项目github地址:bitcarmanlee easy-algorithm-interview-and-practice
欢迎大家star,留言,一起学习进步
矩阵有时候有一些常用的结论与性质,如果有一段时间不接触或者实际中没使用到,很容易就会遗忘。因此,特意做一个小小的总结,方便使用与查询。
1.矩阵
A
A
A的全部特征值的集合通常被称为
A
A
A的谱。
2.
∣
A
∣
=
λ
1
λ
2
⋯
λ
n
|A| = \lambda_1\lambda_2\cdots\lambda_n
∣A∣=λ1λ2⋯λn,或者时候
A
A
A的行列式为所有特征值的乘积。
3.
∑
i
=
1
n
a
i
i
=
∑
i
=
1
n
λ
i
\sum_{i=1}^{n}a_{ii} = \sum_{i=1}^n \lambda_i
∑i=1naii=∑i=1nλi
矩阵 A A A的主对角线上的所有元素和 ∑ i = 1 n a i i \sum_{i=1}^{n}a_{ii} ∑i=1naii被称为矩阵的迹,记为 t r A trA trA。于是,上面的第3条又可以记为:
4.
t
r
A
=
∑
i
=
1
n
λ
i
trA = \sum_{i=1}^n \lambda_i
trA=∑i=1nλi
5.矩阵
A
A
A与
A
T
A^T
AT有相同的谱。
6.如果
A
A
A,
B
B
B是两个n阶矩阵,若存在n阶可逆矩阵
P
P
P,
P
−
1
A
P
=
B
P^{-1}AP = B
P−1AP=B,则成
A
A
A与
B
B
B相似,记为
A
∼
B
A \sim B
A∼B,
P
P
P为
A
A
A到
B
B
B的相似变换矩阵。
7.如果
A
∼
B
A \sim B
A∼B,则:
∣
λ
I
−
B
∣
=
∣
λ
I
−
P
−
1
A
P
∣
=
∣
P
−
1
(
λ
I
−
A
)
P
∣
=
∣
λ
I
−
A
∣
|\lambda I - B| = |\lambda I - P^{-1}AP| = |P^{-1}(\lambda I - A) P| = |\lambda I - A|
∣λI−B∣=∣λI−P−1AP∣=∣P−1(λI−A)P∣=∣λI−A∣
由上易知,如果
A
∼
B
A \sim B
A∼B,则矩阵
A
A
A,
B
B
B有相同的谱。
8.n阶方阵
A
A
A可以相似对角化的充要条件是
A
A
A有n个线性无关的特征向量。
9.
A
A
A为n阶方阵,
A
A
A的特征多项式为:
d
e
t
(
λ
I
−
A
)
=
(
λ
−
λ
1
)
m
1
(
λ
−
λ
2
)
m
2
⋯
(
λ
−
λ
s
)
m
s
det(\lambda I - A) = (\lambda - \lambda_1)^{m_1}(\lambda - \lambda_2)^{m_2}\cdots(\lambda - \lambda_s)^{m_s}
det(λI−A)=(λ−λ1)m1(λ−λ2)m2⋯(λ−λs)ms
其中,
m
i
m_i
mi均为正整数,
∑
i
=
1
s
=
n
\sum_{i=1}^{s} = n
∑i=1s=n,
λ
1
,
λ
2
,
⋯
,
λ
s
\lambda_1,\lambda_2,\cdots,\lambda_s
λ1,λ2,⋯,λs为
A
A
A的不同特征值,
m
i
m_i
mi为特征值
λ
i
\lambda_i
λi的代数重数记为
p
i
p_i
pi。特征值
λ
i
\lambda_i
λi对应的全部特征向量正好是特征方程组
(
λ
i
I
−
A
)
X
=
0
(\lambda_i I - A)X = 0
(λiI−A)X=0的全部非0解。因此,
A
A
A属于特征值
λ
i
\lambda_i
λi的线性无关的特征向量最多有
n
−
r
(
λ
i
I
−
A
)
n-r(\lambda_i I - A)
n−r(λiI−A)个,这个数也就是特征方程组
(
λ
i
I
−
A
)
X
=
0
(\lambda_i I - A)X = 0
(λiI−A)X=0的一组基础解系中所含有解向量的个数,即解空间的位数,被称为特征值
λ
i
\lambda_i
λi的几何重数,记为
q
i
q_i
qi。
10.设
λ
1
,
λ
2
,
⋯
,
λ
s
\lambda_1,\lambda_2,\cdots,\lambda_s
λ1,λ2,⋯,λs为
A
A
A的全部互异的特征值,
p
i
p_i
pi,
q
i
q_i
qi分别为特征值
λ
i
\lambda_i
λi的代数重数与几何重数,
i
=
1
,
2
,
⋯
,
s
i=1,2,\cdots,s
i=1,2,⋯,s。则矩阵
A
A
A可以相似对角化的虫咬条件是:
p
i
=
q
i
,
i
=
1
,
2
,
⋯
,
s
p_i = q_i, i=1,2,\cdots,s
pi=qi,i=1,2,⋯,s
11.实对称矩阵属于不同特征值的特征向量是正交的。
12.
λ
0
\lambda_0
λ0是n阶实堆成矩阵
A
A
A的任一特征值,p,q分别为它的代数重数与几何重数,有
p
=
q
p=q
p=q。
13.由前面一条结论可知,对任一n阶实对称矩阵
A
A
A,存在n阶正交矩阵
Q
Q
Q,有
Q
−
1
A
Q
=
d
i
a
g
(
λ
1
,
λ
2
,
⋯
,
λ
s
)
Q^{-1}AQ = diag(\lambda_1,\lambda_2,\cdots,\lambda_s)
Q−1AQ=diag(λ1,λ2,⋯,λs)