☰本集目录
◎学习目标
- 理解用"限制"（restriction）观点刻画线性变换 \(A\) 在某个特征子空间 \(V_\lambda\) 上作用的方式；
- 掌握 \(A\) 在特征子空间 \(V_\lambda\) 上的限制的最小多项式必为 \(\lambda - \lambda\)（即 \(\lambda-\) 减去对应特征值的线性因子），从而 \(A\) 的最小多项式等于各不同特征值对应线性因子的乘积；
- 建立可对角化的最小多项式判据：\(A\) 可对角化 \(\Longleftrightarrow\) \(A\) 的最小多项式在 \(F[\lambda]\) 中可分解为两两不同的一次因子之积；
- 作为应用，证明幂等变换（幂等变换）一定可对角化；并对幂零变换、幂等变换的最小多项式给出刻画；
- 为下一节（P110）"不可对角化情形下的 Jordan 结构"打下过渡：讨论最小多项式含更高次幂因子时的分块对角形式。
1特征子空间的"限制"观点 ⏱ 00:05
设 \(A\) 是 \(F\) 上 \(n\) 维线性空间 \(V\) 上的线性变换。先回顾特征子空间 \(V_\lambda\)（属于特征值 \(\lambda\)）的定义：\(\alpha \in V_\lambda\) 当且仅当 \((A - \lambda I)\alpha = 0\)。⏱ 00:05
为什么这样写（"限制"的含义）
线性变换 \(A\) 对 \(V\) 中任意 \(\alpha\) 都定义作用。当 \(\alpha \in V_\lambda\) 时，\((A-\lambda I)\alpha = 0\)，所以 \(A\alpha = \lambda \alpha\)。把等式两边都看作"限制在 \(V_\lambda\) 上"的变换，得到 \(A\big|_{V_\lambda} = \lambda I\big|_{V_\lambda}\)。这就是丘老师所谓"这是两个线性变换的和"的新观点：⏱ 00:47
这个"限制"写法在后续几集反复使用，因为它把 \(A\) 在全空间 \(V\) 上的行为拆成在各不变子空间（特征子空间）上的独立行为，为后面"分块对角"结构埋下伏笔。⏱ 00:55
2特征子空间上限制的最小多项式 ⏱ 02:45
由上一步 \(A\big|_{V_\lambda} - \lambda I\big|_{V_\lambda} = 0\)，可看出 \(\lambda\)（把 \(\lambda\) 代入 \(A\) 的对应多项式 \(\lambda - \lambda\)）是 \(A\big|_{V_\lambda}\) 的一个零化多项式。再结合"最小多项式整除任何零化多项式"，得到本集的第一个关键结论。
证明思路（三步：零化多项式 → 最小多项式整除 → 排除零次）
第一步：由 \(A\big|_{V_\lambda} = \lambda I\big|_{V_\lambda}\) 得 \((A-\lambda I)\big|_{V_\lambda} = 0\)，即多项式 \(\lambda - \lambda\) 把 \(A\big|_{V_\lambda}\) 零化，故 \(\lambda-\lambda\) 是 \(A\big|_{V_\lambda}\) 的一个零化多项式。⏱ 03:15
第二步：由最小多项式的定义（首一、整除一切零化多项式），\(m_{V_\lambda}\) 必整除 \(\lambda - \lambda\)。因为 \(\lambda-\lambda\) 是一次多项式，\(m_{V_\lambda}\) 只能是零次（常数 1）或 \(\lambda-\lambda\) 本身。⏱ 04:00
第三步：零次多项式（常数 1）不能是任何非零变换的零化多项式（1 代入 \(A\) 得 \(I \neq 0\)），故 \(m_{V_\lambda} \neq 1\)。因此只能是 \(m_{V_\lambda} = \lambda - \lambda\)。证毕。⏱ 04:30
3可对角化的充要条件（最小多项式判据） ⏱ 06:00
这是本集的核心定理。设 \(A\) 的特征值为 \(\lambda_1, \lambda_2, \dots, \lambda_s\)（两两不等），\(V = V_{\lambda_1} \oplus V_{\lambda_2} \oplus \cdots \oplus V_{\lambda_s}\)。由"定理 E"（线性变换在不变子空间直和上限制的最小多项式的首一最小公倍式等于整体的最小多项式），可推出：
证明思路（必要性 + 充分性）
必要性：若 \(A\) 可对角化，则 \(V\) 可分解为特征子空间 \(V_{\lambda_1}, \dots, V_{\lambda_s}\) 的直和。由引理，\(A\) 在每个 \(V_{\lambda_i}\) 上限制的最小多项式为 \(\lambda - \lambda_i\)。由"定理 E"（各不变子空间限制最小多项式的首一最小公倍式 = 整体的最小多项式），
充分性：反过来，已知 \(m_A(\lambda) = (\lambda-\lambda_1)\cdots(\lambda-\lambda_s)\)。由最小多项式的定义，\(m_A(A) = 0\)。其核为全空间 \(V\)，即
4推论：幂等变换一定可对角化 ⏱ 11:00
本集最重要的推论。"幂等变换"即 \(A^2 = A\)（幂等、投影）。
