[补充内容]关于使用matlab进行方程组求解的线性代数相关知识补充——特征值与特征向量

前言

根据李永乐老师课程学习。主要记载特征值与特征向量相关的性质、定理等知识，不会进行定理推导、证明。

向量内积

数量积、点积

向量的内积
定义：设α=（a₁,a₂,…,a_n）^T ；β=（b₁,b₂,…,b_n）^T
    令(α,β)=a₁b₁+a₂b₂+…+a_nb_n
    称为向量α和β的内积。
内积的性质
 （1）(α,β)=(β,α)
 （2)（α+β,γ）=（α,γ）+（β,γ）
 （3）(kα,β)=k(α,β)
 （4）(α,α)≥0且(α,α)=0⇔α=0
 （5）如果(α,β)=0，则称α与β正交

下面等式仅在αβ线性相关时成立。

定理：若n维向量α₁,α₂…α_r是一组两两正交的非零向量，则α₁,α₂…α_r线性无关。
施密特正交化
对线性无关的α₁,α₂α₃变成两两垂直长度为1的向量的方法。

正交矩阵

定义：设A是n阶矩阵，满足AA^T=A^TA=E，称A为正交矩阵
性质：
 A是正交矩阵⇔A^T=A^-1
 A=(α₁,α₂α₃)是正交矩阵⇔α₁,α₂α₃都是单位向量，且两两正交。
 如果A是正交矩阵，则|A|=1或-1。
 若A，B都是正交矩阵，则AB也是正交矩阵。
规范正交基：设e₁,e₂…e_n是向量空间的一个基，如果（e_i,e_j）=1（i=j）或0（i≠j），则称e₁,e₂…e_n为规范正交基。

特征值、特征向量

定义：设A是n阶矩阵，α是n维非0列向量，满足Aα=λα，则称λ是矩阵A的特征值，α是矩阵A对应于特征值λ的特征向量。
如果α是A的特征向量，k≠0时，kα也是A的特征向量。
如果α₁，α₂是A的特征向量，对于任意的k₁,k₂满足k₁α₁+k₂α₂≠0，k₁α₁+k₂α₂仍未A的特征向量。
求解α可以推导等价为求解（λE-A）α=0的非零解。
 由|λE-A|=0求解特征值λ（共n个，含重根）
 由|λ_iE-A|x=0求基础解系，即λ_i线性无关的特征向量
定理：设A是n阶矩阵
 （1）∑λ_i=∑a_ii=t_rA（对角线元素的和又称迹t_rA）
 （2）∏λ_i=|A|
定理：A可逆⇔A的n个特征值全不为0。
定理：矩阵A对应于不同特征值的特征向量线性无关。

相似矩阵

设A、B都是n阶矩阵，如果存在可逆矩阵P，使得 P^-1AP=B，就称矩阵A相似于矩阵B，B是A的相似矩阵。记成A~B
相似的基本性质：
 A~A
 如果A ~ B，则B ~ A
 如果A ~ B，B~C则A ~C。
 如果A ~ B，那么
   A² ~ B²
   A+kE ~ B+kE
   如果A可逆，A^-1 ~ B^-1
   如果A₁ ~ B₁，A₂ ~ B₂
      
A~B的必要条件（可推出，不可逆）
 特征值相同
 秩相等
 |A|=|B|
 trA=trB

A ~ ∧ ⇔存在可逆矩阵P，使得P^-1AP=∧。其中P是有由A的特征向量组成，∧的对角线元素是A的特征值，顺序与P中特征向量对应。
定理：A ~ ∧ ⇔A有n个线性无关的特征向量。
定理：如果λ是A的k重特征值，则λ至多有k个线性无关的特征向量。
定理：A ~ ∧ ⇔如果λ是A的k重特征值，则λ必有k个线性无关的特征向量。

实对称矩阵

定理：若A是n阶实对称矩阵，则A的特征值都是实数。
定理：A是实对称矩阵，λ₁与λ₂是A不同的特征值，α₁，α₂分别是属于λ₁与λ₂的特征向量，那么α₁，α₂一定相互正交。
定理：对任一个n阶实对称矩阵A，总存在n阶正交矩阵Q，使Q^-1AQ=diag(λ₁,λ₂,…,λ_n)
diag(λ₁,λ₂,…,λ_n)指对角矩阵。
实对称矩阵一定与对角矩阵相似。