一文通俗搞懂线性无关特征向量个数≤特征值重数

线代有个很难理解的知识点,即同一特征值的线性无关特征向量个数要小于等于特征值重数。

这个结论是怎么来的呢?本文用最朴素的证明来帮助大家弄懂这个知识点(结论推导所用的都是基础的线代知识,只是有些数学式子比较复杂,认真看完,理解很容易,相信自己!)。

a.首先一起看下会用到的两个tips:

tip 1:一定可以找到n个线性无关的n维向量,且它们可以表示任何一个n维向量

比如2维向量:能找到 \alpha_{1}=(1,0)^{T}\alpha_{2}=(1,1)^{T} 两个线性无关的向量,能表示二维平面里面的所有向量。

3维向量:能找到 \alpha_{1}=(1,0,0)^{T}  \alpha_{2}=(1,1,0)^{T} \alpha_{3}=(0,1,1)^{T}三个线性无关的向量,能表示三维立体空间里面的所有向量。

例图

tip 2:来计算一下某种行列式的值

n阶行列式:

具有某种规律的行列式(其中m<n)

以5阶为例,一起来找规律。

找规律

由此可见,其行列式的值都是x的某次方乘以一堆式子。

于是我们将此规律扩展到n维:

拓展到n维(为了方便,将后面的常数用*代替)

至此两个需要用到的tips讲完了,接着开始证明。

b.准备就绪,开始证明:

设A为n阶矩阵, \lambda_{1} 是它特征值(重根), \alpha_{1} ~\alpha_{m}  分别为其m个线性无关的特征向量。所以我们所要证明的就是 \lambda_{1} 的重数要≥m

证明:

1.构造一个n阶可逆矩阵P:

由于\alpha_{1}  ~ \alpha_{m} 为n维向量,所以一定能找到 \alpha_{m+1} ~\alpha_{n},使 \alpha_{1} ~ \alpha_{n} 线性无关且可以表示任何一个n维向量(根据前面tip 1得到的).

因此可以构造出一个n阶可逆矩阵 P=\left( \alpha_{1} ,\alpha_{2} ,…,\alpha_{m} ,\alpha_{m+1} ,…,\alpha_{n}  \right)

2.A左乘可逆矩阵P:

AP=\left( A\alpha_{1} ,A\alpha_{2} ,…,A\alpha_{m} ,A\alpha_{m+1} ,…,A\alpha_{n}  \right)

由特征值与特征向量的关系:A\alpha_{i}=\lambda_{1}\alpha_{i}  (其中i=1,2,……,m)

AP=\left( \lambda_{1}\alpha_{1} ,\lambda_{1}\alpha_{2} ,…,\lambda_{1}\alpha_{m} ,A\alpha_{m+1} ,…,A\alpha_{n}  \right)

又因为: A\alpha_{i} 的结果为n维向量(i=m+1,m+2,…,n)

所以 A\alpha_{i} 的结果可以用\alpha_{1} ~ \alpha_{n} 线性表示出来(根据tip 1得到的),即:

A\alpha_{i}=a_{1i}\alpha_{1}+a_{2i}\alpha_{2}+…+a_{ni}\alpha_{n}=\sum_{k=1}^{n}{a_{ki}\alpha_{ k}} (i=m+1,m+2,…,n)

2.把AP的结果用矩阵表示:

AP=\left( \lambda_{1}\alpha_{1} ,\lambda_{1}\alpha_{2} ,…,\lambda_{1}\alpha_{m} ,A\alpha_{m+1} ,…,A\alpha_{n}  \right)\Rightarrow AP=\left( \lambda_{1}\alpha_{1} ,\lambda_{1}\alpha_{2} ,…,\lambda_{1}\alpha_{m} ,\sum_{k=1}^{n}{a_{k(m+1)}\alpha_{ k}} ,…,\sum_{k=1}^{n}{a_{kn}\alpha_{ k}}  \right)

