特征值和特征向量
定义 设 A A A是 n n n阶矩阵, α \alpha α是 n n n维非零列向量,满足 A α = λ α A\alpha=\lambda\alpha Aα=λα则称 λ \lambda λ是矩阵 A A A的特征值, α \alpha α是矩阵 A A A对应于特征值 λ \lambda λ的特征向量
A
α
=
λ
α
(
α
≠
0
)
⇒
(
λ
E
−
A
)
α
=
0
A\alpha=\lambda\alpha(\alpha\neq0)\Rightarrow(\lambda E-A)\alpha=0
Aα=λα(α=0)⇒(λE−A)α=0
α
\alpha
α是
(
λ
E
−
A
)
x
=
0
(\lambda E-A)x=0
(λE−A)x=0的非零解
(1)由
∣
λ
E
−
A
∣
=
0
|\lambda E-A|=0
∣λE−A∣=0求特征值
λ
i
\lambda_i
λi共
n
n
n个(含重根)
(2)由
(
λ
i
E
−
A
)
x
=
0
(\lambda_i E-A)x=0
(λiE−A)x=0求基础解系即
λ
i
\lambda_i
λi线性无关的特征向量
推广公式
(
A
+
k
E
)
α
=
(
λ
+
k
)
α
(A+kE)\alpha=(\lambda+k)\alpha
(A+kE)α=(λ+k)α
A
n
α
=
λ
n
α
A^n\alpha=\lambda^n\alpha
Anα=λnα
若
A
A
A可逆,则
A
T
α
=
λ
α
A^T\alpha=\lambda\alpha
ATα=λα
A − 1 α = 1 λ α A^{-1}\alpha=\frac 1 \lambda \alpha A−1α=λ1α
A ∗ α = ∣ A ∣ λ α A^*\alpha=\frac {|A|}\lambda \alpha A∗α=λ∣A∣α
定理 设
A
A
A是
n
n
n阶矩阵
(1)
Σ
λ
i
=
Σ
a
i
i
=
t
r
(
A
)
\Sigma \lambda_i=\Sigma a_{ii}=t_r(A)
Σλi=Σaii=tr(A)(矩阵的迹)
(2)
Π
λ
i
=
∣
A
∣
\Pi \lambda_i=|A|
Πλi=∣A∣
定理 A A A可逆 ⟺ A \iff A ⟺A的 n n n个特征值全不为0
定理 矩阵 A A A对应于不同特征值的特征向量是线性无关的
定理 同一特征值对应的特征向量做线性运算后仍是矩阵 A A A的特征向量,不同特征值对应的特征向量做线性运算后不是矩阵 A A A的特征向量
相似矩阵
定义 设
A
,
B
A,B
A,B都是
n
n
n阶矩阵,若存在可逆矩阵
P
P
P使
P
−
1
A
P
=
B
P^{-1}AP=B
P−1AP=B
就称矩阵
A
A
A相似于矩阵
B
B
B,
B
B
B是
A
A
A的相似矩阵,记成
A
∼
B
A\sim B
A∼B
性质
(1)
A
∼
A
A\sim A
A∼A
(2)若
A
∼
B
A\sim B
A∼B,则
B
∼
A
B\sim A
B∼A
(3)若
A
∼
B
A\sim B
A∼B,
B
∼
C
B\sim C
B∼C,则
A
∼
C
A\sim C
A∼C
(4)若
A
∼
B
A\sim B
A∼B,则
A
2
∼
B
2
A^2\sim B^2
A2∼B2
(5)若
A
∼
B
A\sim B
A∼B,则
A
+
k
E
∼
B
+
k
E
A+kE\sim B+kE
A+kE∼B+kE
(6)若
A
A
A可逆,则
A
−
1
∼
B
−
1
A^{-1}\sim B^{-1}
A−1∼B−1
(7)若
A
1
∼
B
1
A_1\sim B_1
A1∼B1,
A
2
∼
B
2
A_2\sim B_2
A2∼B2,则
[
A
1
A
2
]
∼
[
B
1
B
2
]
{\left[ \begin{matrix} A_1& \\ & A_2 \\ \end{matrix} \right]}\sim{\left[ \begin{matrix} B_1& \\ & B_2 \\ \end{matrix} \right]}
[A1A2]∼[B1B2]
矩阵相似必要条件
若
A
∼
B
A\sim B
A∼B
1.
∣
λ
A
−
E
∣
=
∣
λ
B
−
E
∣
⇒
λ
A
=
λ
B
|\lambda A-E|=|\lambda B-E|\Rightarrow\lambda_A=\lambda_B
∣λA−E∣=∣λB−E∣⇒λA=λB
2.
r
(
A
)
=
r
(
B
)
r(A)=r(B)
r(A)=r(B)
3.
∣
A
∣
=
∣
B
∣
|A|=|B|
∣A∣=∣B∣
4.
