线性代数学习指导第五章矩阵的特征值与特征向量

合集下载

(完整版)线性代数第五章特征值、特征向量试题及答案

(完整版)线性代数第五章特征值、特征向量试题及答案

第五章 特征值和特征向量一、特征值与特征向量定义1:设A 是n 阶矩阵,λ为一个数,若存在非零向量α,使λαα=A ,则称数λ为矩阵A 的特征值,非零向量α为矩阵A 的对应于特征值λ的特征向量。

定义2:()E A f λλ-=,称为矩阵A 的特征多项式,)(λf =0E A λ-=,称为矩阵A 的特征方程,特征方程的根称为矩阵A 的特征根 矩阵E A λ-称为矩阵A 的特征矩阵齐次方程组(0)=-X E A λ称为矩阵A 的特征方程组。

性质1:对等式λαα=A 作恒等变形,得(0)=-αλE A ,于是特征向量α是齐次方程组(0)=-X E A λ的非零解向量,由齐次线性方程组有非零解的充要条件知其系数行列式为零,即0=-E A λ,说明A 的特征值λ为0E A λ-=的根。

由此得到对特征向量和特征值的另一种认识:(1)λ是A 的特征值⇔0=-E A λ,即(λE -A )不可逆.(2)α是属于λ的特征向量⇔α是齐次方程组(0)=-X E A λ的非零解.计算特征值和特征向量的具体步骤为: (1)计算A 的特征多项式,()E A f λλ-=(2)求特征方程)(λf =0E A λ-=的全部根,他们就是A 的全部特征值;(3)然后对每个特征值λ,求齐次方程组(0)=-X E A λ的非零解,即属于λ的特征向量.性质2:n 阶矩阵A 的相异特征值m λλλ 21,所对应的特征向量21,ξξ……ξ线性无关性质3:设λ1,λ2,…,λn 是A 的全体特征值,则从特征多项式的结构可得到:(1)λ1+λ2+…+λ n =tr(A )( A 的迹数,即主对角线上元素之和). (2)λ1λ2…λn =|A |.性质4:如果λ是A 的特征值,则(1)f(λ)是A 的多项式f(A )的特征值.(2)如果A 可逆,则1/λ是A -1的特征值; |A |/λ是A *的特征值. 即: 如果A 的特征值是λ1,λ2,…,λn ,则 (1)f(A )的特征值是f(λ1),f(λ2),…,f(λn ).(2)如果A 可逆,则A -1的特征值是1/λ1,1/λ2,…,1/λn ; 因为A AA =*,A *的特征值是|A |/λ1,|A |/λ2,…,|A |/λn .性质5:如果α是A 的特征向量,特征值为λ,即λαα=A 则(1)α也是A 的任何多项式f(A )的特征向量,特征值为f(λ);(2)如果A 可逆,则α也是A -1的特征向量,特征值为1/λ;α也是A *的特征向量,特征值为|A |/λ 。

线性代数第五章特征值和特征向量矩阵的对角化

线性代数第五章特征值和特征向量矩阵的对角化
的特征值;
(5)若f(x)是x的多项式,则f()是f(A)的特征值
特征向量保持不变
10
证:(2)∵AX=X A(AX)=A(X) =(AX)=(X)
A2X=2X
再继续施行上述步骤m2次,就得
AmX=mX m是矩阵Am的特征值,且X是Am的对应于 m的特征向量.
(4)当A可逆时, 0 ∵AX=X A1(AX)=A1(X) =A1X
1
1
1
1
3 2
3 1
3
3
1 3
2 3
5100 2
1 3
5100
5100
1 1
5100 1 5100 2 5100 1
5100 1 5100 1 5100 2
33
5.3 实对称矩阵的对角化 1.实对称矩阵特征值的相关性质 2.求正交矩阵的方法
34
共轭矩阵 如果A=(aij)为复矩阵时,用 aij 表示aij的
1=5: 解方程组 (5IA)X=0
4 2 2 1 0 1 5IA= 2 4 2 →0 1 1
2 2 4 0 0 0
1 基础解系: P1 1
1
对应于1=5的全部特征向量为: k1P1 (k10)
2=3= 1 : 解方程组 (IA)X=0
2 2 2 1 1 1 IA= 2 2 2 →0 0 0
k11+k22=0 (2) (2)2(1)k1(12)=0 ∵12 ,0 ∴k1=0 同理可得k2=0
∴与线性无关
推广 设1,2,,r是矩阵A的对应于不同特 征值1,2,,r的特征向量,则1,2,,r线性
无关.
定理 如果1,2,,r是矩阵A的不同特征值, 而(i=1i,12,,i2,,r)的, 线是性ikAi无的关对的应特于征特向征量值,则i向量组 也11线,性12,无,关1.k1,21,22,, 2k2,,r1,r2,,rkr

