西北工业大学矩阵论课件第五章例题 特征值的估计与表示
第五章 矩阵特征值与特征向量的计算讲解PPT文档共37页
56、死去何所道，托体同山阿。 57、春秋多佳日，登高赋新诗。 58、种豆南山下，草盛豆苗稀。晨兴 理荒秽 ，带月 荷锄归 。道狭 草木长 ，夕露 沾我衣 。衣沾 不足惜 ，但使 愿无违 。 59、相见无杂言，但道桑麻长。 60、迢迢新秋夕，亭亭月将圆。
6、最大的骄傲于最大的自卑都表示心灵的最软弱无力。——斯宾诺莎 7、自知之明是最难得的知识。——西班牙 8、勇气通往天堂，怯懦通往地狱。——塞内加 9、有时候读书是一种巧妙地避开思考的方法。——赫尔普斯 10、阅读一切好书如同和过去最杰出的人谈话。——笛卡儿
Thank you
特征值估计与表示
| y Ay ||| B ||m n max | bij |
H 1i , j n
证明：设B=(bij) n×n，y (1 ,2 ,,n ) ，则
T
| y Ay || aiji j | | aij || i || j |
H
i , j 1
n
max | aij |
解：由定理5.2，对A特征值 ，有：| | 2， |Re()|2， |Im()|1.3，由定理5.1，知其虚部的另 一逼近为：
2(2 1) | Im( ) | 0.5 1.3 0.65 2 1 其特征值为： 1, 2 (1 j 0.6 ) | 1,2 | 0.632456 2 | Im(1, 2 ) | 0.327898 | Re(1,2 ) | 0.5
|λ –1| [R1(A)]1/2[R1(AT)]1/2=0.41/2=0.6324 |λ | [R2(A)]1/2[R2(AT)]1/2=0.41/2=0.6324
§5.2 广义特征值问题
• 定义: 称 Ax=Bx 的特征值问题为(对称)矩阵A相对于(对称)
矩阵B的广义特征值问题，称数为矩阵A相对于矩阵B的特 征值；而与相对应的非零解x称之为属于的特征向量．
ai11 ai 22 aiii ainn i
即 | aii || i || ai11 aii1i 1 aii1i 1 ainn |
i 1 i 1 n 1 | aii || ai1 aii1 aii1 ain | i i i i 因此 | aii || | aik || k | | aik | Ri i k i k i
则矩阵DAD-1与A具有同样的特征值，因此有 • 若将Ri改作ri=ji(|aij|i/j) ，则两个盖尔定理仍然 成立，其中i都是正数。
西北工业大学《线性代数》课件-第5章
向量,f (x)是多项式，则
(1) f ()是f (A)的特征值,对应的特征向量仍是x; (2) 若f ( A) O,则对A的任意一个特征值,有f () 0，
即 是f (x)的零点.
证明
(1)由Ax x Ak x Ak1(Ax) Ak1x k x
pm1, pm2, , pmrm是对应m的线性无关特征向量，
则向量组 p11, p12 , , p1r1 p21, p22 , , p2r2
pm1, pm2 , , pmrm 线性无关.
例5 (2005 数一 4分)
设1, 2 是矩阵A的两个不同的特征值，对应的 特征向量分别为 1,2 ，则 1, A(1 2) 线性无关
特征值,对应的特征向量分别为p1, p2, , pm ,则 p1, p2, , pm线性无关. 证明 对 m 用数学归纳法证明.
1。当 m 1 时，p1 0 p1 线性无关；
。
2
假设在m-1时，结论成立，则当
m
时，设
k1 p1 k2 p2 km pm 0 (1)
用A乘(1)式两边，由Ap1 1 p1，Ap2 2 p2， , Apm m pm，
(A i E)x 0 的非零解向量------基础解系， 即为 i对应的特征向量。
2 1 1
例1 求Α 0 2 0 的特征值和特征向量.
4
1
3
解 ⑴ A的特征多项式
2 1 1 det(Α Ε) 0 2 0 ( 1)( 2)2
4 1 3
⑵ 因此A的特征方程 det(ΑΕ) ( 1)( 2)2 0
的充要条件是 B
(A) 10 (B) 20 (C) 1=0
矩阵论-特征值的估计
故i
n
G
i
n
G'i .
i1 i1
2)取适当正数d1, d2 ,
, dn , 令D=diag{d1, d2 ,
, dn}.则B=DAD-1= aij
di dj
nn
.
B的盖尔圆的圆心仍为aii (1 i n).A与B相似故有相同的特征值.通常
选取di的办法为：
若取di 1，其余为1，则使第i个盖尔圆Gi缩小，其余放大. 若取di 1，其余为1，则使第i个盖尔圆Gi放大，其余缩小.
9 1 1
例3：估计
A=
1
i
1 的特征值分布范围.
1 1 3
解 A 的三个盖尔圆为： G1：z 9 2, G2：z i 2, G3：z 3 2.
G2
G3
G1
我们希望G2与G3变小，不相交，故令D=diag{2,1,1}.
9 2 2
则B=DAD-1
=
0.5
i
1 .B 的三个盖尔圆为：
n
定义（盖尔圆盘）设A=(aij ) Cnn，令i＝ aij (即第i行非对角线 j 1
ji
元素的模的和)，i=1, ,n.令
Gi {z C | z aii i},i=1, ,n.
即G
i为复平面上以aii为圆心，
为半径的闭圆盘,称之为
i
A的一个盖尔圆.A有n个盖尔圆.
定理2：(盖尔圆盘定理)设A=(aij ) Cnn的n个盖尔圆为G1， , Gn,则
0.5 1 3
G'1：z 9 4, G'2：z i 1.5, G'3：z 3 1.5.
G '2
G '3
G '1
矩阵理论课件 第五章 特征值的估计与广义逆矩阵
0 2
1
0
0 1
1 0 0
1 2y
y
x1 2z1 z1
x2
2z2 z2
0 2
1 0
0
1
A
1
2
y
y
2( x2 2z2
2z2 )
x1 2z1 z1
x2 2z2
z2
A
A
1 2
y
y
2(1 2 y)
2y
( A A)H
1 2y
2(1
2
y)
y
2
y
2
2(1 2 y) y y
设 A (aij )nn Rnn（n阶实矩阵），则
Im i
n(n 1)
2
max
1i , jn
cij
例1 估计下面矩阵的特征值的界：
0 0.2 0.1 1 0
A
0.2
0
0.2
2 0.3i
解：
0.1 0.2 0 3 0.3i
B 1 ( A AT ) 0,C 1 ( A AT ) A
4个盖尔圆中只有 G4 是孤立的， G1,G2 ,G3 是连通
的，故结论成立。
定义1 （严格对角占优矩阵）
设 A (aij )，若C满n足n
n
aii aij , i 1, 2, n j 1 ji
则称 A 为（行）对角占优矩阵，若不等式严格成立， 则称 为A（行）严格对角占优矩阵；若 为A行T （严格）对角占优矩阵，则称 A列（严格）对角占
5
A
1 5
2( x2
2z2 )
x1 2z1
x2
2
z2
2 5 2z2
z1
矩阵理论第五章-.ppt
a
b
容易验证向量范数的等价具有自反性，对称性和传递性，
且常用的各种范数之间有如下的等价关系：
x x n x
1
x x nx
2
可见 x , x , x 互相等价.
1
2
定理 n 维线性空间 Vn 上的任意两个向量范数都是等价的.
第二节 矩阵范数
由于向量是特殊的矩阵，将向量范数推广到一般矩阵，
nn
则 ACnn ，有 A v1 i 1
定义 1 设 V 是数域 R 上的线性空间，若对 V 中的任一向量，
都对应一个实值函数 x ,且满足以下性质： (1) 非负性 x 0 ,当且仅当 x o 时,有 x 0 ; (2) 齐次性 kx k x ,k R ; (3) 三角不等式 x y x y ,x, y V 则称 x 为 V 上 x 的范数
又
xy yx y x
即
x y ( x y )
从而可得 x y x y , 即证明了结论.
3． 向量范数的等价性
定义 2 设 x 与 x 是定义在 Rn 上的任意两种向量范数，
a
b
若存在 0 k1 k2 ，使得对所有的 x Rn ，总有
k1 x b x a k2 x b
成立，则称向量范数 x 与 x 等价.
n
p
x ( p
xi )1/ p 的特殊情形.
