线性代数第4章 特征值与特征向量.ppt

4.1 向 量 的 内 积 与 正 交 矩 阵 4.1.1 向 量 的 内 积 定义4.1.1 设 有 两 个 n 维 向 量  设 α，β，γ为n维向量，λ为实数，结合矩阵运算，可知向量的内积满足下列运算规律： 定义4.1.2 令 |α|=(（α ,α）) =(a21+a22+…+a2n),称|α|为n维向量α的长度（或范数）. 4.1.2 正 交 向 量 组 定义4.1.3 当 (α, β)=0时,称向量α与β正交. 于是 (3)取β3=α3+λ1β1+λ2β2, 由 得 于是  例4.1.1 将 向 量 组 正 交 规 范 化， 其 中. 解 取β1=α1，  即 为所求. 例4.1.2 已 知 向 量 试求一非零向量α3，使α1，α2，α3为正交向量组. 解  由 得 例4.1.3 已 知 向 量 求非零向量α2，α3，使α1，α2，α3为正交向量组. 解  4.1.4 正 交 矩 阵. 定义4.1.5 如 果 n 阶方阵A满足  则称A为正交矩阵. 例如 下面的矩阵A和B都是正交矩阵 例4.1.4 判别矩阵A是否正交矩阵 解 因为 定理4.1.2 方阵A为正交矩阵的充分必要条件是A的行（列）向量都是单位向量，且两两正交. 据此，可以较为直观地判别一个方阵是否正交矩阵. 例如 矩阵 4.2 矩 阵 的 特 征 值 与 特 征 向 量 4.2.1 特征值与特征向量 定义4.2.1 设A 为 n 阶 方 阵 ， 若 存 在 实 数 λ 和 n 维非零列向量X，使得 定义4.2.2 设 矩 阵 称 矩 阵  4.2.2 特 征 值 与 特 征 向 量 的 求 法 例如 矩阵 无实特征值，因为 无实数根. 例4.2.1 求A的特征值和特征向量，设 解   例4.2.2 求A的特征值与特征向量，设 解 对λ2=λ3=1，解方程组(E-A)X=O,由 4.3 相 似 矩 阵 4.3.1 相 似 矩 阵 及 其 性 质 定义4.3.1 设A和B都是n阶方阵，如果存在一个可逆矩阵P，使得P-1AP=B，则称A与B相似，记作A～B.P称为将A变换为B的相似变换矩阵. 相似矩阵有如下性质： （1）相似矩阵有相等的行列式. （2）相似矩阵具有相同的可逆性.若可逆，它们的逆矩阵也相似.  （3）相似矩阵具有相同的特征多项式. （4）相似矩阵具有相同的特征值.  4.3.2 矩阵可对角化的条件 关于矩阵A的对角化有如下结论： 定理4.3.1n阶方阵A可对角化的充分必要条件是:A有n个线性无关的特征向量α1，α2，…，αn，以它们为列向量的矩阵P，就能使P-1AP为对角矩阵.且该对角矩阵的主对角线元素依次是α1,α2,…,αn对应的特征值λ1，λ2，…，λn. 定理4.3.2 矩阵A的对应于不同特征值的特征向量是线性无关的（证明略）. 由上面的讨论可总结出判别矩阵A能否对角化的方法：求出A的全部特征值λi（i=1，2，…，s）对应的各个基础解系，如果这些基础解系的向量个数之和等于n，则A可以对角化；如果这些基础解系的向量个数之和小于n，则A不能对角化. 例4.3.1 判别4.2节中例4.2.1和例4.2.2所给矩阵A能否对角化. 例4.3.2 判别矩阵 能否对角化. 4.4 实对称矩阵的相似矩阵 定理4.4.1 实对称矩阵的特征值为实数. 定理4.4.2 设λ1，λ2是实对称矩阵A的两个特征值，α1，α2是相应的特征向量.若λ1≠λ2，则 α1与α2正交. 证明 于是有 即 定理4.4.3 设A为n阶实对称矩阵，则必有正交矩阵P，使得P-1AP=D.其中D是以A的n个特征值为主对角线元素的对角矩阵. 例4.4.1 求一个正交矩阵P使P-1AP=D为对角矩阵，设 解 由  得特征值 由 得基础解系 将α1单位化，得单位特征向量 由  得基础解系  从而得到 线性代数 出版社 理工分社 * 第4章 特征值与特征向