第4章 特征值
第4章 矩阵的特征值
1 0 0 作为其基础解系. 1 0 , 2 1 , 2 0 0 0 1
则对应于 1 2 3 a 的全部特征向量为
c1 1 c2 2 c3 3 (c1 , c2 , c3 不全为零)
第五 章 第 一节 矩阵的特征值与特征向量
例1.三阶方阵A的特征值为-1,2,3,求
(1)2A的特征值, (2)A2的特征值, (3)|A|. 例2.试证:n阶方阵A是奇异矩阵的充分必要条件是A有一个特征 值为零. 解
A 1 2 n
22
三.杂例
1 3 3 A 3 a 3 有特征值为 1 2, 2 4, 3 , 例1. 设矩阵 6 6 b
i 1 ,i 2 , ,it 为A的对应于i的线性无关的
i
特征向量,则向量组 11 ,12 , ,1t1 ,21 ,22 , ,2 t2 , ,m1 ,m 2 , ,mtm 线性无关.
18
设A为n 阶方阵,为A的特征值,则
结论:
结论:若f ( x)是x的m次多项式, 1) k 为 kA 的特征值. 为A的一个特征值,则 k k 2) 为 A 的特征值 f ( )是矩阵f ( A)的一个特征值. 3) +1 为 A+ I 的特征值.
对于1 2 1, 齐次线性方程组 A) x 0,即 (I
3 6 0 x 1 0 3 6 0 x 2 0 x 1 2 x 2 3 6 0 x 0 3
因此,A对应于1 2 1的 全部特征向量为
2 0 c1 1 c2 0 (c1 , c2不 全 为 零 ) 0 1 11
线性代数第四章矩阵的特征值
令 P ( p1 p2 L pn ), 则P 可逆,且
AP ( Ap1 Ap2 L Apn ) (1 p1 2 p2 L n pn )
1
( p1 p2 L
pn
)
2
O
P,
n
2. 求出矩阵A对应于所有特征值的特征向量
若A有一个t重特征值,对应的特征向量在线性 无关的意义下小于t,则A不与对角矩阵相似。
3.写出对角矩阵和相似变换矩阵。 特征值和特征向量的对应.
1. 求出n阶矩阵A的所有特征值 2. 求出矩阵A对应于所有特征值的特征向量 3.写出对角矩阵和相似变换矩阵。
3 1
的λ都是方阵A的特征值.
定义4.2 设A为n阶矩阵,含有未知量λ的矩阵λI-A
称为A的特征矩阵,其行列式
I A
为λ的n次多项式,称为A的特征多项式, I A 0
称为A的特征方程.
求n阶矩阵的特征值和特征向量的步骤:
1. 由矩阵A的特征方程 I A 0 求出A的特征值 1,2 ,L s (s n 2k )
所以 P 1 AP , 即A与对角矩阵Λ相似.
定理的证明告诉我们,如果n阶矩阵A与对角矩 阵Λ相似,则Λ的主对角线上的元素就是A的全部
特征值.相似矩阵P的列是对应于Λ对角线上 元素的特征向量。
推论 若n阶矩阵A有n个两两不同的特征值,则
A必与对角矩阵Λ相似
推论 若n阶矩阵A有n个特征值,则可相似对 角化<==>A的任ti重特征值有对应ti个线性无
A
4 1
3 0
0 2
数值分析第四章矩阵特征值与特征向量的计算
192.9996. 973
12
➢ 幂法的加速—原点移位法
应用幂法计算矩阵A的主特征值的收敛速度主要
由比值 r=|2/1|来决定, 但当r接近于1时, 收敛可能
很慢. 这时可以采用加速收敛的方法.
引进矩阵
B=A-0I
其中0为代选择参数. 设A的特征值为1, 2, …, n, 则B的特征值为1-0, 2-0, …, n-0, 而且A, B
10
2 1 0 例 用幂法求矩阵 A 0 2 1
0 1 2
的按模最大的特征值和相应的特征向量.
取 x(0)=(0, 0, 1)T, 要求误差不超过103.
解 y 0 x 0 0 ,0 ,1 T ,
x 1 A 0 0 y , 1 , 2 T , 1 m x ( 1 ) ) a 2 , x
y(1)
x(1)
1
(0,0.5,1)T
x ( 2 ) A ( 1 ) 0 . 5 y , 2 , 2 . 5 T ,2 m x ( 2 ) ) 12 1a . 5 ,
y(2)
x(2) 2
(0.2,0.8,1)T
x ( 3 ) A ( 2 ) 1 . 2 y , 2 . 6 , 2 . 8 T ,3 m x ( 3 ) ) 2 a . 8 ,
x
(
k
1
)
Ax
(k )
A k1 x (0)
在一定条件下, 当k充分大时:
1
x ( k 1) i
x
( i
k
)
相应的特征向量为: x(k1) 4
➢ 幂法的理论依据
n
对任意向量x(0), 有 x(0) tiui ,
i1
x(k1) Ax(k) Ak1x(0)
第四章矩阵的特征值和特征向量
即,0不是A的特征值,或者,A的任一特征值不等于零
充分性:设A的任一特征值不等于零,假设A不可逆 则 det A 0, 于是det(0E-A)=det(-A)=(-1)n det A 0 所以=0是A的一个特征值,矛盾
m 是A的m个不同 的特征值,1, m分别是A的属于1,2 m的特征向量, 则1, m线性无关
T
特征值1的全部特征向量为c11 (c1 0, 常数)
对于3=2,解对应的齐次线性方程组(2E A) X 0,
1 1 -1 x1 0 0 0 3 x2 0 0 0 1 x 0 3
定义4.2 A (aij )为n阶矩阵,含有未知数的矩阵 E A称为 A的特征矩阵,其行列式
E A
a11 a12 a21 a22
an1 an 2
a1n a2 n
ann
称为A的特征多项式。 det( E A) 0称为A的特征方程。
定理4.1:设A (aij )为n阶矩阵,则0是A的特征值, 是 A的属于0的特征向量的充要条件是,0为特征方程 det( E A) 0的根, 是齐次线性方程组(0 E A) X 0 的非零解。
(2)由(4.1)式知:向量 是齐次线性方程组(0 E A) 0 ( 0)的非零解。而该方程组有非零解的充分必要条件是 其系数行列式 0 E A 0.
