当前位置：文档之家› 特殊矩阵特征值求解方法

特殊矩阵特征值求解方法

用MATLAB求矩阵特征值

用matlab求矩阵的特征值和特征向量我要计算的矩阵： 1 3 5 1/3 1 3 1/5 1/3 1 [v,d]=eig(A); A为你的矩阵，V为特征向量矩阵，D为特征值矩阵，然后对D求最大值即可得最大特征根！ [V,D] = EIG(X) produces a diagonal matrix D of eigenvalues and a full matrix V whose columns are the corresponding eigenvectors so that X*V = V*D. V是特征向量，D是特征值实例：矩阵： 1 2/3 7/3 7/3 3/2 1 3/2 3/2 3/7 2/3 1 3/2 3/7 2/3 2/3 1 >> format rat >> A=[1 2/3 7/3 7/3 3/2 1 3/2 3/2 3/7 2/3 1 3/2 3/7 2/3 2/3 1] A = 1 2/3 7/3 7/3 3/2 1 3/2 3/2 3/7 2/3 1 3/2 3/7 2/3 2/3 1 >> [V,D]=eig(A)

V = 1793/2855 504/3235 - 146/235i 504/3235 + 146/235i 1990/4773 670/1079 -3527/5220 -3527/5220 -509/959 4350/11989 1160/4499 + 287/3868i 1160/4499 - 287/3868i -350/647 838/2819 181/3874 + 1179/4852i 181/3874 - 1179/4852i 1238/2467 D = 810/197 0 0 0 0 -93/4229 + 455/674i 0 0 0 0 -93/4229 - 455/674i 0 0 0 0 -149/2201 ***************************************************************************************** 如何归一化求权重呢？ >> a=[1 3 5;1/3 1 3; 1/5 1/3 1] a = 1.0000 3.0000 5.0000 0.3333 1.0000 3.0000 0.2000 0.3333 1.0000 >> [V,D]=eig(a) V = 0.9161 0.9161 0.9161 0.3715 -0.1857 + 0.3217i -0.1857 - 0.3217i 0.1506 -0.0753 - 0.1304i -0.0753 + 0.1304i D =

第九章矩阵特征值问题的数值方法

第9章矩阵特征值问题的数值方法 9.1 特征值与特征向量 9.2 Hermite矩阵特征值问题 9.3 Jacobi方法 9.4 对分法 9.5 乘幂法 9.6 反幂法 9.7 QR方法

9.1 特征值与特征向量设A是n阶矩阵，x是非零列向量. 如果有数λ存在，满足， (1) 那么，称x是矩阵A关于特征值λ的特征向量.

如果把(1)式右端写为，那么(1)式又可写为: x λ ()0 I A x λ-=||0 I A λ-=即1110 ()||...n n n f I A a a a λλλλλ--=-=++++记它是关于参数λ的n 次多项式，称为矩阵A 的特征多项式，其中a 0=(-1)n ｜A ｜. (2)

显然，当λ是A的一个特征值时，它必然是的根. 反之，如果λ是的根，那么齐次方程组(2)有非零解向量x，使(1)式成立. 从而，λ是A的一个特征值. A的特征值也称为A的特征根 . ()0 fλ= ()0 fλ=

矩阵特征值和特征向量有如下主要性质：定理9.1.1 n阶矩阵A是降秩矩阵的充分必要条件是A有零特征值. 定理9.1.2 设矩阵A与矩阵B相似，那么它们有相同的特征值. 定理9.1.3 n阶矩阵A与A T有相同的特征值. 定理9.1.4 设λ ≠λj是n阶矩阵A的两个互异特 i 征值，x、y分别是其相应的右特征向量和左特征向量，那么，x T y=0 .

