第五章 特征值和特征向量 矩阵对角化

合集下载

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

线性代数居余马第5章 特征值与特征向量

线性代数居余马第5章 特征值与特征向量
− 2 2 2 x1 0 − 2 2 2 x = 0 2 2 − 2 − 2 x3 0
5.1.2 特征值和特征向量的性质
定理5.1 若x1, x2 是A属于λ0的两个的特征向量,则 定理 k1x1+ k2x2也是A属于λ0的特征向量(其中 k1, k2是任意常数, 但 k1x1+ k2x2 ≠0 )。 证: x1,x2 是齐次线性方程组(λI− A) x=0的解,所以, , , k1x1+ k2x2 也是(λI− A) x=0 的解,故当 k1x1+ k2x2 ≠0 时,也是A的属于λ0 的特征向量。 (λ I− A) x=0的解空间 解空间称为A的关于λ的特征子空间 特征子空间,记作Vλ 。 解空间 特征子空间 dimVλ=n −r (λI− A)
λ1 λ2 A( x1 , x2 ,L, xn ) = ( x1 , x2 ,L, xn ) O λn
(1)
(2)

A xj = λj x j ( xj≠0, j=1,2,L,n)
(3)
即x1, x2,L, xn是A的n个线性无关的特征向量(因为P可逆,所以 x1, x2,L, xn线性无关)。必要性得证。
性质2 性质 矩阵A和AT的特征值相同。 证: det(λI− A) =det (λ I − A)T = det ((λ I)T−AT)= det (λ I − A T) *定理 定理5.3 设A是n阶矩阵,若 定理
∑a
i =1
n
ij
< 1 ( j = 1, 2 , L , n )
∑a
j =1
n
ij
i =1 i =1
− a12 L − a1n − a22 L − a2 n = ( −1) n A , 即 c = ( −1) n A n L L L − an 2 L − ann

【学习】线性代数学习指导第五章矩阵的特征值与特征向量

【学习】线性代数学习指导第五章矩阵的特征值与特征向量

【关键字】学习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 设是数域P上的n阶矩阵,若对于数域P中的数,存在数域P上的非零n维列向量X,使得则称为矩阵A的特征值,称X为矩阵A属于(或对应于)特征值的特征向量注意:1)是方阵;2)特征向量X 是非零列向量;3)方阵与特征值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|E-A|;(2)求出特征方程|E-A|=0的全部根,它们就是矩阵A的全部特征值;(3)设1 ,2 ,… ,s 是A的全部互异特征值。

对于每一个i,解齐次线性方程组0,求出它的一个根底解系,该根底解系的向量就是A属于特征值i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i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属于特征值的特征向量,则kX()也是A属于的特征向量;(2)若是矩阵A属于特征值的特征向量,则它们的非零线性组合也是A属于的特征向量;(3)若A是可逆矩阵,是A的一个特征值,则是A—1的一个特征值,是A*的一个特征值;(4)设是n阶矩阵A的一个特征值,f(x)= amxm + am-1xm-1 + … + a1x + a0为一个多项式,则是f(A)的一个特征值。

性质2(1)(2)性质3 n阶矩阵A和它的转置矩阵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) ; (2) ;(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,∽;(5)设f (x )= amxm + am-1xm-1 + … + a1x + a0 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。

特征值问题与对角化

特征值问题与对角化

特征值问题与对角化一、特征值问题的基本概念在线性代数中,矩阵的特征值问题是一个重要的概念。

特征值可以用来描述矩阵在某个方向上的伸缩因子,它对应着一个特征向量,表示在该方向上的不变性。

解决特征值问题的方法之一是对角化,即将矩阵转化为对角矩阵的形式,便于进一步运算和分析。

二、特征值问题的定义设A是一个n阶矩阵,如果存在一个非零向量x,使得Ax=λx,其中λ是一个常数,那么λ称为A的特征值,x称为相应于特征值λ的特征向量。

特征值问题可以表示为方程det(A-λI)=0,其中I是单位矩阵。

三、特征值的性质1. 特征值的个数等于矩阵的秩,而特征向量的个数等于矩阵的阶数。

2. 特征值和特征向量与矩阵的行变换、列变换都无关。

3. 相似矩阵具有相同的特征值,但特征向量可能不同。

四、对角化的概念对角化是指将一个矩阵转换为对角矩阵的过程。

如果一个矩阵A可以相似对角化成一个对角矩阵D,即存在一个可逆矩阵P,使得P-1AP=D,那么我们说矩阵A是可对角化的。

五、对角化的条件一个n阶矩阵A可对角化的充分必要条件是它有n个线性无关的特征向量。

具体而言,设λ1,λ2,...,λk是矩阵A的k个不同的特征值,每个特征值λi对应的特征向量集合为Ei,则A可对角化的充分必要条件是E1∪E2∪...∪Ek中有n个线性无关的向量。

六、对角化的步骤1. 求出矩阵A的特征值λ1,λ2,...,λk,以及相应的特征向量集合E1,E2,...,Ek。

2. 检查E1∪E2∪...∪Ek中是否有n个线性无关的向量。

a. 如果不满足线性无关的条件,则矩阵A不可对角化。

b. 如果满足线性无关的条件,则进入下一步。

3. 构造可逆矩阵P,使得P的列向量由E1∪E2∪...∪Ek中的线性无关向量组成。

4. 求出对角矩阵D=P-1AP。

七、特征值问题与对角化的应用特征值问题和对角化在许多领域都有广泛的应用,例如:1. 在物理学中,特征值问题和对角化用于分析量子力学中的波函数和能量问题。

第五章 特征值与特征向量(0808)

