【线性代数（13）】矩阵的特征值与特征向量含义及性质

注意：由于已经过了大学要考线性代数的年纪，关于矩阵的初等变化、齐次与非齐次方程的求解这种期末考试要计算的问题没有进行梳理

注意：由于已经过了大学要考线性代数的年纪，关于矩阵的初等变化、齐次与非齐次方程的求解这种期末考试要计算的问题没有进行梳理

注意：由于已经过了大学要考线性代数的年纪，关于矩阵的初等变化、齐次与非齐次方程的求解这种期末考试要计算的问题没有进行梳理

1 基本定义

假设$A$是方阵（基调：就是特征值和特征方程只试用于方阵），对于一个数$\lambda$，存在非零列向量$\alpha$，使得$A\alpha =\lambda \alpha$，则称$\lambda$为方阵的特征值，$\alpha$称为对应于$\lambda$的特征向量

• $\lambda$可以为0，但是特征向量不能为0
• 特征向量一定是列向量，而且是非零（参考最初矩阵相乘的七字口诀：中间相等，取两头）
• 在说特征向量的时候，要说对应于特征值的。也就是要先有特征值

根据定义进行推导：$\lambda \alpha -A\alpha =0\Rightarrow (\lambda E-A)\alpha =0$，重点来啦，这里的$\alpha$是非零向量，如果将其换成$x$，那么就是$(\lambda E-A)x=0$，也就变成了求解齐次方程组了，前面的方阵就是方程的系数构成的矩阵，然后知道最终的解是非零的，故最终可以推出方阵的行列式为0

为了便于理解，这里举个我自己说服自己理解的栗子：

• 首先是方阵，那么假设就是$3\ast 3$，也就是三个方程三个未知数，方程的右边等于0
• 那么方程一定有一个解，就是三个未知数都为0的时候，也就是不管方程的系数取多少，我的未知数都取0，最后计算等式左边和右边都是0
• 现在出现了非零解，说明啥？
• 第一反应就是肯定有两个或者三个方程组是等价的（也就是方程的系数成比例）
• 比如$\{\begin{array}{l}{x}_1+x_2+x_3=0\\ 5x_1+5x_2+5x_3=0\\ -x_1+x_2+6x_3=0\end{array}$
• 这样的情况下系数对应的行列式就为0了，存在两行数据成比例

上面就是自己的思维理解过程，不是很严谨，但是特别能说服我自己：齐次方程组存在非零解 $⟺$ 系数组成的行列式为0

所以最终对于上面的化简式子就有了：$(\lambda E-A)x=0$存在非零解 $⟺|\lambda E-A|=0$，其中

• $(\lambda E-A)$被称为特征矩阵
• $|\lambda E-A|$为特征多项式
• $|\lambda E-A|=0$为特征方程
• $x$就是特征方程的解，也成为特征值或者特征根

2 性质

若$\lambda$是$A$的特征值，$\alpha$为对应于$\lambda$的特征向量

• 1）$A\alpha =\lambda \alpha \Rightarrow cA\alpha =c\lambda \alpha \Rightarrow A(c\alpha )=\lambda (c\alpha )$，$c\alpha$也是对应于$\lambda$的特征向量，所以一个特征值可以对应多个特征向量，但是一个特征向量只能对应一个特征值，打个比方：特征值是父母，特征向量是儿女，正常情况下一对父母可以有多对儿女，但是对于单个的儿子，女儿来说只能有一对父母。
• 2）若${\alpha }_1,{\alpha }_2$是$\lambda$的特征向量，则$c_1{\alpha }_1+c_2{\alpha }_2$也是$\lambda$的特征向量，证明过程：根据公式拆开即可验证

3 计算

例1

设$A=\left(\begin{array}{ccc}-1& 1& 0\\ -4& 3& 0\\ 1& 0& 2\end{array}\right)$，求解A的特征值与特征向量

解：

$$\lambda E-A=\left(\begin{array}{ccc}\lambda & 0& 0\\ 0& \lambda & 0\\ 0& 0& \lambda \end{array}\right)-\left(\begin{array}{ccc}-1& 1& 0\\ -4& 3& 0\\ 1& 0& 2\end{array}\right)=\left(\begin{array}{ccc}\lambda +1& -1& 0\\ 4& \lambda -3& 0\\ 1& 0& \lambda -2\end{array}\right)$$
提取行列式，问题就在于系数行列式的求解

$$|\lambda E-A|=\left|\begin{array}{ccc}\lambda +1& -1& 0\\ 4& \lambda -3& 0\\ 1& 0& \lambda -2\end{array}\right|$$

求解思路：

• 1）完全展开，得三次方程，很难解，比如${\lambda }^3+{\lambda }^2+1=9$ 。这种方法只能蒙，不建议使用
• 2）把某行尽量转化为0，然后按照该行进行展开
• 3）提公因子（最好含$\lambda$）
• 4）相邻两项相同（行、列），行和或者列和相等

比如按照最后一列进行展开
$$|\lambda E-A|=(\lambda -2)(-1{)}^{3+3}\left|\begin{array}{cc}\lambda +1& 1\\ -4& \lambda -3\end{array}\right|=(\lambda -2)(\lambda -1)(\lambda -1)$$

最终计算出来的${\lambda }_1={\lambda }_2=1,{\lambda }_3=2$(注意重根一定要写出来)

求解特征值对应的特征方程
① 当${\lambda }_1={\lambda }_2=1$时
$${\lambda }_{1}E-A=\left(\begin{array}{ccc}2& -1& 0\\ 4& -2& 0\\ 1& 0& -1\end{array}\right)$$
②当${\lambda }_3=2$时
$${\lambda }_{3}E-A=\left(\begin{array}{ccc}3& -1& 0\\ 4& -1& 0\\ 1& 0& 0\end{array}\right)$$