《线性代数》矩阵的特征值与特征向量

《线性代数》矩阵的特征值与特征向量

《线性代数》矩阵的特征值与特征向量矩阵的特征值与特征向量是线性代数中非常重要的概念。

在许多实际问题的分析和求解中,特征值和特征向量扮演着重要的角色。

本文将从定义、性质和应用三个方面来详细介绍矩阵的特征值与特征向量。

一、定义给定一个n阶方阵A,若存在非零向量x和标量λ,使得满足以下等式:Ax=λx则称λ为矩阵A的特征值,x为矩阵A对应于特征值λ的特征向量。

特征向量是描述线性变换的方向,在变换过程中保持方向不变,特征值是对应于特征向量的缩放因子。

二、性质1.特征值与特征向量的存在性和唯一性对于n阶方阵A,它一定存在n个特征值,但不一定有n个线性无关的特征向量。

每个特征值对应的特征向量也不一定唯一2.特征值的性质(1)特征值的和等于方阵的迹,即λ1 + λ2 + ... + λn =tr(A)。

(2)特征值的积等于方阵的行列式,即λ1 * λ2 * ... * λn = det(A)。

3.特征向量的性质(1)对于同一个特征值λ,存在无穷多个线性无关的特征向量。

(2)特征向量的线性组合仍然是一个特征向量。

三、应用矩阵的特征值与特征向量在多个学科和领域中都有广泛的应用。

1.物理学在量子力学中,特征值与特征向量的概念被用来描述量子态和量子测量。

2.工程学在结构力学中,特征值与特征向量可以用来分析弹性体的振动频率和振动模态。

3.数据分析特征值与特征向量可以用于主成分分析(PCA),以降低数据的维度并提取最重要的特征。

4.图像处理特征值与特征向量可以用于图像压缩和图像恢复等领域。

5.机器学习在机器学习算法中,特征值与特征向量可以用于降维、分类和聚类等任务。

总结:矩阵的特征值与特征向量是线性代数中的重要概念,具有很多实际应用。

通过特征值与特征向量,我们可以分析矩阵的性质、求解特征方程、降低数据维度等。

理解和掌握矩阵的特征值与特征向量对于深入理解线性代数以及在实际问题中的应用都具有重要意义。

第五讲 矩阵特征值与特征向量

第五讲 矩阵特征值与特征向量
考研基础复习----线性代数
第五讲
一、 矩阵的特征值与特征向量 1.特征值与特征向量的概念 定义 1
矩阵特征值与特征向量
设方阵 A = (aij ) n×n ,若有数 λ 和非零的 n维向量 X ,使
AX = λX
(5.1)
成立,则称数 λ 为 A 的特征值,称向量 X 为矩阵 A的对应于 λ 的特征向量. 又若 An×n 是一个不可逆矩阵,则方程组 AX = 0 有非零解 X 0,即 AX 0 = 0 = 0 ⋅ X 0 .故不 可逆矩阵必有零特征值 λ = 0 . 对一般的方阵 A而言,AX = λX 是绝大多数非零向量难以满足的方程,仅从矩阵 A 不 容易直接看出它的特征值和特征向量。为此,将(5.1)变形为: (λI − A) X = 0 则齐次线性方程组(5.2)有非零解的充要条件是 λI − A = 0 记 (5.2)
