【考研数学】线性代数第五章 —— 特征值和特征向量(2,特征值与特征向量的性质)

文章目录

  • 引言
  • 二、特征值与特征向量的性质
    • 2.1 一般性质
    • 2.2 实对称矩阵特征值与特征向量的性质
  • 写在最后


引言

承接前文,了解了一些基本概念后,我们来继续学习有关特征值和特征向量的内容。


二、特征值与特征向量的性质

2.1 一般性质

定理 1 —— 设 A \pmb{A} A n n n 阶矩阵, λ 1 , λ 2 , ⋯   , λ n \lambda_1,\lambda_2,\cdots,\lambda_n λ1,λ2,,λn A \pmb{A} A 的特征值,则有:

(1) λ 1 + λ 2 + ⋯ + λ n = t r ( A ) ; \lambda_1+\lambda_2+\cdots+\lambda_n=tr(\pmb{A}); λ1+λ2++λn=tr(A);

(2) λ 1 λ 2 ⋯ λ n = ∣ A ∣ . \lambda_1\lambda_2\cdots\lambda_n=|\pmb{A}|. λ1λ2λn=A∣.

A \pmb{A} A 可逆,则 ∣ A ∣ ≠ 0 |\pmb{A}| \ne 0 A=0 ,可知 A \pmb{A} A 的特征值均不为 0 。

定理 2 —— 设 A \pmb{A} A n n n 阶矩阵, λ 0 \lambda_0 λ0 A \pmb{A} A k k k 阶特征值,则

(1)若 k = 1 k=1 k=1 ,即 λ 0 \lambda_0 λ0 为单特征值,则属于特征值 λ 0 \lambda_0 λ0 的线性无关的特征向量只有一个。

(2)若 k > 1 k>1 k>1 ,则属于特征值 λ 0 \lambda_0 λ0 的线性无关的特征向量个数不超过 k k k 个。

言下之意就是说,一个特征值对应多个特征向量,这些特征向量有些相关,有些无关。
实际上,一个特征值对应于无数个特征向量。

定理 3 —— 设 A \pmb{A} A n n n 阶矩阵,且 A α = λ 0 α \pmb{A\alpha}=\lambda_0\pmb{\alpha} Aα=λ0α α \pmb{\alpha} α 为非零向量), f ( x ) = a n x n + a n − 1 x n − 1 + ⋯ + a 1 x + a 0 f(x)=a_nx^n+a_{n-1}x^{n-1}+\cdots+a_1x+a_0 f(x)=anxn+an1xn1++a1x+a0 ,令 f ( A ) = a n A n + ⋯ + a 1 A + a 0 E f(\pmb{A})=a_n\pmb{A}^n+\cdots+a_1\pmb{A}+a_0\pmb{E} f(A)=anAn++a1A+a0E ,则

(1)若 A \pmb{A} A 可逆,则有 A − 1 α = 1 λ 0 α \pmb{A^{-1}\alpha}=\frac{1}{\lambda_0}\pmb{\alpha} A1α=λ01α ,即 1 / λ 0 1/\lambda_0 1/λ0 A − 1 \pmb{A}^{-1} A1 的特征值, α \pmb{\alpha} α A − 1 \pmb{A}^{-1} A1 的特征向量;

(2)若 A \pmb{A} A 可逆,则有 A ∗ α = ∣ A ∣ λ 0 α \pmb{A^{*}\alpha}=\frac{|\pmb{A}|}{\lambda_0}\pmb{\alpha} Aα=λ0Aα ,即 ∣ A ∣ / λ 0 |\pmb{A}|/\lambda_0 A∣/λ0 A ∗ \pmb{A}^{*} A 的特征值, α \pmb{\alpha} α A ∗ \pmb{A}^{*} A 的特征向量;

(3) f ( A ) α = f ( λ 0 ) α f(\pmb{A})\pmb{\alpha}=f(\lambda_0)\pmb{\alpha} f(A)α=f(λ0)α ,即 f ( λ 0 ) f(\lambda_0) f(λ0) f ( A ) f(\pmb{A}) f(A) 的特征值, α \pmb{\alpha} α f ( A ) f(\pmb{A}) f(A) 的特征向量。

