为什么特征值的重数大于等于线性无关特征向量的个数

特征值的重数与线性无关特征向量的个数的关系

关系就是，特征值的重数 ≥ 该特征值的线性无关向量的个数 ≥ 1

量化关系有

特征值的重数，称为代数重数，等于Jordan矩阵中特征值为λ的Jordan块的阶数之和

特征向量的个数，称为几何重数，等于Jordan矩阵中特征值为λ的Jordan块的个数

证明

先说结论

每个矩阵等价于一个标准形

$$A\cong \left(\begin{array}{c}{E}_{r}0\\ 00\end{array}\right)$$

每个矩阵相似于一个Jordan标准形

A ∼ J = ( λ 1 σ λ 2 σ λ 3 σ ⋱ λ n ) n i σ = 0   o r   1 A\sim J=\begin{pmatrix}& \lambda_1 & \sigma & & & &\\& & \lambda_2 & \sigma & & &\\& & & \lambda_3 & \sigma & &\\& & & & \ddots & &\\& & & & & \lambda_n &\\\end{pmatrix}_{n_i}\\\sigma=0~or~1 A∼J= ​​λ1​​σλ2​​σλ3​​σ⋱​λn​​​ ​ni​​σ=0 or 1

当矩阵A相似的Jordan标准形中的所有的$\sigma$都=0时，Jordan标准形就是对角矩阵，矩阵可对角化，此时的Jordan标准形就是可对角化的对角矩阵$\Lambda$。

也就是每个Jordan块都是1阶的时候，矩阵可以对角化。

此时的量化关系就是，代数重数=几何重数，n个特征值的特征向量都是线性无关的。

现在来证明一下这个结论。

为什么当$\sigma =0$的时候，代数重数=几何重数。

代数重数

对于特征值$\lambda =\eta$的重数，即代数重数。就是$\phi (\lambda )=|A-\lambda E|$中$(\eta -\lambda {)}^k$的k次方。

因为，A与J相似，则A与J的特征多项式相等。

证明：$J-\lambda E=P^{-1}AP-\lambda P^{-1}EP=P^{-1}(A-\lambda E)P$

$|J-\lambda E|=|P^{-1}||A-\lambda E||P|=\frac{1}{|P|}|A-\lambda E||P|$

所以，代数重数就是$|J-\lambda E|$中$(\eta -\lambda {)}^k$的k次方。
∣ J − λ E ∣ = ∣ λ 1 − λ σ λ 2 − λ σ λ 3 − λ σ ⋱ λ n − λ ∣ n σ = 0   o r   1 |J-\lambda E|=\begin{vmatrix} & \lambda_1-\lambda & \sigma & & & &\\ & & \lambda_2-\lambda & \sigma & & &\\ & & & \lambda_3-\lambda & \sigma & &\\ & & & & \ddots & &\\ & & & & & \lambda_n-\lambda &\\ \end{vmatrix}_{n}\\ \sigma=0~or~1 ∣J−λE∣= ​​λ1​−λ​σλ2​−λ​σλ3​−λ​σ⋱​λn​−λ​​ ​n​σ=0 or 1
$|J-\lambda E|$是一个上对角矩阵，因此，只要看对角线上乘积的结果，就可以得到$(\eta -\lambda {)}^k$的k值。

用Jordan块的方式表示如下

∣ J − λ E ∣ = ∣ J 1 − λ E J 2 − λ E J 3 − λ E ⋱ J n − λ E ∣ n |J-\lambda E| =\begin{vmatrix} & J_1-\lambda E & & & & &\\ & & J_2-\lambda E & & & &\\ & & & J_3-\lambda E & & &\\ & & & & \ddots & &\\ & & & & & J_n-\lambda E &\\ \end{vmatrix}_{n}\\ ∣J−λE∣= ​​J1​−λE​J2​−λE​J3​−λE​⋱​Jn​−λE​​ ​n​

