特征值(考研)

特征值

特征值、特征向量计算

• 定义法$A\alpha =\lambda \alpha$
• $|\lambda E-A|=0$
• $P^{-1}AP=B$
  • $A\alpha =\lambda \alpha \Rightarrow B(P^{-1}\alpha )=\lambda (P^{-1}\alpha )$
  • $B\alpha =\lambda \alpha \Rightarrow A(P\alpha )=\lambda (P\alpha )$

相似$P^{-1}AP=B$

• 性质
  • $|A|=|B|$
  • $r(A)=r(B)$
    • $r(B)=r(P^{-1}AP)=r(AP)=r(A)$
  • $|\lambda E-A|=|\lambda E-B|\Rightarrow {\lambda }_A={\lambda }_B$
  • $\sum a_{ii}=\sum b_{ii}$
    • $\sum {\lambda }_i=\sum a_{ii}$
• 求$A^n$

$A\sim B$

• $\Rightarrow A+kE\sim B+kE$
• $\Rightarrow |A+kE|=|B+kE|$
• $\Rightarrow r(A+kE)=r(B+kE)$
• $\Rightarrow {\lambda }_{A+kE}={\lambda }_{B+kE}$

$A\sim B,B\sim C\Rightarrow A\sim C$

• 证明题（证明$A$和$C$相似，找一个中介$B$，通常为对角矩阵）

$A$可相似对角化

• $A\sim \Lambda \iff \exists$可逆矩阵$P$使得$P^{-1}AP=\Lambda$
• $AP=P\Lambda$
• $$A\left(\begin{array}{r}{\gamma }_1{\gamma }_2{\gamma }_3\end{array}\right)=\left(\begin{array}{r}{\gamma }_1{\gamma }_2{\gamma }_3\end{array}\right)\left[\begin{array}{ccc}{a}_1& 0& 0\\ 0& a_2& 0\\ 0& 0& a_3\end{array}\right]$$
• $$A\left(\begin{array}{r}{\gamma }_1{\gamma }_2{\gamma }_3\end{array}\right)=\left(\begin{array}{r}{a}_1{\gamma }_1{a}_2{\gamma }_2{a}_3{\gamma }_3\end{array}\right)$$
• $A{\gamma }_1=a_1{\gamma }_1,A{\gamma }_2=a_2{\gamma }_2,A{\gamma }_3=a_3{\gamma }_3$
• 对角矩阵是$A$的三个特征值
• $P$矩阵的列向量为特征向量（只有和对角矩阵相似的时候）

$A$和对角矩阵相似

• $A\sim \Lambda \iff A$有$n$个无关的特征向量
• 充分条件
  • $A$有$n$个不同的特征值
  • $A^T=A$
  • 若${\lambda }_i$是$k$重特征值，那${\lambda }_i$必有$k$个无关的特征向量
    • $r({\lambda }_{i}E-A)=n-k$
    • $({\lambda }_{i}E-A)x=0$

特征值性质

• 不同特征值的特征向量线性无关
• $k$重特征值最多有$k$个线性无关的特征向量
• $|A|=\prod {\Lambda }_i$
• $\sum {\lambda }_i=\sum a_{ii}$

实对称矩阵

• $A$必与对角矩阵相似
• 不同特征值的特征向量相互正交
  • 内积为0$\Rightarrow$齐次方程$\Rightarrow$求$\alpha$
• 用正交矩阵相似对角化$Q^{-1}AQ=\Lambda$
• 特征值都是实数
• $$A=\left[\begin{array}{ccccc}a& 1& 1& \dots & 1\\ 1& a& 1& \dots & 1\\ ⋮& ⋮& ⋮& & ⋮\\ 1& 1& 1& \dots & a\end{array}\right]$$
  • $$A=\left[\begin{array}{ccccc}a-1& 0& 0& \dots & 0\\ 0& a-1& 0& \dots & 0\\ ⋮& ⋮& ⋮& & ⋮\\ 0& 0& 0& \dots & a-1\end{array}\right]+\left[\begin{array}{ccccc}1& 1& 1& \dots & 1\\ 1& 1& 1& \dots & 1\\ ⋮& ⋮& ⋮& & ⋮\\ 1& 1& 1& \dots & 1\end{array}\right]$$
  • $A$是对角矩阵，$A$一定与对角矩阵相似
  • $B:n,0,0,\dots ,0$
  • $A:n+a-1,a-1,a-1,\dots ,a-1$

