线性代数第五章课件,数学
合集下载
线性代数PPT全集

a31 a32 b3
a11 a12 a13 D a21 a22 a23
a31 a32 a33
a11 a12 b1 D3 a21 a22 b2 .
a31 a32 b3
则三元线性方程组的解为:
b1 a12 a13 D1 b2 a22 a23 ,
b3 a32 a33
a11 b1 a13 D2 a21 b2 a23 ,
Pn = n (n–1) (n–2) ··· 2 1 = n!
二、排列的逆序数
我们规定各元素之间有一个标准次序. 以 n 个不同的自然数为例, 规定由小到大 为标准次序.
定义: 在一个排列 i1 i2 ···is ···it ···in 中, 若数 is>it, 则称这两个数组成一个逆序.
它的特点是研究的变量数量较多,关系复杂,方法上 既有严谨的逻辑推证、又有巧妙的归纳综合,也有繁 琐和技巧性很强的数字计算,在学习中,需要特别加 强这些方面的训练。
第一章 行列式 第二章 矩阵及其运算 第三章 矩阵的初等变换
及线性方程组
第四章 向量组的线性相关性
第五章 相似矩阵及二次型
基础 基本内容
a13 x3 a23 x3
b1 , b2 ,
a31x1 a32 x2 a33 x3 b3;
的系数行列式
a11 a12 a13 D a21 a22 a23 0,
a31 a32 a33
aa2111xx11
a12 x2 a22 x2
a13 x3 a23 x3
(2)a12:
a12a21x1 + a12a22x2 = b2a12,
两式相减消去x2, 得 (a11a22 – a12a21) x1 = b1a22 – b2a12;
线性代数5-6

第五章 相似矩阵与二次型
山东理工大学
定义1:设 f X T AX ( AT A)为实二次型,如果对任意n 维列向量 X 0,都有 f X T AX 0,则称 f X T AX 为正定二次型,并称实对称矩阵A为正 定矩阵,对任意n维列向量 X,f X T AX 0,则 称 f X T AX 为半正定二次型,并称实对称矩阵A
推论1:实对称矩阵A为正定的充分必要条件A的特征值全为 正。
推论2:实二次型 f X T AX 为正定的充分必要条件是它的 规范标准型为 f y12 y22 L yn2 。 推论3:实对称矩阵A为正定则 A 0。
用行列式来判别一个矩阵(或二次型)是否正定也是一种 常用的方法,设A为n阶对称矩阵,由A的前k行k列元素构 成的k阶行列式
定理3:实二次型 f X T AX 为负定的充分必要条件它的矩
阵A的所有奇数顺序主子式小于零,偶数阶顺序主子式大于 零。
a11 a12 L a21 a22 L MM
a1k
a2k k 1,2,L , n .
M
Hale Waihona Puke ak1 ak 2 L akk
称为矩阵 A aij 的k阶顺序主子式
定理2:实二次型 f X T AX 为正定的充分必要条件它的矩
阵A的所有顺序主子式大于零。
例1 判别下列二次型的正定性。
f 3x12 4x1x2 4x22 4x2 x3 5x32 .
定义2:设 f X T AX ( AT A)为实二次型,如果对任意n 维列向量 X 0,都有 f X T AX 0,则称 f X T AX 为负定二次型,并称实对称矩阵A为负 定矩阵,对任意n维列向量 X,f X T AX 0,则 称 f X T AX 为半负定二次型,并称实对称矩阵A
山东理工大学
定义1:设 f X T AX ( AT A)为实二次型,如果对任意n 维列向量 X 0,都有 f X T AX 0,则称 f X T AX 为正定二次型,并称实对称矩阵A为正 定矩阵,对任意n维列向量 X,f X T AX 0,则 称 f X T AX 为半正定二次型,并称实对称矩阵A
推论1:实对称矩阵A为正定的充分必要条件A的特征值全为 正。
推论2:实二次型 f X T AX 为正定的充分必要条件是它的 规范标准型为 f y12 y22 L yn2 。 推论3:实对称矩阵A为正定则 A 0。
用行列式来判别一个矩阵(或二次型)是否正定也是一种 常用的方法,设A为n阶对称矩阵,由A的前k行k列元素构 成的k阶行列式
定理3:实二次型 f X T AX 为负定的充分必要条件它的矩
阵A的所有奇数顺序主子式小于零,偶数阶顺序主子式大于 零。
a11 a12 L a21 a22 L MM
a1k
a2k k 1,2,L , n .
