线性代数——特征值与特征向量

本篇笔记源于《程序员的数学之线性代数》

定义与性质

一般而言，对于方阵A，满足
$$\begin{array}{c}A\mathbf{p}=\lambda \mathbf{p}\\ \mathbf{p}\ne \mathbf{o}\end{array}$$
的数$\lambda$和向量p分别称为特征值和特征向量。

几何学意义

从几何学意义上讲，特征向量乘上A之后，除了长度会有伸缩变化，方向将不会发生改变。这里的长度变化倍率便是特征值。用动态图描述在2x2矩阵A的作用下，其两个特征向量的变化如图所示：

性质

令$\lambda$，$\mathbf{p}$为方阵A的特征值和特征向量，则

• “A有0特征值”等价于“A是奇异矩阵”（0特征值就说明存在Ap=o，p不等于o，所以A的ker不为零，p至少有一维的信息映射到相同的结果，这一维在新空间中就无用了）
• “A没有0特征值”等价于“A可逆”（从行列式角度看A对角化后的行列式等于A的行列式，A行列式不为0于是A可逆）
• 对于$\alpha \ne 0$，$\alpha p$也是A的特征向量，对应的特征值都是$\lambda$
• 对于特征值$\lambda$，若另有向量q也是其特征向量，那么p+q也是A的特征向量，对应特征值为$\lambda$
• p是$\alpha A$的特征向量，对应特征值为$\alpha \lambda$
• p是$A+\alpha I$的特征向量，对应特征值为$\alpha +\lambda$
• p是$A^k$的特征向量，对应特征值为${\lambda }^k$
• p是$A^{-1}$的特征向量（前提是A逆存在），对应的特征值为$\frac{1}{\lambda }$
• $S^{-1}p$是$S^{-1}AS$的特征向量，对应的特征值为$\lambda$
• 对角矩阵$\mathrm{diag}\left(a_1,\cdots ,a_n\right)$的特征值为