2.5 特征值与特征向量

合集下载

特征值特征向量及其应用

特征值特征向量及其应用

特征值特征向量及其应用毕业论文特征值特征向量及其应用院系名称:专业名称:学生姓名:学号:指导教师:完成日期年月日特征值特征向量及应用摘要特征值与特征向量在现代科学中有重要的应用。

本文介绍了特征值与特征向量的定义以及性质,并且给出了在线性空间中线性变换的特征值、特征向量与矩阵中的特征值、特征向量之间的关系。

然后介绍了几种特征值与特征向量的求解方法:特征方程法;行列互逆变换法;初等变换法。

最后介绍了特征值与特征向量在实际中的应用,如在数学领域中n阶矩阵的高次幂的求解;在物理中对于振动模型的求解问题;以及经济发展与环境污染增长模型等等。

关键词:特征值;特征向量;应用;矩阵;初等变换Applications of Eigenvalues and EigenvectorsAbstractEigenvalue and eigenvector play an important role in modern science. This thesis firstly introduces the definition and properties of the eigenvalue and eigenvector, and provides the relationship between the eigenvalue and eigenvector of linear transformation in linear space and the eigenvalue and eigenvector of the matrix. Secondly this thesis introduces several methods to find the eigenvalue and eigenvector: the characteristic function method, the dual inverse transform method and the elementary transform method. At last, this thesis introduces the application of eigenvalue and eigenvector, such as find the power of large matrix in mathematics, solving vibration model problems in physics, and solving the models of economic development, environmental pollution and so on.Key words: eigenvalue;eigenvector;application;matrix;elementary;transformation目录第1章前言 (1)1.1 研究背景 (1)1.2 研究现状 (1)1.3 研究内容 (2)第2章特征值与特征向量的理论 (4)2.1 特征值与特征向量的一般理论 (4)2.1.1 特征值与特征向量的定义 (4)2.1.2 特征值与特征向量的性质 (5)2.2 特征值与特征向量的一般求解方法 (8)2.2.1 一般数字矩阵的简单求解 (8)2.2.2 初等变换法求矩阵的特征值与特征向量 (9)第3章特征值与特征向量在数学领域简单应用 (14)3.1 高阶高次幂矩阵的求解 (14)3.2 在线性递推关系的应用 (15)3.3 在一阶线性常微分方程中的应用 (17)3.3.1 矩阵特征值为一重 (18)3.3.2 当有重根的情况 (20)第4章特征值与特征向量在物理学中的应用 (22)4.1 简单理想状态双振动系统 (22)4.2 关于物理振动模型的解释和举例说明 (26)4.2.1 二阶系统 (27)4.2.2 三阶系统 (28)第5章特征值与特征向量在生活中的简单应用 (31)5.1 环境污染及经济增长模型中的应用 (31)5.2 种群增长及分布模型中的应用 (33)5.3 常染色体遗传问题中的应用 (34)总结 (38)参考文献 (1)致谢 ........................................... 错误!未定义书签。

特征值与特征向量的概念与计算

特征值与特征向量的概念与计算

1 ( 1, 1, 0, , 0)T , 基础解系为:
x1 x 2 x n
,, 1) . ( 1 0, 0,
1对应的特征向量: k1 1 k 2 2 k n1 n1 ( k i 不全为零)
22
2 ( 1, 0, 1, , 0)T ,
a a
0 0 0

n 1
( na ) 0
1 0 ( n 1重), 2 na .
21
1 0 ( n 1重),
1 I AX 0, 即
1 1 1 a a a a a a 0 0 0 1 I A 0 0 0 a a a
4
定义 设A是n阶方阵,
若存在数 和n维非零列向量 ,使得 A 成立,
则称 是方阵A的一个特征值,
是方阵A的对应于特征值 的一个特征向量.
3 1 1 1 1 例 A 1 3 , 1 , 1 , 0 . 4 3 2 A 2 , A 4 , A k . 4 2 1 2, 4是A的特征值 , 2, , , 分别是A对应于特征值 4 的特征向量
3 A 1
1 1 1 1 , , , . 3 1 1 0 4 1 A 4 4 , 4 1
2 1 A 2 2 , 2 1 3 A k . 1
系数矩阵
3 1 0 1 0 0 2 I A 4 1 0 0 1 0 1 0 0 0 0 0 自由未知量 x3 0 p1 0 令 x3 1得基础解系 1

