线性代数之第5章.特征值和特征向量矩阵的对角化.pptVIP

第5章 特征值和特征向量、 矩阵的对角化 第5章 特征值和特征向量、 矩阵的对角化 矩阵的特征值和特征向量、相似矩阵 矩阵可对角化的条件 实对称矩阵的对角化 5.1 矩阵的特征值和特征向量、相似矩阵 矩阵的特征值和特征向量 定义：设A为复数C上的n阶矩阵，如果存在数λ∈C和非零的n维向量x，使得Ax=λx，就称λ是矩阵A的特征值，x是A的属于（或对应于）特征值λ的特征向量。 注意： 1) 特征向量x≠0； 2) 特征值问题是对方阵而言的，本章的矩阵如不加说明，都是方阵。 5.1 矩阵的特征值和特征向量、相似矩阵 矩阵的特征值和特征向量 根据定义，n阶矩阵A的特征值，就是使齐次线性方程组 (λI－A)x=0 有非零解的λ值，即满足方程 det(λI－A)=0 的λ都是矩阵A的特征值。因此，特征值是λ的多项式det(λI－A)的根。 5.1 矩阵的特征值和特征向量、相似矩阵 矩阵的特征值和特征向量 定义：设n阶矩阵A=(aij)，则： 称为矩阵A的特征多项式，λI－A称为A的特征矩阵， det(λI－A)=0称为A的特征方程。 5.1 矩阵的特征值和特征向量、相似矩阵 矩阵的特征值和特征向量 显然，n阶矩阵A的特征多项式是λ的n次多项式。特征多项式的k重根也称为k重特征值。当n≥5时，特征多项式没有一般的求根公式，即使是三阶矩阵的特征多项式，一般也难以求根，所以求矩阵的特征值一般要采用近似计算的方法，它是计算方法课中的一个专题。 5.1 矩阵的特征值和特征向量、相似矩阵 矩阵的特征值和特征向量举例 例1：求矩阵 的特征值和特征向量。 5.1 矩阵的特征值和特征向量、相似矩阵 矩阵的特征值和特征向量举例 解：矩阵A的特征方程为 该特征矩阵的行列式的每行之和均为λ-3，将各列加到第1列，并将第1行乘-1加到第2、3行得： 5.1 矩阵的特征值和特征向量、相似矩阵 矩阵的特征值和特征向量举例 故A的特征值为λ1＝3，λ2＝2（二重特征值）。 5.1 矩阵的特征值和特征向量、相似矩阵 矩阵的特征值和特征向量举例 当λ1＝3时，由(λ1I－A)x=0，即： 得其基础解系为x1=(1,1,1)T，因此，k1x1（k1为非零任意常数）是A的对应于λ1＝3的全部特征向量。 5.1 矩阵的特征值和特征向量、相似矩阵 矩阵的特征值和特征向量举例 当λ2＝2时，由(λ2I－A)x=0，即： 得其基础解系为x2=(1,1,2)T，因此，k2x2（k2为非零任意常数）是A的对应于λ2＝2的全部特征向量。 5.1 矩阵的特征值和特征向量、相似矩阵 矩阵的特征值和特征向量举例 例2：主对角元为a11, a22, …, ann的对角矩阵A或上（下）三角矩阵B的特征多项式是： |λI－A|= |λI－B|=(λ－a11)(λ－a22)… (λ－ann) 故A，B的n个特征值就是n个主对角元。 5.1 矩阵的特征值和特征向量、相似矩阵 特征值和特征向量的性质 定理：若x1和x2都是A的属于特征值λ0的特征向量，则k1x1+ k2x2也是A的属于λ0的特征向量（其中k1，k2是任意常数，但k1x1+ k2x2≠0）。 证：由于x1，x2是齐次线性方程组(λ0I－A)x=0的解，因此k1x1+ k2x2也是上式的解，故当k1x1+ k2x2≠0时，是A的属于λ0的特征向量。 5.1 矩阵的特征值和特征向量、相似矩阵 特征值和特征向量的性质 在(λ0I－A)x=0的解空间中，除零向量以外的全体解向量就是A的属于特征值λ的全体特征向量，因此(λI－A)x=0的解空间也称为矩阵A关于特征值λ的特征子空间，记作Vλ。n阶矩阵A的特征子空间是n维向量空间的子空间，它的维数为： dimVλ=n－r(λI－A) 5.1 矩阵的特征值和特征向量、相似矩阵 特征值和特征向量的性质 需要注意的是，n阶矩阵的特征值可能是复数，所以特征子空间一般是n维复向量空间Cn（见附录）的子空间。 例1中矩阵A的两个特征子空间为： 5.1 矩阵的特征值和特征向量、相似矩阵 特征值和特征向量的性质 定理：设n阶矩阵A=(aij)的n个特征值为λ1, λ2, …,λn，则： 证明过程见课本用*标注的部分。 5.1 矩阵的特征值和特征向量、相似矩阵 特征值和特征向量的性质 由前面定理的第2项可知：当detA≠0（即A为可逆矩阵）时，其特征值全为非零数；反之，奇异矩阵A至少有一个零特征值。 5.1 矩阵的特征值和特征向量、相似