最小多项式是一个多项式,它刻画了给定数学对象在指定域上满足的次数最低的多项式关系。对于代数元 α,它是以 α 为根、正次数最低的首一多项式。对于方矩阵或非零有限维空间上的线性算子 T,它是代入 T 后结果为零、次数最低的首一多项式。这些定义具有共同的代数基础,但有一个重要区别:域上的代数元的最小多项式总是不可约的,而矩阵的最小多项式未必不可约。
一般定义
设 F 为一个域,a 是一个非零含幺结合 F-代数中的元素,且标量的作用与所有元素交换。对于
p(x)=c0+c1x+⋯+cdxd∈F[x],
在 a 处求值是指
p(a)=c01+c1a+⋯+cdad.
若存在非零多项式满足 p(a)=0,则称 a 在 F 上是代数的。它的最小多项式 ma(x) 是满足
ma(a)=0.
的次数最低的首一多项式。这里,首一是指首项系数为 1。
这一定义蕴含了更强的整除性质:
p(a)=0⟺ma(x)∣p(x).
事实上,多项式除法给出 p=qma+r,其中 degr<degma。若 p(a)=0,则 r(a)=0;由次数的最小性可知 r=0。这也证明了唯一性。
等价地,求值映射
eva:F[x]⟶F[a],p⟼p(a),
是一个环同态,其核为理想
ker(eva)=(ma).
因此,最小多项式刻画了 a 满足的所有多项式关系,而不只是其中次数最低的一个关系。
代数元与域扩张
设 E/F 是一个域扩张,且 α∈E 在 F 上是代数的。其最小多项式通常记为
mα,F(x)orminF(α).
不可约性
多项式 mα,F 是 F 上的不可约多项式。若它可分解为
mα,F=gh
且两个因式的次数均为正,则
0=g(α)h(α).
由于 E 是域,必有一个因式在 α 处为零,这与次数的最小性矛盾。
反过来,F 上任何以 α 为根的首一不可约多项式,都是它的最小多项式。
次数与生成域的基
求值映射给出一个同构
F[x]/(mα,F)≅F[α].
不可约性保证这个商环是域,因此 F[α]=F(α),即 E 中包含 F 和 α 的最小子域。
若 d=degmα,F,则
[F(α):F]=d,
且
1,α,…,αd−1
构成 F 上的一组基。因此,F(α) 中每个元素都能唯一地表示为一个关于 α 的次数小于 d 的多项式。
例子及对基域的依赖
在有理数域上,
m2,Q(x)=x2−2.
这个多项式在 2 处为零,且在 Q 上不可约。
基域的选择至关重要。由于 2∈R,
m2,R(x)=x−2.
同样,虚数单位在 R 上的最小多项式为 x2+1,而在 C 上则为 x−i。
在 F 上的超越数不满足 F 上任何非零多项式方程,因此在该域上没有最小多项式。
共轭根与可分性
在 mα,F 能分裂的域中,它的根称为 α 在 F 上的代数共轭元。这些根在伽罗瓦理论中具有核心地位。
在特征为零的情形下,不可约多项式没有重根。在正特征的情形下,不可约多项式在分裂域中可能有重根。因此,并非在所有域上,不可约性都能单独保证可分性。
矩阵与线性算子
设 V 是域 F 上的非零有限维向量空间,T:V→V 是一个线性算子。对于
p(x)=c0+c1x+⋯+cdxd,
定义
p(T)=c0I+c1T+⋯+cdTd,
其中 I 为恒等算子。
最小多项式 mT 是满足 mT(T)=0 的次数最低的唯一首一多项式。它之所以存在,是因为在 V 上的算子构成的有限维空间中,足够多个 T 的幂必然线性相关。
选定一组基后,便得到表示 T 的矩阵 A,且 mA=mT。特别地,最小多项式在矩阵相似下保持不变:
B=P−1AP⟹mB=mA.
与域元素的情形不同,算子所在的代数可能有零因子。因此,算子的最小多项式可以分解为若干个非常数多项式的乘积。
与特征多项式的关系
对于 n×n 矩阵 A,其特征多项式为
χA(x)=det(xI−A).
凯莱—哈密顿定理指出
χA(A)=0.
因此,
mA∣χA,1≤degmA≤n.
这两个多项式包含不同的信息。特征多项式记录特征值及其代数重数。最小多项式记录使算子为零所需的多项式关系,并且在分裂域上,记录每个特征值所对应的最大若尔当块的大小。
它们在分裂域中的不同根完全相同,但根的重数可能不同。例如,
A=(2002)
满足
χA(x)=(x−2)2,mA(x)=x−2.
