实对称矩阵一定可以相似对角化

最新推荐文章于 2023-05-23 18:51:20 发布

Nightmare004

最新推荐文章于 2023-05-23 18:51:20 发布

阅读量7.6k

点赞数 4

分类专栏：数学文章标签：线性代数

本文链接：https://blog.csdn.net/qq_39942341/article/details/120256663

版权

数学专栏收录该内容

143 篇文章 18 订阅

订阅专栏

对于任意的 $n$ 阶实对称矩阵 $A$ ，存在正交矩阵 $Q$ ，使得
$Q^{-1}AQ=Q^T AQ=diag(\lambda_1,\dots,\lambda_n)$
其中 $\lambda_1,\dots,\lambda_n$ 为 $A$ 的特征值

证明：
当 $n = 1$ 时
$I^{-1}AI=a_{11}$
成立
假设当 $n = k - 1$ 时成立
不妨设 $A\alpha_1=\lambda_1 \alpha_1(\Vert \alpha_1 \Vert_2=1)$
由施密特正交化，存在 $n - 1$ 个单位向量 $\alpha_2,\alpha_3,\dots,\alpha_n$ (其中 $\alpha_2,\alpha_3,\dots,\alpha_n$ 不一定是特征值)
使得 $\alpha_1,\alpha_2,\dots,\alpha_n$ 两两正交
令 $Q_1=(\alpha_1,\alpha_2,\dots,\alpha_n)$
$\begin{aligned} Q_1^TAQ_1&=\begin{pmatrix} \alpha_1^TA\alpha_1&\alpha_1^TA\alpha_2&\alpha_1^TA\alpha_3&\cdots &\alpha_1^TA\alpha_n\\ \alpha_2^TA\alpha_1&\alpha_2^TA\alpha_2&\alpha_2^TA\alpha_3&\cdots &\alpha_2^TA\alpha_n\\ \cdots&\cdots&\cdots&\cdots&\cdots\\ \alpha_n^TA\alpha_1&\alpha_n^TA\alpha_2&\alpha_n^TA\alpha_3&\cdots &\alpha_n^TA\alpha_n\\ \end{pmatrix}\\ &=\begin{pmatrix} \lambda_1\alpha_1^T\alpha_1&\lambda_1\alpha_1^T\alpha_2&\lambda_1\alpha_1^T\alpha_3&\cdots &\lambda_1\alpha_1^T\alpha_n\\ \lambda_1\alpha_2^T\alpha_1&\alpha_2^TA\alpha_2&\alpha_2^TA\alpha_3&\cdots &\alpha_2^TA\alpha_n\\ \cdots&\cdots&\cdots&\cdots&\cdots\\ \lambda_1\alpha_n^T\alpha_1&\alpha_n^TA\alpha_2&\alpha_n^TA\alpha_3&\cdots &\alpha_n^TA\alpha_n\\ \end{pmatrix}\\ &=\begin{pmatrix} \lambda_1&0&0&\cdots &0\\ 0&\alpha_2^TA\alpha_2&\alpha_2^TA\alpha_3&\cdots &\alpha_2^TA\alpha_n\\ \cdots&\cdots&\cdots&\cdots&\cdots\\ 0&\alpha_n^TA\alpha_2&\alpha_n^TA\alpha_3&\cdots &\alpha_n^TA\alpha_n\\ \end{pmatrix}\\ &=\begin{pmatrix} \lambda_1&0\\ 0&S\\ \end{pmatrix} \end{aligned}$
$S$ 是一个 $n - 1$ 阶实对称矩阵
由假设
存在正交矩阵 $Q$ ,使得
$Q^T SQ=diag(\lambda_2,\lambda_3,\dots,\lambda_n)$
令 $Q_2=\begin{pmatrix} 1&0\\ 0&Q \end{pmatrix}$
显然 $Q_2$ 是 $n$ 阶正交矩阵
$Q_2^T Q_1^TAQ_1 Q_2=(Q_1 Q_2)^TA(Q_1 Q_2)=diag(\lambda_1,\dots,\lambda_n)$
显然 $Q_1 Q_2$ 是正交矩阵
由数学归纳法，结论成立

推论

$Q^TAQ=diag(\lambda_1,\dots,\lambda_n)$
$AQ=Qdiag(\lambda_1,\dots,\lambda_n)$
$(Ax_1,\dots,Ax_n)=(\lambda_1 x_1,\dots,\lambda_n x_n)$
$Ax_i=\lambda_i x_i(i=1,2,\dots,n)$
显然 $Q$ 是 $A$ 的特征向量经过施密特正交化和单位化后得到的正交矩阵

接着证明这个对角矩阵取遍了所有 $A$ 的特征值，且 $k$ 重特征值取了 $k$ 个

等价于证明，实对称矩阵 $k$ 重特征值恰好有 $k$ 个线性无关的特征向量

由几何重复度小于等于代数重复度（by 矩阵论)
$(A-\lambda_i)x=0$ 的基础解系线性无关向量的个数，不会超过 $\lambda_i$ 的重数
假设 $\lambda_i$ 的线性无关特征向量小于 $k$ ，则必然有一个特征值对应的线性无关特征向量多了一个，矛盾

Nightmare004

关注

4
点赞
踩
14

收藏

觉得还不错? 一键收藏
打赏
0
评论
实对称矩阵一定可以相似对角化

对于任意的nnn阶实对称矩阵AAA，存在正交矩阵QQQ，使得Q−1AQ=QTAQ=diag(λ1,…,λn)Q^{-1}AQ=Q^T AQ=diag(\lambda_1,\dots,\lambda_n)Q−1AQ=QTAQ=diag(λ1,…,λn)其中λ1,…,λn\lambda_1,\dots,\lambda_nλ1,…,λn为AAA的特征值证明：当n=1n=1n=1时I−1AI=a11I^{-1}AI=a_{11}I−1AI=a11成立假设当n=k−1n=k-1n=k−1时成立
复制链接

扫一扫