线性代数之特征值和特征向量

1. 特征值、特征向量

1.1 定义

设$A$是$n$阶矩阵,如果存在一个数$\lambda$及非零的$n$维列向量$\alpha$,使得

$$A\alpha =\lambda \alpha$$

成立,则称$\lambda$是矩阵$A$的一个特征值,称非零向量$\alpha$是矩阵$A$属于特征值$\lambda$的一个特征向量.
由定义$A\alpha =\lambda \alpha 且\alpha \ne 0$，即$(\lambda E-A)\alpha =0,a\ne 0$可见特征向量$\alpha$是齐次方程组$(\lambda E-A)x=0$的非零解.

1.2 特征多项式和特征方程

设$A=[a_{ij}]$是一个$n$阶矩阵,则行列式
$$|\lambda E-A|=\left|\begin{array}{cccc}\lambda -a_{11}& -a_{12}& \cdots & -a_{1n}\\ -a_{21}& \lambda -a_{22}& \cdots & -a_{2n}\\ ⋮& ⋮& ⋮& \\ -a_{n1}& a_{n2}& \cdots & \lambda -a_{nn}\end{array}\right|$$
为矩阵$A$的特征多项式,$|\lambda E-A|=0$成为$A$的特征方程

1.3 求特征值,特征向量的方法:

1. 先由$|\lambda E-A|=0$求矩阵A的特征值${\lambda }_i$(共$n$个).再由$(\lambda E-A)x=0$求基础解系,即矩阵$A$属于特征值${\lambda }_i$的线性无关的特征向量.
2. 用定义$A\alpha =\lambda \alpha$推理分析.

1.4 定理

定理
定理如果${\alpha }_1,{\alpha }_2,\cdots ,{\alpha }_i$都是矩阵$A$的属于特征值$\lambda$的特征向量,那么当$k_1{\alpha }_1+k_2{\alpha }_2+\cdots +k_i{\alpha }_i$非零时,$k_1{\alpha }_1+k_2{\alpha }_2+\cdots +k_i{\alpha }_i$是矩阵$A$的属于特征值$\lambda$的特征向量

定理
如果${\lambda }_1,{\lambda }_2,\cdots ,{\lambda }_i$是矩阵A的互不相同的特征值,${\alpha }_1,{\alpha }_2,\cdots ,{\alpha }_i$分别是与之对应的特征向量,则${\alpha }_1,{\alpha }_2,\cdots ,{\alpha }_i$线性无关.

定理
设$A$是$n$阶矩阵,${\lambda }_1,{\lambda }_2,\cdots ,{\lambda }_n$是矩阵A的特征值,则

1. $\sum {\lambda }_i=\sum a_{ii}$
2. $|A|=\prod {\lambda }_i$

定理
设$A\alpha =\lambda \alpha$,则:

1. $(A+kE)\alpha =(\lambda +k)\alpha$
2. $A^2\alpha ={\lambda }^2\alpha$

2. 相似矩阵

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$A$相似于$B$,记成$A～B$.
若$A～\Lambda$,其中$\Lambda$是对角阵,则称$A$可相似对角化.$\Lambda$是$A$的相似标准形.根据相似的定义,可知
性质

1. $A～A$,反身性.
2. 若$A～B\Rightarrow B\sim A$,对称性.
3. 若$A\sim B,B\sim C\Rightarrow A\sim C$,传递性.

两个矩阵相似的必要条件
$A\sim B\{\begin{array}{l}\Rightarrow (1)特征多项式相同,即|\lambda E-A|=|\lambda E-B|;\\ \Rightarrow (2)r(A)=r(B);\\ \Rightarrow (3)A,B有相同的特征值;\\ \Rightarrow (4)|A|=|B|={\prod }_{i=1}^n{\lambda }_i;\\ \Rightarrow (5)\sum {\lambda }_i=\sum a_{ii}=\sum b_{ii}\end{array}$

由此$A\sim B$可以推出
$A^n\sim B^n$
$A+kE\sim B+kE$
$A可逆A^{-1}\sim B^{-1}$

定理 $n$阶方阵$A$可对角化的充分必要条件是$A$有$n$个线性无关的特征向量.
推论 若$n$阶矩阵$A$有$n$个不同的特征值${\lambda }_1,{\lambda }_2,\cdots ,{\lambda }_n$.则$A$可相似对角化,且

定理 $n$阶矩阵$A$可相似对角化的充分必要条件是$A$的每个特征值中,线性无关的特征向量的个数恰好等于该特征值的重数.即
$A\sim \Lambda \Rightarrow {\lambda }_i是A的n_i重特征值,则{\lambda }_i有n个线性无关的特征向量$
$\Rightarrow 秩r({\lambda }_{i}E-A)=n-n_i,{\lambda }_i为n_i重特征值$

$n_i=n-r({\lambda }_{i}E-A)$通常用于判断矩阵是否可以相似对角化

3. 实对称矩阵

如果有$n$阶矩阵$A$，其矩阵的元素都为实数，且矩阵A的转置等于其本身$(a_{ij}=a_{ji})$，($i$,$j$为元素的脚标），则称$A$为实对称矩阵。

定理 实对称矩阵必可相似对角化.
定理 实对称矩阵的属于不同特征值对应的特征向量相互正交.
定理 设$A$为$n$阶实对称矩阵,则必存在正交阵$Q$,使得$Q^{-1}AQ=Q^{T}AQ=\Lambda$.

正交矩阵（英语：orthogonal matrix）是一个方块矩阵$Q$，其元素为实数，而且行向量与列向量皆为正交的单位向量，使得该矩阵的转置矩阵为其逆矩阵：
$Q^T=Q^{-1}=Q^{T}Q=Q{Q}^T=E$
同时$|A|=\pm 1$