最小多项式的解法

最小多项式的概念解析以及求最小多项式的步骤。希望举一个例子讲一下。

最小多项式(minimal polynomial)是代数数论的基本概念之一。由Cayley-Hamilton定理,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。

最小多项式的求解方法

方法:

1、先将A的特征多项式

在P中作标准分解,找到A的全部特征值

 2、对

的标准分解式中含有

的因式按次数从低到高的顺序进行检测,第一个能零化A的多项式就是最小多项式。

例:

 

的最小多项式。

解:A的特征多项式为:

 

故A的最小多项式为

扩展资料

特征多项式的解法

1、把|λE-A|的各行(或各列)加起来,若相等,则把相等的部分提出来(一次因式)后,剩下的部分是二次多项式,肯定可以分解因式

2、把|λE-A|的某一行(或某一列)中不含λ的两个元素之一化为零,往往会出现公因子,提出来,剩下的又是一二次多项式。

3、试根法分解因式。

温馨提示:答案为网友推荐,仅供参考
第1个回答  推荐于2019-10-10

方法一:

(1)先将A的特征多项式f(y)在P中作标准分解,找到A的全部特征值  ,  ,  ,  ;

(2)对f(y)的标准分解式中含有  的因式按次数从低到高的顺序进行检测,第一个能零化A的多项式就是最小多项式。

方法二:

设A是n级复数矩阵,则A的最小多项式 g(y)是A的最后一个不变因子  。 

先求出所有的特征值及其代数重数,假定不同特征值为c1,c2...,ck,那么最小多项式一定是p(x)=(x-c1)^a1(x-λ2)^a2...(x-λk)^ak的形式,关键在于定次数。其中指数ai≤特征值ci的重数。

对于单特征值ci,那么对应的指数就是ai=1。

对于重特征值ci,去求它的广义特征向量,也就是说解(ciI-A)^mx=0,m从1开始向上增加,直到(ciI-A)^mx=0线性无关的解的个数和特征值的重数相同,那么ai=m。

换句话说。就是使得(ciI-A)^mx=0线性无关的解的个数和特征值的重数相同的最小的m/

设D(n-1)(λ)为行列式det(λI-A)=Dn(λ)的(n-1)阶因子,则最小多项式=Dn(λ)/D(n-1)(λ);

将A变换成为Jordan标准式,是求解最小多项式的标准方法。此时,ai是ci非零子块的最大阶数。

扩展资料:

设  ,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。

性质:

①A的最小多项式是唯一的。

②设  是A的最小多项式,则  等价于  。

③A的最小多项式  是它的特征多项式  的一个因式。

④A的最小多项式  与它的特征多项式  在数域P中有相同的根。

⑤相似的方阵阵具有相同的最小多项式。

⑥r级Jordan块  的最小多项式就是它的特征多项式  ,也是它的初等因子。

本回答被网友采纳
第2个回答  2019-02-19

设A是n级复数矩阵,则A的最小多项式 g(y)是A的最后一个不变因子  。 先求出所有的特征值及其代数重数,假定不同特征值为c1,c2...,ck,那么最小多项式一定是p(x)=(x-c1)^a1(x-λ2)^a2...(x-λk)^ak的形式,关键在于定次数。其中指数ai≤特征值ci的重数。

对于单特征值ci,那么对应的指数就是ai=1。

对于重特征值ci,去求它的广义特征向量,也就是说解(ciI-A)^mx=0,m从1开始向上增加,直到(ciI-A)^mx=0线性无关的解的个数和特征值的重数相同,那么ai=m。

换句话说。就是使得(ciI-A)^mx=0线性无关的解的个数和特征值的重数相同的最小的m/

设D(n-1)(λ)为行列式det(λI-A)=Dn(λ)的(n-1)阶因子,则最小多项=Dn(λ)/D(n-1)(λ);将A变换成为Jordan标准式,是求解最小多项式的标准方法。此时,ai是ci非零子块的最大阶数。

扩展资料

多项式的排列的题时注意:

1、由于单项式的项包括它前面的性质符号,因此在排列时,仍需把每一项的性质符看作是这一项的一部分,一起移动。

2、有两个或两个以上字母的多项式,排列时,要注意:a.先确认按照哪个字母的指数来排列。确定按这个字母降幂排列,还是升幂排列。

3、几个单项式的和叫做多项式。在多项式中,每个单项式叫做多项式的项,其中不含字母的项叫做常数项。一个多项式有几项就叫做几项式。

4、多项式的次数:多项式中,次数最高的项的次数,就是这个多项式的次数。

5、多项式的排列:把一个多项式按某一个字母的指数从大到小的顺序排列起来,叫做把多项式按这个字母降幂排列;把一个多项式按某一个字母的指数从小到大的顺序排列起来,叫做把多项式按这个字母升幂排列。

本回答被网友采纳
第3个回答  推荐于2017-07-18
最小多项式(minimal polynomial)代数数论的基本概念之一。

首先要我们要知道什么是零化多项式。设A是n*n的矩阵,f(λ)是多项式。如果有f(A)=O,则称f(λ)为A的零化多项式。在A的零化多项式中,次数最低的首一(首项系数=1)多项式称为的最小多项式,记为mA(λ)。
最小多项式的性质有以下几条:1.矩阵的最小多项式因式是特征多项式的因式。2. 应包含的所有互不相同的特征值。3.相似矩阵具有相同的最小多项式。
既然“矩阵的最小多项式因式是特征多项式的因式”,可以从特征多项式出发,求最小多项式。
先求出所有的特征值及其代数重数.假定不同特征值为c1,c2...,ck,那么最小多项式一定是
p(x)=(x-c1)^a1(x-λ2)^a2...(x-λk)^ak
的形式,关键在于定次数.其中指数ai≤特征值ci的重数。
对于单特征值ci,那么对应的指数就是ai=1.
对于重特征值ci,去求它的广义特征向量,也就是说解(ciI-A)^mx=0,m从1开始向上增加,直到(ciI-A)^mx=0线性无关的解的个数和特征值的重数相同,那么ai=m.换句话说,就是使得(ciI-A)^mx=0线性无关的解的个数和特征值的重数相同的最小的m.
设D(n-1)(λ)为行列式det(λI-A)=Dn(λ)的(n-1)阶因子,则最小多项式=
Dn(λ)/D(n-1)(λ);
将A变换成为Jordan标准式,是求解最小多项式的标准方法。此时,ai是ci非零子块的最大阶数。本回答被网友采纳
第4个回答  2012-03-29