9.2 Hermite矩阵特征值问题?设A为n阶矩阵，其共轭转置矩阵记为A H. 如果A=A H，那么，A称为Hermite矩阵.

判断矩阵的最大特征值

项目六矩阵的特征值与特征向量实验1 求矩阵的特征值与特征向量实验目的学习利用Mathematica(4.0以上版本)命令求方阵的特征值和特征向量;能利用软件计算方阵的特征值和特征向量及求二次型的标准形. 求方阵的特征值与特征向量. 例1.1 (教材例1.1) 求矩阵.031121201??? ?? ??--=A 的特征值与特值向量. (1) 求矩阵A 的特征值. 输入 A={{-1,0,2},{1,2,-1},{1,3,0}} MatrixForm[A] Eigenvalues[A] 则输出A 的特征值 {-1,1,1} (2) 求矩阵A 的特征向量. 输入 A={{-1,0,2},{1,2,-1},{1,3,0}} MatrixForm[A] Eigenvectors[A] 则输出 {{-3,1,0},{1,0,1},{0,0,0}} 即A 的特征向量为.101,013??? ? ? ??????? ??- (3) 利用命令Eigensystem 同时矩阵A 的所有特征值与特征向量. 输入 A={{-1,0,2},{1,2,-1},{1,3,0}} MatrixForm[A] Eigensystem[A] 则输出矩阵A 的特征值及其对应的特征向量.

例1.2 求矩阵??? ?? ??=654543432A 的特征值与特征向量. 输入 A=T able[i+j,{i,3},{j,3}] MatrixForm[A] (1) 计算矩阵A 的全部（准确解）特征值, 输入 Eigenvalues[A] 则输出 {0, 426-,426+} (2) 计算矩阵A 的全部（数值解）特征值, 输入 Eigenvalues[N[A]] 则输出 {12.4807, -0.480741, -1.34831610-?} (3) 计算矩阵A 的全部(准确解)特征向量, 输入 Eigenvectors[A]//MatrixForm 则输出 1 2 1172422344220342234421172 42234 42 20342234 42 1 (4) 计算矩阵A 的全部(数值解)特征向量, 输入 Eigenvectors[N[A]]//MatrixForm 则输出 0.4303620.5665420.7027220.805060.111190.5826790.4082480.816497 0.408248 (5) 同时计算矩阵A 的全部(准确解)特征值和特征向量, 输入 OutputForm[Eigensystem[A]] 则输出所求结果 (6) 计算同时矩阵A 的零空间, 输入

矩阵特征值求解

矩阵特征值求解的分值算法 12组 1. 1矩阵计算的基本问题 (1) 求解线性方程组的问题.即给定一个n 阶非奇异矩阵A 和n 维向量b ,求一个n 维向量X,使得 Ax =b (1.1.1 ) (2) 线性最小二乘问题，即给定一个mx n 阶矩阵A 和m 维向量b ,求一个n 维向量使得 |A X -b | =min{ |Ay -比严 R n } (3) 矩阵的特征问题，即给定一个n 阶实(复)矩阵A ,求它的部分或全部特征值以及对应的特征向量，也就是求解方程 Ax = Z x A 的属于特征值A 的特征向量。在工程上,矩阵的特征值具有广泛的应用，如大型桥梁或建筑物的振动问题：机械和机件的振动问题；飞机机翼的颤振问题；无线电电子学及光学系统的电磁振动问题;调节系统的自振问题以及声学和超声学系统的振动问题 .又如天文、地震、信息系统、经济学中的一些问题都与矩阵的特征值问题密切相关。在科学上，计算流体力学、统计计算、量子力学、化学工程和网络排队的马尔可夫链模拟等实际问题，最后也都要归结为矩阵的特征值问题.由于特征值问题在许多科学和工程领域中具有广泛的应用，因此对矩阵的特征值问题的求解理论研究算法的开发软件的制作等是当今计算数学和科学与工程计算研究领域的重大课题,国际上这方面的研究工作十分活跃。 1.2矩阵的特征值问题研究现状及算法概述对一个nxn 阶实(复)矩阵A,它的特征值问题，即求方程(I.1.3)式的非平凡解,是数值线性代数的一个中心问题.这一问题的内在非线性给计算特征值带来许多计算问题.为了求(1.1.3)式中的A , —个简单的想法就是显式地求解特征方程 det(A —几I) = 0 除非对于个别的特殊矩阵，由于特征方程的系数不能够用稳定的数值方法由行列式的计算来求得，既使能精确计算出特征方程的系数，在有限精度下，其特征多项式f ") =det(A-ZJ)的根可能对多项式的系数非常敏感能在理论上是有意义的，实际计算中对一般矩阵是不可行的数较大，则行列式det(A -几I)的计算量将非常大；其次，根据数大于四的多项式求根不存在一种通用的方法，基于上述原因，人们只能寻求其它途径.因此,如何有效地！精确地求解矩阵特征值问题，就成为数值线性代数领域的一个中心问题. 目前,求解矩阵特征值问题的方法有两大类：一类称为变换方法，另一类称为向 X, (1.1.2 ) (1.1.3 ) 一对解(4 X),其中R(C),x- R n (C n ),即A 为矩阵A 的特征值，X 为矩阵 (121 ) .因此，这个方法只 .首先,若矩阵A 的阶 Galois 理论,对于次

