证明：矩阵不同特征值对应的特征向量之间线性无关

前言

学习矩阵对角化（diagonalization）时需要了解一个定理：不同特征值对应的特征向量线性无关。我们知道，一个 n 维矩阵是否可以对角化取决于其是否具有 n 个线性无关的特征向量。所以，在上面的定理的基础上可以得出结论：一个具有 n 个相互不同的特征值的 n 维矩阵必可对角化。

本文的中心便是要证明该定理——不同特征值对应的特征向量线性无关。

证明

给定一个 n 维矩阵 A ，其具有 n 个不等的特征值，分别为 ${\lambda }_1,...,{\lambda }_n$，而 $x_1,...,x_2$ 为分别对应 n 个不等特征值的特征向量。我们需要证明这些特征向量线性无关。

先假设这些特征向量线性相关，则存在 n 个不全为零的常数（$c_i$）使得如下式子成立：
$$c_1{x}_1+c_2{x}_2+...+c_n{x}_n=0\text{\hspace{1em}(1)}$$
用矩阵 A 左乘式 $(1)$ ，根据 $A{x}_i={\lambda }_i{x}_i$ 得：
$$c_1{\lambda }_1{x}_1+c_2{\lambda }_2{x}_2+...+c_n{\lambda }_n{x}_n=0\text{\hspace{1em}(2)}$$
再用式 $(2)$ 减去 ${\lambda }_n\ast (1)$ ，得：
$$c_1({\lambda }_1-{\lambda }_n)x_1+c_2({\lambda }_2-{\lambda }_n)x_2+...+c_{n-1}({\lambda }_{n-1}-{\lambda }_n)x_{n-1}=0\text{\hspace{1em}(3)}$$
接下来，可将 $x_i$ 前面的系数 $c_i({\lambda }_i-{\lambda }_n)$ 用常数 $d_i$ 代替，则式 $(3)$ 可写成：
$$d_1{x}_1+d_2{x}_2+...+d_{n-1}{x}_{n-1}=0\text{\hspace{1em}(4)}$$
式 $(4)$ 是不是与式 $(1)$ 形式一样？只是少了一个 $x_n$。那么对式 $(4)$ 也进行类似式 $(1)$ 的处理，可得：
$$d_1({\lambda }_1-{\lambda }_{n-1})x_1+d_2({\lambda }_2-{\lambda }_{n-1})x_2+...+d_{n-2}({\lambda }_{n-2}-{\lambda }_{n-1})x_{n-2}=0\text{\hspace{1em}(5)}$$

若是按照前面的步骤（式 $(1)$ 至式 $(3)$）重复进行 $n-2$ 次（每次都用一个不同的单个字符代替 $x_i$ 前面的系数）后，可得：
$$m_1({\lambda }_1-{\lambda }_3)x_1+m_2({\lambda }_2-{\lambda }_3)x_2=0\text{\hspace{1em}(6)}$$

用 $n_i$ 代替式 $(6)$ 中 $x_i$ 的系数，即令 $n_1=m_1({\lambda }_1-{\lambda }_3)$，$n_2=m_2({\lambda }_2-{\lambda }_3)$。

再按照前面的步骤（式 $(1)$ 至式 $(3)$）进行一次处理，可得 $n_1({\lambda }_1-{\lambda }_2)x_1=0$（$n_1$ 为常数），由于特征向量不为零且各特征值都不相等，所以只能是 $n_1=0$，又因为 $n_1=m_1({\lambda }_1-{\lambda }_3)$，所以 $m_1=0$，带入到式 $(6)$ 中可得 $m_2=0$，如此往后迭代最终可得：
$$c_i=0\text{for i }=1,2,...,n$$
则说明前面的假设（n 个特征向量 ${\lambda }_1,...,{\lambda }_n$ 是线性相关）是错误的，故 矩阵不同特征值对应的特征向量线性无关 得证。

参考源

• 《Linear Algebra and Its Applications》Gilbert Strang 著