第十一章特征值与特征向量.pptVIP

第11章 特征值 与特征向量 代数特征值问题 特征值的计算方法 当维数n很小时，手工计算特征值和对应的特征向量的方法： 求特征多项式的系数 求特征多项式的根即特征值 求齐次线性方程组(A-λI)V=0的非零解即特征向量 当维数n稍大一些，行列式展开本身就很不容易，另外高次代数方程的求解也很困难。因此，矩阵特征值的求解，主要是数值解法，如幂方法、雅可比方法和QR算法 特征值的一些有关结论 定理 设λ为A∈Rn×n的特征值且Ax=λx，其中x≠0，则 cλ为cA的特征值（c为常数c≠0 ） λ-p为A-pI的特征值，即(A-pI)x=(λ-p)x(Th11.19) λk为Ak的特征值，即Ak x =λk x 设A为非奇异阵，那么λ≠0且1/λ为A-1的特征值，即(Th11.20) 特征值的重复度 定义：特征多项式p(λ)=det(A-λI)可以分解为如下形式 特征值的存在性定理（1） 定理11.4 (a)对矩阵A的每个唯一的特征值λ至少有一个与该特征值相应的特征向量V (b)如果矩阵A的特征值λ的重复度为r，则A至多有r个与该特征值相应的线性无关的特征向量V1, V2, …, Vr 定理11.4的应用 将重复度r≥1的特征值λ代入下列方程： (A-λI)V=0 采用高斯消去法就可以得到高斯归约形（上梯形），包含有n个变量，n-k个方程，其中1≤k≤r。因此可供选择的自由变量有k个，通过一定方式选择自由变量，可以得到与λ对应的k个线性无关的解向量V1, V2, …, Vk 特征值的存在性定理（2） 定理11.5 设A是一个方阵，λ1,λ2,…,λk是A的互不相同的特征值，对应的特征向量分别是V1,V2,…,Vk，则{V1,V2,…,Vk}是一组线性无关的向量集合。 定理11.6 如果n×n矩阵A的特征值是互不相同的，则存在n个线性无关的特征向量Vj，其中j=1,2,…,n。 左特征向量 在式AV=λV中，由于V右乘矩阵A，因此被称为相应于特征值λ的右特征向量 如果有Y’A=λY’，则相应地称Y为矩阵A的特征值λ的左特征向量 一般地，矩阵A相应于特征值λ的左特征值Y与右特征值V是不同的，但如果是一个实对称矩阵，即A’=A，则(AV)’=V’A’= V’A， (λV)’= λV’。所以当A是实对称矩阵时，左右特征向量相同 特征向量归一化 矩阵A的相应于特征值λ的特征向量V乘以一个常量c仍然是特征值λ的特征向量 A(cV)=c(AV)=c(λV)=λ(cV) 为得到唯一的形式，可使用向量范数将特征向量归一化 U=V/||V||p 则向量U的p-范数为1 对角化 如果有一种简单的方法可将矩阵A转换为对角阵，则可以直接得到它的特征值 定义11.5 设有n×n矩阵A和B，如果存在一个非奇异矩阵K，使得B=K-1AK，则称矩阵A和B相似 定理11.7 如果A和B是相似矩阵，λ和V是矩阵A的特征对，那么λ也是矩阵B的特征值，设非奇异矩阵K使得K-1AK=B，则Y=K-1 V是矩阵B的对应于特征值λ的特征向量 一个n×n矩阵A，如果它和一个对角矩阵相似，则称它是可对角化的 对角化定理 定理11.8 矩阵A和一个对角矩阵D相似，当且仅当它有n个线性无关的特征向量。如果A和D相似，则有 V-1AV=D=diag(λ1,λ2,...,λn) V=[V1 V2 ... Vn] 其中n个特征对是λj和Vj ，j=1,2,...,n. 对称性的优势 对于实对称矩阵，它一定有n个实特征向量，对于重复度为mj的特征值，它有mj个线性无关的特征向量，因此每一个实对称矩阵都是可对角化的 但实非对称矩阵可具有复数特征值和特征向量 正交性和正交向量 定义11.6 设有一组向量{V1,V2,...,Vn}，如果V’jVk=0, j≠k, 则称这组向量是正交的。 定义11.7 设{V1,V2,...,Vn}是一组正交向量，如果它们都是单位范数的，即V’jVk=0, j≠k, V’jVj=1, j=1,2,...,n,则称这组向量是标准正交的 定理11.11 一组标准正交向量是线性无关的 实对称矩阵的对角化 定义11.8 设有一个n×n矩阵A，如果AT是A的逆，即ATA=I，则称A为正交矩阵，它等价于A-1=AT，也就是说，A是正交的，当且仅当矩阵A的列（和行）形成一组标准正交向量。 定理11.12 如果A是一个实对称矩阵，则存在一个正交矩阵K，使得KTAK=K-1AK=D,其中D是以A的特征值为对角线的对角阵。 对称矩阵的性质 推论11.1 如果A是一个n×n实对称矩阵，则A的n个线性无关的特征向量可形成一组正交向量 推论11.2 实对称矩阵的特征值都是