(3) 矩阵A的特征值0,即以为变量的一元n次方程
E A 0的根。
(4) 如果已经求出方程 E A 0的根,则齐次线 性方程组(0 E A) X 0的任意非零解,都是A的 属于0的特征向量。
对于1 2, 解齐次线性方程组(2 E A) X=0,即解 -5 -4 x1 0 x -5 -4 2 0
4_1方阵的特征值与特征向量
(l+2)2(l-4)0, 矩阵A的特征值为 l1l2-2, l34 .
对于特征值l1l2-2, 解线性方程组(-2E-A)Xo, 1 -1 得其基础解系 1 及 0 , 0 1 于是,A的对应于l1l2-2 的全部特征向量为 1 -1 c1 1 +c2 0 (c1,c2不全为0) . 0 1
A 2X = l A X ,
把AX=lX代入上式得
A2X=l(lX) l2X,
依次类推可得
AmX=lmX,
即lm是Am一个特征值,X为对应的特征向量.
《线性代数》
返回
下页
结束
性质4 设l是方阵A的一个特征值,X为对应的特征向量,m是
一个正整数,则lm是Am的一个特征值,X为对应的特征向量.
推论 设l是方阵A的一个特征值,则
1 c1 1
矩阵A的特征值为 l14,l2-2 .
《线性代数》 返回
(c1不为0) .
下页
结束
方程 |lE-A|0 的每个根都是矩阵A的特征值. 方程(lE-A)Xo的每个非零解都是l对应的特征向量.
例1.求矩阵A 3 1 5 -1 的特征值与特征向量.
| lE-AT | | (lE-A)T | | (lE-A) |, 所以它们的特征值相同. 即A与AT 有相同的特征多项式,
《线性代数》
返回
下页
结束
例6. 设n阶矩阵A满足A2=A,证明A有特征值为0或1.
证明: 因为A2=A ,所以A2-A=o, 设A的特征值为l ,则由性质
4之推论可得l 2- l =0,解得,l 1=0, l 2=1. 证毕.
《线性代数》 返回 下页 结束
(线性代数)第四章 矩阵的特征值和特征向量
∴η1
=
a2 − a1
1 0 0 0 ,η 2 = 1 ,L ,η n −1 = 0 M M M 0 1 0
对应λ=0的 =0的 特征向量为 k1η1 + L + kn −1η n −1 , k ,L , k 不全 n −1 1
第四章 矩阵的特征值和特征向量
§4.1 相似矩阵
§4.1 相似矩阵 一. 相似矩阵的定义和性质 AP= 都是n阶方阵, 若有可逆矩阵P 设A, B都是n阶方阵, 若有可逆矩阵P, 使P−1AP=B, 则称矩阵A 相似. 记为A 相似变换矩阵. 则称矩阵A与B相似. 记为A~B. P为相似变换矩阵. 相似是相抵的特例 相似必相抵,反之不然. 特例: 注1: 相似是相抵的特例: 相似必相抵,反之不然. 注2: 矩阵间的相似关系是一种等价关系 (1) 反身性: A~A; 反身性: P−1AP =B (2) 对称性: A~B ⇒ B~A; 对称性: PBP−1 =A (3) 传递性: A~B, B~C ⇒ A~C. 传递性: 相抵关系下的不变量: 相抵关系下的不变量:矩阵的秩 相似关系下的不变量: 相似关系下的不变量: 矩阵的秩
第四章 矩阵的特征值和特征向量
§4.2 特征值与特征向量
解: |λE–A| = (λ+1)(λ –2)2. +1)( 所以A 所以A的特征值为λ1= –1, λ2= λ3= 2. (–E–A)x = 0的基础解系: ξ1=(1,0,1)T. 的基础解系: 对应于λ1= –1的特征向量为kξ1 (0≠k∈R). 的特征向量为k (0≠ (2E–A)x = 0的基础解系: (2E 的基础解系: ξ2=(0, 1, –1)T, ξ3=(1, 0, 4)T. =2的特征向量为 的特征向量为k 对应于λ2=λ3 =2的特征向量为k2ξ2 +k3ξ3 (k2, k3不同时为零). 不同时为零).
分析04-矩阵的特征值
矩阵的特征值与特征向量的计算
产生迭代向量序列
(由x 的某一分量的相邻二次结果之比 可得出1),而相应的特征向量为 x ( k 1) 。
实际上, 由式(4-1)可得 :
x ( k 1) Ax( k ) Ak 1 x ( 0) Ak 1 ( i ui )
i 1 k i k 1ui 11 1u1 2k 1u2 n k 1un i 2 n i 1 n n
当n不大时,如n4 解特征方程,可求出全部特征值 (n 3较难)当 n较大(n>5),计算量会增大得惊人, 且不可能求得准确结果,还可能出现不稳定,所以当n稍 大一般不直接求解特征方程,而根据实际问题的需要,介 绍相应的一些行之有效的数值解法
第四章 矩阵的特征值与特征向量的计算
4-4
W
矩阵的特征值与特征向量的计算概述(续1)
x(k+1)为1对应的特征向量收敛到1u1+…+mum
W Y
两 点 注 释(续2)
( k 1) xi ( xi k )
x
( k 1)
( k 1) 1
x
( 0)
可构造向量序列
所以乘幂法实际上是,对于给定的初始向量 x ( 0) ( 零向量)由迭代法:
x
( k 1)
第四章
W Y
u
i 1
n
i i
1u1 2u 2 nU n
x
( k 1)
Ax
(k )
Ax
(k )
(k 0,1,, )
(4 -1)
5. 若 , 输出 , x, 停机; 否则, 转6
6. 若k<N,置k+1k, ,转3;否则, 输出失败信息,停机。
概率论与数理统计4-1矩阵的特征值与特征向量
k 2 p2 k 3 p3
( k 2 , k 3 不同时为 ). 0
求矩阵特征值与特征向量的步骤:
1. 计算A的特征多项式 | A E | 或 | E A | ;
2. 求特征方程 | A E | 0 或 | E A | 0 的全部根
1 , 2 , , n , 就是A的全部特征值 ;
1 0 1 ~ 0 1 0 , 0 0 0
故对应于1 1的全体特征向量为 k p1 ( k 0).
