矩阵方程n r r I X A X A X A =+++)()()()()()(2211λλλλλλL 有解.右互质当且仅当n r r I A Y A Y A Y =+++)()()()()()(2211λλλλλλL 有解.证明：r i A i ≤),(λ左互质()()()R r R R n n A A A C )()()(][21λλλλ+++=⇔×L)()()()()()(2211λλλλλλr r n X A X A X A I +++=⇔L 有解同理可证右互质情形. #定理10 r i C A nn i ≤∈×][)(λλ, 则下面各条件等价1° r i A i ≤),(λ是左互质的2°若[]rnn r C A A A A ×∈=][)()(),()(21λλλλλL则[]C nA rank ∈∀=00)(λλ3°[][]0,0,)()(),(),(21L L n rI A A A A ⎯→←=⋅λλλλ 证明:1°⇒2°⇒3°⇒1°1°⇒2° 由定理9可知有n r r I X A X A X A =+++)()()()()()(2211λλλλλλL记⎟⎟⎟⎠⎞⎜⎜⎜⎝⎛=)()()()(21λλλλr X X X X 则有n i I X A =)()(λλn I X A C =∈∀)()(o o o λλλ2°⇒3° 由[]C n A rank ∈∀=o o λλ)([]0,0),()(L λλS A ⎯→←⇒⋅其中[])(),(),()(21λσλσλσλn diag S L = 且[]n S rank =)(0λn i i ≤⇒)(λσ均无任何根(在C 中))(λσi ⇒均为非零常数 ⇒考虑首一 n I S =)(λ3°⇒1° 存在单模态矩阵nn C M ×∈][)(λλ和rnrn C N ×∈][)(λλ, 使 [][]0,,0,)()()(),(),(21L L n r I M N A A A λλλλλ=记⎟⎟⎟⎟⎟⎠⎞⎜⎜⎜⎜⎜⎝⎛=)(,),()(,),()(,),()(1221111λλλλλλλrr r r r N N N N N N N L LL L nn ij C N ×∈][)(λλ则)()(),()(111111λλλλ−−==M N X M N X r r L 可使n r r I X A X A =++)()()()(11λλλλL#同理可以证明下面定理定理11 r i C A n n i ≤∈×][)(λλ,则下述条件等价:1 r i A i ≤),(λ是右互质的2 C n A rank A A A r ∈∀=⎥⎦⎤⎢⎣⎡⎟⎟⎟⎠⎞⎜⎜⎜⎝⎛=00~1~)()()()(λλλλλM3 ⎟⎟⎟⎟⎟⎠⎞⎜⎜⎜⎜⎜⎝⎛⎯→←00)(.~M n I A λ定义11 (公因子) n n C A ×∈][)(λλ,若存在nn C C B ×∈][)(),(λλλ,使)()()(λλλC B A =,则B (λ)称为A (λ)的一个左因子, C (λ)称为A (λ)的一个右因子.若B (λ)同为A i (λ)r i ≤的左因子, 则B (λ)称为A i (λ)r i ≤的左公因子. 若F(λ)为A i (λ)r i ≤的左公因子且A i (λ)的任意左公因子都是F (λ)的左因子, 则F (λ)称为)(λi A 的最大左公因子.相似的可以有右公因子和最大右公因子的概念.定理12 n n i C A ×∈][)(λλr i ≤为左互质当且仅当其最大左公因子是单模态矩阵,而右互质当且仅当其最大右公因子是单模态矩阵.证明：左互质情形“当”：设D(λ)是单模态矩阵且为A i (λ),r i ≤的最大左公因子, 则有r i C B n n i ≤∈×][)(λλ使)()()(λλλi i B D A =令[]rn n r C A A A ×∈=][)(),()(1λλλλL 则[]n A rank ≤)(λ无妨记A(λ)的Smith 标准形为[]0,0),(L λS , 于是有单模态矩阵n n C M ×∈][)(λλ和rn rn C N ×∈][)(λλ, 使[])(0,0),()()(λλλλN S M A L =.记⎟⎟⎟⎠⎞⎜⎜⎜⎝⎛=rr r r r r N N N N N N N N N N L L L 212221211211)(λ,则有()()r r N N N MS A A A 1121121,,,,L L =⇒MS 是)(λi A 的左公因子⇒n n C F ×∈∃][)(λλ使MSF=D因为 det(D )为非零常数所以 det(S(λ))也为非零常数n I S ⎯→←⇒⋅)(λ [][]0,0,)(),(1L L n rI A A ⎯→←⋅λλ 由定理10 )(λi A ⇒左互质“仅当”：由n n iC A ×∈][)(λλr i ≤为左互质可以推出 r i C X nn i ≤∈∃×][)(λλ使n r r I X A X A X A =++L 2211设D 是)(λi A 的最大左公因子, A i =DB i则上式变成[][]1det ))(det(1111=++⋅=++r r nr r X B X B D I X B X B DL L λ())(det λD ⇒为非零常数)(λD ⇒单模态.类似地可证右互质情形.#作业：1．求⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛−−20012021λλλλ和的不变因子和Smith 标准形。