第五章 特征值与特征向量(0808)
T
2019/3/31
10
对于 2 3 2而言,求解齐次线性方程组 (2 E A) X 0 即
1 1 1 x1 (2 E A) X 1 1 1 x2 0 1 1 1 x 3
T T
2 3 3
2 A 123 1 ( 3) 2 3
2019/3/31 21
三、特征值与特征向量的性质
m 1 定理5.2 设n阶方阵A有特征值 ,则 kA, A , A , A A m 1 分别有特征值: k , , , ,其中m为正整
A 数, 是A的伴随矩阵。
证明:因为:
E AT E T AT ( E A)T E A
则A与 AT有相同的特征多项式
2019/3/31
15
例4 设n阶方阵A满足 AT A E(为正交矩阵),
则的特征值必为1或 -1 证明:设 为的特征值,且 A ( 0) 对上式两边左乘 AT
这样,寻找F的极值点问题就转化为寻找方程组 (5.1)或(5.2)的非零解的问题。能使方程组 (5.1)或(5.2)有非零的数及相关的非零解, 就是下面要引入的方阵的特征值与特征向量。
定义5.1 设n阶方阵 A (aij )nn (1) E A 称为A的特征矩阵; a11 a12 (2)称 E A
12
n A
(5.7)
2019/3/31
18
证明:注意到A的特征多项式为:
a11 E A
a21 a n1
a12 a22 an 2
a1n a2 n
ann
易知特征多项式中 n与 n1 两项只可能出现在主对 角线的乘积项中,

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

可知 λ1E − A 的秩为 r = 2, 有n − r = 3 − 2 = 1个自由未知量 1 x1 − 3 x3 = 0, 求得它的一个基础解系为 取为 x3 . 由 2 α1 = (1, −2,3)T . x2 + x3 = 0, 3 A 的属于特征值6 的全部特征向量为 k (1, −2,3)T , 所以 k 为任意非零数 为任意非零数. 对于λ2 = 2, 解齐次线性方程组 ( 2 E − A ) X = o, 由 1 1 −1 1 1 −1 −2 −2 2 → 0 0 0 , ( λ2 E − A) = 3 3述, 综上所述,求 n阶矩阵A的特征值与特征向量的步骤: 的全部特征值, 第一步 求 A 的全部特征值,即求特征方程 的全部根; | λE − A|= 0 的全部根; 第二步 的特征向量. 求 A 的特征向量
s
对于每一个特征值 λi,求出齐次线性方程组 求出齐次线性方程组
( λi E − A) X = o的一个基础解系ξ1,ξ2,L,ξs , 那么 X = ∑kiξi i= 1 的全部特征向量, 就是A 的属于 λi 的全部特征向量,其中 k1, k2 ,L, ks为不全
所以 A 的全部特征值为 λ1 = −1, λ2 = 1, λ3 = 3. 利用解齐次线性方程组, 可以求得: 利用解齐次线性方程组 可以求得 A的属于特征值 −1 的全部特征向量为 k1 (1, −1,0)T , 为任意非零数. 其中k1为任意非零数 A的属于特征值 1 的全部特征向量为 k2 (1, −1,1)T , 为任意非零数. 其中k2为任意非零数 A的属于特征值 3 的全部特征向量为 k3 (0,1, −1)T , 其中k3为任意非零数. 为任意非零数 (1, −1,0)T ,(1, −1,1)T ,(0,1, −1)T 线性无关 线性无关. 容易证明 该例中有三个不同的特征值, 注: 该例中有三个不同的特征值 相应的特征向量线 性无关. 性无关

特征值和特征向量矩阵的相似对角化

特征值和特征向量矩阵的相似对角化

特征值和特征向量矩阵的相似对角化在线性代数中,矩阵是一个非常重要的数学对象。

特征值和特征向量则是矩阵中一组与矩阵相互关系紧密的特征。

矩阵的相似对角化是矩阵与特征值、特征向量之间的重要关系。

首先,我们来了解特征值和特征向量的概念。

设A是一个n阶矩阵,若存在一个非零向量X,使得满足AX=λX,其中λ是一个数,则称λ为矩阵A的特征值,X为特征值λ所对应的特征向量。

特征向量表示在进行矩阵变换时,只发生一个标量倍数的变化,特征值则表示这个标量倍数的大小。

接下来,我们来探讨一下矩阵的相似对角化。

对于一个n阶矩阵A,如果存在一个n阶可逆矩阵P,使得P−1AP是一个对角矩阵D,那么就称矩阵A相似于对角矩阵D,即A的相似对角化。

在相似对角化的过程中,矩阵A与D具有相同的特征值,而对角矩阵D的对角线上的元素即为矩阵A的特征值。

要进行矩阵的相似对角化,首先需要求得矩阵A的特征值和特征向量。

假设λ1,λ2,...,λn是矩阵A的n个特征值,对应的特征向量分别为X1,X2,...,Xn。

将这些特征向量按列排列,并组成一个矩阵P=[X1,X2,...,Xn],则P是一个可逆矩阵。

根据特征向量的定义,我们可以得到AX=PX,进一步可以得到AX=PX=PX[λ1,λ2,...,λn],即可以得到AP=P[λ1,λ2,...,λn]。

将矩阵A与对角矩阵D相乘,可以得到AP=PD。

根据上述推导,我们可以得到P−1AP=D,即A相似于对角矩阵D。

这个过程就是矩阵的相似对角化。

矩阵的相似对角化有很多应用。

一个重要的应用是简化矩阵的计算。

对于相似的矩阵,它们具有相同的特征值,因此在计算矩阵的n次幂、矩阵的指数函数等复杂运算时,可以先对矩阵进行相似对角化,再进行计算。

相似对角矩阵的计算更加简单,计算结果也更容易分析和理解。

另外,相似对角化还可以帮助我们研究线性系统的稳定性。

对于一个线性系统,其稳定性可以通过矩阵的特征值来判断。

若所有特征值的实部都小于零,则线性系统是稳定的,否则不稳定。

特征值特征向量与矩阵可对角化详解

特征值特征向量与矩阵可对角化详解

特征值特征向量与矩阵可对角化详解特征值特征向量与矩阵可对角化是线性代数中一个重要的概念,它在矩阵的理论研究和应用中有着广泛的应用。

本文将详细介绍特征值特征向量的定义、性质以及矩阵可对角化的条件和方法。

让我们一起来探索这一有趣而重要的概念。

首先,我们来介绍特征值和特征向量的定义。

设A是一个n阶矩阵,如果存在一个非零向量x,使得Ax=kx,其中k是一个常数,则k称为矩阵A的特征值,x称为矩阵A对应于特征值k的特征向量。

特征值和特征向量的定义看起来可能抽象,我们可以通过一个具体的例子来理解这个概念。

考虑一个2阶矩阵A=[[3,-2],[4,-1]],我们要找到它的特征值和特征向量。

首先,我们解方程A-λI=0,其中λ是特征值,I是单位矩阵。

这将得到一个关于λ的方程,我们解它可以找到特征值λ1=1和λ2=-1、然后,我们带入A-λI=0,解得对应于λ1的特征向量x1=[1,2]和对应于λ2的特征向量x2=[1,-1]。

