特征方程与特征向量的求法

所属章节:第5章 特征值与特征向量

由 ① 式,得 (λE−A)ξ=0(\lambda \boldsymbol{E} - \boldsymbol{A})\boldsymbol{\xi} = \mathbf{0},

因 ξ≠0\boldsymbol{\xi} \neq \mathbf{0},故齐次方程组 (λE−A)x=0(\lambda \boldsymbol{E} - \boldsymbol{A})\boldsymbol{x} = \mathbf{0} 有非零解,于是

∣λE−A∣=∣λ−a11−a12⋯−a1n−a21λ−a22⋯−a2n⋮⋮⋮−an1−an2⋯λ−ann∣=0.②|\lambda \boldsymbol{E} - \boldsymbol{A}| = \begin{vmatrix} \lambda - a_{11} & -a_{12} & \cdots & -a_{1n} \\ -a_{21} & \lambda - a_{22} & \cdots & -a_{2n} \\ \vdots & \vdots & & \vdots \\ -a_{n1} & -a_{n2} & \cdots & \lambda - a_{nn} \end{vmatrix} = 0. \quad \text{②}

② 式称为 A\boldsymbol{A} 的特征方程,是未知量 λ\lambda 的 nn 次方程,有 nn 个根(重根按照重数计),λE−A\lambda \boldsymbol{E} - \boldsymbol{A} 称为特征矩阵,∣λE−A∣|\lambda \boldsymbol{E} - \boldsymbol{A}| 称为特征多项式.

于是,求解具体型矩阵的特征值与特征向量,一般先用特征方程 ∣λE−A∣=0|\lambda \boldsymbol{E} - \boldsymbol{A}| = 0 求出 λ\lambda,再解齐次线性方程组 (λE−A)x=0(\lambda \boldsymbol{E} - \boldsymbol{A})\boldsymbol{x} = \mathbf{0},求出特征向量.

TIP

  • f(λ)=akλk+⋯+a1λ+a0=0f(\lambda) = a_k \lambda^k + \cdots + a_1 \lambda + a_0 = 0
    • 若 a0=0a_0 = 0,则 f(0)=0f(0) = 0,所以此时 0 是 f(λ)=0f(\lambda) = 0 的根.
    • 若 ak+ak−1+⋯+a1+a0=0a_k + a_{k-1} + \cdots + a_1 + a_0 = 0,则 f(1)=0f(1) = 0,所以此时 1 是 f(λ)=0f(\lambda) = 0 的根.
    • 若 f(λ)f(\lambda) 的偶次项(包括 a0a_0)系数之和等于奇次项系数之和,则 f(−1)=0f(-1) = 0,所以此时 -1 是 f(λ)=0f(\lambda) = 0 的根.
  • f(x)=1⋅xk+ak−1xk−1+⋯+a1x+a0,ai∈Z(i=0,1,2,⋯ ,k−1)f(x) = 1 \cdot x^k + a_{k-1}x^{k-1} + \cdots + a_1 x + a_0, a_i \in \mathbb{Z} (i = 0, 1, 2, \cdots, k-1)
    • f(x)=0f(x) = 0 的有理根都是整数,且均是 a0a_0 的因子.

关联知识

原文:原笔记 · 5.2 矩阵的特征值与特征向量的求法 P139(原文件第 753–775 行)。

返回线性代数导航