
2.4 矩阵的特征值和特征向量
特征值问题是数值代数的基本问题之一,无论在理论上还是在工程技术上都非常重要。工程技术中的一些问题,如振动问题和稳定性问题,常可归结为求一个方阵的特征值和特征向量问题。
特征值和特征向量的定义如下:
定义2.2 设A是个n阶矩阵,λ0是一个数,如果有非零列向量(即n×1矩阵)α,使得

就称λ0是A的特征值,α是A的属于特征值λ0的特征向量,简称特征向量。
设

是矩阵

的属于特征值λ0的特征向量,那么
Aα=λ0α
具体写出来,就是

将等式两端乘开,得

移项,得

这说明,(c1,c2,…,cn)是齐次线性方程组

的一组解。因为这个齐次方程组有一组非零解,所以它的系数行列式等于零:

即
|λ0E-A|=0
定义2.3 A是个n阶矩阵,λ是一个未知量。矩阵λ E-A称为A的特征矩阵,它的行列式

即f(λ)=|λ E-A|=λn+a1λn-1+…+an
这里a1=-(a11+…+ann),an=(-1)n|A|。f(λ)是首项系数为1的λ的n次多项式,叫作A的特征多项式。f(λ)的根叫作A的特征根。n阶矩阵有n个特征根。
可见,矩阵A的特征值就是A的特征多项式的根,所以特征值也叫特征根。
归纳以上讨论,可总结出矩阵A的特征值和特征向量的求法:
(1)计算A的特征多项式f(λ)=|λ E-A|;
(2)求出f(λ)在数域P中的全部根,就是A的全部特征值。
(3)对于每个特征值λ0,求出齐次方程组的非零解,就是属于λ0的特征向量。
【手工计算例10】 设

求A的特征值和特征向量。
解:先求A的特征多项式

解之得
λ1=1, λ2=-2
把λ1代入齐次线性方程组(2-2)中,得

化简后,两个方程都变成x1=-x2,所以它的一个基础解系是。
把λ2代入式(2-2)中,可解得它的一个基础解系是。
因此,A的特征值为1和-2,属于1的特征向量是,属于-2的特征向量是
(k,k全不为零)。12
【手工计算例11】 求矩阵A的特征值和特征向量。

解:先求A的特征多项式

所以,A的特征值为λ1=2,λ2=-7。
把λ1代入式(2-1)中,得

化简,得
x1+2x2-2x3=0
它的一个基础解系是

把λ2=-7代入式(2-2)中,得

化简,得

它的一个基础解系是

因此,A的特征值为2和-7。
属于-7的特征向量是

属于2的特征向量是
