7.4特征值与特征向量.doc

??????????????? §4 特征值与特征向量 我们知道在有限维线性空间中，取了一组基之后，线性变换就可以用矩阵来表示。为了利用矩阵来研究线性变换，对于每个给顶的线性变换，我们希望能找到一组基使得它的矩阵具有最简单的形式。现在开始，我们主要地就来讨论，在适当的选择基之后，一个线性变换的矩阵可以化成什么样的简单形式。为了这个目地，先介绍特征值和特征向量的概念，它们对于线性变换的研究具有基本的重要性。 定义4 设A是数域P上线性空间V的一个线性变换，如果对于数域P中一数，存在一个非零常数使得 （1） 那么称为A的一个特征值，而称为A的属于特征值的一个特征向量。 从几何上来看，特征向量的方向经过线性变换后，保持在同一条直线上，这时或者方向不变或者方向相反,至于时，特征向量就被线性变换变成0。 如果是线性变换A的属于特征值的特征向量，那么的任何一个非零倍数也是A的属于的特征向量。因为从（1）式可以推出 。 这说明特征向量不是被特征值所唯一决定的。相反，特征值却是被特征向量所唯一决定的，因为，一个特征向量只能属于一个特征值。 现在来给出寻找特征值和特征向量的方法。设V是数域P上n维线性空间，是它的一组基，线性变换A在这组基下的矩阵是A。设是特征值，它的一个特征向量在下的坐标是。则的坐标是 。 的坐标是 因此（1）式相当于坐标之间的等式 （2） 或 。 这说明特征向量的坐标满足齐次方程组即 即 （3） 由于，所以它的坐标不全为零，即齐次方程组有非零解。我们知道，齐次线性方程组（3）有非零解的充分必要条件是它的系数行列式为零，即 我们引入以下定义。 定义5 设A是数域P上一n级矩阵，是一个文字。矩阵的行列式 （4） 称为A的特征多项式，这是数域P上的一个n次多项式。 上面的分析说明，如果是线性变换A的特征值，那么一定是矩阵A的特征多项式的一个根；反过来，如果是矩阵A的特征多项式在数域P中的一个根，即，那么齐次线性方程（3）就有非零解。这时，如果是方程组（3）的一个非零解，那么非零向量 满足（1），即是线性变换A的一个特征值，就是数域特征值的一个特征向量。 因此，确定一个线性变换A的特征值与特征向量的方法可以分成以下几步： 在线性空间V中取一组基，写出A在这组基下的矩阵A； 2 求出A的特征多项式在数域P中全部的根，它们也就是线性变换A的全部特征值； 3把所有求得的特征值逐个地代入方程组（3），对于每一个特征值，解方程组（3），求出一组基础解系，它们就是属于这个特征值的几个线性无关的特征向量在基下的坐标，这样，我们也就求出了属于每个特征值的全部线性无关的特征向量。 矩阵A的特征多项式的根有时也称为A的特征值，而相应的线性方程组（3）的解也就称为A的属于这个特征值的特征向量。 例1 在n维线性空间中，数乘变换k在任意一组基下的矩阵都是kE，它的特征多项式是 。 因此，k的特征值只有k。由定义可知，每个非零向量都是属于k的特征向量。 例2 设线性变换A在基下的矩阵 ， 求A的特征值与特征向量。 解：因为特征多项式为 。 所以特征值是-1（二重）和5。 把特征值-1代入齐次方程组 得到 它的基础解系是 因此，属于-1的两个线性无关的特征向量就是 而属于-1的全部特征向量就是取遍数域P中不全为零的全部数对。再用特征值5代入，得到 它的基础解系是 。 因此，属于5的一个线性无关的特征向量就是 ， 而属于5的全部特征向量就是是数域P中任意不等于零的数。 例3 在空间中，线性变换 在基下的矩阵是 。 D的特征多项式