M
Hale Waihona Puke ak1 ak 2 L akk
称为矩阵 A aij 的k阶顺序主子式
定理2:实二次型 f X T AX 为正定的充分必要条件它的矩
阵A的所有顺序主子式大于零。
例1 判别下列二次型的正定性。
f 3x12 4x1x2 4x22 4x2 x3 5x32 .
定义2:设 f X T AX ( AT A)为实二次型,如果对任意n 维列向量 X 0,都有 f X T AX 0,则称 f X T AX 为负定二次型,并称实对称矩阵A为负 定矩阵,对任意n维列向量 X,f X T AX 0,则 称 f X T AX 为半负定二次型,并称实对称矩阵A
线性代数课件--5.1向量空间基本概念

R( A) {v | v c1a1 c2a2 cnan , c1, 2 , , n R} c c
可等价写成
R( A) {v | v Ax,x Rn }
对一般线性代数方程组成立如下定理 定理 m n线性代数方程组Ax=b相容的充要 条件是
b R( A)
1 1 1 1 1 0 3 2 1 2 1 0 r 0 1 2 1 B ~ 0 0 0 0 2 1 4 3 2 3 0 1 0 0 0 0 所以r(A)r(B) 因此向量b能由 向量组a1 a2 a3线性表示
x1a1 x2a2 xnan b
a1 ,a2 ,… ,an 的线性组合 则方程组有解的条件是 b 可作为
定义 若干个同维数的列向量(行向量)所组成的集
合称为向量组. 有限向量组
a11 A34 a21 a 31
a12 a22 a32
a13 a23 a33
a14 , , , a24 1 2 3 4 a34
因此
b R( A)
r ( A) r ( A)
例
试证m n齐次线性代数方程组Ax=0
的解集依向量线性运算法则是Rn的子空间. 解 已知齐次线性代数方程组的解集非空,
若记此解集为N(A), 则显然有
1. 若 x1 N ( A),即 Ax1 0, 则对任意常数 c , 必 A(cx1 ) cAx1 c0 0 ,即 cx1 N ( A) ; 2. 若 x1 N ( A), x2 N ( A), 即 Ax1 0, Ax2 0, 则必
为讨论,先将方程组改写成向量形式
1 0 b1 x1 5 x 2 4 b2 记为 x1a1 x2 a2 b 2 4 b3
线性代数同济六版共五章全课件-PPT

b11 b12 b1n
D1
b21
b22
b2 n
,
bn1 bn2 bnn
其中,当 k≠ i , j 时, bkp = akp ;当 k = i , j 时,bip = ajp,, bjp = aip ,
于是
D (1) 1
t(
pppp )
1
i
j
n
b1
p1
bipi
bjpj
bnpn
(1)
t(
经对换1与4 得排列 53412
求这两个排列的逆序数. 解 t(5314 2) = 0+1+2+1+3=7
t(53412) = 0+1+1+3+3=8
练习
1. 选择 i 与 k 使 (1)2 5 i 1 k 成偶排列; (2)2 5 i 1 k 成奇排列.
2. a14a21a33a44和a12a43a31a24是否为四阶行列式中项 的,
易知,向量组与它的最4大无关组是等价的.
m×s s×n m×n
例 7 向量组
例5 n 阶行列式 我们也可以证明,如果把矩阵 A 的第 j 行的 k 倍加到第 i 行
为矩阵 A 的秩,矩阵 A 的秩记成 R(A).
假设 r > s, 看齐次线性方程组
一般来说,向量组的最大无关组不是唯一的.