矩阵的特征值与特征向量 正文

矩阵的特征值与特征向量  正文

引言众所周知,矩阵理论在历史上至少可以追溯到Sylvester与Cayley,特别是Cayley1858年的工作。

自从Cayley建立矩阵的运算以来,矩阵理论便迅速发展起来,矩阵理论已是高等代数的重要组成部分。

近代数学的一些学科,如代数结构理论与泛函分析可以在矩阵理论中寻找它们的根源。

另一方面,作为一种基本工具,矩阵理论在应用数学与工程技术学科,如微分方程、概率统计、最优化、运筹学、计算数学、控制论与系统理论等方面有着广泛的应用。

同时,这些学科的发展反过来又极大地促进了矩阵理论的发展。

特征值与特征向量是矩阵理论中既具有基本理论意义,又具有重要应用价值的知识,与矩阵理论的其它知识也有着密切的联系。

可以说,特征值与特征向量问题是矩阵理论的基本核心问题。

因此,掌握这方面的知识对于培养新的高素质科技人才来说是必备的非常重要的。

矩阵是高等代数课程的一个基本概念是研究高等代数的基本工具。

线性空间、线性变换等,都是以矩阵作为手段,由此演绎出丰富多彩的理论画卷。

求解矩阵的特征值和特征向量,是高等数学中经常碰到的问题。

一般的线性代数教材中,都是先计算特征多项式,然后求得特征值,再通过解线性方程组得到对应的特征向量。

特征多项式和特征根在整个矩阵理论体系中具有举足轻重的作用,并且在于生活现实中的应用也很广泛。

“特征”一词来自德语的eigen,由希尔伯特在1904年首先在这个意义下使用(亥尔姆霍尔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。

矩阵特征值是高等代数研究的中心问题之一,也是硕士研究生招生考试的热点.而且在自然科学(如物理学、控制论、弹性力学、图论等)和工程应用(如结构设计、振动系统、矩阵对策)的研究中也同样离不开矩阵特征值问题,因而对其研究具有重要的理论和应用价值。

随着计算机的迅速发展,现代社会的进步和科技的突飞猛进,高等代数作为一门基础的工具学科已经向一切领域渗透,它的作用越来越为世人所重视。

第五章 特征值与特征向量

第五章 特征值与特征向量

X = k1 X1 kt Xt (k1, , kt不全为0) 也是 A 的属于的特征向量。
性质2 若n阶方阵A = (aij ) 的n个特征值为λ1, λ2,
n

det( A) λi λ1λ2 λn
i 1
n
n
λi aii
i 1
i 1
n
其中 aii称为A的迹,记为tr(A)。
i 1
,
λ
i=1
i=1
a11 λ a12
a1n
由于(*)左边 det( A λE) a21 a22 λ
a2n
an1
an2
ann λ
是λ的n次多项式,其(-λ)n-1项的系数为a11 a22 ann;
n
(*)右边(λ1 λ)(λ2 λ) (λn λ)的展开式(-λ)n-1项的系数为 λi
A
E
-4 1
2 0
01ห้องสมุดไป่ตู้
行 变换
0 0
1 0
2 0
,
-1

x1 x2 2
x3 x3
0,得基础解系 0
X2
-21
,
所以k2 X2 (k2 0)是对应于λ2 λ 3 1的全部特征向量。
3 2 -2
例5.3 求矩阵A = -2 -2 4的特征值和特征向量。
2
4
-2
解 A的特征多项式为
=
0 0
得基础解系X1 (2,1, 0)T,X2 (2, 0,1)T。
从而A的属于1 2 2的特征向量为
k1 X1 k2 X2 (k1,k2是不全为0的常数)。
当3 -5时, 解方程组( A 5E) X O,即
8 2 -2 x1 0

