文章目录
前言
这里记录一下一些经典矩阵的特征值证明,留作今后用。要证明的矩阵如下图所示,有些矩阵的特征向量也会一并推出。
最左边列是矩阵的名称,中间一列是对应矩阵的特征值,最右边一列是特征向量或者特征向量满足的性质,这张图在《Linear algebra and its applications》中第五章最后。
实对称矩阵
A T = A A^{T}=A AT=A
证 明 : 设 A x = λ x , 且 A ‾ = A , 其 中 A ‾ 表 示 A 的 共 轭 证明:设Ax=\lambda x,且\overline{A}=A,其中\overline{A}表示A的共轭 证明:设Ax=λx,且A=A,其中A表示A的共轭
则 ( x ‾ ) T A x = ( x ‾ ) T λ x = λ ( x ‾ ) T x 则 (\overline{x})^{T}Ax=(\overline{x})^{T}\lambda x=\lambda(\overline{x})^{T}x 则(x)TAx=(x)Tλx=λ(x)Tx
( x ‾ ) T A x = ( x ‾ ) T A T x = ( A x ‾ ) T x = ( A ‾ x ‾ ) T x = ( A x ‾ ) T x = ( λ x ‾ ) T x = ( λ ‾ x ‾ ) T x = λ ‾ ( x ‾ ) T x (\overline{x})^{T}Ax=(\overline{x})^{T}A^{T}x=(A\overline{x})^{T}x=(\overline{A}\overline{x})^{T}x=(\overline{Ax})^{T}x=(\overline{\lambda x})^{T}x=(\overline{\lambda}\overline{x})^{T}x=\overline{\lambda}(\overline{x})^{T}x (x)TAx=(x)TATx=(Ax)Tx=(Ax)Tx=(Ax)Tx=(λx)Tx=(λx)Tx=λ(x)Tx
因 为 特 征 向 量 不 为 0 , 所 以 ( x ‾ ) T x ≠ 0 因为特征向量不为0,所以(\overline{x})^{T}x \neq 0 因为特征向量不为0,所以(x)Tx̸=0
所 以 λ = λ ‾ 所以\lambda = \overline{\lambda} 所以λ=λ
所 以 λ 是 实 数 所以\lambda是实数 所以λ是实数
正交方阵
Q T = Q − 1 Q^{T}=Q^{-1} QT=Q−1
证 明 : 设 Q x = λ x 证明:设Qx=\lambda x 证明:设Qx=λx
则 ( Q x ) T = ( λ x ) T 则(Qx)^{T}=(\lambda x)^{T} 则(Qx)T=(λx)T
即 x T Q T = λ x T 即x^{T}Q^{T}=\lambda x^{T} 即xTQT=λxT
上 式 左 乘 到 Q x = λ x 上式左乘到Qx=\lambda x 上式左乘到Qx=λx
得 到 x T Q T Q x = λ x T λ x 得到x^{T}Q^{T}Qx=\lambda x^{T}\lambda x 得到xTQTQx=λxTλx
即 x T x = λ x T x 即x^{T}x=\lambda x^{T}x 即xTx=λxTx
因 为 特 征 向 量 不 为 0 , 所 以 x T x ≠ 0 因为特征向量不为0,所以x^{T}x \neq 0 因为特征向量不为0,所以xTx̸=0
所 以 λ = λ ‾ 所以\lambda = \overline{\lambda} 所以λ=λ
所 以 λ 是 实 数 所以\lambda是实数 所以λ是实数
实斜对称矩阵
A T = − A A^{T}=-A AT=−A
证 明 : 设 A x = λ x , 且 A ‾ = A , 其 中 A ‾ 表 示 A 的 共 轭 证明:设Ax=\lambda x,且\overline{A}=A,其中\overline{A}表示A的共轭 证明:设Ax=λx,且A=A,其中A表示A的共轭
则 ( x ‾ ) T A x = ( x ‾ ) T λ x = λ ( x ‾ ) T x 则 (\overline{x})^{T}Ax=(\overline{x})^{T}\lambda x=\lambda(\overline{x})^{T}x 则(x)TAx=(x)Tλx=λ(x)Tx
( x ‾ ) T A x = − ( x ‾ ) T A T x = − ( A x ‾ ) T x = − ( A ‾ x ‾ ) T x = − ( A x ‾ ) T x = − ( λ x ‾ ) T x = − ( λ ‾ x ‾ ) T x = − λ ‾ ( x ‾ ) T x (\overline{x})^{T}Ax=-(\overline{x})^{T}A^{T}x=-(A\overline{x})^{T}x=-(\overline{A}\overline{x})^{T}x=-(\overline{Ax})^{T}x=-(\overline{\lambda x})^{T}x \\ =-(\overline{\lambda}\overline{x})^{T}x=-\overline{\lambda}(\overline{x})^{T}x (x)TAx=−(x)TATx=−(Ax)Tx=−(Ax)Tx=−(Ax)Tx=−(λx)Tx=−(λx)Tx=−λ(x)Tx
因 为 特 征 向 量 不 为 0 , 所 以 ( x ‾ ) T x ≠ 0 因为特征向量不为0,所以(\overline{x})^{T}x \neq 0 因为特征向量不为0,所以(x)Tx̸=0
所 以 λ = − λ ‾ 所以\lambda = -\overline{\lambda} 所以λ=−λ
所 以 λ 是 虚 数 数 所以\lambda是虚数数 所以λ是虚数数
厄米矩阵
A H = A A^{H}=A AH=A
证 明 : 设 A x = λ x 证明:设Ax=\lambda x 证明:设Ax=λx
则 x H A x = x H λ x = λ x H x 则x^{H}Ax=x^{H}\lambda x=\lambda x^{H}x 则xHAx=xHλx=λxHx
同 时 有 ( A x ) H = ( λ x ) H 同时有(Ax)^{H}=(\lambda x)^{H} 同时有(Ax)H=(λx)