若 x1 = c1 , x2 = c2 , ……, xn = cn 是 ⑴ 的解,记1
一元一次方程 ax = b
一元二次方程 二元 、三元线性方程组
行列式 矩阵及其运算 矩阵的初等变换与线性方程组 向量组的线性相关性 矩阵的特征值和特征向量
第一章 行列式
5-2(线性代数 第五章)【VIP专享】

(x12 4x1x2 2x1x3) 2x22 3x32 8x2x3
(x1 2x2 x3)2 2(x22 2x2x3) 2x32
(x1 2x2 x3)2 2(x2 x3)2 4x32
令
y1
x1
2x2
x3
y2
x2 x3
y3
x3
即
y1 1 2 1 x1
1 1 0 1 0 1 z1
1
1
0
0
1
1
z2
0 0 1 0 0 1 z3
1 1 0 z1
1
1
2
z2
0 0 1 z3
方法总结
(1)如果二次型 f 中含有变量 xi 的平方项,则 先把含有 xi 的项集中,按 xi 配方,然后按 此法对其他变量逐步配方,直至将 f 配成 平方和形式
例2 用正交变换法将二次型
f x1, x2, x3 x12 2x12 2x32 4x1x3
化为标准型,并写出所用的正交变换. 解 二次型矩阵为
1 0 2
A
0
2
0
2 0 2
求A的特征值:
1 0 2
AE 0 2 0 22 6
2 0 2
22 3
则A的特征值为 1 2 2, 3 3
求A属于 1 2 2 的特征向量,求解齐次线性方程组
A 2E x 0
其一个基础解系
0
1
1
,
0
2
2
0
1
显然 a1, a2 正交,再单位化得
0
1
1
,
0
2 5
5
2 0
5 5
求 3 3的单位特征向量,即求解其次方程组
(x1 2x2 x3)2 2(x22 2x2x3) 2x32
(x1 2x2 x3)2 2(x2 x3)2 4x32
令
y1
x1
2x2
x3
y2
x2 x3
y3
x3
即
y1 1 2 1 x1
1 1 0 1 0 1 z1
1
1
0
0
1
1
z2
0 0 1 0 0 1 z3
1 1 0 z1
1
1
2
z2
0 0 1 z3
方法总结
(1)如果二次型 f 中含有变量 xi 的平方项,则 先把含有 xi 的项集中,按 xi 配方,然后按 此法对其他变量逐步配方,直至将 f 配成 平方和形式
例2 用正交变换法将二次型
f x1, x2, x3 x12 2x12 2x32 4x1x3
化为标准型,并写出所用的正交变换. 解 二次型矩阵为
1 0 2
A
0
2
0
2 0 2
求A的特征值:
1 0 2
AE 0 2 0 22 6
2 0 2
22 3
则A的特征值为 1 2 2, 3 3
求A属于 1 2 2 的特征向量,求解齐次线性方程组
A 2E x 0
其一个基础解系
0
1
1
,
0
2
2
0
1
显然 a1, a2 正交,再单位化得
0
1
1
,
0
2 5
5
2 0
5 5
求 3 3的单位特征向量,即求解其次方程组
线性代数第五章

1.内积 2.向量旳范数 3.许瓦兹不等式
x x1 , x2 , , xn T , y y1 , y2 , , yn T
称 xT y x1 y1 x2 y2 xn yn
为向量 x与 y 旳内积,记为 x , y.
2
内积满足下列运算规律:
⑴ x, y y, x
⑵ kx , y kx ,y
15
三.正交矩阵与正交变化
1. 正交矩阵
1.正交矩阵 2.正交变换
定义5.2 假如 n阶方阵 A 满足AT A I
则称 A 为正交矩阵.
定理5.3 假如 A , B均为 n 阶正交矩阵,
那么:⑴ A1 AT
⑵ AT 即 A1 为正交矩阵
⑶
1 2
A A
A A
为
2n
阶正交矩阵
⑷ AB,BA 都是正交矩阵
8
定理5.2 若 1 , 2 , , r为 n 维正交向
量组,且 r n ,则必有非零 n 维向量 x , 使 x 与 1 , 2 , , r 两两正交.