老师视频里抄错了，就溜了，哈哈哈，接下来进行一个详细的求解例题

注意：$|\lambda E-A|$中$\lambda$只在对角线上存在；A中所有的元素都取相反数

例2

设$A=\left(\begin{array}{ccc}1& -2& 2\\ -2& -2& 4\\ 2& 4& -2\end{array}\right)$，求解A的特征值与特征向量

解：

$$|\lambda E-A|=\left|\begin{array}{ccc}\lambda -1& 2& -2\\ 2& \lambda +2& -4\\ -2& -4& \lambda +2\end{array}\right|=\left|\begin{array}{ccc}\lambda -1& 2& -2\\ 2& \lambda +2& -4\\ 0& \lambda -2& \lambda -2\end{array}\right|=(\lambda -2)(\lambda -2)(\lambda +7)$$

最终计算出来的${\lambda }_1={\lambda }_2=2,{\lambda }_3=-7$(注意重根一定要写出来)

规范化的求解步骤：
①${\lambda }_3=-7$时，对于$\lambda E-A$矩阵，直接将上面计算行列式的第一步的结果拿来带入${\lambda }_3$的值，只做初等行变换，化为行简化阶梯型，解出同解方程组
$${\lambda }_{3}E-A=\left(\begin{array}{ccc}-8& 2& -2\\ 2& -5& -4\\ -2& -4& -5\end{array}\right)=\left(\begin{array}{ccc}1& 0& -0.5\\ 0& 1& 1\\ 0& 0& 0\end{array}\right)\Rightarrow \{\begin{array}{l}{x}_1=-0.5x_3\\ x_2=-x_3\end{array}$$

解出：$x_1=1,x_2=2,x_3=-2$，所以对应的特征向量就为：$c_1\left(\begin{array}{c}1\\ 2\\ 2\end{array}\right)$，其中$c_1\ne 0$

②${\lambda }_1={\lambda }_2=2$
$${\lambda }_{1}E-A=\left(\begin{array}{ccc}1& 2& -2\\ 2& 4& -4\\ -2& -4& 4\end{array}\right)=\left(\begin{array}{ccc}1& 2& -2\\ 0& 0& 0\\ 0& 0& 0\end{array}\right)\Rightarrow x_1=-2x_2+2x_3$$

此时取$x_2,x_3$分别为$\left(\begin{array}{c}1\\ 0\end{array}\right)$和$\left(\begin{array}{c}0\\ 1\end{array}\right)$，计算出特征向量为$c_2\left(\begin{array}{c}-2\\ 1\\ 0\end{array}\right)+c_3\left(\begin{array}{c}2\\ 0\\ 1\end{array}\right)$，其中$c_2,c_3$不能同时为0

例3

设$A=\left(\begin{array}{ccc}0& 0& 0\\ 0& 0& 0\\ 0& 0& 0\end{array}\right)$，求解A的特征值与特征向量

解：
$$|\lambda E-A|=\left|\begin{array}{ccc}\lambda & 0& 0\\ 0& \lambda & 0\\ 0& 0& \lambda \end{array}\right|={\lambda }^3=0\Rightarrow \lambda =0$$

然后将$\lambda$带入，求出对应的矩阵
$$\lambda E-A=\left(\begin{array}{ccc}0& 0& 0\\ 0& 0& 0\\ 0& 0& 0\end{array}\right)$$

那么问题就来了，化为行简化阶梯型，其中有1的放在在左边，其余的放在右边，所以这里的$x_1,x_2,x_3$都是自由未知量，按照特征向量的定义，必须是要非零的列向量，所以最终的结果为$c_1\left(\begin{array}{c}1\\ 0\\ 0\end{array}\right)+c_2\left(\begin{array}{c}0\\ 1\\ 0\end{array}\right)+c_3\left(\begin{array}{c}0\\ 0\\ 1\end{array}\right)$，其中$c_1,c_2,c_3$不能同时为0

4 特征值与特征向量的性质

性质：

• 1）$A$和$A^T$有相同的特征值，但是特征向量不一定相同
  证明：$|\lambda E-A^T|=|\lambda E^T-A^T|=|(\lambda E-A{)}^T|=|\lambda E-A|=0$
• 2）若 $\sum |a_{ij}<1,i=1,2,...,n|$ 且 $\sum |a_{ij}|<1,j=1,2,...,n$,则$|{\lambda }_k|<1$
• 3）若方阵的n个特征值为${\lambda }_1,{\lambda }_2,...,{\lambda }_n$，则有① ${\sum }_{i=1}^n{\lambda }_i={\sum }_{i=1}^n{a}_{ii}$，也就是所有的特征值之和就为矩阵对角线元素之和；②${\lambda }_1,{\lambda }_2,...,{\lambda }_n=|A|$
• 4）互不相同的特征值${\lambda }_1,{\lambda }_2,...,{\lambda }_n$对应的特征向量${\alpha }_1,{\alpha }_2,...,{\alpha }_n$线性无关
• 5）对4）进行补充，如果每个特征向量有多对特征值，那么这些特征向量也是线性无关的
• 6）k重特征根，对应的线性无关的特征向量的个数小于等于k

其它性质：

• 1）$k\lambda$是$kA$的特征值
• 2）${\lambda }^2$是$A^2$的特征值，${\lambda }^k$是$A^k$的特征值
  比如2是$A$的特征值，$A^5+6A^2+A+3E$的特征值为$A^5+6\ast 2^2+2+3$，注意对应的$A$换成特征值，单位阵改成1即可
• 3）$\frac{1}{\lambda }$是$A^{-1}$的特征值；$\frac{1}{\lambda }|A|$是$A\ast$的特征值