在上一节我们提出了对于矩阵求幂的运算,关键在于找到一个可逆矩阵P,使得A可以化成对角矩阵D。而这个逆矩阵能否找到,就在于能不能找到n个线性无关的向量满足: A a i = λ i a i Aa_{i}=\lambda_{i}a_{i} Aai=λiai
对于这个式子,我们引入了一个专门的概念来求解这其中的λ和列向量。
1 特征值与特征向量
如果对于矩阵A来说,有非零列向量使得:
A
a
=
λ
0
a
那
么
我
们
称
λ
0
是
A
的
一
个
特
征
值
,
列
向
量
a
是
A
的
对
应
于
λ
0
的
一
个
特
征
向
量
Aa=\lambda_{0}a \\ \ \\ 那么我们称\lambda_{0}是A的一个特征值,列向量a是A的对应于\lambda_{0}的一个特征向量
Aa=λ0a 那么我们称λ0是A的一个特征值,列向量a是A的对应于λ0的一个特征向量
2 特征值/特征向量的求法
对公式进行以下变换:
A
a
=
λ
0
a
=
>
A
a
−
λ
0
a
=
0
=
>
A
a
−
λ
0
I
a
=
0
=
>
a
(
A
−
λ
0
I
)
=
0
Aa=\lambda_{0}a \\=>Aa-\lambda_{0}a=0\\=>Aa-\lambda_{0}Ia=0\\=>a(A-\lambda_{0}I)=0
Aa=λ0a=>Aa−λ0a=0=>Aa−λ0Ia=0=>a(A−λ0I)=0
对以上这个式子来说,要么a=0,要么A−λ0I=0.由于我们限定了a不能为零向量,那么对于
(
A
−
λ
0
I
)
=
0
两
边
同
时
取
行
列
式
∣
(
A
−
λ
0
I
)
∣
=
0
(A-\lambda_{0}I)=0\\两边同时取行列式|(A-\lambda_{0}I)|=0
(A−λ0I)=0两边同时取行列式∣(A−λ0I)∣=0
即λ是满足以上等式的一个解,同时,若我们将λ求出,代入原式,则向量a则是线性方程组:
(
A
−
λ
0
I
)
=
0
(A-\lambda_{0}I)=0
(A−λ0I)=0的非零解,且,有多少个特征值,就有多少个特征向量。
3 求解实例
3 总结
由特征值和特征向量的定义和求解方式,我们可以知道,n阶矩阵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。此时我们要找的可逆矩阵P符合:
P
=
[
a
1
,
a
2
.
.
.
.
.
a
n
]
P=[a_{1},a_{2}.....a_{n}]
P=[a1,a2.....an]
所以也有:
P
−
1
A
P
=
d
i
a
g
{
λ
1
,
λ
2
.
.
.
.
.
λ
n
}
P^{-1}AP=diag\{\lambda_{1},\lambda_{2}.....\lambda_{n}\}
P−1AP=diag{λ1,λ2.....λn}