特征值是线性代数中的一个重要概念。在数学、物理学、化学、计算机等领域有着广泛的应用。设 A 是n阶方阵,如果存在数m和非零n维列向量 x,使得 Ax=mx 成立,则称 m 是A的一个特征值(characteristic value)或本征值(eigenvalue)。非零n维列向量x称为矩阵A的属于(对应于)特征值m的特征向量或本征向量,简称A的特征向量或A的本征向量。
简介编辑
又称
本征值
,英文名eigen value。“特征”一词译自德语的eigen,由
希尔伯特在1904年首先在这个意义下使用(
赫尔曼·冯·亥姆霍兹在更早的时候也在类似意义下使用过这一概念)。eigen一词可翻译为“自身的”,“特定于...的”,“有特征的”或者“个体的”—这强调了特征值对于定义特定的变换上是很重要的。
[1]
特征值定义
编辑特征值基本定义
A的所有特征值的全体,叫做A的谱,记为
.
![](https://i-blog.csdnimg.cn/blog_migrate/509d84705cca4d09280da9f963e081e0.png)
特征值广义特征值
如将特征值的取值扩展到
复数领域,则一个广义特征值有如下形式:
Aν=λ
Bν
其中
A和
B为矩阵。其广义特征值(第二种意义)λ 可以通过求解方程(
A-λ
B)
ν=0,得到det(
A-λ
B)=0(其中det即行列式)构成形如
A-λ
B的矩阵的集合。其中特征值中存在的复数项,称为一个“丛(pencil)”。
若
B可逆,则原关系式可以写作
,也即标准的特征值问题。当
B为非可逆矩阵(无法进行逆变换)时,
广义特征值问题应该以其原始表述来求解。
特征值计算方法
编辑
求n阶矩阵A的特征值的基本方法:
根据定义可改写为关系式
,
为
单位矩阵(其形式为主对角线元素为λ-
,其余元素乘以-1)。要求向量
具有非零解,即求
齐次线性方程组
有非零解的值
。即要求行列式
。 解次行列式获得的
值即为
矩阵
A的特征值。将此值回代入原式求得相应的
,即为输入这个行列式的特征向量。
![](https://i-blog.csdnimg.cn/blog_migrate/456dd9c1f3c67db4ec63ee6fdeefcd58.png)
![](https://i-blog.csdnimg.cn/blog_migrate/f92d80b28cd856df02491e1dd5d790f0.png)
![](https://i-blog.csdnimg.cn/blog_migrate/4dfce91bb871551f7682a212fd5c0442.png)
![](https://i-blog.csdnimg.cn/blog_migrate/841afeee9a263ddf094b2fc55f6b9ad6.png)
![](https://i-blog.csdnimg.cn/blog_migrate/6191b3875847a117fc417ed14f88c1e0.png)
![](https://i-blog.csdnimg.cn/blog_migrate/0239e4fae69c95216664c50733ec9c86.png)
![](https://i-blog.csdnimg.cn/blog_migrate/536fe53f64caa3c2b17b38cb351799ea.png)
![](https://i-blog.csdnimg.cn/blog_migrate/354567b7ff65a66e0a6afa62ba0de261.png)
定义1设
是一个
阶方阵(即使一个n*n的矩阵),
是一个数,如果方程
(1)
存在非零解向量
,则称
为
的一个特征值,相应的非零解向量
称为属于特征值
的特征向量.
(1)式也可写成,
(2)
这是
个未知数
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
, (3)
即
上式是以
为未知数的一元
次方程,称为方阵
的特征方程.其左端
是
的
次多项式,记作
,称为方阵
的特征多项式.
=
=
=
显然,
的特征值就是特征方程的解.特征方程在复数范围内恒有解,其个数为方程的次数(重根按重数计算),因此,
n阶矩阵
有n个特征值.
设
阶矩阵
的特征值为
由多项式的根与系数之间的关系,不难证明
(Ⅰ)
(Ⅱ)
若
为
的一个特征值,则
一定是方程
的根,因此又称特征根,若
为方程
的
重根,则
称为
的
重特征根.方程
的每一个非零解向量都是相应于
的特征向量,于是我们可以得到求矩阵
的全部特征值和特征向量的方法如下:
第一步:计算
的特征多项式
;
第二步:求出特征方程
的全部根,即为
的全部特征值;
第三步:对于
的每一个特征值
,求出齐次线性方程组:
的一个基础解系
,则
的属于特征值
的全部特征向量是
(其中
是不全为零的任意实数).
[注]:若是的属于的特征向量,则也是对应于的特征向量,因而特征向量不能由特征值惟一确定.反之,不同特征值对应的特征向量不会相等,亦即一个特征向量只能属于一个特征值.
由以上讨论可知,对于方阵
的每一个特征值,我们都可以求出其全部的特征向量.但对于属于不同特征值的特征向量,它们之间存在什么关系呢?这一问题的讨论在对角化理论中有很重要的作用.对此我们给出以下结论:
定理1 属于不同特征值的特征向量一定线性无关.
特征值基本应用
编辑特征值求特征向量
设
A为n阶
矩阵,根据关系式
Ax=λx,可写出(λ
E-
A)x=0,继而写出
特征多项式|λ
E-
A|=0,可求出矩阵
A有n个特征值(包括重特征值)。将求出的特征值λi代入原特征多项式,求解方程(λi
E-
A)x=0,所求
解向量x就是对应的特征值λi的特征向量。
特征值判断相似矩阵的必要条件
设有n阶矩阵
A和
B,若
A和
B相似(
A∽
B),则有:
1、
A的特征值与
B的特征值相同——λ(
A)=λ(
B),特别地,λ(
A)=λ(
Λ),
Λ为A的
对角矩阵;
2、
A的特征多项式与
B的特征多项式相同——|λE-
A|=|λ
E-B|;
4、
A的
行列式值等于
B的行列式值——|
A|=|
B|;
因而
A与
B的特征值是否相同是判断
A与
B是否相似的根本依据。
特征值判断矩阵可对角化的充要条件
特征值更多应用
编辑
量子力学:
设A是
向量空间的一个
线性变换,如果空间中某一
非零向量通过A变换后所
得到的向量和X仅差一个常数因子,即AX=kX ,则称k为A的特征值,X称为A的属于特征值k的
特征向量或
特征矢量(eigenvector)。如在求解薛定谔波动方程时,在
波函数满足
单值、有限、连续性和
归一化条件下,势场中运动粒子的总能量(正)所必须取的特定值,这些值就是正的
本征值。
在A变换的作用下,
向量ξ仅仅在尺度上变为原来的λ倍。称ξ是A 的一个特征向量,λ是对应的特征值(本征值),是(实验中)能测得出来的量,与之对应在量子力学理论中,很多量并不能得以测量,当然,其他理论领域也有这一现象。