相似的矩阵必有相同的特征值,但不一定有相同的特征向量。
如果A相似B,则存在非奇异矩阵是P,有P^(-1)*A*P=B。
det(xI-B)=det(xI-P^(-1)*A*P)=det(P^(-1))=det(xI-A*)det*P)=det(xI-A),
即B的特征多项式与A的特征多项式相同,故有相同的特征值。如果A的特征向量是a的,则B的特征向量就是Pa,设x是相应的特征向量,故Ax=ax,于是
BPx=PAP^(-1)Pa=PAx=aPx。
扩展资料:
第一性质
线性变换的特征向量是指在变换下方向不变,或者简单地乘以一个缩放因子的非零向量。
特征向量对应的特征值是它所乘的那个缩放因子。
特征空间就是由所有有着相同特征值的特征向量组成的空间,还包括零向量,但要注意零向量本身不是特征向量。
线性变换的主特征向量是最大特征值对应的特征向量。
特征值的几何重次是相应特征空间的维数。
有限维向量空间上的一个线性变换的谱是其所有特征值的集合。
例如,三维空间中的旋转变换的特征向量是沿着旋转轴的一个向量,相应的特征值是1,相应的特征空间包含所有和该轴平行的向量。该特征空间是一个一维空间,因而特征值1的几何重次是1。特征值1是旋转变换的谱中唯一的实特征值。
参考资料来源:百度百科-特征向量