当2 3 2时, 解方程 A 2 E x 0.由
4 1 1 4 1 1 A 2 E 0 0 0 ~ 0 0 0 , 4 1 1 0 0 0 得基础解系为: 0 1 p2 1 , p3 0 , 1 4 所以对应于 2 3 2的全部特征向量为:
推广
. 是A 的特征值
m
m
例3 设λ是方阵A的特征值, 证明
2 是 A 2 的特征值; (1) 1 是A 1的特征值. (2) 当A可逆时,
m m . 是A 的特征值
2 当A可逆时, 0,
1
1
由Ax x可得
1
A Ax A x A x
A x x
解
2 A E 0 4
1 2 1
2
1 0 3
( 1) 2 , 2 令 ( 1) 2 0
得A的特征值为1 1, 2 3 2.
当1 1时, 解方程 A E x 0.由
1 1 1 A E 0 3 0 4 1 4 1 得基础解系 p1 0 , 1
第4章矩阵的特征值
第4章矩阵的特征值矩阵的特征值是线性代数中非常重要的概念,它在许多领域都有广泛的应用。
本文将介绍矩阵的特征值的定义、性质和计算方法,并探讨其在科学与工程中的应用。
1.特征值的定义和性质给定一个n阶方阵A,非零向量X称为矩阵A的特征向量,如果满足AX=λX,其中λ是一个常数,称为矩阵A的特征值。
根据这个定义,我们可以得到特征值的一些性质:(1)特征值可以是实数或复数。
当矩阵A是实矩阵时,特征值可以是实数或者是成对出现的复共轭数对。
例如,对于一个2阶实矩阵,它可以有两个实特征值,也可以是一个实特征值和一个复特征值对。
(2)特征值和特征向量的数量相等。
对于一个n阶矩阵A,它有n个特征值和n个对应的特征向量。
(3)特征值和矩阵的迹、行列式有关。
矩阵的迹是指所有主对角元素之和,行列式是指矩阵的特征值之积。
特别地,对于一个2阶方阵A,它的特征值满足特征值之和等于迹(A)、特征值之积等于行列式(A)。
2.特征值的计算方法(1)特征值分解:特征值分解是将一个可对角化的矩阵A分解为A=QΛQ^(-1),其中Q是一个正交矩阵,Λ是一个对角矩阵,对角线上的元素就是矩阵A的特征值。
通过特征值分解,我们可以得到矩阵A的特征值和特征向量。
(2)QR算法:QR算法是一种迭代方法,用于逼近一个矩阵A的特征值和特征向量。
首先,将矩阵A分解为QR,其中Q是一个正交矩阵,R是一个上三角矩阵。
然后,迭代计算QR,直到收敛为止。
最后,对于得到的上三角矩阵R,它的对角线上的元素就是矩阵A的特征值。
3.特征值在科学与工程中的应用特征值在科学与工程中有广泛的应用,这里介绍两个典型的例子。
(1)特征值在量子力学中的应用:量子力学是研究微观粒子行为的物理学理论。
量子力学中的波函数可以表示为特征值和特征向量的线性组合。
特征值表示了粒子的能量,特征向量表示了粒子的状态。
通过解特征值问题,我们可以得到粒子的能量和对应的状态。
(2)特征值在图像处理中的应用:图像处理是一种对数字图像进行分析和处理的技术。
线性代数第4章 特征值与特征向量
53
54
55
46
证明
于是有
即
47
定理4.4.3 设A为n阶实对称矩阵,则必有正交矩 阵P,使得P-1AP=D.其中D是以A的n个特征值为主 对角线元素的对角矩阵.
48
例4.4.1 求一个正交矩阵P使P-1AP=D为对角矩阵,
49
解
由
得特征值
50
由
得基础解系
51
将α1单位化,得单位特征向量
52
由
得基础解系
4
定义4.1.2 令 |α|=((α ,α)) =(a21+a22+…+a2n),称|α|为n维向量α的长度(或范 数). 4.1.2 正 交 向 量 组 定义4.1.3 当 (α, β)=0时,称向量α与β正交.
5
例如 设向量
6
定义4.1.4 若非零向量组α1,α2,…,αs中 的任意两个向量都是正交的,则称该向量组为正交 向量组. 定理4.1.1 若n维向量组α1,α2,…,αs是 正交向量组,则α1,α2,…,αs线性无关.
41
4.3.2
矩阵可对角化的条件
42
关于矩阵A 定理4.3.1 n阶方阵A可对角化的充分必要条件 是:A有n个线性无关的特征向量α1,α2,…, αn,以它们为列向量的矩阵P,就能使P-1AP为对 角矩阵.且该对角矩阵的主对角线元素依次是 α1,α2,…,αn对应的特征值λ1,λ2,…,λn.
43
28
定义4.2.2
设 矩 阵
29
称矩阵
30
31
4.2.2 例如
特 征 值 与 特 征 向 量 的 求 法 矩阵 无实特征值,因为
无实数根.
