1.特征值与特征向量
设
A
A
A是
n
n
n阶矩阵,如果存在数
λ
\lambda
λ和
n
n
n维非零向量
x
x
x,使关系式
A
x
=
λ
x
Ax=\lambda x
Ax=λx
成立,则称
λ
\lambda
λ是
A
A
A的特征值,
x
x
x是
A
A
A对应于特征值
λ
\lambda
λ的特征向量。
定理: 设
n
n
n阶方阵
A
=
(
a
i
j
)
A=(a_{ij})
A=(aij)的特征值为
λ
1
,
λ
2
,
⋯
,
λ
n
\lambda _{1},\lambda _{2},\cdots ,\lambda _{n}
λ1,λ2,⋯,λn,则有:
(
1
)
:
λ
1
+
λ
2
+
⋯
+
λ
n
=
a
11
+
a
22
+
⋯
+
a
n
n
(1):\lambda _{1}+\lambda _{2}+\cdots +\lambda _{n}=a_{11}+a_{22}+\cdots +a_{nn}
(1):λ1+λ2+⋯+λn=a11+a22+⋯+ann
(
2
)
:
λ
1
λ
2
⋯
λ
n
=
∣
A
∣
(2):\lambda _{1}\lambda _{2}\cdots \lambda _{n}=|A|
(2):λ1λ2⋯λn=∣A∣
注意:
a
11
+
a
22
+
⋯
+
a
n
n
a_{11}+a_{22}+\cdots +a_{nn}
a11+a22+⋯+ann称为矩阵
A
A
A的迹,记为
t
r
(
A
)
tr(A)
tr(A)。
方阵
A
A
A可逆的充要条件是:
A
A
A的所有特征值都不为零。
矩阵
A
A
A与
A
T
A^{T}
AT有相同的特征值。
拓展:
若
λ
\lambda
λ是矩阵
A
A
A的特征值,则有以下对应关系:
A
T
→
λ
;
A^{T}\rightarrow \lambda ;
AT→λ;
k
A
→
k
λ
;
kA\rightarrow k\lambda;
kA→kλ;
A
k
→
λ
k
;
A^{k}\rightarrow \lambda ^{k};
Ak→λk;
f
(
A
)
→
f
(
λ
)
f(A)\rightarrow f(\lambda)
f(A)→f(λ),
f
f
f为多项式,特别地
a
A
+
b
E
→
a
λ
+
b
;
aA+bE\rightarrow a\lambda +b;
aA+bE→aλ+b;
A
−
1
→
1
λ
A^{-1}\rightarrow\frac{1}{\lambda}
A−1→λ1(
A
A
A可逆)
A
∗
→
∣
A
∣
λ
A^{*}\rightarrow \frac{|A|}{\lambda }
A∗→λ∣A∣(
A
A
A可逆)
2.相似矩阵性质与定义
设
A
,
B
A,B
A,B都是
n
n
n阶矩阵,若存在可逆矩阵
P
P
P,使得
P
−
1
A
P
=
B
P^{-1}AP=B
P−1AP=B,则称
B
B
B是
A
A
A的相似矩阵,或称
A
A
A与
B
B
B相似,也可以表示为
A
∼
B
A\sim B
A∼B,
P
P
P称为把
A
A
A变成
B
B
B的相似变换矩阵。
相似是矩阵之间的一种关系,它具有以下性质:
(1):反身性:
A
A
A与
A
A
A相似。
(2):对称性:若
A
A
A与
B
B
B相似,则
B
B
B与
A
A
A相似。
(3):传递性:若
A
A
A与
B
B
B相似,
B
B
B与
C
C
C相似,则
A
A
A与
C
C
C相似。
(4):相似矩阵的秩和行列式都相等。
(5):相似矩阵有相同的可逆性,且可逆时其逆也相似。
(6):相似矩阵的同次幂仍相似。
总结: 若
A
∼
B
A\sim B
A∼B,则
A
T
∼
B
T
A^{T}\sim B^{T}
AT∼BT
A
−
1
∼
B
−
1
A^{-1}\sim B^{-1}
A−1∼B−1
A
∗
∼
B
∗
A^{*}\sim B^{*}
A∗∼B∗
a
A
+
b
E
∼
a
B
+
b
E
aA+bE\sim aB+bE
aA+bE∼aB+bE
A
k
∼
B
k
A^{k}\sim B^{k}
Ak∼Bk
A
B
∼
B
A
AB\sim BA
AB∼BA
3.相似矩阵的必要条件
若
A
∼
B
A\sim B
A∼B,则
(1):
∣
A
−
λ
E
∣
=
∣
B
−
λ
E
∣
|A-\lambda E|=|B-\lambda E|
∣A−λE∣=∣B−λE∣
(2):
A
A
A与
B
B
B有相同的特征值
λ
1
,
λ
2
,
⋯
,
λ
n
\lambda _{1},\lambda _{2},\cdots ,\lambda _{n}
λ1,λ2,⋯,λn;
(3):
∣
A
∣
=
∣
B
∣
=
λ
1
λ
2
⋯
λ
n
|A|=|B|=\lambda_{1}\lambda_{2}\cdots \lambda_{n}
∣A∣=∣B∣=λ1λ2⋯λn
(4):
t
r
(
A
)
=
t
r
(
B
)
=
∑
i
=
1
n
λ
i
tr(A)=tr(B)=\sum_{i=1}^{n}\lambda _{i}
tr(A)=tr(B)=∑i=1nλi
(5):
R
(
A
)
=
R
(
B
)
R(A)=R(B)
R(A)=R(B)
4.相似矩阵的充分条件
知识准备:
如果
n
n
n矩阵
A
A
A相似与对角矩阵
Λ
\Lambda
Λ,即
A
∼
Λ
A\sim \Lambda
A∼Λ,则称
A
A
A可相似对角化。
若
A
∼
Λ
,
Λ
∼
B
⇒
A
∼
B
A\sim \Lambda ,\Lambda \sim B\Rightarrow A\sim B
A∼Λ,Λ∼B⇒A∼B
利用相似矩阵的传递性即可证明