求矩阵特征值算法及程序

求矩阵特征值算法及程序简介 1.幂法 1、幂法规范化算法（1）输入矩阵A 、初始向量)0(μ ，误差eps ；（2）1?k ；（3）计算)1()(-?k k A V μ；（4）)max (,) max ()1(1)(--??k k k k V m V m ；（5）k k k m V /)()(?μ；（6）如果eps m m k k <--1,则显示特征值1λ和对应的特征向量)1(x ),终止；（7）1+?k k ,转（3）注：如上算法中的符号)max(V 表示取向量V 中绝对值最大的分量。本算法使用了数据规范化处理技术以防止计算过程中出现益出错误。 2、规范化幂法程序 Clear[a,u,x]; a=Input["系数矩阵A="]; u=Input["初始迭代向量u(0)="]; n=Length[u]; eps=Input["误差精度eps ="]; nmax=Input["迭代允许最大次数nmax="]; fmax[x_]:=Module[{m=0,m1,m2}, Do[m1=Abs[x[[k]]]; If[m1>m,m2=x[[k]];m=m1], {k,1,Length[x]}]; m2] v=a.u; m0=fmax[u]; m1=fmax[v]; t=Abs[m1-m0]//N; k=0; While[t>eps&&k

m0=m1; m1=fmax[v]; t=Abs[m1-m0]//N; Print["k=",k," 特征值=",N[m1,10]," 误差=",N[t,10]]; Print[" 特征向量=",N[u,10]]]; If[k ≥nmax,Print["迭代超限"]] 说明：本程序用于求矩阵A 按模最大的特征值及其相应特征向量。程序执行后，先通过键盘输入矩阵A 、迭代初值向量)0(μ、精度控制eps 和迭代允许最大次数max n ，程序即可给出每次迭代的次数和对应的迭代特征值、特征向量及误差序列，它们都按10位有效数输出。其中最后输出的结果即为所求的特征值和特征向量序列。如果迭代超出max n 次还没有求出满足精度的根则输出迭代超限提示，此时可以根据输出序列判别收敛情况。程序中变量说明 a:存放矩阵A ； u:初始向量)0(μ和迭代过程中的向量)(k μ及所求特征向量； v:存放迭代过程中的向量)(k V ； m1:存放所求特征值和迭代过程中的近似特征值； nmax:存放迭代允许的最大次数； eps:存放误差精度； fmax[x]: 给出向量x 中绝对值最大的分量； k:记录迭代次数； t1:临时变量；注：迭代最大次数可以修改为其他数字。 3、例题与实验例1. 用幂法求矩阵???? ? ??---=9068846544 1356133A 的按模最大的特征值及其相应特征向量，要求误差410-

