矩阵的特征值与特征向量.doc

备课教案 第五章 矩阵的特征值与特征向量 PAGE PAGE 45 第五章 矩阵的特征值与特征向量 §5.1 特征值与特征向量 设是阶矩阵，是维列向量，则仍是维列向量，但通常与原来的向量有很大差异。现在考虑与能否成比例（对应分量成比例）。如果存在一个特殊的数与一个特殊的非零向量，使 （5.1） 那么称是矩阵的特征值，是的对应于特征值的特征向量。 为了求矩阵的特征值与特征向量，将（5.1）式移项，并提取公因子得到 （5.2） 这是齐次线性方程组的矩阵形式，它的系数矩阵是方阵，齐次线性方程组有非零解的充分必要条件是系数行列式等于零（参看第一章的定理1.4），即 （5.3） 由（5.3）式可求出特征值，因此方程（5.3）称为矩阵的特征方程。求得特征值后，就可以求解齐次线性方程组（5.2）了，具体做法是运用矩阵消元解法，对系数矩阵作初等行变换，然后读出基础解系。 例5.1 求矩阵的特征值和特征向量。 解 先计算行列式 于是特征方程即一元二次方程。求得两个特征值为 ， 当时，解齐次线性方程组（5.2），即作初等行变换 最后的矩阵中，第1列是非主元列，于是读出基础解系。对应于特征值的全部特征向量是，是任意非零常数。 当时，类似地作初等行变换 读出基础解系，对应于特征值的全部特征向量是，是任意非零常数。 当是阶矩阵时，是阶行列式，其对角线上元素都含有未知数，而其他元素都是矩阵的对应元素的相反数，因此它的展开式是次多项式，称之为的特征多项式。相应地，称矩阵为的特征矩阵。特征方程（5.3）是次代数方程，它有个根（可能有重根或复数根）。 齐次线性方程组（5.2）当满足（5.3）式时一定有基础解系。构成基础解系的特征向量称为矩阵的基础特征向量。如例5.1中的矩阵有2个基础特征向量和。基础特征向量的线性组合给出了全部特征向量。 例5.2 求矩阵的特征值和特征向量。 解 先解特征方程 为了简化计算，可先将行列式的第3行加到第2行，然后提取公因子，再计算行列式，可得方程，所以特征值是,。 当时，对特征矩阵作初等行变换 读出基础解系， 当时，对特征矩阵作初等行变换 读出基础解系 对应于的全部特征向量是，其中是任意不全为零的常数；对应于的全部特征向量是，其中是任意非零常数。 应该指出的是，线性组合必须在对应于同一特征值的基础特征向量之中进行，比如本例中当时，线性组合不再是矩阵的特征向量。 例5.3 求矩阵的特征值和特征向量。 解 先解特征方程 得特征值，。 当时，对特征矩阵作初等行变换 读出基础解系。 当时，对特征矩阵作初等行变换 读出基础解系。 全部特征向量是(对应于)和（对应于），其中是任意非零常数。 §5.2 矩阵的相似与矩阵的对角化 设、都是阶矩阵，若存在阶可逆矩阵，使得 （5.4） 则称与相似，或称经过相似变换变换成，记为∽。 矩阵的相似具有以下性质： 1．反身性：∽； 因为，所以∽。 2．对称性：若∽，则∽； ∽意味着，等式两端左乘、右乘，得，所以∽。 3．传递性：若∽，∽，则∽。 由条件，，以前式代入后式得，即，所以∽。 要判断两个矩阵、是否相似比较困难，因为很难直接找到（5.4）式中的变换矩阵。不过我们可以通过相似变换把、都变为比较简单的矩阵，再通过传递性说明它们是否相似。最简单的矩阵莫过于对角矩阵。 若矩阵能通过相似变换化为对角矩阵，则称矩阵可以对角化。对角化是指存在可逆矩阵、对角矩阵，使，即∽。 例5.4 将矩阵对角化。 解 在例5.1中，已求得矩阵的两个特征向量，（分别对应特征值，），按照（5.1）式，应有，，拼成矩阵即 记，，即有，由于矩阵显然可逆，所以，矩阵已对角化。 本例的结果可以直接推广到阶矩阵，设是阶矩阵，是的分别对应于特征值的个特征向量，它们可以拼成一个阶方阵。记 ， 根据（5.1）式和矩阵的乘法规则，必有 （5.5） 若矩阵可逆，则已对角化。阶方阵可逆与满