提示：数学公式渲染组件（KaTeX）加载失败，公式以源码形式显示，不影响阅读内容。联网后刷新即可正常渲染。
☰本集目录
◎学习目标
- 理解最小多项式（minimal polynomial）的定义：次数最低（且首一）的零化多项式；
- 掌握性质 1（整除性）：最小多项式 \(m_A(x)\) 整除每一个零化多项式 \(g(x)\)（即 \(m_A\mid g\)）；
- 掌握性质 2（可对角化等价条件）：\(A\) 可对角化 \(\iff\) \(m_A(x)\) 为若干个互不相同的一次因式之积；
- 理解最小多项式与特征多项式 \(\chi_A\) 的整除关系：\(m_A\mid\chi_A\)，且二者根相同（特征值相同）；
- 会利用最小多项式判别线性变换 / 矩阵是否可对角化。
1最小多项式的定义 ⏱ 00:30
承上集（P102），设 \(A\) 是 \(n\) 维线性空间 \(V\) 上的线性变换。由 Cayley–Hamilton 定理知存在零化多项式（如特征多项式 \(\chi_A\)），故零化多项式集合非空。
定义 · 最小多项式
设 \(A\) 是 \(V\) 上的线性变换。在 \(A\) 的所有零化多项式中，取次数最低且首一（最高次项系数为 1）的那个，称为 \(A\) 的最小多项式，记作 \(m_A(x)\)。
\[ m_A(x) = x^d + c_{d-1}x^{d-1}+\cdots+c_1x+c_0,\quad m_A(A)=\mathbf{0}. \]
其中 \(d\) 是零化多项式的最低次数。
存在性与唯一性
由零化多项式非空，且有限维情形存在最低次者，最小多项式存在且唯一（“最低次 + 首一”唯一确定）。它是 \(A\) 在 \(F[x]\) 中“零化”的最“经济”的多项式。⏱ 01:40
2最小多项式性质 1（整除性） ⏱ 02:10
性质 1 · 最小多项式整除每个零化多项式
设 \(m_A(x)\) 是 \(A\) 的最小多项式，\(g(x)\in F[x]\) 是 \(A\) 的任意一个零化多项式（即 \(g(A)=\mathbf{0}\)），则
\[ m_A(x)\mid g(x) \quad(\text{即 } m_A \text{ 整除 } g). \]
证明（带余除法）
对 \(g(x)\)、\(m_A(x)\) 作带余除法：
\[ g(x)=q(x)m_A(x)+r(x),\quad \deg r < \deg m_A. \]
把不定元 \(x\) 代之以 \(A\)（多项式通用性，P102），得
\[ g(A)=q(A)m_A(A)+r(A)=q(A)\cdot\mathbf{0}+r(A)=r(A). \]
又 \(g(A)=\mathbf{0}\)（\(g\) 是零化多项式），故 \(r(A)=\mathbf{0}\)，即 \(r\) 也是 \(A\) 的零化多项式。但 \(m_A\) 是次数最低的零化多项式，而 \(\deg r<\deg m_A\)，故必有 \(r=\mathbf{0}\)。因此 \(g(x)=q(x)m_A(x)\)，即 \(m_A\mid g\)。证毕。⏱ 03:30
直接推论 · \(m_A\mid\chi_A\)
特征多项式 \(\chi_A\) 是零化多项式（Cayley–Hamilton 定理），故 \(m_A\mid\chi_A\)。这给出了最小多项式与特征多项式的基本整除关系。⏱ 04:00
3最小多项式性质 2（可对角化等价条件） ⏱ 04:30
性质 2 · 可对角化的等价刻画
设 \(A\) 是 \(n\) 维线性空间 \(V\) 上线性变换，其特征多项式在 \(F\) 上可分解为线性因式（即所有特征值都在 \(F\) 中）。则
\[ A \text{ 可对角化} \iff m_A(x)=\prod_{i=1}^{s}(x-\lambda_i), \]
其中 \(\lambda_1,\dots,\lambda_s\) 是 \(A\) 的所有不同特征值（一次因式互不相同，且无重根）。
证明思路（两个方向）
（⇒）若 \(A\) 可对角化：则 \(V=V_{\lambda_1}\oplus\cdots\oplus V_{\lambda_s}\)（不同特征值特征子空间直和）。在每个特征子空间 \(V_{\lambda_i}\) 上 \(A-\lambda_i I=\mathbf{0}\)，故 \(m_A\) 被每个 \((x-\lambda_i)\) 整除；因 \((x-\lambda_i)\) 两两互素，\(m_A\) 被其乘积整除，而 \(m_A\) 是“最低次”零化多项式，故
\[ m_A(x)=\prod_{i=1}^{s}(x-\lambda_i). \]
⏱ 05:30
（⇐）若 \(m_A(x)=\prod_i(x-\lambda_i)\)（互异一次因式之积）：考虑 \(A\) 的初等因子 / 若尔当结构。由于 \(m_A\) 无重根（各一次因式互不相同），\(A\) 的若尔当块均为 1 阶（对角块），故 \(A\) 相似于对角阵，即 \(A\) 可对角化。⏱ 06:40
丘老师强调：等价于“\(m_A\) 为互不相同的一次因式之积”这一形式，是判别“可对角化”的另一个充要条件，与“特征子空间直和”“存在 \(n\) 个线性无关特征向量”等价。
直观理解