第五章矩阵的特征值与特征向量

第五章矩阵的特征值与特征向量 5.1矩阵的特征值与特征向量 5.1.1矩阵的特征值与特征向量的概念设A 是n 阶矩阵，若存在数λ及非零的n 维列向量α，使得：λαα=A (0≠α)成立，则称λ是矩阵A 的特征值，称非零向量α是矩阵A 属于特征值λ的特征向量. 5.1.2矩阵的特征值与特征向量的求法把定义公式λαα=A 改写为()0=-αλA E ,即α是齐次方程组()0=-x A E λ的非零解.根据齐次方程组有非零解的充分条件可得：0=-A E λ. 所以可以通过0=-A E λ求出所有特征值，然后对每一个特征值i λ，分别求出齐次方程组()0=-x A E i λ的一个基础解系，进而再求得通解. 【例5.1】求??? ? ? ?????------=324262423A 的特征值和特征向量. 解：根据()()0273 2 4 26 24 23 2 =+-=---= -λλλλλλA E ，可得71=λ，22-=λ. 当7=λ时，??? ? ? ?????? ??? ???????=-0000002124242124247A E ，所以()07=-x A E 的一个基础解系为：()T 0,2,11-=α,()T 1,0,12-=α，则相应的特征向量为2211ααk k +，其中21,k k 是任意常数且()()0,0,21≠k k . 当2-=λ时，???? ? ?????--? ??? ? ??????---=--00012014152428242 52A E ，所以()02=--x A E 的一个基础解系为()T 2,1,23=α，则相应的特征向量为33αk ，其中3k 是任意常数且

幂法求矩阵最大特征值

幂法求矩阵最大特征值摘要在物理、力学和工程技术中的很多问题在数学上都归结为求矩阵特征值的问题，而在某些工程、物理问题中，通常只需要求出矩阵的最大的特征值（即主特征值）和相应的特征向量，对于解这种特征值问题，运用幂法则可以有效的解决这个问题。幂法是一种计算实矩阵A的最大特征值的一种迭代法，它最大的优点是方法简单。对于稀疏矩阵较合适，但有时收敛速度很慢。用java来编写算法。这个程序主要分成了三个大部分：第一部分为将矩阵转化为线性方程组；第二部分为求特征向量的极大值；第三部分为求幂法函数块。其基本流程为幂法函数块通过调用将矩阵转化为线性方程组的方法，再经过一系列的验证和迭代得到结果。关键词：幂法；矩阵最大特征值；j ava；迭代

POWER METHOD TO CALCULATE THE MAXIMUM EIGENV ALUE MATRIX ABSTRACT In physics, mechanics and engineering technology of a lot of problems in math boil down to matrix eigenvalue problem, and in some engineering, physical problems, usually only the largest eigenvalue of the matrix (i.e., the main characteristics of the value) and the corresponding eigenvectors, the eigenvalue problem for solution, using the power law can effectively solve the problem. Power method is A kind of computing the largest eigenvalue of real matrix A of an iterative method, its biggest advantage is simple.For sparse matrix is right, but sometimes very slow convergence speed. Using Java to write algorithms.This program is mainly divided into three most: the first part for matrix can be converted to linear equations;The second part is the eigenvector of the maximum;The third part is the exponentiation method of function block.Its basic process as a power law function block by calling the method of matrix can be converted to linear equations, then after a series of validation and iteration to get the results. Key words: Power method; Matrix eigenvalue; Java; The iteration

矩阵的特征值和特征向量

第五章矩阵的特征值和特征向量来源：线性代数精品课程组作者：线性代数精品课程组 1．教学目的和要求： (1) 理解矩阵的特征值和特征向量的概念及性质，会求矩阵的特征值和特征向量. (2) 了解相似矩阵的概念、性质及矩阵可相似对角化的充分必要条件，会将矩阵化为相似对角矩阵. (3) 了解实对称矩阵的特征值和特征向量的性质. 2．教学重点： (1) 会求矩阵的特征值与特征向量. (2) 会将矩阵化为相似对角矩阵. 3．教学难点：将矩阵化为相似对角矩阵. 4．教学内容：本章将介绍矩阵的特征值、特征向量及相似矩阵等概念，在此基础上讨论矩阵的对角化问题. §1矩阵的特征值和特征向量定义1设是一个阶方阵，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，阶矩阵有个特征值．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）．例1 求的特征值和特征向量. 解的特征多项式为 =

