机器学习获取特征矩阵和标签矩阵
任何矩阵都相似于特征值吗？
任何矩阵都相似于特征值吗？
特征值相同的矩阵，不一定相似，也不一定相同。但是如果两矩阵都可以相似对角化，那么就可以得出两矩阵特征值相同，能推出相似，如果两矩阵都可以相似对角化，则两矩阵特征值相同，能推出相似
若两个矩阵都可对角化，且特征值相同，则两个矩阵相。似两个矩阵相似那么这两个矩阵有相同的特征多项式，这是一个必要条件，并不充分（就是说还不够全面）。全面的说应该是还要有相同的特征值，或者和在一起说两个矩阵有相同的初等因子。
矩阵的特征多项式是x^2-x 1，根不为1，因此这两个矩阵没有相同的特征值。应该是第一行为（1,1），第二行为（0,1）。这时这个矩阵与I（单位阵）的特征多项式相同，但是特征向量不同，所以证明了特征值相同只是一个必要条件。若一个矩阵与对角阵相似，则这个矩阵可以对角化，而矩阵可对角化的条件是这个矩阵的最小多项式没有重根，这里举的反例显然不满足要求，所以不可对角化，自然也不与单位阵相似。
定理1 n阶矩阵A与对角矩阵相似的充分必要条件为矩阵A有n个线性无关的特征向量。注： 定理的证明过程实际上已经给出了把方阵对角化的方法。若矩阵可对角化，则可按下列步骤来实现：（1） 求出全部的特征值；（2）对每一个特征值,设其重数为k,则对应齐次方程组的基础解系由k个向量构成，即为对应的线性无关的特征向量；（3）上面求出的特征向量恰好为矩阵的各个线性无关的特征向量。
推论1若n阶矩阵A有n个相异的特征值，则A与对角矩阵相似。对于n阶方阵A，若存在可逆矩阵P， 使其为对角阵，则称方阵A可对角化。
定理2 n阶矩阵A可对角化的充要条件是对应于A的每个特征值的线性无关的特征向量的个数恰好等于该特征值的重数，即设是矩阵A的重特征值。定理3 对任意一个n阶矩阵A，都存在n阶可逆矩阵T使得即任一n阶矩阵A都与n阶约当矩阵J相似。
求矩阵特征值的方法？
把特征值代入特征方程，运用初等行变换法，将矩阵化到最简，然后可得到基础解系。求矩阵的全部特征值和特征向量的方法如下：
第一步：计算的特征多项式；
第二步：求出特征方程的全部根，即为的全部特征值；
第三步：对于的每一个特征值，求出齐次线性方程组：的一个基础解系，则可求出属于特征值的全部特征向量