求正交矩阵$Q$使$Q^{-1}AQ=\Lambda$

• 求特征值
• 求特征向量
• 改造特征向量
  • ${\lambda }_i\ne {\lambda }_j$
    • 只需单位化
  • ${\lambda }_i={\lambda }_j$
    • 若已正交，只单位化
    • 若不正交，$Schmidt$正交化
• 构造正交矩阵$Q$
  • $Q^{-1}AQ=Q^{T}AQ=\Lambda$

$Schmidt$正交化

• ${\alpha }_1,{\alpha }_2,{\alpha }_3$无关
• ${\beta }_1={\alpha }_1$
• ${\beta }_2={\alpha }_2-\frac{({\alpha }_2,{\beta }_1)}{({\beta }_1,{\beta }_1)}{\beta }_1$
• ${\beta }_3={\alpha }_3-\frac{({\alpha }_3,{\beta }_1)}{({\beta }_1,{\beta }_1)}{\beta }_1-\frac{({\alpha }_3,{\beta }_2)}{({\beta }_2,{\beta }_2)}{\beta }_2$
• ${\gamma }_i=\frac{{\beta }_i}{|{\beta }_i|}$

---

特征值、特征向量定义

• $A-n$阶，$\alpha$是$n$维非$0$列向量，若$A\alpha =\lambda \alpha$，称$\lambda$是
  矩阵$A$的特征值，$\alpha$是矩阵$A$属于特征值$\lambda$的特征向量。

  • 若$A\alpha =\lambda \alpha$，$\alpha \ne 0$，对$\forall k\ne 0$，有$A(k\alpha )=\lambda (k\alpha )$
  • 若${\alpha }_1,{\alpha }_2$是$A$关于特征值$\lambda$的特征向量，$k_1{\alpha }_1+k_2{\alpha }_2\ne 0$仍是$A$关于特征值$\lambda$的特征向量

• $A\alpha =\lambda \alpha ,\alpha \ne 0$

  • $(\lambda E-A)\alpha =0,\alpha \ne 0$
  • $\alpha$是$(\lambda E-A)x=0$的非零解
  • $|\lambda E-A|=0$求特征值${\lambda }_i$（共$n$个）
  • 由$({\lambda }_{i}E-A)x=0$求基础解系
  • 矩阵$A$属于特征值${\lambda }_i$线性无关的特征向量

• $|\lambda E-A|={\lambda }^3-(a_{11}+a_{22}+a_{33}){\lambda }^2+S\lambda -|A|$

  • $S=\left|\begin{array}{cc}{a}_{11}& a_{12}\\ a_{21}& a_{22}\end{array}\right|+\left|\begin{array}{cc}{a}_{22}& a_{23}\\ a_{32}& a_{33}\end{array}\right|+\left|\begin{array}{cc}{a}_{11}& a_{13}\\ a_{31}& a_{33}\end{array}\right|$
  • 若$r(A)=1$
    • $|\lambda E-A|={\lambda }^3-(a_{11}+a_{22}+a_{33})$${\lambda }^2={\lambda }^2[\lambda -(a_{11}+a_{22}+a_{33})]$
    • ${\lambda }_1=a_{11}+a_{22}+a_{33}$,${\lambda }_2={\lambda }_3=0$
  • 上述结论可以推广到$n$阶
    • ${\lambda }_1=a_{11}+a_{22}+\cdots +a_{nn},{\lambda }_2=\cdots ={\lambda }_n=0$

$A$	$A+kE$	$A^{-1}$	$A^{\ast }$	$A^n$	$P^{-1}AP$
$\lambda$	$\lambda +k$	$\frac{1}{\lambda }$	$\frac{1}{\lambda }/A/$	${\lambda }^n$	$\lambda$
$\alpha$	$\alpha$	$\alpha$	$\alpha$	$\alpha$	$P^{-1}\alpha$

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

---

例题

• ${\alpha }_1,{\alpha }_2$是$A$不同特征值的特征向量，证明${\alpha }_1+{\alpha }_2$不是$A$的特征向量.
• $A-2$阶，${\alpha }_1,{\alpha }_2$二维线性无关，$A{\alpha }_1=0,A{\alpha }_2=2{\alpha }_1+{\alpha }_2$，求$A$的特征值、特征向量.
  • 定义法
  • 相似