例 2. 设 n 阶方阵 A 满足等式 A 2 = A,证明 A 的特征值为 1 或 0. 证明 设 λ为A 的特征值,则存在向量 X ≠ 0 ,使 AX = λX .由此 A2 X = A( AX ) = A(λX ) = λ2 X 又 故有 即 因 X ≠ 0,所以λ2 − λ = 0,即λ = 1或 0 . 推论 2 设 λ0 是方阵 A 对应于特征向量 X 的特征值,则 A2 = A λ2 X = λX (λ2 − λ ) X = 0 .
n n
∑ λi = ∑ aii
i =1 i =1
这也称为方阵 A的迹,记为tr ( A) ,即 tr ( A) = ∑ λi = ∑ aii 推论 n 阶方阵 A可逆的充要条件是 A的 n 个特征值非零,即 λi ≠ 0,i = 1,2, L, n .
i =1 i =1 n n

线性代数知识点总结(第5章)

线性代数知识点总结(第5章)

线性代数知识点总结(第5章)(一)矩阵的特征值与特征向量1、特征值、特征向量的定义:设A为n阶矩阵,如果存在数λ及非零列向量α,使得Aα=λα,称α是矩阵A属于特征值λ的特征向量。

2、特征多项式、特征方程的定义:|λE-A|称为矩阵A的特征多项式(λ的n次多项式)。

|λE-A |=0称为矩阵A的特征方程(λ的n次方程)。

注:特征方程可以写为|A-λE|=03、重要结论:(1)若α为齐次方程Ax=0的非零解,则Aα=0·α,即α为矩阵A特征值λ=0的特征向量(2)A的各行元素和为k,则(1,1,…,1)T为特征值为k的特征向量。

(3)上(下)三角或主对角的矩阵的特征值为主对角线各元素。

△4、总结:特征值与特征向量的求法(1)A为抽象的:由定义或性质凑(2)A为数字的:由特征方程法求解5、特征方程法:(1)解特征方程|λE-A|=0,得矩阵A的n个特征值λ1,λ2,…,λn注:n次方程必须有n个根(可有多重根,写作λ1=λ2=…=λs=实数,不能省略)(2)解齐次方程(λi E-A)=0,得属于特征值λi的线性无关的特征向量,即其基础解系(共n-r(λi E-A)个解)6、性质:(1)不同特征值的特征向量线性无关(2)k重特征值最多k个线性无关的特征向量1≤n-r(λi E-A)≤k i(3)设A的特征值为λ1,λ2,…,λn,则|A|=Πλi,Σλi=Σa ii(4)当r(A)=1,即A=αβT,其中α,β均为n维非零列向量,则A的特征值为λ1=Σa ii=αTβ=βTα,λ2=…=λn=0(5)设α是矩阵A属于特征值λ的特征向量,则(二)相似矩阵7、相似矩阵的定义:设A、B均为n阶矩阵,如果存在可逆矩阵P使得B=P-1AP,称A与B相似,记作A~B8、相似矩阵的性质(1)若A与B相似,则f(A)与f(B)相似(2)若A与B相似,B与C相似,则A与C相似(3)相似矩阵有相同的行列式、秩、特征多项式、特征方程、特征值、迹(即主对角线元素之和)【推广】(4)若A与B相似,则AB与BA相似,A T与B T相似,A-1与B-1相似,A*与B*也相似(三)矩阵的相似对角化9、相似对角化定义:如果A与对角矩阵相似,即存在可逆矩阵P,使得P-1AP=Λ=,称A可相似对角化。

