线性代数第五章特征值与特征向量
(完整版)线性代数第五章特征值、特征向量试题及答案
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 。
线性代数第五章特征值和特征向量矩阵的对角化
(5)若f(x)是x的多项式,则f()是f(A)的特征值
特征向量保持不变
10
证：(2)∵AX=X A(AX)=A(X) =(AX)=(X)
A2X=2X
再继续施行上述步骤m2次,就得
AmX=mX m是矩阵Am的特征值,且X是Am的对应于 m的特征向量.
(4)当A可逆时, 0 ∵AX=X A1(AX)=A1(X) =A1X
1
1
1
1
3 2
3 1
3
3
1 3
2 3
5100 2
1 3
5100
5100
1 1
5100 1 5100 2 5100 1
5100 1 5100 1 5100 2
33
5.3 实对称矩阵的对角化 1.实对称矩阵特征值的相关性质 2.求正交矩阵的方法
34
共轭矩阵 如果A=(aij)为复矩阵时,用 aij 表示aij的
1=5: 解方程组 (5IA)X=0
4 2 2 1 0 1 5IA= 2 4 2 →0 1 1
2 2 4 0 0 0
1 基础解系: P1 1
1
对应于1=5的全部特征向量为: k1P1 (k10)
2=3= 1 : 解方程组 (IA)X=0
2 2 2 1 1 1 IA= 2 2 2 →0 0 0
k11+k22=0 (2) (2)2(1)k1(12)=0 ∵12 ,0 ∴k1=0 同理可得k2=0
∴与线性无关
推广 设1,2,,r是矩阵A的对应于不同特 征值1,2,,r的特征向量,则1,2,,r线性
无关.
定理 如果1,2,,r是矩阵A的不同特征值, 而(i=1i,12,,i2,,r)的, 线是性ikAi无的关对的应特于征特向征量值,则i向量组 也11线,性12,无,关1.k1,21,22,, 2k2,,r1,r2,,rkr
线性代数居余马第5章 特征值与特征向量
5.1.2 特征值和特征向量的性质
定理5.1 若x1, x2 是A属于λ0的两个的特征向量，则 定理 k1x1+ k2x2也是A属于λ0的特征向量(其中 k1, k2是任意常数， 但 k1x1+ k2x2 ≠0 )。 证： x1，x2 是齐次线性方程组(λI− A) x=0的解，所以， ， ， k1x1+ k2x2 也是(λI− A) x=0 的解，故当 k1x1+ k2x2 ≠0 时，也是A的属于λ0 的特征向量。 (λ I− A) x=0的解空间 解空间称为A的关于λ的特征子空间 特征子空间，记作Vλ 。 解空间 特征子空间 dimVλ=n −r (λI− A)
λ1 λ2 A( x1 , x2 ,L, xn ) = ( x1 , x2 ,L, xn ) O λn
(1)
(2)
得
A xj = λj x j ( xj≠0, j=1,2,L,n)
(3)
即x1, x2,L, xn是A的n个线性无关的特征向量(因为P可逆，所以 x1, x2,L, xn线性无关)。必要性得证。
性质2 性质 矩阵A和AT的特征值相同。 证： det(λI− A) =det (λ I − A)T = det ((λ I)T−AT)= det (λ I − A T) *定理 定理5.3 设A是n阶矩阵，若 定理
∑a
i =1
n
ij
< 1 ( j = 1, 2 , L , n )
∑a
j =1
n
ij
i =1 i =1
− a12 L − a1n − a22 L − a2 n = ( −1) n A , 即 c = ( −1) n A n L L L − an 2 L − ann
线性代数学习指导第五章矩阵的特征值与特征向量
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()ijn nA a ⨯=是数域P 上的n 阶矩阵，若对于数域P 中的数λ，存在数域P 上的非零n 维列向量X ，使得X AX λ=则称λ为矩阵A 的特征值，称X 为矩阵A 属于（或对应于）特征值λ的特征向量 注意：1）()ijn nA a ⨯=是方阵；2）特征向量 X 是非零列向量；3）方阵 ()ijn nA a ⨯= 与特征值λ 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｜λE －A ｜；（2） 求出特征方程｜λE －A ｜＝０的全部根，它们就是矩阵A 的全部特征值； （3） 设λ1 ，λ2 ，… ，λs 是A 的全部互异特征值。