32
第4章 线性方程组和矩阵特征值的迭代解法
第4章 线性方程组和矩阵特征值的迭代解法线性代数计算方法中的迭代解法(即迭代法)是一类重要方法。
其基本思想是构造适当的矩阵序列或向量序列,使其逐步逼近所求问题的精确解,故又称矩阵迭代方法。
在求解阶数较高且零系数较多的大型稀疏线性代数方程组时,迭代法是很有效的。
矩阵特征值问题的求解通常也要用迭代法。
本章着重介绍求解线性代数方程组常用的简单迭代法及其收敛条件,并对计算矩阵特征值问题的雅可比方法和QR 方法作一些介绍。
4.1 线性代数方程组的迭代解法线性方程组(3.1)的迭代解法其基本思想与一元非线性方程的迭代解法类似,即构造适当的迭代公式,任选一个初始向量)0(x 进行迭代计算,使生成的向量序列,,)1()0(x x …,)(k x ,…收敛于方程组的精确解。
4.1.1 简单迭代法的一般形式设方程组(3.1)的系数矩阵非奇异,把它化为等价的方程组g Mx x += (4.1)其中⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=n n nn n n n n x x x g g g m m m m m m m m m M M ΛΛΛΛ2121212222111211,,x g M按(4.1)构造迭代公式Λ,2,1,0,)()1(=+=+k k k g x M x (4.2)其中),1,0(],,,[T)()(2)(1)(ΛΛ==k x x x k n k k k x 。
任取初始向量)0(x ,用(4.2)逐次计算近似解向量,,x ,,x ,x ΛΛ)()2()1(k 这种方法称为简单迭代法,称(4.2)为简单迭代公式,M 为迭代矩阵。
公式的分量形式是⎪⎪⎩⎪⎪⎨⎧++++=++++=++++=+++nk n nn k n k n k nk n n k k k k n n k k k g x m x m x m x g x m x m x m x g x m x m x m x )()(22)(11)1(2)(2)(222)(121)1(21)(1)(212)(111)1(1ΛΛΛΛΛΛΛ即 ),2,1,0(,,,2,1,1)()1(ΛΛ==+=∑=+k n i g x m x i nj k j ij k i (4.3)如果)(k x的各分量存在极限n i x x i k i k ,,2,1,lim )(Λ==*∞→ (4.4)则称向量序列}{)(k x 收敛于向量T 21][****=n x x x ,,,x Λ,并记为 *∞→=x x )(lim k k (4.5)这时,称简单迭代法(4.2)是收敛的,否则就是发散的。
《线性代数》第四章第二节 方阵的特征值与特征向量
若P是与对应的特征向量,则显然k 0时, kP也是与对应的特征向量.
6.属于同一特征值的特征向量的非零线性组合 仍是属于这个特征值的特征向量.
例1
设
A
=
−2 0
1 2
1 0,
求A的特征值与特征向量.
− 4 1 3
分析:
1.特征方程的根就是特征值;
2. (A-E)x=0的通解(去掉零解)就是特征值对应
所以对应于 2 = 3 = 2的全部特征向量为 :
k2 p2 + k3 p3 (k2 , k3不同时为0).
例2 证明:若 是矩阵A的特征值,x 是A的属于 的特征向量,则
(1) m是Am的特征值(m是任意常数).
(2) 当A可逆时,−1是A−1的特征值.
证明 (1) Ax = x A(Ax) = A(x) = (Ax) = (x) A2 x = 2 x
有x.
3. A − E = 0 为A的特征方程。
a11 −
a21
an1
a12
a22 −
an2
a1n
a2n
=0
ann −
记 f ( ) = A − E ,它是的n次多项式, 称其
为方阵A的 特征多项式 .
( ) 4. 设 n阶方阵A = aij 的特征值为1, 2 ,,
n ,则有 (1) 1 + 2 + + n = a11 + a22 + + ann; (2) 12 n = A .
将1 = 2 = 1代入(A − E )x = 0,
解之得基础解系
− 2
1 = 1 ,
0
教案--第四章 矩阵的特征值
交的向量组,则称 1, 2 ,, r 是向量空间 V 的正交基. ② 若 e1 , e2 , , er 是向量空间 V 的一个基, e1 , , er 两两 正交, 且都是单位向量, 则称 e1 , , er 是向量空间 V 的一个 规范正交基(或标准正交基). 若 e1 , , er 是 V 的一个规范正交基, 则 V 中任一向量 能由 e1 , , er 线性表示, 设表示式为
1/ 2 1/ 3 1 (1) 1 / 2 1 1 / 2 ; 1/ 3 1/ 2 1 1/ 9 8 / 9 4 / 9 (2) 8 / 9 1 / 9 4 / 9 . 4 / 4 4 / 9 7 / 9
P121
2
4⑵
1.《经济应用数学基础》编写组编,线性代数与线性规划学习指导,同心出版社,
课外阅读 资料或自主 学习体系安 排
1995 2.张天德,线性代数习题精选精解,山东科学技术出版社,2009 3. /special/opencourse/daishu.html,麻省理工公开课:线 性代数 本节介绍了向量内积以及正交的概念, 特别是向量组基的规范正交化转化方
1 ,, k ;再经过单位化,得到一组与 1 ,, r 等价的规范
正交组 e1 , e2 ,, er 五、正交矩阵与正交变换 定义 6 若 n 阶方阵 A 满足
AT A E (即 A1 AT ),
则称 A 为正交矩阵, 简称正交阵. 定理 2
注: 由 AT A E 与
AAT E 等价,定理
在 空 间 解 析 几 何 中 , 向 量 x {x1 , x2 , x3} 和 y { y1 , y2 , y3} 的长度与夹角等度量性质可以通过两个向量
线性代数 第四章矩阵的特征值和特征向量
m
线性无关.