对于一个单个的Jordan块

∣ J i − λ E ∣ = ∣ λ i − λ 1 λ i − λ 1 λ i − λ 1 ⋱ λ i − λ ∣ n i n i 是初等因子中 ( λ i − λ ) n i 的次数 |J_i-\lambda E|=\begin{vmatrix}& \lambda_i-\lambda & 1 & & & &\\& & \lambda_i-\lambda & 1 & & &\\& & & \lambda_i-\lambda & 1 & &\\& & & & \ddots & &\\& & & & & \lambda_i-\lambda &\\\end{vmatrix}_{n_i}\\n_i是初等因子中(\lambda_i-\lambda)^{n_i}的次数 ∣Ji​−λE∣= ​​λi​−λ​1λi​−λ​1λi​−λ​1⋱​λi​−λ​​ ​ni​​ni​是初等因子中(λi​−λ)ni​的次数
介绍到这里我们就可以得出结论了，对于Jordan标准型，代数重数是$|J-\lambda E|$中$(\eta -\lambda {)}^k$的k次方。而对于Jordan块，对于${\lambda }_i=\eta$的Jordan块，${\lambda }_i=\eta$的代数重数是Jordan块的重数$n_i$；对于对于${\lambda }_i\ne \eta$的Jordan块，则${\lambda }_i=\eta$的代数重数就是0。

因此，代数重数就是${\lambda }_i=\eta$的Jordan块的阶数之和（当然仅靠观察也可以得出这个结论）
$$r=\sum _{i=1}^k{n}_i(r是特征值\eta 的重数，k是{\lambda }_i=\eta 的Jordan块的个数)$$

几何重数

对于特征值$\lambda =\eta$的线性无关的特征向量的个数，即几何重数。就是$|A-\eta E|X=O$的齐次方程的基础解系的个数，自由变量的个数。也就是特征多项式$|A-\eta E|$中全为0的行的个数，几何重数=$n-R(A-\eta E)$

这时我们就发现，$当{\lambda }_i=\eta 时$一个Jordan块只能得到一个全零行，一个自由变量，一个线性无关的解向量；当${\lambda }_i\ne \eta$时，必然没有一个全0行
当 λ i = η 时，最后一行全为 0 ∣ J i − η E ∣ = ∣ η − η 1 η − η 1 η − η 1 ⋱ η − η ∣ n i = ∣ 0 1 0 1 0 1 ⋱ 0 ∣ n i 当\lambda_i=\eta时，最后一行全为0\\|J_i-\eta E|=\begin{vmatrix}& \eta-\eta & 1 & & & &\\& & \eta-\eta & 1 & & &\\& & & \eta-\eta & 1 & &\\& & & & \ddots & &\\& & & & & \eta-\eta &\\\end{vmatrix}_{n_i}\\=\begin{vmatrix}& 0 & 1 & & & &\\& & 0 & 1 & & &\\& & & 0 & 1 & &\\& & & & \ddots & &\\& & & & & 0 &\\\end{vmatrix}_{n_i}\\ 当λi​=η时，最后一行全为0∣Ji​−ηE∣= ​​η−η​1η−η​1η−η​1⋱​η−η​​ ​ni​​= ​​0​10​10​1⋱​0​​ ​ni​​

当 λ i ≠ η 时，必然没有一个全 0 行 ∣ J i − η E ∣ = ∣ λ i − η 1 λ i − η 1 λ i − η 1 ⋱ λ i − η ∣ n i 当\lambda_i \ne \eta时，必然没有一个全0行\\|J_i-\eta E|=\begin{vmatrix}& \lambda_i-\eta & 1 & & & &\\& & \lambda_i-\eta & 1 & & &\\& & & \lambda_i-\eta & 1 & &\\& & & & \ddots & &\\& & & & & \lambda_i-\eta &\\\end{vmatrix}_{n_i}\\ 当λi​=η时，必然没有一个全0行∣Ji​−ηE∣= ​​λi​−η​1λi​−η​1λi​−η​1⋱​λi​−η​​ ​ni​​

因此，几何重数=当${\lambda }_i=\eta$时的Jordan块的个数k。

现在我们就得到了，几何重数和代数重数的量化关系
$$\begin{gathered} 几何重数=k \\ 代数重数=\sum _{i=1}^k{n}_i \\ k是{\lambda }_i=\eta 的Jordan块的个数 \end{gathered}$$
因此当且仅当所有$n_i=1$的时候，几何重数=代数重数，矩阵可对角化。