\Rightarrow Ap=\left( \alpha_{1} ,\alpha_{2} ,…,\alpha_{m} ,\alpha_{m+1} ,…,\alpha_{n}  \right)\begin{pmatrix} \lambda_{1}&  & &  & a_{1(m+1)}&\cdots&a_{1n} \\    & \lambda_{1} & &  & a_{2(m+1)}&\cdots&a_{2n}\\    &  & \ddots &  & \vdots& &\vdots  \\    &  &  & \lambda_{1}  & a_{m(m+1)}&\cdots&a_{mn}\\  0 & 0  & \cdots & 0 & a_{(m+1)(m+1)}&\cdots&a_{(m+1)n} \\\vdots& \vdots& & \vdots& \vdots& &\vdots \\0&0& \cdots & 0&a_{n(m+1)}&\cdots&a_{nn}\\  \end{pmatrix} \\

所以就有: P^{-1}AP= \begin{pmatrix} \lambda_{1}&  & &  & a_{1(m+1)}&\cdots&a_{1n} \\    & \lambda_{1} & &  & a_{2(m+1)}&\cdots&a_{2n}\\    &  & \ddots &  & \vdots& &\vdots  \\    &  &  & \lambda_{1}  & a_{m(m+1)}&\cdots&a_{mn}\\  0 & 0  & \cdots & 0 & a_{(m+1)(m+1)}&\cdots&a_{(m+1)n} \\\vdots& \vdots& & \vdots& \vdots& &\vdots \\0&0& \cdots & 0&a_{n(m+1)}&\cdots&a_{nn}\\  \end{pmatrix} .                                

3.减去 \lambda E后,取行列式 :

P^{-1}AP-\lambda E= \begin{pmatrix} \lambda_{1}&  & &  & a_{1(m+1)}&\cdots&a_{1n} \\    & \lambda_{1} & &  & a_{2(m+1)}&\cdots&a_{2n}\\    &  & \ddots &  & \vdots& &\vdots  \\    &  &  & \lambda_{1}  & a_{m(m+1)}&\cdots&a_{mn}\\  0 & 0  & \cdots & 0 & a_{(m+1)(m+1)}&\cdots&a_{(m+1)n} \\\vdots& \vdots& & \vdots& \vdots& &\vdots \\0&0& \cdots & 0&a_{n(m+1)}&\cdots&a_{nn}\\  \end{pmatrix}  -\lambda E

左边: P^{-1}AP-\lambda E=P^{-1}AP-\lambda P^{-1}P=P^{-1}(A-\lambda E)P

右边:\begin{pmatrix} \lambda_{1}-\lambda&  & &  & *&\cdots&* \\    & \lambda_{1}-\lambda & &  & *&\cdots&*\\     &  & \ddots &  & \vdots& &\vdots  \\    &   &  & \lambda_{1}-\lambda  & *&\cdots&*\\  0 & 0  & \cdots & 0 & *&\cdots&* \\\vdots& \vdots& & \vdots& \vdots& &\vdots \\0&0& \cdots & 0&*&\cdots&*\\  \end{pmatrix}   (为了方便,将后面的常数用*代替)

即得: P^{-1}(A-\lambda E)P= \begin{pmatrix} \lambda_{1}-\lambda&  & &  & *&\cdots&* \\    & \lambda_{1}-\lambda & &  & *&\cdots&*\\    &  & \ddots &  & \vdots& &\vdots  \\    &  &  & \lambda_{1}-\lambda  & *&\cdots&*\\  0 & 0  & \cdots & 0 & *&\cdots&* \\\vdots& \vdots& & \vdots& \vdots& &\vdots \\0&0& \cdots & 0&*&\cdots&*\\  \end{pmatrix}

最后取行列式得:

左边: |P^{-1}(A-\lambda E)P|=|P^{-1}||A-\lambda E||P|=|A-\lambda E|

右边:根据之前的tip 2得: (\lambda_{1}-\lambda)^{m}(一堆式子)

即得: |A-\lambda E|=(\lambda_{1}-\lambda)^{m}(一堆式子) ,

所以可以得到 \lambda_{1} 至少为m重根,为什么至少呢?因为有可能后面乘以的一堆式子中可以提取出若干个 (\lambda_{1}-\lambda) 出来,所以用至少这个词。

到此为止,我们得到想证的 \lambda_{1} 的重数要≥m,命题成立。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 205,033评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,725评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,473评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,846评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,848评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,691评论 1 282
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,053评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,700评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,856评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,676评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,787评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,430评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,034评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,990评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,218评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,174评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,526评论 2 343

推荐阅读更多精彩内容