矩阵特征值与特征向量

矩阵特征值与特征向量

矩阵特征值与特征向量在线性代数中,矩阵的特征值和特征向量是非常重要的概念。

它们在很多数学和工程领域都有广泛的应用。

本文将详细介绍矩阵特征值和特征向量的定义、性质以及计算方法。

一、特征值与特征向量的定义1. 特征值:对于一个n阶方阵A,如果存在一个非零向量X使得AX=kX,其中k为一个常数,那么k就是矩阵A的特征值。

我们可以把这个等式改写为(A-kI)X=0,其中I是单位矩阵。

这样,求解特征值就等价于求解矩阵(A-kI)的零空间。

2. 特征向量:特征向量是与特征值相对应的非零向量。

对于一个特征值k,其对应的特征向量X满足AX=kX。

二、特征值与特征向量的性质1. 特征值与特征向量是成对出现的,一个特征值对应一个特征向量。

2. 特征值的个数等于矩阵A的阶数。

特征值可以是实数或复数。

3. 特征向量可以乘以一个非零常数得到一个新的特征向量。

4. 如果矩阵A是实对称矩阵,那么其特征值一定是实数。

如果矩阵A是正定或负定矩阵,那么其特征值一定大于0或小于0。

5. 特征向量相互之间线性无关。

三、特征值与特征向量的计算方法1. 求特征值:求解特征值的常用方法是求解矩阵A的特征多项式的根。

特征多项式的形式为|A-kI|=0,其中|A-kI|表示矩阵A-kI的行列式。

2. 求特征向量:已知特征值k后,将k代入(A-kI)X=0即可得到特征向量。

可以使用高斯-约当消元法或者迭代法来求解。

四、矩阵特征值与特征向量的应用1. 特征值与特征向量广泛应用于机器学习和数据分析领域。

在主成分分析(PCA)中,我们可以通过计算数据的协方差矩阵的特征向量来实现数据降维和特征提取。

2. 特征值与特征向量也在图像处理和信号处理中有许多应用。

例如,在图像压缩算法中,我们可以利用矩阵的特征值和特征向量来实现图像的降噪和压缩。

3. 特征值和特征向量还可以应用于动力系统的稳定性分析。

通过求解动力系统的雅可比矩阵的特征值,我们可以判断系统的稳定性和临界点的类型。

特征值与特征向量

特征值与特征向量

5.1 特征值与特征向量[1] 教材142页给出矩阵特征值与特征向量的定义,其中要注意,只对方阵有这样的定义, 而且特征向量必须是非零向量,正是由这两点,导出了矩阵特征值、特征向量的理论计算方法。

事实上,用分析的方法,设若[n 阶]矩阵A 有特征值λ及对应的特征向量x , 按定义,成立x Ax λ= 即0=-x Ax λ 即0)(=-x I A λ(注意单位阵因子在矩阵乘积式中可省写,但在和、差式中不能随便添加或省写)由n n ⨯齐次线性代数方程组的理论知,存在0≠x 满足上式的充要条件是0)det(=-I A λ,于是,得出了n 阶矩阵特征值、特征向量的理论计算步骤: 1.对n 阶矩阵A ,写出其特征多项式 )det(I A λ- 并解特征方程 0)det(=-I A λ求出特征根,即A 的特征值n λλλ,,,21Λ由于特征方程是关于λ的n 次代数方程,所以在计算行列式值写出特征多项式(λ的n 次多项式)时,应尽可能写成低次因式乘积的形式以便解特征方程(见教材145页的例3)。

2.对每个特征值i λ,解齐次线性代数方程组x Ax i λ= 即 0)(=-x I A i λ求出其基础解即为矩阵A 属于特征值i λ的特征向量。

矩阵A 属于i λ的线性无关特征向量的个数有)(I A r n i λ--个(教材146页上, 例3中矩阵A 属于特征值1的特征向量有2个, 为2x 及3x ),即为解空间)(I A N i λ-的维数,常称)(I A N i λ-为矩阵A 属于特征值i λ的特征子空间(其中任一非零向量皆为A 属于i λ的特征向量)。

当然,以上由定义导出的一般计算方法,在已知特征值求特征向量或已知特征向量求特征值的情况下都会得到简化。

例1 已知向量=v [1,1,3]T 是矩阵⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--=3012142b a A 的一个特征向量, 试求A 对应于v 的特征值,并确定A 中之b a ,之值。

