矩阵理论第一章-特征值与特征向量

本文详细介绍了线性代数中的特征值与特征向量概念,包括它们的定义、矩阵的谱、特征多项式。讨论了代数重数与几何重数的关系,以及矩阵相似对角化条件。此外,还探讨了Jordan标准型、特征值的几何性质以及广义特征值问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一.特征值与特征向量的概念

1.if 在这里插入图片描述
那么lamda叫做A的特征值;x叫做A对应于lamda特征值的特征向量。
2.矩阵的谱:矩阵所有特征值的集合。
3.特征多项式:lamdaE-A的行列式。
在这里插入图片描述

二:代数重数与几何重数。

1.代数重数:ni叫做lamdai的代数重数。
几何重数:mi叫做lamdai的几何重数。

在这里插入图片描述
几何重数就是上述矩阵线性无关特征向量的个数。
if 几何重数等于代数重数:那么说明该矩阵是可以相似对角化的。
if 几何重数小于代数重数:那么说明该矩阵是不可以相似对角化的。
**(**注:几何重数和代数重数都是针对某一个特定的lamdai。)

例题一:证明几何重数小于等于代数重数
①:先假设几何重数为k,那么(lamdaE-A)x=0,x可有k个线性无关的基向量线性组合而成。
②:对k个线性无关的基向量扩充至n个&

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值