线性代数第五章 方阵的特征值和特征向量

第五章 特征值和特征向量一、特征值与特征向量定义1：设A 是n 阶矩阵，λ为一个数，若存在非零向量α，使λαα=A ，则称数λ为矩阵A 的特征值，非零向量α为矩阵A 的对应于特征值λ的特征向量。

定义2：()E A f λλ-=，称为矩阵A 的特征多项式，)(λf =0E A λ-=，称为矩阵A 的特征方程，特征方程的根称为矩阵A 的特征根 矩阵E A λ-称为矩阵A 的特征矩阵齐次方程组（0)=-X E A λ称为矩阵A 的特征方程组。

性质1：对等式λαα=A 作恒等变形，得（0)=-αλE A ，于是特征向量α是齐次方程组（0)=-X E A λ的非零解向量，由齐次线性方程组有非零解的充要条件知其系数行列式为零，即0=-E A λ，说明A 的特征值λ为0E A λ-=的根。

由此得到对特征向量和特征值的另一种认识：（1）λ是A 的特征值⇔0=-E A λ，即(λE -A )不可逆.（2）α是属于λ的特征向量⇔α是齐次方程组（0)=-X E A λ的非零解.计算特征值和特征向量的具体步骤为： （1）计算A 的特征多项式，()E A f λλ-=（2）求特征方程)(λf =0E A λ-=的全部根，他们就是A 的全部特征值；（3）然后对每个特征值λ，求齐次方程组（0)=-X E A λ的非零解，即属于λ的特征向量.性质2：n 阶矩阵A 的相异特征值m λλλ 21,所对应的特征向量21,ξξ……ξ线性无关性质3：设λ1,λ2,…,λn 是A 的全体特征值，则从特征多项式的结构可得到：（1）λ1+λ2+…+λ n =tr(A )( A 的迹数，即主对角线上元素之和). （2）λ1λ2…λn =|A |.性质4：如果λ是A 的特征值，则（1）f(λ)是A 的多项式f(A )的特征值.(2)如果A 可逆，则1/λ是A -1的特征值; |A |/λ是A *的特征值. 即： 如果A 的特征值是λ1,λ2,…,λn ，则 （1）f(A )的特征值是f(λ1),f(λ2),…,f(λn ).（2）如果A 可逆，则A -1的特征值是1/λ1,1/λ2,…,1/λn ; 因为A AA =*，A *的特征值是|A |/λ1,|A |/λ2,…,|A |/λn .性质5：如果α是A 的特征向量，特征值为λ，即λαα=A 则（1）α也是A 的任何多项式f(A )的特征向量，特征值为f(λ)；（2）如果A 可逆，则α也是A -1的特征向量，特征值为1/λ；α也是A *的特征向量，特征值为|A |/λ 。

【关键字】学习第五章矩阵的特征值与特征向量一．内容提要1 . 特征值和特征向量定义1 设是数域P上的n阶矩阵，若对于数域P中的数，存在数域P上的非零n维列向量X，使得则称为矩阵A的特征值，称X为矩阵A属于（或对应于）特征值的特征向量注意：1）是方阵；2）特征向量X 是非零列向量；3）方阵与特征值对应的特征向量不唯一4）一个特征向量只能属于一个特征值.2．特征值和特征向量的计算计算矩阵A的特征值与特征向量的步骤为：（1）计算n阶矩阵A的特征多项式｜E－A｜；（2）求出特征方程｜E－A｜＝０的全部根，它们就是矩阵A的全部特征值；（3）设1 ，2 ，… ，s 是A的全部互异特征值。

对于每一个i，解齐次线性方程组0，求出它的一个根底解系，该根底解系的向量就是A属于特征值i的线性无关的特征向量，方程组的全体非零解向量就是A属于特征值i的全体特征向量.3．特征值和特征向量的性质性质1 （1）若X是矩阵A属于特征值的特征向量，则kX（）也是A属于的特征向量；（2）若是矩阵A属于特征值的特征向量，则它们的非零线性组合也是A属于的特征向量；（3）若A是可逆矩阵，是A的一个特征值，则是A—1的一个特征值，是A*的一个特征值；（4）设是n阶矩阵A的一个特征值，f（x）= amxm + am-1xm-1 + … + a1x + a0为一个多项式，则是f（A）的一个特征值。

性质2（1）（2）性质3 n阶矩阵A和它的转置矩阵有相同的特征值性质4 n阶矩阵A 不同的特征值所对应的特征向量线性无关4. 相似矩阵定义2 设A、B为n阶矩阵，若存在可逆矩阵P，使得Ｂ＝P―1ＡP则称A与B相似。

