方阵的特征值、特征向量以及特征多项式和特征方程
一、 特征值和特征向量
定义:设 A \bf A A是 n n n阶矩阵,如果数 λ \lambda λ和 n n n维非零列向量 x \bf x x使得关系式
A x = λ x (1a) {\bf{Ax = }}\lambda {\bf{x}} \tag{1a} Ax=λx(1a)
成立,那么,这样的数 λ \lambda λ称为矩阵 A \bf A A的特征值,非零向量 x \bf x x称为矩阵 A \bf A A所对应于特征值 λ \lambda λ的特征向量。
二、特征方程和特征多项式
2.1 特征方程
式(1a)也可写作:
( A − λ E ) x = 0 (1b) \bf{(A-\lambda E)x=0} \tag{1b} (A−λE)x=0(1b)
这是 n n n个未知数 n n n个方程的齐次线性方程组,它有非零解的充分必要条件是系数行列式
∣ A − λ E ∣ = 0 (2a) {\bf{|A-\lambda E|}} =0\tag{2a} ∣A−λE∣=0(2a)
即
∣ a 11 − λ a 12 ⋯ a 1 n a 21 a 22 − λ ⋯ a 2 n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n − λ ∣ = 0 (2b) \left| {\begin{array}{ccccccccccccccc}{
{a_{11}} – \lambda }&{
{a_{12}}}& \cdots &{
{a_{1n}}}\\{
{a_{21}}}&{
{a_{22}} – \lambda }& \cdots &{
{a_{2n}}}\\ \vdots & \vdots &{}& \vdots \\{
{a_{n1}}}&{
{a_{n2}}}& \cdots &{
{a_{nn}} – \lambda }\end{array}} \right| = 0 \tag{2b}
a11−λa21⋮an1a12a22−λ⋮an2⋯⋯⋯a1na2n⋮ann−λ
=0(2b)
式(2)是以 λ \lambda λ为未知数的一元 n n n次方程,称为矩阵 A \bf A A的特征方程。
2.2 特征多项式
特征方程的左端 ∣ A − λ E ∣ \bf{|A-\lambda E|} ∣A−λE∣是 λ \lambda λ的 n n n次多项式,记作 f ( λ ) f(\lambda) f(λ),称为矩阵 A \bf{A} A的特征多项式。
即
f ( λ ) = ∣ A − λ E ∣ = ∣ a 11 − λ a 12 ⋯ a 1 n a 21 a 22 − λ ⋯ a 2 n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n − λ ∣ f(\lambda ) = |{\bf{A}} – {\bf{\lambda E}}| = \left| {\begin{array}{ccccccccccccccc}{
{a_{11}} – \lambda }&{
{a_{12}}}& \cdots &{
{a_{1n}}}\\{
{a_{21}}}&{
{a_{22}} – \lambda }& \cdots &{
{a_{2n}}}\\ \vdots & \vdots &{}& \vdots \\{
{a_{n1}}}&{
{a_{n2}}}& \cdots &{
{a_{nn}} – \lambda }\end{array}} \right| f(λ)=∣A−λE∣=
a11−λa21⋮an1a12a22−λ⋮an2⋯⋯⋯a1na2n⋮ann−λ
2.3 特征方程与特征多项式的关系
若特征多项式为 f ( λ ) f(\lambda ) f(λ),则特征方程为:
f ( λ ) = 0 f(\lambda ) = 0 f(λ)=0
2.4 特征方程的解和解的个数
根据矩阵的特征值的定义,易知,矩阵 A \bf A A的特征值就是矩阵 A \bf A A的特征方程 f ( λ ) = 0 f(\lambda ) = 0 f(λ)=0的解。
特征方程在复数范围内恒有解,其解的个数为特征方程的次数(重根按重数计算),因此, n n n阶矩阵 A \bf A A在复数范围内有 n n n个特征值,或者说矩阵 A \bf A A的特征方程有 n n n个解。
三、矩阵特征值的性质
设 n n n阶矩阵 A = ( a i j ) {\bf{A}} = ({a_{ij}}) A=(aij)的特征值为 λ 1 , λ 2 , ⋯ , λ n {\lambda _1},{\lambda _2}, \cdots ,{\lambda _n} λ1,λ2,⋯,λn
则这些特征值有以下性质:
性质(1):特征值之和等于其对角线元素之和。
λ 1 + λ 2 + ⋯ + λ n = a 11 + a 22 + ⋯ + a n n {\lambda _1} + {\lambda _2} + \cdots + {\lambda _n} = {a_{11}} + {a_{22}} + \cdots + {a_{nn}} λ1+λ2+⋯+λn=a11+a22+⋯+ann
性质(2):矩阵A特征值之积等于其行列式的值。
λ 1 λ 2 ⋯ λ n = ∣ A ∣ {\lambda _1}{\lambda _2} \cdots {\lambda _n} = |{\bf{A}}| λ1λ2⋯λn=∣A∣
今天的文章方阵特征向量的个数_矩阵特征方程怎么求出来的[通俗易懂]分享到此就结束了,感谢您的阅读。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/86494.html