矩阵的特征多项式是矩阵理论中的核心概念，用于描述矩阵的特征值。以下是关于其特征多项式的详细说明：

一、定义与计算方法

定义

对于n阶矩阵$A$，其特征多项式是关于$lambda$的n次多项式，定义为：

$$

f(lambda) = det(lambda E - A)

$$

其中$E$是单位矩阵，$lambda E - A$称为矩阵$A$的 特征矩阵 。

计算步骤

步骤一 ：构造矩阵$lambda E - A$，即将矩阵$A$的每个元素$a{ij}$替换为$lambda - a{ij}$。

步骤二 ：计算该矩阵的行列式，即$|lambda E - A|$。

步骤三 ：将行列式展开为标准多项式形式，通常为：

$$

f(lambda) = lambda^n + c_{n-1}lambda^{n-1} + cdots + c_1lambda + c_0

$$

其中$c_i$为常数项，$n$为矩阵的阶数。

二、特征值与特征向量

特征多项式与特征值、特征向量密切相关：

若$lambda$是矩阵$A$的特征值，则满足$Amathbf{x} = lambdamathbf{x}$，即$（lambda E - A）mathbf{x} = mathbf{0}$。

特征方程$|lambda E - A| = 0$的根即为矩阵$A$的特征值。

三、特殊矩阵的特征多项式

正交矩阵

若$A$是正交矩阵，则其特征多项式可表示为：

$$

f(lambda) = prod_{i=1}^n (lambda - lambda_i)

$$

其中$lambdai$为特征值，且满足$|lambda E - A| = prod{i=1}^n （lambda - lambda_i）$。

三角矩阵

对角矩阵的特征多项式为：

$$

f(lambda) = (lambda - lambda_1)(lambda - lambda_2) cdots (lambda - lambda_n)

$$

上三角或下三角矩阵同理。

四、应用与意义

特征多项式在多个领域有重要应用：

线性代数 ：用于求解矩阵的对角化、相似变换等问题。

物理学 ：在量子力学、电路分析等领域有关键作用。

工程学 ：用于结构分析、动态系统建模等。

示例

对于矩阵$A = begin{pmatrix} 2 & 1 1 & 2 end{pmatrix}$，其特征多项式计算如下：

构造$lambda E - A = begin{pmatrix} lambda - 2 & -1 -1 & lambda - 2 end{pmatrix}$。

计算行列式：

$$

f(lambda) = (lambda - 2)^2 - (-1)(-1) = lambda^2 - 4lambda + 3

$$

分解因式得：

$$

f(lambda) = (lambda - 1)(lambda - 3)

$$

特征值为$lambda_1 = 1$和$lambda_2 = 3$。

通过以上方法，可以系统地求解矩阵的特征多项式及其相关性质。