记作A∽B. 并称P为相似变换矩阵.矩阵的相似关系是等价关系，满足：1°反身性：A∽A.2°对称性：若A∽Ｂ，则Ｂ∽A.3°传递性：若A∽Ｂ，B∽Ｃ则A∽Ｃ.5．矩阵相似的性质：设A、B为n阶矩阵，若A∽B，则（1） ； （2） ；（3）A 、B 有相同的迹和特征多项式，相同的特征值；（4） A ，B 或者都可逆或者都不可逆. 当A ，B 都可逆时，∽；（5）设f （x ）= amxm + am-1xm-1 + … + a1x + a0 为一个多项式，则 f （A ）∽ f （B ） ； 6．n 阶矩阵A 相似对角化的条件（1）n 阶矩阵A 与对角矩阵Λ相似的充分必要条件是A 有n 个线性无关的特征向量. （2）n 阶矩阵A 与对角阵相似的充要条件是A 的每个k 重特征值恰好对应有k 个线性无关的特征向量.注（1）与单位矩阵相似的 n 阶矩阵只有单位阵 E 本身，与数量矩阵 kE 相似的 n 阶方阵只有数量矩阵 kE 本身（2）有相同特征多项式的矩阵不一定相似。

完整版线性代数第五章特征值与特征向量自考经管类精
品
特征值和特征向量是线性代数中非常重要的概念，它们在很多实际问题中具有广泛的应用。

本文将从定义、性质、求解方法以及应用等几个方面介绍特征值和特征向量。

特征值（eigenvalue）是一个方阵在一些线性变换下的伸缩因子，而特征向量（eigenvector）则是特征值对应的非零向量。

对于一个给定的方阵A，如果存在一个非零向量x，使得Ax=λx，其中λ是一个标量，那么λ就是矩阵A的特征值，而x就是对应的特征向量。

特征值和特征向量具有以下几个重要性质：
1.特征值是矩阵的本质性质，不依赖于矩阵的表示方式。

2.每个特征值都有对应的特征向量，但一个特征向量可能对应多个特征值。

3.特征值和特征向量可以是复数，不一定是实数。

要求解特征值和特征向量，可以通过以下步骤进行：
1. 求解矩阵的特征方程：det(A-λI)=0，其中det表示矩阵的行列式，I是单位矩阵。

2.解特征方程得到特征值。

3.将特征值代回到特征方程，解得对应的特征向量。

特征值和特征向量在很多应用中具有重要的意义，如以下几个方面：
1.特征值和特征向量可以用于矩阵的对角化，简化复杂计算。

2.特征值和特征向量在数据降维中有广泛应用，如主成分分析（PCA）。

3.特征值和特征向量可用于解决线性方程组、求解线性变换等问题。

4.特征值和特征向量在机器学习算法中有很多应用，如图像处理、聚类算法等。

综上所述，特征值和特征向量是线性代数中的重要概念，具有广泛的应用。

掌握特征值和特征向量的求解方法和性质，有助于理解和应用线性代数的相关知识。

第五章 矩阵的特征值与特征向量§1矩阵的特征值与特征向量一、矩阵的特征值与特征向量定义1：设A 是n 阶方阵,如果有数λ和n 维非零列向量x 使得x Ax λ=,则称数λ为A 的特征值,非零向量x 称为A 的对于特征值λ的特征向量.由x Ax λ=得0)(=-x E A λ,此方程有非零解的充分必要条件是系数行列式0=-E A λ,此式称为A 的特征方程,其左端是关于λ的n 次多项式,记作)(λf ,称为方阵A 特征多项式.设n 阶方阵)(ij a A =的特征值为n λλλ,,,21 ,由特征方程的根与系数之间的关系,易知：nn n a a a i +++=+++ 221121)(λλλA ii n =λλλ 21)(例1 设3阶矩阵A 的特征值为2,3,λ.若行列式482-=A ,求λ. 解：482-=A 64823-=∴-=∴A Aλ⨯⨯=32A 又 1-=∴λ例2 设3阶矩阵A 的特征值互不相同,若行列式0=A , 求矩阵A 的秩.解：因为0=A 所以A 的特征值中有一个为0,其余的均不为零.所以A 与)0,,(21λλdiag 相似.所以A 的秩为2.定理1对应于方阵A 的特征值λ的特征向量t ξξξ,,,21 ,t ξξξ,,,21 的任意非零线性组合仍是A 对应于特征值λ的特征向量.证明 设存在一组不全为零的数t k k k ,,,21 且存在一个非零的线性组合为t t k k k ξξξ+++ 2211，因为t ξξξ,,,21 为对应于方阵A 的特征值λ的特征向量。

