矩阵基础

特征值和特征向量

定义：设A为n阶方阵，如果实数和n维非零向量使得  成立，则称为方阵A的特征值，非零向量为A对应于的特征向量。

                          

 

相关性质

• A与特征向量共线（方向相同或者相反）；

• trace(A) = sum([1, 2, ..., n])；

• det(A)    = prod([1, 2, ..., n])；

• 如果A具有n个不同的特征值，则对应的特征向量之间线性无关；

• 如果A存在重复的特征值， 【think】

相似矩阵

定义：A，B为n阶方阵，如果存在n阶可逆矩阵P，使得，则称矩阵A与B相似，记为A~B。

相关性质

• 若A~ B，则rank(A) = rank(B)，det(A) = det(B)，trace(A) = trace(B)；
• 若A~B，则A与B具有相同的特征值
• 若A~ B，且A可逆，则B也可逆；

对角化

定义：对于n阶方阵A，若存在可逆矩阵P，使得，其中为n阶对角矩阵，则称A可对角化。

相关性质

• 方阵A可对角化 <<==>> A有n个线性无关的特征向量；
• 方阵A有n个不同的特征值 ==>>A可被对角化
• 实对称矩阵一定可对角化；

矩阵的特征分解

令A是一个NxN的方阵，且有N个线性无关的特征向量q_i (i=1, 2, ..., N)， 这样， A可以被分解为:

                                                                                  

其中，Q也是一个NxN的方阵，其第i列为A的第i个特征向量。