完整推导（从 \(A^2=A\) 到零化多项式 \(\lambda(\lambda-1)\)）
由 \(A^2 = A\) 移项得 \(A^2 - A = 0\)，即 \(A(A - I) = 0\)。把多项式 \(\lambda(\lambda - 1) = \lambda^2 - \lambda\) 代入 \(A\)，得
由最小多项式性质（\(m_A\) 整除一切零化多项式），\(m_A \mid \lambda(\lambda-1)\)。因为 \(\lambda(\lambda-1)\) 已分解为两个互异一次因子 \(\lambda\) 与 \(\lambda - 1\)，\(m_A\) 只能是其因子：\(1\)、\(\lambda\)、\(\lambda-1\)、\(\lambda(\lambda-1)\)。而 \(m_A\) 不可能是零次（常数 1，因为 \(A\neq 0\) 且 \(A\neq I\) 时 \(m_A\) 至少为一次；即使 \(A=0\) 则 \(m_A=\lambda\)，\(A=I\) 则 \(m_A=\lambda-1\)）。故 \(m_A \in \{\lambda,\ \lambda-1,\ \lambda(\lambda-1)\}\)。⏱ 12:30
这三种情形都是"两两不同的一次因子之积"（\(\lambda\) 与 \(\lambda-1\) 互异），由定理知 \(A\) 可对角化。⏱ 12:50
5从可对角化到不可对角化：过渡 ⏱ 15:00
本集末尾为下一节（P110 Jordan 块）做铺垫。把"可对角化"（最小多项式为不同一次因子之积）进一步推广到"最小多项式为不同一次因子的幂次之积"的情形：
本节的"分块对角"想法
把 \(W_i\) 上的限制 \(A\big|_{W_i}\) 减去 \(\lambda_i I\) 记为 \(B_i\)，即 \(B_i = A\big|_{W_i} - \lambda_i I\)。则 \(B_i\) 是 \(W_i\) 上的幂零变换，幂零指数恰为 \(L_i\)（即 \(B_i^{L_i} = 0\) 且 \(B_i^{L_i-1} \neq 0\)）。⏱ 16:00
研究 \(B_i\) 的"最简单矩阵"（即幂零变换的 Jordan 形），是 P110 的核心问题。本集仅交代"思路"，具体构造留在下一节。⏱ 16:30
★重点回顾
⚠易错点提醒
- 混淆"最小多项式"与"特征多项式"：可对角化判据用最小多项式 \(m_A\)，不是特征多项式 \(f_A\)。特征多项式可能含重根，但只要 \(m_A\) 为不同一次因子之积即可对角化。
- "限制"记号 \(A\big|_{V_\lambda}\)：这是把 \(A\) 的定义域限制到子空间 \(V_\lambda\) 上，不是 \(A\) 与 \(V_\lambda\) 的乘积。写公式时要明确是"在 \(V_\lambda\) 上的限制"。
- 幂等变换 \(A^2=A\) 不等于 \(A=I\)：幂等变换包括 \(A=0\)（投影到零子空间）和 \(A=I\)（恒等），也包括真正的"投影"（部分恒等）。判断时通过零化多项式 \(\lambda(\lambda-1)\) 而非直接假设 \(A\) 具体值。
- 幂零变换的幂零指数 \(L\) 是"最小的使 \(A^L=0\) 的正整数"：\(L=1\) 时 \(A=0\)（可对角化，本身是零矩阵），\(L>1\) 时 \(m_A = \lambda^L\)（同一因子的 \(L\) 次幂，不可对角化）。不要把"幂零指数"和"矩阵阶数"混淆。
- 分块对角形式的前提是"最小多项式为两两互异一次因子的幂次之积"：若 \(m_A\) 含不可约的多于一次的多项式因子（如二次不可约多项式），则不能直接分解为 Jordan 块，需进一步处理（本课程范围一般假设在分裂域上）。
✎自测与作业
- 设 \(A\) 的最小多项式为 \(m_A(\lambda) = (\lambda-1)^2(\lambda-2)\)，判断 \(A\) 是否可对角化，并说明理由。（答案：不可对角化，因 \(m_A\) 含幂次 \((\lambda-1)^2\)，非"不同一次因子之积"。）
- 设 \(A^2 = A\)，求 \(A\) 的所有可能最小多项式（\(A\) 非零、非恒等情形下），并说明 \(A\) 是否可对角化。（答案：\(m_A = \lambda(\lambda-1)\)，可对角化。）
- 设 \(A\) 是幂零变换且幂零指数 \(L=3\)，写出 \(A\) 的最小多项式，并判断 \(A\) 是否可对角化。
- 设 \(V\) 为 \(n\) 维，\(A\) 为 \(V\) 上的幂等变换，\(\dim\operatorname{Im}A = k\)。写出 \(A\) 在某个基下的对角矩阵形式（答案：\(\operatorname{diag}(\underbrace{1,\dots,1}_{k},\underbrace{0,\dots,0}_{n-k})\)）。
- （思考）设 \(A\) 的最小多项式为 \(m_A(\lambda) = (\lambda-1)^2(\lambda-2)^3\)。写出 \(V\) 的分解 \(V = W_1 \oplus W_2\)，其中 \(W_i = \ker((A-\lambda_i I)^{L_i})\)，并说明 \(A\) 在 \(W_1\) 上的限制的最小多项式。
- （选做）证明"零化多项式核 = 各互素因式核的直和"这一性质（提示：用中国剩余定理或构造投影算子）。