i1
为了证明 x 是 Rn 上的范数，先引入以下两个引理. p
引理 1 如果实数 p 1, q 1,且 1 1 1 ，则对任意实数 u, v 有 pq
uv 1 u p 1 vq pq
引理 2 设 x (x1, x2 ,, xn )T , y ( y1, y2 ,, yn )T Rn ，则
矩阵特征值的估计
第三部分矩阵特征值的估计§1. 特征值界的估计引理1. n阶复矩阵A，酉相似于一个上（或下）三角矩阵，且三角矩阵的对角线元素是A的特征值。
即存在一个酉矩阵U和三角矩阵T，使引理2. 设，则Proof:设则引理3. A为正规矩阵A酉相似于对角矩阵。
（注：正规矩阵：）即存在酉矩阵U使Th1.设A为n阶矩阵，为其特征值，则：A为正规矩阵，等号成立。
Proof:由引理1.存在酉阵U，使（三角阵）——①对①两边取共轭转置：——②①②（为酉阵）即设令，则A=B+C：其中B为Hermit阵（即）实C为反Hermit阵（即）虚注：引入B,C的目的是为了研究A的特征值的实部和虚部的估计。
Th2.设A,B,C如上所设，为A的特征值，则有：①②③Proof:由,同理可证：其它两个注：该定理对A特征值进行了界的估计，以及特征值的实部和虚部都有了界的估计，下面给出对A特征值虚部估计更精确的一个定理。
Th3.设，则其中，为上述C的第i行第j列元素Proof:（略）eg1.设则由Th3.易见，Th3.比Th2.中③要精确。
据上述定理可得如下推论：推论1：实对称矩阵的特征值令为实数。
推论2：Hermit矩阵的特征值令为实数。
推论3：反Hermit矩阵的特征值令为虚数或零。
Proof1:A为实对称，则，则即由Th2即为实数Proof2:A为H—阵，则，则，即为实数Proof3: A为反H—阵，则，设为特征值，由Th2.即为纯虚数或零。
Th4.幂等阵的特征值为0或1Proof:设为A的特征值，Z为A的对应于的特征向量。
即或1.Th5.设A,B为n阶实对称矩阵，矩阵B半正定（B的特征值非负），则其中分别为A+B和A的特征值，且即A+B与A的特征值按递减顺序排列。
§2. 圆盘定理及其推广上节我们对矩阵的特征值作了大致的估计，本节所有讲的圆盘定理是对矩阵的特征值在复平面上的具体位置作了更精确的估计。
Th1.圆盘定理：设，则A的特征值（即都在复平面上的n个圆盘内）其中（称为盖尔圆盘）Proof:设为A的特征值，X为特征向量，则，取即说明：①圆盘；称为Gerschgorin圆盘，简称盖尔圆盘。
西北工业大学矩阵论PPT课件
矩阵论讲稿讲稿编者：张凯院使用教材：《矩阵论》（第2版）西北工业大学出版社程云鹏等编辅助教材：《矩阵论导教导学导考》《矩阵论典型题解析及自测试题》西北工业大学出版社张凯院等编课时分配：第一章 17学时第四章8学时第二章5学时第五章8学时第三章8学时第六章8学时第一章 线性空间与线性变换§1.1 线性空间 一、集合与映射1．集合：能够作为整体看待的一堆东西． 列举法：},,,{321L a a a S =性质法：}{所具有的性质a a S = 相等(：指下面二式同时成立)21S S =2121,S S S a S a ⊆∈⇒∈∀即 1212,S S S b S b ⊆∈⇒∈∀即交：}{2121S a S a a S S ∈∈=且I 并：}{2121S a S a a S S ∈∈=或U 和：},{22112121S a S a a a a S S ∈∈+==+例1 R}0{2221111∈==j i a a a a A S R}0{2212112∈==j i a a a aA S ，21S S ≠ R},00{2211221121∈==a a a a A S S I R},0{21122221121121∈===j i a a a a a a a A S S U R}{2221121121∈==+j i a a a a a A S S 2．数域：关于四则运算封闭的数的集合．例如：实数域R ，复数域C ，有理数域，等等．Q 3．映射：设集合与，若对任意的1S 2S 1S a ∈，按照法则σ，对应唯一的.)(,2b a S b =∈σ记作 称σ为由到的映射；称为的象， 1S 2S b a a 2为b 的象源．变换：当1S S =时，称映射σ为上的变换． 1S 例2 )2(R})({≥∈==×n a a A S j i nn j i ．映射1σ：A A det )(1=σ (R)→S 变换2σ：n I A A )det ()(2=σ ()S S → 二、线性空间及其性质1．线性空间：集合V 非空，给定数域K ，若在V 中(Ⅰ) 定义的加法运算封闭, 即V y x V y x ∈+∈∀)(,,元素对应唯一, 且满足(1) 结合律：)()()(V z z y x z y x ∈∀++=++(2) 交换律：x y y x +=+ (3) 有零元：)(,V x xx V ∈∀=+∈∃θθ使得(4) 有负元：θ=−+∈−∃∈∀)(,)(,x x V x V x 使得.(Ⅱ) 定义的数乘运算封闭, 即V kx K k V x ∈∈∀∈∀)(,,元素对应唯一, 且满足(5) 数对元素分配律：)()(V y ky kx y x k ∈∀+=+ (6) 元素对数分配律：)()(K l lx kx x l k ∈∀+=+(7) 数因子结合律：)()()(K l xkl lx k ∈∀=(8) 有单位数：单位数x x K =∈1,使得1. 则称V 为K 上的线性空间．例3 R =K 时，n R —向量空间； n m ×R —矩阵空间][t P n —多项式空间；—函数空间],[b a CC =K 时，—复向量空间； C —复矩阵空间n C n m ×例4 集合}{是正实数m m =+R ，数域}{R 是实数k k =．加法： mn n m n m =⊕∈+,R ,数乘： k m m k k m =⊗∈∈+R,,R 验证+R 是R 上的线性空间．证 加法封闭，且(1)～(2)成立． (3) 1=⇒=⇒=⊕θθθm m m m(4) m m m m m 1)(1)()(m =−⇒=−⇒=−⊕θ 数乘封闭，(5)～(8)成立．故+R 是R 上的线性空间．例5 集合R}),({212∈==i ξξξαR ，数域R ．设R ),,(21∈=k ηηβ．运算方式1 加法： ),(2211ηξηξβα++=+数乘： ),(21ξξαk k k =运算方式2 加法： ),(112211ηξηξηξβα+++=⊕数乘： ))1(21,(2121ξξξα−+=k k k k k o 可以验证与都是)(R 2⋅+)(R 2o ⊕R 上的线性空间．[注] 在R 中, )(2o ⊕)0,0(=θ, ． ),(2121ξξξα+−−=−Th1 线性空间V 中的零元素唯一，负元素也唯一．证 设与2θ都是V 的零元素, 则212211θθθθθθ=+=+=1θ设与都是的负元素, 则由1x 2x x θ=+1x x 及θ=+2x x 可得212111)()(x x x x x x x x ++=++=+=θ 22221)(x x x x x x =+=+=++=θθ例6 在线性空间V 中，下列结论成立．θ=x 0：θ=⇒=+=+x x x x x 01)01(01θθ=k ：θθθθ=⇒=+=+k kx x k k )(kx)()1(x x −=−：()()(]1)1[()]([)1()1x x x x x x x x −=−++−=−++−=−2．减法运算：线性空间V 中，)(y x y x −+=−．3．线性组合：K c V x x i i ∈∈若存在,,, 使m m x c x c x ++=L 11, 则称x 是的线性组合，或者可由线性表示．m x x ,,1L x m x x ,,1L 4．线性相关：若有不全为零，使得m c c ,,1L θ=++m m x c x c L 11，则称m x x ,,1L 线性相关．5．线性无关：仅当全为零时，才有m c c ,,1L θ=++m m x c x c L 11，则称m x x ,,1L 线性无关．[注] 在R 中, )(2o ⊕)1,1(1=α, )2,2(2=α线性无关；)1,1(1=α, )3,2(2=α线性相关．（自证）三、基与坐标1．基与维数：线性空间V 中，若元素组满足 n x x ,,1L (1) 线性无关；n x x ,,1L (2) V x ∈∀都可由线性表示．n x x ,,1L 称为n x x ,,1L V 的一个基, 为n V 的维数, 记作n V =dim ，或者V . n 例7 矩阵空间n m ×R 中, 易见(1) ),,2,1;,,2,1(n j m i E j i L L ==线性无关；(2) ．∑∑==×==mi nj j i j i n m j i E a a A 11)(故),,2,1;,,2,1(n j m i E j i L L ==是n m ×R 的一个基, .mn n m =×dimR2．坐标：给定线性空间V 的基，当时，有n n x x ,,1L n V x ∈n n x x x ξξ++=L 11．称n ξξ,,1L 为在给定基下的x n x ,,1L x 2坐标，记作列向量．Τ1),,(n ξξαL =例8 矩阵空间2R ×中，设22)(×=j i a A ．(1) 取基 ，22211211,,,E E E E 2222212112121111E a E a E a E a A +++=坐标为Τ22211211),,,(a a a a =α(2) 取基 , , , =11111B =11102B =11003B=10004B 422432132122111)()()(B a B B a B B a B B a A +−+−+−= 421223122121112111)()()(B a a B a a B a a B a −+−+−+=坐标为Τ21221221111211),,,(a a a a a a a −−−=β[注] 一个元素在两个不同的基下的坐标可能相同，也可能不同． 例如：在上述两个基下的坐标都是；22n n E A =Τ)1,0,0,0(11E A =在上述两个基下的坐标不同．Th2 线性空间V 中，元素在给定基下的坐标唯一． 证 设V 的基为，对于，若 n x x ,,1L n V x ∈ n n x x x ξξ++=L 11n n x x ηη++=L 11则有 θηξηξ=−++−n n n x x )()(111L因为线性无关, 所以n x x ,,1L 0=−i i ηξ, 即),,2,1(n i i i L ==ηξ.故的坐标唯一．x n 例9 设线性空间V 的基为, 元素在该基下的坐标为n x x ,,1L j y ),,2,1(m j j L =α, 则元素组线性相关（线性无关）m y y ,,1L ⇔向量组m αα,,1L 线性相关（线性无关）．证 对于数组, 因为m k k ,,1L θαα=++=++))(,,(11111m m n m m k k x x y k y k L L L 等价于θαα=++m m k L 11k , 所以结论成立. 四、基变换与坐标变换1．