线性代数知识点归纳同济第五版

线性代数复习要点第一部分 行列式1. 排列的逆序数2. 行列式按行（列）展开法则3. 行列式的性质及行列式的计算1. 行列式的计算：① (定义法)1212121112121222()1212()n n nn n j j j n j j nj j j j n n nna a a a a a D a a a a a a τ==-∑1②（降阶法）行列式按行（列）展开定理：行列式等于它的任一行（列）的各元素与其对应的代数余子式的乘积之和. 推论：行列式某一行（列）的元素与另一行（列）的对应元素的代数余子式乘积之和等于零.③ (化为三角型行列式)上三角、下三角、主对角行列式等于主对角线上元素的乘积.④ 若A B 与都是方阵（不必同阶）,则==()mn A O A A OA B O B O B B O A AA B B O B O*==**=-1例 计算2-100-1300001100-25解2-100-130000110-25=2-1115735-13-25⋅=⨯= ⑤ 关于副对角线：(1)211212112111()n n nnn n n n n n n a O a a a a a a a Oa O---*==-1⑥ 范德蒙德行列式：()1222212111112nijnj i nn n n nx x x x x x x x x x x ≤<≤---=-∏111例 计算行列式⑦ a b -型公式：1[(1)]()n a b b b b a b ba nb a b b b ab b b ba-=+-- ⑧ (升阶法)在原行列式中增加一行一列，保持原行列式不变的方法.⑨ (递推公式法) 对n 阶行列式n D 找出n D 与1n D -或1n D -,2n D -之间的一种关系——称为递推公式，其中n D ,1n D -,2n D -等结构相同，再由递推公式求出n D 的方法称为递推公式法. (拆分法) 把某一行（或列）的元素写成两数和的形式，再利用行列式的性质将原行列式写成两行列式之和，使问题简化以例计算. ⑩ (数学归纳法) 2. 对于n 阶行列式A，恒有：1(1)nnk n kk k E A S λλλ-=-=+-∑，其中k S 为k 阶主子式；3. 证明0A =的方法：①、A A =-； ②、反证法；③、构造齐次方程组0Ax =，证明其有非零解； ④、利用秩，证明()r A n <； ⑤、证明0是其特征值.4. 代数余子式和余子式的关系：(1)(1)i j i j ij ijij ij M A A M ++=-=-第二部分 矩阵1. 矩阵的运算性质2. 矩阵求逆3. 矩阵的秩的性质4. 矩阵方程的求解1. 矩阵的定义 由m n ⨯个数排成的m 行n 列的表111212122212n n m m mn a a a a a a A a a a ⎛⎫⎪ ⎪= ⎪⎪⎝⎭称为m n ⨯矩阵. 记作：()ij m n A a ⨯=或m n A ⨯① 同型矩阵：两个矩阵的行数相等、列数也相等. ② 矩阵相等: 两个矩阵同型，且对应元素相等. ③ 矩阵运算a. 矩阵加（减）法：两个同型矩阵，对应元素相加（减）.b. 数与矩阵相乘：数λ与矩阵A 的乘积记作A λ 或A λ，规定为()ij A a λλ=.c. 矩阵与矩阵相乘：设()ij m s A a ⨯=, ()ij s n B b ⨯=,则()ij m n C AB c ⨯==， 其中注：矩阵乘法不满足：交换律、消去律, 即公式00AB BAAB A ==⇒=或B=0不成立.a.分块对角阵相乘：11112222,A B A B A B ⎛⎫⎛⎫== ⎪ ⎪⎝⎭⎝⎭⇒11112222A B AB A B ⎛⎫= ⎪⎝⎭,1122nnn A A A ⎛⎫= ⎪⎝⎭b. 用对角矩阵Λ○左乘一个矩阵,相当于用Λ的对角线上的各元素依次乘此矩阵的○行向量；c. 用对角矩阵Λ○右乘一个矩阵,相当于用Λ的对角线上的各元素依次乘此矩阵的○列向量.d. 两个同阶对角矩阵相乘只用把对角线上的对应元素相乘.④ 方阵的幂的性质：m n m n A A A +=， ()()m n mn A A =⑤ 矩阵的转置：把矩阵A 的行换成同序数的列得到的新矩阵，叫做A 的转置矩阵，记作T A .a. 