特征值的几何重复度不大于代数重复度

代数重复度

$A\in C^{n\times n}$
不妨假设${\lambda }_1,\dots ,{\lambda }_r$为$A$的相异特征值，其重数分别为$m_1,\dots ,m_r$,则称，$m_i$为${\lambda }_i$的代数重复度,显然${\sum }_{i=1}^r{m}_i=n$

几何重复度

矩阵$A\in C^{n\times n}$,${\lambda }_i$是$A$的一个特征值
V λ i = { x ∣ ( λ i I − A ) x = 0 , x ∈ C n } V_{\lambda_i}=\left \{ \left. x\right|(\lambda_iI-A)x=0,x\in C^{n} \right \} Vλi​​={x∣(λi​I−A)x=0,x∈Cn}
则$V_{{\lambda }_i}$是$C^n$的一个子空间，称$V_{{\lambda }_i}$为矩阵$A$的属于${\lambda }_i$的特征子空间
$dim(V_{{\lambda }_i})$为特征值${\lambda }_i$的几何重复度

几何重复度不大于代数重复度

设${\lambda }_0$为$A$的一个特征值
$({\lambda }_{0}I-A)x=0$的基础解系为$x_1,\dots ,x_k$
由基的扩展定理,可取$x_{k+1},\dots ,x_n$使得
$$x_1,\dots ,x_n$$
构成$C^n$的一组基
$C={\left[\begin{array}{c}{x}_1,\dots ,x_n\end{array}\right]}^T$
$C^{-1}C={\left[\begin{array}{c}{C}^{-1}{x}_1,\dots ,C^{-1}{x}_n\end{array}\right]}^T=I$
即
$C^{-1}{x}_i=e_i(i=1,2,\dots ,n)$
($e_i$表示第$i$个元素为1，其余元素为0的向量)
$$\begin{array}{rl}{C}^{-1}AC& ={\left[\begin{array}{c}{C}^{-1}A{x}_1,\dots ,C^{-1}A{x}_n\end{array}\right]}^T\\ & ={\left[\begin{array}{c}{\lambda }_0{C}^{-1}{x}_1,\dots ,{\lambda }_0{C}^{-1}{x}_k,C^{-1}A{x}_{k+1},\dots ,C^{-1}A{x}_n\end{array}\right]}^T\\ & =\left(\begin{array}{cc}{\lambda }_0{I}_k& \ast \\ 0& A_0\end{array}\right)\\ & =B\end{array}$$
其中$\ast$是一个$k\times (n-k)$的矩阵
$I_k$是一个$k$阶单位矩阵
$A_0$是$n-k$阶方阵
$A\sim B\Rightarrow \left|\lambda I_n-A\right|=\left|\lambda I_n-B\right|=(\lambda -{\lambda }_0{)}^k\left|\lambda I_{n-k}-A_0\right|$
可以推出，代数重复度至少为k，而几何重复度恰好为k，所以成立