基变换：设线性空间V 的基(Ⅰ)为, 基(Ⅱ)为, 则n n x x ,,1L n y ,,1L y+++=+++=+++=n nn n n nn n nn x c x c x c y xc x c x c y x c x c x c y L L L L L L 22112222112212211111 C=nn n n n n c c c c c c c c c L M M M L L 212222111211写成矩阵乘法形式为 (C x x y y n n ),,(),,11L L =称上式为基变换公式，C 为由基(Ⅰ)改变为基(Ⅱ)的过渡矩阵.[注] 过渡矩阵C 一定可逆. 否则C 的个列向量线性相关, 从而n n y ,,1L y 1−线性相关（例9）．矛盾！由此可得111),,(),,(−=C y y x x n n L L称C 为由基(Ⅱ)改变为基(Ⅰ)的过渡矩阵．2．坐标变换：设在两个基下的坐标分别为n V x ∈α和β,则有 =++=n n x x x ξξL 11α),,(1n x x Ln n y y x ηη++=L 11β),,(1n y y L =βC x x n ),,(1L =由定理2可得βαC =，或者，称为坐标变换公式. αβ1−=C 例10 矩阵空间22R ×中，取基(Ⅰ) , , ,=10011A −=10012A =01103A−=01104A (Ⅱ) , , , =11111B =01112B =00113B=00014B(1) 求由基(Ⅰ)改变为基(Ⅱ)的过渡矩阵； (2) 求由基(Ⅱ)改变为基(Ⅰ)的坐标变换公式． 解 采用中介法求过渡矩阵.基(0)：, , ,=000111E =001012E =010021E=100022E (0)→(Ⅰ)：1222112114321),,,(),,,(C E E E E A A A A = (0)→(Ⅱ)：2222112114321),,,(),,,(C E E E E B B B B =，−−=00111100110000111C=00010011011111112C (Ⅰ)(Ⅱ)：→=),,,4321B B B B (2114321),,,(C C A A A A −=−−==−0100012211101112210110011010011001212211C C C C+++++++==332143243214321432122221ηηηηηηηηηηηηηηηξξξξC五、线性子空间1．定义：线性空间V 中，若子集V 非空，且对1V 中的线性运算封闭，即 (1) 11,V y x V y x ∈+⇒∈∀ (2) 11,V kx K k V x ∈⇒∈∀∈∀称V 为1V 的线性子空间，简称为子空间．1[注] (1) 子空间V 也是线性空间, 而且V V dim dim 1≤.(2) }{θ是V 的线性子空间, 规定dim{0}=θ. (3) 子空间V 的零元素就是1V 的零元素. 例11 线性空间V 中，子集V 是1V 的子空间⇔对11,,,,V ly kx K l k V y x ∈+∈∀∈∀．有证 充分性. ：1==l k 11,V y x V y x ∈+⇒∈∀0=l ：110 ,V y kx kx K k V x ∈+=⇒∈∀∈∀故V 是1V 的子空间.必要性. 11 ,V kx K k V x ∈⇒∈∀∈∀ （数乘封闭）11 ,V ly K l V y ∈⇒∈∀∈∀ （数乘封闭）故 （加法封闭）1V y l x k ∈+例12 在线性空间V 中，设),,2,1(m i V x i L =∈，则 }{111K k x k x k x i mm ∈++==L V是V 的子空间，称V 为由生成的子空间．1m x x ,,1L 证 m m x k x k x V x ++=⇒∈L 111∀m m x l x l y V y ++=⇒∈∀L 111:1111)()(V x l l kk x l l kk y l kx m m m ,K l k ∈∀ ∈++++=+L根据例11知，V 是1V 的子空间．[注] (1) 将V 记作span 或者．1},,{1m x x L ),,(1m x x L L (2) 元素组的最大无关组是的基； m x x ,,1L ),,(1m x x L L (3) 若线性空间V 的基为，则V ． n n x x ,,1L ),,(1n n x x L L = 2．矩阵的值域（列空间）：划分（），n m n n m j i a A ××∈==C ),,()(1ββL m j C ∈β称),,()(1n L A R ββL =为矩阵的值域（列空间）． A 易见A A R rank )(=dim ． 例13 矩阵A 的值域}C {)(n x AxA R ∈==β.证 ∈∀β左, 有 右∈= =++=Ax k k k k n n n n M L L 1111),,(βββββ∈∀β右, 有左∈++===n n n n k k k k Ax βββββL M L 1111),,( 3．矩阵的零空间：设，称n m A ×∈C }C ,0{)(n x Ax xA N ∈==为矩阵A 的零空间．易见A n A N rank )(−=dim ．Th3 线性空间V 中, 设子空间V 的基为n 1)(,,1n m x x m <L , 则存在n n m V x x ∈+,,1L , 使得为V 的基．n m m x x x x ,,,,,11L L +n 证线性表示不能由m n m x x V x n m ,,11L ∈∃⇒<+ ,,,11线性无关+⇒m m x x x L若，则是V 的基;n n m =+111,,,+m m x x x L n 否则，mn <+1线性表示不能由112,,,++∈∃⇒m m n m x x x V x L ,,,,211线性无关++⇒m m m x x x x L若，则是V 的基;m =+2211,,,,++m m m x x x x L n 否则，m ． L L ⇒<+n 2依此类推, 即得所证．六、子空间的交与和1．子空间的交：}{2121V x V x x V ∈∈=且I VTh4 设V 是线性空间21,V V 的子空间，则V 是21V I V 的子空间． 证 212121,V V V V V V I I ⇒∈⇒∈∈θθθ非空∈+⇒∈∈+⇒∈⇒∈∀221121,,,V y x V y x V y x V y x V V y x I 21V V y x I ∈+⇒∈⇒∈∈⇒∈⇒∈∀∈∀221121,V kx V x V kx V x V V x K k I 21V V kx I ∈⇒ 所以V 是21V I V 的子空间．2．子空间的和： },{22112121V x V x x x x V V ∈∈+==+ Th5 设V 是线性空间21,V V 的子空间，则V 21V +是V 的子空间． 证 212121,V V V V V V +⇒+∈+=⇒∈∈θθθθθ非空∈∈+=∈∈+=⇒+∈∀22112122112121,,,,,V y V y y y y V x V x x x x V V y x )()(2211y x y x y x +++=+⇒，222111,V y x V y x ∈+∈+ 21V V y x +∈+⇒22112121,,,V x V x x x x V V x K k ∈∈+=⇒+∈∀∈∀221121,,V kx V kx kx kx kx ∈∈+=⇒ 21V V kx +∈⇒所以V 是21V +V 的子空间． [注] 不一定是21V V U V 的子空间．例如：在2R 中，V )()(2211e L V e L ==与的并集为}R ,0),({212121∈=⋅==i V V ξξξξξαU易见21212121)1,1(,,V V e e V V e e U U ∉=+∈但, 故加法运算不封闭.2Th6 设V 是线性空间1,V V 的有限维子空间，则)(dim dim dim )(dim 212121V V V V V V I −+=+ 证 记 ，dim 11dim n V =22n V =，m V V =21I dim 欲证 m n n V V −+=+2121)(dim (1) ：(1n m =121121)V V V V V V =⇒⊂I I22121221)(V V V V V V V V =+⇒⊂⇒⊂Im n n n V V V −+===+212221dim )(dim (2) ：(2n m =221221)V V V V V V =⇒⊂I I12112121)(V V V V V V V V =+⇒⊂⇒⊂Im n n n V V V −+===+211121dim )(dim(3) ：设V 的基为，那么212L 1,n m n m <<21V I m x x ,,1L 扩充为V 的基： (Ⅰ) m n m y y x x −1,,,,,11L L 扩充为V 的基： (Ⅱ) m n m z z x x −2,,,,,11L L 考虑元素组： (Ⅲ)m n m n m z z y y x x −−21,,,,,,,,111L L L 因为 (Ⅰ)，V (Ⅱ) ，所以 V V =1L =2L V =+21(Ⅲ) （自证）． 下面证明元素组(Ⅲ)线性无关：设数组k 使得m n m n m q q p p k −−21,,,,,,,,111L L L m n m n m m y p y p x k x k −−+++++111111L L θ=+++−−m n m n z q z q 2211L由 (*)∈++−∈+++++=−−−−21111111)(2211V z q z q V y p y p x k x k x m n m n m n m n m m L L L 得 m m x l x l x V V x ++=⇒∈L I 1121 结合(*)中第二式得θ=+++++−−m n m n m m z q z q x l x l 221111L L(Ⅱ)线性无关0,0211======−m n m q q l l L L ⇒结合(*)中第一式得θ=+++++−−m n m n m m y p y p x k x k 111111L L(Ⅰ)线性无关0,0111======−m n m p p k k L L ⇒故元素组(Ⅲ)线性无关，从而是V 21V +的一个基． 因此 m n n V V −+=+2121)(dim ． 3．子空间的直和：},{22112121V x V x x x x V V ∈∈+==+唯一唯一记作：V2121V V V ⊕=+Th7 设V 是线性空间21,V V 的子空间，则V 21V +是直和⇔}{21θ=V I V ． 证 充分性．已知}{21θ=V I V ：对于21V V z +∈∀，若∈∈+=∈∈+=221121221121,,,,V y V y y y z V x V x x x z 则有 2221112211,,)()(V y x V y x y x y x ∈−∈−=−+−θ22112211212211,,)(y x y x y x y x V V y x y x ==⇒=−=−⇒∈−−=−⇒θθI 故的分解式唯一, 从而V 21V V z +∈2121V V V ⊕=+．