如何证明特征值的几何重数不超过代数重数

设 λ 0 \lambda_0 λ0 是 A A A 的特征值,则 λ 0 \lambda_0 λ0 的代数重数 ≥ \geq ≥ 几何重数

证明

假设 A A A 的特征值 λ 0 \lambda_0 λ0 对应的特征向量有 q 维,记为 α 1 , . . . , α q \alpha_1, ... , \alpha_q α1,...,αq,有
A α i = λ 0 α i , i = 1 , . . . , q A\alpha_i = \lambda_0\alpha_i, i = 1, ... , q Aαi=λ0αi,i=1,...,q

以它们作为 n 维向量空间的 q q q 个基底向量,再扩充它们,将 n 维向量空间的整个基表示为 α 1 , . . . , α q , . . . , α n \alpha_1, ..., \alpha_q, ... , \alpha_n α1,...,αq,...,αn.

记矩阵 B = [ α 1 , . . . , α q , . . . α n ] B=[\alpha_1, ..., \alpha_q,... \alpha_n] B=[α1,...,αq,...αn] ,有 B B B 可逆。

A B = A [ α 1 , . . , α q , . . . , α n ] = [ λ 0 α 1 , . . . , λ 0 α q , . . . , A α n ] = [ α 1 , . . , α q , . . . , α n ] [ λ 0 ⋯ 0 ∗ ⋯ ∗ ⋮ ⋱ ⋮ ⋮ ⋮ 0 ⋯ λ 0 ∗ ⋯ ∗ 0 ⋯ 0 ∗ ⋯ ∗ ⋮ ⋮ ⋮ ⋮ 0 ⋯ 0 ∗ ⋯ ∗ ] A B = B [ λ 0 E A 12 O A 22 ] \begin{align*} AB &= A\begin{bmatrix} \alpha_1,..,\alpha_q,...,\alpha_n \end{bmatrix}= \begin{bmatrix} \lambda_0\alpha_1,...,\lambda_0\alpha_q,...,A\alpha_n \end{bmatrix}\\ &= \begin{bmatrix} \alpha_1,..,\alpha_q,...,\alpha_n \end{bmatrix} \begin{bmatrix} \lambda_0 & \cdots & 0 & * & \cdots & *\\ \vdots & \ddots & \vdots & \vdots & & \vdots \\ 0 & \cdots & \lambda_0 & * & \cdots & *\\ 0 & \cdots & 0 & * & \cdots & *\\ \vdots & & \vdots & \vdots & & \vdots \\ 0 & \cdots &0 & * & \cdots & *\\ \end{bmatrix}\\ AB&= B \begin{bmatrix} \lambda_0E & A_{12} \\ \mathcal{O} & A_{22} \end{bmatrix} \end{align*} ABAB=A[α1,..,αq,...,αn]=[λ0α1,...,λ0αq,...,Aαn]=[α1,..,αq,...,αn] λ0⋮00⋮0⋯⋱⋯⋯⋯0⋮λ00⋮0∗⋮∗∗⋮∗⋯⋯⋯⋯∗⋮∗∗⋮∗ =B[λ0EOA12A22]

又B可逆,则
B − 1 A B = [ λ 0 E A 12 O A 22 ] = C B^{-1}AB = \begin{bmatrix} \lambda_0E & A_{12} \\ \mathcal{O} & A_{22} \end{bmatrix} = C B−1AB=[λ0EOA12A22]=C

即 A A A 相似于 C

由此计算 A A A 的特征多项式

∣ λ E − A ∣ = ∣ λ E − C ∣ = ∣ ( λ − λ 0 ) E q − A 12 O λ E n − q − A 22 ∣ = ∣ ( λ − λ 0 ) q ∣ λ E n − q − A 22 ∣ |\lambda E-A| = |\lambda E - C| =\left | \begin{matrix} (\lambda - \lambda_0) E_q & - A_{12} \\ \mathcal{O} & \lambda E_{n-q} - A_{22} \\ \end{matrix} \right | =|(\lambda - \lambda_0)^q |\lambda E_{n-q} - A_{22}| ∣λE−A∣=∣λE−C∣= (λ−λ0)EqO−A12λEn−q−A22 =∣(λ−λ0)q∣λEn−q−A22∣

由此可知该 λ \lambda λ 的n次多项式方程至少有 q 个根为 λ 0 \lambda_0 λ0,至于有没有更多的根为 λ 0 \lambda_0 λ0,取决于后面的多项式 ∣ λ E n − q − A 22 ∣ |\lambda E_{n-q} - A_{22}| ∣λEn−q−A22∣ 是否出现 ( λ − λ 0 ) (\lambda - \lambda_0) (λ−λ0)。

相关推荐
柴猫°2 天前
离散图扩散模型中的转移公式推导
人工智能·线性代数·机器学习
yeflx2 天前
本质矩阵、基础矩阵和单应矩阵详解
线性代数·矩阵
AI算法沐枫2 天前
计算机视觉需要哪些数学基础?常见问题全解析
人工智能·深度学习·线性代数·计算机视觉·自然语言处理
王_teacher3 天前
机器学习 矩阵求导 完整公式+严谨推导
人工智能·线性代数·考研·机器学习·矩阵·线性回归
做cv的小昊3 天前
【TJU】研究生应用统计学课程笔记(2)——第一章 数理统计的基本知识(1.3 统计中常用的分布族)
笔记·线性代数·数学建模·矩阵·概率论·学习方法·抽象代数
二等饼干~za8986683 天前
GEO 源码部署搭建详细操作教程(2026 最新版)
线性代数·django·开源·音视频·ai-native
Pentane.3 天前
【力扣hot100】【Leetcode 54】螺旋矩阵|边界控制 算法笔记及打卡(19/100)
算法·leetcode·矩阵
博.闻广见3 天前
AI_线性代数-6.PCA降维详解
人工智能·线性代数
做cv的小昊3 天前
【TJU】研究生应用统计学课程笔记(3)——第一章 数理统计的基本知识(1.4 正态总体的样本均值和样本方差的分布、1.5 充分统计量和完备统计量)
笔记·学习·线性代数·机器学习·数学建模·概率论
mxwin3 天前
Unity URP 下 TBN 矩阵学习 切线空间、tangent.w 与镜像 UV 的那些坑
学习·unity·矩阵·shader