5-2方阵的特征值与特征向量
- 格式:ppt
- 大小:1.50 MB
- 文档页数:22
【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。
引言众所周知,矩阵理论在历史上至少可以追溯到Sylvester与Cayley,特别是Cayley1858年的工作。
自从Cayley建立矩阵的运算以来,矩阵理论便迅速发展起来,矩阵理论已是高等代数的重要组成部分。
近代数学的一些学科,如代数结构理论与泛函分析可以在矩阵理论中寻找它们的根源。
另一方面,作为一种基本工具,矩阵理论在应用数学与工程技术学科,如微分方程、概率统计、最优化、运筹学、计算数学、控制论与系统理论等方面有着广泛的应用。
同时,这些学科的发展反过来又极大地促进了矩阵理论的发展。
特征值与特征向量是矩阵理论中既具有基本理论意义,又具有重要应用价值的知识,与矩阵理论的其它知识也有着密切的联系。
可以说,特征值与特征向量问题是矩阵理论的基本核心问题。
因此,掌握这方面的知识对于培养新的高素质科技人才来说是必备的非常重要的。
矩阵是高等代数课程的一个基本概念是研究高等代数的基本工具。
线性空间、线性变换等,都是以矩阵作为手段,由此演绎出丰富多彩的理论画卷。
求解矩阵的特征值和特征向量,是高等数学中经常碰到的问题。
一般的线性代数教材中,都是先计算特征多项式,然后求得特征值,再通过解线性方程组得到对应的特征向量。
特征多项式和特征根在整个矩阵理论体系中具有举足轻重的作用,并且在于生活现实中的应用也很广泛。
“特征”一词来自德语的eigen,由希尔伯特在1904年首先在这个意义下使用(亥尔姆霍尔兹在更早的时候也在类似意义下使用过这一概念)。
eigen一词可翻译为“自身的”,“特定于...的”,“有特征的”或者“个体的”,这强调了特征值对于定义特定的变换上是很重要的。
矩阵特征值是高等代数研究的中心问题之一,也是硕士研究生招生考试的热点.而且在自然科学(如物理学、控制论、弹性力学、图论等)和工程应用(如结构设计、振动系统、矩阵对策)的研究中也同样离不开矩阵特征值问题,因而对其研究具有重要的理论和应用价值。
随着计算机的迅速发展,现代社会的进步和科技的突飞猛进,高等代数作为一门基础的工具学科已经向一切领域渗透,它的作用越来越为世人所重视。
方阵的特征值与特征向量
定义:设是阶方阵,若有数和非零向量,使得,称数是的特征值,非零向量是对应于特征值的特征向量。
【例如】:对,有及向量,使得,这
说明是的特征值,是对应于的特征向量。
特征值和特征向量的求法:
1.由得,并且由于是非零向量,故行列式,即
(称之为的特征方程)
由此可解出个根(在复数范围内),这就是的所有特征值。
2.根据某个特征值,由线性方程组解出非零解,这就是
对应于特征值的特征向量。
【例】:求的特征值和特征向量。
解:由,得,解得;
对,求解,得,取对应于的特征向量;
对,求解,得,取对应于的特征向量。
【例】:求的特征值和特征向量。
解:由,解得;
对,解得对应的特征向量;
对,求解,得,取对应的特征向量。
【例】:求的特征值和特征向量。
解:由,解得;
对,解得对应的特征向量;
对,求解,得,
取对应的特征向量。
特征值和特征向量的性质:
1.,
2.若是的特征向量,则对,也是的特征向量。
3.若是的特征值,则是的特征值,从而是的特征值。
4.是的个特征值,为依次对应的特征向量,若
各不相同,则线性无关。
特征值和特征向量的⼏何意义、计算及其性质⼀、特征值和特征向量的⼏何意义特征值和特征向量确实有很明确的⼏何意义,矩阵(既然讨论特征向量的问题,当然是⽅阵,这⾥不讨论⼴义特征向量的概念,就是⼀般的特征向量)乘以⼀个向量的结果仍是同维数的⼀个向量。
因此,矩阵乘法对应了⼀个变换,把⼀个向量变成同维数的另⼀个向量。
那么变换的效果是什么呢?这当然与⽅阵的构造有密切的关系,⽐如可以取适当的⼆维⽅阵,使得这个变换的效果就是将平⾯上的⼆维变量逆时针旋转30度。
这时,我们可以思考⼀个问题,有没有向量在这个变换下不改变⽅向呢?可以想⼀下,除了零向量,没有其他向量可以在平⾯上旋转30度⽽不改变⽅向的,所以这个变换对应的矩阵(或者说这个变换⾃⾝)没有特征向量(注意:特征向量不能是零向量)。
⼀个变换(或者说矩阵)的特征向量就是这样⼀种向量,它经过这种特定的变换后保持⽅向不变,只是进⾏长度上的伸综上所述,⼀个变换(或者说矩阵)的特征向量就是这样⼀种向量,它经过这种特定的变换后保持⽅向不变,只是进⾏长度上的伸缩⽽已缩⽽已。
再想想特征向量的原始定义:可以很容易看出,cx是⽅阵A对向量x进⾏变换后的结果,显然cx和x的⽅向相同。