《线性代数》教学教案—05矩阵的特征值与特征向量

《线性代数》教学教案—05矩阵的特征值与特征向量
2.实对称矩阵对应于不同特征值的特征向量必相互正交;
3.设 为n阶实对称矩阵, 是 的特征方程的 重根,则矩阵 的秩 ,从而对应特征值 恰有 个线性无关的特征向量.
1.定理:设A为n阶实对称矩阵,则必存在n阶正交矩阵P,使得 = = ,其中 是 的n个特征值.
2.合同矩阵:给定两个n阶方阵 和 ,若存在可逆矩阵 ,使 = ,则称矩阵 与矩阵 合同,或 , 是合同矩阵.
例2.设矩阵 是3阶实对称阵, 的特征值为 1,2,2, = 与 = 都是矩阵 的属于特征值2的特征向量.求 的属于特征值1的特征向量,并求出矩阵 .
例3.设某城市共有30万人从事农、工、商的工作,假定这个总人数在若干年内保持不变,而社会调查表明:
(1)在这30万就业的人员中,目前约有15万从事农业、9万人从事工业、6万人从事商业;
授课序号02
教 学 基 本 指 标
教学课题
第5章第2节相似矩阵
课的类型
新知识课
教学方法
讲授、课堂提问、讨论、启发、自学
教学手段
黑板多媒体结合
教学重点
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
教学难点
矩阵可相似对角化的方法
参考教材
同济版《线性代数》
作业布置
课后习题
大纲要求
理解相似矩阵的概念、性质及矩阵可相似对角化的充分必要条件。
推论2.若n阶矩阵 与对角矩阵 = 相似,则 是 的全部n个特征值.
二.方阵的相似对角化
1.相似对角化:若方阵 能与一个对角阵 相似,则称 可以相似对角化,简称 可对角化.
2.定理:n阶方阵 可以相似对角化的充要条件是 有n个线性无关的特征向量.
推论1.如果n阶方阵 的n个特征值互不相等,则 与对角阵相似.

第5章 矩阵的特征值与特征向量

第5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一、矩阵的特征值与特征向量的概念、性质及方法 (一)矩阵的特征值与特征向量及其相关概念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)0(≠=αλααA 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,特征向量为非零向量2.矩阵的特征多项式与特征方程的概念行列式A E f -=λλ)(称为矩阵A 的特征多项式;A E -λ=0称为矩阵A 的特征方程特征方程A E -λ=0是λ的n 次方程,它的n 个根就是矩阵A 的n 个特征值 若λ是A 的特征值,则A E -λ=0,A E -λ是不可逆矩阵 ★0=Ax 的基础解系就是λ=0的线性无关的特征向量★ 若1)(=A r ,则A 的n 个特征值是∑=iia1λ,0...1==n λλ(二)特征值与特征向量的性质1.如果21αα,都是特征值i λ所对应的特征向量,则21αα,的线性组合2211ααk k +(非零时)仍属于i λ的特征向量(i λ的特征向量不唯一,但一个特征向量只能属于一个特征值)2.属于不同特征值的特征向量是线性无关的,并且当i λ时矩阵A 的k 重特征根时,矩阵A 属于i λ的线性无关的特征向量的个数不超过k 个;因A 只有n 个特征值,故A 的特征向量虽有无穷多个,但线性无关的至多只有n 个,并且若21λλ,是矩阵A 的不同特征值,21αα,分别是21λλ,的特证向量,则21αα,的线性组合2211ααk k +不再是A 的特证向量★3.特征值的和等于矩阵主对角线上元素之和,特征值的乘积等于A 行列式的值★∑∑===ni iin i i a11λ∏==ni iA 1λ★4. n 阶矩阵A 和它的转置矩阵TA 有相同的特征值★ 用特征方程的转置去证明 5. n 阶矩阵可逆的充要条件是它的任一特征值均不等于0★6.若λ是矩阵A 的特征值,则对任何正整数k ,kλ是kA 的特征值★(三)特征值与特征向量的求法1.对于抽象矩阵,要根据特征值与特征向量的定义及其性质推导出特征值的取值)0(≠=αλααA 2.对于具体的数字矩阵,应先有特征方程A E -λ=0,求出矩阵A 的全部特征值,其中有可能重根,然后对每个不同特征值i λ,分别解齐次方程()0=-x A E i λ。