矩阵的多项式

矩阵的多项式在数学中，矩阵的多项式是指由矩阵构成的多项式。

它在矩阵论、线性代数和数值计算中都有广泛的应用。

本文将从以下几个方面介绍矩阵的多项式：定义、特征值、Jordan标准型、求解和应用。

一、定义设A为n阶方阵，多项式f(x)=a0+a1*x+a2*x^2+···+am*x^m(a0,a1,a2,···,am属于数域)。

则f(A)= a0*In+ a1*A+ a2*A^2+ ··· + am*A^m 矩阵称为A的多项式。

其中，In是n阶单位矩阵。

二、特征值对于矩阵A的特征多项式f(x) = |x*In - A|，当f(x)的根为λ1，λ2，...，λn时，λi称为矩阵A的特征值，且它们是n次多项式f(x)的根。

特征值可以帮助我们判断矩阵的性质。

例如：若A的特征值均大于零，则A为正定矩阵。

若A的特征值均小于零，则A为负定矩阵。

若A的特征值均不为零，则A为非退化矩阵。

三、Jordan标准型矩阵的Jordan标准型是指将特定类型的矩阵转化为一种更易于研究的标准形式，主要用于计算矩阵的幂和指数函数等高阶函数值，是矩阵多项式求解的一个必要步骤。

矩阵A的Jordan标准型是指存在一个可逆矩阵P，使得 P^-1 * A * P = J其中，J是Jordan矩阵，具有如下形式：J(d, k) = [λ1, 1, 0, ···, 0][0, λ1, 1, ···, 0][0, 0, λ2, 1, 0][···, ···, ···, ···, ···][0, 0, 0, ···, λn]其中，λi是A的第i个特征值，d1,d2,···，dr 分别是λ1，λ2，···λr的重数。

多项式矩阵

rank
D(s) N (s)
rankU
(s)
D(s) N (s)
rank
R(s)
0
rankR(s)
所以,当条件(2.7)成立时,必有 rankR(s)= p,即 R(s)为非奇异.性质2.2知所有gcrd都是非奇异的.
性质2.4 设 R(s)是p p和q p 的多项式矩阵 D(s)和N(s)
(2.6)
将(2.5)代入(2.6),即得
R(s) [U11(s)D1(s) U12 (s)N1(s)]R1(s) W (s)R1(s) 其中W (s)为多项式矩阵， R1(s)为R(s)的右乘因子
R(s)为D(s)和N (s)一个右公因子
例2.1 求多项式矩阵
D(s)
s 1
3s 1 S2 s 2, N(s) [1
N (s)和D(s) ,使得 N (s) N (s)R(s), D(s) D(s)R(s)
则称多项式方阵 R(s)是N (s)和D(s) 的右公因子.
易得：N(s)和D(s) 有相同的列数.行数可以不同. 定义2.4 若多项式方阵 R(s)是N (s)和D(s) 的右公因子 ,并且是
N (s)和D(s) 的任一右公因子 R1(s)的左倍式（即R(s) W (s)R1(s)）
有U
(s)
D(s) N (s)
U11(s) U21(s)
U12 U 22
(s) (s)
D(s) N(s)
R(s)
0
(2.4)
则 p×p的多项式矩阵 R(s)是D(s)和N (s) 的一个gcrd.
证 1)先证 R(s)是D(s)和N (s) 的一个gcrd 令
V
(s)
U