推论 若 n 方阵有互不相同的特征值
1 , 2 ,, m
则其对应的特征向量 x1 , x2 ,, xm 线性无关。
定理3
设n阶方阵A的全部特征值是1,2, ,n,则 (1) 1 2 n a11 a22 ann aii
4.1.2 特征值与特征向量的性质
定理1 n 阶方阵 A 与它的转置矩阵 AT 有相同的特征值。
定理2
设 n 方阵 A 有互不相同的特征值 1,2, ,m, (i E A)x 0 的基础解系为 i1, i 2, , iri (i 1, ,m),则 2,
11 , 12 , , 1r ; 21 , 22 ,, 2 r ;; m1 , m 2 ,, mr
解 A的特征多项式为
2 0 4
1 2 1
1 0 3
2
A E
(2 )
2 4
1 3
(2 )( 2 6 4) (2 )( 2 2)
( 1)( 2)
A的特征值为
1 1, 2 3 2
B AB D
1
由B可逆便知: 1 , , n 都是非零向量,因而都是A的特征
向量,且
1 , , n
线性无关。
推论
如果n阶矩阵A的特征值 1 , , n 互不相同 则相似于对角矩阵
1 n
定理
n 阶 矩阵 A 与对角矩阵相似的充分必要条件是 对于每一个
AP P
P AP
1
必要性
设A相似于对角矩阵
d1 D dn
即存在可逆矩阵B,使得
数值计算方法第04章矩阵特征值与特征向量的计算
• 计算出k=2时的x和y。 • (保留四位有效数字)
22
二、幂法的加速
因为幂法的收敛速度是线性的,而且依赖 于比值 2 /1 ,当比值接近于1时,幂法收敛 很慢。幂法加速有多种,介绍两种。
23
幂法的加速—原点移位法 应用幂法计算矩阵A的主特征值的收敛速度主要
26
4 14 0 , 2.9, 用原点移位法求矩 例:A 5 13 0 0 1 0 2.8 -4 阵A的按模最大的特征值,要求误差不超过10 。 解:取x (0) (1,1,1)T , 按x ( k 1) ( A pI )x (k )进行计算 0 6.9 14 A 0 I 5 10.1 0 0 0.1 1 (3.1000568, 2.214326, 0.9687661) 4 3.1000568
在一定条件下, 当k充分大时: 相应的特征向量为:
x 1 x
x
( k 1)
( k 1 ) i (k ) i
10
幂法的理论依据 对任意向量x(0), 有 x ( 0 ) i ui , 设1不为零.
i 1 n
x
( k 1 )
Ax
n i 1
(k )
A
k 1
x
(0) n
1 Ak 1 i ui i k i ui i 1
k 1 1
2 k 1 n k 1 1u1 ( ) 2 u2 ( ) n un 1 1
k 1 1 1u1
故 1 xi( k 1) xi( k ) x(k+1)为1的特征向量的近似向量(除一个因子外).
第四章 方阵的特征值和特征向量
4.1.3 反幂法 由Axi=ixi易推得A-1xi=(1/i)xi ,若有
| 1 | | 2 | | 3 | | n |,
则1/n是A-1的按模最大的特征值,我们只要求出A-1的按模最大的 特征值,也就求出了A的按模最小的特征值.为了避免求逆阵,我们 用解方程组的方法构造如下算法:
5 结束
2. 我们假设在(4.3)中α1≠0,这在选择u0时,也无法判断,但这往往不 影响幂法的成功使用.因为若选u0,使α1=0,由于舍入误差的影响, 在迭代某一步会产生uk,它在x1方向上的分量不为零,这时以后的 迭代仍会收敛. 3. 我们假设了 | 1 | | 2 | | 3 | | n |,
u k 1 1 x1
k
2 1
1
Au k
k 1 1
1 x1 1 1 x1 1 u k ,
k 1
不是零向量,
即uk为1的近似的特征向量. 2 结束
实际计算时,为防止uk的模过大或过小,以致产生计算机运算的 上下溢出,通常每次迭代都对uk进行归一化,使‖ uk ‖∞=1,因此 以上幂法公式改进为:
y k 1 u k 1 u k Ay k 1 u k 1
k 1, 2 ,
( 4 .4 )
此时uk仍收敛于1对应的特征向量。1可用如下公式计算:
1
ak a k 1 (4 .7 )
其中ak 是uk 的绝对值最大的分量,a k 1 是yk-1 的绝对值最大 的分量。
cos 为实对称阵, U sin sin cos
1. 二阶实对称矩阵的对角化
设
为二阶旋转矩阵,容易验证U正交。 12 结束
东南大学 线性代数 第四章 矩阵的特征值和特征向量
第四章 矩阵的特征值和特征向量
§4.1 相似矩阵
三. 相似矩阵的性质 性质1. 设A~B, f是一个多项式, 则f(A)~ f(B).
证明: 设P 1AP =B, f(x) = anxn+…+a1x+a0, 则
P 1f(A)P = P 1(anAn+…+a1A+a0E)P = anP 1AnP+…+a1P 1AP+a0 P 1EP
第四章 矩阵的特征值和特征向量
§4.1 相似矩阵
法国数学家柯西:
给出了特征方程的术语, 证明了任意阶实对称矩阵都有实特征值 给出了相似矩阵的概念, 证明了相似矩阵有相同的特征值
英国数学家凯莱:
方阵的特征方程和特征根(特征值)的一些结论
德国数学家克莱伯施, 布克海姆(A.Buchheim)等:
证明了对称矩阵的特征根性质
性质3. 设A~B, 则r(A) = r(B).
证明: P 1AP = B r(A) = r(B).
第四章 矩阵的特征值和特征向量
§4.1 相似矩阵
a11 a12 a21 a22 A= … … an1 an2
… a1n … a2n … … … a1n
A的迹(trace): tr(A) = a11 + a22 + … + a1n (1) tr(A+B) = tr(A) + tr(B);
事实上, 1 p1T = (Ap1)T = p1TAT = p1TA,
从而1p1Tp2 = p1TAp2 = p1T(2p2) = 2p1Tp2.
于是(1–2) p1Tp2 = 0, 但是1 2, 故p1Tp2 = 0.