⽽且x是特征向量的话,ax也是特征向量(a是标量且不为零),所以特征向量不是⼀个向量⽽是⼀个向量族。
另外,特征值只不过反映了特征向量在变换时的伸缩倍数⽽已。
对⼀个变换⽽⾔,特征向量指明的⽅向才是很重要的,特征值不那么重要。
特征向量是指经过指定变换(与特定矩阵相乘)后不发⽣⽅向改虽然我们求这两个量时先求出特征值,但特征向量才是更本质的东西!特征向量是指经过指定变换(与特定矩阵相乘)后不发⽣⽅向改变的那些向量,特征值是指在经过这些变换后特征向量的伸缩的倍数。
变的那些向量,特征值是指在经过这些变换后特征向量的伸缩的倍数⼆、特征值和特征向量的计算使⽤Matlab求矩阵的特征值和特征向量:矩阵D的对⾓线元素存储的是A的所有特征值,⽽且是从⼩到⼤排列的。
一、矩阵 的特征值和特征向盘1.矩阵的特征值与特征向量的概念对于n阶方阵A,若有数λ和向盘X:;t O,满足Ax =λX, 林λ为A的特征值,称x为A的属于特征值λ的特征向盘.2.矩阵的特征多项式与特征方程的概念行列式/(A)=A -λEl 或/(λ)=|λE-AI称为矩阵A的特征多项式:A -λEl=O或|λE -A l =O称为矩阵A的特征方程.3.矩阵的特征值与特征向量的求法设λ是A的一个特征值,x是A的属于λ的特征向量的充要条件是zλ为特征方程λE-A l=O的根,x是齐改方程组(λE-A)x =O的非零解.具体计算步骤如下z (1)计算机E-A :(2)求|λE-Al=O的全部棍,ll P 为A的全部特征值:(3)对于每一个特征值句,求出(λ。
E-A)x=O的一个基础解系吨,酌,…,飞-,.其中r为矩阵也E-A的秩,则A 的属于λ。
的全部特征向量为k,111+k 2、+…+k n -,11n叶’其中k l 'k 2,…,k n -,是不全为霉的任意常数.4.特征值和特征向盘的性质(I)特征值的性质。
设λ是方阵A的特征值,X是A对应λ的特征向最,则矩阵kA,A m,A-1,A·分别有特征值为z U,.-t "',_!_)剑,贝Ux也是kA.A m.A-1.A•对应特征值以,r ,土,凶”λ’λ””’λ’λ的特征向盘.2 )设λ是方阵A 的一个特征值,x为对应的特征向盘,若伊(A )=a 0E +a 1A+…+a n A n,则ψλ)=a 0 +a 1λ+…+a n A "是ψ(A )的一个特征值,x为对应特征向盘.3)若n阶方阵A=(a ij )的全部特征值为λ,,也,…,.-!"< k 重特征值算作k个特征值)则z①码+A..z+…+礼=a ,,+a 22+…+a nn : 2021考研高等数学必备公式特征值与特征向量②AiA:i ...λ..=IAI.)阳”的秩R(A)=l,则A的n个特征值为Ai=a u +a22 +…+a,,,,• 4)设A=(a11A:i=也=…=礼=0(2)特征向盘的性质1)设码,A:i,...,λm是方阵A的互不相同的特征值,X;是对应于..,1;(i = 1,2,··,m)的特征向量,则向量组鸟,鸟,…,x m线性无关,即对应于互不相同特征值的特征向盘线性无关:但相同特征值对应的特征向量可能线性相关,也可能线性无关.2)设坞,X2为A的属于λ的两个不同的特征向盘,若k1X1+kx2 :#0,贝tlk1x1+k2鸟也2是A的属于λ的特征向盘.3)设X1,X2为A的不同特征值λ1,名对应的特征向盘,则X1+X2不是A的特征向ffl:.4)k重特征值最多对应k个线性无关的特征向盘.二、相似矩阵、矩阵的对角化1. 相似短阵的概念与性质(1)相似矩阵的概念设A,8为两个n阶方阵,如果存在一个可逆矩阵P,使得B=P-1AP成立,则称矩阵A与B相似,记为A~8.(2)相似矩阵的性质如果A~B,则有:1) A r~e r.2) A-I~e-1 <若A,8均可逆〉.3) A+kE~B+kE.的A11.~e.t<k为正整数〉.的|λE-Al=IλE-BI,从而A,8有相同的特征值-S) I A l=I B,从而A,8同时可逆或同时不可逆.7) 4au = 4轧CA、B有相同的迹〉8) R(A)=R(B).2.矩阵可相似对角化(1)相似对角化的概念若n阶矩阵A与对角矩阵A相似,则称A可以相似对角化,记为A~A,并称A是A 的相似标准形.(2) A与对角矩阵相似的充要条件A与对角矩阵相似的充要条件为n阶矩阵A有n个线性无关的特征向盘.1) A与对角矩阵相似的充分条件z若A有n个互不相等的特征值4,也,…,礼,则A必与对角矩阵相似.2) A与对角矩阵相似的充要条件:对A的特征值的重根数等于其对应的线性无关的特征向盘个数,即R (λE-A)=n-k .(4)相似对角化A为对角短阵A的解题步骤。