Σ
a
i
i
=
Σ
b
i
i
\Sigma a_{ii}=\Sigma b_{ii}
Σaii=Σbii
5.若
A
∼
Λ
A\sim\Lambda
A∼Λ,则
B
∼
Λ
B\sim\Lambda
B∼Λ
判断两矩阵是否相似
若
A
∼
Λ
A\sim\Lambda
A∼Λ,
B
∼
Λ
B\sim\Lambda
B∼Λ,则矩阵
A
∼
B
A\sim B
A∼B
矩阵相似对角化
定理
A
∼
Λ
⟺
∃
A\sim\Lambda\iff\exists
A∼Λ⟺∃可逆
P
P
P使
P
−
1
A
P
=
Λ
P^{-1}AP=\Lambda
P−1AP=Λ则称A矩阵可相似对角化
A
P
=
P
Λ
AP=P\Lambda
AP=PΛ
P = ( γ 1 γ 2 γ 3 ) P=(\gamma_1 \gamma_2 \gamma_3) P=(γ1γ2γ3)
Λ = [ λ 1 λ 2 λ 3 ] \Lambda={\left[ \begin{matrix} \lambda_1& &\\ &\lambda_2 &\\ & &\lambda_3\\ \end{matrix} \right]} Λ=⎣⎡λ1λ2λ3⎦⎤
定理
A
∼
Λ
⟺
A
A\sim\Lambda\iff A
A∼Λ⟺A有
n
n
n个线性无关的特征向量
推论 若
A
A
A有
n
n
n个不同的特征值,则
A
∼
Λ
A\sim\Lambda
A∼Λ
定理 若 λ \lambda λ是 A A A的 k k k重特征值,则 λ \lambda λ至多有 k k k个线性无关的特征向量
定理 A ∼ Λ ⟺ A\sim\Lambda\iff A∼Λ⟺若 λ \lambda λ是矩阵 A A A的 k k k重特征值,则 λ \lambda λ必有 k k k个线性无关的特征向量
公式 A n = P − 1 Λ n P A^n=P^{-1}\Lambda^nP An=P−1ΛnP
判断矩阵是否可相似对角化
1.若矩阵为实对称矩阵则一定可对角化
2.若矩阵不是实对称矩阵且特征值不同,则一定可对角化
3.若矩阵不是实对称矩阵且特征值有重根,则判断重根对应线性无关的向量的个数,若重数等于无关向量的个数,则可对角化,反之则不然
实对称矩阵
定义 对于元素均为实数的矩阵 A A A,满足 A = A T A=A^T A=AT,则称 A A A为实对称矩阵
定理 若 A A A是 n n n阶实对称矩阵,则 A A A的特征值都是实数
定理 若
A
A
A是
n
n
n阶实对称矩阵,
λ
1
\lambda_1
λ1与
λ
2
\lambda_2
λ2是
A
A
A不同的特征值,
α
1
,
α
2
\alpha_1,\alpha_2
α1,α2分别是对应于
λ
1
\lambda_1
λ1与
λ
2
\lambda_2
λ2的特征向量,则
α
1
\alpha_1
α1与
α
2
\alpha_2
α2正交
简记 实对称矩阵特征值不同特征向量相互正交
定理 对任意一个 n n n阶实对称矩阵 A A A,总存在 n n n阶正交矩阵 Q Q Q使得 Q − 1 A Q = d i a g ( λ 1 λ 2 . . . λ n ) Q^{-1}AQ=diag(\lambda_1\lambda_2...\lambda_n) Q−1AQ=diag(λ1λ2...λn)(对角矩阵)
归纳小结 实对称矩阵
1.特征值必为实数
2.不同特征值对应的特征向量必正交
3.必与对角矩阵相似
4.可用正交矩阵相似对角化
(1)求
A
A
A的特征值
λ
1
λ
2
λ
3
\lambda_1\lambda_2\lambda_3
λ1λ2λ3
(2)求特征向量
α
1
α
2
α
3
\alpha_1\alpha_2\alpha_3
α1α2α3
(3)改造特征向量
a.若
λ
i
≠
λ
j
\lambda_i\neq\lambda_j
λi=λj,只需单位化
b.若
λ
i
≠
λ
j
\lambda_i\neq\lambda_j
λi=λj
- 若 ( α i , α j ) = 0 (\alpha_i,\alpha_j)=0 (αi,αj)=0,只需单位化
- 若 ( α i , α j ) ≠ 0 (\alpha_i,\alpha_j)\neq0 (αi,αj)=0,施密特正交化
(4)构造正交矩阵
Q
=
(
γ
1
γ
2
γ
3
)
Q=(\gamma_1 \gamma_2 \gamma_3)
Q=(γ1γ2γ3)
Q − 1 A Q = Λ = [ λ 1 λ 2 λ 3 ] Q^{-1}AQ=\Lambda={\left[ \begin{matrix} \lambda_1& &\\ &\lambda_2 &\\ & &\lambda_3\\ \end{matrix} \right]} Q−1AQ=Λ=⎣⎡λ1λ2λ3⎦⎤