矩阵的特征值与特征向量
- 设矩阵
A
A
是阶方阵,如果存在数
λ
λ
和非零向量
x
x
,使得则称 λ λ 为矩阵 A A 的特征值,称为矩阵 A A 对应特征值的一个特征向量.式(1)可写成(A−λE)x=0,(2) (2) ( A − λ E ) x = 0 ,上式说明齐次线性方程组(2)有非零解 x x ,由齐次线性方程组有非零解的充分必要条件,得,即|A−λE|=∣∣∣∣∣∣∣a11−λa21...an1a12a22−λ...an2.........a1na2n...ann−λ∣∣∣∣∣∣∣=0.(3) (3) | A − λ E | = | a 11 − λ a 12 . . . a 1 n a 21 a 22 − λ . . . a 2 n . . . . . . . . . a n 1 a n 2 . . . a n n − λ | = 0 .记 f(λ)=|A−λE|,f(λ) f ( λ ) = | A − λ E | , f ( λ ) 是关于 λ λ 的一个 n n 次多项式,称为矩阵 A A 的特征多项式.特征多项式的根就是矩阵 A A 的特征值.
在复数范围内,次多项式有 n n 个根(重根按重数计算).设是 n n 阶方阵的 n n 个特征值(重根按重数计算),利用根与系数之间的关系,有
- ;
-
λ1⋅λ2⋅...⋅λn=|A|
λ
1
⋅
λ
2
⋅
.
.
.
⋅
λ
n
=
|
A
|
设 λ0 λ 0 是 n n 阶方阵的一个特征值,则 |A−λ0E|=0 | A − λ 0 E | = 0 ,从而齐次线性方程组 (A−λ0E)x=0 ( A − λ 0 E ) x = 0 有非零解,其非零解就是矩阵 A A 对应特征值的特征向量,所有非零解即为矩阵 A A 对应于特征值的全部特征向量
-
n
n
阶矩阵与它的转置矩阵
AT
A
T
具有相同的特征多项式,从而具有相同的特征值.事实上,
|AT−λE|=|(A−λE)T|=|A−λE|. | A T − λ E | = | ( A − λ E ) T | = | A − λ E | .
- 设
λ
λ
是
n
n
阶矩阵的特征值,则
- λ2 λ 2 是 A2 A 2 的特征值;
- 当 A A 可逆时,是 A−1 A − 1 的特征值
- 设 λ1,λ2,...,λm λ 1 , λ 2 , . . . , λ m 是 n n 阶矩阵的 m m 个互不相等的特征值,其对应的特征向量分别为,则 p1,p2,...,pm p 1 , p 2 , . . . , p m 线性无关
相似矩阵
- 设矩阵 A,B A , B 都是 n n 阶方阵,如果存在可逆矩阵,使 P−1AP=B P − 1 A P = B ,则称矩阵 A,B A , B 相似.称变换 P−1AP P − 1 A P 为相似变换
- 相似矩阵具有相同的特征多项式,从而具有相同的特征值
- 如果矩阵
A
A
与对角矩阵相似,则 λ1,λ2...,λn λ 1 , λ 2 . . . , λ n 就是矩阵 A A 的特征值
- 如果阶矩阵 A A 与对角矩阵相似,则称矩阵 A A 可相似对角化(简称为可对角化)
- 阶矩阵 A A 与对角矩阵相似的充分必要条件是矩阵 A A 有个线性无关的特征向量
- n n 阶矩阵与对角矩阵 Λ Λ 相似的充分必要条件是矩阵 A A 的特征值的重数等于其对应的线性无关的特征向量的个数
实对称矩阵的对角化
向量的内积
- 设有维向量
x=⎛⎝⎜⎜⎜⎜⎜⎜⎜x1x2...xn⎞⎠⎟⎟⎟⎟⎟⎟⎟,y=⎛⎝⎜⎜⎜⎜⎜⎜⎜y1y2...yn⎞⎠⎟⎟⎟⎟⎟⎟⎟, x = ( x 1 x 2 . . . x n ) , y = ( y 1 y 2 . . . y n ) ,称 x1y1+x2y2+...+xnyn x 1 y 1 + x 2 y 2 + . . . + x n y n 为向量 x x 与的内积,记为 [x,y] [ x , y ] ,即[x,y]=xTy=x1y1+x2y2+...+xnyn [ x , y ] = x T y = x 1 y 1 + x 2 y 2 + . . . + x n y n
- 内积是两个向量之间的一种运算,其结果是一个实数.内积满足以下性质:
- [x,y]=[y,x]; [ x , y ] = [ y , x ] ;
- [λx,y]=λ[x,y]; [ λ x , y ] = λ [ x , y ] ;
- [x+y,z]=[x,z]+[y,z]; [ x + y , z ] = [ x , z ] + [ y , z ] ;
-
[x,x]≥0
[
x
,
x
]
≥
0
,当且仅当
x=0
x
=
0
时,
[x,x]=0.