必要性．若}{21θ≠V I V ，则有21V V x I ∈≠θ．对于21V V +∈θ，有2121)(,),(,,V x V x x x V V ∈−∈−+=∈∈+=θθθθθθ即21V V +∈θ有两种不同的分解式．这与V 21V +是直和矛盾． 故}{21θ=V I V ．2推论1 V 是直和1V +2121dim dim )(dim V V V V +=+⇔推论2 设V 是直和，V 的基为，V 的基为，221V +1k x x ,,1L 2l y y ,,1L 则V 的基为．1V +l k y y x x ,,,,,11L L 证 因为 ，且 2),,,,,(11l k y y x x L L L =1V V + l k V V V V +=+=+2121dim dim )(dim所以线性无关, 故是V 的基． l k y y x x ,,,,,11L L l k y y x x ,,,,,11L L 21V +§1.2 线性变换及其矩阵 一、线性变换1．定义 线性空间V ，数域K ，T 是V 中的变换．若对V y x ∈∀,，∀，K l k ∈,都有 )()()(Ty l Tx k ly kx T +=+， 称T 是V 中的线性变换． 性质 (1) θθ=+=+=)(0)(0)00(Ty Tx y x T T(2) T )()(0))(1()0)1(()(Tx Ty Tx y x T x −=+−=+−=− (3) 线性相关⇒线性相关V x x m ∈,,1L m Tx Tx ,,1L (4) 线性无关时，不能推出Tx 线性无关．V x x m ∈,,1L m Tx ,,1L (5) 是线性变换T y T Tx y x T +=+⇔)(,)()(Tx k kx T =(V y x ∈∀,,K k ∈∀)例1 矩阵空间nn ×R ，给定矩阵，则变换TX = BX +XB (n n B ×n n X ×∈∀R )是n n ×R 的线性变换．2．线性变换的值域：},{)(V x Tx y y T R ∈==3．线性变换的核： },{)(V x Tx x T N ∈==θTh8 设T 是线性空间V 的线性变换，则R (T )和N (T )都是V 的子空间． 证 (1)V 非空⇒非空． )(T R 1111st ,)(Tx y V x T R y =∈∃⇒∈∀ 2222st ,)(Tx y V x T R y =∈∃⇒∈∀)()(212121T R x x T Tx Tx y y ∈+=+=+ )21V x x ∈+Q ( )()()(111T R x k T Tx k y k ∈== (),1V kx K k ∈∈∀Q 故R (T )是V 的子空间．(2) )(,T N T V ∈⇒=∈θθθθ，即非空．)(T Nθ=+=+⇒∈∀Ty Tx y x T T N y x )()(,，即)(T N y x ∈+． θ==⇒∈∀∈∀)()(),(Tx k kx T K k T N x ，即kx )(T N ∈．故N (T )是V 的子空间．[注] 定义：T 的秩 =dim R (T )，T 的亏 = dim N (T ) 例2 设线性空间V 的基为， T 是V 的线性变换，则 n n x x ,,1L n ，),,()(1n Tx Tx L T R L =n T N T R =+)(dim )(dim证 (1) 先证：∀),,()(1n Tx Tx L T R L ⊂Tx y V x T R y n =∈∃⇒∈st ,)(∈++=⇒++=)()(1111n n n n Tx c Tx c y x c x c x L L L ),,(1n Tx Tx L 再证R ：),,()(1n Tx Tx L T L ⊃ )()(st ,,,),,( 1111n n n n Tx c Tx c y c c Tx Tx L y ++=∃⇒∈∀L L L n )()()()(11T R Tx c Tx c y T R Tx n n i i V x ∈∈++=⇒∈⇒L(2) 设dim , 且的基为, 扩充为V 的基：m T N =)()(T N m y y ,,1L n n m m y y y y ,,,,,11L L +则 ),,(),,,,,()(111n m n m m Ty Ty L Ty Ty Ty Ty L T R L L L ++==设数组k 使得n m k ,,1L +θ=++++)()(11n n m m Ty k Ty k L , 则 θ=++++)(11n n m m y k y k T L因为T 是线性变换, 所以)(11T N y k y k n n m m ∈++++L , 故m m n n m m y l y l y k y k ++=++++L L 1111即 θ=+++−++−++n n m m m m y k y k y l y l L L 1111)()( 因为线性无关, 所以n m m y y y y ,,,,,11L L +0,,01==+n m k k L ．因此 线性无关, 从而n m Ty Ty ,,1L +m n T R −=)(dim , 即dim ． n m T R =+)( 例3 向量空间4R 中，),,,(4321ξξξξ=x ，线性变换T 为)0,0,433,3(43214321ξξξξξξξξ+−−−−+=Tx 求和的基与维数． )4(T R )(T N 解 (1) 取R 的简单基， 计算4321,,,e e e e Te ，)0,0,3,1(1=)0011(2，，，−=Te ，)0,0,3,3(3−−=Te ，Te )0,0,4,1(4−= 该基象组的一个最大线性无关组为． 21,Te Te 故dim R (T ) = 2，且R (T )的一个基为Te ．21,Te (2) 记， 则 −−−−=43131311A }0{}{)(41====ξξθM A x Tx x T N 的基础解系为，．041=ξξM A 0233−4073 故dim N (T ) = 2，且N (T )的一个基为(3, 3, 2, 0)，(－3, 7, 0, 4)． 4．单位变换：线性空间V 中，定义变换T 为Tx )(V x x ∈∀=， 则T 是线性变换，记作T ． e 5．零变换：线性空间V 中，定义变换T 为 )(V x Tx ∈∀=θ，则T 是线性变换，记作T ．0 6．线性变换的运算：线性空间V ，数域K ，线性变换T 与T ． 12 (1) 相等：若T )(21V x x T x ∈∀=，称T =T ． 12 (2) 加法：定义变换T 为 )(21V x x T x T Tx ∈∀+=，则T 是线性变换，记作T 21T T +=．负变换：定义变换T 为 )()(1V x x T Tx ∈∀−=， 则T 是线性变换， 记作T 1T −=．(3) 数乘：给定，定义变换T 为 K k ∈)()(1V x x T k Tx ∈∀=，则T 是线性变换， 记作T 1kT =．[注] 集合Hom(V ，V )}{def的线性变换上的线性空间是数域V K T T =按照线性运算(2)和(3)构成数域K 上的线性空间，称为V 的同态．(4) 乘法：定义变换T 为 )()(21V x x T T Tx ∈∀=，则T 是线性变换， 记作T 21T T =．7．逆变换：设T 是线性空间V 的线性变换，若V 的线性变换满足 S T n)()()(V x x x TS x ST ∈∀== 则称T 为可逆变换，且S 为T 的逆变换，记作 ． S =−1 8．幂变换：设T 是线性空间V 的线性变换， 则也是V 的线性变换．),3,2(1defL ==−m T T Tm m9．多项式变换：设T 是线性空间V 的线性变换，多项式)()(10K a t a t a a t f i mm ∈+++=L 则也是V 的线性变换． m m e T a T a T a T f +++=L 10)(二、线性变换的矩阵表示1．线性变换在给定基下的矩阵设线性空间V 的基为，T 是V 的线性变换，则Tx ，且有n x x ,,1L n n i V ∈+++=+++=+++=n nn n n nnn nn x a x a x a Tx xa x a x a Tx x a x a x a Tx L L L L L 22112222112212211111=nn n n n n a a a a a a a a a A L M M M L L 212222111211 写成矩阵乘法形式 TA x x Tx Tx x x n n n ),,(),,(),,(11def1L L L ==称A 为线性变换T 在基下的矩阵．n x x ,,1Ln n [注] (1) 给定V 的基和线性变换T 时，矩阵A 唯一． n x x ,,1L (2) 给定V 的基和矩阵A 时，基象组Tx 确定．n x x ,,1L n Tx ,,1L n V x ∈∀n n x c x c x ++=⇒L 11，定义变换()()n n Tx c Tx c Tx ++=L 11则T 是线性变换．因此线性变换T 与方阵A 是一一对应关系．例4 线性空间的线性变换为 ][t P n ()()()()][t P t f t f t f T n ∈∀′= ．基(I)：!,,!2,,12210n t f t f t f f nn ====L基(II)：n n t g t g t g g ====,,,,12210L 记T 在基(I)下的矩阵为，T 在基(II)下的矩阵为．因为 1A 2A 112010,,,,0−====n n f Tf f Tf f Tf Tf L 112010,,2,,0−====n n ng Tg g Tg g Tg Tg L 所以 ，=010********M O O L L A=0002000102n A M O O L L 易见．21A A ≠)2(≥n 例5 线性空间V 中，设线性变换T 在基下的矩阵为A ，则n n x x ,,1L dim R (T ) = rank A ，dim N (T ) = n - rank A ．证 rank A = m ⇔A 的列向量组n ββ,,1L 中最大无关组含m 个向量元素组Tx 中最大无关组含m 个向量 ⇔n Tx ,,1L dim R (T ) = dim ⇔m Tx Tx L n =),,(1L由例2知另一结论成立．2．线性运算的矩阵表示（将线性变换运算转化为矩阵运算）T Th9 设线性空间V 的基为，线性变换T 与的矩阵n n x x ,,1L 12A 与，则 B (1) T 1+T 2在该基下的矩阵为B A +． (2) kT 1在该基下的矩阵为． kA (3) T 1T 2在该基下的矩阵为AB ． (4) T 在该基下的矩阵为11−1−A ．证 ()()()()B x x x x T A x x x x n n n n ,,,,,,,,,112111L L L L T == (1) 略．(2) 略．