高等代数课件高等代数矩阵section4章节.pptVIP

作业 * 一、 特征值与特征向量 二、 特征值与特征向量的求法 三、 特征子空间 四、 特征多项式的有关性质 从这里开始，我们主要讨论，如何选择一组适当 的基，使V 的一个线性变换在这组基下的矩阵具有 较简单的形式?下面介绍特征值和特征向量的概念. 引入 有限维线性空间V 中取定一组基后，V 的任一线性 希望这个矩阵越简单越好，如对角阵或准对角阵. 变换都可以用矩阵来表示. 为研究线性变换的性质， 一、特征值与特征向量 设　是数域P上线性空间V 的一个线性变换, 定义： 若对于P 中的一个数　　存在一个V 的非零向量 使得 的属于特征值 的特征向量(eigenvector). 则称　 为 的一个特征值(eigenvalue), 称　为　 ① 几何意义：特征向量经线性变换后方向保持 由此知，特征向量不是被特征值所唯一确定的， 注： 相同　　　 或相反 时 ② 若 是 的属于特征值　的特征向量，则 也是 的属于　的特征向量. 但是特征值却是被特征向量所唯一确定的，即 若　　　　　且　　　　　，则 如: 1) 设 为线性空间V 一组基, 线性变换　 在 这组基下的矩阵为 由于 则 2) 镜面反射 能看出其特征值和 特征向量吗? 线性变换　在这组基下的矩阵为 A. 二、特征值与特征向量的求法 设 　　是V 的一组基， 分析： 设　 是　 的特征值，它的一个特征向量　在基 下的坐标记为 则 在基　　　　　下的坐标为 的坐标是 由定义, 则坐标之间关系为 或 是齐次线性方程组 的解. 但 即　　　　　　　有非零解. 以上分析说明： 所以它的系数行列式 若　是　的特征值，则 反之，若　　　满足　　 则齐次线性方程组　　　　　　　有非零解. 若　　　　　　　是　　　　　　　一个非零解， 特征向量. 则向量　　　　　　　　　就是　的属于　的一个 设 　　 是一个文字，矩阵　　　　称为 称为A的特征多项式(characteristic polynomial). 1. 特征多项式的定义 A 的特征矩阵(characteristic matrix)，其行列式 （　　　是数域P上的一个n次多项式） ② 矩阵A的特征多项式的根有时也称为A的特征值, 注： ① 若矩阵A是线性变换　关于V的一组基的矩阵， 而　是　的一个特征值，则　是特征多项式 的根，即 的一个特征值. 反之，若　是A的特征多项式的根，则　就是 （所以，特征值也称特征根.） 而相应的线性方程组 　　　　　 的非零解也就 称为A的属于这个特征值的特征向量. i) 在V中任取一组基 写出 在这组基下 就是　的全部特征值. ii) 求A的特征多项式 在P上的全部根,它们 2. 求特征值与特征向量的一般步骤 的矩阵A . iii) 把所求得的特征值逐个代入方程组 的全部线性无关的特征向量在基 并求出它的一组基础解系.(它们就是属于这个特征值 下的坐标.) 则 就是属于这个特征值　 的全部线性无关的特征向量. 而 （其中，　　　　　　　不全为零） 就是　的属于　 的全部特征向量. 如果特征值　 对应方程组的基础解系为： 对　　　　　　　　皆有 所以，V中任一非零向量皆为数乘变换K 的特征向量. 例1.在线性空间V 中，数乘变换K 在任意一组基下 的矩阵都是数量矩阵kE，它的特征多项式是 故数乘法变换K 的特征值只有数k，且 解：A的特征多项式 例2.设线性变换　在基　 下的矩阵是 求　特征值与特征向量. 故　的特征值为：　　　（二重） 把 代入齐次方程组 　　　　　　　得 即 它的一个基础解系为： 因此，属于 的两个线性无关的特征向量为 而属于 的全部特征向量为 不全为零 因此，属于5的一个线性无关的特征向量为 把 代入齐次方程组 　　　　　　　得 解得它的一个基础解系为： 而属于5的全部特征向量为 例3.在线性空间　 中, 线性变换 在基 下的矩阵为 故　的特征值为：　　　 把 代入齐次方程组 　　　　　　　得 解得它的一个基础解系为： 因此，属于 0 的一个线性无关的特征向量为 1 而属于 0 的全部特征向量为任一非零常数. 三、特征子空间 定义： 再添上零向量所成的集合，即 设 为n维线性空间V的线性变换，　为 的一个特征值，令