矩阵共享特征值和特征向量的后果
Consequences of Matrices Sharing Eigenvalues and Eigenvectors
浏览论文内容
中文总结 AI 辅助
本文通过一个线性代数问题，探讨了矩阵与其转置或共轭转置共享特征值和特征向量时矩阵的性质，并给出了Hermitian和对称矩阵的刻画条件。
中文摘要 AI 辅助
在备考线性代数期末考试时，第一作者为自己准备了一些测试题以检验对材料的理解程度，并向第二作者提问：\n\emph{如果 $A$ 和 $A^T$ 具有相同的特征值和特征向量，那么 $A$ 是对称矩阵吗？} 我们展示这个优秀的问题如何成为探讨相关问题的绝佳跳板，特别是当特征值和特征向量相同时，矩阵即使不相等，是否至少密切相关（例如相似或互为转置/共轭转置）？答案取决于我们如何理解这个问题，并提供了讨论如何提出好问题的良机。具体地，我们刻画了满足以下条件的矩阵 $A$：其转置或共轭转置共享相同的特征向量（无论特征值如何），并且对于每个特征值，共享相同的特征对（等价地，相同的特征空间）。因此，方阵 $A$ 是 Hermitian 矩阵当且仅当 $A^*$ 与 $A$ 具有相同的特征对；此外，如果 $A$ 是实矩阵且具有实特征值，并且 $A^T$ 与 $A$ 具有相同的特征向量，那么 $A$ 是对称矩阵。
英文摘要
While studying for a linear algebra final, the first named author prepared some test questions for herself to see how well she understood the material, and asked the second named author: \emph{If $A$ and $A^T$ have the same eigenvalues and eigenvectors, is $A$ a symmetric matrix?} We show how this excellent question is a great springboard to related questions, in particular when do equal eigenvalues and eigenvectors imply the matrices are, if not equal, at least closely related (such as similar or the transpose/complex conjugate transpose of each other)? The answer depends on how we interpret the question, and provides a great opportunity to talk about creating good questions. In particular, we characterize matrices $A$ for which the transpose or conjugate transpose shares the same eigenvectors (regardless of eigenvalues) and, for each eigenvalue, the same eigenpair (equivalently, the same eigenspace). Thus, a square matrix $A$ is Hermitian if and only if $A^*$ has the same eigenpairs as $A$; moreover, if $A$ is a real matrix with real eigenvalues and $A^T$ has the same eigenvectors as $A$, then $A$ is symmetric.
发表机构
- Williams College（威廉姆斯学院）
- Nova Southeastern University（新南方大学）
机构由 AI 辅助整理，请以论文原文为准。