一、特征值与特征向量的概念


判断一个方阵A是否可对角化?
1. 求出A的所有特征值:1, ,s.
2. 对于i 1, s,求齐次线性方程组
(iE A)X =0
的基础解系的向量个数n1, ,ns.
s
若 ni =n, 则A可对角化; 否则不可对角化. i 1
四、小结
1.相似矩阵 相似是矩阵之间的一种关系,它具有很多良好 的性质,除了课堂内介绍的以外,还有: (1)A与B相似,则det( A) det(B); ( 2)若A与B相似, 且A可逆, 则B也可逆, 且A 1与 B 1相似; (3)A与B相似,则kA与kB相似, k为常数;
二、相似变换的性质
1. 相似变换是等价关系 (1)自 反 性 A与A本身相似. (2)对 称 性 若A与B相似,则B与A相似. (3)传 递 性 若A与B相似, B与C相似, 则A与C相似.
三、利用对角矩阵计算矩阵多项式
若A相似于某对角矩阵,则存在可逆矩阵P使得P1AP .
则 Ak Pk P1,
(2) 设1, ,s为不同的特征值. 对于i 1, s, 求
齐次线性方程组将(i E A) X 0的基础解系
{i1, , iri },
ri
ri
则 kijij ,其中ki1, ,kiri不全为零(足以保证 kijij 0),
i=1
i=1
即为矩阵A对应i的全部特征向量.
四、特征值和特征向量的性质
性质(总结):
A 为正交矩阵的充要条件是下列条件之一成立:
1 A1 AT ; 2 AAT E;
3 A的列向量是两两正交的单位向量;
4 A的行向量是两两正交的单位向量.
二、实对称矩阵的性质
说明:本节所提到的对称矩阵,除非特别说明, 均指实对称矩阵.

特征值与特征向量算法的研究

特征值与特征向量算法的研究摘要:目前在很多科学领域中进行研究时,问题常会转化成特征值与特征向量的求解。

本文就求解特征值、特征向量的几个重要的算法作出了研究。

如:幂法,反幂法,QR算法,Jacobi迭代法等。

讨论了各算法的原理及各算法在MATLAB中的运行情况,从而比较出在面对不同性质的矩阵时每个算法都各有千秋。

幂法计算简单,特别适用于高阶稀疏矩阵,但其收敛速度较慢,要想加快幂法的收敛速度可采用反幂法及位移技术。

QR方法被人们称为数值数学,最值得注意的算法之一,它是目前求任意矩阵全部特征值和特征向量最有效的方法。

Jacobi方法是古典方法,它收敛快,精度高,便于并行计算且算法稳定。

但比较适用于求低阶的对称矩阵的全部特征值和特征向量。

关键词:特征值特征向量幂法 QR算法雅可比算法Abstract:At present While carrying on research in a lot of scientific fields,the questions often change into how to solve the eigenvalue and eigenvector. The degree paper do research in some important arithmetic on eigenvalue and eigenvector, such as power method, inverse power method, QR arithmetic and Jacobi arithmetic etc. In this paper, we discuss the theory of arithmetic, also including how to use them in the MATLAB. Then we can come to the conclusion that the power method is easy to run, it is fit to sparse matrix, but the speed is too slow! If you want to speed the rate of convergence, you can use inverse power method. QR is diffused as numerical mathematics, one of the noteworthiness arithmetic; it is the best arithmetic which can solve all eigenvalue and eigenvector of any matrix. Jacobin arithmetic is a classicality, the rate of convergence is fast, and the precision are high too. It is easy to parallel calculate, and the result is steady but it is fit to calculate all eigenvalue and eigenvector of symmetric matrix.Keywords:Eigenvalue eigenvector power method QR arithmetic Jacobin arithmetic目录摘要 (1)1绪论1.1问题提出与研究的目的和意义 (3)1.2国内外研究现状 (3)1.3论文结构与研究方法 (3)1.4论文使用的软件环境 (4)2 MATLAB语言及其在数值计算方面应用的简介 (4)2.1幂法 (4)2.2反幂法 (6)2.3移位反幂法 (8)2.4 QR算法 (10)2.5雅可比(Jacobi)迭代法 (12)3记单侧旋转法的对称矩阵特征值的求法 (16)4几种算法的比较 (16)5 MATLAB计算仿真结果 (17)在MATLAB中用幂法求其特征值与特征向量 (17)6尚待深入研究的问题 (17)参考文献 (18)致谢 (18)一、绪论1.1问题提出与研究的目的和意义代数特征值问题是数值代数的一个重要研究领域。