矩阵的特征多项式与特征值

矩阵的特征多项式与特征值矩阵是线性代数中一种重要的数学工具，它在各个领域都有广泛的应用。

在矩阵理论中，矩阵的特征多项式与特征值是两个重要的概念，它们之间有着密切的联系。

一、特征多项式在讨论矩阵的特征多项式之前，首先要了解什么是特征向量。

对于一个n阶矩阵A，若存在一个非零向量X使得AX=kX，其中k为常数，那么X就是A的一个特征向量，k就是该特征向量所对应的特征值。

特征向量反映了矩阵A的某种变化规律，而特征值则表示了这种变化的幅度大小。

根据特征向量的定义，我们可以得到特征方程AX=kX，将特征方程改写为(λI-A)X=0，其中I是单位矩阵，λ是一个特征值。

进一步推导可得到特征多项式的定义：特征多项式是一个关于λ的多项式，它是由矩阵A的特征值所确定的，记作|λI-A|。

特征多项式可以表示为P(λ)=|λI-A|=λ^n+c_1λ^(n-1)+...+c_(n-1)λ+c_n，其中c_1，c_2，...，c_n为常数。

特征多项式的次数为n，与矩阵A的阶数相同。

二、特征值与特征多项式的关系特征值与特征多项式之间存在着紧密的联系。

我们通过特征多项式可以求解矩阵A的特征值，而矩阵A的特征值则是特征多项式的根。

设λ是特征多项式P(λ)=|λI-A|的一个根，即P(λ)=0，则有(λI-A)X=0，其中X为非零向量。

这意味着(λI-A)是一个奇异矩阵，即它的行列式为0，因此得到|λI-A|=0。

所以特征值λ是特征多项式P(λ)=|λI-A|的一个根。

特征值与特征多项式之间的关系在实际问题中起到了重要的作用。

通过求解特征多项式，我们可以得到矩阵A的全部特征值，进而进一步分析矩阵A的性质和特点。

三、应用举例矩阵的特征多项式与特征值在多个领域都有广泛的应用，下面以线性代数和物理学领域为例进行说明。

1. 线性代数中的应用特征多项式和特征值是线性代数中一个重要的概念。

在解线性方程组、矩阵相似问题以及求矩阵的幂等等问题时，特征多项式和特征值的计算都是十分有用的工具。

2016矩阵分析-第1章多项式矩阵与矩阵多项式-1.4(讲)

A1 0 A 0 A 2 并设 A1 , A2 的最小多项式分别为 g1 ( x ), g2 ( x ).
则A的最小多项式为 g1 ( x ), g2 ( x )的最小公倍式.
2016级矩阵分析
1.4 矩阵的零化问题
推广：若A是一个准对角矩阵
A1 A2 A s 且 Ai 的最小多项式为 gi ( x ), i 1,2,..., s 则A的最小多项式是为 [ g1 ( x ), g2 ( x ),..., gs ( x )].
A 的最小多项式没有重根.
2016级矩阵分析
1.4 矩阵的零化问题
练习：
1 1 求矩阵 A 1 1 1 1 1 1 的最小多项式. 1
2016级矩阵分析
1.4 矩阵的零化问题
解： A的特征多项式
x 1 1 f ( x ) | E AE | 1
1.4 矩阵的零化问题
1 0 2 8 5 4 2 A 0 1 1 , 2 A 3 A A A 4E . 例1. 设求 0 1 0
3 f ( ) E A 2 1 解：A的特征多项式
用 f ( )去除 2 8 3 5 4 2 4 g( ), 得
g( ) f ( )(2 5 4 3 5 2 9 14) (24 2 37 10)
2016级矩阵分析
1.4 矩阵的零化问题
f ( A) 0,
2 A8 3 A5 A4 A2 4 E 24 A2 37 A 10 E
3 48 26 0 95 61 0 61 34
2016级矩阵分析