定理 4 —— 设 A \pmb{A} A n n n 阶矩阵,则 A \pmb{A} A 的不同特征值对应的特征向量线性无关。

证明: λ 1 ≠ λ 2 \lambda_1 \ne \lambda_2 λ1=λ2 A \pmb{A} A 的两个不同特征值, λ 1 \lambda_1 λ1 对应的线性无关的特征向量为 ξ 1 , ξ 2 , ⋯   , ξ r \pmb{\xi_1,\xi_2,\cdots,\xi_r} ξ1,ξ2,,ξr λ 2 \lambda_2 λ2 对应的线性无关的特征向量为 η 1 , η 2 , ⋯   , η s \pmb{\eta_1,\eta_2,\cdots,\eta_s} η1,η2,,ηs ,令 k 1 ξ 1 + k 2 ξ 2 + ⋯ + k r ξ r + l 1 η 1 + l 2 η 2 + ⋯ + l s η s = 0 (1) k_1\xi_1+k_2\xi_2+\cdots+k_r\xi_r+l_1\eta_1+l_2\eta_2+\cdots+l_s\eta_s=\pmb{0}\tag{1} k1ξ1+k2ξ2++krξr+l1η1+l2η2++lsηs=0(1) A ξ 1 = λ 1 ξ 1 , A ξ 2 = λ 1 ξ 2 , ⋯   , A ξ r = λ 1 ξ r , A η 1 = λ 2 η 1 , A η 2 = λ 2 η 2 , ⋯   , A η s = λ 2 η s \pmb{A\xi_1}=\lambda_1\pmb{\xi_1},\pmb{A\xi_2}=\lambda_1\pmb{\xi_2},\cdots,\pmb{A\xi_r}=\lambda_1\pmb{\xi_r},\pmb{A\eta_1}=\lambda_2\pmb{\eta_1},\pmb{A\eta_2}=\lambda_2\pmb{\eta_2},\cdots,\pmb{A\eta_s}=\lambda_2\pmb{\eta_s} Aξ1=λ1ξ1,Aξ2=λ1ξ2,,Aξr=λ1ξr,Aη1=λ2η1,Aη2=λ2η2,,Aηs=λ2ηs ,将 (1) 两边左乘 A \pmb{A} A λ 1 ( k 1 ξ 1 + k 2 ξ 2 + ⋯ + k r ξ r ) + λ 2 ( l 1 η 1 + l 2 η 2 + ⋯ + l s η s ) = 0 (2) \lambda_1(k_1\xi_1+k_2\xi_2+\cdots+k_r\xi_r)+\lambda_2(l_1\eta_1+l_2\eta_2+\cdots+l_s\eta_s)=\pmb{0}\tag{2} λ1(k1ξ1+k2ξ2++krξr)+λ2(l1η1+l2η2++lsηs)=0(2) (2) - (1) × λ 2 \times\lambda_2 ×λ2 ( λ 1 − λ 2 ) ( k 1 ξ 1 + k 2 ξ 2 + ⋯ + k r ξ r ) = 0 (\lambda_1-\lambda_2)(k_1\xi_1+k_2\xi_2+\cdots+k_r\xi_r)=\pmb{0} (λ1λ2)(k1ξ1+k2ξ2++krξr)=0 ,由 λ 1 ≠ λ 2 \lambda_1 \ne \lambda_2 λ1=λ2 可得 k 1 ξ 1 + k 2 ξ 2 + ⋯ + k r ξ r = 0 k_1\xi_1+k_2\xi_2+\cdots+k_r\xi_r=\pmb{0} k1ξ1+k2ξ2++krξr=0 ,由线性无关可得 k 1 = k 2 = ⋯ = k r = 0 k_1=k_2=\cdots=k_r=0 k1=k2==kr=0 ,同理, l 1 = l 2 = ⋯ = l s = 0 l_1=l_2=\cdots=l_s=0 l1=l2==ls=0 ,故 ξ 1 , ξ 2 , ⋯   , ξ r , η 1 , η 2 , ⋯   , η s \pmb{\xi_1,\xi_2,\cdots,\xi_r},\pmb{\eta_1,\eta_2,\cdots,\eta_s} ξ1,ξ2,,ξr,η1,η2,,ηs 线性无关。

定理 5 —— 设 A \pmb{A} A n n n 阶矩阵,则 A \pmb{A} A 可相似对角化(或与对角矩阵相似)的充分必要条件是 A \pmb{A} A n n n 个线性无关的特征向量。

定理 6 —— 设 A \pmb{A} A n n n 阶矩阵, λ 1 , λ 2 \lambda_1,\lambda_2 λ1,λ2 A \pmb{A} A 的两个不相等的特征值,有 A α = λ 1 α , A β = λ 2 β \pmb{A\alpha}=\lambda_1\pmb{\alpha},\pmb{A\beta}=\lambda_2\pmb{\beta} Aα=λ1α,Aβ=λ2β α , β \pmb{\alpha,\beta} α,β 为非零向量)。对任意的 a ≠ 0 , b ≠ 0 a\ne0,b\ne0 a=0,b=0 ,向量 a α + b β a\pmb{\alpha}+b\pmb{\beta} aα+bβ 一定不是 A \pmb{A} A 的特征向量。