[
x
,
x
]
=
0.
其中, x,y,z x , y , z 都为 n n 维向量,
- 设 x=⎛⎝⎜⎜⎜⎜⎜⎜⎜x1x2...xn⎞⎠⎟⎟⎟⎟⎟⎟⎟∈Rn x = ( x 1 x 2 . . . x n ) ∈ R n ,称 [x,x]‾‾‾‾‾√=x21+x22+...+x2n‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾√ [ x , x ] = x 1 2 + x 2 2 + . . . + x n 2 为向量 x x 的长度(或范数),记为,即 ||x||=[x,x]‾‾‾‾‾√=x21+x22+...+x2n‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾√ | | x | | = [ x , x ] = x 1 2 + x 2 2 + . . . + x n 2
- 向量的范数具有以下性质:
- 非负性: ||x||≥0 | | x | | ≥ 0 ,当且仅当 x=0 x = 0 时, ||x||=0 | | x | | = 0 ;
- 齐次性: ||λx||=|λ|⋅||x|| | | λ x | | = | λ | ⋅ | | x | | ;
- 三角不等式: ||x+y||≤||x||+||y|| | | x + y | | ≤ | | x | | + | | y | | ;
- 对任意 n n 维向量,有 |[x,y]|≤||x||⋅||y|| | [ x , y ] | ≤ | | x | | ⋅ | | y | | .
- 若令
x=⎛⎝⎜⎜⎜⎜⎜⎜⎜x1x2...xn⎞⎠⎟⎟⎟⎟⎟⎟⎟,y=⎛⎝⎜⎜⎜⎜⎜⎜⎜y1y2...yn⎞⎠⎟⎟⎟⎟⎟⎟⎟,
x
=
(
x
1
x
2
.
.
.
x
n
)
,
y
=
(
y
1
y
2
.
.
.
y
n
)
,
则上述性质(4)可表示为:
|∑i=1|nxiyi≤∑i=1nx2i‾‾‾‾‾‾⎷⋅∑i=1ny2i‾‾‾‾‾‾⎷. | ∑ i = 1 | n x i y i ≤ ∑ i = 1 n x i 2 ⋅ ∑ i = 1 n y i 2 .上述不等式称为施瓦茨不等式
当 ||x||=1 | | x | | = 1 时,称 x x 为单位向量,
当时,由施瓦茨不等式,有|[x,y]||x||⋅||y|||≤1, | [ x , y ] | | x | | ⋅ | | y | | | ≤ 1 ,称 θ θ 为 n n 维向量与 y y 的夹角
当时,称向量 x x 与正交.显然,若 x=0 x = 0 ,则 x x 与任何向量都正交. - 若维向量 α1,α2,...,αr α 1 , α 2 , . . . , α r 是一组两两正交的非零向量,则 α1,α2,...,αr α 1 , α 2 , . . . , α r 线性无关
-
- 设 n n 维向量是向量空间 V(V⊂Rn) V ( V ⊂ R n ) 的一个基,如果 e1,e2,...,er e 1 , e 2 , . . . , e r 两两正交,且为单位向量,则称 e1,e2,...,er e 1 , e 2 , . . . , e r 为向量空间 V V 的一个规范正交基(或标准正交基)
- 设是向量空间
V
V
的一个基,为了得到与等价的一个规范正交基
e1,e2,...,er
e
1
,
e
2
,
.
