证明：方阵的迹等于其特征值之和

最新推荐文章于 2025-02-21 00:32:15 发布

勤劳的进取家

最新推荐文章于 2025-02-21 00:32:15 发布

阅读量2.3k

点赞数

分类专栏：矩阵分析文章标签：矩阵机器学习线性代数

本文链接：https://blog.csdn.net/m0_53605808/article/details/143046299

版权

35 篇文章

订阅专栏

要证明方阵的迹等于其特征值之和，我们可以通过以下几个步骤进行推导。

方阵的迹：对于一个 n×n 的方阵 A，其迹定义为矩阵主对角线元素的和：
$\text{tr}(A) = \sum_{i=1}^{n} a_{ii}$
特征值：方阵 AAA 的特征值是满足特征方程的数：
$\det(A - \lambda I) = 0$
设 $\lambda_1, \lambda_2, \ldots, \lambda_n$ 是 A 的特征值。

特征多项式：矩阵 A 的特征多项式为：
$p(\lambda) = \det(A - \lambda I)$
这个多项式是一个 n 次多项式，可以写为：
$p(\lambda) = (-1)^n (\lambda^n + c_{n-1} \lambda^{n-1} + \ldots + c_0)$
其中 $c_{n-1}$ 是关于矩阵 A 的迹的一个函数。
特征值与迹的关系：根据特征多项式的系数， $c_{n-1}$ 是特征值的和的负数，且有：
$c_{n-1} = -(\lambda_1 + \lambda_2 + \ldots + \lambda_n)$
利用行列式：从 p(λ) 的展开式中，可以得到：
$\text{tr}(A) = -c_{n-1}$
这意味着：
$\text{tr}(A) = \lambda_1 + \lambda_2 + \ldots + \lambda_n$