矩阵特征值与行列式、迹的关系
矩阵的特征值之和等于矩阵的行列式
矩阵的特征值之积等于矩阵的迹
简单的理解证明如下:
1、二次方程的韦达定理:
请思考:x^2+bx+c=0 这个方程的所有根的和等于多少、所有根的积等于多少
2、把二次方程推广到 N 次:
对一个一元n次方程
,它的根记作
那么接下来可以类似地来思考:(x-x1)(x-x2)(x-x3)...(x-n_N)=0 这个方程的所有根的和对应于等式左边展开后几次项的系数,所有根的积对应等式展开后几次项的系数。
说明:
已知一个一元五次方程:
根据高斯的代数原理:上式在复数范围内必可分解成
的形式;且x1, x2, x3, x4, x5是该多项式在复数范围内的根。
3、考虑矩阵的特征值问题
- 设A为n阶方阵,考虑特征多项式|A-λI|的n-1次项,有矩阵 A 的特征值方程:det(A-λI)=0(行列式展开式在这里不作说明,可以参考相关资料),我们可以发现,除了主对角元的乘积 (λ-a11)(λ-a22)...(λ-ann) 之外,其他展开项的次数都小于 n-1。因此 n-1 次项的系数就是 (λ-a11)(λ-a22)...(λ-ann) 中 λ^(n-1) 的系数,也就是-(a11+a22+...+ann)。
特征值是特征多项式的根,由韦达定理(根与系数关系)知特征值的和 = a11+a22+...+ann。
4、参考文献:
分类:
数学Mathematics
标签:
矩阵特征值与行列式、迹的关系
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 10年+ .NET Coder 心语,封装的思维:从隐藏、稳定开始理解其本质意义
· .NET Core 中如何实现缓存的预热?
· 从 HTTP 原因短语缺失研究 HTTP/2 和 HTTP/3 的设计差异
· AI与.NET技术实操系列:向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· 10年+ .NET Coder 心语 ── 封装的思维:从隐藏、稳定开始理解其本质意义
· 地球OL攻略 —— 某应届生求职总结
· 提示词工程——AI应用必不可少的技术
· Open-Sora 2.0 重磅开源!
· 字符编码:从基础到乱码解决