矩阵变化后特征值如何变化？

让我们探讨矩阵经过各种变换后，其特征值将如何变化。设A是一个方阵，其特征值为λᵢ，对应的特征向量为vᵢ，满足 $A{v}_i={\lambda }_i{v}_i$。

1. 求逆:

• 变换: A⁻¹ (假设A可逆)
• 特征值变化: 如果λᵢ是A的特征值，那么1/λᵢ是A⁻¹的特征值。特征向量保持不变。
• 证明: 因为 $$A{v}_i={\lambda }_i{v}_i$$，如果A可逆，我们可以两边同时左乘A⁻¹：$A^{-1}A{v}_i=A^{-1}{\lambda }_i{v}_i\Rightarrow v_i={\lambda }_i{A}^{-1}{v}_i\Rightarrow A^{-1}{v}_i=\frac{1}{{\lambda }_i}{v}_i$ 这表明 1/λᵢ 是 A⁻¹ 的特征值，对应的特征向量仍然是 vᵢ。

2. 转置:

• 变换: Aᵀ
• 特征值变化: A和Aᵀ具有相同的特征值。 但是，特征向量通常不同。
• 证明: 这需要更深入的讨论，通常涉及到A的特征多项式与其转置的特征多项式相同，而特征多项式的根即为特征值。

3. 伴随矩阵:

• 变换: adj(A) (伴随矩阵)
• 特征值变化: 如果λᵢ是A的特征值 (且A可逆)，则 |A|/λᵢ 是adj(A)的特征值，其中|A|表示A的行列式。 如果A不可逆，情况较为复杂。
• 证明: 这基于关系式 $A^{-1}=\frac{1}{|A|}adj(A)$。 结合求逆变换的结果即可推导。

4. 次方:

• 变换: Aᵏ (k为整数)
• 特征值变化: 如果λᵢ是A的特征值，则λᵢᵏ是Aᵏ的特征值。特征向量保持不变。
• 证明: 通过数学归纳法易证。 例如，$A^2{v}_i=A(A{v}_i)=A({\lambda }_i{v}_i)={\lambda }_i(A{v}_i)={\lambda }_i({\lambda }_i{v}_i)={\lambda }_i^2{v}_i$

5. 多项式:

• 变换: p(A)，其中p(x)是多项式
• 特征值变化: 如果λᵢ是A的特征值，则p(λᵢ)是p(A)的特征值。特征向量保持不变。
• 证明: 这可以从A的特征值和特征向量的定义以及多项式的性质直接推导出来。

6. 加单位矩阵:

• 变换: A + I (I是单位矩阵)
• 特征值变化: 如果λᵢ是A的特征值，则λᵢ + 1是A + I的特征值。特征向量保持不变。
• 证明: $(A+I)v_i=A{v}_i+I{v}_i={\lambda }_i{v}_i+v_i=({\lambda }_i+1)v_i$

总结: 特征值的变化与矩阵变换的类型密切相关。 在大多数情况下，特征向量保持不变，而特征值则根据特定的变换规则进行变化。 需要注意的是，以上结论中，A的某些性质（例如可逆性）可能对结果产生影响。 对于更复杂的变换，需要根据具体情况进行分析。