特征值与矩阵行列式和迹的关系

定理:矩阵的行列式等于所有特征值的乘积,矩阵的迹等于特征值的和。【在计重数意义下】

核心结论:对 n 阶方阵 A,在复数域中把它所有的特征值按代数重数记为

\lambda_1,\lambda_2,\dots,\lambda_n

则一定有

\det(A)=\lambda_1\lambda_2\cdots\lambda_n

\operatorname{tr}(A)=\lambda_1+\lambda_2+\cdots+\lambda_n

其中 \operatorname{tr}(A) 是矩阵的迹,即主对角线元素之和。


方法一:用特征多项式证明

矩阵 A 的特征多项式定义为

p(\lambda)=\det(\lambda I-A)

它的根就是 A 的特征值。因此,如果特征值按重数记为 \lambda_1,\dots,\lambda_n,那么

p(\lambda)=\prod_{i=1}^n(\lambda-\lambda_i)

展开右边:

p(\lambda)=\lambda^n-(\lambda_1+\cdots+\lambda_n)\lambda^{n-1} +\cdots+(-1)^n\lambda_1\cdots\lambda_n

另一方面,直接看

\det(\lambda I-A)

它的主对角线乘积是

(\lambda-a_{11})(\lambda-a_{22})\cdots(\lambda-a_{nn})

这个乘积中,\lambda^{n-1} 的系数是

-(a_{11}+a_{22}+\cdots+a_{nn})=-\operatorname{tr}(A)

而其他非对角线项在行列式展开中最多只能提供 \lambda^{n-2} 或更低次项,所以 \lambda^{n-1} 的系数完全由迹决定。

因此:

p(\lambda)=\lambda^n-\operatorname{tr}(A)\lambda^{n-1}+\cdots

比较 \lambda^{n-1} 的系数:

-(\lambda_1+\cdots+\lambda_n)=-\operatorname{tr}(A)

所以

\operatorname{tr}(A)=\lambda_1+\cdots+\lambda_n

再看常数项。令 \lambda=0:

p(0)=\det(-A)=(-1)^n\det(A)

而从

p(\lambda)=\prod_{i=1}^n(\lambda-\lambda_i)

得到常数项为

(-1)^n\lambda_1\lambda_2\cdots\lambda_n

所以

(-1)^n\det(A)=(-1)^n\lambda_1\lambda_2\cdots\lambda_n

因此

\det(A)=\lambda_1\lambda_2\cdots\lambda_n

这就是用特征多项式系数比较得到的证明。


方法二:用相似上三角化直观理解

在复数域上,任意 n 阶矩阵 A 都相似于一个上三角矩阵 T:

A=PTP^{-1}

上三角矩阵 T 的对角线元素就是 A 的特征值,因此

T= \begin{pmatrix} \lambda_1 & * & \cdots & *\\ 0 & \lambda_2 & \cdots & *\\ \vdots & \vdots & \ddots & \vdots\\ 0 & 0 & \cdots & \lambda_n \end{pmatrix}

相似变换不改变行列式,也不改变迹:

\det(PTP^{-1})=\det(T)

\operatorname{tr}(PTP^{-1})=\operatorname{tr}(T)

而上三角矩阵的行列式等于对角线元素乘积,迹等于对角线元素之和:

\det(T)=\lambda_1\lambda_2\cdots\lambda_n

\operatorname{tr}(T)=\lambda_1+\lambda_2+\cdots+\lambda_n

所以:

\det(A)=\lambda_1\lambda_2\cdots\lambda_n

\operatorname{tr}(A)=\lambda_1+\lambda_2+\cdots+\lambda_n


3. 注意点

  • 特征值必须按代数重数计算。例如某个特征值出现两次,就要算两次。
  • 实矩阵也可能有复数特征值,但在复数域中公式依然成立,而且最终行列式和迹都是实数。
  • 如果矩阵可以对角化,即

A=PDP^{-1},\quad D=\operatorname{diag}(\lambda_1,\dots,\lambda_n)

那么直接有

\det(A)=\det(D)=\prod_i\lambda_i

\operatorname{tr}(A)=\operatorname{tr}(D)=\sum_i\lambda_i


举例说明

设

A= \begin{pmatrix} a & b\\ c & d \end{pmatrix}

特征多项式为

\det(\lambda I-A) = \lambda^2-(a+d)\lambda+(ad-bc)

所以两个特征值 \lambda_1,\lambda_2 满足:

\lambda_1+\lambda_2=a+d=\operatorname{tr}(A)

\lambda_1\lambda_2=ad-bc=\det(A)

这正是韦达定理的体现。

©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

友情链接更多精彩内容