.
.
,
e
r
.这一过程,称为把基
α1,α2,...,αr α 1 , α 2 , . . . , α r规范正交化,可按如下两个步骤进行:
- 正交化:令
β1=α1 β 1 = α 1 ;
β2=α−[β1,α2][β1,β1]β1 β 2 = α − [ β 1 , α 2 ] [ β 1 , β 1 ] β 1 ;
……
βr=αr−[β1,αr][β1,β1]β1−[β2,αr][β2,β2]β2−...−−[βr−1,αr][βr−1,βr−1]βr−1. β r = α r − [ β 1 , α r ] [ β 1 , β 1 ] β 1 − [ β 2 , α r ] [ β 2 , β 2 ] β 2 − . . . − − [ β r − 1 , α r ] [ β r − 1 , β r − 1 ] β r − 1 . 容易验证 β1,β2,...,βr β 1 , β 2 , . . . , β r 两两正交,且 β1,β2,...,βr β 1 , β 2 , . . . , β r 与 α1,α2,...,αr α 1 , α 2 , . . . , α r 等价.上述过程也称为施密特正交化 - 单位化:令
e1=1||β1||β1,e2=1||β2||β2,...,er=1||βr||βr, e 1 = 1 | | β 1 | | β 1 , e 2 = 1 | | β 2 | | β 2 , . . . , e r = 1 | | β r | | β r ,则 e1,e2,...,er e 1 , e 2 , . . . , e r 是向量空间 V V 的一个规范正交基
- 正交化:令
- 如果阶矩阵
A
A
满足则称矩阵 A A 为正交矩阵,简称正交阵
- 正交矩阵具有以下性质:
- 如果矩阵是正交矩阵,则 |A|=1 | A | = 1 或 (−1) ( − 1 ) ;
- 如果矩阵 A,B A , B 都是正交矩阵,则 AB A B 也是正交矩阵
- n n 阶矩阵为正交矩阵的充分必要条件是 A A 的列向量组是两两正交的单位向量组.
实对称矩阵的对角化
- 实对称矩阵的特征值一定是实数
- 设是实对称矩阵 A A 的两个不相等的特征值,其对应的特征向量分别为,则 p1 p 1 与 p2 p 2 正交
- 设 A A 为阶实对称矩阵, λ λ 是 A A 的特征方程的重根,则矩阵 A−λE A − λ E 的秩 R(A−λE)=n−k R ( A − λ E ) = n − k ,从而对应特征值 λ λ 恰有 k k 个线性无关的特征向量
- 设为 n n 阶实对称矩阵,则必有正交矩阵,使 P−1AP=PTAP=Λ P − 1 A P = P T A P = Λ .其中 Λ Λ 是以 A A 的个特征值为对角元素的对角矩阵.
- 将一个
n
n
阶实对称矩阵对角化的步骤为:
- 求出 A A 的全部互不相等的特征值,它们的重数分别 k1,k2,...,ks(k1+k2+...+ks=n) k 1 , k 2 , . . . , k s ( k 1 + k 2 + . . . + k s = n ) ;
- 对每个 ki k i 重特征值 λi λ i ,由 (A−λiE)x=0 ( A − λ i E ) x = 0 求出基础解系,得 ki k i 个线性无关的特征向量,把它们正交化、单位化,便得 n n 个两两正交的单位特征向量;
- 令 P=(p1,p2,...,pn) P = ( p 1 , p 2 , . . . , p n ) ,便有 P−1AP=PTAP=Λ P − 1 A P = P T A P = Λ