UPDATE 20240324:
评论区有小老弟给我提了个问题,他说的很对,中间某一步缺少必要性的证明
这里做个强假设,修补一下这篇氵文,假设 A A A矩阵有 k k k个完全不同的特征值,之后有空从若当标准型的角度重新推导下,感兴趣的老哥也写个博客让我看看,感谢感谢!!
要证:
ρ
(
A
k
)
=
[
ρ
(
A
)
]
k
\rho(A^{k}) = [\rho(A)]^k
ρ(Ak)=[ρ(A)]k
可先证,
A
k
A^k
Ak的特征值为
λ
k
\lambda^k
λk,其中
λ
\lambda
λ为
A
A
A的特征值,
x
x
x为
λ
\lambda
λ对应的特征向量
显然有:
A
x
=
λ
x
Ax = \lambda x
Ax=λx
则我给上式左乘一个
A
A
A:
A
2
x
=
A
λ
x
=
λ
A
x
=
λ
2
x
A^2x = A \lambda x = \lambda Ax = \lambda^2 x
A2x=Aλx=λAx=λ2x
左乘
(
k
−
1
)
(k-1)
(k−1)个
A
A
A,显然有:
A
k
x
=
λ
k
x
A^kx = \lambda^k x
Akx=λkx
即
A
k
A^k
Ak 的特征值是
λ
k
\lambda^k
λk
A
k
A^k
Ak 的谱半径:
ρ
(
A
k
)
=
max
i
∣
λ
i
k
∣
\rho(A^k) = \max_{i} | \lambda_i^k |
ρ(Ak)=imax∣λik∣
又对任意复数
z
z
z,有:
∣
z
∣
k
=
∣
z
k
∣
|z|^k = |z^k|
∣z∣k=∣zk∣
就是,复数模的k次幂 = 复数k次幂的模
没反应过来的,想想复数的三角形式
z
=
r
e
j
θ
z=r e^{j\theta}
z=rejθ
则
A
k
A^k
Ak 的谱半径:
ρ
(
A
k
)
=
max
i
∣
λ
i
k
∣
=
max
i
∣
λ
i
∣
k
=
ρ
(
A
)
k
\rho(A^k) = \max_{i} | \lambda_i^k | = \max_{i} | \lambda_i | ^k = \rho(A) ^k
ρ(Ak)=imax∣λik∣=imax∣λi∣k=ρ(A)k
证毕
参考自:
1. 复数三角表示
2. 若矩阵A的特征值为t,为什么A的k次方的特征值为t的k次方,求解释?
3. 矩阵B谱半径的k次方为什么小于矩阵B的k次方的谱半径