矩阵特征值的意义

矩阵特征值的意义数学里面的特征值和特征矩阵到底有什么用，它的物理意义在于什么？？矩阵的特征值要想说清楚还要从线性变换入手，把一个矩阵当作一个线性变换在某一组基下的矩阵，最简单的线性变换就是数乘变换，求特征值的目的就是看看一个线性变换对一些非零向量的作用是否能够相当于一个数乘变换，特征值就是这个数乘变换的变换比，这样的一些非零向量就是特征向量，其实我们更关心的是特征向量，希望能把原先的线性空间分解成一些和特征向量相关的子空间的直和，这样我们的研究就可以分别限定在这些子空间上来进行，这和物理中在研究运动的时候将运动分解成水平方向和垂直方向的做法是一个道理！特征值时针对方阵而言的。两个向量只有维数相同时才能考虑相等的问题，才能有和、有差。引入特征值与特征向量的概念 ? 引例在一个n 输入n 输出的线性系统y=Ax 中，其中 ? 我们可发现系统A 对于某些输入x ，其输出y ? 恰巧是输入x 的倍，即；对某些输入，其输出与输入就不存在这种按比例放大的关系。 ??????? ??=??????? ??=??????? ??=n n nn n n n n y y y y x x x x a a a a a a a a a A M M L L L L L L L 2121212222111211,,λx y λ=

? 例如，对系统，若输入 ? 则 ? ? 若输入，则 ? 所以，给定一个线性系统A ，到底对哪些输入，能使其输出按比例放大，放大倍数等于多少？这显然是控制论中感兴趣的问题。基于此给出特征值与特征向量的概念： ? 定义设A 是一个n 阶方阵，若存在着一个数和一个非零n 维向量x ，使得则称是方阵A 的特征值，非零向量x 称为A 对应于特征值的特征向量，或简称为A 的特征向量 ???? ??=4312A ? ?? ? ??=31x x Ax y 5315155314312=???? ??=???? ??=???? ?????? ??==???? ??=52x x Ax y λ≠???? ??=???? ?????? ??==269524312λx Ax λ=λλ

判断矩阵的最大特征值

项目六矩阵的特征值与特征向量实验1 求矩阵的特征值与特征向量实验目的学习利用Mathematica(4.0以上版本)命令求方阵的特征值和特征向量;能利用软件计算方阵的特征值和特征向量及求二次型的标准形. 求方阵的特征值与特征向量. 例1.1 (教材例1.1) 求矩阵.031121201???? ? ??--=A 的特征值与特值向量. (1) 求矩阵A 的特征值. 输入 A={{-1,0,2},{1,2,-1},{1,3,0}} MatrixForm[A] Eigenvalues[A] 则输出A 的特征值 {-1,1,1} (2) 求矩阵A 的特征向量. 输入 A={{-1,0,2},{1,2,-1},{1,3,0}} MatrixForm[A] Eigenvectors[A] 则输出 {{-3,1,0},{1,0,1},{0,0,0}} 即A 的特征向量为.101,013???? ? ??????? ??- (3) 利用命令Eigensystem 同时矩阵A 的所有特征值与特征向量. 输入 A={{-1,0,2},{1,2,-1},{1,3,0}} MatrixForm[A] Eigensystem[A] 则输出矩阵A 的特征值及其对应的特征向量. 例1.2 求矩阵???? ? ??=654543432A 的特征值与特征向量. 输入 A=Table[i+j,{i,3},{j,3}]

MatrixForm[A] (1) 计算矩阵A 的全部（准确解）特征值, 输入 Eigenvalues[A] 则输出 {0, 426-,426+} (2) 计算矩阵A 的全部（数值解）特征值, 输入 Eigenvalues[N[A]] 则输出 {12.4807, -0.480741, -1.34831610-?} (3) 计算矩阵A 的全部(准确解)特征向量, 输入 Eigenvectors[A]//MatrixForm 则输出 (4) 计算矩阵A 的全部(数值解)特征向量, 输入 Eigenvectors[N[A]]//MatrixForm 则输出 (5) 同时计算矩阵A 的全部(准确解)特征值和特征向量, 输入 OutputForm[Eigensystem[A]] 则输出所求结果 (6) 计算同时矩阵A 的零空间, 输入 NullSpace[A] 则输出 {{1,-2,1}} (7) 调入程序包<

