线性代数居余马第5章 特征值与特征向量.pptVIP

第5章 特征值和特征向量  矩阵的对角化 5.1 矩阵的特征值和特征向量 相似矩阵 5.2 矩阵可对角化的条件 * * 定义5.1 设A是复数域C上的n阶矩阵，如果存在数? ? C 和非零n维向量x，使得 A x= ? x 则称?为A的特征值，x为A的属 ( 对应)于特征值?的特征向量。 注意: 特征向量 x 是非零向量, 是齐次线性方程组 5.1.1 特征值和特征向量的基本概念 (? I? A) x=0 的非零 解。 ?应满足 | ? I? A |=0 即?是多项式 det(?I? A ) 的零点。 定义5.1 设n阶矩阵A=(aij),则 称为 A的 特征多项式。 (? I? A) 称为A的 特征矩阵。| ?I? A |=0 称为A的特征方程。 n 阶矩阵A的特征多项式在复数域上的 n 个根都是矩阵A 的特征值，其k重根叫做 k 重特征值。 例１ n 阶对角矩阵A ，上(下)三角形矩阵B的特征值 都是它们的n个主对角元 a11, a22, ? ,ann。 因为它们的特征多项式为 ??I- A ? =??I- B ?=(?? a11)(?? a22)?(??ann) 得基础解系： x2=(1,1,0)T, x3=(1,0,1)T。 k1x1+ k2x2 （k1, k2是不全为零的任意常数） 是A关于?2的全部的特征向量。 例２ 求矩阵 的特征值及特征向量。 解：A的特征方程为 A的特征值为: ?1=0, ?2= ?2(二重特征值)。 对于?1=0，求解(?1I ? A)x=0，即 得基础解系： x1=(?1, ?1, 1)T。 k x1(k?0为任意常数)是A的属于?1的全部特征向量。 对于?2= ? 2，求解(?2I ? A) x =0, 即 定理5.1 若x1, x2 是A属于?0的两个的特征向量，则 k1x1+ k2x2也是A属于?0的特征向量(其中 k1, k2是任意常数， 但 k1x1+ k2x2 ?0 )。 证： x1，x2 是齐次线性方程组(?I? A) x=0的解，所以， k1x1+ k2x2 也是(?I? A) x=0 的解，故当 k1x1+ k2x2 ?0 时，也是A的属于?0的特征向量。 (? I? A) x=0的解空间称为A的关于?的特征子空间，记作V? 。 dimV?=n ?r (?I? A) = {k1x1+ k2x2 | x2=(1,1,0)T, x3=(1,0,1)T, k1,k2 ?R} =L((1, 1, 0)T, (1, 0, 1)T) 5.1.2 特征值和特征向量的性质 如例２中， = { kx | x=(?1, ?1, 1)T, k ?R}=L((?1, ?1, 1)T); 定理5.2 若n 阶矩阵A=(aij) 的n个特征值为?1,?2,?,?n，则 称A的主对角元的和 为A的迹，记作 tr(A)。 *证：设 (*) =?n+c1?n?1+?+ck?n?k+?+cn-1?+cn (*)式可表示为 2n 个行列式之和, 其中展开后含?n?1项的 行列式有下面n个： 它们的和等于 ?(a11+ a22+…+ ann) ?n?1= (*)式中不含?的常数项为 所以， 由根与系数的关系及常数项相等，得 由定理5.2 得：矩阵A可逆的充要条件是 A的任意一个 特征值不等于零；或 A为奇异阵的充要条件是A至少有一个特征值等于零。 A的一个特征值可对应很多特征向量；但 A的一个特征 向量不能属于不同的特征值。 性质1 若?是A的特征值, x 是A的属于? 的特征向量。则 (1) k? 是kA的特征值（k为任意常数）； (2) ?m是Am的特征值; (3)若A可逆，则??1为A?1的一个特征值，而且x 仍然是矩阵kA, Am和A?1的分别对应于特征值 k?, ?m 和 ??1的特征向量。 证 (2)(3) 由A x= ? x 得 A2 x= A(? x)= ? (A x)= ? (? x)= ?2 x，继续得Am x= ?m x。 A?1(A x)= A?1(? x)= ? (A?1 x), 所以， (A?1 x)= ??1 x。 性质2 矩阵A和AT的特征值相同。 证： det(?I? A) =det (? I ? A)T = det ((? I)T?AT)= det (? I ? A T) *定理5.3 设A是n阶矩阵，若 有一个成立，则A的