推论:对 rr n个两两正交旳 n 维非零向量,总
能够添上 n r个 n 维非零向量,使 n 个向
量两两正交,从而这 n 个向量就构成了向量空
第五章 特征值 特征向量 二次型
第一讲 正交向量组与正交矩阵 第二讲 方阵旳特征值与特征向量 第三讲 相同矩阵与实对称矩阵旳对角化 第四讲 二次型及其原则形 第五讲 惯性定理和正定二次型 第六讲 习题课
1
第一讲 正交向量组与正交矩阵
一.向量旳内积与许瓦兹
(Schwarz)不等式
1.内积
内积定义:对 n维列向量
19
第二讲 方阵旳特征值和特征向量
1.定义
第5章_线性代数PPT课件

9/16
2、符号矩阵的其他运算 (1)转置运算:transpose >> B=sym('[a,b;c,d]'); >> B' [ conj(a), conj(c)] [ conj(b), conj(d)]
>> transpose(B) [ a, c] [ b, d]
10/16
(2)行列式运算:det(A) (3)求逆运算:inv(A)或A^(-1) (4)求秩运算:rank(A) (5)求特征值运算:[V,D]=eig(A) >> A=sym('[1,2;3,4]') >> eig(A)
(7)约当标准型运算:[B,C]=jordan(A)
12/16
3、符号代数线性方程(组)的求解 例:求解方程ax2 bx c 0。
>> f='a*x^2+b*x+c'; >> solve(f) ans = [ 1/2/a*(-b+(b^2-4*a*c)^(1/2))] [ 1/2/a*(-b-(b^2-4*a*c)^(1/2))]
8/16
四、符号矩阵运算
1、符号矩阵的四则运算 符号矩阵的四则运算与幂运算可直接用:
+、-、*、.*、/、./、\、.\、^、.^实现。
>> B=sym('[a,b;c,d]'); >> C=sym('[x,y;z,w]'); >> B*C ans = [ a*x+b*z, a*y+b*w] [ c*x+d*z, c*y+d*w]
7 10 A * A 15 22
2、符号矩阵的其他运算 (1)转置运算:transpose >> B=sym('[a,b;c,d]'); >> B' [ conj(a), conj(c)] [ conj(b), conj(d)]
>> transpose(B) [ a, c] [ b, d]
10/16
(2)行列式运算:det(A) (3)求逆运算:inv(A)或A^(-1) (4)求秩运算:rank(A) (5)求特征值运算:[V,D]=eig(A) >> A=sym('[1,2;3,4]') >> eig(A)
(7)约当标准型运算:[B,C]=jordan(A)
12/16
3、符号代数线性方程(组)的求解 例:求解方程ax2 bx c 0。
>> f='a*x^2+b*x+c'; >> solve(f) ans = [ 1/2/a*(-b+(b^2-4*a*c)^(1/2))] [ 1/2/a*(-b-(b^2-4*a*c)^(1/2))]
8/16
四、符号矩阵运算
1、符号矩阵的四则运算 符号矩阵的四则运算与幂运算可直接用:
+、-、*、.*、/、./、\、.\、^、.^实现。
>> B=sym('[a,b;c,d]'); >> C=sym('[x,y;z,w]'); >> B*C ans = [ a*x+b*z, a*y+b*w] [ c*x+d*z, c*y+d*w]
7 10 A * A 15 22
线性代数 第5章方程组52PPT课件

100,
, 100.
分别代入上述方程组依次得:
x x x1 2 r b b b 12 r111, b b b 1 r2222, b b b1 2 r,,,n n n rrr.
从而求得原方程组的 n–r个解向量:
1
b
b b
11 21
r1
,
1
0
0
2
b
b b
12 224 30 0来自0031 ~ 0001
0 1 0 0
2 1
0 0
1 3 0 0
0021
得xx21
2x3 4x4 2x5 x3 3x4 x5
,令
x x
3 4
x5
1 0 0
,
0 1 0
,
0 0 1
.
所以原方程组的一个基础解系为:
1
1 1 0
2
,
2
0 1
A
~
10 00
0 1
0 0
b11 br1
0 0
b1,nr
br ,nr
0 0
则Ax = 0 x1 b11x r1 b1,n rxn. xr br1xr1br,nrxn
现对( xr+1, ···, xn )T 取下列 n–r 组数(向量):
xxxrrn12100,
1 3
,
3
2 1 0 0
.
0
0
1
故原方程组的通解为:
x = k11 + k22 + k33 , 其中k1, k2, k3 R.