(3) 先证：()()[]()[]C x x T C x x T c C n n m n ij ,,,,,11L L ==×∀左=[]()()[]∑∑∑∑=iimii i im i i Tx c Tx c x c x c,,,,11L L T=()=C Tx Tx n ,,1L 右由此可得 ()()()[]()[]B x x T x x T T x x T T n n n ,,,,,,11121121L L L ==()[]()AB x x B x x T n n ,,,,111L L ==(4) 记T，则 211T =−()131221−=⇒==⇒==A B I BA AB T T T T T e ．3．象与原象坐标间的关系Th10 线性空间V 的基为线性变换T 在该基下的矩阵为A ，n ,,,1n x x L 的坐标为 ，T x 的坐标为，则 ．nV x ∈n ξξM 1n ηηM 1 =n n A ξξηηM M 11 证 n n x x x ξξ++=L 11()()()() ==++=n n n n n n A x x Tx Tx Tx Tx Tx ξξξξξξM L M L L 111111,,,,由定理2知 ．= n n A ξξηηM M 11 4．线性变换在不同基下矩阵之间的关系n Th11 线性空间V 的基(I)：，基(II)：n x x ,,1L n y y ,,1L 线性变换T ：()()A x x x x n n ,,,,11L L T =()()B y y y y T n n ,,,,11L L = 由基(I)到基(II)的过渡矩阵为C ，则．AC C B 1−= 证 因为 ()()()()AC C y y AC x x C x x T y y T n n n n 11111,,,,,,−===L L L L ()()B y y y y T n n ,,,,11L L = 所以 ． AC C B 1−=三、线性变换的特征值与特征向量1．定义 线性空间V ，线性变换T ，若K ∈0λ及V x ∈≠θ满足Tx x 0λ=， 称0λ为T 的特征值，x 为T 的对应于0λ的特征向量（元素）． 2．算法 设线性空间V 的基为，线性变换T 的矩阵为． n n x x ,,1L n n ×A T 的特征值为0λ，对应的特征向量为x ．x 的坐标为，T x 的坐标为=n ξξαM 1αA ，x 0λ的坐标为α．λ0 因为 αλαλ00=⇔=A x Tx ，所以T 的特征值与A 的特征值相同； 的对应于T 0λ的特征向量的坐标就是A 的对应于0λ的特征向量．例6 设，线性空间=1011B (){}R ,0221122∈=+==×ij ij x x x x X V ， 线性变换为()V X B X X B ∈−=T T TX ，求T 的特征值与特征向量．解+ + −= −=⇒∈000000002112111111211211x x x x x x x xX V X+ + −=010000101001211211x x x 可得V 的简单基为= = −=0100,0010,1001321X X X 由公式求得 TX−= −= −=0110,0110,0110321TX TX 故T 在简单基下的矩阵为−−−=111111000A A 的特征值与线性无关的特征向量为；====110,011,02121ααλλ −==110,233αλ T 的特征值与线性无关的特征向量为()−====1011,,,01321121αλλX X X Y Y ()==0110,,23212αX X X ()−===0110,,,2332133αλX X X Y 例7 线性空间V ，线性变换T ，{}V x x Tx x ∈==,00λλV 是V 的子空间． 证 ∈⇒=∈θθλθθ0,T V 0λV , 即V 非空．0λ 0(),λV y x ∈∀()y x y x Ty Tx y x T +=+=+=+⇒000λλλ0λV y x ∈+⇒()()()()kx x k Tx k kx T V x K k 000,λλλ===⇒∈∀∈∀⇒0λV kx ∈0λ0 故V 是V 的子空间．[注] 若λ是线性变换的特征值，则称V 为T 的特征子空间．0λ 3．矩阵的迹：．()∑=×==ni ii nn ija A a A 1tr ,∆Th12 ()()BA AB B A m n n m tr tr ,=⇒××．证 ()()m n ij n m ij b B a A ××==,，()m m ij u AB ×=∆，()n n ij v BA ×=∆：，v()∑===nk ki ik ni i in i ii b a b b a a u 111,,M L ()∑== =m i ik ki mk k km k kk a b a a b b 111,,M L()()BA v a b b a u AB nk kk n k m i ik ki mi n k ki ik mi ii tr tr 111111=== ==∑∑∑∑∑∑====== Th13 若A 相似于B ，则tr B A tr = ．证 由AP P B 1−=可得 ()()A P AP AP PB tr )(tr tr tr 11===−− [注] 因为相似矩阵有相同的特征值（Th14 -- 线性代数课程结论）所以线性变换的特征值与线性空间中基的选取无关4．三角相似Th17 相似于上三角矩阵．n n A × 证 归纳法．n =1时，()11a A =是上三角矩阵⇒A 相似于上三角矩阵． 假设n = k －1时定理成立，下证n = k 时定理也成立．的特征值为k k A ×k λλλ,,,21L ，对应1λ的特征向量为1x 111x Ax λ=⇒． 扩充为C 的基：（列向量）1x k k x x x ,,,21L ()k x x x P ,,,211L =可逆，()k Ax Ax Ax AP ,,,211L = ()k j x b x b x b Ax Ax kkj j j j k j ,,2C 2211L L =+++=⇒∈()=kk k k k k b b b b b b x x x AP L M MM L L L 222211212110,,,λ=−011121111A b b AP P k M L λ 的特征值为1A k λλ,,2L ，由假设知，存在1−k 阶可逆矩阵Q 使得,=−k Q A Q λλM O L *211=000012Q P M L ∆==⇒=−k AP P P P P λλλ∆***21121O M O LL 由归纳法原理，对任意n ，定理成立． 5．Hamilton-Cayley 定理Th18 设，则()()n n n n n n a a a A I A ++++=−=−−×λλλλλϕ∆111det ,L ()n n n n n n O I a A a A a A A ×−−=++++=111L ∆ϕ证 A 的特征值为()()()()n n λλλλλλλϕλλλ−−−=⇒L L 2121,,,．由Th17知，存在可逆矩阵，使得． n n P ×=−n AP P λλM O L *11 ()()()()I AP P I AP P I AP P AP P n λλλϕ−−−=−−−−121111LL O M OLO M OL−−−−=221112*0*****0λλλλλλλλn n−−−0***11n n n λλλλM O O LL OM O L LO M M M O L L−−−=33231*0******00**00**00**00λλλλλλn O n n n =−−−0***11λλλλM O O L 即 ()()O A O P A P =⇒=−ϕϕ1． [注] (1) ()I a A a A a A a A a A n n n n nn 1221111,00−−−−−++++−=≠⇒≠L (2) {}I A A A n n ,,,span 1L −∈例8 ，计算−−=210111111A 501002A A +． 解 ()()()21det )(,2)(250100−−=−=+=λλλλϕλλλA I fϕ除f ： ()2210)()()(λλλλϕλb b b g f +++=()λλλϕλ212])()([)(b b g f ++′=′ 由 可得5110022)2(,200)1(,3)1(+==′=f f f−+=+−−=−+=⇒ +=++=+=++2032260622400222242 2002 35110025210115110005110021021210b b b b b b b b b b b()()2210A b A b I b A f O A ++=⇒=ϕ 6．最小多项式：以为根，且次数最低的首1多项式，记作n n A ×()λm ． ()()()11≥∂⇒≠=⇒=λλm O I A f f()()()()n m O A A I ≤∂⇒=⇒−=λϕλλϕ18Th ,det例9 ()()()42,0312512332−−=−−−−=λλλϕA ()()()()1:R 11>∂⇒≠+=∈∀+=λλλm O kI A A f k k f()()()()()()()()λλλλλ22242:42f m O I A I A A f f =⇒=−−=−−= Th19 (1) 多项式()λf 满足()()()λλf m O A f ⇒=;(2) ()λm 唯一．证 (1) 反证法．()()()()()()λλλλλλr g m f f m +=⇒/| ()0≡/λr 且()()λλm r ∂<∂ ()()()()A r A g A m A f +=⇒ ()()()λλm r O A r O A m O A f ∂<∂=⇒==,)(,)(()λm ⇒不是A 的最小多项式，矛盾！(2) 设()λm 与()λm~都是A 的最小多项式，则 ()()()()()()()()λλλλλλm m m m O A m m m O A m ~|~~|~1=⇒⇒=⇒=首 Th20 ()λm 与()λϕ的零点相同（不计重数）．) 证 Th19(λm ⇒的零点是()λϕ的零点．再设0λ是()λϕ的零点，则有()()()x m x A m x x Ax 000λλ=⇒≠=()()()0000=⇒=⇒=λλm x m O A m , 故也是0λ()λm 的零点．[注] ()()的全部单因式一定含λϕλm ⇒20Th ． 但()λm 不一定是()λϕ的全部单因式的乘积． 例如：． ()()()()1,1,10112−≠−= =λλλλϕm A 7．最小多项式求法Th21 对，设n n A ×A I −λ的第i 行第j 列元素的余子式为()λij M ，则 ())(det )(λλλd A I −=m （[])(max )(,λλij j i M d =）例10 设，求−−−−=031251233A )(λm ． 解 ,−−−−=−λλλλ31251233A I ()()()42det )(2−−=−=λλλλϕA I , 65211+−=λλM ()2321−=λM , ()2231−=λM212−=λM , , 23222+−=λλM ()2232−=λM()213−−=λM , ()2323−−=λM , 128233+−=λλM ()()8642)()()(,2)(2+−=−−==−=λλλλλλϕλλλd m d 例11 相似于n n A ×()()λλB A n n m m B =⇒×．