【特征多项式的定义】在数学中，特别是在线性代数领域，特征多项式是一个非常重要的概念，它与矩阵的特征值和特征向量密切相关。通过特征多项式，我们可以求解矩阵的特征值，并进一步分析矩阵的性质，如可对角化、行列式、迹等。
一、特征多项式的定义
对于一个 $ n \times n $ 的方阵 $ A $，其特征多项式是指关于变量 $ \lambda $ 的多项式：
$$
p(\lambda) = \det(A - \lambda I)
$$
其中：
- $ \lambda $ 是一个标量；
- $ I $ 是单位矩阵；
- $ \det $ 表示行列式运算。
该多项式的根即为矩阵 $ A $ 的特征值，而对应的非零向量称为特征向量。
二、特征多项式的性质总结
| 属性 | 描述 |
| 定义 | 对于矩阵 $ A $，其特征多项式为 $ p(\lambda) = \det(A - \lambda I) $ |
| 次数 | 多项式次数为 $ n $，与矩阵的阶数相同 |
| 根 | 特征多项式的根是矩阵的特征值 |
| 系数 | 多项式系数与矩阵的迹、行列式等有关 |
| 可逆性 | 若 $ 0 $ 不是特征值，则矩阵可逆 |
| 对角化 | 若特征多项式可分解为不同的一次因式，则矩阵可对角化 |
三、举例说明
设矩阵 $ A = \begin{bmatrix} 2 & 1 \\ 0 & 3 \end{bmatrix} $，则其特征多项式为：
$$
p(\lambda) = \det\left( \begin{bmatrix} 2 - \lambda & 1 \\ 0 & 3 - \lambda \end{bmatrix} \right) = (2 - \lambda)(3 - \lambda)
$$
展开后得到：
$$
p(\lambda) = \lambda^2 - 5\lambda + 6
$$
其根为 $ \lambda_1 = 2 $ 和 $ \lambda_2 = 3 $，即为矩阵的两个特征值。
四、总结
特征多项式是研究矩阵性质的重要工具，它不仅帮助我们找到矩阵的特征值，还提供了关于矩阵结构和变换行为的关键信息。理解特征多项式的定义及其性质，有助于深入掌握线性代数的核心内容。