则有),,2,1(1t i k Ak i i i ==ξλξ所以)()(22112211t t t t k k k k k k A ξξξλξξξ+++=+++ 所以t t k k k ξξξ+++ 2211是A 对应于特征值λ的特征向量. 求n 阶方阵A 的特征值与特征向量的方法：第一步：写出矩阵A 的特征多项式,即写出行列式E A λ-.第二步：解出特征方程0=-E A λ的根n λλλ,,,21 就是矩阵A 的特征值.第三步：解齐次线性方程组0)(=-x E A i λ,它的非零解都是特征值i λ的特征向量.例3 求矩阵⎪⎪⎪⎭⎫ ⎝⎛--=201034011A 的特征值和特征向量.解 A 的特征多项式为2)1)(2(201034011λλλλλλ--=-----=-E A 所以,A 的特征值为1,2321===λλλ. 当21=λ时,解方程组0)2(=-x E A .由⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎭⎫ ⎝⎛--=-000010001~2010340112E A ,得基础解系⎪⎪⎪⎭⎫ ⎝⎛=1001p ,所以特征值21=λ的全部特征向量为11p k ,其中1k 为任意非零数.当132==λλ时,解方程组0)(=-x E A .由⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎭⎫ ⎝⎛--=-000210101~101024012E A ,得基础解系⎪⎪⎪⎭⎫ ⎝⎛--=1212p ,所以特征值132==λλ的全部特征向量为22p k ,其中2k 为任意非零数. 二、特征值与特征向量的性质与定理性质1 n 阶方阵A 可逆的充分必要条件是矩阵A 的所有特征值均非零. 此性质读者可利用A n =λλλ 21可证明.定理 2 若21,λλ是n 阶方阵A 的两互不相等的特征值,对应的特征向量分别为21,p p ,则21,p p 线性无关.证明 假设设有一组数21,x x 使得02211=+p x p x (1)成立. 以2λ乘等式(1)两端,得0222121=+p x p x λλ (2) 以矩阵A 左乘式(1)两端,得0222111=+p x p x λλ (3) (3)式减(2)式得0)(1211=-p x λλ 因为21,λλ不相等,01≠p ,所以01=x .因此(1)式变成022=p x . 因为02≠p ,所以只有02=x . 这就证明了21,p p 线性无关.性质2 设)(A f 是方阵A 的特征多项式,若λ是A 的特征值.对应于λ的特征向量为ξ,则)(λf 是)(A f 的特征值,而ξ是)(A f 的对应于)(λf 的特征向量,而且若O A f =)(,则A 的特征值λ满足0)(=λf ,但要注意,反过来0)(=λf 的根未必都是A 的特征值.例4 若λ是可逆方阵A 的特征值,ξ是A 的对应于特征值λ的特征向量,证明：1-λ是1-A 的特征值,ξ是1-A 对应于特征值1-λ的特征向量,证明 λ 是可逆方阵A 的特征值,ξ是A 的对应于特征值λ的特征向量λξξ=∴A ξξλ11--=∴Aξξλ11--=∴A A A ξξλ*1A A =∴-1-∴λ是1-A 的特征值,ξ是1-A 对应于特征值1-λ的特征向量, 1-λA 是*A 的特征值,ξ是*A 对应于特征值1-λA 的特征向量.例5 设3阶矩阵A 的特征值1,2,2,求E A --14.解：A 的特征值为1,2,2,,所以1-A 的特征值为1,12,12, 所以E A--14的特征值为4113⨯-=,41211⨯-=,41211⨯-=所以311341=⨯⨯=--E A .例6 若21,λλ是n 阶方阵A 的两互不相等的特征值,对应的特征向量分别为21,p p ,证明21p p +一定不是A 的特征向量.证明 假设21p p +是矩阵A 的特征向量，对应的特征值为.λ根据特征值定义可知：)()(2121p p p p A +=+λ …………………(1) 21,λλ 又是n 阶方阵A 的特征值，对应的特征向量分别为21,p p .,111p Ap λ=∴ 222p Ap λ= (2)将(2)带入(1)式整理得：0)()(2211=-+-p p λλλλ因为21,λλ是n 阶方阵A 的两互不相等的特征值,对应的特征向量分别为21,p p 线性无关.所以21λλλ==.与21,λλ是n 阶方阵A 的两互不相等的特征值矛盾. 所以假设不成立.例7 若A 为正交矩阵,则1±=A ,证明,当1-=A 时,A 必有特征值1-;当1=A 时,且A 为奇数阶时,则A 必有特征值1.证明 当1-=A 时.TT T A E A A E A AA A E A +=+=+=+)(A E A E T +-=+-=,所以 .0=+A E `所以1-是A 的一个特征值反证法：因为正交阵特征值的行列式的值为1，且复特征值成对出现，所以若1不是A 的特征值，那么A 的特征值只有-1，以及成对出现的复特征值。