第四章 矩阵的特征值和特征向量
第四章 矩阵的特征值和特征向量例1 求下列矩阵的特征值与特征向量⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡----=163053064A ,并判断它能否相似对角化。
若能,求可逆阵P ,使∧=-AP P 1(对角阵)。
例2 已知三阶方阵A 的三个特征值为4,3,2-,则1-A 的特征值为_______,TA 的特征值为_______,*A 的特征值为_______,E A A 232+-的特征值为_______例3 设矩阵⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=0011100y x A 有三个线性无关的特征向量,则y x ,应满足条件_______ 例5 已知矩阵⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=x A 10200002与⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=10000002y B 相似,则____________==y x 例6 设n 阶方阵A 满足0232=+-I A A ,求A 的特征值例7 已知向量T k )1,,1(=ξ是矩阵⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=211121112A 的逆矩阵1-A 的特征向量,求常数k例8 设A 为非零方阵,且0=mA (m 为某自然数),证明:A 不能与对角阵相似 例9 设n 阶方阵A 满足01072=+-I A A ,求证:A 相似于一个对角矩阵结论 总结1 n 阶方阵A 有n 个特征值,它们的和等于A 的主对角线元素之和(即A 的逆trA ),它们的乘积等于A 的行列式A2 如果mλλ,,1 是方阵A 的特征值,m P P ,,1 是与之对应的特征向量,如mλλ,,1 互不相等时,m P P ,,1 线性无关3 如果n 阶方阵A 与B 相似,则A 与B 有相同的特征多项式,从而有相同的特征值4 如果n 阶方阵A 与对角阵∧相似,则∧的主对角线元素就是A 的n 个特征值5 n 阶方阵A 与对角阵∧相似,即A 可相似对角化的充要条件是A 有n 个线性无关的特征向量6 如果n 阶方阵A 的n 个特征值互不相等,则A 与对角阵相似,即A 可相似对角化7 实对称矩阵的特征值全为实数8 实对称矩阵的不同特征值对应的特征向量相互正交9 对实对称矩阵n n A A ⨯=,必存在正交矩阵P ,使∧=-AP P 1,其中∧是以A 的n 个特征值为主对角线元素的对角阵10 方阵A 可逆的充要条件是A 的特征值全不为零习 题一 填空题1 设A 为3阶矩阵,其特征值为2,1,3-,则A =________ 1-A 的特征值为________,E A A +-322的特征值为________2 如果二阶矩阵⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡=4231,127B x y A 相似,则 __________==y x 3 若n 阶可逆阵A 的每行元素之和是)0(≠a a ,则数________一定是E A +-12的特征值4 设三阶矩阵A 有3个属于特征值λ的线性无关的特征向量,则______=A5 若E A =2,则A 的特征值为________6 设n 阶方阵A 的n 个特征值为n ,,2,1 ,则_______=+I A7 设⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=101120101A 2≥n ,则_______21=--n n A A 8 ⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡-=61000512141A 则 ______lim =∞→n n A二 选择题1 设矩阵⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=100321z y x A A 的特征值为3,2,1,则( ) A )8,4,2===z y x B) R z y x ∈==,4,1 C) R z y x ∈=-=,2,2 D) 3,4,1===z y x2 已知矩阵⎪⎪⎭⎫⎝⎛-x 123022有一特征向量⎪⎪⎭⎫⎝⎛-35,则)(=xA) 18- B) 16- C) 14- D) 12-3 设⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---=53342111x A A 有特征值2,621==λλ (二重 ),且A 有三个线性无关的特征向量,则______=xA) 2 B) 2- C) 4 D) 4-4 若B A ~(等价 ),则有( )A )B I A I -=-λλ B) B A =C) 对于λ,矩阵A 与B 有相同的特征值与特征向量 D) A 与B 均与一对角矩阵相似 5 已知矩阵A 的各列元素之和为3,则( )A) A 有一个特征值为3,并对应一个特征向量T )1,,1,1( B) A 有一个特征值为3,并不一定对应有特征向量T )1,,1,1( C) 3不一定是A 的特征值 D) A 是否有特征值不能确定 6 设A 是三阶矩阵,有特征值2,1,1-,则下列矩阵中可逆的是( ) A) A I - B) A I + C) A I -2 D) A I +2 三 解答题1. 设三阶矩阵A 的特征值为3,2,1321===λλλ,对应的特征向量依次为:T )1,1,1(1=ξ,T )4,2,1(2=ξ,T )2,3,1(3=ξ,又向量T )3,1,1(=β1) 将β 用321,,ξξξ线性表示 2) 求βnA(n 为自然数)2 已知⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=06303012x A 有3个线性无关的特征向量,求100A3. 设⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=122212221A 求A 的特征值与对应的特征向量,A 是否对角阵相似。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第四章 1方阵的特征根与特征向量一、特征根与特征向量1 定义:设A 为n 阶方阵,如果数λ和n 维非零列向量x ,使Ax x λ=成立,则称数λ为方阵A 的特征根,非零列向量x 称为对应于特征根λ特征向量。
