跟我一起数据挖掘（12）——特征值和特征向量

矩阵的特征值和特征向量

设是一个阶方阵，是一个数，如果方程

                                                               (1)

存在非零解向量，则称为的一个特征值，相应的非零解向量称为属于特征值的特征向量．

   （1）式也可写成，

                                                           (2)

这是个未知数个方程的齐次线性方程组，它有非零解的充分必要条件是系数行列式

                         ,                                    (3)

 即                            

     上式是以为未知数的一元次方程，称为方阵的特征方程． 其左端是的次多项式，记作，称为方阵的特征多项式．

      ==  

           =

显然，的特征值就是特征方程的解．特征方程在复数范围内恒有解，其个数为方程的次数（重根按重数计算），因此，阶矩阵有个特征值．

设阶矩阵的特征值为由多项式的根与系数之间的关系，不难证明

（ⅰ）

（ⅱ）

若为 的一个特征值，则一定是方程的根, 因此又称特征根，若为方程的重根，则称为的重特征根．方程 的每一个非零解向量都是相应于的特征向量，于是我们可以得到求矩阵的全部特征值和特征向量的方法如下：

     第一步：计算的特征多项式；

     第二步：求出特征方程的全部根，即为的全部特征值；

     第三步：对于的每一个特征值，求出齐次线性方程组：

                      

的一个基础解系，则的属于特征值的全部特征向量是

          （其中是不全为零的任意实数）．

使用matlab求特征值和特征向量

>>clc;clear;close; 
>>A=[3,-1,-2;2,0,-2;2,-1,-1]; 
>>[X,B]=eig(A) %求矩阵A的特征值和特征向量,其中B的对角线元素是特征值, 
%X的列是相应的特征向量 最后的结果是:
X =
    0.7276   -0.5774    0.6230
    0.4851   -0.5774   -0.2417
    0.4851   -0.5774    0.7439
B =
    1.0000         0         0
         0    0.0000         0
         0         0    1.0000

关于特征值和特征向量的定理

定理1  属于不同特征值的特征向量一定线性无关.

相似矩阵

设、都是阶方阵，若存在满秩矩阵， 使得

                     

则称与相似，记作 ，且满秩矩阵称为将变为的相似变换矩阵．

“相似”是矩阵间的一种关系，这种关系具有如下性质：

⑴ 反身性：～ ；

⑵ 对称性：若 ～ ，则～ ；

⑶ 传递性：若～， ～ ，则～． 

相似矩阵还具有下列性质：

相似矩阵有相同的特征多项式，因而有相同的特征值.

对角化这个概念是针对矩阵而言的，并且矩阵的对角化源自于线形变换的化简，所以最好先知道线性变换和线性变换与矩阵的对应关系。

设一线性变换a，在基m下的矩阵为A，在基n下的矩阵为B，m到n的过渡矩阵为X，

那么可以证明：B=X-1AX

那么定义：A，B是2个矩阵。如果存在可逆矩阵X，满足B=X-1AX ，那么说A与B是相似的(是一种等价关系)。

如果存在可逆矩阵X使A与一个对角矩阵B相似，那么说A可对角化。

相应的，如果线性变换a在基m下的矩阵为A，并且A相似于对角矩阵B，那么令X为过渡矩阵即可求出基n，并且在n下线性变换a的矩阵为对角矩阵，从而达到了化简。