前言:
线性代数里面,很多事情可以用秩来刻画:
- 矩阵的可逆性
- 向量组的线性相关性
- 线性方程组是否有解
但是,秩只是矩阵的一个特征:
和秩一样,矩阵的特征值和特征向量都是矩阵的重要性质。本节,我们研究矩阵的特征值和特征向量的定义和求法。
特征值,特征向量的概念,本节针对于方阵的范畴内,后面用于相似矩阵,而相似矩阵被用于将矩阵化为对角阵,从而,可以简化矩阵的计算。
1 矩阵的特征值和特征向量
一个是非零向量X,一个是数λ
如果满足上述条件,就被称为矩阵的特征值和相应的特征向量。
判断A的特征向量:
2 特征值和特征向量的求法:
从定义出发:A是方阵,这个是前提条件,
由于矩阵A和数λ是不能进行计算的,这里常数λ需要乘以一个单位I【也可以写成E】阵然后进行计算。
上面这个式子,不就是一个齐次线性方程了,X是N维度非零向量,(A-λI)为齐次线性方程组的系数矩阵。
【含了我们研究的矩阵,记住,我们的主要目的是研究矩阵】,那么,上面齐次线性方程的有非零解(因为X我们要求是非零向量)+ 0 肯定是齐次线性方程的解,也就是解不唯一,那么这个齐次线性方程的向量的系数矩阵的秩
应该小于未知数向量的个数。
而,秩就是齐次线性方程的系数矩阵的非零子式的最高阶数。也就是,系数矩阵的非零子式的最高阶数<未知数向量的个数,依据行列式性质,该行列式应该为0.
【因为是齐次方程,未知数的系数矩阵如果不为0,秩和未知数的个数就应该相等,那就是会有某个行上对应的非零未知数(已知条件是非零)的非零系数的方程的计算结果为0了,这是矛盾的。】
另外:【齐次线性方程组有非零解的充分必要条件就是未知数的系数】
总之,
这样有两个充分必要结论:
- 该方程为特征方程
- 满足上述系数行列式为0的方程【特征方程】的数λ为特征值
- 由特征值λ和这个齐次线性方程【特征方程】解出的非零向量解,为A对应λ的特征向量。
求这个特征值,就应该先求出这个特征方程,
然后,我们求特征向量,
求特征向量:
就是求这个齐次线性方程的非零解:
【案,笔者的计算详细一点如下】
X2是自由变量,令X2=1
X1 + 0 = 0 ,X1 =0,那么基础解系是,[0,1]
【案,笔者计算为1,0,不过0,1只需要行变换一下】
同样,
已经是阶梯阵
那么,右边的未知数为自由变量,也就是X2,
令X2=1,
-X1+X2 =0,X2=1,X1=1
那么基础解系是【1,1】
又因为是非零解,C不等于0
A如果有特征值,和特征向量,那么,已经定义,满足如下的特征方程:
也就是,如下,
【案,将这个行列式展开】
上面这个就是先把λ乘以单位阵I,然后,再进行初等行运算,
按第一列展开
这样求出特征值,然后,我们求特征向量,代入λ,就是齐次线性方程组的系数矩阵如下,
然后,进行初等行变换,化为阶梯阵
自由变量选取,(X2已经在阶梯阵头,不是自由变量)阶梯阵上的变量不能选,那么只能选他两边的变量
也就是X1,X3
【不同时为0,因为是非零解】
【重要结论】
- 把矩阵的对角线相加为-3,正好等于所有特征值的和,迹【A的对角数的和】,
- 所有特征值的相乘,正好为行列式的值,就是韦达定理。
- 韦达定理,就是一元二次方程根与系数关系
【这一题,我们利用上面的规律,把特征值乘积求出来,就可以得出这个行列式的值了】
A和A逆的特征值的关系是倒数关系,所以,直接写出了。
然后,我们研究A逆 +I的关系,
A可逆的充分必要条件是她的行列式不等于0,依据定义0不是特征值