最后更新: 2025-12-11 08:44 查看: 718 次反馈能力测评会员8.2元/月赞助

对称矩阵的特征值与特征向量

> 请跟上我们的步骤：本章内容大致架构如下：给出一个矩阵$A$，这个矩阵A是任意的，然后介绍如何找到他的特征值与特征向量，然后给出矩阵相似的定义（$A \sim B$），有了特征值与特征向量可以很容易找到矩阵的相似矩阵。
进一步的，在相似里我们希望矩阵A可以和对角形相似，即$A \sim \Lambda$，然后我们研究后发现，不是每个矩阵都可以和对角形相似，我们得到的一个结论：如果$A$有不同特征值，肯定可以和对角形相似。但是这个条件还是太强不容易发现。我们进行研究，最后发现如果矩阵A是对称矩阵，则他一定可以和对角形相似，因此，我们专门把对称矩阵拿过来研究。

## 对称矩阵
首先，让我们回顾一下什么是对称矩阵。我希望你已经熟悉了这个概念。对称矩阵在线性代数处理中，占据非常重要的位置。 先看定义：

$$
A^T=A
$$

一个矩阵如果转置后是他本身，那么这个矩阵就是**对称矩阵**。
让我们举一个简单的例子来确保你明白这个概念。

$$
A=\left[\begin{array}{ccc}
1 & 3 & -1 \\
3 & 2 & 0 \\
-1 & 0 & 4
\end{array}\right]
$$

转置后，也可以理解为通过对角线进行旋转得到。

$$
A^T=\left[\begin{array}{ccc}
1 & 3 & -1 \\
3 & 2 & 0 \\
-1 & 0 & 4
\end{array}\right]
$$

可以看到转置后的矩阵 $A ^T$ 和原矩阵 $A$ 相同。
那么问题来了，为什么我们现在要重温这个基本概念呢？
问题在于, 如果矩阵是对称的, 那么在我们进行特征值分解时, 它就具有一个非常有用的性质。在说明它如何有用之前，让我们先了解矩阵对称时的基本特性。

如果 $A$ 是对称矩阵，那么:1. 矩阵 $A$ 特征值为实数2. 矩阵 $A$ 的特征向量是正交向量。

我们会在下一节会专门介绍实对称矩阵的对角化。总之，本节你需要记住三个核心结论即可：

> **（1）对称矩阵的特征值都是实数。
（2）对称矩阵的特征向量互相垂直。
（3） 实对称矩阵必定相似对角形。**

为什么矩阵对称时会有这样的特性？让我们来看看证明。

### 证明1：对称矩阵特征值为实数

$$
A x=\lambda x
$$

基本概念与定理：
1. 如果矩阵 $A$ 的元素是实数（即 $A$ 是实矩阵）, 则特征方程的系数也都是实数。这时，复特征值成对出现，且互为复共轴。例如：如果 $\lambda_1=a+b i$ 是特征值，则 $\lambda_2=a-b i$ 也是特征值
2. 向量的复共轭定义 $v_i=a+b i \quad \Rightarrow \quad \overline{v_i}=a-b i$

证

免费注册查看余下70%

《高等数学》难点解析

高数教程 泰勒公式切线与法线切平面与法平面驻点·拐点·极值点·零点间断点渐进线瑕积分欧拉方程伯努利方程 Abel 收敛定理偏导数的几何意义偏导数的几何意义梯度数量场与向量场多元函数极值拉格朗日算子通量与散度环流量与旋度格林公式高斯公式斯托克斯公式三大公式比较傅里叶级数极坐标微元点法式方程变上限定积分 X型计算面积 Y型计算面积微分的意义渐近线间断点 y''+py'+qy=f(x)方程高斯黎曼傅里叶变换(复数) 拉普拉斯变换(复数)

高等数学测评 函数与极限一元函数微分学一元函数积分学微分方程空间向量与代数多元微分学多元积分学无穷级数

《线性代数》难点解析

线代教程 近世代数对数学的整体思考线性的意义矩阵乘法(列视角) 矩阵乘法(行视角) 矩阵左乘矩阵右乘逆矩阵求解方程组阶梯形矩阵的求法方程组解的判定四阶行列式的计算线性变换的意义线性空间向量组的等价线性空间的几何意义基础解系的求法施密特正交化特征值与特征向量的意义矩阵相似的几何意义矩阵可对角化的理解秩的意义(向量版) 秩的意义(方程版) 二次型的意义

线性代数测评 行列式矩阵向量空间

《概率论与数理统计》难点解析

概率教程 置信区间与上a分位数概率中的“取”与“放” 贝叶斯公式全概率公式泊松分布指数分布伽玛分布二维密度图的意义卷积的意义相关系数的意义 k阶矩是与矩母函数卡方分布的作用单正态区间估计理解假设检验理解切比雪夫不等式中心极限定理

概率统计测评 事件与概率一维随机变量与事件多维随机变量与事件随机变量的数字特征大数定律与中心极限定理统计量与抽样分布参数估计假设检验

上一篇：代数重根与几何重根

下一篇：实对称矩阵的对角化 λ

本文对您是否有用？有用 (0) 无用 (0)