对于每一个λi ，解齐次线性方程组()i E A X λ-=0，求出它的一个基础解系，该基础解系的向量就是A 属于特征值λi 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λi 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λ的特征向量，则kX （0k ≠）也是A 属于λ的特征向量；（2）若12,,,s X X X 是矩阵A 属于特征值λ的特征向量，则它们的非零线性组合1122s s k X k X k X +++也是A 属于λ的特征向量；（3）若A 是可逆矩阵，λ是A 的一个特征值，则λ1是A —1的一个特征值，λ||A 是A *的一个特征值；（4）设λ是n 阶矩阵A 的一个特征值，f （x ）= a m x m + a m-1x m -1 + … + a 1x + a 0为一个多项式，则()f λ是f （A ）的一个特征值。
性质2（1） nn n a a a +⋅⋅⋅++=+⋅⋅⋅++221121λλλ（2） || 21A n =⋅⋅⋅λλλ性质3 n 阶矩阵A 和它的转置矩阵T A 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。
《线性代数及其应用》第五章 特征值与特征向量
5 2 6 1
例 3：求 A 0
3
8
0
的特征方程。
0 0 5 4
0 0 0 1
解：
5 2 6 1
det( A I ) det
0
3
8
0
0 0 5 4 0 Nhomakorabea0
0 1
(5 )(3 )(5 )(1 )
特征方程
(5 )2 (3 )(1 ) 0，
求得方程的根
1.92 0.08 1或0.92。
2
对应=1的特征向量是方程( A I )x 0的非平凡解。
0.05 0.03 0.05 0.03 0 (2)(1) 0.05 0.03 0
A I 0.05 0.03 ， 0.05 0.03 0 : 0
0 0
从而特征向量v1
3 5
定理 1： 三角矩阵的主对角线的元素是其特征值。
3 6 8 4 0 0
例 5：设 A 0 0
6
,
B
2
1
0，A的特征值为 3，0，2。
0 0 2 5 3 4
B 的特征值是 4 和 1。
注：
矩阵 A 有零特征值 Ax 0有非平凡解
A 是不可逆的
定理 1 证明： 为简单起见，考虑3 3的情形。
。
对应=0.92的特征向量是方程( A 0.92I )x 0的非平凡解。
A
I
0.03 0.05
0.03 0.03 0.05， 0.05
0.03 0.05
0 0.03 (2)5/3(1) 0 : 0
0.03 0
0 0
从而特征向量v2
线性代数知识点总结(第5章)
线性代数知识点总结（第5章）（一）矩阵的特征值与特征向量1、特征值、特征向量的定义：设A为n阶矩阵，如果存在数λ及非零列向量α，使得Aα=λα，称α是矩阵A属于特征值λ的特征向量。
2、特征多项式、特征方程的定义：|λE-A|称为矩阵A的特征多项式（λ的n次多项式）。
|λE-A |=0称为矩阵A的特征方程（λ的n次方程）。
注:特征方程可以写为|A-λE|=03、重要结论：（1）若α为齐次方程Ax=0的非零解，则Aα=0·α，即α为矩阵A特征值λ=0的特征向量（2）A的各行元素和为k，则(1，1，…，1)T为特征值为k的特征向量。
（3）上（下）三角或主对角的矩阵的特征值为主对角线各元素。
△4、总结：特征值与特征向量的求法（1）A为抽象的：由定义或性质凑（2）A为数字的：由特征方程法求解5、特征方程法：（1）解特征方程|λE-A|=0，得矩阵A的n个特征值λ1，λ2，…，λn注：n次方程必须有n个根(可有多重根，写作λ1=λ2=…=λs=实数，不能省略)（2）解齐次方程（λi E-A）=0，得属于特征值λi的线性无关的特征向量，即其基础解系（共n-r（λi E-A）个解）6、性质：（1）不同特征值的特征向量线性无关（2）k重特征值最多k个线性无关的特征向量1≤n-r（λi E-A）≤k i（3）设A的特征值为λ1，λ2，…，λn，则|A|=Πλi，Σλi=Σa