-
矩陣特徵值
鎖定
- 中文名
- 矩陣特徵值
- 外文名
- matrix eigenvalues
- 學 科
- 數學
- 領 域
- 線性代數
- 相關概念
- 特徵向量
- 對 象
- n階方陣
矩陣特徵值定義
設A是n階方陣,如果數λ和n維非零列向量x使關係式Ax=λx成立,那麼這樣的數λ稱為矩陣A特徵值,非零向量x稱為A的對應於特徵值λ的特徵向量。式Ax=λx也可寫成( A-λE)X=0。這是n個未知數n個方程的齊次線性方程組,它有非零解的充分必要條件是係數行列式| A-λE|=0。
[1]
係數行列式|A-λE|稱為A的特徵多項式,記¦(λ)=|λE-A|,是一個P上的關於λ的n次多項式,E是單位矩陣。
¦(λ)=|λE-A|=λn+a1λn-1+…+an= 0是一個n次代數方程,稱為A的特徵方程。特徵方程¦(λ)=|λE-A|=0的根(如:λ0)稱為A的特徵根(或特徵值)。n次代數方程在複數域內有且僅有n個根,而在實數域內不一定有根,因此特徵根的多少和有無,不僅與A有關,與數域P也有關。
以A的特徵值λ0代入(λE-A)X=0,得方程組(λ0E-A)X=0,是一個齊次方程組,稱為A的關於λ0的特徵方程組。因為|λ0E-A|=0,(λ0E-A)X=0必存在非零解
,
稱為A的屬於λ0的特徵向量。所有λ0的特徵向量全體構成了λ0的特徵向量空間。
[1]
矩陣特徵值性質
性質1:n階方陣A=(aij)的所有特徵根為λ1,λ2,…,λn(包括重根),則:
性質2:若λ是可逆陣A的一個特徵根,x為對應的特徵向量,則1/λ 是A的逆的一個特徵根,x仍為對應的特徵向量。
性質3:若 λ是方陣A的一個特徵根,x為對應的特徵向量,則λ 的m次方是A的m次方的一個特徵根,x仍為對應的特徵向量。
性質4:設λ1,λ2,…,λm是方陣A的互不相同的特徵值。xj是屬於λi的特徵向量( i=1,2,…,m),則x1,x2,…,xm線性無關,即不相同特徵值的特徵向量線性無關
[2]
。
矩陣特徵值計算方法
矩陣特徵值方法
對於矩陣A,由AX=λ0X,λ0EX=AX,得[λ0E-A]X=0即齊次線性方程組
有非零解的充分必要條件是:
即説明特徵根是特徵多項式|λ0E-A| =0的根,由代數基本定理
有n個復根λ1,λ2,…,λn,為A的n個特徵根。當特徵根λi(I=1,2,…,n)求出後,(λiE-A)X=0是齊次方程,λi均會使|λiE-A|=0,(λiE-A)X=0必存在非零解,且有無窮個解向量,(λiE-A)X=0的基礎解系以及基礎解系的線性組合都是A的特徵向量。
矩陣特徵值示例
求矩陣
的特徵值與特徵向量。
解:由特徵方程
解得A有2重特徵值λ1=λ2=-2,有單特徵值λ3=4。
對於特徵值λ1=λ2=-2,解方程組(-2E-A)x=0
得同解方程組x1-x2+x3=0,解為x1=x2-x3(x2,x3為自由未知量)。分別令自由未知量
得基礎解系
所以A的對應於特徵值λ1=λ2=-2的全部特徵向量為x=k1ξ1+k2ξ2(k1,k2不全為零),可見,特徵值λ=-2的特徵向量空間是二維的。注意,特徵值在重根時,特徵向量空間的維數是特徵根的重數。
對於特徵值λ3=4,方程組(4E-A)x=q
得同解方程組為
通解為