证明:(反证法)不妨设 a α + b β a\pmb{\alpha}+b\pmb{\beta} aα+bβ 为特征向量,即有 A ( a α + b β ) = λ 0 ( a α + b β ) \pmb{A}(a\pmb{\alpha}+b\pmb{\beta})=\lambda_0(a\pmb{\alpha}+b\pmb{\beta}) A(aα+bβ)=λ0(aα+bβ) ,化简可得 a ( λ 1 − λ 0 ) α + b ( λ 2 − λ 0 ) β = 0 a(\lambda_1-\lambda_0)\pmb{\alpha}+b(\lambda_2-\lambda_0)\pmb{\beta}=\pmb{0} a(λ1λ0)α+b(λ2λ0)β=0 ,由定理 5 , α , β \pmb{\alpha,\beta} α,β 线性无关,又是有 { a ( λ 1 − λ 0 ) = 0 a ( λ 2 − λ 0 ) = 0 \begin{cases} a(\lambda_1-\lambda_0)=0 \\ a(\lambda_2-\lambda_0)=0\\ \end{cases} {a(λ1λ0)=0a(λ2λ0)=0 从而有 λ 1 = λ 2 = λ 0 \lambda_1=\lambda_2=\lambda_0 λ1=λ2=λ0 ,与已知矛盾,故原命题成立。

2.2 实对称矩阵特征值与特征向量的性质

根据百度百科,实对称矩阵定义为:元素均为实数且转置等于本身的矩阵。

定理 1 —— 设 A \pmb{A} A 为实对称矩阵,则 A \pmb{A} A 的特征值均为实数。

证明共轭和本身相等即可证明为实数。

定理 2 —— 设 A \pmb{A} A 为实对称矩阵,则 A \pmb{A} A 的不同特征值对应的特征向量正交。

证明: λ 1 ≠ λ 2 \lambda_1 \ne \lambda_2 λ1=λ2 A \pmb{A} A 的两个不同特征值,其对应的特征向量分别为 α 1 , α 2 \pmb{\alpha_1,\alpha_2} α1,α2 ,由 A α 1 = λ 1 α 1 \pmb{A\alpha_1}=\lambda_1\pmb{\alpha_1} Aα1=λ1α1 两边转置得 α 1 T A T = λ 1 α 1 T \pmb{\alpha_1^TA^T}=\lambda_1\pmb{\alpha_1^T} α1TAT=λ1α1T ,由实对称矩阵,可得 α 1 T A = λ 1 α 1 T \pmb{\alpha_1^TA}=\lambda_1\pmb{\alpha_1^T} α1TA=λ1α1T ,两边右乘 α 2 \pmb{\alpha_2} α2 ,得 α 1 T A α 2 = λ 1 α 1 T α 2 \pmb{\alpha_1^TA\alpha_2}=\lambda_1\pmb{\alpha_1^T\alpha_2} α1TAα2=λ1α1Tα2 ,由 A α 2 = λ 2 α 2 \pmb{A\alpha_2}=\lambda_2\pmb{\alpha_2} Aα2=λ2α2 可得 λ 2 α 1 T α 2 = λ 1 α 1 T α 2 \lambda_2\pmb{\alpha_1^T\alpha_2}=\lambda_1\pmb{\alpha_1^T\alpha_2} λ2α1Tα2=λ1α1Tα2 ,从而有 ( λ 2 − λ 1 ) α 1 T α 2 = 0 (\lambda_2-\lambda_1)\pmb{\alpha_1^T\alpha_2}=0 (λ2λ1)α1Tα2=0 ,即 α 1 T α 2 = 0 \pmb{\alpha_1^T\alpha_2}=0 α1Tα2=0 ,故原命题得证。

定理 3 —— 设 A \pmb{A} A 为实对称矩阵,则 A \pmb{A} A 一定可以相似对角化。特别地,存在正交矩阵 Q \pmb{Q} Q ,使得 Q T A Q = [ λ 1 0 ⋯ 0 0 λ 2 ⋯ 0 ⋮ ⋮ ⋮ 0 0 ⋯ λ n ] , \pmb{Q}^T\pmb{AQ}=\begin{bmatrix} \lambda_{1} & 0 & \cdots & 0\\ 0 & \lambda_{2} & \cdots & 0 \\ \vdots & \vdots & & \vdots \\ 0 & 0 & \cdots & \lambda_{n} \end{bmatrix}, QTAQ= λ1000λ2000λn , 其中 λ 1 , λ 2 , ⋯   , λ n \lambda_1,\lambda_2,\cdots,\lambda_n λ1,λ2,,λn 为矩阵 A \pmb{A} A 的特征值。


写在最后

性质蛮多的,让我想起了当初学矩阵的秩的性质的时候,不过耐心看下来,各条性质之间都或多或少有关联。下一篇文章我们来看看关于矩阵的对角化理论。

你可能感兴趣的:(#,数学一,考研,线性代数,特征值,特征向量,实对称矩阵,性质)