特征值与特征向量

特征值与特征向量

  • 特征值
    • 定义
      • AAnn方阵。如果存在常数 λ\lambda 和非零向量 x\boldsymbol x 使得 Ax=λxA\boldsymbol x=\lambda\boldsymbol x,则 λ\lambdaAA 的一个特征值,x\boldsymbol xAA 的一个属于特征值 λ\lambda 的特征向量。
      • nn 阶方阵有 nn 个特征值(可能相同),每个特征值的特征向量都有无穷多个。
    • 求解
      • Ax=λx    (λIA)x=0A\boldsymbol x=\lambda\boldsymbol x\iff (\lambda I-A)\boldsymbol x=\boldsymbol 0
      • 若以上方程有非零解,则需要 N(λIA){0}N(\lambda I-A)\ne \{\boldsymbol 0\},则 λIA=0|\lambda I-A|=0,此方程的根就是 AA 的特征值。
      • 对于每个特征值 λ\lambdaN(λIA){0}N(\lambda I-A)\setminus\{\boldsymbol 0\} 就是AA 的属于特征值 λ\lambda 的特征向量集合。
      • λIA|\lambda I-A| 称为 AA 的特征多项式,λIA=0|\lambda I-A|=0 称为 AA 的特征方程。
    • 性质
      • 零矩阵的特征值全为 00
      • 单位矩阵的特征值全为 11
      • 矩阵的属于不同特征值的特征向量线性无关。
      • λ\lambda 是方阵 AA 的特征值,x\boldsymbol xAA 的一个属于特征值 λ\lambda 的特征向量:
        • k\forall kkλk\lambdakAkA 的特征值,x\boldsymbol x 是其特征向量;
        • mN\forall m\in \mathrm N^*λm\lambda^mAmA^m 的特征值,x\boldsymbol x 是其特征向量;
        • p(x)p(x) 是一个多项式,则 p(λ)p(\lambda)p(A)p(A) 的特征值,x\boldsymbol x 是其特征向量;
        • AA 可逆,则 1λ\frac{1}{\lambda}AmA^m 的特征值,x\boldsymbol x 是其特征向量;
        • AA 可逆,则 Aλ\frac{|A|}{\lambda}AA^* 的特征值,x\boldsymbol x 是其特征向量;
        • 总体上,对于 AA 的任意形式,其特征值就是把该形式中的 AA 替换成 λ\lambdaA|A| 不替换),x\boldsymbol x 仍是其特征向量。
      • λ1,λ2,,λn\lambda_1,\lambda_2,\dots,\lambda_nnn 阶方阵 AA 的特征值:
        • tr(A)=λ1+λ2++λn=a11+a22++anntr(A)=\lambda_1+\lambda_2+\cdots+\lambda_n=a_{11}+a_{22}+\cdots+a_{nn};
        • A=λ1λ2λn|A|=\lambda_1\lambda_2\cdots\lambda_n
          • 如果要求一个包含 AA 的多项式的行列式(包括 A1A^{-1}AA^*),则可以求出 AA 的全部特征值,再计算得出多项式的全部特征值,最后相乘。
          • 33 阶方阵 AA 的特征值为 λ1=1,λ2=2,λ3=2\lambda_1=1,\lambda_2=-2,\lambda_3=2,求 A32A2+6I|A^3-2A^2+6I|
            • p(x)=x32x2+6p(x)=x^3-2x^2+6,则 p(λ1)=5,p(λ2)=10,p(λ3)=6p(\lambda_1)=5,p(\lambda_2)=-10,p(\lambda_3)=6p(A)=A32A2+6Ip(A)=A^3-2A^2+6I 的特征值。
            • A32A2+6I=p(A)=p(λ1)p(λ2)p(λ3)=300|A^3-2A^2+6I|=|p(A)|=p(\lambda_1)p(\lambda_2)p(\lambda_3)=-300
      • AAATA^{\mathrm T} 有相同的特征值。
      • 三角矩阵的对角元是其全部的特征值。
  • 谱半径
    • 定义
      • 已知 nn 阶方阵,定义谱半径为 ρ(A)=maxλx=Ax{λ}\rho(A) = \max\limits_{\lambda \boldsymbol x=A \boldsymbol x} \{\lambda \}
    • 性质
      • 2-范数A2=λmax(ATA)=ρ(ATA)||A||_2 = \displaystyle\sqrt{\lambda_{\max}(A^{\mathrm T}A)} = \sqrt{\rho(A^{\mathrm T}A)}
        • 如果 AA 对称,A2=ρ(A)||A||_2 = \rho(A)
      • 设矩阵序列 I,A,A2,A3,,An,I,A,A^2,A^3,\dots,A^n,\dotslimn+An=0    ρ(A)<1\lim\limits_{n \to +\infty} A^n = 0 \iff \rho(A) < 1