例3: 设AmnBnl = Oml , 证明R(A)+R(B) n. 证明: 设B =(b1, b2, ···, bl ), 则
- 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、"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、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)。
解 已知A有3个互异特征值,由定理 5.2.3的推论可知,A可对角化, 即有可逆阵 P使
1 1 P AP 1 2
由于
1 1 1 3 1 1 1 P A P P AP P AP P AP 1 1 2 8
证 必要性上面已经证明.下面证充分 性.设A有n个线性无关的特征向量α1α2,…, αn,分别属于特征值λ1,λ2,…,λn,则有
A i i i
i 1,2, , n
以α1,α2,…,αn为列向量作矩阵P , 则P可逆,且
AP ( A1 , A 2 , , A n )
(11 , 2 2 , , n n )
1 1 a b a b 1 0 0 1 c d c d 0 2
比较两边元素有
a c a1 a d b 2 c c1 d d2
由于P可逆,c,d不能同时为0,不妨 设c≠0,则有λ1=1,再由第一式有c=0,这 导致矛盾.此矛盾说明不可能存在可逆阵P 使P-1AP成对角形.即A在复数域C上不能对 角化 。
1 1 A 0 1
则A在复数域上不能对角化. 证 设若不然,则存在可逆矩阵
a b P c d
使 即
1 0 P AP 0 2
1
,λ1 , λ2∈P. 于是
1 0 AP P 0 2
1 ( 1 , 2 ,, n )
2
, n
即
1 P 1 AP
2
. n
从而A可相似对角化. 证毕. 推论 若n阶矩阵A在数域P中有n个不同 的特征值,则A可对角化. 证 设 λ1,λ2,…,λn∈P是A的n个不 同的特征值.α1,α2,…,αn是分别属于它 们的特征向量,由定理5.1.4可知
α1,α2,…,αn线性无关,从而由定 理5.2.3,A可相似对角化.
由例5.2.1可以看到,并非任何矩阵都 可相似对角化,这个推论给出的只是方阵 相似于对角形矩阵的一个充分条件,但不 是必要条件.
定理5.23说明,一个n阶方阵是否可以 相似对角化,在于它是否有n个线性无 关的特征向量。如果A的特征值都是单 根,因为属于不同特征值的特征向量 是彼此线性无关的,这时A有n个线性 无关的特征向量,从而A可以对角化。 如果A有重根,注意到属于A的不同特 征值的线性无关的特征向量组成的向
= P-1A-1P,即A-1∽B-1. 证毕。 定理5.2.2 相似的矩阵有相同的特 征多项式,从而有相同的特征值. 证 设A∽B,则有可逆阵P使P-1AP=B, 从而
E B E P AP P (E A) P
1 1
P
1
E A P P P E A E A
相似矩阵的下述性质,称为相似不变性。
定理5.2.1 设A∽B,则有 (1) R(A)= R(B),此处R(A),R(B)分 别是A、B的秩; (2) A B ; (3) A可逆时B也可逆,反之亦然.当A 可逆时还有A-1∽B-1. 证 (1)和(2)是显然的,只证(3).
由于|A|=|B|,故|A|≠0时|B|≠0,即A可 逆时B也可逆,反之亦然. 且B-1 = (P-1AP)-1
故B可对角化, 且B的特征值为-2, 4, 13.由定 理5.2.1可知,
2 B 4 13 104
例5.2.4 设三阶方阵A,4E-A,A+5E 都不可逆,问A是否可对角化,写成其对角 阵。 解 因为A,4E-A,A+5E都不可逆, 所以|A|=|4E-A|=|A+5E|=0,从而A有三个 不同特征值0,4,-5,由定理5.2.3的推论 可知,A可相似对角化。
1
这样,A与B有相同特征多项式.从而 有相同的特征值. 证毕. 应该指出,定理5.2.2的逆是不成立 的.特征多项式相同的矩阵未必是相似的. 如
1 0 A 0 1 , 1 1 B 0 1
E A E B 1
,但A与B不是相似 的,因为A是单位阵,而与单位阵相似 的矩阵只能是其本身.
§5.2 矩阵的相似对角化
• 5.2.1 • 5.2.2 相似矩阵 矩阵的相似对角化
5.2.1 相似矩阵
定义5.2.1 设A、B为两个n阶矩阵, 若存在n阶可逆阵P使
P AP B
称矩阵A与B相似,记为A∽B。 用可逆矩阵P对A作运算P-1AP,称为 对矩阵A进行一次相似变换. 相似是矩阵之间的一种关系.这种关 系满足下面三个性质:
第二步: 若 次因式之积
f ( ) 在数域P上可分解为一
t
f ( ) ( 1 ) r1 ( 2 ) r2 … ( t ) r ,
1 , 2 ,, t P,则 1 , , t 就是A的全部特
征值; 第三步: 对每个特征值λi,求方程组 (λiE-A)X =0的基础解系,得到属于λi的所有 线性无关特征向量. 如果这些特征向量的总 个数等于n,则A可对角化,否则不能对角 化; 第四步: 若方阵A的线性无关特征向量
1
(1) 反身性: 对任意n阶方阵A,有A∽A;
(2) 对称性: 若A∽B,则B∽A; (3) 传递性: 若A∽B,且B∽C,则A∽C. 矩阵的相似还具有以下运算性质: (1) 若P-1A1P = B1,P-1A2P = B2,
则 P-1 (A1+ A2)P = B1+ B2; (2) 若A∽B,则kA∽kB, k为常数, k∈P成立;
全体有n个,设为α1,α2, …,αn,令P=(α1, α2,…,αn),则P-1AP为对角阵,且主对角 线上元素等于αi (i=1, 2,…, n)对应的特征值. 注意,前面所说的对角化总是对数域 P上而言的,矩阵是否可对角化是与所在 数域有关的. 对于没有明确指出所在数域 的矩阵A,一般认为是在复数域上讨论的.
