特征值和特征向量
设
A
A
A是
n
n
n阶方阵,若数
λ
\lambda
λ和
n
n
n维非0列向量
x
x
x使:
A
x
=
λ
x
Ax=\lambda x
Ax=λx
成立,则:
λ
\lambda
λ——
A
A
A的特征值;
x
x
x——
A
A
A对应于特征值
λ
\lambda
λ的特征向量。
性质
1、设 n n n阶矩阵 A = ( a i j ) A=(a_{ij}) A=(aij)的特征值为 λ 1 , λ 2 , ⋯ , λ n \lambda_1,\lambda_2,\cdots,\lambda_n λ1,λ2,⋯,λn,
1)
λ
1
+
λ
2
+
⋯
+
λ
n
=
a
11
+
a
22
+
⋯
+
a
n
n
\lambda_1+\lambda_2+\cdots+\lambda_n=a_{11}+a_{22}+\cdots+a_{nn}
λ1+λ2+⋯+λn=a11+a22+⋯+ann;
2)
λ
1
λ
2
⋯
λ
n
=
∣
A
∣
\lambda_1\lambda_2\cdots\lambda_n=|A|
λ1λ2⋯λn=∣A∣
{ ∣ A ∣ ≠ 0 ⇒ A 可逆 ⇔ λ i ≠ 0 , i = 1 , 2 , ⋯ , n \begin{cases} |A|\neq 0 \Rightarrow A\text{可逆}\\ \Leftrightarrow \lambda_i\neq 0,i=1,2,\cdots,n \end{cases} {∣A∣=0⇒A可逆⇔λi=0,i=1,2,⋯,n
A A A | A 2 A^2 A2 | A − 1 A^{-1} A−1 | A k A^k Ak | φ ( A ) \varphi(A) φ(A) | |
---|---|---|---|---|---|
特征值 | λ \lambda λ | λ 2 \lambda^2 λ2 | 1 λ \frac{1}{\lambda} λ1 | λ k \lambda^k λk | φ ( λ ) \varphi(\lambda) φ(λ) |
2、设 λ 1 , λ 2 , ⋯ , λ m \lambda_1,\lambda_2,\cdots,\lambda_m λ1,λ2,⋯,λm是方阵 A A A的 m m m个特征值, p 1 , p 2 , ⋯ , p m p_1,p_2,\cdots,p_m p1,p2,⋯,pm依次是与之对应的特征向量,若 λ 1 , λ 2 , ⋯ , λ m \lambda_1,\lambda_2,\cdots,\lambda_m λ1,λ2,⋯,λm各不相等,则 p 1 , p 2 , ⋯ , p m p_1,p_2,\cdots,p_m p1,p2,⋯,pm线性无关。
3、设 λ 1 , λ 2 \lambda_1,\lambda_2 λ1,λ2是方阵 A A A的2个不同特征值, ξ 1 , ξ 2 , ⋯ , ξ s \xi_1,\xi_2,\cdots,\xi_s ξ1,ξ2,⋯,ξs和 η 1 , η 2 , ⋯ , η t \eta_1,\eta_2,\cdots,\eta_t η1,η2,⋯,ηt分别是对应于 λ 1 , λ 2 \lambda_1,\lambda_2 λ1,λ2的线性无关的特征向量,则 ξ 1 , ξ 2 , ⋯ , ξ s , η 1 , η 2 , ⋯ , η t \xi_1,\xi_2,\cdots,\xi_s,\eta_1,\eta_2,\cdots,\eta_t ξ1,ξ2,⋯,ξs,η1,η2,⋯,ηt线性无关。
4、对称矩阵的特征值为实数;
5、设
λ
1
,
λ
2
\lambda_1,\lambda_2
λ1,λ2是对称矩阵
A
A
A的两个特征值,
p
1
,
p
2
p_1,p_2
p1,p2是对应的特征向量,若
λ
1
≠
λ
2
\lambda_1\neq \lambda_2
λ1=λ2,则:
⇒
p
1
与
p
2
正交
\Rightarrow p_1\text{与}p_2\text{正交}
⇒p1与p2正交
6、设
A
A
A为
n
n
n阶对称矩阵,则必有正交矩阵
P
P
P,使:
P
−
1
A
P
=
P
T
A
P
=
Λ
(
Λ
——以
A
的
n
个特征值为对角元的对角矩阵
)
P^{-1}AP=P^TAP=\Lambda\\ (\Lambda\text{——以}A\text{的}n\text{个特征值为对角元的对角矩阵})
P−1AP=PTAP=Λ(Λ——以A的n个特征值为对角元的对角矩阵)
7、设
A
A
A为
n
n
n阶对称矩阵,
λ
\lambda
λ为
A
A
A的特征方程的
k
k
k重根,则矩阵
A
−
λ
E
A-\lambda E
A−λE的秩
R
(
A
−
λ
E
)
=
n
−
k