所以,矩阵A的特征值是λ1=1和λ2=-1,对应的特征向量是x1=[1,2]和x2=[1,-1]。

接下来,我们来介绍特征值特征向量的性质。

首先,特征值与矩阵的大小是相关的,一个n阶矩阵最多有n个不同的特征值。

此外,矩阵的特征值和对应的特征向量是成对出现的,一个特征值可以对应多个特征向量。

矩阵可对角化的条件是,矩阵A的n个特征向量x1,x2,...,xn都线性无关。

这又可以等价于矩阵A的n个特征向量x1,x2,...,xn都是线性独立的,即不存在一个非零向量x可以表示为这些特征向量的线性组合。

我们还可以通过矩阵的代数重数和几何重数来进一步讨论特征值的性质。

矩阵的代数重数是一个特征值λ在特征多项式中的重数,而几何重数是对应于特征值λ的特征向量的个数。

根据定理,矩阵的代数重数与几何重数之和等于矩阵的阶数。

当矩阵的代数重数等于几何重数时,我们称矩阵的特征值是简单的;当矩阵的代数重数大于几何重数时,我们称矩阵的特征值是重复的。

特征值和特征向量、矩阵的相似对角化资料

特征值和特征向量、矩阵的相似对角化资料

即 Api i pi (i 1, 2, , n), 设 P ( p1, p2 , , pn ), 则P 可逆,且 AP ( Ap1, Ap2 , , Apn ) (1 p1,2 p2 , ,n pn )
1
( p1, p2 ,
,
pn
)
2
P,
n
所以 P 1 AP , 即A与对角矩阵Λ相似.
2 4
1 5
的特征值和特征向量.
求n阶方阵A的特征值与特征向量的步骤:
1.计算特征多项式 E A
2.求出特征方程 E A 0 的根 1 , 2 ,, n
即为A的特征值 3.求方程组 (i E A)X 0 的基础解系即为A的属于 特征值 的i 线性无关特征向量,基础解系的线性组合 即为全部特征向量.
令 0, 得 A 1n 12 n
即 12 n A .
证明② 因为行列式
a11 E A a21
a12
a22
a1n a2n
an1
an2
ann
它的展开式中,主对角线上元素的乘积
a11 a22 ann
是其中的一项,由行列式的定义,展开式中的其它项至
多含n-2个主对角线上的元素,因此,特征多项,则A的特征值为
0或1.
3、三阶方阵A的三个特征值为1、2、0,则
2E 3A2 ( )
4、求下列方阵的特征值与特征向量
2 1 1
A
0 4
2 1
0 3
3 1 1
B
7 6
5 6
1 2
四、特征向量的性质 定理 互不相等的特征值所对应的特征向量线性无关。 定理 互不相等的特征值对应的各自线性无关的特征
三、可相似对角化的条件

第五章 矩阵的对角化问题

第五章 矩阵的对角化问题

矩阵 A 的相似标准形。 (2)可逆矩阵 P 由 A 的 n 个线性无关的特征向量 作列向量构成。
22
例1: 判断下列实矩阵能否化为对角阵?
1 2 2 2 2 4 (1) A 2 4 2
解:
2 1 2 5 3 3 (2) A 1 0 2 2 2 4 2
3
2 p2 3 p3
取 P p1
1

p2
1 p1 p2 p3 2 1 1 1 p3 0 1 2 1 0 1

2
0 3
21
定理1: n 阶矩阵 A 可对角化(与对角阵相似)
A 有 n 个线性无关的特征向量。
推论:若 n 阶方阵 A 有 n 个互不相同的特征值,
则 A 可对角化。(与对角阵相似) (逆命题不成立) 注:(1)若 A , 则 的主对角元素即为 A 的特征值,
如果不计
k 的排列顺序,则 唯一,称之为
1 2
(1) A E 2
2 4
的 n 个特征值为 , ,,
1 2
n
1+2++n a11 a22 ann
aii tr ( A)
i 1 n
称为矩阵A的迹。(主对角元素之和)
2)

i 1
n
i
12 n= A
9
例2 :设 为矩阵 A 的特征值,求 A2 2 A E 的特征值; 若 A 可逆,求 A , E A
等号左边第二个矩阵的行列式为Vandermonde行列式, 当 i 各不相同时,该行列式的值不等于零,所以存在逆矩阵。

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

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一、基本概念定义5.1设A 为n 阶矩阵,l 是一个数,如果存在n 维非零向量a ,使得A a la =,则称l 是A 的一个特征值,向量a 称为矩阵A 对应于特征值l 的特征向量.例如311,2,131A l a -æöæö===ç÷ç÷-èøèø可以验证31121213121A a -æöæöæöæö===ç÷ç÷ç÷ç÷-èøèøèøèø所以,2l =是A 的一个特征值,a 是A 对应于特征值2l =的特征向量。

特征值和特征向量的性质:如果a 是A 的对应于特征值l 的特征向量,则(0)k k a ¹也是A 的对应于l 的特征向量。

如果12,a a 都是A 的对应于特征值l 的特征向量,则1122(0)k k a a +¹也是A 的对应于l 的特征向量。

因为11221122()()A k k k k a a l a a +=+.由此可知A 的属于同一个特征值l 的有限个特征向量的非零线性组合仍然是矩阵A 的属于l 的特征向量。

