当手头的矩阵变换有明确的几何解释是不是太难以计算的特征值和它们对应的特征向量。对于实施例,考虑上面所讨论的对角矩阵和下方的反射矩阵:
考虑反射矩阵变换
T.=(-10.0.1)这反映了跨越的矢量
y-轴。求特征值和相应特征值
T.。
是那些获得跨越一个反射后缩放矢量
y轴或者是平行于
y轴,即,在跨度
(0.那1),或平行于
X轴,即,在跨度
(1那0.)。
在第一种情况下,载体都没变:
T.(0.那1)=(0.那1)=1⋅(0.那1)那
因此,特征值为
(0.那1)是
1。
在第二种情况下,在施加变换之后,向量的长度保持不变,但方向逆转:
T.(1那0.)=(-1那0.)=-1⋅(1那0.)那
因此,特征值为
(1那0.)是
-1。
□
然而,对于任意矩阵,需要更一般的过程。
让我们
A.豆角,扁豆
N-经过-
N矩阵,使其对应于变换
R.N→R.N。如果
λ.是一个特征值
A.,再有一个向量
V.∈R.N这样
A.V.=λ.V.。重新排列该等式表明
(A.-λ.⋅一世)V.=0.,在哪里
一世表示这一点
N-经过-
N身份矩阵。这意味着矩阵的空空格
A.-λ.⋅一世不为零,所以
A.-λ.⋅一世具有决定因素零。
注意每个矩阵
A.有0作为特征值,具有特征向量
(0.那0.那⋯那0.)∈R.N。一般情况下,一个只关注与关联特征值非零向量,所以约定规定
0.被认为是一个特征值
A.只有当零空间
A.非零
(同等,什么时候
X分歧
P.A.(X))。
因此,任何特征值
A.必须是多项式的根源
P.A.(X)=DET(A.-X⋅一世)。这被称为特征多项式of
A.。观察到,这意味着
A.只有有限个特征值(实际上最多
N特征值)。
在计算中,特征多项式非常有用。确定矩阵的特征值
A.,一个解决了根的根源
P.A.(X),然后检查每个根是否是特征值。
考虑矩阵
A.=⎝⎛13.6.-3.-5.-6.3.3.4.⎠⎞。
计算其特征值非零和它们对应的特征向量。
特征多项式
A.可以被计算为
DET(A.-X⋅一世)=DET⎝⎛1-X3.6.-3.-5.-X-6.3.3.4.-X⎠⎞=16.+12X-X3.。
这个因素为
P.A.(X)=-(X-4.)(X+2)2,所以为特征值提供
A.是
λ.1=4.和
λ.2=-2。
证明
λ.1是一个特征值
A.,它足以表现出矢量
V.∈R.3.和
A.V.=4.V.。这意味着存在满足的载体
(A.-4.一世)V.=0.。
(A.-4.一世)V.=⎝⎛-3.3.6.-3.-9.-6.3.3.0.⎠⎞⎝⎛X1X2X3.⎠⎞=⎝⎛0.0.0.⎠⎞
注意
V.1=(21那21那1)是卓有成效的。同样,我们发现对应的特征向量
λ.2=-2通过寻找零空间
(A.+2一世):
(A.+2一世)V.=⎝⎛3.3.6.-3.-3.-6.3.3.6.⎠⎞⎝⎛X1X2X3.⎠⎞=⎝⎛0.0.0.⎠⎞
这让只有一个方程:
X1-X2+X3.=0.。两个向量线性无关的工作是
V.2=(1那1那0.)和
V.3.=(0.那1那1)。
求解对应于线性方程系统
A.V.=4.V.表明,满足该等式的任何特征向量是倍数
λ.1。同样,解决对应于系统
A.V.=-2V.表明满足该方程的每个特征向量是的线性组合
V.1和
V.2。因此,我们已经找到了所有特征向量
A.。
□