向量组是线性无关的,那么只有属于 它的每个重根的线性无关的特征向量个数 和该特征值的重数相等时,它才有n个线 性无关的特征向量,这时A才可对角化。 将数域P上n阶矩阵A相似对角化的步骤归 纳如下。 第一步: 求特征多项式 f ( ) E A ,若 f ( )在数域P上不能分解为一次因式 之积,则A不能对角化;
(5.2.1)
由于P可逆,则α1,…,αn线性无关.
因此,要使A可对角化,A必须有n个线性
无关的特征向量,而与A相似的对角形矩
阵中的λi(i=1, …,n)则是A的特征值.
以上分析说明,矩阵A是否可对角化,
与A的特征值、特征向量的状况有密切关系. 定理5.2.3 n阶矩阵A可相似对角化 的充分必要条件是A有n个线性无 5
令
则
2 1 0 P (1 , 2 , 3 ) 1 0 1 0 1 1
1 1 1 P AP 1 1 2 3
例5.2.3 已知三阶矩阵A在实数域R上有 3个不同特征值-1, 1, 2,矩阵B=A3+2A+E, 问B在实数域上是否可对角化? 并求|B|.
如何寻找可逆方程阵P使P-1AP= B成为对
角阵呢? 这就是下面要讨论的问题.
定义5.2.2 设A是数域P上的n阶方阵.
如果存在P上可逆阵P,使得
1 2 1 P AP , i P, i 1,2,, n n 则称A是可相似对角化的方阵,简称 为A为可对角化. 下面的例子说明,并非所有方阵都能对角化. 例5.2.1 取复数域C上的二阶矩阵:
3
2 1 1 P 2 AP 2 P AP 2 4
则
P 1 BP P 1 A3 2 A E P P 1 A3 P 2P 1 AP E
1 2 1 2 1 2 1 4 8 4 1 13
(3) 若P-1A1P = B1 , P-1A2P = B2,则P1A A P = P-1A PP-1A P = B B .特别,若 1 2 1 2 1 2 A∽B,则Ak∽Bk,k为正整数; (4) 若A∽B,f (x)是一个多项式,则f (A)∽f (B). 以上运算性质可以用来简化矩阵的计
算.
2
由定理5.2.2可知,相似的矩阵有相同
特征值.如果能找到与A相似的较简单的矩 阵,则可简化许多问题的处理.在n阶矩阵 中,对角矩阵是比较简单的矩阵.那么一个 矩阵什么情况下能相似于对角矩阵呢? 下 面讨论这一问题.
5.2.2 矩阵的相似对角化 给定n阶方阵A,怎样在A相似的所有
方阵中找出一个最简单的方阵? 换言之,
1 2 A( 1 , 2 ,, n ) ( 1 , 2 ,, n ) , n
即
A1 , A 2 ,, A n 11 , 2 2 ,, n n
从而
A i i i i 1,2, , n
无关特征向量为
2 1 1 , 0 1 2 0 1
属于特征值3的特征向量为 0 3 1 1 由定理5.1.6可知,α1,α2,α3线性无关。 A为三阶矩阵,它有三个线性无关的特征
向量,故A可对角化。
那么,什么样的矩阵是可以对角化 的呢? 如果A可相似对角化,则存在可逆阵 P使
1 1 P AP
2
, n
从而有
1 AP P
2
. n
记α1,α2,…,αn为P的列向量,则有
例5.2.2 设
1 0 0 A 2 5 2 2 4 1