对称矩阵和反对称矩阵: AT A A =.AT A A =-.b. 分块矩阵的转置矩阵：TTT TT A B A C C D BD ⎛⎫⎛⎫= ⎪ ⎪⎝⎭⎝⎭⑥ 伴随矩阵： ()1121112222*12n Tn ij nnnn A A A A A A A A A A A ⎛⎫ ⎪ ⎪== ⎪ ⎪⎝⎭，ij A 为A 中各个元素的代数余子式. **AA A A A E ==,1*n A A-=, 11A A --=.分块对角阵的伴随矩阵：***A BA B AB ⎛⎫⎛⎫=⎪ ⎪⎝⎭⎝⎭*(1)(1)mn mn A A B BB A **⎛⎫-⎛⎫= ⎪ ⎪ ⎪-⎝⎭⎝⎭2. 逆矩阵的求法 方阵A 可逆 0A ≠.①伴随矩阵法 1A A A *-= ○注： 1a b d b c d c a ad bc --⎛⎫⎛⎫= ⎪ ⎪--⎝⎭⎝⎭1 主换位副变号② 初等变换法 1()()A E E A -−−−−→初等行变换例 求122212221⎡⎤⎢⎥-⎢⎥⎢⎥-⎣⎦的逆矩阵. 解③ 分块矩阵的逆矩阵：111A A B B ---⎛⎫⎛⎫=⎪ ⎪⎝⎭⎝⎭ 111A B BA---⎛⎫⎛⎫= ⎪ ⎪⎝⎭⎝⎭④ 1231111213a a a a a a -⎛⎫⎛⎫⎪ ⎪=⎪⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭, 3211111213a a a a a a -⎛⎫⎛⎫⎪⎪=⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⑤ 配方法或者待定系数法 （逆矩阵的定义1AB BA E A B -==⇒=）例 设方阵A 满足矩阵方程220E --=A A , 证明A 及2E +A 都可逆, 并求1-A 及()12E -+A . 解 由220E --=A A 得()12E E -=A A , 故A 可逆, 且()112E -=-A A .由220E --=A A 也可得(2)(3)4E E E +-=-A A 或1(2)(3)4E E E ⎡⎤+--=⎢⎥⎣⎦A A , 故2E +A 可逆, 且()12E -+A 1(3)4E =--A .3.可画出一条阶梯线，线的下方全为0；每个台阶只有一行，台阶数即是非零行的行数，阶梯线的竖线后面的第一个元素非零. 当非零行的第一个非零元为1，且这些非零元所在列的其他元素都是0时， 4. 初等变换与初等矩阵 对换变换、倍乘变换、倍加（或消法）变换☻矩阵的初等变换和初等矩阵的关系：① 对A 施行一次初等○行变换得到的矩阵,等于用相应的初等矩阵○左乘A ； ② 对A 施行一次初等○列变换得到的矩阵,等于用相应的初等矩阵○右乘A . 注意： 初等矩阵是行变换还是列变换，由其位置决定：左乘为初等行矩阵、右乘为初等列矩阵.5.关于A 矩阵秩的描述：①、()=r A r ，A 中有r 阶子式不为0，1+r 阶子式 (存在的话) 全部为0； ②、()<r A r ，A 的r 阶子式全部为0； ③、()≥r A r ，A 中存在r 阶子式不为0；☻矩阵的秩的性质：① ()A O r A ≠⇔≥1; ()0A O r A =⇔=;0≤()m n r A ⨯≤min(,)m n② ()()()T T r A r A r A A ==③ ()()r kA r A k =≠ 其中0 ④ ()(),,()0m n n s r A r B n A B r AB B Ax ⨯⨯+≤⎧=⇒⎨=⎩若若0的列向量全部是的解⑤ ()r AB ≤{}min (),()r A r B⑥ 若P 、Q 可逆，则()()()()r A r PA r AQ r PAQ ===； 即：可逆矩阵不影响矩阵的秩.⑦ 若()()()m n Ax r AB r B r A n AB O B OA AB AC B C ο⨯⇔=⎧⎪=⎧⎪=⎨⎪⇒=⇒=⎧⎨⎪⎨⎪⎪=⇒=⎩⎩⎩ 只有零解在矩阵乘法中有左消去律；若()()()n s r AB r B r B n B ⨯=⎧=⇒⎨⎩在矩阵乘法中有右消去律.