3.6 特征值和特征向量

1 基本概念

• 设 $\mathbf{A}$ 是 $n$ 阶矩阵，$\lambda$ 是一个数，若存在 $n$ 维非零列向量 $\xi \ne 0$ 使得 $\mathbf{A}\mathbf{\xi }=\lambda \mathbf{\xi }$，则称 $\lambda$ 是 $\mathbf{A}$ 的特征值，$\mathbf{\xi }$ 是 $\mathbf{A}$ 对应于特征值 $\lambda$ 的特征向量。

• $(\lambda \mathbf{E}-\mathbf{A})\mathbf{\xi }=0$，因 $\mathbf{\xi }\ne 0$，故 $\mathbf{A}$ 的特征方程（未知量为 $\lambda$ 的 $n$ 次方程，有 $n$ 个根（重根按重数计））为
  $$\left|\begin{array}{c}\lambda \mathbf{E}-\mathbf{A}\end{array}\right|=\left|\begin{array}{cccc}\lambda -a_{11}& -a_{12}& \cdots & -a_{1n}\\ -a_{21}& \lambda -a_{22}& \cdots & -a_{2n}\\ ⋮& ⋮& & ⋮\\ -a_{n1}& -a_{n2}& \cdots & \lambda -a_{1n}\end{array}\right|=0$$

• $\lambda \mathbf{E}-\mathbf{A}$ 称为特征矩阵，$\left|\begin{array}{c}\lambda \mathbf{E}-\mathbf{A}\end{array}\right|$称为特征多项式。

2 特征值的性质

• 设 $\mathbf{A}=(a_{ij}{)}_{n\times n}$，${\lambda }_i(i=1,2,\cdots ,n)$ 是 $\mathbf{A}$ 的特征值，则：
  • $\sum _{i=1}^n{\lambda }_i=\sum _{i=1}^n{a}_{ii}$
  • $\prod _{i=1}^n{\lambda }_i=\left|\begin{array}{c}\mathbf{A}\end{array}\right|$
• 应用：$\mathbf{A}$ 是 $n$ 阶矩阵，若 $r(\mathbf{A})=1$，则 $\mathbf{A}$ 的特征值为：${\lambda }_1={\lambda }_2=\cdots ={\lambda }_{n-1}=0,{\lambda }_n=\sum _{i=1}^n{a}_{ii}$。

3 特征向量的性质

1. $k$ 重特征值 $\lambda$ 至多有 $k$ 个线性无关的特征向量；
2. 设 ${\lambda }_1,{\lambda }_2$ 是 $\mathbf{A}$ 的两个不同的特征值，若 $\mathbf{\xi }$ 是对应于 ${\lambda }_1$ 的特征向量，则 $\mathbf{\xi }$ 不是 ${\lambda }_2$ 的特征向量（即一个特征向量不能属于两个不同的特征值）;
3. 若 ${\mathbf{\xi }}_1,{\mathbf{\xi }}_2$ 是 $\mathbf{A}$ 的属于不同特征值 ${\lambda }_1,{\lambda }_2$ 的特征向量，则 ${\mathbf{\xi }}_1,{\mathbf{\xi }}_2$ 线性无关；
4. 若 ${\mathbf{\xi }}_1,{\mathbf{\xi }}_2$ 是 $\mathbf{A}$ 的属于相同特征值 $\lambda$ 的特征向量，则 $k_1{\mathbf{\xi }}_1+k_2{\mathbf{\xi }}_2$（$k_1,k_2$ 不同时为 0️⃣）仍是 $\mathbf{A}$ 的属于特征值 $\lambda$ 的特征向量；
5. 设 $\mathbf{A}$ 为 $n$ 阶矩阵，$\mathbf{A}{\mathbf{\xi }}_1={\lambda }_1{\mathbf{\xi }}_1,\mathbf{A}{\mathbf{\xi }}_2={\lambda }_2{\mathbf{\xi }}_2,{\lambda }_1\ne {\lambda }_2,{\mathbf{\xi }}_1\ne 0,{\mathbf{\xi }}_2\ne 0$，则当 $k_1\ne 0,k_2\ne 0$ 时，$k_1{\mathbf{\xi }}_1+k_2{\mathbf{\xi }}_2$ 不是 $\mathbf{A}$ 的特征向量。

4 常用矩阵的特征值和特征向量

矩阵	特征值	特征向量
$\mathbf{A}$	$\lambda$	$\mathbf{\xi }$
$k\mathbf{A}$	$k\lambda$	$\mathbf{\xi }$
${\mathbf{A}}^k$	${\lambda }^k$	$\mathbf{\xi }$
${\mathbf{A}}^T$	$\lambda$	不是 $\mathbf{\xi }$，需单独计算
${\mathbf{A}}^{-1}$	$\frac{1}{\lambda }$	$\mathbf{\xi }$
${\mathbf{A}}^{\ast }$	$\frac{|\begin{array}{c}\mathbf{A}\end{array}|}{\lambda }$	$\mathbf{\xi }$
$n\mathbf{E}+\mathbf{A}$	$n+\lambda$	$\mathbf{\xi }$
${\mathbf{P}}^{-1}\mathbf{A}\mathbf{P}$	$\lambda$	${\mathbf{P}}^{-1}\mathbf{\xi }$
$f(\mathbf{A})$	$f(\lambda )$	$\mathbf{\xi }$

• $f(x)$ 为多项式，若矩阵 $\mathbf{A}$ 满足 $f(\mathbf{A})=0$，$\lambda$ 是 $\mathbf{A}$ 的任一特征值，则 $\lambda$ 满足 $f(\lambda )=0$。

5 判断两个矩阵是否具有相同的特征值

• $\left|\begin{array}{c}\lambda \mathbf{E}-\mathbf{A}\end{array}\right|=\left|\begin{array}{c}\lambda \mathbf{E}-\mathbf{B}\end{array}\right|$ ➡️ $\mathbf{A},\mathbf{B}$ 具有相同的特征值
• 若 $\mathbf{A}\cong \mathbf{B}$，则 $\mathbf{A},\mathbf{B}$ 有相同的特征值。
• 若 $\mathbf{A},\mathbf{B}$ 是实对称矩阵，则 $\mathbf{A}\mathbf{B}$ 和 $\mathbf{B}\mathbf{A}$ 有相同的特征值。
• 若 $\mathbf{A}$ 是可逆矩阵，则 $\mathbf{A}\mathbf{B}$ 和 $\mathbf{B}\mathbf{A}$ 有相同的特征值。

---

Type	Page	Example
求数值矩阵的特征数和特征向量	146	7.1 + 7.2 + 7.3
求抽象矩阵的特征数和特征向量	151	7.4 + 7.5 + 7.6
判断两个矩阵是否具有相同的特征值	153	7.7
利用特征值计算行列式	157	7.17 + 7.18 + 7.19