注:矩阵A 的对应于一个特征值的特征向量有无限多个,但是A 的同一个特征向量不可能属于两个不同的特征值。

二、特征值和特征向量的计算由A 的特征值和特征向量的定义知A a la=或()0E A l a -=由于0a ¹,这说明a 是齐次线性方程组()0E A X l -=的非零解.根据齐次线性方程组有非零解的充要条件得到E A l -=这是一个关于l 的n 次方程,它的根与矩阵A 的特征值是一一对应的.所以我们有如下的定义.定义5.2设A 为n 阶方阵,含有未知量l 的矩阵E A l -称为A 的特征矩阵;特征矩阵的行列式E A l -是一个关于l 的n 次多项式,称为A 的特征多项式;0E A l -=称为A 的特征方程.特征方程的根也称为A 的特征根,其实就是A 的特征值。

第五章 .特征值特、征向量及矩阵对角化总结

第五章 .特征值特、征向量及矩阵对角化总结

第五章 特征值、特征向量及矩阵的对角化(填空、选择为主)5.1矩阵的特征值和特征向量定义(矩阵的特征值和特征向量)设A 为n 阶方阵,如果存在数λ及非零向量x,使得 x Ax λ=(4-1) 或0)(=-x A E λ (4-2)则称λ为A 的一个特征值,x 为A 的对应于(或属于)特征值λ的一个特征向量. 求n 阶方阵A 的特征值与特征向量的一般步骤如下: 第一步:计算特征多项式||A E -λ;第二步:求出特征方程||A E -λ=0的全部根n λλλ,,,21 (重根按重数计算),则n λλλ,,,21 就是方阵的全部特征值.如果i λ为特征方程的单根,则称i λ为A 的单特征值;如果j λ为特征方程的k 重根,则称j λ为A 的k 重特征值,并称k 为j λ的重数;第三步:对A 的相异特征值中的每个特征值i λ,求出齐次线性方程组 0)(=-A E i λ(4-3)的一个基础解系j ik i i ξξξ,,,21 ,则j ik i i ξξξ,,,21 就是对应于特征值i λ的特征空间的一个基,而A 的属于i λ的全部特征向量为 j j ik k i i c c c x ξξξ+++= 2211 其中j k c c c ,,,21 为不全为零的任意常数.特征值和特征向量有下列基本性质:性质1 设n n ij a A ⨯=)(的全部特征值为n λλλ,,,21 ,则有||,21121A an ni iin ==+++∑=λλλλλλ利用性质1可以简化有关特征值问题的某些计算.性质2 设λ为方阵A 的一个特征值,且x 为对应的特征向量,则对任何正整数k,kλ为kA 的一个特征值且x 为对应的特征向量.更01)(a x a x a x f m m +++= ,则)(λf 为方阵E a A a A a A f m m 01)(+++= 的一个特征值,且x 为对应的特征向量.性质3 设λ为可逆方阵A 的一个特征值,则λλ1,0≠为1-A 的一个特征值,λ||A 为*A 的一个特征值性质4 设m λλλ,,,21 为方阵A 的互不相同的特征值,i x 为属于i λ的特征向量),,2,1(m i =,则向量组m x x x ,,,21 线性无关.更一般的,设i ik i i x x x ,,,21 为属于i λ的线性无关特征向量),,2,1(m i =,则向量组 m m k m m k k x x x x x x x x x ,,,,,,,,,,,,21222211121121 线性无关性质5 设重特征值,则属于的为方阵k A 0λ0λ的线性无关特征向量的个数不大于k 关于特征值与特征向量的结论见下图:5.2相似矩阵及方阵可相似对角化的条件定义(相似矩阵)对于同阶矩阵A,B ,若存在同阶可逆矩阵P ,使得B AP P =-1(4-4)则称A 与B 相似,或A 相似于B ,并称变换:AP P A 1-→ 为相似变换.矩阵的相似关系具有反身性(A 与A 相似)、对称性(A 与B 相似,则B 与A 相似)和传递性(A 与B 相似,B 与C 相似,则A 与C 相似).定理(矩阵A 与B 相似的必要条件)设矩阵A 与B 相似,则有 (1))()(B r A r =; (2)||||B A =;(3)||||B E A E -=-λλ,即A 与B 有相同的特征多项式(从而A 与B 有相同的特征值)(但要注意到其特征向量不一定相等);(4)TA 与TB 相似,1-A 与1-B相似,k A 与kB 相似.推论 若n 阶矩阵A 相似于对角矩阵∧=diag(ƛ1,ƛ2,…,ƛn )时,∧的主对角线元素ƛ1,ƛ2,…,ƛn 就是A 的n 特征值.定理(矩阵相似与对角矩阵的充分必要条件)n 阶矩阵A 相似于对角矩阵的充分必要条件是A 有n 个线性无关的特征向量.推论 矩阵A 相似于对角矩阵的充分必要条件是A 的属于每个特征值的线性无关特征向量个数正好等于该特征值的重数.定理(矩阵相似于对角矩阵的充分条件)如果n 阶矩阵A 有n 个互不相同的特征值(即A 的特征值都是特征值),则A 必相似于对角矩阵.矩阵可相似对角化的条件见下图(设A 是n 阶矩阵)5.3 向量的内积、长度及正交性定义 几何中,两个向量 的数量积定义为:其中 是 的长度, 是的夹角.如果在直角坐标系下,向量表示为则依据坐标表示向量 的长度为: ,向量 的夹角为:代数中定义 设 维向量称为向量的内积.称为向量 的长度(或范数),特别,当 时,称 为单位向量.称 为向量 与 的夹角;特别,,当 (即 )时,称向量 与 正交. 注:内积是向量的一种运算,如果x 和y 都是列向量,可以记作[x ,y]=x T y ,其结果是一个数.且[x ,x]=x 1^2+x 2^2+…+x n ^2≥0,当且仅当x=0时成立.4. 向量长度的性质:(1) 非负性:0≥α且00=⇔=αα (2) 齐次性:ααk k = (3) 三角不等式:βαβα+≤+以上定义的概念有如下性质:1 .2 .3 .4 . ,( )5 .6 .7 .称一组两两正交的非零向量为正交向量组.定理设n维向量是一组两两正交的非零向量(或称是正交向量组),则线性无关.证设,两边与作内积,得因故,同理,,所以线性无关.定义设是向量空间,是的一组基,且是正交向量组,则称是的一组正交基.如果既是的一组正交基,又是单位向量,则称是规范正交基或单位正交基.正交基的求法(施密特正交化公式解决矩阵的对角化问题):1.正交化设是向量空间,是的一组基,则,,是的一组正交基.2.单位化如果取则是规范正交基.例3 设⎪⎪⎪⎭⎫ ⎝⎛-=1211α,⎪⎪⎪⎭⎫ ⎝⎛-=1312α,⎪⎪⎪⎭⎫ ⎝⎛-=0143α,试用施密特正交化过程把这组向量规范正交化.解 取11α=b ;[]⎪⎪⎪⎭⎫⎝⎛-=⎪⎪⎪⎭⎫⎝⎛--⎪⎪⎪⎭⎫ ⎝⎛-=-=1113512164131,1211222bb b b αα; [][]⎪⎪⎪⎭⎫ ⎝⎛=--=1012,,222231211333b b b b b b b ααα. 再把它们单位化,取⎪⎪⎪⎭⎫ ⎝⎛-=121611e ,⎪⎪⎪⎭⎫ ⎝⎛-=111312e ,⎪⎪⎪⎭⎫ ⎝⎛=101213e .即合所求.例4 已知⎪⎪⎪⎭⎫⎝⎛=1111α,求一组非零向量32,αα,使321,,ααα两两正交.解 32,αα应满足方程01=x Tα,即0321=++x x x .它的基础解系为⎪⎪⎪⎭⎫ ⎝⎛-=1011ξ,⎪⎪⎪⎭⎫ ⎝⎛-=1102ξ.把基础解系正交化,即合所求.亦即取 12ξα=,[][]1112123,,ξξξξξξα-=.于是得⎪⎪⎪⎭⎫ ⎝⎛-=1012α,⎪⎪⎪⎭⎫ ⎝⎛--=121213α.正交矩阵定义 1 .是阶方阵,并且(即),称为正交阵.2 .若是正交阵,则称 是正交变换.正交阵的充要条件:为正交阵的列(行)是两两正交的单位向量.为正交矩阵的充要条件是或证 设,是的列向量,则为正交阵是两两正交的单位向量.正交矩阵的等价定义:正交矩阵有下列基本性质: 设A,B 都是n 阶正交矩阵,则 (1)1±=A(2)*T 1A A A )与(即-也是正交矩阵(注:A 为正交能推出A 为可逆矩阵且T1A A =-,但反之不成立)(3)如果A,B 为同阶正交矩阵,则AB 也是正交矩阵.(4)实矩阵A 为正交矩阵,当且仅当A 的列(行)向量组为正交单位向量组. 利用上述的性质(4),可以比较方便的检验矩阵是否为正交矩阵. 正交变换定义 若P 为正交阵,则线性变换y=P x 称为正交变换.正交变换的性质:设是正交变换的系数矩阵,则,从而及.正交变换有下列性质(其中A为正交矩阵):(1)保内积性:若2211,AxyAxy==,则),(),(2121xxyy=;(2)保长度性:若Axy=,则||||xy=正交矩阵的判断例题5.4实对称矩阵的性质及正交相似对角化实对称矩阵有下列性质:性质1 实对称矩阵的特征值都是实数.性质2 实对称矩阵的属于不同特征值的特征向量必正交.即设λ1,λ2是实对称矩阵A的两个特征值,p1,p2是对应的特征向量,若λ1≠λ2则p1与p2正交.性质3 若λ为实对称矩阵A的k重特征值,则A的属于λ的线性无关特征向量正好有k个.定理设A为实对称矩阵,则必存在正交矩阵P,使得APPAPP T=-1为对角矩阵.求正交矩阵P,使得Λ=-APP1对角矩阵的方法:1)、求出A的全部特征值nλλλ,,21:由方程0||=-AEλ解得;2)、对于每一个),,2,1(,nii=λ,解齐次线性方程组0)(=-xAEiλ,找出基础解系siiippp,,,213)、将nppp,,,21正交化,单位化,得一组正交单位向量nηηη,,,21;4)、因为nλλλ,,21各不相同,因此所求的向量组是两两正交的单位向量组,其向量的总数为n,这组列向量就构成了正交矩阵Q。

