矩阵特征值

矩阵特征值

编辑

本词条由 “科普中国”百科科学词条编写与应用工作项目审核。

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 是矩阵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。

中文名

矩阵特征值

外文名

matrix eigenvalues

学    科

数学

领    域

线性代数

相关概念

特征向量

对    象

n阶方阵

目录

1. 1定义
2. 2矩阵特征值和特征向量的概念和计算

1. 3特征值与特征向量的求法
2. ▪求法
3. ▪示例

1. 4性质

定义

编辑

设A是n阶方阵，如果数λ和n维非零列向量x使关系式 Ax=λx成立，那么这样的数λ称为矩阵A特征值，非零向量x称为A的对应于特征值λ的特征向量。式 Ax=λx也可写成( A-λE)X=0。这是n个未知数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-λE|=0。

矩阵特征值和特征向量的概念和计算

编辑

设A是数域P上的一个n阶矩阵，λ是一个未知量，

称为A的 特征多项式，记¦(λ)=|λE-A|，是一个P上的关于λ的n次多项式，E是单位矩阵。

¦(λ)=|λE-A|=λ+a ₁λ+…+a _n= 0是一个 n次代数方程，称为A的特征方程。特征方程¦(λ)=|λE-A|=0的根(如：λ ₀)称为A的特征根(或特征值 )。n次代数方程在复数域内有且仅有n个根，而在实数域内不一定有根，因此特征根的多少和有无，不仅与A有关，与数域P也有关。

以A的特征值λ ₀代入(λE-A)X=θ，得方程组(λ ₀E-A)X=θ，是一个齐次方程组，称为A的关于λ ₀的特征 方程组。因为|λ ₀E-A|=0，(λ ₀E-A)X=θ必存在非零解

，

称为A的属于λ ₀的 特征向量。所有λ ₀的特征向量全体构成了λ ₀的特征向量空间。

特征值与特征向量的求法

编辑

求法

对于矩阵A，由AX=λ ₀X，λ ₀EX=AX，得[λ ₀E-A]X=θ即齐次线性方程组

有非零解的充分必要条件是：

即说明特征根是特征多项式|λ ₀E-A| =0的根，由代数基本定理

有n个复根λ ₁,λ ₂,…,λ _n，为A的n个特征根。当特征根λ _i(I=1,2,…,n)求出后，(λ _iE-A)X=θ是齐次方程，λ _i均会使|λ _iE-A|=0，(λ _iE-A)X=θ必存在非零解，且有无穷个解向量，(λ _iE-A)X=θ的基础解系以及基础解系的线性组合都是A的特征向量。

示例

求矩阵

的特征值与特征向量。

解：由特征方程

解得A有2重特征值λ ₁=λ ₂=-2，有单特征值λ ₃=4。

对于特征值λ ₁=λ ₂=-2，解方程组(-2E-A)x=θ

得同解方程组x ₁-x ₂+x ₃=0，解为x ₁=x ₂-x ₃(x ₂,x ₃为自由未知量)。分别令自由未知量

得基础解系

所以A的对应于特征值λ ₁=λ ₂=-2的全部特征向量为x=k ₁ξ ₁+k ₂ξ ₂(k ₁,k ₂不全为零)，可见，特征值λ=-2的特征向量空间是二维的。注意，特征值在重根时，特征向量空间的维数£特征根的 重数。

对于特征值λ ₃=4，方程组(4E-A)x=q

得同解方程组为

通解为

令自由未知量x ₃=2得基础解系ξ ₃

，所以A的对于特征值λ ₃=4得全部特征向量为x= k ₃ξ _3。

性质

编辑

性质1：n阶方阵A=(a _ij)的所有特征根为λ ₁，λ ₂，…,λ _n(包括重根)，则：

性质2：若λ是可逆阵A的一个特征根，x为对应的特征向量，则1/λ 是A的一个特征根，x仍为对应的 特征向量。

性质3：若 λ是方阵A的一个特征根，x为对应的特征向量，则λ 的m次方是A的m次方的一个特征根，x仍为对应的 特征向量。

性质4：设λ ₁，λ ₂，…,λ _m是方阵A的互不相同的特征值。x _j是属于λ _i的特征向量( i=1,2,…,m)，则x ₁,x ₂,…,x _m线性无关，即不相同特征值的特征向量 线性无关 ^[1]  。