第五章特征值和特征向量特征值和特征向量理论,不仅用于解决上述求线性变换的对角阵表示这个问题,在诸如几何中的变换,振动问题中的稳定性,微分方程的边值问题等许多方面都有广泛应用.由于一个矩阵在一定意义下就是一个线性变换,本章着重讨论矩阵的特征值和特征向量.一、 教学目标与基本要求1 线性变换的特征值和特征向量定义5.1.1设V 是一个线性空间,T :V →V 是一个线性变换.若对于数λ,存在一个非零向量x ,使得x x λ=)(T (5.1.1)则称λ为T 的一个特征值,而称x 为T 的属于特征值λ的特征向量.定义5.1.2设][ik a A =是一个n 阶方阵,λ是一个变量,矩阵A E -λ的行列式nnn n n n a a a a a a a a a A E ---------=-λλλλ212222111211)det( 被称为A 的特征多项式,记为)(λf .这是一个变量λ的n 次多项式.而称以λ为未知量的方程=-)det(A E λ0)(=λf 为A 的特征方程.讨论一个方阵A (被视着某个线性变换的矩阵)的特征值和特征向量的求法.这可以归纳为以下步骤:1.求出方阵A 的特征方程0)det(=-A E λ的全部根,它们就是A 的特征值.2.将求得的特征值逐个代入齐次线性方程组θx =-T)(A E λ,求其通解,就得到了属于每个特征值的全部特征向量.2 特征值和特征向量的性质性质1 若λ是方阵A 的特征值,则2λ是2A 的特征值；若A 可逆,则1-λ是1-A 的特征值. 性质2 设1λ,2λ是方阵A 的相异的特征值,1ξ,2ξ是分别属于1λ及2λ的A 的特征向量,则1ξ,2ξ是独立的.性质3 设V 是n 维线性空间,T :V →V 是一个线性变换,它有n 个彼此相异的特征值n λλ,, 1,n ξξ,, 1是分别属于它们的特征向量.则}{1n ξξ,, 是V 的一组基,且T 在此基下的矩阵表示就是对角阵)diag(1n A λλ,, =.性质4 若A 是实对称方阵,1λ,2λ是其相异特征值,1ξ,2ξ是分别属于它们的特征向量,则1ξ与2ξ正交.性质5 设n λλλ,,, 21是n 阶方阵][ik a A =的全部特征值,则(1)A a a a A E f n n nn n det )1()(||)(12211-+++++-=-=- λλλλ,(2)∑==n i i A 1tr λ,(3)n A λλλ 21det =3 相 似 矩 阵定义5.3.1设A ,B 都是n 阶方阵,若有可逆方阵C ,使B AC C =-1, (5.3.5)则称B 是A 的相似矩阵,或说B 与A 相似.对A 进行运算AC C 1-,被称为对A 进行相似变换.可逆方阵C 被称为将A 变成B 的相似变换矩阵.相似关系是同阶方阵之间的一种关系,具有:(1)自反性: A 与A 相似.因为取单位阵E ,有A AE E =-1.(2)对称性:若B 与A 相似,则A 与B 相似.因为(5.3.5)式两端左乘C ,右乘1-C ,有A CBC =-1.(3)传递性:若B 与A 相似,D 与B 相似,则D 与A 相似.因为据假设,有可逆方阵1C 及2C ,使B AC C =-111,D BC C =-212,故有121211112)()(---==C C C AC C C D A )(21C C ,故D 与A 相似.定理5.3.1若n 阶方阵A 与B 相似,则A 与B 的特征多项式相同,从而A 与B 的特征值亦相同.而且B A det det =.推论 若n 阶方阵A 与对角阵)diag(1n λλ,, =Λ相似,则n λλ,, 1即为A 的n 个特征值. 若一个n 阶方阵A 与一个对角阵)diag(1n λλ,, =Λ相似,就称A 可以对角化. 定理5.3.2实对称阵的特征值为实数.定理5.3.3设A 为n 阶实数对称阵,λ是A 的特征方程的r 重根,则方阵A E -λ的秩是r n -,从而属于λ的特征向量中,恰有r 个独立的特征向量.定义5.3.2由n 个两两正交的n 元单位列向量所构成的n 阶方阵,被称为正交阵.二、教学内容及学时分配：第一节线性变换的特征值和特征向量 2学时第二节特征值和特征向量的性质 2学时第三节相 似 矩 阵 2学时三、教学内容的重点及难点：1、重点：特征根及特征向量的求法2、难点：什么时候可以将矩阵对角化四、教学内容的深化和拓宽：大部分矩阵不能对角化,那么什么时候可以对角化,对角化在实际中的例子.五、思考题与习题1 (3)(4)(5) 3警 4 6 8 9 10 11 13 14六、教学方式（手段）本章主要采用讲授新课的方式。