矩阵相关性质复习

一. 排列

定义1：作为定义n 级行列式的准备,我们先来了解一下排列的性质。
由1,2,⋯, n 组成的一个有序数组称为一个n 级排列。
定义2：在一个排列中,如果一对数的前后位置与大小顺序相反,即前面的数大于后面的数,那么它们就称为一个逆序,一个排列中逆序的总数就称为这个排列的逆序数。
例如：2431 中,21,43,41,31 是逆序,2431 的逆序数就是4。而45321 的逆序数是9。排列$$j_1{j}_2\cdots j_n$$的逆序数记为$$\tau (j_1{j}_2\cdots j_n)$$
定义3：逆序数为偶数的排列称为偶排列;逆序数为奇数的排列称为奇排列。
把一个排列中某两个数的位置互换,而其余的数不动,就得到另一个排列.这样一个变换称为一个对换。例如,经过1,2 对换,排列2431 就变成了1432,排列2134 就变成了1234。显然,如果连续施行两次相同的对换,那么排列就还原了。由此得知,一个对换把全部n 级排列两两配对,使每两个配成对的n 级排列在这个对换下互变。
定理1：对换改变排列的奇偶性。这就是说,经过一次对换,奇排列变成偶排列,偶排列变成奇排列。

二.行列式计算

在理解了上面的排列之后就可以明白行列式计算的定义了。
行列式计算定义：
n 级行列式等于所有取自不同行不同列的n 个元素的乘积
$$a_{1j_1}{a}_{2j2}\cdots a_{njn}\text{\hspace{1em}(1)}$$
的代数和,这里$j_1{j}_2\cdots j_n$ 是1,2,⋯, n 的一个排列,每一项(1)都按下列规则带有符号:当$j_1{j}_2\cdots j_n$ 是偶排列时, (1)带有正号,当$j_1{j}_2\cdots j_n$是奇排列时,(1)带有负号。这一定义可写成：

这里${\Sigma }_{j1j2\cdots jn}$表示对所有n 级排列求和。

三.矩阵的特征值之和等于矩阵的迹

首先，求矩阵特征值相信大家都知道，就是通过下面这个公式等于0求出特征值的：

根据上面学到的排列和行列式计算，我们知道如果第一行没有选择$\lambda -a_{11}$这个元素，得到的$a_{1j_1}{a}_{2j2}\cdots a_{njn}$中$\lambda$的幂最多只能为${\lambda }^{n-2}$，得不到${\lambda }^{n-1}$，所以只有选择对角线元素相乘才能得到${\lambda }^{n-1}$和${\lambda }^n$ 。即：
$$(\lambda -a_{11})(\lambda -a_{22})(\lambda -a_{33})......(\lambda -a_{nn})$$
${\lambda }^{n-1}$的系数为：
$$-1(a_{11}+a_{22}+a_{33}+......+a_{nn})$$

因为代数基本定理，$det(\lambda I-A)$ 有n个根，它们就是n个特征值，也就是说：$$det(\lambda I-A)=(\lambda -{\lambda }_1)(\lambda -{\lambda }_2)(\lambda -{\lambda }_3)......(\lambda -{\lambda }_n)$$
${\lambda }^{n-1}$ 这一项的系数恰好是 $-({\lambda }_1+{\lambda }_2+......{\lambda }_n)$
所以，矩阵的特征值之和等于矩阵的迹。

四. 矩阵特征值的积=行列式的值

其实：
$det(\lambda I-A)={\lambda }^n-\left(a_{11}+a_{22}+\cdots +a_{nn}\right){\lambda }^{n-1}+\cdots +(-1{)}^n|A|$
为什么最后一项常数项是这样呢？因为：
$det(\lambda I-A)$ 中另$\lambda =0$得常数项$|-A|=(-1{)}^n|A|$
对比：
$$det(\lambda I-A)=(\lambda -{\lambda }_1)(\lambda -{\lambda }_2)(\lambda -{\lambda }_3)......(\lambda -{\lambda }_n)$$
可得：
矩阵特征值的积=行列式的值

五、不同特征值对应的特征向量线性无关

参考链接

六、实对称矩阵不同特征值对应特征向量正交

参考链接

七、矩阵相似及对角化

矩阵相似定义：设A、B都是n阶矩阵，若存在可逆矩阵P，使得：
$$P^{-1}AP=B$$
则称A、B相似。

可对角化充要条件：矩阵A有n个线性无关的特征向量（其实就是上面的P矩阵里面是B的特征向量，A是由B的特征值组成的对角阵，P要可逆肯需要特征向量线性无关呀）。（证明待补充）
推论： 如果矩阵A有n各不同的特征值，则A可对角化（由五可知：不同特征值对应的特征向量线性无关）。

参考链接
参考书籍：高等代数北大版