ii（4）当r（A）=1，即A=αβT，其中α，β均为n维非零列向量，则A的特征值为λ1=Σa ii=αTβ=βTα，λ2=…=λn=0（5）设α是矩阵A属于特征值λ的特征向量，则（二）相似矩阵7、相似矩阵的定义：设A、B均为n阶矩阵，如果存在可逆矩阵P使得B=P-1AP，称A与B相似，记作A~B8、相似矩阵的性质（1）若A与B相似，则f（A）与f（B）相似（2）若A与B相似，B与C相似，则A与C相似（3）相似矩阵有相同的行列式、秩、特征多项式、特征方程、特征值、迹（即主对角线元素之和）【推广】（4）若A与B相似，则AB与BA相似，A T与B T相似，A-1与B-1相似，A*与B*也相似（三）矩阵的相似对角化9、相似对角化定义：如果A与对角矩阵相似，即存在可逆矩阵P，使得P-1AP=Λ=，称A可相似对角化。
《线性代数考研资料》第五章特征值与特征向量
解此方程组，得 又由，有 故因此
5.（03，九题，10分）设矩阵，，，求B＋2E的特征值与特征向量，其 中为A的伴随矩阵，E为3阶单位矩阵 【分析】可先求出，进而确定及B＋2E，再按通常方法确定其特征值和 特征向量；或先求出A的特征值与特征向量，再相应地确定的特征值与 特征向量，最终根据B＋2E与相似求出其特征值与特征向量。 【详解1】 经计算可得
第五章 特征值与特征向量
一、特征值与特征向量 1．（95，八题，7分）设三阶实对称矩阵A的特征值为，对应于的特征 向量为，求A 【分析】解本题的关键是注意A为实对称矩阵，在已知A的三个特征值和 三个线性无关特征向量后，由公式
可解出 【详解】设对应于的特征向量为，根据A为实对称矩阵的假设知，即， 解得
3－r(-E-A)=1个，故A不可对角化
2．（00，十一题，8分）某试验性生产线每年一月份进行熟练工与非熟 练工的人数统计，然后将熟练工支援其它生产部门，其缺额由招收新的 非熟练工补齐。新、老非熟练工经过培训及实践至年终考核有成为熟练 工，设第n年一月份统计的熟练工和非熟练工所占百分比分别为和，记 成向量 （1）求与的关系式并写成矩阵形成：； （2）验证式A的两个线性无关的特征向量，并求出相应的特征值； （3）当时，求 【分析】本题是线性代数部分的综合应用题，第一步要求根据题意建立 递推关系的数学模型；第二步用行列式检验两个二维向量线性无关；第 三步相当于求矩阵的n次幂，可利用对角化得到 【详解】（1）由题意，得
所以0是A的一个特征值，是对应的两个特征向量，又线性无关，故特征 值0的代数重数至少是2 已知A各行元素之和均为3，取，则，说明3是A的另一个特征值，是对应 的特征向量，且特征值3的代数重数至少为1 因为矩阵A的互异特征值的台属重数之和等于A的阶数，且已知A是3阶方 阵，故0是A的2重特征值，其对应的特征向量为（为不全为零的任意实 数）；3是A的1重特征值，其对应的特征向量为（为任意非零实数） （Ⅱ）令 则是A的标准正交的特征向量，取正交矩阵Q和对角矩阵
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
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。
线性代数矩阵特征值及特征向量
a a ... a
11
12
1n
E A
a 21
a ... 22
a 2n
a a ... a
n1
n2
nn
称为A的特征多项式. 方程 E A 0 称为A的
特征方程，其根称为A的特征根，即A的特征值. 注. n阶方阵A在复数范围内有n个特征值.
§1 特征值与特征向量、相似矩阵
（1 ） 若 是A的属于特征值 的特征向量，则 k (k 0) 也是A的属于 的特征向量. （2） 若 1,2, ,s 是A的属于特征值 的特征向量，
§1 特征值与特征向量、相似矩阵
例1. 问A是否可对角化？若可，求可逆矩阵P，使
1 2 2
P1AP 为对角矩阵.
这里
A
2 2
2 4
4 2
解: A的特征多项式为
1 2 2 E A 2 2 4
2 4 2
22 7
得A的特征值是2，2，-7 .
§1 特征值与特征向量、相似矩阵
定理3. 相似矩阵的特征多项式相同，从而特征值相同.
§1 特征值与特征向量、相似矩阵
推论. 设n阶矩阵A与对角矩阵
1
2
n
相似，则 1,2 , ,n 就是A的n个特征值.
注. 若矩阵A与对角矩阵相似，则可方便求出A的幂 Ak 及A的多项式.