证11−−=⇒=PBP A AP P B 取)()(λλA m f =, 则()O A m A f A ==)(, 从而有 ()()O P A f P AP P f B f ===−−11)(①()()() |),(|19Th λλλλA B B m m f m 即⇒ 取)()(λλB m g =, 则O B m B g B ==)()(, 从而有 ()()O P B g P PBP g A g ===−−11)(② ()()() |),(|19Th λλλλB A A m m g m 即⇒ ①+②得：()()λλB A m =m ．四、对角矩阵Th24 在线性空间V 中，线性变换T 在某基下的矩阵为对角矩阵 n T 有n 个线性无关的特征向量（元素）．⇔证 必要性．设V 的基为，且n n x x ,,1L ()()Λn n x x x x ,,,,11L L T =，),,diag(1n λλΛL =，则有()()(n n n n n x x x x Tx Tx λλλλ,,,,,,11111L O L L ==) ),,2,1(n j x Tx j j j L ==⇒λ是T 的n 个线性无关的特征向量 n x x ,,1L ⇒ 充分性．设T 有n 个线性无关的特征向量，即 n y y ,,1L T n j y y j j j ,,2,1,L ==λ取y 为V 的基，则有n y ,,1L n ()()()n n n n y y Ty Ty y y T λλ,,,,,,1111L L L === ()n n y y λλO L 11,, Th25 相似于对角矩阵n n A ×⇔A 有n 个线性无关的特征向量（列向量）． 证 A 相似于),,diag(1n λλΛL =()n x x P ,,1L =⇔存在可逆矩阵，使得Λ=−AP P 1 ()()Λn n x x x x A ,,,,11L L =⇔n j x Ax j j j ,,2,1,L ==⇔λ A 有n 个线性无关的特征向量 ⇔n x x ,,1L Th26 有n 个互异的特征值A 相似于对角矩阵．n n A ×⇒ 算法：线性空间V 的基，线性变换T 在该基下的矩阵A 相似于n n x x ,,1L),,diag(1n λλΛL =，确定V 的新基，使得T 在新基下的 n n y y ,,1L 矩阵为Λ．求P 使Λ=−AP P 1，令()()P x x y y n n ,,,,11L L =，则有 ()()()AP x x P x x T y y T n n n ,,,,,,111L L L ==()()Λn n y y AP P y y ,,,,111L L ==−例12 在22R ×中, 给定, 线性变换为=0410B XB TX = , )2R 22×∈∀X (求2R ×的一个基, 使线性变换T 在该基下的矩阵为对角矩阵．解 取22R ×的简单基, 求得T 在该基下的矩阵为22211211,,,E E E E=0100400000010040A 求P 使得Λ=−AP P 1：,−−=2222Λ−−=1010202001010202P 由可得P E E E E B B B B ),,,(),,,(222112114321= −= −= = =1200,0012,1200,00124321B B B B 故在基下的矩阵为T 4321,,,B B B B Λ． 五、不变子空间线性空间V ，子空间V ，线性变换T ．1 若对∀，有Tx ，称V 是T 的不变子空间． 11V x ∈1V ∈1[注] V 是T 的不变子空间时，可将T 看作V 中的线性变换．1例 ① 子空间{V x x Tx x ∈==,00λλ}V 是T 的不变子空间．000λλλV x Tx V x ∈=⇒∈∀Q ② 子空间R (T )是T 的不变子空间． ()()T R Tx V T R x ∈⇒⊂∈∀Q ③ 子空间N (T )是T 的不变子空间． ()()T N Tx T N x ∈=⇒∈∀θQ④ 与V 1V 2是T 的不变子空间2121,V V V V +⇒I 亦是T 的不变子空间．1°21221121,,V V Tx V Tx V x V Tx V x V V x I I ∈⇒∈∈∈∈⇒∈∀ 2°22112121,,V x V x x x x V V x ∈∈+=⇒+∈∀ 221121,,V Tx V Tx Tx Tx Tx ∈∈+=⇒ 21V V Tx +∈⇒Th27 线性空间V ，线性变换T ，V 与V 是T 的不变子空间，且n 1221V V V n ⊕=．T 在V 1的基下的矩阵为A 1,,1n x x L 1，T 在V 2的 基下的矩阵为A 2,,1n y y L 2．则T 在V 的基n 21,,,,,11n n y y x x L L 下的矩阵为 ．=21A OO AA 证 因为 ()()11111,,,,A x x Tx Tx n n L L =，()()21122,,,,A y y Ty Ty n n L L =所以 ()21,,,,,11n n y y x x T L L ()()[]21,,,,,11n n Ty Ty Tx Tx L L = ()()[]211121,,,,,A y y A x x n n L L =()()[]=211121,,,,,A O O A y y x x n n L L ()A y y x x n n 21,,,,,11L L =[注] 若T 在V 的基下的矩阵，则 n 21,,,,,11n n y y x x L L=21A OO AA ()1,,11n x x L V L ∆=与()2,,12n y y L L ∆=V 都是T 的不变子空间，且V ． 2−1V V n ⊕=六、Jordan 标准形1．λ矩阵：()()()()λλλij n n ij a a A ,×=是λ的多项式． (A 的秩：()λA 中不恒等于零的子式的最高阶数．)λ−λ矩阵的初等变换： 行变换 列变换(1) 对调： r j i r ↔ c j i c ↔ (2) 数乘()0≠k ： kc i kr i (3) 倍加（多项式是 )(λp ）： ()j i r p r λ+ ()j i c p c λ+ 2．行列式因子：()=λk D 最大公因式(){}阶子式的所有k A λ 不变因子： ()()()()()n k D D D d k k k ,,2,1,101L ===−λλλλ初等因子： ()λk d 的不可约因式[注] 考虑−λ矩阵A I −λ可得A 的最小多项式()()()λλλλ1)(−==n n n D D d m例13 ，求−−=201034011A A I −λ的全体初等因子． 解()1,2010340111=−−−−+=−λλλλλD A I 因为(24210430134−=−−−=−−λλλλ与) 互质，所以 ()()()()()23212det ,1−−=−==λλλλλA I D D ．不变因子为 ()()()()()21,1,12321−−===λλλλλd d d ．全体初等因子为 ．()2,12−−λλ 3．初等变换法求初等因子()()多项式是首1)()()(1λλλλk n f f f A→O)(λk f 的不可约因式为()λA 的初等因子例如：在例13中−−−+−→−−−−+=−↔21004301120103401121λλλλλλλc c A I−−−→−−−+−→−+−−+2100)1(00012100)1(00112)1()1(2)3(11212λλλλλλλc c c r r ()()()()−−−−→−−−→−+↔21002100101021000121222332λλλλλλr r r r−−→−−−)2()1(000100012)1()2(223λλλc c c 于是 ()()()()()21,1,12321−−===λλλλλf f f ．故A I −λ的全体初等因子为()2,12−−λλ．[注] 设()n n ij a A ×=，称A I −λ的行列式因子（不变因子，初等因子） 为A 的行列式因子（不变因子，初等因子）．4．Jordan 标准形设()n n ij a A ×=的全体初等因子为()()()s i ms mi mλλλλλλ−−−,,,,11L L则有 ()()L ===−=−)()()(det 1λλλλλϕn n n d D D A I()()()s i ms mi mn d d D λλλλλλλλλ−−−==L L L 1110)()()(而且 m n m m s i =++++L L 1对于第i 个初等因子构造阶Jordan 块矩阵，以及准对角(i mi λλ−)J J J i m i 矩阵如下：ii m m i ii i J ×=λλλ11O O ，=s J J J J O21称为矩阵A 的Jordan 标准形．Th29 设矩阵A 的Jordan 标准形为J ，则存在可逆矩阵P ，使得 ．J AP P =−1例如：在例13中，A 的Jordan 标准形为=2111J ． [注] 若A 的全体互异特征值为l λλ,,1L ，表示A 的Jordan 标准形中i m 含i λ的Jordan 块的最高阶数，则()()l ml mm λλλλλ−−=L 11)(．5．特征向量分析法求初等因子设()()A I −=λλϕdet 的一个不可约因式为()r0λλ−，则是A 的k 个初等因子的乘积(r0λλ−) ()00=−⇔x A I λ的基础解系含k 个解向量（证明略去） ⇔ 对应特征值0λ有k 个线性无关的特征向量 ⇔ ()A I n k −−=0rank λ例14 求的Jordan 标准形．=1132231121A) 解2()1()det()(3−−=−=λλλλϕA I 由rank 知，(是A 的2)1(=−A I 3)1−λ224=−个初等因子的乘积，即2)1(−λ和()1−λ的乘积, 故A 的全体初等因子为． 2,1,)12−−−λλλ(A 的Jordan 标准形为．=21111J [注] 在例14中，将,233=a 143=a 改作133=a ,043=a 时，此法失效．6．相似变换矩阵的求法仅适用于初等因子组中()j i j i ≠≠λλ的情形．()()()()i m i i s iX X P P P P ,,,,,11L L == s i J P AP PJ AP i i i ,,2,1,L ==⇔=()()()()()()()()()()i m i i m i i i i i i m i i ii i X X X X X AX AX AX λλλ++=−121121,,,,,,L L ()()()()()()()()()()()()()()()()−=−−=−−=−−=−=−=−−−0 011121211的一个解是的一个解是的非零解是i m i i m i m i m i i i i i i i i i i i i i i i X X A I X X X A I X X A I X X X A I X A I X X A I λλλλλλL L L L L L可以证明：()()()i m i i iX X X ,,,21L 线性无关． 