2 性质① 设12,x x 都是方阵A 的对应于特征根λ特征向量,则当120x x +≠时,12x x +也是方阵A 的对应于特征根λ特征向量。
② 设x 都是方阵A 的对应于特征根λ特征向量,对于任意非零常数k ,则kx 也是方阵A 的对应于特征根λ特征向量。
③ 方阵A 的对应于特征根λ的有限个特征向量的非零线性组合也是方阵A 的对应于特征根λ特征向量。
④ 若12,,,m λλλ 方阵A 的m 个互不相等的特征根,12,,,m p p p 是方阵A 的依次对应的特征向量,则12,,,m p p p 线性无关。
⑤ n 阶方阵A 与T A 的特征根相同。
二、特征根与特征向量的计算显然,特征根定义中的等式可表述为齐次线性方程组:()0I A λ-=,它有非零解的充要条件是:0I A λ-=,这是以λ为未知数的一元n 次方程,称为方阵A 的特征方程。
称()f I A λλ=-为方阵A 的特征多项式。
例1 求3113A -⎛⎫= ⎪-⎝⎭的特征根与特征向量。
解:因 23168(4)(2)13I A λλλλλλλ--==-+=--- 所以,A 的特征根为:12λ=,24λ=第四章 2① 当12λ=时,对应的特征向量应满足齐次线性方程组:122310123x x -⎛⎫⎛⎫= ⎪ ⎪-⎝⎭⎝⎭即 1211011x x -⎛⎫⎛⎫= ⎪ ⎪-⎝⎭⎝⎭ 也就是:120x x -=即 1222x x x x =⎧⎨=⎩12211x x x ⎛⎫⎛⎫= ⎪ ⎪⎝⎭⎝⎭, 得它的一个基础解系为:111ξ⎛⎫= ⎪⎝⎭所以方阵A 对应于特征根12λ=的全部特征向量为:11111k k ξ⎛⎫= ⎪⎝⎭, 其中1k 为任意非零实数。
② 当24λ=时,对应的特征向量应满足齐次线性方程组:124310143x x -⎛⎫⎛⎫= ⎪ ⎪-⎝⎭⎝⎭即 1211011x x ⎛⎫⎛⎫= ⎪ ⎪⎝⎭⎝⎭也就是:120x x +=即 1222x x x x =-⎧⎨=⎩12211x x x -⎛⎫⎛⎫= ⎪ ⎪⎝⎭⎝⎭,得它的一个基础解系为:211ξ-⎛⎫= ⎪⎝⎭所以方阵A 对应于特征根24λ=的全部特征向量为:22211k k ξ-⎛⎫= ⎪⎝⎭, 其中2k 为任意非零实数。
例2 求210230104A ⎡⎤⎢⎥=⎢⎥⎢⎥-⎣⎦的特征根与特征向量。
第四章 3解:因 2210230(4)(1)14I A λλλλλλ---=--=--- 所以得方阵A 的特征根为:11λ=,234λλ==① 当11λ=时,对应的特征向量应满足齐次线性方程组:()0I A x -=即 1231102200103x x x --⎛⎫⎡⎤ ⎪⎢⎥--= ⎪⎢⎥ ⎪⎢⎥-⎣⎦⎝⎭, 而 110103220013103000---⎡⎤⎡⎤⎢⎥⎢⎥--⎢⎥⎢⎥⎢⎥⎢⎥-⎣⎦⎣⎦ 故对应的方程组为: 13233333x x x x x x =⎧⎪=-⎨⎪=⎩ ,得其一个基础解系为:1331ξ⎛⎫⎪=- ⎪ ⎪⎝⎭,所以方阵A 对应于特征根21λ=的全部特征向量为:111331k k ξ⎛⎫⎪=- ⎪ ⎪⎝⎭, 其中1k 为任意非零实数。
② 当234λλ==时,对应的特征向量应满足齐次线性方程组:(4)0I A x -=即 1232102100100x x x -⎛⎫⎡⎤ ⎪⎢⎥-= ⎪⎢⎥ ⎪⎢⎥⎣⎦⎝⎭, 而 21010021001010000-⎡⎤⎡⎤⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦故对应的方程组为: 123300x x x x =⎧⎪=⎨⎪=⎩ ,得其一个基础解系为:2001ξ⎛⎫⎪= ⎪ ⎪⎝⎭,所以方阵A 对应于特征根234λλ==的全部特征向量为:第四章 4222001k k ξ⎛⎫ ⎪= ⎪ ⎪⎝⎭, 其中2k 为任意非零实数。
例3 求000000a A a a ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦的特征根与特征向量。
解:因 3000()0aI A aa aλλλλλ--=-=-- 所以得方阵A 的特征根为:123a λλλ===当123a λλλ===时,解齐次线性方程组:()0aI A x -=因 000000000aI A ⎡⎤⎢⎥-=⎢⎥⎢⎥⎣⎦所以任意3个线性无关的向量是它的一个基础解系,取:1231000,1,0001ξξξ⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪=== ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭则方阵A 对应于特征根123a λλλ===的全部特征向量为:123100010001k k k ⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪++ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭, 其中123,,k k k 为任意非零实数。
例4 设λ是可逆矩阵A 的一个特征根,x 为对应的特征向量,证明1(0)λλ-≠ 是1A -的一个特征根,x 为对应的特征向量。
第四章 5证:因为λ是可逆矩阵A 的一个特征根,故有Ax x λ=,两边左乘1A -得:111A Ax A x A x λλ---==,即 1x A x λ-=,也就是:111A x x x λλ--==所以1(0)λλ-≠ 是1A -的一个特征根,x 为对应的特征向量。
例5 设n 阶方阵A 满足2A A =,证明A 的特征根只能是0或1。
证:设λ是n 阶方阵A 的一个特征根,x 为对应的特征向量,则Ax x λ=,所以22A x Ax x λλ==,又因2A A =,故有2Ax x λ=,即2x x λλ=,所以,2()0x λλ-=,即 20λλ-=,故有:0 1λλ==或例6 试证:n 阶方阵A 奇异的充要条件是:A 有一个特征根为零。
证:必要性:如果A 是奇异的,则0A =,于是有:0(1)0n I A A A -=-=-=,即0是A 的一个特征根。