⑧ ()rrE O E O r A r A A OO OO ⎛⎫⎛⎫=⇒⎪ ⎪⎝⎭⎝⎭若与唯一的等价，称为矩阵的等价标准型. ⑨ ()r A B ±≤()()r A r B +, {}max (),()r A r B ≤(,)r A B ≤()()r A r B +⑩ ()()A O O A r r A r B O B B O ⎛⎫⎛⎫==+ ⎪ ⎪⎝⎭⎝⎭, ()()A C r r A r B O B ⎛⎫≠+ ⎪⎝⎭☻求矩阵的秩：定义法和行阶梯形阵方法6 矩阵方程的解法(0A ≠)：设法化成AX B XA B ==(I) 或 (II)第三部分 线性方程组1. 向量组的线性表示2. 向量组的线性相关性3. 向量组的秩4. 向量空间5.线性方程组的解的判定6. 线性方程组的解的结构（通解）（1）齐次线性方程组的解的结构（基础解系与通解的关系） （2）非齐次线性方程组的解的结构（通解）1.线性表示：对于给定向量组12,,,,n βααα，若存在一组数12,,,n k k k 使得1122n n k k k βααα=+++，则称β是12,,,n ααα的线性组合，或称称β可由12,,,n ααα的线性表示.线性表示的判别定理:β可由12,,,n ααα的线性表示由n 个未知数m 个方程的方程组构成n 元线性方程：①、11112211211222221122n n n n m m nm n na x a x a xb a x a x a x b a x a x a x b +++=⎧⎪+++= ⎪⎨⎪⎪+++=⎩有解 ②、1112111212222212⎛⎫⎛⎫⎛⎫⎪⎪ ⎪ ⎪⎪ ⎪=⇔= ⎪⎪ ⎪ ⎪⎪ ⎪⎝⎭⎝⎭⎝⎭nn m m mn m m a a a x b a a a x b Ax a a a x b β③、()1212n n x x aa a x β⎛⎫⎪ ⎪= ⎪⎪⎝⎭（全部按列分块，其中12n b b b β⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭）； ④、1122n n a x a x a x β+++=（线性表出）⑤、有解的充要条件：()(,)r A r A n β=≤（n 为未知数的个数或维数）2. 设,,m n n s A B ⨯⨯A 的列向量为12,,,n ααα⋅⋅⋅,B 的列向量为12,,,s βββ⋅⋅⋅，则m sAB C ⨯=⇔()()1112121222121212,,,,,,s s n s n n ns b b b b bb c c c b b b ααα⎛⎫ ⎪ ⎪⋅⋅⋅= ⎪⎪⎝⎭⇔i i A c β= ，(,,)i s =1,2 ⇔i β为i Ax c =的解⇔12,,,s c c c 可由12,,,n ααα⋅⋅⋅线性表示.即：C 的列向量能由A 的列向量线性表示，B 为系数矩阵. 同理：C 的行向量能由B 的行向量线性表示，A 为系数矩阵.即： 1112111212222212n n n n mn n m a a a c a a a c a a a c βββ⎛⎫⎛⎫⎛⎫⎪⎪ ⎪ ⎪⎪ ⎪= ⎪⎪ ⎪⎪⎪ ⎪⎝⎭⎝⎭⎝⎭⇔111122*********22211222n n m m mn ma a a c a a a c a a a c βββββββββ+++=⎧⎪+++=⎪⎨⎪⎪+++=⎩3. 线性相关性 判别方法：法1法2法3 推论♣ 线性相关性判别法（归纳）♣ 线性相关性的性质① 零向量是任何向量的线性组合,零向量与任何同维实向量正交. ② 单个零向量线性相关；单个非零向量线性无关.③ 部分相关,整体必相关；整体无关,部分必无关. （向量个数变动）④ 原向量组无关,接长向量组无关；接长向量组相关,原向量组相关. （向量维数变动） ⑤ 两个向量线性相关⇔对应元素成比例；两两正交的非零向量组线性无关. ⑥ 向量组12,,,n ααα⋅⋅⋅中任一向量i α(1≤i ≤)n 都是此向量组的线性组合.⑦ 若12,,,n ααα⋅⋅⋅线性无关，而12,,,,n αααβ⋅⋅⋅线性相关,则β可由12,,,n ααα⋅⋅⋅线性表示,且表示法唯一.4. 最大无关组相关知识向量组的秩 向量组12,,,n ααα的极大无关组所含向量的个数，称为这个向量组的秩.