第五章 特征值和特征向量、矩阵的对角化 扩展例题及求解

第五章 特征值和特征向量、矩阵的对角化 扩展例题及求解
第五章 特征值和特征向量、矩阵的对角化 扩展例题及求解
[例 1]设 A , B 是 n 阶方阵,且 R(A) R(B) n ,证明 A , B 有公共的特征值,有公共的
特征向量。 [分析]此类题型综合程度较高,主要根据已知条件推导出对证明有用的结论,需要对知识点 熟练掌握。
[证] R(A) R(B) n R(A) n , R(B) n AX 0 , BX 0 都有非零解。
i 1
i 1
a1

a2

n


a3


an
n
从而特征值 ai2 的特征向量为 knn ,( kn 0 )。 i 1
[例]6 证明:设 A 是 n 阶正交矩阵, 是 A 的特征值,则 1 。
[分析]本题要利用正交矩阵的性质来证明。要证 1 ,可证 1。 [证]设 是对应于 的特征向量,则
[例 8]设 A 为 3 阶方阵, 为 3 维向量, , A , A2 线性无关, A3 4A 3A2 ,
计算行列式 2A2 3E 。
[分析]这里根据已知条件,直接计算方阵的行列式比较困难,可以采取特征值和特征向量的
性质来计算,即设 n 阶方阵 A 的特征值为 1, 2, , n ,则 A 12 n 。
不妨设 , 分别为 AX 0 , BX 0 的非零解,则
A 0 , B 0
由特征值、特征向量的定义, 0 是 A , B 的特征值, , 分别为 A , B 对应于特征值 0
的特征向量。
要证有公共的特征向量,只要证明 AX 0 ,BX 0 有公共的非零解即可。事实上,AX 0 ,
乘 ( A 4E)1 得: A(A E) 0 ,即 A2 A 0 ,从而 , A , A2 线性相关,矛