充分性:设A 有一个特征根为0,对应的特征向量为p ,由特征向量的定义有:0()Ap p o p o ==≠,所以齐次线性方程组0Ax =有非零解p ,故系数行列0A =式,即A 奇异。
注:n 阶方阵A 可逆的充要条件是它的任一特征根都不为零。
第四章 6相似矩阵与矩阵的对角化一、相似矩阵的概念1 定义 设A 、B 都是n 阶方阵,若存在n 阶可逆矩阵P ,使得1P AP B -=成立,则称矩阵A 与B 相似,记为A B ,称可逆矩阵P 为相似变换矩阵。
(注:因P 及1P -都是可逆矩阵,都可表示为一系列初等矩阵的乘积,即对A 施行一系列初等变换可化成矩阵B ,因此,相似关系是一种等价关系。
)2 性质① A A② 若A B ,则B A③ 若A B ,B C ,则A C ④ 相似矩阵的行列式相等。
(因A B ,故存在可逆P 矩阵,使得1B P AP -=,所以有: 11B P AP P A P A --===)⑤ 相似的矩阵秩也相等,都同时可逆或不可逆;如果可逆,则其逆矩阵也相似。
(若A B 且A 、B 均可逆,故存在可逆矩阵P ,使得1B P AP -=, 所以有:111111111()()B P AP P A P P A P ---------===,即 11A B -- 且相似变换矩阵仍为P 。
) ⑥ 似矩阵具有相同的特征多项式,因而有相同的特征根。
二、矩阵的相似对角化1 定义:若一个矩阵与对角阵相似,则称该矩阵可对角化矩阵。
2 相似的条件(定理) ① n 阶方阵A 可对角化⇔A 有n 个线性无关的特征向量。
② 若n 阶方阵A 有n 个互不相等的特征根,则n 阶方阵A 一定可对角化,反之则不一定。
第四章 7例1 判断矩阵210230104A ⎡⎤⎢⎥=⎢⎥⎢⎥-⎣⎦可否对角化。
解:由A 的特征多项式:2210230(1)(4)104I A λλλλλλ---=--=--- 得其特征根为:11λ=,234λλ==当11λ=时,110103220013103000I A I A λ--⎡⎤⎡⎤⎢⎥⎢⎥-=-=---⎢⎥⎢⎥⎢⎥⎢⎥--⎣⎦⎣⎦对应的方程组为:13233333x x x x x x =⎧⎪=-⎨⎪=⎩,它的基础解系1331ξ⎛⎫⎪=- ⎪ ⎪⎝⎭是方阵A 的对应于特征根11λ=的特征向量。
当234λλ==时,2101004210010100000I A I A λ-⎡⎤⎡⎤⎢⎥⎢⎥-=-=-⎢⎥⎢⎥⎢⎥⎢⎥-⎣⎦⎣⎦ 对应的方程组为:123300x x x x =⎧⎪=⎨⎪=⎩,它的基础解系1001ξ⎛⎫⎪= ⎪ ⎪⎝⎭是方阵A 的对应于特征根234λλ==的特征向量。
因此,3阶方阵只有2个线性无关的特征向量,故不能对角化。
例2 已知460350361A ⎡⎤⎢⎥=--⎢⎥⎢⎥--⎣⎦(1)证明A 可对角化;第四章 8(2)求相似变换P 矩阵,使1P AP -为对角阵; (3)求10A解:(1)由A 的特征多项式:2460350(1)(2)361I A λλλλλλ--⎡⎤⎢⎥-=+=-+⎢⎥⎢⎥-⎣⎦,得其特征根为:12λ=-,231λλ==,当12λ=-时,6601012330011363000I A I A λ--⎡⎤⎡⎤⎢⎥⎢⎥-=--=-⎢⎥⎢⎥⎢⎥⎢⎥-⎣⎦⎣⎦对应的方程组为:132333x x x x x x =-⎧⎪=⎨⎪=⎩,它的基础解系1111ξ-⎛⎫⎪= ⎪ ⎪⎝⎭是方阵A 的对应于特征根12λ=-的特征向量。
当231λλ==时,360120360000360000I A I A λ--⎡⎤⎡⎤⎢⎥⎢⎥-=-=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦对应的方程组为:1222332x x x x x x =-⎧⎪=⎨⎪=⎩,它的基础解系23201,001ξξ-⎛⎫⎛⎫⎪ ⎪== ⎪ ⎪⎪ ⎪⎝⎭⎝⎭是方阵A 的对应于特征根231λλ==的特征向量。
显然,1111ξ-⎛⎫ ⎪= ⎪ ⎪⎝⎭,23201,001ξξ-⎛⎫⎛⎫ ⎪ ⎪== ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭是线性无关的,所以A 可对角化。
(2)设123120(,,)110101P ξξξ--⎡⎤⎢⎥==⎢⎥⎢⎥⎣⎦, 则1120110121P -⎡⎤⎢⎥=--⎢⎥⎢⎥--⎣⎦第四章 9所以, 1211P A P --⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦(3)由(2)有:1211A P P --⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦,所以, 10101011221022204601110232047011102320461A P P P P --⎡⎤--⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥===⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦例3 设3阶方阵A 的特征根为:1231,0,1λλλ===-;对应的特征向量依次为:1231112,1,1111ξξξ-⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪==-=- ⎪ ⎪ ⎪ ⎪ ⎪ ⎪-⎝⎭⎝⎭⎝⎭,求A . 解:因A 的特征根为:1231,0,1λλλ===-;故取101⎛⎫⎪Λ= ⎪ ⎪-⎝⎭,而123,,ξξξ是依次对应的特征向量,所以取:123111(,,)211111P ξξξ-⎛⎫⎪==-- ⎪⎪-⎝⎭,则11122312201101P --⎛⎫ ⎪= ⎪ ⎪⎝⎭因为A Λ,所以有1P AP -=Λ,即:第四章 1011122312211110112110011111A P P ---⎛⎫⎛⎫⎛⎫ ⎪ ⎪⎪=Λ=-- ⎪ ⎪⎪ ⎪⎪ ⎪--⎝⎭⎝⎭⎝⎭111010212-⎛⎫ ⎪=⎪ ⎪-⎝⎭三、化为约当形矩阵 1 约当形矩阵的概念① 定义:形如10000100000000010000λλλλλ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦矩阵称为约当块② 主对角线上的子块都是约当块的分块对角阵称约当形矩阵或约当标准形。