线性代数复习：矩阵的特征值与特征向量

1.特征值与特征向量

设$A$是$n$阶矩阵，如果存在数$\lambda$和$n$维非零向量$x$，使关系式
$Ax=\lambda x$
成立，则称$\lambda$是$A$的特征值，$x$是$A$对应于特征值$\lambda$的特征向量。
定理: 设$n$阶方阵$A=(a_{ij})$的特征值为${\lambda }_1,{\lambda }_2,\cdots ,{\lambda }_n$,则有：
$(1):{\lambda }_1+{\lambda }_2+\cdots +{\lambda }_n=a_{11}+a_{22}+\cdots +a_{nn}$
$(2):{\lambda }_1{\lambda }_2\cdots {\lambda }_n=|A|$
注意：
$a_{11}+a_{22}+\cdots +a_{nn}$称为矩阵$A$的迹，记为$tr(A)$。
方阵$A$可逆的充要条件是:$A$的所有特征值都不为零。
矩阵$A$与$A^T$有相同的特征值。
拓展:
若$\lambda$是矩阵$A$的特征值，则有以下对应关系：
$A^T\to \lambda ;$
$kA\to k\lambda ;$
$A^k\to {\lambda }^k;$
$f(A)\to f(\lambda )$,$f$为多项式,特别地$aA+bE\to a\lambda +b；$
$A^{-1}\to \frac{1}{\lambda }$($A$可逆)
$A^{\ast }\to \frac{|A|}{\lambda }$($A$可逆)

2.相似矩阵性质与定义

设$A,B$都是$n$阶矩阵，若存在可逆矩阵$P$,使得$P^{-1}AP=B$,则称$B$是$A$的相似矩阵，或称$A$与$B$相似，也可以表示为$A\sim B$,$P$称为把$A$变成$B$的相似变换矩阵。
相似是矩阵之间的一种关系，它具有以下性质:
(1):反身性:$A$与$A$相似。
(2):对称性:若$A$与$B$相似，则$B$与$A$相似。
(3):传递性:若$A$与$B$相似,$B$与$C$相似，则$A$与$C$相似。
(4):相似矩阵的秩和行列式都相等。
(5):相似矩阵有相同的可逆性，且可逆时其逆也相似。
(6):相似矩阵的同次幂仍相似。

总结: 若$A\sim B$,则
$A^T\sim B^T$
$A^{-1}\sim B^{-1}$
$A^{\ast }\sim B^{\ast }$
$aA+bE\sim aB+bE$
$A^k\sim B^k$
$AB\sim BA$

3.相似矩阵的必要条件

若$A\sim B$,则
(1):$|A-\lambda E|=|B-\lambda E|$
(2):$A$与$B$有相同的特征值${\lambda }_1,{\lambda }_2,\cdots ,{\lambda }_n$;
(3):$|A|=|B|={\lambda }_1{\lambda }_2\cdots {\lambda }_n$
(4):$tr(A)=tr(B)={\sum }_{i=1}^n{\lambda }_i$
(5):$R(A)=R(B)$

4.相似矩阵的充分条件

知识准备:
如果$n$矩阵$A$相似与对角矩阵$\Lambda$,即$A\sim \Lambda$,则称$A$可相似对角化。

若$A\sim \Lambda ,\Lambda \sim B\Rightarrow A\sim B$
利用相似矩阵的传递性即可证明