CP.21特征值和特征向量

矩阵$A$的特征向量$x$和特征值$\lambda$服从关系$Ax=\lambda x$，其实质是向量$x$在$A$的作用线进行了线性变换，变换后$x$仍然与原来同方向，只是拉伸或缩短，拉伸缩短的长度取决于特征值$\lambda$。
如果0是矩阵的特征值，则$Ax=0x=0$，0特征值对应的特征向量就是$A$零空间内的向量，如果$A$是奇异矩阵（不可逆），那么方程$Ax=0$肯定是有个0解的。

例：$P_m$是投影矩阵，将向量$b$投影到平面$x$内，表达式为$P_{m}b=x$，因此特征向量$x$对应的特征值是$1$，另一个无关特征向量可以选择与平面$x$垂直的向量$y$，则有$P_{m}y=0$，特征向量$y$的特征值为$0$，矩阵$P_m$的所有特征向量张成了整个特征向量空间。

例：矩阵$A=\left[\begin{array}{cc}0& 1\\ 1& 0\end{array}\right]$，具有特征向量$x_1=\left[\begin{array}{c}1\\ 1\end{array}\right]$，特征向量对应的特征值是$1$；另一个特征向量为$x_2=\left[\begin{array}{c}1\\ -1\end{array}\right]$，特征向量对应的特征值是$-1$。这两个特征向量为正交关系，其线性组合可以张成整个特征向量空间，注意，对称矩阵的特征向量是两两正交的。

从$Ax=\lambda x$可以推出$(A-\lambda I)x=0$，求解矩阵特征值和特征向量的问题，转化成了求矩阵$A-\lambda I$的零空间问题，要有解就必须满足$rank(A-\lambda I)<n$即要求其行列式等于零。例如矩阵$$A=\left[\begin{array}{cc}3& 1\\ 1& 3\end{array}\right]，det(A-\lambda I)=\left|\begin{array}{cc}3-\lambda & 1\\ 1& 3-\lambda \end{array}\right|={\lambda }^2-6\lambda +8$$可以解得${\lambda }_1=4，{\lambda }_2=2$观察发现${\lambda }_1+{\lambda }_2=6，{\lambda }_1\ast {\lambda }_2=8$因此可以得出结论，二阶方阵的特征值求解公式为：$${\lambda }^2-trace(A)+det(A)=0$$
$$A-{\lambda }_1=\left[\begin{array}{cc}-1& 1\\ 1& -1\end{array}\right]，(A-4I)x_1=0，x_1=\left[\begin{array}{c}1\\ 1\end{array}\right]$$
$$A-{\lambda }_2=\left[\begin{array}{cc}1& 1\\ 1& 1\end{array}\right]，(A-2I)x_2=0，x_2=\left[\begin{array}{c}-1\\ 1\end{array}\right]$$
本例中的矩阵和前面一个相比只是加了一个$3I$对应的特征值也是加了3，但是特征向量不改变。但是这一条推广到普遍现象并不成立。
三角阵的特征值如果矩阵是个上三角矩阵$$A=\left[\begin{array}{cc}3& 1\\ 0& 3\end{array}\right]$$
根据矩阵迹的定义${\lambda }_1+{\lambda }_2=trace(A)$以及行列式$det(A)={\lambda }_1\ast {\lambda }_2$可以求得两个特征值都是3.结论：上三角矩阵的特征值就是其主对角线上的元素
退化矩阵$$(A-\lambda I)x=\left[\begin{array}{cc}0& 1\\ 0& 0\end{array}\right]x=0$$求得$x_1=\left[\begin{array}{c}1\\ 0\end{array}\right]$，但是这个矩阵没有第二个无关特征向量，说明其是一个“退化矩阵”，即有两个相同的特征值但是特征向量短缺。