完整版线性代数第五章特征值与特征向量自考经管类精品

完整版线性代数第五章特征值与特征向量自考经管类精品

完整版线性代数第五章特征值与特征向量自考经管类精

特征值和特征向量是线性代数中非常重要的概念,它们在很多实际问题中具有广泛的应用。

本文将从定义、性质、求解方法以及应用等几个方面介绍特征值和特征向量。

特征值(eigenvalue)是一个方阵在一些线性变换下的伸缩因子,而特征向量(eigenvector)则是特征值对应的非零向量。

对于一个给定的方阵A,如果存在一个非零向量x,使得Ax=λx,其中λ是一个标量,那么λ就是矩阵A的特征值,而x就是对应的特征向量。

特征值和特征向量具有以下几个重要性质:
1.特征值是矩阵的本质性质,不依赖于矩阵的表示方式。

2.每个特征值都有对应的特征向量,但一个特征向量可能对应多个特征值。

3.特征值和特征向量可以是复数,不一定是实数。

要求解特征值和特征向量,可以通过以下步骤进行:
1. 求解矩阵的特征方程:det(A-λI)=0,其中det表示矩阵的行列式,I是单位矩阵。

2.解特征方程得到特征值。

3.将特征值代回到特征方程,解得对应的特征向量。

特征值和特征向量在很多应用中具有重要的意义,如以下几个方面:
1.特征值和特征向量可以用于矩阵的对角化,简化复杂计算。

2.特征值和特征向量在数据降维中有广泛应用,如主成分分析(PCA)。

3.特征值和特征向量可用于解决线性方程组、求解线性变换等问题。

4.特征值和特征向量在机器学习算法中有很多应用,如图像处理、聚类算法等。

综上所述,特征值和特征向量是线性代数中的重要概念,具有广泛的应用。

掌握特征值和特征向量的求解方法和性质,有助于理解和应用线性代数的相关知识。

  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)。

第五章 矩阵的特征值与特征向量一.内容提要1 . 特征值和特征向量定义1 设()ijn nA a ⨯=是数域P 上的n 阶矩阵,若对于数域P 中的数λ,存在数域P 上的非零n 维列向量X ,使得X AX λ=则称λ为矩阵A 的特征值,称X 为矩阵A 属于(或对应于)特征值λ的特征向量 注意:1)()ijn nA a ⨯=是方阵;2)特征向量 X 是非零列向量;3)方阵 ()ijn nA a ⨯= 与特征值λ 对应的特征向量不唯一4)一个特征向量只能属于一个特征值.2.特征值和特征向量的计算计算矩阵A 的特征值与特征向量的步骤为: (1) 计算n 阶矩阵A 的特征多项式|λE -A |;(2) 求出特征方程|λE -A |=0的全部根,它们就是矩阵A 的全部特征值; (3) 设λ1 ,λ2 ,… ,λs 是A 的全部互异特征值。

对于每一个λi ,解齐次线性方程组()i E A X λ-=0,求出它的一个基础解系,该基础解系的向量就是A 属于特征值λi 的线性无关的特征向量,方程组的全体非零解向量就是A 属于特征值λi 的全体特征向量.3. 特征值和特征向量的性质性质1 (1)若X 是矩阵A 属于特征值λ的特征向量,则kX (0k ≠)也是A 属于λ的特征向量;(2)若12,,,s X X X 是矩阵A 属于特征值λ的特征向量,则它们的非零线性组合1122s s k X k X k X +++也是A 属于λ的特征向量;(3)若A 是可逆矩阵,λ是A 的一个特征值,则λ1是A —1的一个特征值,λ||A 是A *的一个特征值;(4)设λ是n 阶矩阵A 的一个特征值,f (x )= a m x m + a m-1x m -1 + … + a 1x + a 0为一个多项式,则()f λ是f (A )的一个特征值。

