第4章(矩阵对角化)线性代数及其应用.ppt

第4章 矩阵的对角化 向量的内积　长度与正交 方阵的特征值与特征向量 相似矩阵 实对称矩阵的对角化 Mathematica软件应用 第4章 矩阵的对角化 矩阵特征值理论在许多实际问题的解决中起着重要作用.本章着重介绍矩阵的特征值和特征向量的概念、性质，给出矩阵与对角矩阵相似的条件、计算方法，并对实对称矩阵的对角化进行了讨论. 第4.1节 向量的内积　长度与正交 在向量代数中给出了向量长度、夹角和数量积等概念，本节将这些概念推广到 n维向量空间，在此基础上介绍正交向量组概念和将线性无关向量组化为正交向量组的一种方法。 1.向量的内积 (2)n维向量空间内积 2. 向量的长度、夹角定义（向量的长度） 例1 解 向量的夹角 定义1 非零向量组中,若任意两个向量都正交,称这个向量组为正交向量组. 定义2 正交向量组中,若每个向量都是单位向量,称 这个向量组为标准正交向量组. 即若?1,? 2,…,?n为 标准正交向量组，则 定理 正交向量组是线性无关的向量组. 证 4. 施密特（Schimidt）正交化方法 由一组线性无关向量组出发，获得与其等价正 交向量组的过程称为向量组的正交化过程. 标准正交基求法 （i）正交化 设? 1,? 2,…， ? r 为向量空间V的一个 基，利用施密特（Schimidt）正交化方法得与 之等价的正交基?1, ?2,…, ?r . （ii）单位化（标准化） 5.正交矩阵 定义 满足AAT= ATA=E的n阶方阵A称为正交矩阵. 证 定理 n阶方阵A为正交矩阵?A的列向量组(行向量组) 都是标准正交向量组 . 第4.2节 方阵的特征值与特征向量 基本内容： 特征值、特征向量的概念和计算方法 特征值、特征向量的性质 1. 特征值、特征向量的概念和计算方法 (1)特征值与特征向量定义 设A为n阶方阵,若存在数 ?及非零列向量x,使 Ax = ? x 则称数 ?为A的特征值, x为A的对应于?的特征向量. (2)相关概念 将特征值与特征向量定义式 Ax = ? x 改写为 ? x –Ax =0 即 (? E– A )x = 0 称 (3)特征值与特征向量求法 依据 (? E– A )x = 0 知： 特征向量 x 为该齐次线性方程组的非零解； 而齐次线性方程组有非零解的充要条件是 系数矩阵的行列式? ? E–A ?=0,即A的特征值? 为特征方程的根. 步骤如下 (i)求出特征方程? ? E–A ?=0的全部根 ? 1, ? 2,…, ? n, 即A的全部特征值； (ii)对每个? i ,求方程组(? iE–A )x = 0 的所有非零解，即为A的对应于特征值? i 的特征向量. 例1 求矩阵A的特征值和特征向量 解 (i) 例2 解(i) 例3 求矩阵A的特征值和特征向量 解 (i) (1)特征值的性质 定理1 若? 1, ? 2,…, ? n为方阵A的n个特征值，则 (i) ? 1 ? 2… ? n =?A?; (ii) ? 1+ ? 2+…+ ? n= a11+a22+…+ann=tr(A). 定理2 n 阶方阵A与AT 有相同的特征值. 证 由于 (? E–A)T= (? E)T–AT= ? E–AT ,所以 ? ? E–A ?= ?(? E–A)T ? = ? ? E–AT ? 即A与AT 有相同的特征值. 定理3 若?为方阵A的特征值，则 (i) a? 为aA(a为常数 )的一个特征值; (ii) ? k为Ak(k为正整数 )的一个特征值; (iii)若f(x)为x的多项式,则f(?)为f(A)的一个特征值； (iv)若A可逆,则?-1为A-1的一个特征值; ?-1?A?为A*的 一个特征值. 定理3的证明 例4 已知3阶方阵A的特征值为1，2，-3.求 (1) 2A的特征值；(2) A–1的特征值; (3)tr(A),|A|; (4) A*的特征值; (5) A2的特征值;  (6) B=A2–2A+E的特征值及|B|. 解 由特征值的性质 ，得 (1) 2A的特征值为2，4， – 6；