特征值与若尔当块
分裂域中的元素 λ 是 A 的特征值,当且仅当
mA(λ)=0.
若
mA(x)=λ∏(x−λ)sλ,
则 sλ 是 A 的若尔当标准形中对应于 λ 的最大若尔当块的大小。
例如,
B=(2012)
满足
(B−2I)2=0,B−2I=0,
因此
mB(x)=(x−2)2.
尽管上述 A 与 B 具有相同的特征多项式,但它们的最小多项式揭示了各自不同的算子结构。
更一般地,若 Nr=0 但 Nr−1=0,则 N 是幂零指数为 r 的幂零矩阵,且
mN(x)=xr.
可对角化性
矩阵在 F 上可对角化,当且仅当其最小多项式是 F[x] 中互不相同的一次因式的乘积。
这两个要求都不可缺少:
- 重复因式表明存在非平凡的若尔当块。
- 即使没有重复的不可约因式,只要存在不能在 F 上分裂的因式,矩阵就不能在 F 上对角化。
例如,实矩阵
R=(01−10)
的最小多项式为 x2+1。它在 C 上可对角化,但在 R 上不可对角化。
对于元素属于 F 的矩阵,将标量域扩张到更大的域并不会改变其最小多项式本身,只可能改变它的因式分解。这与固定扩域中的一个元素,再扩大求取该元素最小多项式时所用的基域,是不同的情形。
不变子空间与标准形
若 W⊆V 在 T 下不变,则
mT∣W∣mT.
若
V=V1⊕⋯⊕Vk
是一个不变子空间直和分解,则
mT=lcm(mT∣V1,…,mT∣Vk).
一种有用的解释是,通过定义 xv=T(v),将 V 视为一个 F[x]-模。在有理标准形中,算子具有首一的非常数不变因子
f1∣f2∣⋯∣fr.
它们满足
χT=j=1∏rfj,mT=fr.
因此,最小多项式就是最大的不变因子。它未必能确定完整的相似类:不同的算子可以具有相同的最小多项式,但其余不变因子不同。
若存在向量 v,使得
v,Tv,…,Tn−1v
构成一组基,则称该算子为循环算子。这恰好等价于
mT=χT.
最小多项式的两种主要含义在这里自然地联系起来。若 α 在 F 上是代数的,则乘以 α 在 F(α) 上定义了一个算子:
Mα(u)=αu.
它的最小多项式为 mα,F。向量 1 是循环向量,因此该算子的特征多项式也为 mα,F。
计算与应用
矩阵最小多项式的计算
一种直接的方法是在
I,A,A2,….
中寻找首次出现的线性相关关系。若首次出现相关关系的次数为 d,则可将该关系归一化为
Ad+cd−1Ad−1+⋯+c0I=0.
于是
mA(x)=xd+cd−1xd−1+⋯+c0.
对于向量 v,由 v,Av,A2v,… 中首次出现的线性相关关系可得到它的向量最小多项式 mA,v。该多项式整除 mA,并描述算子在这些向量所生成的子空间上的作用。对一组基中各向量的最小多项式取最小公倍式,即可得到 mA。
其他方法利用不变因子或特征多项式的因式分解。最小多项式的精确计算本质上是代数问题:矩阵的微小扰动就可能改变其最小多项式,因此不应不加审慎地根据浮点计算结果推断其精确结构。
降低幂次与计算逆矩阵
若 degmA=d,则由多项式除法可知,A 的任意多项式都能唯一地写成
I,A,…,Ad−1.
的线性组合。这可以将高次幂化为低次幂,并为由矩阵幂生成的序列给出递推关系。
矩阵 A 可逆,当且仅当 mA(0)=0。若
mA(x)=xd+cd−1xd−1+⋯+c1x+c0
且 c0=0,则
A−1=−c01(Ad−1+cd−1Ad−2+⋯+c1I).
矩阵函数与域中的运算
在 C 上,矩阵的解析函数,例如矩阵指数,都可以表示为关于 A 的次数小于 degmA 的多项式。这个表示多项式在各特征值处的函数值,以及由 mA 中根的重数所要求的各阶导数值,都与原函数相符。
对于域中的代数元,最小多项式可通过对定义多项式取模化简表达式,从而支持精确运算。在含有 q 个元素的有限域上,一个次数为 d 的首一不可约多项式 m 给出域
Fq[x]/(m),
该域含有 qd 个元素。x 的剩余类在 Fq 上的最小多项式为 m。