第1讲_矩阵特征值和特征向量.pptVIP

* 矩阵的特征值与特征向量 第1节 矩阵的特征值与特征向量 第1节 矩阵的特征值与特征向量 矩阵的特征值与特征向量的定义 定义：设 A 是 一个矩阵，如果数 λ 和 n 维非零列向量 x 使关系式 A x = λ x 成立，那么，这样的数 λ 称为矩阵 A 的特征值，非零向量x 称为 A 的属于(或对应于)特征值 λ 的特征向量。 显然只有方阵才有可能定义特征值与特征向量。 性质：若 x 是方阵 A的对应于 λ 的特征向量，则 kx(k≠0) 都是 A 的属于 λ 的特征向量。 性质说明，特征值更本质一点。 二 矩阵的特征值与特征向量的确定 对方阵 A，设 λ 和 x≠0 满足： A x = λ x 则有 (A – λE) x = 0. 上式意味着：对给定的 λ，若该齐次线性方程组有非零解，则 λ 为 A 的特征值，且该方程组的每一个非零解都是属于 λ 的一个特征向量；反之若上式只有零解，则 λ 不是特征值。 上式有非零解的充分必要条件是 |A - λ E| = 0。 这样就得到了确定特征值的方法，进而可确定其特征向量。 |A- λ E| = 0 对应于 这是以 λ 为未知数的一元 n 次方程，称为方阵 A 的 特征方程。其左端 |A- λ E| 是 λ 的 n 次多项式，记作 f(λ)，即 f(λ) = |A - λ E| 称为方阵 A 的特征多项式。 前面的分析表明，A 的特征值就是特征方程的解，而 A 的特征方程的每一个解也都可作成 A 的特征值。 例：求方阵A的行列式|A|，特征值与特征向量。其中 解： |A| = 2; A 的特征多项式为 所以A的特征值为： 注意： 例：求方阵A的行列式|A|，特征值与特征向量。其中 解： |A| = -4; A 的特征多项式为 所以A的特征值为： 注意： 方阵A的特征值应满足的关系式： 由于特征方程在复数范围内恒有解，其个数为方程的次数(重根按重数计算)，因此，n 阶矩阵 A=(aij) 在复数范围内有 n 个特征值。不妨设它的n个复特征值为， 则有 对上式，取 λ =0，则有 从而有 将f(λ)展开，比较λ的n-1次方项的系数，可进一步得： = tr(A) (A的迹) 三 矩阵A的特征值、特征向量与A的矩阵多项式之间的关系 例：设 λ 是方阵 A 的特征值，证明 (1) λ2 是 A2 的特征值； (2) 当 A 可逆时， λ-1 是 A-1 的特征值。 证明：因 λ 是 A 的特征值，故有 p≠0 使 Ap= λ p。于是 (1) A2p = A(Ap) = A(λp) = λ (Ap) = λ2 p， 所以 λ2 是 A2 的特征值。 (2) 当 A 可逆时，由 Ap = λ p，有 p = λ A-1p， 因 p≠0，故 λ ≠ 0，故 A-1p = λ-1p, 所以 λ-1 是 A-1 的特征值。 性质： 当 k 取非负整数，若 λ 是 A 特征值，则 λk 是 Ak 的特征值，且 A 的属于特征值 λ 的特征向量 p 也是Ak 的对应于特征值 λk 的特征向量。 若 A 可逆，则 k 也可取负的整数。 定理：若 f(x) 是一个一般的多项式， λ 是 A 的特征值，且 p 是对应于 λ 的特征向量，则有 f(λ) 是 f(A) 的特征值，且 p 是对应于 f(λ) 的特征向量。 证明：设 f(x) = 则 f(A) p = = … = = f(λ)p. 若 A 可逆，上述定理可得到进一步地扩充。 不妨设 m, n 为任意正整数，则令 f(x) = 可称为一个广义的多项式，它也可定义矩阵A的一个广义多项式如下 f(A) = 则定理仍然成立。 即若 λ 是 A的特征值，则 f(λ) 是 f(A) 的特征值，且对应的特征向量p相同。 例：设 3 阶矩阵 A 的特征值为 1, -1, 2，求 |A* + 3A -2E|。 解：3阶方阵有3个特征值，故其行列式为 |A| = 1×(-1) ×2 = -2 ≠0, 从而 A 可逆，故 上式对