记作12(,,,)n r ααα矩阵等价 A 经过有限次初等变换化为B .向量组等价 12,,,n ααα⋅⋅⋅和12,,,n βββ⋅⋅⋅可以相互线性表示. 记作：()()1212,,,,,,n n αααβββ⋅⋅⋅=⋅⋅⋅① 矩阵的行向量组的秩=列向量组的秩=矩阵的秩. 行阶梯形矩阵的秩等于它的非零行的个数.② 矩阵的初等变换不改变矩阵的秩,且不改变行（列）向量间的线性关系③ 向量组12,,,s βββ⋅⋅⋅可由向量组12,,,n ααα⋅⋅⋅线性表示,且s n >，则12,,,s βββ⋅⋅⋅线性相关. 向量组12,,,s βββ⋅⋅⋅线性无关,且可由12,,,n ααα⋅⋅⋅线性表示,则s ≤n .④ 向量组12,,,s βββ⋅⋅⋅可由向量组12,,,n ααα⋅⋅⋅线性表示,且12(,,,)s r βββ⋅⋅⋅12(,,,)n r ααα=⋅⋅⋅,则两向量组等价；⑤ 任一向量组和它的极大无关组等价.向量组的任意两个极大无关组等价. ⑥ 向量组的极大无关组不唯一，但极大无关组所含向量个数唯一确定. ⑦ 若两个线性无关的向量组等价,则它们包含的向量个数相等. ⑧ 设A 是m n ⨯矩阵,若()r A m =，A 的行向量线性无关； 5. 线性方程组理论线性方程组的矩阵式 Ax β= 向量式1122n n x x x αααβ+++=1112111212222212,,n n m m mn n m a a a x b a a a x b A x a a a x b β⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪ ⎪ ⎪ ⎪=== ⎪ ⎪ ⎪⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭ 其中 12,,2,,j j j mj j n αααα⎛⎫ ⎪ ⎪== ⎪ ⎪ ⎪⎝⎭1（1）解得判别定理 （2）线性方程组解的性质：1212121211221212(1),,(2),,(3),,,,,,,,(4),,(5),,(6k k k k Ax Ax k k Ax k Ax Ax Ax Ax Ax ηηοηηηοηηηηολλλληληληγβηογηβηηβηηο=+⎫⎪=⎪⎬=⎪⎪++⎭==+==-= 是的解也是它的解 是的解对任意也是它的解齐次方程组 是的解对任意个常数 也是它的解 是的解是其导出组的解是的解是的两个解是其导出组的解211212112212112212),(7),,,,100k k k kk k k Ax Ax Ax Ax Ax ηβηηηοηηηβληληληβλλλληληληλλλ⎧⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪=⇔-=⎪=⎪⎪+++=⇔+++=⎪⎪+++=⇔+++=⎩ 是的解则也是它的解是其导出组的解 是的解则也是的解 是的解 (3) 判断12,,,s ηηη是Ax ο=的基础解系的条件： ① 12,,,s ηηη线性无关； ② 12,,,s ηηη都是Ax ο=的解；③ ()=-=每个解向量中自由未知量的个数.s n r A(4) 求非齐次线性方程组Ax = b的通解的步骤例 求下述方程组的解解 19100222111117123(,)3121320113220212623001000A A b ⎛⎫-- ⎪⎛⎫ ⎪⎪ ⎪==--−−→ ⎪ ⎪ ⎪ ⎪⎝⎭ ⎪ ⎪⎝⎭, 由于()()25r A r A ==<，知线性方程组有无穷多解.原方程组等价于方程组1354234519222123322x x x x x x x x ⎧=----⎪⎪⎨⎪=---+⎪⎩,令3451000,1,0.001x x x ⎛⎫⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪ ⎪= ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭⎝⎭求得等价方程组对应的奇次方程组的基础解系 