第五章特征值和特征向量

第五章特征值和特征向量

2. 标准化(单位化)
令 1
1 1
,2
2 2
,L , r
r r
则1, 2, …r就是一组长度都是1的正交向量组.
注: 先正交化,后标准化,次序不可颠倒.
2 3 1
例7
将1


1

,
2


1
,
3


4

1
证: (1)显然成立. 下面证明(2)和(3).
(2) x x, x 2 x, x x
即数乘向量x的长度||x||等于| |与||x||的乘积.
根据上式可知,任一非零向量除以它的长度后 就成了单位向量. 这一过程称为将向量单位化.
设是非零向量, 则 是一个单位向量.
定义3 当 x 0, y 0 时,
arc cos [x, y]
xy
称为 n维向量 x与y的夹角.
定义4 当[x, y] 0时,称向量 x与 y 正交(或垂直)
定义4' 如果x与y的夹角为 2 ,则称x与y正交.
显然,零向量与任何向量都正交.
定义5 若一个向量组中任意两个向量都正交, 则称此向量组为正交向量组.
1
0
正交规范化.
解: 先将1, 2, 3进行正交化,取
2
1
1


1

,
1
2
2

1,2 1, 1
1
3 2 1


1 1

4 6

1

1

5 3

线性代数教案-第五章 特征值和特征向量

线性代数教案-第五章 特征值和特征向量

第五章特征值和特征向量特征值和特征向量理论,不仅用于解决上述求线性变换的对角阵表示这个问题,在诸如几何中的变换,振动问题中的稳定性,微分方程的边值问题等许多方面都有广泛应用.由于一个矩阵在一定意义下就是一个线性变换,本章着重讨论矩阵的特征值和特征向量.一、 教学目标与基本要求1 线性变换的特征值和特征向量定义5.1.1设V 是一个线性空间,T :V →V 是一个线性变换.若对于数λ,存在一个非零向量x ,使得x x λ=)(T (5.1.1)则称λ为T 的一个特征值,而称x 为T 的属于特征值λ的特征向量.定义5.1.2设][ik a A =是一个n 阶方阵,λ是一个变量,矩阵A E -λ的行列式nnn n n n a a a a a a a a a A E ---------=-λλλλ212222111211)det( 被称为A 的特征多项式,记为)(λf .这是一个变量λ的n 次多项式.而称以λ为未知量的方程=-)det(A E λ0)(=λf 为A 的特征方程.讨论一个方阵A (被视着某个线性变换的矩阵)的特征值和特征向量的求法.这可以归纳为以下步骤:1.求出方阵A 的特征方程0)det(=-A E λ的全部根,它们就是A 的特征值.2.将求得的特征值逐个代入齐次线性方程组θx =-T)(A E λ,求其通解,就得到了属于每个特征值的全部特征向量.2 特征值和特征向量的性质性质1 若λ是方阵A 的特征值,则2λ是2A 的特征值;若A 可逆,则1-λ是1-A 的特征值. 性质2 设1λ,2λ是方阵A 的相异的特征值,1ξ,2ξ是分别属于1λ及2λ的A 的特征向量,则1ξ,2ξ是独立的.性质3 设V 是n 维线性空间,T :V →V 是一个线性变换,它有n 个彼此相异的特征值n λλ,, 1,n ξξ,, 1是分别属于它们的特征向量.则}{1n ξξ,, 是V 的一组基,且T 在此基下的矩阵表示就是对角阵)diag(1n A λλ,, =.性质4 若A 是实对称方阵,1λ,2λ是其相异特征值,1ξ,2ξ是分别属于它们的特征向量,则1ξ与2ξ正交.性质5 设n λλλ,,, 21是n 阶方阵][ik a A =的全部特征值,则(1)A a a a A E f n n nn n det )1()(||)(12211-+++++-=-=- λλλλ,(2)∑==n i i A 1tr λ,(3)n A λλλ 21det =3 相 似 矩 阵定义5.3.1设A ,B 都是n 阶方阵,若有可逆方阵C ,使B AC C =-1, (5.3.5)则称B 是A 的相似矩阵,或说B 与A 相似.对A 进行运算AC C 1-,被称为对A 进行相似变换.可逆方阵C 被称为将A 变成B 的相似变换矩阵.相似关系是同阶方阵之间的一种关系,具有:(1)自反性: A 与A 相似.因为取单位阵E ,有A AE E =-1.(2)对称性:若B 与A 相似,则A 与B 相似.因为(5.3.5)式两端左乘C ,右乘1-C ,有A CBC =-1.(3)传递性:若B 与A 相似,D 与B 相似,则D 与A 相似.因为据假设,有可逆方阵1C 及2C ,使B AC C =-111,D BC C =-212,故有121211112)()(---==C C C AC C C D A )(21C C ,故D 与A 相似.定理5.3.1若n 阶方阵A 与B 相似,则A 与B 的特征多项式相同,从而A 与B 的特征值亦相同.而且B A det det =.推论 若n 阶方阵A 与对角阵)diag(1n λλ,, =Λ相似,则n λλ,, 1即为A 的n 个特征值. 若一个n 阶方阵A 与一个对角阵)diag(1n λλ,, =Λ相似,就称A 可以对角化. 定理5.3.2实对称阵的特征值为实数.定理5.3.3设A 为n 阶实数对称阵,λ是A 的特征方程的r 重根,则方阵A E -λ的秩是r n -,从而属于λ的特征向量中,恰有r 个独立的特征向量.定义5.3.2由n 个两两正交的n 元单位列向量所构成的n 阶方阵,被称为正交阵.二、教学内容及学时分配:第一节线性变换的特征值和特征向量 2学时第二节特征值和特征向量的性质 2学时第三节相 似 矩 阵 2学时三、教学内容的重点及难点:1、重点:特征根及特征向量的求法2、难点:什么时候可以将矩阵对角化四、教学内容的深化和拓宽:大部分矩阵不能对角化,那么什么时候可以对角化,对角化在实际中的例子.五、思考题与习题1 (3)(4)(5) 3警 4 6 8 9 10 11 13 14六、教学方式(手段)本章主要采用讲授新课的方式。