在例13中，2,111==m λ，求()()1211,X X ：()−=−−−−=−121,101024012111X A I λ()[]()−=−−−−−−=−−110,110120241012,12111X X A I λ 1,222==m λ, 求()21X ：()=−−−=−100,001014013212X A I λ．故．−−=111012001P 例15 解线性微分方程组 ()()()+=′+−=′+−=′3132122112 34ξξξξξξξξξt t t ． 解 ()()()()()()()()()()t Ax t x A t t t t x t t t t x =′ −−=′′′=′=:201034011,,321321ξξξξξξ已求得，使得−−=111012001P J AP P =−1 2111=，则有 ()()()[]()[]t x P J t x P t x APP P t x P 11111−−−−−=′⇒=′()()()()()==−t t t t x P t y 3211ηηη∆()()t y J t y =′⇒()()()=′=′+=′33222112 ηηηηηηηt t t ()()()() =+=⇒+=′=⇒t t t t t ec t e t c e c t e c t e c t 23321121122ηηηηη ()()+−−+==3212112ηηηηηηt y P t x ()()()()() ++−−=++=+=⇒tt tt t t e c t c e c t e t c e c t e t c e c t 232132122111122ξξξ (c 为任意常数) 321,,c c ［注］})({)(0211∫−+=ttd e c e t ττηητ求线性变换在给定基下的矩阵——方法总结：n 给定线性空间V 的基，设线性变换在该基下的矩阵为n x x ,,1L T A ． 一、直接法(1) 计算基象组T ，并求出T 在基下的坐标 )(,),(1n x T x L )(j x n x x ,,1L （列向量）),,2,1(n j j L =β；(2) 写出T 在给定基下的矩阵n x x ,,1L ),,(1n A ββL =． 二、中介法(1) 选取V 的简单基，记作n n εε,,1L ；（要求V 中元素在该基下的坐标能够直接写出）n (2) 写出由简单基改变为给定基的过渡矩阵C （采用直接法）； (3) 计算基象组T )(,),(1n T εεL ，并写出T )(j ε在简单基n εε,,1L 下的坐标 （列向量）),,2,1(n j j L =β，以及T 在简单基下的矩阵),,(1n B ββL =；(4) 计算T 在给定基下的矩阵． n x x ,,1L BC C A 1−=三、混合法(1) 选取V 的简单基，记作n n εε,,1L ；(2) 写出由简单基改变为给定基的过渡矩阵C （采用直接法），则有 =),,(1n x x L C n ),,(1εεL(3) 计算基象组T ，并写出T 在在简单基)(,),(1n x T x L )(j x n εε,,1L 下的坐标（列向量）),,2,1(n j j L =β，以及矩阵),,(1n B ββL =，则有))(,),((),,(11n n x T x T x x T L L =B n ),,(1εεL =BC x x n 11),,(−L =(4) 计算T 在给定基下的矩阵．n x x ,,1L B C A 1−=§1.3 欧氏空间与酉空间 一、欧氏空间1．内积：线性空间V ，数域R ，对V y x ∈∀,，定义实数()y x ,，且满足⑴ 交换律 ()()x y y x ,,=⑵ 分配律 ()()()V z z x y x z y x ∈∀+=+,,,, ⑶ 齐次性 ()()R ,,,∈∀=k y x k y kx ⑷ 非负性 ()()θ=⇔=≥x x x x x 0,,0, 称实数(为x 与y 的内积.)y x , 例 ① 线性空间n R 中：()()n n y x ηηξξ,,,,,11L L ==内积1：()n n y x ηξηξ∆++=L 11, 内积2：() ()0,,11>++=h h y x n n h ηξηξ∆L ② 线性空间n m ×R 中：()()n m ij n m ij b B a A ××==, 内积：()()∑∑====mi nj ij ij AB b a B A 1T 1tr ,∆ ③ 线性空间C 中：[b a ,]()()t g t f ,是区间[]b a ,上的连续函数 内积：(()())()()∫=badt t g t f t g t f ∆,2．欧氏空间：定义了内积运算的实线性空间． 设欧氏空间V 的基为有n n n V y x x x ∈∀,,,,1对L()()∑==⇒++=++=n j i j i j i n n n n x x y x x x y x x x 1,1111,,ηξηηξξL L 令 ()j i ij x x ,=a （i ）n j ,,2,1,L =则称为基的度量矩阵（Gram Matrix ），此时有n n ij a A ×=)(n x x ,,1L。
西北工业大学《线性代数》课件-第五章向量组的线性相似变换
A 2 E 4 1 0 0 1 0
4 8 0 0 0 0
T
得基础解系 p1 0 0 1 ;
所以对应于 1 2的全部特征向量为 k1 p1 ( k1 0)
对 2 3 1, 求解方程组 ( A E ) x 0
4 8 2
解 A的特征多项式
3 1
0
det( Α Ε ) 4 1 0 ( 2)( 1) 2
4
8 2
特征值 1 2， 2 3 1 (二重特征值 )
对 1 2, 求解方程组 ( A 2 E ) x 0
定理5.3 设 1 , 2 , , m 是方阵 A的 m个互不相同的
特征值,对应的特征向量分别为 p1 , p2 , , pm , 则
p1 , p2 , , pm 线性无关.
对 m 用数学归纳法证明.
。
1 当 m 1 时， p1 0 p1 线性无关；
证明
。
2 假设在 m -1时，结论成立，则当 m 时，设
对 2 3 2, 求解方程组 ( A 2 E ) x 0
4 1 1 4 1 1
A 2E 0 0 0 0 0 0
4 1 1 0 0 0
同解方程组为 x 2 4 x1 x3
T
得基础解系 p2 1 4 0 ,
定理5.1 设 n阶方阵 Α ( aij ) nn 的特征值为 1 , 2 , ,
n，则
(1) 1 2 n a11 a22 ann；
西北工业大学矩阵论复习ppt课件
矩阵论复习 一. 线性空间 1. 线性空间的概念 2. 线性空间的基，维数与坐标（基变换与与坐标变换） 3. 线性子空间的概念与运算
(1)定义 (2) 运算（交与和，直和）
(1)证明：
是Vn中的向量范数。
(2)设xVn在基 (II) y1,y2,,yn下的坐标为 =(b1,b2,bn)T,且由基 (I) 到基 (II) 的过渡矩阵为C，
x 2
;.
21
x 证明：
C为正交矩阵.
6. 给定矩阵A,BCnn,且2 B可逆，定义
验证 7. 设
x 是Cn中的向量范数。 ，证明
R(x)
xT Ax xT x
,
x0
四. 矩阵的直积 (AB )
;.
(i
,
j
)
1 0
i
1i3
j j
3. 设1,2;1, 2是欧式空间V2两个基, 又 1=1-22, 2=1-2,
(1,1)=1, (1,2)=-1 ,(2,1)=2,(2,2)=0 分别求基1,2与1,2的度量矩阵. 4. 设实线性空间Vn的基1,2,,n，设，Vn 在该基下的坐标分别为(1,,n)T,(1,,n)T; 定义 (,)=11++nn 证明 ：（1）(,)是Vn的内积；
1 2 2 A 2 1 2
2 2 1
证明：W=L(2-1, 3-1)是T 的不变子空间.
;.
9
7. 求下列矩阵的Jordan标准形
1 A3
2
1 3 2
1 3 , 2
线性代数 第五章第一节 矩阵的特征值与特征向量 PPT精品课件
性质6 设 λ1,λ2 ,L,λs为矩阵A的互异特征值 , 对应的
第 五
特征向量分别为 ξ1,ξ2 ,L,ξ s , 则ξ1,ξ2 ,L,ξ s线性无关.
证:⑴ s=1时结论成立；
章
矩
⑵假设s=r-1时成立，则s=r时：
阵 的
设 k1ξ1 + k2ξ2 + L + kr−1ξr−1 + krξ r = 0, (∗)
的
n
特 征 值 与
其中 trA = ∑ aii 为A的迹。 i =1 性质2 设相似矩阵有相同的特征多项式，从而特征
对 角
值也相同。
化
证:设A与B相似, 则存在可逆阵P,使得 B = P −1AP
fB (λ ) = λI − B = λI − P −1AP = P −1(λI − A)P
= P−1 λI − A P = λI − A = fA(λ )
⎜⎛ 1 ⎟⎞
ξ1 = ⎜ 1 ⎟;
⎜⎝ 0 ⎟⎠
⎜⎛ 1 ⎟⎞
ξ2 =⎜ 0⎟;
⎜⎝ 1 ⎟⎠
⎜⎛ 1 ⎟⎞
ξ3 =⎜ −1⎟ .
⎜⎝ − 1 ⎟⎠
-6-
第一节 矩阵的特征值与特征向量
第
例3 设λ0 为A的特征值,则
五
章
⑴ λm0 为Am的特征值；
矩 阵 的 特
⑵
若A可逆,
则
1
λ0
为A−1的特征值；
征 值 与 对
⑶
若A可逆,
则
1
λ0
A 为A∗的特征值.
角
化
-7-
第一节 矩阵的特征值与特征向量
特征值与特征向量的性质：
特征方程在复数范围内恒有解，其个数为方程的次
第五章特征值2013
α 是 A5 − 3 A 的属于 λ5 − 3λ 的特征向量; α 是 2 A + 5 A − 7 E 的属于 2λ + 5λ − 7 的特征向量.
7 3 7 3
矩阵
A
Am
kA kλ
特征值 λ
λm
A−1 1
AT
λ
λ
课堂练习
A3,A4,A5,例2.5 (利用定义)
例2.5 证明 : 若 λ 是A的特征值 , α是A的属于 λ 的特征值向量 ,
再重复 m − 2次 , 得到A mα = λmα，
故 λm 是矩阵Am的特征值 , 且 α 是 Am 对应于λm的特征向量 .
证明: 当A可逆时 , λ ≠ 0(由推论 2.1) 1 1 由Aα = λα , 得到 A−1 ( Aα ) = A−1 (λα ), λ λ 1 1 ⇒ α = A−1α ⇒ A −1α = α
A mα = λ m α , AT α = λα ,
由上结论,易知A6成立.
重要结论
矩阵 A AA * A A* A ( A * )-1 AAT A − 3E
A −1α =
1
λ
α,
( kA)α = ( kλ )α .
特征值 λ
λ
A
λ
λ2
λ -3
因为若有 Aα = λα , 则有 f ( A)α = f (λ )α .
A5 证明 : 若λ 是矩阵 A的特征值 , α是A的属于 λ的特征向量 , 则λm 是Am的特征值 ( m 是任意常数 ), 且α是Am的属于 λm
的特征向量 .
证明:
则当 A可逆时 , 特征值 .