【概念】Jordan 约旦(若尔当)矩阵

https://www.zhihu.com/question/379643506

Jordan矩阵是《矩阵论》《矩阵分析》第一章的内容

任意一个矩阵A都相似于一个Jordan矩阵标准形
$$\left(\begin{array}{c}{J}_{1}0\\ 0J_n\end{array}\right)$$
类似于等价一个标准形
$$\left(\begin{array}{c}{E}_{r}0\\ 00\end{array}\right)$$

Jordan 约旦块

上述Jordan标准型的$J_i$就是一个约旦块
J i = ( λ i 1 λ i 1 λ i 1 ⋱ 1 λ i ) 其中 λ 1 , λ 2 , ⋯   , λ n 就是对应一个 A 的特征值 J_i= \begin{pmatrix} & \lambda_i & 1 & & & &\\ & & \lambda_i & 1 & & &\\ & & & \lambda_i & 1 & &\\ & & & & \ddots & 1 &\\ & & & & & \lambda_i &\\ \end{pmatrix}\\ 其中\lambda_{1},\lambda_{2},\cdots,\lambda_{n}就是对应一个A的特征值 Ji​= ​​λi​​1λi​​1λi​​1⋱​1λi​​​ ​其中λ1​,λ2​,⋯,λn​就是对应一个A的特征值

Smith标准形

( d 1 ( λ ) d 2 ( λ ) d 3 ( λ ) ⋱ d n ( λ ) ) \begin{pmatrix} & d_1(\lambda) & & & & &\\ & & d_2(\lambda) & & & &\\ & & & d_3(\lambda) & & &\\ & & & & \ddots & &\\ & & & & & d_n(\lambda) &\\ \end{pmatrix}\\ ​​d1​(λ)​d2​(λ)​d3​(λ)​⋱​dn​(λ)​​ ​

a%b=0，a能被b整除（或说b能整除a）,记作b|a

满足：

1. 后面的可以整除前面的 $d_n(\lambda )\%d_{n-1}(\lambda )=0或d_{n-1}(\lambda )|d_n(\lambda )$

不变因子

Smith标准形中$d_i(\lambda )$就是不变因子

初等因子

所有不变因子中的关于λ的多项式$(\lambda -b{)}^k(k>0)$都是初等因子

行列式因子

一个矩阵的所有的k阶子式中的首一最大公因式就是，k阶行列式因子，$D_k(\lambda )$

首一最大公因子：首项系数是1的最大公因式，也就是最高次项系数是1的最大公因式。只能是kλ+b

行列式因子可以转化为不变因子
$$\begin{gathered} d_1(\lambda )=D_1(\lambda ) \\ {d}_k(\lambda )=\frac{D_k(\lambda )}{D_{k-1}(\lambda )} \end{gathered}$$

Jordan标准形的求法

通过初等因子，可以写出Jordan块

比如对于$(\lambda -2{)}^2(\lambda -1)$可以写出两个Jordan块
$$\left(\begin{array}{c}21\\ 02\end{array}\right)和(1)$$
拼起来，得到 Jordan标准型为
( 2 1 0 0 2 0 0 0 1 ) \begin{pmatrix} 2 \quad 1 \quad 0 \\ 0 \quad 2 \quad 0\\0 \quad 0 \quad 1\end{pmatrix} ​210020001​ ​
或者
( 1 0 0 0 2 1 0 0 2 ) \begin{pmatrix}1 \quad 0 \quad 0\\ 0 \quad 2 \quad 1 \\ 0 \quad 0 \quad 2\\\end{pmatrix} ​100021002​ ​
Jordan标准形不计排列顺序。

初等因子可以通过两种方式求得，通过初等变换得到Smith标准型，或通过计算行列式因子得到不变因子

1 初等变换法

2 行列式因子法

文章来源地址https://www.toymoban.com/news/detail-670092.html

到了这里，关于为什么特征值的重数大于等于线性无关特征向量的个数的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！