  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 特征值和特征向量 矩阵对角化习题5.11.解:(A) 设1100,2204A B ⎡⎤⎡⎤⎢⎥==⎢⎥⎢⎥⎣⎦⎣⎦, 因为秩(A )=秩(B )所以A 与B 等价; 但是由于tr A 与tr B 不相等, 所以A 与B 不相似. 因此(A)不正确.(B) A 与B 相似, 即存在可逆矩阵P 使得1P A P B -=, 所以秩(A )=秩(B ),因此A与B 等价. (B)是正确的.(C) 与(A)一样, 设1100,2204A B ⎡⎤⎡⎤⎢⎥==⎢⎥⎢⎥⎣⎦⎣⎦,秩(A )=秩(B ), 但是由于tr A 与tr B 不相等, 所以A 与B 不相似. 因此(C)不正确.(D) 与(A)一样, 设1100,2204A B ⎡⎤⎡⎤⎢⎥==⎢⎥⎢⎥⎣⎦⎣⎦,|A |=|B |, 但是由于tr A 与tr B 不相等, 所以A 与B 不相似. 因此(D)不正确.7.解:(1) 因为210010252252(1)(3)241241E λλλλλλ-⎡⎤⎢⎥---=-=--⎢⎥⎢⎥---+⎣⎦, 所以特征值为1,1,3.求解方程组 100(252)241E X O ⎡⎤⎢⎥---=⎢⎥⎢⎥--⎣⎦, 得属于特征值1的特征向量为 [][]1122,1,01,0,1TTk k ξ=+- (其中12,k k 为不同时为零的任意数).求解方程组100(3252)241E X O ⎡⎤⎢⎥---=⎢⎥⎢⎥--⎣⎦, 得属于特征值3的特征向量为 []230,1,1Tk ξ= (其中3k 为不为零的任意数).习题5.24.证明:TA 的特征多项式为(())()T T T T E A E A E A E A λλλλ-=-=-=-而E A λ-是A 的特征多项式, 所以A 与T A 有相同的特征多项式.6. 解:因为1是A 的一重根, 所以(E-A )X=O 的基础解系含有1个向量, 因此3-秩(E-A )=1, 从而可知秩(E-A )=2. 又因为2是A 的二重根, 所以(2E-A )X=O 的基础解系含有向量的个数为1或2, 由于A 不能与对角矩阵相似, 则可知A 的线形无关的特征值个数小于3, 所以(2E-A )X=O 的基础解系含有向量的个数只能为1, 同样可得3-秩(2E-A )=1, 所以秩(2E-A )=2.7.解:因为211132(1)(1)(1)11E A xx λλλλλλλλλ---=---=-=-+--, 所以A 的特征值为-1,1,1. 因为A 与对角矩阵相似, 所以要求特征根的重数i n 与()i E A X O λ-=的基础解系所含向量个数i r 相等. -1是一重根所以一定满足, 所以只要特征值1满足即可. 也就是要求()E A X O -=的基础解系含有2个向量, 由此可知n -秩(E A -)=2, 因此秩(E A -)=1.因为10111023003311000E A xx x --⎡⎤⎡⎤⎢⎥⎢⎥-=--+−−→-+⎢⎥⎢⎥⎢⎥⎢⎥-⎣⎦⎣⎦, 所以当且仅当1x =时秩(E A -)=1,所以001123100A xx ⎡⎤⎢⎥=-⎢⎥⎢⎥⎣⎦能与对角矩阵相似, 则必有1x =。

习题5.32.解:因为秩(A )=1=秩(B ), 所以A 与B 等价. 又因为tr A=4, tr B =1, 即有trA trB ≠, 所以A 与B 不相似. 综上可知(B)是正确的. 3.解:(1) 因为2()2f A A A E =+-, 所以2()2f x x x =+-。

因为A 有三个不同的特征值,所以)(A f 也可以对角化。

所以 22A A E +-的所有特征值为(1)2,(1)0,(2)2f f f -===。

(2) |22A A E +-|=(1)(1)(2)2020f f f -=⨯⨯=.5.解:(1) 因为32212222432428(2)(7)242E A λλλλλλλλλ---=+-=+-+=-+--+,所以特征值为2,2,-7.求解方程组122(2224)242E X O -⎡⎤⎢⎥---=⎢⎥⎢⎥-⎣⎦, 得到属于2的线形无关的特征向量为[][]2,0,1,2,1,0TT-. 对[][]2,0,1,2,1,0TT -进行施密特正交化化为正交单位向量组得]]112,0,12,1,0TT-。

求解方程组122(7224)242E X O -⎡⎤⎢⎥----=⎢⎥⎢⎥-⎣⎦, 得到属于-7的线形无关的特征向量为1,1,12T⎡⎤--⎢⎥⎣⎦. 对1,1,12T⎡⎤--⎢⎥⎣⎦进行施密特正交化化为正交单位向量组得[]11,2,23T--。

所以1A U U -=Λ, 其中132120,2371203U ⎤--⎥⎥⎡⎤⎢⎥⎢⎥=-Λ=⎢⎥⎢⎥⎢⎥⎢⎥-⎣⎦⎥⎥⎦. 由此可得11()k kkk TA U UU U U U--=Λ=Λ=Λ2212213322202033(7)1212033Tkkk⎤⎤----⎥⎥⎡⎤⎥⎥⎢⎥⎢⎥⎢⎥=--⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥-⎣⎦⎥⎥⎥⎥⎦⎦3111111212(7)22(7)22(7)22(7)524(7)24(7)22(7)24(7)524(7)k kk k k kk kk kk kk k k kk k+++++++++⎡⎤+--+---⎢⎥=-+-⋅+---⎢⎥⎢⎥+---⋅+-⎣⎦. (2) ()f A =3232428A A A E +-+的特征值为(2)0,(2)0,(7)0f f f ==-=, 所以3232428A A A E +-+=1U O U-=O .6.解:因为方阵A 的n 个特征值为1,2,…,n , 所以A 可以对角化。