1
λ
是 A −1的特征值 , 且α是 A −1的属于
矩阵的特征值和特征向量-习题ppt课件.ppt
三、矩阵的相似及对角化
b c a
例11．设a,
b,
c均为复数，令A
c
a
b
,
a b c
c a b a b c
B
a
b
c
,
C
b
c
a
b c a c a b
(1)证明：A, B,C彼此相似
（2）若BC CB，则A, B,C的特征根至少有两个等于零．
26
0 1 0
0 0 1
证：（1）令T
其中A是矩阵A的伴随矩阵，试求a, b和的值。 9
解：矩阵A的属于特征值的特征向量为，
由于矩阵A可逆，故A可逆。
于是 0，A 0，且A .
两边同时左乘矩阵A，得AA* A，
即A A ，亦即
2 1 11 1
1
1
2 1
1
b
a 1
A
b
1
10
A
3b
由此，得方程组
使得P1 AP 。(2003年数学2)
解 : 矩阵的特征多项式为:
2 2 0 | E A | 8 2 a
0 0 6
( 6)[( 2)2 16] ( 6)2 ( 2)
29
所以A的特征值λ1 λ2 6，λ3 2
由于A相似于对角矩阵，故对应于λ1 λ2 6，
应有两个线性无关的特征向量,
而r
，
1
，n是A的对应于特征值
0的特征向量，
从而1，2， n线性无关。
令P
（1，
，
2
，n），则P可逆，且
2
P1 AP
2 0
0
即A可对角化，且对角阵中2的个数为r。
工程数学精品课件：判5 矩阵特征值、特征向量的定义
10已. 知x1为 A 相应于特征值λ1的特征向量，x2为 A 相应于特 征值λ2的特征向量，且λ1≠λ2，则x1＋x2 不是 A 的特征 向量。 A 正确
B 错误
11设. A，B 为n阶矩阵，若λ既是A的特征值又是B的特征值，则 它必是A+B的特征值
A 正确 B 错误
12.设A，B 为n阶矩阵，若λ既是A的特征值又是B的特征值， 则它必是AB的特征值
征向量，且X1 X2 0，则X1 X2也是A的属于
0的特征向量。
证明：
A( X1 X 2 ) AX1 AX 2 0 X1 0 X 2 0( X1 X2 )
Page 6
特征值和特征向量的性质
性质2 若X0是A的属于特征值0的特征向量，k 为任意非零常数，则kX 0也是A的属于特征值0的
A 正确 B 错误
Page 13
例题讲解
7. A与A’有相同的特征多项式
．
A 正确 B 错误
例题讲解 8. A与A-1有相同的特征值．
A 正确 B 错误
例题讲解
9. 已知x1为 A 相应于特征值λ1的特征向量，x2为 A 相应于特 征值λ2的特征向量，且λ1≠λ2，则x1和x2线性无关
．
A 正确
A 正确 B 错误
13.设A，B 为n阶矩阵,若x既是A的特征向量又是B的特 征向量，则它必是A+B 的特征向量
A 正确 B 错误
14. 设A，B 为n阶矩阵,若x既是A的特征向量又是B的特 征向量，则它必是AB 的特征向量.
A 正确 B 错误
谢谢同学们
国家开放大学
矩阵特征值、特征向量的定义
工程数学课程期末复习辅导
引言
矩阵的特征值、特征向量和相似标准形的理论 是矩阵理论的重要组成部分。
- 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)。
例
试分离矩阵
A
20 2
3 10
1 2
的特征值，
8 1 0
并在复平面上画图。
解 A的三个盖尔圆为：
G1 : z 20 4，G2 : z 10 4，G3 : z 9
作图：
G3
0
G2
G1
10
20
应取1 1, 2 3 1， 但G1与G2靠太近，无法分。
例
试分离矩阵
A
20 2
3 10
1 2
的特征值，
8 1 0
并在复平面上画图。
解 AT的三个盖尔圆为： G1 : z 20 10，G2 : z 10 4，G3 : z 3
作图：
G1
G3
G2
0
10
20
取 1 2 1, 3 0.5， D diag(1, 1, 0.5)，则
20 2 4
B
D1AT D
第五章 特征值的估计与表示
§1 特征值的界的估计
例
估计矩阵
A
0 0.2
0.2 0
0.1 0.2
的特征值上界。
0.1 0.2 0
解 因为 A m 3 0.2 0.6，所以
0.6
0 0.5
又因为 B A AT O，C A AT A
2
2
所以
Re() 0， Im() 0.6
由于A是实矩阵，所以
Im() 3(3 1) 0.2 3 0.2 0.3464
2 即A的特征值在虚轴上区间(0.3464i, 0.3464i) 之内。
实际计算可求得A的特征值为 0, 0.3i, 0.3i
估计的效果较好。
§2 特征值的包含区域
2
1 2
1 4
1 4
例
估计矩阵
A
1
4
1 2
B
D1AD
2.5 0.1
10 0
0 2
2.5 0
1 0.4 0 3
B的四个盖尔圆为
GGGG~~~~1423
: : : :
z z z z
1.5 10 5 2 0.1 3 1.4
GG~-233
GG~11
0
G~G44
3
作图：
G2
10
G~ 2
故在 G~1，G2，G3，G~ 4 中各有A的一个特征值。 于是在区间 [1.5, 1.5]，[8, 12]，[2.1, 1.9]，[1.6, 4.4]
分布范围，并适当选择一组正数，使A的三个盖尔圆
互不相交。
解 A的三个盖尔圆为 G1 : z 1 0.13，G2 : z 0.5 0.03，G3 : z 0.9 0.15 作图:
G2
G3
G1
0
0.5
1.0
取 1 1, 2 0.1, 3 1， D diag(1, 0.1, 1)，则
B
1
4
1 2i
1
4
1 2
0
1
1 2
1 4
1
2
2
2
i
的特征值范围。
解 A的四个盖尔圆为
2i G2
G1
:
z
2
1，G2
:
z
1
2i
1 2
G3
i
G1
G3
:
z
1
5，G 4
4
:
z
2
2i
5 4
-2
G4
-1 0 -i
1
2
画在复平面上如图：
-2i
于是A的全部特征值在这四个 盖尔圆的并集中。
例 设矩阵 A (aij )nn (n 1) 满足
D1AD
1 0.2
0.011 0.02 0.5 0.1
0.01 0.014 0.9
B的三个盖尔圆为： G~1 : z 1 0.031，G~ 2 : z 0.5 0.3，G~ 3 : z 0.9 0.024
G~ 2
G2
G3 G~ 3 G~1 G1
0
0.5
1.0
综合考虑知，在 G~1，G2，G~ 3中各有A的一个特征值。
1 1 i
画图表示)。
解 A的三个盖尔圆为
G1 : z 20 3，G2 : z 9 15，G3 : z i 2 作图：
0
10 20
取 1 3 1，2 3，令 D diag(1,3,1)，则
G~ 2
2i G2
G3 G~ 3 i
-2 -1 0
G1
1 G~1 2
-i
画在复平面上如图： 可见A的四个特征值位于
G4
G~ 4
-2i
四个孤立圆盘 G1，G2，G~ 3，G~ 4 中，
且各圆盘中仅有A的一个特征值。
例
试估计矩阵
A
1 0.02
0.11 0.5
0.02 0.01
的特征值
0.01 0.14 0.9
例
试分离矩阵
A
9 1
1 i
1 1
的特征值。
1 1 3
解 A的三个盖尔圆为：
G1 : z 9 2，G2 : z i 2，G3 : z 3 2
作图：
G2
取 1 0.5, 2 1, 3 1， i
G3
G1
0
3
9
D diag(0.5, 1, 1)
9 2 2
则
B
D1AD
0.5
i
1
n
aii 0， aij aii (i 1,2, ,n)
j 1 ji
应用Gerschgorin定理证明A的特征值的实部小于零。
证 因为
n
z aii aij aii
j 1 ji
(i 1,2, ,n)
从而由 aii 0 知A的第 i 个盖尔圆 Gi (i 1,2, ,n) 在左半平面，故A的特征值的实部小于零。
3
10
0.5
2 4 0
B的三个盖尔圆为： G~1 : z 20 6，G~ 2 : z 10 3.5，G~ 3 : z 6
作图：
G~ 3
G3
G~ 2G2
G1 G~1
0
10
20
它们已分离，故在 G~1，G~ 2，G3中各有A的一个特征值。
例
隔离矩阵
A
20 6
1 9
2 9
的特征值(要求
0 2
1 0
1 1 0 3
的特征值(要求画图表示)，并利用实矩阵特征值
的性质改进所得结果。
解 A的四个盖尔圆为
G1 : z 2.1
G2 : z 10 2
G1
G4
G2
G3 : z 2 0.1
Gz 3 2
作图：
取 D diag(1, 0.4, 1, 1)，则
0 0.4 0.1 1
0.5 1 3
B的三个盖尔圆为： G~1 : z 9 4， G~ 2 : z i 1.5，G~ 3 : z 3 1.5
作图：
GG~22 i
0
G~ 3G3
3
G~1
G1
9
综合考虑知，在G1，G~ 2，G~ 3中各有A的一个特征值。
0 1 0.1 1
例
应用盖尔定理隔离
A
1 0.1
10 0
2
1 2
1 4
1 4
例
估计矩阵
A
1
4
1 2
1
4
1 2i
1
4
1 2
0
1
1 2
1 4
1
2
2
2
i
的特征值范围。
解
A的四个盖尔圆为 G1 : z 2 1，G2
:
z
1
2i
1 2
G3
:
z
1
5，G 4
4
:
z
2
2i
5 4
A的四个列盖尔圆为
G~1
:
z
2
1，G~ 2
:
z
1
2i
5 4
G~ 3 : z 1 43，G~ 4 : z 2 2i 1