矩阵特征值与特征向量的计算方法.pdf

矩阵特征值与特征向量的计算方法

矩阵是一个广泛应用于线性代数、微积分和物理学等领域的数

学对象。在许多问题中，矩阵和线性变换起着重要作用，并且特

征值与特征向量是矩阵理论中的两个核心概念。本文将介绍矩阵

特征值与特征向量的定义、性质以及计算方法。

一、特征值与特征向量的定义

给定一个n阶矩阵A，如果存在一个非零向量x，使得A与x

的线性组合仍然是x的倍数，即有

Ax=λx

其中λ为常数，称λ为A的特征值，x为对应于λ的特征向量。

从几何意义上理解，特征向量是不被矩阵变换影响方向，只被

影响长度的向量。特征值则是描述了矩阵变换对于特定方向上的

伸缩倍数。

二、特征值与特征向量的性质

1.特征向量构成的向量空间没有零向量。

证明：设x为A的特征向量，有Ax=λx，则A(cx)=

cAx=cλx=λ(cx),即A的任意常数倍(cx)仍是x的倍数，因此cx也是

A的特征向量。特别地，对于λ≠0时，x/λ也是A的特征向量。

2.A的特征值的个数不超过n个。

证明：考虑特征值λ1,λ2,…,λt，对应于各自的特征向量

x1,x2,…,xt。利用向量线性无关性可得，至少存在一个向量y不属

于x1,x2,…,xt的张成空间内，此时Ay不能被表示成

λ1x1,λ2x2,…,λtxt的线性组合，因此Ay与y方向没有重合部分，

由此可得λ1,λ2,…,λt最多就是n个。

3.如果特征向量x1,x2,…,xt彼此不共线，则它们就可以作为

Rn空间的一组基。

证明：设x1,x2,…,xt是不共线的特征向量，考虑它们张成的向

量空间V，在此空间中，A的作用就是对向量做伸缩变换，且

Λ(xj)=λj。对于每个向量y∈V，y可以表示成如下形式：

y=c1x1+c2x2+··+ctxt·

由于x1,x2,…,xt构成V的基，因此c1,c2,…,ct唯一确定了向量

y。因此，对于任意的向量y，可以得到:

Ay=A(c1x1+c2x2+··+ctxt)·

=c1Ax1+c2Ax2+··+ctAxt·

=λ1c1x1+λ2c2x2+···+λtctxt

由于{x1,x2,…,xt}是V的一组基，c1,c2,…,ct是唯一确定的，因

此Ay也被唯一确定了。即Ay在{x1,x2,…,xt}所张成空间T内的

分量乘上特征向量对应的特征值λj，这个式子证明了Т是A的不

变子空间。因此，我们可以把V表示成如下形式：

V=Tλ1x1+λ2x2+···+λtxt

由于一般来说λ1不等于λ2，λ2不等于λ3，等等，因此{λ1x1,

λ2x2,…,λtxt}张成的向量空间与{x1,x2,…,xt}张成的向量空间有着

同样的维度，即V和{T,λ1x1,λ2x2,…,λtxt}张成的向量空间相同。

而{T,λ1x1,λ2x2,…,λtxt}张成的空间就是Rn空间，因此

{x1,x2,…,xt}也可以表示成Rn空间的一组基。

三、特征值与特征向量的计算方法

1.求特征值

求逆矩阵|A-λI|=0（A-λI为A与λ的差，I为单位矩阵），即

可得到特征值λ。

以一个二阶矩阵A为例：

A=[a11a12]

[a21a22]

|A-λI|=(a11-λ)×(a22-λ)-a12×a21=0

解得：λ1=(a11+a22+√((a11−a22)^2+4a12a21))/2，λ2=

(a11+a22-√((a11−a22)^2+4a12a21))/2

2.求特征向量

将特征值代入(A-λI)x=0，求解线性方程组即可得到特征向量。

以λ1为例：

(A-λ1I)x=0

[a11-λ1a12][x1]=[0]

[a21a22-λ1][x2][0]

代入λ1的值解线性方程组，可以得到特征向量(x1,x2)的具体值。

总结：特征值与特征向量是矩阵理论的基本概念，在许多领域

中都有重要的应用。通过对特征值与特