§1 特征值与特征向量、相似矩阵
§2 矩阵可对角化的条件、实对称矩阵的对角化 一、矩阵可对角化的条件 二、实对称矩阵的对角化
§1 特征值与特征向量、相似矩阵
一、矩阵可对角化的条件
定义1：矩阵A是一个n 阶方阵，若存在可逆矩阵
P ，使 P1AP 为对角矩阵，即A与对角矩阵相似，则 称矩阵A可对角化.
大学线性代数第五章第一节矩阵的特征值与特征向量
在解决实际问题时，特征值和特征向量可以帮助我们理解数据的变化趋势和模式，例如在图像处理、信 号处理等领域有广泛应用。
在矩阵分解中的应用
01
矩阵分解是将一个复杂的矩阵 分解为几个简单的、易于处理 的矩阵，例如三角矩阵、对角 矩阵等。
矩阵的分解，如三角分解、 QR分解等，都涉及到特征值 和特征向量的应用，它们是构 造这些分解的基础。
02
矩阵的特征值与特征向量的定义
特征值的概念
特征值是指一个矩阵在某个非零常数倍下的不变性，即当矩阵A 乘以一个非零向量x得到0时，称该非零向量x为矩阵A的对应于 特征值λ的特征向量。
特征值可以通过求解矩阵的特征多项式得到，即|λE-A|=0。
密切的关系。
02
特征值和特征向量的关系可以通过矩阵的行列式、转
置、共轭等运算得到进一步的理解。
03
特征值和特征向量的关系性质在解决实际问题中具有
广泛的应用，如信号处理、控制系统等领域。
05ห้องสมุดไป่ตู้
矩阵特征值与特征向量的应用
在线性变换中的应用
矩阵特征值与特征向量是线性变换的一个重要工具，它们可以描述一个线性变换对一个向量空间的影 响。
特征值和特征向量在解决线性方程组、矩阵的相似变换、矩阵的 分解等领域有广泛应用。
矩阵特征值与特征向量的重要性
在解决线性方程组时，特征值 和特征向量可以提供一种有效 的解法，特别是对于一些特殊 类型的线性方程组。
在矩阵的相似变换中，特征值 和特征向量是确定相似变换的 关键，有助于理解矩阵的性质 和行为。
大学线性代数第五章第一节矩 阵的特征值与特征向量
线性代数教案-第五章 特征值和特征向量
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。
线性代数第5章 特征值及特征向量
A 123 2, A A A1 2 A1
( A) A 3 A 2 E 2 A1 3 A 2 E
的三个特征值为 (i ) 21 3i 2 ( i 1,2,3) i 计算得 (1) 1, ( 1) 3, ( 2) 3
B 的特征值为 1 3, 2 3 3
对于 1 3 ，解方程组 (1 E B ) x 0
4 2 2 1 0 1 1 E B 3 E B 3 4 1 0 1 1 2 2 4 0 0 0
解 (1) a+2+2=4+1+1 |A|=4*1*1 (2) |A-4E|=0
|A-2E|=0
a 2 . b 1 a 3 . b 0
4 40 a 2 2 a 0 b 1 3 b 0
的特征值。
例1
解
设n阶方阵A有n个特征值1，2，….，n，求|A+3E|.
则 设A有特征值 ， A 3E
3
所以，A+3E的特征值： 4，5，…..，n+3
(n 3)! | A 3E | 3!
例2 设3阶矩阵A的三个特征值为 1,1,2
求 A 3 A 2 E 解 A的特征值全不为零，故A可逆。
第一节 方阵的特征值与特征向量
一、特征值与特征向量的定义 二、特征值与特征向量的性质 三、特征值与特征向量的求法
一、特征值与特征向量的定义 定义1 设 A 是 n 阶方阵，
若数 和 n维非零列向量 X，使得
注意
AX X 成立，则称 是方阵 A 的一个特征值， X 为方阵 A 的对应于特征值 的一个特征向量。 （1） A 是方阵
(完整版)线性代数第五章特征值与特征向量(自考经管类原创)
Ak
( PP 1 )k
Pk P1
0 P
k
5
P1
上例中，对二阶方阵AP，存在可逆矩阵P, 使得P1AP .
对角阵的对角元是A的特征值，可逆阵P 即为相应对角元位置的特征值的线性无关的特 征向量组成.
接下来，主要研究方阵化对角阵的问题.
定义 设 A, B 都是 n 阶矩阵，若存在可逆矩阵P，使得 P1AP B
特征值， A 为 A 的一个特征值.