所以 A+E 的特征值为2,3, ……, n , n+1.所以|A+E |=(1)!n +.11.证明:因为1213123230()000n nnn a a a a aa a E A a aa a λλλλλλ----⎡⎤⎢⎥---⎢⎥⎢⎥-==---⎢⎥⎢⎥⎢⎥-⎣⎦, 所以a 是A 的n重根. 如果A 能与对角矩阵相似, 则必有()a E A X O -=的基础解系含有n 个向量, 即n -秩(a E A -)=n , 也就是秩(a E A -)=0, 从而得到此时a E A O -=, 即A a E =,这与条件A a E ≠矛盾! 所以A 不能与对角矩阵相似.12.证明:因为22)2(440E A E A A +=++=,所以02=+E A ,即-2是A 的一个特征值。

设λ为A 的特征值, ξ是A 的属于λ的特征向量, 则有A ξλξ=, 所以22(44)44A A E O O ξλξλξξξ++=++==, 从而可得2440λλ++=, 即得2λ=-, 所以A 的特征值仅为-2.习题5.41.证明:设λ是反对称矩阵A 的一个特征值, []12,,,Tn O a a a ξ≠= 是A 的属于λ的特征向量, 则有A ξλξ=. (1)令12,,,Tn a a a ξ⎡⎤=⎣⎦, 其中i a 表示i a 的共扼复数, 1,2,,i n = . 对(1)式两边同取共扼得A ξλξ=. 因为A 是实矩阵, 所以有A A =, 因此有A ξλξ=. (2)对(1)式两边转置得TTTA ξλξ=, 因为A 是反对称矩阵, 所以TA A =-从而T TA ξλξ=-. (3)对(2)式两边同左乘Tξ, 对(3)式两边同右乘ξ, 分别得T T A ξξλξξ=, T TA ξξλξξ=-从而得T λξξ=T λξξ-, 移项得()0T λλξξ+=, 因为0Tξξ≠, 所以()0λλ+=,所以λ为零或者纯虚数.2.解:(3) 因为321111211(1)(5)11211112E A λλλλλλλ-----==------, 所以特征值为1,1,1,5.解线性方程组21111211()11211112E X O --⎡⎤⎢⎥--⎢⎥-=⎢⎥--⎢⎥--⎣⎦, 得属于特征值1的线性无关的特征向量为[][][]1,1,0,0,1,0,1,0,1,0,0,1TTT-.解线性方程组21111211(5)11211112E X O --⎡⎤⎢⎥--⎢⎥-=⎢⎥--⎢⎥--⎣⎦, 得属于特征值5的线性无关的特征向量为[]1,1,1,1T--.所以111110010101011P ⎡⎤⎢⎥-⎢⎥=⎢⎥-⎢⎥-⎣⎦, 对角矩阵为1115⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦. 3.解:(3)先对属于特征值1的三个特征向量进行正交化.[][][]1231,1,0,0,1,0,1,0,1,0,0,1TTTξξξ===-.[]111,1,0,0Tηξ==;()()[][]2122111,1111,0,1,01,1,0,0,,1,0,222TTTξηηξηηη⎡⎤=-=-=-⎢⎥⎣⎦; ()()()()[]313233121122,,11,1,1,3,,3Tξηξηηξηηηηηη=--=---.再对向量进行单位化, 得到三个正交单位向量.]1,1,0,0T]1,1,2,0T-]1,1,1,36T---,再对属于特征值5的特征向量进行单位化得[]11,1,1,12T--.由此得到112621126216210022U ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥---⎢⎥=⎢⎥⎢⎥--⎢⎥⎢⎥⎢⎥-⎢⎥⎣⎦, 对角矩阵为1115⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦. 4.证明:⇒ 显然成立.⇐ 因为A , B 有相同的特征多项式, 则A , B 必有相同的特征根. 不妨设这些根为12,,,n λλλ , 因为A , B 均为n 阶实对称矩阵, 所以存在可逆矩阵,P Q 使得112211,n n P A P Q B Q λλλλλλ--⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦. 由此可知11PA P QB Q --=, 所以有111()A Q PB Q P---=, 其中1Q P -是可逆的, 因此A 与B 相似.1. 解:因为21102(2)11E A λλλλλλ---=-=--- , 所以A 特征值为0,2,2.(然后验证A 可对角化,从而B 可对角化)因为222()2()B k E A k E k A A f A=+=++=(其中22()2f x x k x k =++), 所以B 的特征值为222(0),(2)44,(2)4 4.f k f k k f k k ==++=++所以2224444kk k kk ⎡⎤⎢⎥Λ=++⎢⎥⎢⎥++⎣⎦.习题5.55.解:因为1[(1)]()n E A n b b λλλ--=--+, 所以A 的特征值为一个一重特征值(1)n b -和一个1n -重特征值b -. 因为秩([(1)]n b E A --)=1n -, 所以1(1)1n n n =--=与重数相同. 因为秩([]b E A --)=1, 所以21n n =-与重数相同. 所以A 能对角化(也可由实对称矩阵得到), 与其相似的对角矩阵为(1)n b bb -⎡⎤⎢⎥-⎢⎥⎢⎥⎢⎥-⎣⎦. 6.证明:设λ为n 阶方阵A 的特征值, ξ为A 的属于λ的特征向量, 则有A ξλξ=. 所以22A ξλξξ==, 即有21λ=, 因此A 的特征值或为1,或为-1.7.解:(1) 因为矩阵A 与B 相似, 所以tr A =tr B , A B =, 由此可以得到54,664.a b a b +=+⎧⎨-=⎩, 从而可知5,6a b ==.当5,6a b ==时, 易知A 的特征值为2,2,6.求解方程组111(2242)335E X O -⎡⎤⎢⎥--=⎢⎥⎢⎥--⎣⎦, 得到属于2的线形无关的特征向量为[][]1,0,1,1,1,0TT-.求解方程组111(6242)335E X O -⎡⎤⎢⎥--=⎢⎥⎢⎥--⎣⎦, 得到属于6的线形无关的特征向量为12,,133T⎡⎤-⎢⎥⎣⎦. 所以此时A 可以对角化。

相关文档
最新文档