性质2(1) nn n a a a +⋅⋅⋅++=+⋅⋅⋅++221121λλλ(2) || 21A n =⋅⋅⋅λλλ性质3 n 阶矩阵A 和它的转置矩阵T A 有相同的特征值 性质4 n 阶矩阵A 不同的特征值所对应的特征向量线性无关4. 相似矩阵定义2 设A 、B 为n 阶矩阵,若存在可逆矩阵P ,使得B=P ―1AP则称A 与B 相似。

记作A ∽B . 并称P 为相似变换矩阵. 矩阵的相似关系是等价关系,满足:1° 反身性:A ∽A .2° 对称性:若A ∽B,则B∽A . 3° 传递性:若A ∽B,B ∽C 则 A ∽C.5.矩阵相似的性质:设A 、B 为n 阶矩阵,若A ∽B ,则 (1) A B =; (2) ()()R A R B =;(3)A 、B 有相同的迹和特征多项式,相同的特征值;(4) A ,B 或者都可逆或者都不可逆. 当A ,B 都可逆时,1A -∽1B -;(5)设f (x )= a m x m + a m-1x m -1 + … + a 1x + a 0 为一个多项式,则 f (A )∽ f (B ) ;6.n 阶矩阵A 相似对角化的条件(1)n 阶矩阵A 与对角矩阵Λ相似的充分必要条件是A 有n 个线性无关的特征向量. (2)n 阶矩阵A 与对角阵相似的充要条件是A 的每个k 重特征值λ恰好对应有k 个线性无关的特征向量.注(1)与单位矩阵相似的 n 阶矩阵只有单位阵 E 本身,与数量矩阵 kE 相似的 n 阶方阵只有数量矩阵 kE 本身(2)有相同特征多项式的矩阵不一定相似。

7.n 阶矩阵A 相似对角化的方法(1)解特征方程0E A λ-=,求出A 的全部特征值,12,,s λλλ,设i λ是i n 重根(1,2,)i s =(2)对每个特征值i λ,解齐次线性方程组()0i E A X λ-=,求得基础解系12,,,i i i in X X X ;(3)令可逆矩阵1211121,21222,12(,,,,,,,,,,)s n n s s sn P X X X X X X X X X = 则111ss P AP λλλλ-⎛⎫ ⎪ ⎪ ⎪=⎪⎪⎪ ⎪ ⎪⎝⎭8.实对称矩阵的特征值和特征向量8.1实对称矩阵的特征值和特征向量的性质 (1) 实对称矩阵的特征值都是实数(2) 实对称矩阵的不同特征值对应的特征向量是正交的(3) 对于任意一个n 阶实对称矩阵A ,都存在一个n 阶正交矩阵Q ,使得1TQ AQ Q AQ-=为对角阵用正交变换法化实对称阵为对角阵的步骤1) 解特征方程0A E λ-=求出对称阵A 的全部的特征值(根),12,,s λλλ,设i λ是in 重根(1,2,)i s =;2)对每个特征值i λ,解齐次线性方程组()0i E A X λ-=,求得基础解系12,,,ii i in X X X3)将基础解系12,,,i i i in X X X 正交单位化,得正交 单位向量组12,,,i i i in ηηη4)令可逆矩阵1211121,21222,12(,,,,,,,,,)s n n s s sn Q ηηηηηηηηη=则 111Tss Q AQ Q AQ λλλλ-⎛⎫ ⎪ ⎪ ⎪==⎪⎪⎪ ⎪ ⎪⎝⎭二.重点难点⒈ 矩阵的特征值和特征向量矩阵的特征值与特征向量的定义、性质与求法;矩阵的特征值与迹、矩阵行列式的关系. 2. 相似矩阵与矩阵对角化矩阵对角化的必要条件与充分条件;矩阵对角化的判定与对角化的方法;矩阵对角化的应用.3. 实对称矩阵的对角化实对称矩阵的特征值与特征向量的性质,实对称矩阵正交相似于对角阵的化法.三.学习要求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,掌握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.掌握实对称阵化为正交相似对角阵的方法.四.典型题分析例1 设A 是四阶矩阵,已知30,2,0.T E A AA E A +==<则A 的伴随矩阵*A 的一个特征值是___________分析:考虑根据30E A +=可得A 的一个特征值,再根据A 与其伴随矩阵*A 的关系即可求解.解 由于30E A +=,于是有3λ=-是A 的一个特征值. 又由于22,0,164TAA E A A A =<==-所以易知 由*AA A E =,所以3λ=-是A 的一个特征值,则Aλ是*A 的特征值,因此*A 的一个特征值是43Aλ=例2 已知三阶矩阵A=00110100x ⎛⎫ ⎪⎪ ⎪⎝⎭有三个线性无关的特征向量,则参数x =____________分析 三阶矩阵A 有三个线性无关的特征向量,则A 可以对角化,可通过先求特征根中的重根再代入即可求得x 解 矩阵A 的特征多项式为20110(1)(1)1E A xλλλλλλ--=--=+--解得矩阵A 的特征值为1231,1λλλ=-==因为A 有3个线性无关的特征向量,所以A 可以对角化,则其二重根1λ=有两个线性无关的特征向量。