对角化“失败”的根源是存在重根 / 非对角若尔当块。若 \(m_A\) 仍是“互异一次因式之积”（无重因式），说明没有“长度 \(\ge 2\) 的若尔当块”，故可完全对角化。⏱ 07:30
4最小多项式与特征多项式的关系 ⏱ 08:00
两条基本事实
- 整除关系：\(m_A(x)\mid\chi_A(x)\)（特征多项式是零化多项式，由性质 1）；
- 根相同：\(m_A\) 与 \(\chi_A\) 在代数闭包中的根集合相同（都是 \(A\) 的特征值），只是重数可以不同。\(\deg m_A\le\deg\chi_A=n\)。
例子
设 \(A=\begin{pmatrix}1&1\\0&1\end{pmatrix}\)。\(\chi_A(x)=(x-1)^2\)，但 \(m_A(x)=(x-1)^2\ne x-1\)，故 \(A\) 不可对角化（有 2 阶若尔当块）。而 \(B=\begin{pmatrix}1&0\\0&1\end{pmatrix}\) 有 \(m_B(x)=x-1\)，可对角化（本就是对角阵）——同为特征值 1，但最小多项式不同，对角化结论也不同。⏱ 09:30
★重点回顾
1
最小多项式 \(m_A\)：次数最低且首一的零化多项式，\(m_A(A)=\mathbf{0}\)，存在唯一。
2
性质 1：\(m_A\mid g\)，对每个零化多项式 \(g\)（带余除法 + 通用性证明）；特别 \(m_A\mid\chi_A\)。
3
性质 2：\(A\) 可对角化 \(\iff m_A\) 为互不相同一次因式之积（无重因式）。
4
\(m_A\) 与 \(\chi_A\) 根相同（均为 \(A\) 的特征值），但重数可不同；\(\deg m_A\le n\)。
5
最小多项式是“特征子空间 / 不变子空间分解”的核心工具：不同特征值的特征子空间对应 \(m_A\) 的不同一次因式。
⚠易错点提醒
常见错误
- 把“最小多项式”理解为“零化多项式中系数绝对值最小的”：正确定义是“次数最低（且首一）”，与系数大小无关。
- 误以为 \(m_A=\chi_A\) 总成立：仅当 \(A\) 不可对角化（或重因式无法化简）时 \(m_A\) 与 \(\chi_A\) 才可能相同；可对角化时 \(m_A\) 一般为 \(\chi_A\) 的“去重”版本。
- 混淆“互异一次因式之积”与“特征多项式”：性质 2 要求 \(m_A=\prod(x-\lambda_i)\)（每个不同特征值只出现一次）；若 \(m_A\) 含 \((x-\lambda)^2\) 这类重因式，则 \(A\) 不可对角化。
- 忘记“特征值都在 \(F\) 中”的前提：性质 2 的等价刻画默认 \(m_A\)（从而 \(\chi_A\)）在 \(F\) 上分解为一次因式；若特征值不在 \(F\) 中，则“一次因式之积”的说法需相应调整。
- “\(m_A\mid\chi_A\)”的证明用带余除法：关键是“把 \(x\) 代之以 \(A\) 时保持运算”（多项式通用性）；否则无法从 \(g(A)=0\) 推出 \(r(A)=0\)。
- 把“相似矩阵”最小多项式混淆：相似变换不改变最小多项式（\(m_A=m_{P^{-1}AP}\)），但不同相似类最小多项式可以相同（如两个相似的对角阵）。
✎自测与作业
- 设 \(A=\begin{pmatrix}2&0\\0&2\end{pmatrix}\)。求 \(A\) 的最小多项式 \(m_A\)，并判断 \(A\) 是否可对角化。
- 设 \(A=\begin{pmatrix}2&1\\0&2\end{pmatrix}\)。（上三角，特征值均为 2）求 \(m_A\)，并用性质 2 判断 \(A\) 是否可对角化（提示：验证 \((A-2I)^2=0\) 但 \(A-2I\ne0\)）。
- 设 \(A\) 的特征多项式 \(\chi_A(x)=(x-1)(x-2)(x-3)\)（三个不同特征值）。由性质 2 求 \(m_A\)，并说明 \(A\) 可对角化。
- （证明）设 \(g\) 是 \(A\) 的零化多项式，\(m_A\) 是最小多项式。用带余除法证明 \(m_A\mid g\)（补全本集 s2 折叠证明中“\(r(A)=0\)”之后“由 \(m_A\) 次数最低”得出 \(r=0\) 的完整逻辑）。
- 设 \(m_A(x)=(x-1)(x-2)\)（互异一次因式之积）。说明 \(A\) 可对角化，并写出 \(A\) 的若尔当标准形。
- （思考）设 \(m_A(x)=\chi_A(x)=(x-1)^n\)。\(A\) 是否一定不可对角化？举例说明（提示：若尔当块为 2 阶以上时 \((x-1)^2\mid m_A\)）。
- （选做）设 \(A\) 可对角化，特征值为 \(\lambda_1,\dots,\lambda_s\)（互异）。验证 \(\prod_{i=1}^{s}(A-\lambda_i I)=\mathbf{0}\)（即 \(A\) 的一个零化多项式），并说明为何最小多项式恰为 \(\prod_{i=1}^{s}(x-\lambda_i)\)。
下一集预告
第 P104 集 · 十九：零化多项式、Hamilton–Cayley 定理的完整证明与线性变换的最小多项式、可对角化条件的综合应用。后续将用最小多项式与若尔当标准形进一步刻画线性变换的结构。