特征值和特征向量

特征值和特征向量

定义 设$A$是$n$阶矩阵，$\alpha$是$n$维非零列向量，满足$A\alpha =\lambda \alpha$则称$\lambda$是矩阵$A$的特征值，$\alpha$是矩阵$A$对应于特征值$\lambda$的特征向量

$A\alpha =\lambda \alpha (\alpha \ne 0)\Rightarrow (\lambda E-A)\alpha =0$
$\alpha$是$(\lambda E-A)x=0$的非零解
（1）由$|\lambda E-A|=0$求特征值${\lambda }_i$共$n$个（含重根）
（2）由$({\lambda }_{i}E-A)x=0$求基础解系即${\lambda }_i$线性无关的特征向量

推广公式
$(A+kE)\alpha =(\lambda +k)\alpha$
$A^n\alpha ={\lambda }^n\alpha$
若$A$可逆，则
$A^T\alpha =\lambda \alpha$

$A^{-1}\alpha =\frac{1}{\lambda }\alpha$

$A^{\ast }\alpha =\frac{|A|}{\lambda }\alpha$

定理 设$A$是$n$阶矩阵
（1）$\Sigma {\lambda }_i=\Sigma a_{ii}=t_r(A)$(矩阵的迹)
（2）$\Pi {\lambda }_i=|A|$

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$A$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$A$的特征向量

相似矩阵

定义 设$A,B$都是$n$阶矩阵，若存在可逆矩阵$P$使
$$P^{-1}AP=B$$
就称矩阵$A$相似于矩阵$B$,$B$是$A$的相似矩阵，记成$A\sim B$

性质
（1）$A\sim A$
（2）若$A\sim B$，则$B\sim A$
（3）若$A\sim B$，$B\sim C$，则$A\sim C$
（4）若$A\sim B$，则$A^2\sim B^2$
（5）若$A\sim B$，则$A+kE\sim B+kE$
（6）若$A$可逆，则$A^{-1}\sim B^{-1}$
（7）若$A_1\sim B_1$，$A_2\sim B_2$，则$\left[\begin{array}{cc}{A}_1& \\ & A_2\end{array}\right]\sim \left[\begin{array}{cc}{B}_1& \\ & B_2\end{array}\right]$

矩阵相似必要条件
若$A\sim B$
1.$|\lambda A-E|=|\lambda B-E|\Rightarrow {\lambda }_A={\lambda }_B$
2.$r(A)=r(B)$
3.$|A|=|B|$
4.$\Sigma a_{ii}=\Sigma b_{ii}$
5.若$A\sim \Lambda$，则$B\sim \Lambda$

判断两矩阵是否相似
若$A\sim \Lambda$，$B\sim \Lambda$，则矩阵$A\sim B$

矩阵相似对角化

定理 $A\sim \Lambda ⟺\exists$可逆$P$使$P^{-1}AP=\Lambda$则称A矩阵可相似对角化
$AP=P\Lambda$

$P=({\gamma }_1{\gamma }_2{\gamma }_3)$

$\Lambda =\left[\begin{array}{ccc}{\lambda }_1& & \\ & {\lambda }_2& \\ & & {\lambda }_3\end{array}\right]$

定理 $A\sim \Lambda ⟺A$有$n$个线性无关的特征向量
推论 若$A$有$n$个不同的特征值，则$A\sim \Lambda$

定理 若$\lambda$是$A$的$k$重特征值，则$\lambda$至多有$k$个线性无关的特征向量

定理 $A\sim \Lambda ⟺$若$\lambda$是矩阵$A$的$k$重特征值，则$\lambda$必有$k$个线性无关的特征向量

公式 $A^n=P^{-1}{\Lambda }^{n}P$

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$A$，满足$A=A^T$，则称$A$为实对称矩阵

定理 若$A$是$n$阶实对称矩阵，则$A$的特征值都是实数

定理 若$A$是$n$阶实对称矩阵，${\lambda }_1$与${\lambda }_2$是$A$不同的特征值，${\alpha }_1,{\alpha }_2$分别是对应于${\lambda }_1$与${\lambda }_2$的特征向量，则${\alpha }_1$与${\alpha }_2$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$n$阶实对称矩阵$A$，总存在$n$阶正交矩阵$Q$使得$Q^{-1}AQ=diag({\lambda }_1{\lambda }_2...{\lambda }_n)$(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$A$的特征值${\lambda }_1{\lambda }_2{\lambda }_3$
（2）求特征向量${\alpha }_1{\alpha }_2{\alpha }_3$
（3）改造特征向量
a.若${\lambda }_i\ne {\lambda }_j$，只需单位化
b.若${\lambda }_i\ne {\lambda }_j$

• 若$({\alpha }_i,{\alpha }_j)=0$，只需单位化
• 若$({\alpha }_i,{\alpha }_j)\ne 0$，施密特正交化

（4）构造正交矩阵
$Q=({\gamma }_1{\gamma }_2{\gamma }_3)$

$Q^{-1}AQ=\Lambda =\left[\begin{array}{ccc}{\lambda }_1& & \\ & {\lambda }_2& \\ & & {\lambda }_3\end{array}\right]$