矩阵的特征值与特征向量习题

第五章矩阵的特征值与特征向量习题 1 试用施密特法把下列向量组正交化 (1)?? ? ? ? ??=931421111) , ,(321a a a (2)???? ?? ? ??---=011101110111) , ,(321a a a 2 设x 为n 维列向量 x T x 1 令H E 2xx T 证明H 是对称的正交阵 3 求下列矩阵的特征值和特征向量: (1)??? ?? ??----20133 521 2; (2)??? ? ? ??633312321. 4 设A 为n 阶矩阵证明A T 与A 的特征值相同 5 设 0是m 阶矩阵A m n B n m 的特征值证明也是n 阶矩阵BA 的特征值. 6 已知3阶矩阵A 的特征值为1 2 3 求|A 35A 2 7A | 7 已知3阶矩阵A 的特征值为1 2 3 求|A * 3A 2E | 8 设矩阵??? ? ? ??=50413102x A 可相似对角化求x

9 已知p (1 1 1)T 是矩阵???? ? ??---=2135212b a A 的一个特征向量 (1)求参数a b 及特征向量p 所对应的特征值 (2)问A 能不能相似对角化？并说明理由 10 试求一个正交的相似变换矩阵, 将对称阵??? ? ? ??----020212022化为对角阵. 11 设矩阵????? ??------=12422421x A 与??? ? ? ? ?-=Λy 45 相似求x y 并求一个正交阵P 使P 1AP 12 设3阶方阵A 的特征值为1 2 2 2 3 1 对应的特征向量依次为p 1 (0 1 1)T p 2(1 1 1)T p 3(1 1 0)T 求A . 13 设3阶对称矩阵A 的特征值 1 6 2 3 3 3 与特征值 1 6对应的特征向量为p 1 (1 1 1)T 求A . 14 设?? ? ? ? ??-=340430241A 求A 100

用QR算法求矩阵的特征值

一、实验名称：用QR 算法求矩阵的特征值二、实验目的：1、通过实验进一步熟悉掌握求矩阵特征值的QR 方法及原理。 2、理解QR 方法的计算流程。 3、能够编程实现QR 方法。三、实验内容：给定矩阵 ??? ? ? ??=111132126A , ?? ??? ?? ? ? ?=0100098 20 087630 7654465432H ，采用QR 方法计算A 和H 矩阵的全部特征值。四、实验要求：（1）根据QR 算法原理编写程序求矩阵A 及矩阵H 的全部特征值（要求误差＜10 5 -）。（2）直接用MATLAB 的内部函数eig 求矩阵A 及矩阵H 的全部特征值，并与（1）的结果比较。五、QR 方法计算矩阵特征值的程序： function [namda,time,data_na]=qr_tz(A,tol) if nargin==1; tol=1e-5; end wucha=1; time=0; while (wucha>tol)&(time<500) [q,r]=qr(A); A1=r*q; tz0=diag(A1); tz1=diag(A); wucha=norm(tz0-tz1); A=A1; time=time+1; data_na(time,:)=tz1; end namda=tz1; disp(‘特征值为’) namda disp(‘第一个特征在值’) time

n1=length(data_na); n2=(1:n1)’; temp1=[n2,data_na]; subplot(2,2,1:2) plot(date_na(:,1)) title(‘迭代次数为’) grid subplot(2,2,3)plot(data-na(:,2)) title(‘第二个特征值’) grid subplot(2,2,4) plot(data-na(:,3)) title(‘第三个特征值’) grid 六、实验结果： >> A=[6,2,1;2,3,1;1,1,1];[namda,time,data_na]=qr_tz(A,1e-5);特征值为 namda = 迭代次数为 time = 6 图 1

