特征值、特征向量、对角化

特征值、特征向量、对角化

$\mathbf{A}=\mathbf{S\Lambda }{\mathbf{S}}^{-1}$

如果矩阵$\mathbf{A}$具有 n 个线性无关的特征向量，就可以将它们作为列向量可以组成一个可逆方阵$\mathbf{S}$，将矩阵$\mathbf{A}$的特征值组成对角矩阵$\mathbf{\Lambda }$，则有
$$\begin{array}{r}\mathbf{A}=\mathbf{S\Lambda }{\mathbf{S}}^{-1}\end{array}$$

特征值与特征向量

（这大概是一个矩阵最核心的东西了吧）

简略的定义：对于某个$\mathbf{x}$，有$\mathbf{Ax}=\lambda \mathbf{x}$，则$\lambda$是矩阵$\mathbf{A}$的一个特征值，$\mathbf{x}$是矩阵$\mathbf{A}$的一个特征向量。

求解特征值

首先不予证明的列出两条性质：

• 矩阵对角线元素的和 = 特征值之和
• 矩阵行列式的值 = 特征值之积

不难发现他们的形式有些类似于韦达定理，感兴趣的朋友可以自行推导一下这两条性质。

下面给出求解特征值的一般方法：
$$\begin{array}{rl}\mathbf{Ax}& =\lambda \mathbf{x}\\ (\mathbf{A}-\lambda \mathbf{I})\mathbf{x}& =0\\ \because \mathbf{x}\mathbf{不为}& 0\mathbf{向量}\\ \therefore (\mathbf{A}-\lambda \mathbf{I})& \mathbf{是奇异矩阵}\\ \left|(\mathbf{A}-\lambda \mathbf{I})\right|& =0\end{array}$$
以一个二阶方阵为例：
$$\begin{array}{rl}\mathbf{A}& =\left(\begin{array}{cc}3& 1\\ 1& 3\end{array}\right)\\ & \\ \left|(\mathbf{A}-\lambda \mathbf{I})\right|& =0\\ \left|\begin{array}{cc}3-\lambda & 1\\ 1& 3-\lambda \end{array}\right|& ={\lambda }^2-6\lambda +8=0\\ 解得：\{\begin{array}{c}{\lambda }_1=4\\ {\lambda }_2=2\end{array}& \\ & \\ 求解特征向量：(\mathbf{A}-{\lambda }_1\mathbf{I}){\mathbf{x}}_1& =0\\ \left(\begin{array}{cc}-1& 1\\ 1& -1\end{array}\right){\mathbf{x}}_1& =0\\ {\mathbf{x}}_1& =(1,1{)}^{\mathbf{T}}\\ & \\ (\mathbf{A}-{\lambda }_2\mathbf{I}){\mathbf{x}}_2& =0\\ {\mathbf{x}}_2& =(-1,1{)}^{\mathbf{T}}\end{array}$$

对角化

以上述矩阵$\mathbf{A}$为例：
$$\begin{array}{rl}\mathbf{A}& =\mathbf{S\Lambda }{\mathbf{S}}^{-1}\\ & =\underset{\mathbf{S}}{\left(\begin{array}{cc}1& -1\\ 1& 1\end{array}\right)}\underset{\mathbf{\Lambda }}{\left(\begin{array}{cc}4& 0\\ 0& 2\end{array}\right)}\underset{{\mathbf{S}}^{-1}}{\left(\begin{array}{cc}0.5& 0.5\\ -0.5& 0.5\end{array}\right)}\end{array}$$

应用

对角化可被用来有效的计算矩阵$\mathbf{A}$的幂，假如矩阵是可对角化的，则有下式成立：
$$\begin{array}{rl}\mathbf{A}& =\mathbf{S\Lambda }{\mathbf{S}}^{-1}\\ {\mathbf{A}}^{\mathbf{k}}& =\mathbf{S}{\mathbf{\Lambda }}^{\mathbf{k}}{\mathbf{S}}^{-1}\end{array}$$