用Python实现Cayley-Hamilton定理：从矩阵运算到特征多项式计算

用Python实现Cayley-Hamilton定理：从矩阵运算到特征多项式计算

线性代数中那些看似抽象的定理，往往能在代码中找到最直观的诠释。Cayley-Hamilton定理告诉我们：每个方阵都是它自己特征方程的根。这个听起来有些反直觉的结论，实际上揭示了矩阵运算中深刻的自我指涉特性。本文将带你用NumPy从零实现这个定理的验证过程，不仅理解其数学本质，更掌握如何用Python处理矩阵运算中的高阶问题。

1. 环境准备与基础概念

在开始编码之前，我们需要明确几个关键概念。特征多项式是理解Cayley-Hamilton定理的核心——对于一个n×n矩阵A，其特征多项式定义为det(λI - A)，其中I是单位矩阵，λ是标量变量。这个多项式展开后的一般形式为：

p(λ) = λⁿ + c₁λⁿ⁻¹ + ... + cₙ

Cayley-Hamilton定理断言，当我们将矩阵A自身代入这个多项式时，结果将是零矩阵：

p(A) = Aⁿ + c₁Aⁿ⁻¹ + ... + cₙI = 0

准备Python环境只需要NumPy库：

import numpy as np
from numpy.linalg import det, inv

对于想深入理解矩阵运算的开发者，建议同时安装sympy库，它可以进行符号计算，帮助我们验证中间步骤：

pip install numpy sympy

2. 特征多项式的计算实现

计算特征多项式看似简单，但当矩阵维度增大时，手工计算会变得异常繁琐。我们可以利用NumPy提供的线性代数工具来高效完成这个任务。

2.1 使用Faddeev-Leverrier算法

这是一种数值稳定的特征多项式计算方法，适合编程实现。算法步骤如下：