于是(1)321R A E -⋅=-=,对1A E -⋅作初等变换,有10110100001010000A E x x x --⎛⎫⎛⎫ ⎪ ⎪-=-→- ⎪ ⎪⎪ ⎪-⎝⎭⎝⎭=解得 例3 设矩阵 A 、B 均为n 阶矩阵,则矩阵A 与B 相似的充分条件是: (A) A 与B 有相同的特征值. (B) A 与B 有相同的特征向量. (C) A 与B 和同一矩阵相似.(D)k A 与k B 相似.分析 A 与B 有相同的特征值不一定相似,因为不一定能找到可逆矩阵P ,使1P AP B -=( B ) 显然,易举反例 (C )由相似的传递性可知正确(D )举反例:设0011,0011A B -⎛⎫⎛⎫== ⎪ ⎪-⎝⎭⎝⎭220,0A B ==显然22A B 与相似,但是矩阵A 与B 不相似解 选(A)例4设矩阵156310ac A c a -⎛⎫ ⎪= ⎪ ⎪--⎝⎭,其行列式1A =-,又A 的伴随矩阵*A 有一个特征值0λ,属于0λ的一个特征向量为(1,1,1)T α=--,求0,,,a b c λ的值 .分析 本题可根据特征值和特征向量的定义求得未知参数.解 根据题设可得:*0A αλα=两边同时左乘A 得 :*0AA A αλα= 即00A E A A αλαλαα=⇒=-所以有011153111011a c b c a λ---⎛⎫⎛⎫⎛⎫⎪⎪ ⎪-=-- ⎪⎪ ⎪ ⎪⎪ ⎪--⎝⎭⎝⎭⎝⎭由此可得:000(1)1(53)1(1)1a c b c a λλλ-++=⎧⎪--+=⎨⎪-+-=-⎩解得:01,3,b a c λ==-=由于1,A a c =-= 又得:2a c == 因此:01,3,2b a c λ==-==例5:设矩阵1114335A x y -⎛⎫ ⎪= ⎪ ⎪--⎝⎭,已知A 有3个线性无关的特征向量,2λ=是A 的二重特征值,试求可逆矩阵P ,使得1P AP -为对角阵.分析 根据A 有3个线性无关的特征向量,2λ=是A 的二重特征值,代入E A λ-,即可求出A 中未知参数。

