【线性代数】---相似矩阵

本文详细介绍了相似矩阵的概念,指出两矩阵相似的性质,包括行列式、迹和秩的相等,以及特征值和特征向量的关系。讨论了对角矩阵的充分必要条件,实对称矩阵的正交性质和对角化。此外,还阐述了合同矩阵的定义及其与实对称矩阵的关系。最后,探讨了特征值和特征向量的计算方法及其在矩阵理论中的重要性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

第一章 相似矩阵



一、相似矩阵

设A、B都是n阶方阵,若存在可逆矩阵P,使 P-1AP=B,则称B是A的相似矩阵,记之A~B

  1. 两矩阵相似,则两矩阵的行列式,迹(主对角线和)、秩、特征值均相等
  2. 两矩阵特征值相等,且相等的特征值对应的线性无关的特征向量个数相等

二、对角矩阵

  1. n阶方阵A能与对角矩阵L相似的充分必要条件是:A有n个线性无关的特征向量。

对角矩阵有多少个特征值,就对应着有多少个特征向量,不存在多个(强调个数)特征值对应着一个特征向量

三、实对称矩阵

  1. 实对称矩阵A的不同特征值对应的特征向量是正交的
  2. n阶实对称矩阵A必可相似对角化(相似于对角矩阵),且对角阵上的元素即为特征值;

四、合同矩阵

设A和B是n阶矩阵,若有可逆矩阵C,使B=CTAC,则称矩阵A与B合同。
注:任一实对称矩阵必合同于一对角矩阵。

  1. 两矩阵合同的充分必要条件是两矩阵有相同的正、负惯性指数
  2. 与实对称矩阵合同的必是实对称矩阵

五、特征值与特征向量

设A为n阶方阵,若数λ和n维的非零列向量x,使关系式Ax=λx成立,则称数λ为方阵A的特征值,非零向量x称为A的对应与特征值 的特征向量。

1.求特征值和特征向量

  1. Ax=λx (用于抽象矩阵)
  2. |A-λE|=0 (用于具体矩阵)
  3. (A-λE)x=0 (用于求特征向量)

求特征值对应的特征向量时只能进行初等行变换,不要进行初等列变换

2.特征值与特征向量

  1. 设λ是实对称矩阵A的k重特征值,则矩阵A-λE的秩R(A-λE)=n-k,从而对应k重特征值λ恰有k个线性无关的特征向量。
  2. 矩阵的特征值之和等于其主对角线之和
  3. 矩阵特征值乘积等于其行列式的值

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值