特征值与特征向量的应用PPT


定义 方阵A的主对角线上的元素之和称为方阵A的迹. 记为 tr A aii i . 二、特征值和特征向量的性质 推论1 n阶方阵A可逆A的n个特征值全不为零. 若数λ为可逆阵的A的特征值, 则 1 为 A1 的特征值. 推论2 推论3 则 k 为 kA 的特征值. 1 推论4 则 A 为 A 的特征值.
注:内积是向量的一种运算,用矩阵形式表示,有 b1 b 2 T . , a1 a2 an bn
施密特(Schmidt)正交化法 设 1 , 2 ,, r 是向量空间V的一个基,要求向量空 间V的一个标准正交基,就是要找到一组两两正交的单 位向量 1 , 2 ,, r ,使 1 , 2 ,, r 与 1 , 2 ,, r 等价, 此问题称为把 1 , 2 ,, r 这组基标准正交化. 1)正交化 令 1 1
则 1 , 2 ,, r 两两正交,且与 1 , 2 ,, r 等价. 2)标准化 令 1
1
1
1 , 2
1
2
2 , , r
1
r
r ,
就得到V的一个标准正交向量组. 如果 1 , 2 ,, r 是V的一组基,则 1 , 2 ,, r 就是
1 2 P, ( p1 , p2 , , pn ) n 所以 P 1 AP , 即A与对角矩阵Λ相似.
定理 n阶矩阵A能与对角矩阵Λ相似 A有n阶线性无关的特征向量. 推论 如果n阶矩阵A有n个不同的特征值,则矩阵A 可相似对角化.
1 , 2 2 2 1 1 , 1 1 , r 2 , r r 1 , r r r 1 2 r 1 1 , 1 2 , 2 r 1 , r 1

第五章:特征值与特征向量


(4)
从而
A 的特征值为: λ1 = trA = a1b1 + a2b2 + ⋯ + an bn ,
T
λ2 = λ3 = ⋯ = λn = 0 .
批注: (a1 , a2 ,..., an ) 为 (5) 若
A 各行的公比, (b1 , b2 ,..., bn ) 为 A 各列的公比.
A 的全部特征值 λ1 , λ2 ,⋯ , λn , f ( x) 是多项式,则:
第五章: 特征值与特征向量
一、 考试内容
矩阵的特征值和特征向量的概念、性质 相似矩阵的概念及性质
矩阵可相似对角化的充分必要条件及相似对角矩阵 实对称矩阵的特征值和特征向量及相似对角矩阵
二、 考试要求
1. 理解矩阵的特征值、特征向量的概念,掌握矩阵特征值的性质,掌握求矩阵特征值和特征向量的方法. 2. 理解矩阵相似的概念,掌握相似矩阵的性质,了解矩阵可相似对角化的充分必要条件,掌握将矩阵化 为相似对角矩阵的方法. 3. 掌握实对称矩阵的特征值和特征向量的性质.
) α
4、 n 阶方阵
A 具有 n 个不同的特征值是 A 与对角阵相似的(
(B)充分而非必要条件 (D)既非充分也非必要条件

(A)充分必要条件 (C)必要而非充分条件 5、设
A, B 为 n 阶矩阵,且 A 与 B 相似, E 为 n 阶单位矩阵,则(
83
)
(A) λ E
− A = λE − B (C) A 与 B 都相似于一个对角矩阵
A = AT ,
Aa1 = λ1a1 Aa2 = λ2a2
a1 ≠ 0 ⎫ T ⎬ 若 λ1 ≠ λ2 ⇒ a1 a2 = 0 a2 ≠ 0 ⎭
  1. 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. 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. 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)。

2.5 特征值与特征向量 课标解读 1.掌握矩阵特征值与特征向量的定义,能从几何变换的角度说明特征向量的意义. 2.会求二阶矩阵的特征值与特征向量(只要求特征值是两个不同实数的情形). 3.利用矩阵A的特征值、特征向量给出Anα的简单表示,并能用它来解决问题.

