回顾第一卷：特征多项式
在第一门课程里你认识了矩阵的特征多项式 p(x) = det(xI - A)，并把特征值当作它的根。当时变量 x 是标量：你代入数值来测试哪些数使 xI - A 奇异。这个视角已经把标量变量与固定矩阵混在一起。第二卷的跃迁是让变量本身成为矩阵。
固定有限维空间 V 上的一个线性算子 T（或一个方阵 A）。T 的幂是有意义的：T^0 = I，T^1 = T，T^2 = T 复合 T，依此类推。一旦能取幂并相加标量倍数，你就能在 T 处求任意多项式的值。
在算子处求多项式的值
给定 f(x) = c_k x^k + ... + c_1 x + c_0，定义 f(T) = c_k T^k + ... + c_1 T + c_0 I。这个代入映射 f -> f(T) 就是在 T 处的求值。它是一个环同态：(f + g)(T) = f(T) + g(T) 且 (fg)(T) = f(T) g(T)。乘法法则成立，是因为单个算子的各次幂彼此可交换。
A = [2, 1; 0, 2] # a 2x2 matrix f(x) = x^2 - 4x + 4 = (x - 2)^2 A^2 = [4, 4; 0, 4] -4A = [-8,-4; 0,-8] +4I = [ 4, 0; 0, 4] ----------------------------- f(A) = A^2 - 4A + 4I = [0, 0; 0, 0] So f(x) = (x-2)^2 ANNIHILATES A: f(A) = 0. Note (x - 2) alone does NOT: A - 2I = [0,1;0,0] != 0.
零化多项式与最小的那个
若 f(T) = 0（零算子），则称 f 是 T 的零化多项式。上面的矩阵被 (x-2)^2 零化。零化多项式总存在吗？存在：在 n 维空间上，算子 I, T, T^2, ..., T^{n^2} 都落在 n^2 维的全体算子空间中，故这 n^2 + 1 个算子必线性相关——这个相关关系就是一个次数至多为 n^2 的非零零化多项式。
在所有非零零化多项式中，存在唯一一个次数最小的首一多项式：极小多项式 m_T(x)。它是唯一一个囊括了多项式所能知道的关于 T 的一切的多项式。所有零化多项式的集合构成一个理想——这是第三篇的主题——而 m_T 生成它。我们用 p_T 记特征多项式 det(xI - T)；第二篇将证明它也零化 T。