半正定矩阵和中负特征值的相关证明请求

嗨，我来帮你搞定这个证明问题，这个结论在谱图论里确实挺常用的，咱们用线性代数里的子空间维度分析就能轻松推导出来，步骤很直观：

首先先明确前提：咱们讨论的都是实对称矩阵（毕竟谱图论里的邻接矩阵、拉普拉斯矩阵都是实对称的，正半定、特征值的定义也都是基于实对称矩阵的），已知$A+B$是正半定矩阵，且$\text{rank}(B)=1$，要证$A$最多有1个负特征值。

咱们用反证法来推：

• 假设$A$有至少2个负特征值，根据实对称矩阵的惯性性质，存在一个2维子空间$V$，使得对任意非零向量$x \in V$，都有$x^T A x < 0$（简单说就是这个子空间里的向量都能让二次型取负值，对应负特征值的特征子空间的扩展）。
• 因为$B$是秩1矩阵，根据秩-零度定理，它的零空间$\ker(B)$（也就是满足$Bx=0$的所有向量构成的空间）的维度是$n-1$（$n$是矩阵的阶数）。
• 现在看子空间$V$和$\ker(B)$的交集，根据线性空间的维度公式：
  $$\dim(V \cap \ker(B)) \geq \dim(V) + \dim(\ker(B)) - \dim(\mathbb{R}^n)$$
  代入数值就是$\dim(V \cap \ker(B)) \geq 2 + (n-1) - n = 1$，也就是说这个交集至少是1维的，存在非零向量$x \in V \cap \ker(B)$。
• 对于这个$x$，因为它在$\ker(B)$里，所以$Bx=0$，自然$x^T B x = 0$。那计算$A+B$的二次型：
  $$x^T(A+B)x = x^T A x + x^T B x = x^T A x < 0$$
• 但这和$A+B$是正半定矩阵的定义矛盾——正半定矩阵要求对任意向量$x$，都有$x^T(A+B)x \geq 0$。

所以咱们的假设不成立，$A$最多只能有1个负特征值。

如果你对实对称矩阵的惯性性质或者子空间维度公式不太熟，再补充两句：实对称矩阵的负特征值个数等于其二次型能取到负值的最大子空间的维度；维度公式其实就是集合交集的容斥原理在线性空间里的体现，两个子空间的并的维度不会超过整个空间的维度，所以交集的维度至少是两个子空间维度之和减去全空间维度。

备注：内容来源于stack exchange，提问作者mtcicero