1.特征值与特征向量的定义 设A是一个二阶矩阵,如果对于实数λ,存在一个非零向量α,使得Aα=λα,那么λ称为A的一个特征值,而α称为A的属于特征值λ的一个特征向量. 2.特征多项式的定义

设A=a bc d是一个二阶矩阵,λ∈R,我们把行列式f(λ)=λ-a -b-c λ-d=λ2-(a+d)λ+ad-bc称为A的特征多项式. 3.特征值与特征向量的计算

设λ是二阶矩阵A=a bc d的特征值,α为λ的特征向量,求λ与α的步骤为:

第一步:令矩阵A的特征多项式f(λ)=λ-a -b-c λ-d=λ2-(a+d)λ+ad-bc=0,求出λ的值. 第二步:将λ的值代入二元一次方程组

 λ-ax-by=0,-cx+λ-dy=0,得到一组非零解x0y0,于是非零向量x0y0即为矩阵A的属于特征

值λ的一个特征向量. 4.Anα(n∈N*)的简单表示

(1)设二阶矩阵A=a bc d,α是矩阵A的属于特征值λ的任意一个特征向量,则Anα=

λnα(n∈N*).

(2)设λ1,λ2是二阶矩阵A的两个不同特征值,α,β是矩阵A的分别属于特征值λ1,λ2的特征向量,对于平面上任意一个非零向量γ,设γ=t1α+t2β(其中t1,t2为实数),则Anγ=

t1λn1α+t2λn2β(n∈N*).

1.特征值与特征向量的几何意义如何? 【提示】 从几何上看,特征向量的方向经过变换矩阵A的作用后,保持在同一条直线上,这时特征向量或者方向不变(λ>0),或者方向相反(λ<0),特别地,当λ=0时,特征向量就被变换成了零向量. 2.特征值与特征向量有怎样的对应关系? 【提示】 如果向量α是属于λ的特征向量,将它乘非零实数t后所得的新向量tα与向量α共线,故tα也是属于λ的特征向量,因此,一个特征值对应多个特征向量,显然,只要有了特征值的一个特征向量,就可以表示出属于这个特征值的共线的所有特征向量了. 3.如何求矩阵A幂的作用结果?

【提示】 由于特征向量的存在,求矩阵幂的作用结果,可以转化成求数的幂的运算结果.

特征值与特征向量的计算与应用 (1)求矩阵A=1 00 2的特征值和特征向量; (2)已知二阶矩阵A的属于特征值-1的一个特征向量为 1-3,属于特征值3的一个特征向量为11,求矩阵A. 【思路探究】 (1)f(λ)→f(λ)=0→特征值→特征向量 (2)利用Aα=λα构建方程组求解.

【自主解答】 (1)矩阵A的特征多项式为: f(λ)=λ-1 00 λ-2=(λ-1)(λ-2). 令f(λ)=0,解得A的特征值λ1=1,λ2=2. 将λ1=1代入二元一次方程组

 λ-1x+0·y=0,0·x+λ-2y=0,

解得y=0,x可以为任何非零实数, 不妨记x=k,k∈R,且k≠0.

于是矩阵A的属于特征值1的一个特征向量为10.

将λ2=2代入二元一次方程组 λ-1x+0·y=0,0·x+λ-2y=0, 解得x=0,y可以为任何非零实数, 不妨记y=m,m∈R,且m≠0.

于是矩阵A的属于特征值2的一个特征向量为01.

因此,矩阵A=1 00 2的特征值为1和2,分别对应的一个特征向量是10,01. (2)设A=a bc d 由题意知a bc d 1-3=-1 3,a bc d11=33,

即 a-3b=-1,c-3d=3,a+b=3,c+d=3.解得 a=2,b=1,c=3,d=0. ∴A=2 13 0.

1.求矩阵A的特征值与特征向量的一般思路为:先确定其特征多项式f(λ),再由f(λ)=0求出该矩阵的特征值,然后把特征值代入矩阵A所确定的二元一次方程组

 λ-ax-by=0,-cx+λ-dy=0,即可求出特征向量.