矩阵特征值和特征向量解法的研究

矩阵特征值和特征向量解法的研究周雪娇（德州学院数学系，山东德州 253023）摘要：对矩阵特征值和特征向量的一些方法进行了系统的归纳和总结.在比较中能够更容易发现最好的方法，并提高问题的解题效率. 关键词：矩阵；特征值；特征向量；解法引言矩阵是数学中的一个重要的基本概念，是代数学的一个主要研究对象，也是数学研究和应用的一个重要工具.矩阵计算问题是很多科学问题的核心.在很多工程计算中，常常会遇到特征值和特征向量的计算问题，如：机械、结构或电磁振动中的固有值问题；物理学中的各种临界值等，这些特征值的计算往往意义重大.很多科学问题都要归结为矩阵计算的问题，在这里主要研究矩阵计算中三大问题之——特征值问题. 1 矩阵特征值与特征向量的概念及性质 1.1 矩阵特征值与特征向量的定义设A 是n 阶方阵，如果存在数λ和n 维非零向量x ，使得x Ax λ=成立，则称 λ为A 的特征值，x 为A 的对应于特征值λ的特征向量. 1.2 矩阵特征值与特征向量的性质矩阵特征值与特征向量的性质包括：（1）若i i r A 的是λ重特征值，则i i s A 有对应特征值λ个线性无关的特征向量，其中i i r s ≤. （2）若线性无关的向量21,x x 都是矩阵A 的对应于特征值0λ的特征向量，则当21,k k 不全为零时，2211x k x k +仍是A 的对应于特征值0λ的特征向量. （3）若A n 是矩阵λλλ,,,21 的互不相同的特征值，其对应的特征向量分别是 n x x x ,,,21 ，则这组特征向量线性无关.

（4）若矩阵()n n ij a A ?=的特征值分别为n λλλ,,,21 ，则 nn n a a a +++=+++ 221121λλλ，A n =λλλ 21. （5）实对称矩阵A 的特征值都是实数，且对应不同特征值的特征向量正交. （6）若i λ是实对称矩阵A 的i r 重特征值，则对应特征值i λ恰有i r 个线性无关的特征向量. （7）设λ为矩阵A 的特征值，()x P 为多项式函数，则()λP 为矩阵多项式()A P 的特征值.[]1 2 普通矩阵特征值与特征向量的求法 2.1 传统方法确定矩阵A 的特征值和特征向量的传统方法可以分为以下几步：（1）求出矩阵A 特征多项式()A E f -=λλ的全部特征根；（2）把所求得的特征根()n i i ,,2,1 =λ逐个代入线性方程组()0=-X A E i λ，对于每一个特征值，解方程组()0=-X A E i λ，求出一组基础解系，这样，我们也就求出了对应于每个特征值的全部线性无关的特征向量.[]2 例1 已知矩阵 ???? ? ?????-=11 111 110 A 求矩阵A 的特征值和特征向量. 解 A E -λ = 1 1 1 1 1 11 ------λλλ = ()21-λλ 所以，由()012=-λλ知A 的特征根1,0321===λλλ.

矩阵特征值问题及二次型

第六章矩阵特征值问题及二次型 6.1 求下列矩阵的特征值与特征向量： 1）； 2）； 3）； ????????4221?????????????6123020663???? ????????3202300054）； 5）. ??????????422242224????????????? ?00011000010000106.2 设，证明：和有完全相同的特征值。 n n A A ×=T A A 6.3 设12=λ为方阵的特征值，求满足的关系式。 ???? ?????????=a b A 4417447b a ,6.4 设，证明：若有一个常数项不为零的多项式n n A A ×=)(x ?使得0)(=A ?，则的特征值必全不为零。 A 6.5 设λ为阶可逆方阵的特征值,证明：n A 12 +?? ????λA 是()I A +?2的特征值。 6.6 设21,λλ是方阵的两个互异的特征值，A 21,ξξ分别是的属于特征值A 21,λλ的特征向量，证明：21ξξ+不是的特征向量。 A 6.7 设321,,λλλ是方阵的三个互异的特征值，A 321,,ξξξ分别是的属于特征值A 321,,λλλ的特征向量，证明：321ξξξ++不是的特征向量。 A 6.8 设均为阶方阵且可逆，证明：～ B A ,n A AB .BA 6.9 设；求. ????????? ?????=163053064A 10A 6.10 设为2阶实方阵，且A 0trA ，则相似于对角阵A