线性代数（七）

特征值与特征向量

特征向量

1、实质：所谓的特征向量，实质是将x输入到一个函数中，其结果与x同方向
2、性质：特征值的和等于迹的和，特征值之积等于行列式的值；对称矩阵特征值是实数；n个不同的特征值有n个不同的特征向量，但有重复特征值的情况下不一定有n个不同的特征向量
3、如何推导出特征方程：$(A - \lambda I)x = 0$ 显然，$A - \lambda I$ 必为奇异矩阵，否则会出现特征值与特征向量必为0，因此推导出来特征方程
4、注意：特征值不满足线性关系

应用

1、对角化：A有n个线性无关的特征向量，则$SA{S^{ - 1}} = \Lambda$ ，其中S是A的特征向量组成的矩阵，对角阵由特征值组成。将上式反过来便是矩阵的分解
2、特征值为理解矩阵的幂提供了一种途径，例如求解动态增长问题${F_{k + 1}} = A{F_k}$ ，假设A有n个线性无关的特征向量，将初始值可以写成特征向量的线性分解，之后F任意时刻的值，就只与特征值有关。