解 因为A 有3个线性无关的特征向量,2λ=是A 的二重特征值,所以A 的属于2λ=的线性无关的特征向量必有2个 ,故秩 (2)1R E A -=即:111111202333000x y x x y --⎛⎫⎛⎫ ⎪ ⎪---→--- ⎪ ⎪ ⎪ ⎪-⎝⎭⎝⎭于是解得:2,2x y ==-矩阵111242335A -⎛⎫⎪=- ⎪ ⎪--⎝⎭先求A 的特征值: 2111242(6)(2)335A E λλλλλλ---=--=------ ()21111112222000333000A E λ=---⎛⎫⎛⎫ ⎪ ⎪-=-→ ⎪ ⎪⎪ ⎪--⎝⎭⎝⎭将代入特征矩阵得:12111001ξξ⎛⎫⎛⎫ ⎪⎪=-= ⎪⎪ ⎪ ⎪⎝⎭⎝⎭解得:()365111106222001331000123A E λξ=---⎛⎫⎛⎫⎪ ⎪-=--→ ⎪ ⎪ ⎪ ⎪---⎝⎭⎝⎭⎛⎫ ⎪=- ⎪⎪⎝⎭将代入:解得:最后解得可逆矩阵:11112102,20136P P AP -⎛⎫⎛⎫ ⎪ ⎪=--= ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭例6设n 阶矩阵⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=111 b b b b b b A .(Ⅰ) 求A 的特征值和特征向量;(Ⅱ) 求可逆矩阵P , 使得AP P 1-为对角矩阵. 解 (Ⅰ)1当0≠b 时,111||---------=-λbbb λb b b λA E λ=1)]1(][)1(1[------n b λb n λ ,得A 的特征值为b n λ)1(11-+=,b λλn -===12 . 对b n λ)1(11-+=,⎪⎪⎪⎪⎪⎭⎫ ⎝⎛---------=-b n b b b b n b b b b n A E λ)1()1()1(1 →⎪⎪⎪⎪⎪⎭⎫ ⎝⎛---------)1(111)1(111)1(n n n→⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛------------0000111111111111 n n n 123n r r r r ++++⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛---------0000111111111111n n n →⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛---000000001111n n n n n →⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛---0000110010101001解得Tξ)1,,1,1,1(1 =,所以A 的属于1λ的全部特征向量为 Tk ξk )1,,1,1,1(1 = (k 为任意不为零的常数). 对b λ-=12,⎪⎪⎪⎪⎪⎭⎫ ⎝⎛---------=-b b b b b b b b b A E λ 2→⎪⎪⎪⎪⎪⎭⎫ ⎝⎛000000111 得基础解系为T ξ)0,,0,1,1(2 -=,T ξ)0,,1,0,1(3 -=,T n ξ)1,,0,0,1(,-= .故A 的属于2λ的全部特征向量为n n ξk ξk ξk +++ 3322 (n k k k ,,,32 是不全为零的常数).2 当0=b 时,n λλλλA E λ)1(1010001||-=---=-,特征值为11===n λλ ,任意非零列向量均为特征向量.(Ⅱ)1当0≠b 时,A 有n 个线性无关的特征向量,令),,,(21n ξξξP =,则⎪⎪⎪⎪⎪⎭⎫ ⎝⎛---+=-b b b n AP P 11)1(112 当0=b 时,E A =,对任意可逆矩阵P , 均有E AP P =-1.【注】本题通过考查矩阵的特征值和特征向量而间接考查了行列式的计算, 齐次线性方程组的求解和矩阵的对角化等问题, 属于综合性的题. 另外,本题的解题思路是容易的, 只要注意矩阵中含有一个未知参数, 从而一般要讨论其不同取值情况.例7设12,λλ是n 阶矩阵A 的两个不同的特征值,12,αα是A 的属于12,λλ的特征向量,试证明12αα+不是A 的特征向量.分析 该结论用定义即可证明,为叙述方便运用反证法.证明 用反证法。

相关文档
最新文档