2.根据矩阵A的特征值与特征向量求矩阵A的一般思路:设A=a bc d,根据Aα=λα构建a,b,c,d的方程求解. (1)若将本例(1)中A变为3 65 2,则其特征值与特征向量如何求? (2)已知矩阵A有特征值λ1=8及对应的特征向量α1=11,并有特征值λ2=2及对应的特征向量α2= 1-2,试确定矩阵A. 【解】 (1)矩阵A的特征多项式为 f(λ)=λ-3 -6-5 λ-2. 令f(λ)=0,即λ2-5λ-24=0.由此得到的两个根分别为λ1=8,λ2=-3,即λ1=8,λ2

=-3为矩阵A的两个不相等的特征值.

将λ1=8代入二元一次方程组

 λ-3x+-6y=0,-5x+λ-2y=0,①

即 5x-6y=0,-5x+6y=0,得5x=6y. 它有无穷多个非零解 x56x,其中x≠0,我们任取一个,如65,它是属于特征值λ=8的一个特征向量. 类似地,对于λ2=-3,代入二元一次方程组①,则有 -6x+-6y=0,-5x-5y=0,

即 x+y=0,x+y=0. 它有无穷多个非零解 x-x,其中x≠0,我们任取一个,如 1-1,它是属于特征值λ=-3的一个特征向量. (2)不妨设矩阵A=a bc d,a,b,c,d均为实数.

由题意则有8-a -b-c 8-d11=00

及2-a -b-c 2-d 1-2=00,从而 8-a-b=0,-c+8-d=0,2-a+2b=0,-c+2d-4=0. 解得a=6,b=2,c=4,d=4,即矩阵A=6 24 4. 根据A,α计算Anα(n∈N*)

给定的矩阵A= 1 2-1 4,B=32. (1)求A的特征值λ1,λ2及对应的特征向量α1,α2; (2)求A4B. 【思路探究】 用特征多项式求出λ,然后求出与λ对应的特征向量,再利用性质A4B=sλ41α1+tλ42α2求A4B. 【自主解答】 (1)设A的一个特征值为λ,由题意知:

λ-1 -2 1 λ-4=0,即(λ-2)(λ-3)=0,∴λ1=2,λ2=3.

当λ1=2时,由 1 2-1 4xy=2xy,得A属于特征值2的特征向量α1=21; 当λ2=3时,由 1 2-1 4xy=3xy,得A属于特征值3的特征向量α2=11. (2)由于B=32=21+11=α1+α2, 故A4B=A4(α1+α2) =24α1+34α2 =16α1+81α2

=3216+8181

=11397.

已知矩阵A和向量α,求Anα(n∈N*);其步骤为: (1)求出矩阵A的特征值λ1,λ2和对应的特征向量α1,α2. (2)把α用特征向量的组合来表示:α=sα1+tα2. (3)应用Anα=sλn1α1+tλn2α2表示Anα.

已知M=1 22 1,β=17,计算M5β. 【解】 矩阵M的特征多项式为f(λ)=λ-1 -2-2 λ-1=λ2-2λ-3. 令f(λ)=0,解得λ1=3,λ2=-1,从而求得对应的一个特征向量分别为 α1=11,α2= 1-1.

令β=mα1+nα2, 所以求得m=4,n=-3. M5β=M5(4α1-3α2)=4(M5α1)-3(M5α2)=4(λ51α1)-3(λ52α2)

=4·3511-3(-1)5 1-1=975969.

(教材第73页习题2.5第1题)求出下列矩阵的特征值和特征向量:

(1)A= 1 2-1 4;

(2)B=-1 0 0 1; (3)C=1 00 2.

(2013·徐州模拟)已知矩阵M=2 13 4. (1)求矩阵M的逆矩阵; (2)求矩阵M的特征值及特征向量. 【命题意图】 本题主要考查特征值与特征向量的计算. 【解】 (1)∵2×4-1×3=5≠0, ∴M存在逆矩阵M-1,

∴M-1= 45 -15-35 25. (2)矩阵M的特征多项式为 f(λ)=λ-2 -1-3 λ-4=(λ-2)(λ-4)-3=λ2-6λ+5,

相关文档
最新文档