问题（ ：1）已知是A的特征值，求f (A)特征值
（2）已知f (A)=O，求A的特征值
例6 设3阶矩阵A的一个特征值是-3，则-A2必有 一个特征值 ___
例7
设A=
1 0
2 3
,求B=A2
-2A+3E 的所有特征值 2
例8 设三阶矩阵A的特征值分别为1，2，3, 则 A 2E __
4 1 3
( 1) 22 ,
令 ( 1) 22 0
得A的特征值为1 1,2 3 2.
当1 1时,解方程E A x 0.由
1 1 1 1 0 1
E
A
0
3
0
0
1
0
,
4 1 4 0 0 0
得基础解系
1 p1 0, 1
故对应于1 1的全体特征向量为
k p1
E A
a21
L
a22 L
LL
an1
an2 L
a1n
a2n
L
ann
称E A 为A的特征方阵 .
记 f E A ,它是 的 n 次多项式,
称其 为方阵 A的 特征多项式 .
称以 为未知数的一元n 次方程 E A 0
为A的特征方程 .
线性代数(慕课版)第五章 矩阵的特征值与特征向量
解得x 4.
故应填 4
14
有关特征值的性质
性质5.2 矩阵A与AT 有相同的特征值.
证 AT E ( A E)T A E
性质5.3 设A 是n 阶可逆矩阵， 为其特征值，则(1) 0;
(2) 1 是A1 的特征值.
证 (1) 假设 0，则由定义知A 0 0.
而矩阵A可逆，故上式两端同时左乘A1 得 A10 0.
(1) 12 n A ; (2) 1 2 n a11 a22 ann.
定义5.2 设矩阵A aij nn ，称a11 a22 ann为矩阵A 的迹.
7 4 1
例1
已知三阶矩阵A
4
7 1 有特征值1 2 3，
4 4 x
3 =12，则x ______ .
解 1 2 3 a11 a22 a33， 即3 3 12 7 7 x，
这与特征向量 0矛盾，故 0.
(2) 由条件知有非零向量 满足A ，两边左乘以A1 得 A1
因 0，于是有 A1 1 ①
所以 1 为A1的特征值.
15
有关特征值的性质
性质5.4 若是A 的特征值，则f ()是f ( A) 的特征值.
代数多项式 f (x) am xm am1xm1 a1x a，0 矩阵多项式 f ( A) am Am am1Am1 a1A a0E. 例2 已知三阶矩阵A 的特征值 1，1，2，求 A3 5A2 .
7
特征值与特征向量的定义
2 1 1
求矩阵的特征值与特征向量：A
0
2 0.
4 1 3
对2 3 2，解方程组( A 2E) X 0，
4 1 1 4 1 1
A
2E
0
0
0
线性代数 第五章第一节 矩阵的特征值与特征向量
第一步：写出矩阵A的特征方程，求出全 部特征值（注明重数）.
解
l 1 1 lE A 1 l 1 (l 2)( l 1) 2 1 1 l
l 代入齐次线性方程组
所以A的特征值为 l1 2, l2 l3 1.
第二步：对每个特征值
2 1 1 2 1 1 2 E A 1 2 1 1 2 1 1 1 2 0 0 0
A l E x 0, 求基础解系。 当l1 2 时,解方程组 (2 E A) x 0 . 由
1 1ቤተ መጻሕፍቲ ባይዱ
故l0 是矩阵A 的特征值, 且X 0是A
1
1
1
对应于l0 的特征向量.
1
如何求得矩阵A的特征值和特征 向量呢? 式子AX=lX(lE-A)X=0. 由于X是非零向量, 故齐次线性方 程组(lE-A)X=0有非零解, 而这等 价于 |λE-A|=0.
定义 称
为A的特征多项式, 它是以l为未知数的一 元n次多项式, 也记为f(l). 称|lEA|=0为A的特征方程. λE-A称为A的 特征矩阵。
若l0，使得 A（X 1 X 2） l0 X 1 X 2） （
则有
（l1 l0）X 1 l2 l0）X 2 0 （
A左乘 λ1左乘
式两端：l1 l0）l1 X 1 l0 l2）l2 X 2 0 （ （ （ （ 式两端：l1 l0）l1 X 1 l0 l2）l1 X 2 0
（l0 l2）l2 X 2 l0 l2）l1 X 2 （
l2 l1 , X 2 0
l0 l2