12312021213,,.100010001ξξξ-⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪--- ⎪ ⎪ ⎪⎪ ⎪ ⎪=== ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭求特解: 令3450x x x ===，得12923,.22x x =-= 故特解为92232.000η*-⎛⎫⎪- ⎪ ⎪= ⎪⎪ ⎪⎝⎭所以方程组的通解为 1231202921213232100000000010x k k k --⎛⎫⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪ ⎪--- ⎪ ⎪ ⎪ ⎪⎪ ⎪ ⎪ ⎪=+++ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭⎝⎭，（123,,k k k 为任意常数）.（5）其他性质一个齐次线性方程组的基础解系不唯一.√ 若η*是Ax β=的一个解，1,,,s ξξξ是Ax ο=的一个解⇒1,,,,s ξξξη*线性无关√ Ax ο=与Bx ο=同解（,A B 列向量个数相同）⇔()()A r r A r B B ⎛⎫== ⎪⎝⎭, 且有结果：① 它们的极大无关组相对应,从而秩相等； ② 它们对应的部分组有一样的线性相关性； ③ 它们有相同的内在线性关系.√ 矩阵m n A ⨯与l n B ⨯的行向量组等价⇔齐次方程组Ax ο=与Bx ο=同解⇔PA B =（左乘可逆矩阵P ）；矩阵m n A ⨯与l n B ⨯的列向量组等价⇔AQ B =（右乘可逆矩阵Q ）.第四部分 方阵的特征值及特征向量1. 施密特正交化过程2. 特征值、特征向量的性质及计算3. 矩阵的相似对角化，尤其是对称阵的相似对角化1.①n 个n 维线性无关的向量,两两正交,每个向量长度为1.②1(,)ni i i a b αβ===∑③(,)0αβ=. 记为：αβ⊥④21ni i a α====∑⑤1α==. 即长度为1的向量.2. 内积的性质： ① 正定性：(,)0,(,)0αααααο≥=⇔=且 ② 对称性：(,)(,)αββα=③ 线性性：1212(,)(,)(,)ααβαβαβ+=+3. ① 设A 是一个n 阶方阵, 若存在数λ和n 维非零列向量x , 使得 Ax x λ=，则称λ是方阵A 的一个特征值，x 为方阵A 的对应于特征值λ的一个特征向量.②0E A λ-=（或0A E λ-=）.③()E A λϕλ-=（或()A E λϕλ-=）.④ ()ϕλ是矩阵A 的特征多项式⇒()A O ϕ= ⑤ 12n A λλλ= 1ni A λ=∑tr ，A tr 称为矩阵A⑥ 上三角阵、下三角阵、对角阵的特征值就是主对角线上的n 各元素.⑦ 若0A =,则λ=0为A 的特征值,且Ax ο=的基础解系即为属于λ=0的线性无关的特征向量.⑧ ()1r A =⇔A 一定可分解为A =()1212,,,n n a a b b b a ⎛⎫ ⎪ ⎪ ⎪ ⎪⎝⎭、21122()n n A a b a b a b A =+++,从而A 的特征值为：11122n n A a b a b a b λ==+++tr , 23n λλλ====0.○注()12,,,Tn a a a 为A 各行的公比，()12,,,n b b b 为A 各列的公比. ⑨ 若A 的全部特征值12,,,n λλλ，()f A 是多项式,则:① 若A 满足()f A O =⇒A 的任何一个特征值必满足()i f λ=0 ②()f A 的全部特征值为12(),(),,()n f f f λλλ；12()()()()n f A f f f λλλ=.⑩ A 与T A 有相同的特征值，但特征向量不一定相同. 4. 特征值与特征向量的求法(1) 写出矩阵A 的特征方程0A E λ-=，求出特征值i λ. (2) 根据()0i A E x λ-=得到 A 对应于特征值i λ的特征向量. 设()0i A E x λ-=的基础解系为 12,,,in r ξξξ- 其中()i i r r A E λ=-.则A 对应于特征值i λ的全部特征向量为1122,i i n r n r k k k ξξξ--+++其中12,,,in r k k k -为任意不全为零的数.例 求211020413A -⎛⎫⎪= ⎪ ⎪-⎝⎭的特征值和全部特征向量. 解 第一步：写出矩阵A 的特征方程，求出特征值.解得特征值为1231, 2.λλλ=-==第二步：对每个特征值λ代数齐次线性方程组()0A E x λ-=，求其非零解,即对应于特征值λ的全部特征向量.当1λ=- 时，齐次线性方程组为()0A E x +=,系数矩阵得基础解系:1101P ⎛⎫ ⎪= ⎪ ⎪⎝⎭，故对应于特征值1λ=-的全部特征向量为11(0)k P k ≠. 当2λ= 时，齐次线性方程组为(2)0A E x -=,系数矩阵得基础解系:2011P ⎛⎫ ⎪= ⎪ ⎪-⎝⎭，3104P ⎛⎫⎪= ⎪ ⎪⎝⎭. 故对应于特征值2λ=的全部特征向量为 2233k P k P +， 其中23,k k 不全为零. 5. ①1P AP B -= （P 为可逆矩阵）②1P AP B -= （P 为正交矩阵）③A 与对角阵Λ相似.（称Λ是A 6. 相似矩阵的性质：①E A E B λλ-=-,从而,A B 有相同的特征值,但特征向量不一定相同.○注α是A 关于0λ的特征向量,1P α-是B 关于0λ的特征向量. ②A B =tr tr③A B = 从而,A B 同时可逆或不可逆 ④ ()()r A r B =⑤若A 与B 相似, 则A 的多项式()f A 与B 的多项式()f A 相似. 7. 矩阵对角化的判定方法① n 阶矩阵A 可对角化 (即相似于对角阵) 的充分必要条件是A 有n 个线性无关的特征向量.这时,P 为A 的特征向量拼成的矩阵，1P AP -为对角阵,主对角线上的元素为A 的特征值.设i α为对应于i λ的线性无关的特征向量,则有：121n P AP λλλ-⎛⎫⎪ ⎪=⎪ ⎪⎝⎭. ② A 可相似对角化⇔()i i n r E A k λ--=，其中i k 为i λ的重数⇔A 恰有n 个线性无关的特征向量.○注：当i λ=0为A 的重的特征值时，A 可相似对角化⇔i λ的重数()n r A =-=Ax ο=基础解系的个数.③ 若n 阶矩阵A 有n 个互异的特征值⇒A 可相似对角化. 8. 实对称矩阵的性质：① 特征值全是实数,特征向量是实向量； ② 不同特征值对应的特征向量必定正交；○注：对于普通方阵，不同特征值对应的特征向量线性无关； ③ 一定有n 个线性无关的特征向量. 若A 有重的特征值,该特征值i λ的重数=()i n r E A λ--；④ 必可用正交矩阵相似对角化，即：任一实二次型可经正交变换化为标准形； ⑤ 与对角矩阵合同，即：任一实二次型可经可逆线性变换化为标准形； ⑥ 两个实对称矩阵相似⇔有相同的特征值. 9. 正交矩阵 T AA E =正交矩阵的性质：① 1T A A -=；② T T AA A A E ==；③ 正交阵的行列式等于1或-1； ④ A 是正交阵,则T A ，1A -也是正交阵；⑤ 两个正交阵之积仍是正交阵；⑥ A 的行（列）向量都是单位正交向量组.10.例 实对称阵120222023A -⎛⎫⎪=-- ⎪ ⎪-⎝⎭，求正交阵Q ，使得AQ Q 1-为对角阵. 解 120222(1)(2)(5)0023A E λλλλλλλ---=---=-+--=-- 所以A 的特征值为11λ=-，22λ=，35λ=，当11λ=-时，解()0A E x +=，得基础解系为1(2,2,1)T x = 当22λ=时，解(2)0A E x -=，得基础解系为2(2,1,2)T x =-- 当35λ=时，解(5)0A E x -=，得基础解系为3(1,2,2)T x =- 令111221(,,)333T x y x ==222212(,,)333T x y x ==--333122(,,)333T x y x ==-令123221333212(,,)333122333Q y y y ⎛⎫ ⎪ ⎪⎪==-- ⎪ ⎪ ⎪- ⎪⎝⎭，则⎪⎪⎪⎭⎫ ⎝⎛==-1000500021AQ Q AQ Q T11.123,,ααα线性无关, 单位化：111βηβ=222βηβ= 333βηβ=技巧：取正交的基础解系，跳过施密特正交化。