R(A-\lambda E)=n-k
R(A−λE)=n−k,
⇒
λ
恰有
k
个线性无关的特征向量
⇔
实对称矩阵一定可对角化
\Rightarrow \lambda \text{恰有}k\text{个线性无关的特征向量}\\ \Leftrightarrow\text{实对称矩阵一定可对角化}
⇒λ恰有k个线性无关的特征向量⇔实对称矩阵一定可对角化
习题
1、求矩阵 A = ( 3 − 1 − 1 3 ) A=\left( \begin{matrix} 3 & -1\\ -1&3 \end{matrix} \right) A=(3−1−13)的特征值与特征向量。
解:
A
x
=
λ
x
(
x
≠
0
)
Ax=\lambda x(x\neq 0)
Ax=λx(x=0)
⇒
(
A
−
λ
E
)
x
=
0
⇒
令
∣
A
−
λ
E
∣
=
∣
3
−
λ
−
1
−
1
3
−
λ
∣
=
(
3
−
λ
)
2
−
1
=
0
⇒
λ
1
=
2
,
λ
2
=
4
\Rightarrow (A-\lambda E)x=0\\ \Rightarrow \text{令} |A-\lambda E|=\left| \begin{matrix} 3-\lambda & -1\\ -1&3-\lambda \end{matrix} \right|=(3-\lambda)^2-1=0\\ \Rightarrow \lambda_1=2,\lambda_2=4
⇒(A−λE)x=0⇒令∣A−λE∣=
3−λ−1−13−λ
=(3−λ)2−1=0⇒λ1=2,λ2=4
1)
λ
1
=
2
\lambda_1=2
λ1=2时,
(
1
−
1
−
1
1
)
→
(
1
−
1
0
0
)
⇒
(
x
1
x
2
)
=
c
1
(
1
1
)
⇒
特征向量
p
1
=
(
1
1
)
\left( \begin{matrix} 1 & -1\\ -1&1 \end{matrix} \right)\to \left( \begin{matrix} 1 & -1\\ 0&0 \end{matrix} \right)\Rightarrow \left( \begin{matrix} x_1\\ x_2 \end{matrix} \right)=c_1\left( \begin{matrix} 1\\ 1 \end{matrix} \right)\Rightarrow \text{特征向量}p_1=\left( \begin{matrix} 1 \\ 1 \end{matrix} \right)
(1−1−11)→(10−10)⇒(x1x2)=c1(11)⇒特征向量p1=(11)
2)
λ
2
=
4
\lambda_2=4
λ2=4时,
(
−
1
−
1
−
1
−
1
)
→
(
1
1
0
0
)
⇒
(
x
1
x
2
)
=
c
2
(
−
1
1
)
⇒
特征向量
p
2
=
(
−
1
1
)
\left( \begin{matrix} -1 & -1\\ -1&-1 \end{matrix} \right)\to \left( \begin{matrix} 1 & 1\\ 0&0 \end{matrix} \right)\Rightarrow \left( \begin{matrix} x_1\\ x_2 \end{matrix} \right)=c_2\left( \begin{matrix} -1\\ 1 \end{matrix} \right)\Rightarrow \text{特征向量}p_2=\left( \begin{matrix} -1 \\ 1 \end{matrix} \right)
(−1−1−1−1)→(1010)⇒(x1x2)=c2(−11)⇒特征向量p2=(−11)
2、求矩阵 A = ( − 1 1 0 − 4 3 0 1 0 2 ) A=\left( \begin{matrix} -1 & 1 & 0\\ -4&3 & 0\\ 1 & 0 &2 \end{matrix} \right) A= −1−41130002 的特征值与特征向量。
解:
令
∣
A
−
λ
E
∣
=
∣
−
1
−
λ
1
0
−
4
3
−
λ
0
1
0
2
−
λ
∣
=
(
2
−
λ
)
∣
−
1
−
λ
1
−
4
3
−
λ
∣
=
(
2
−
λ
)
(
λ
−
1
)
2
=
0
⇒
λ
1
=
2
,
λ
2
=
λ
3
=
1
\text{令} |A-\lambda E|=\left| \begin{matrix} -1-\lambda & 1 & 0\\ -4&3-\lambda & 0\\ 1 & 0 & 2-\lambda \end{matrix} \right|=(2-\lambda)\left| \begin{matrix} -1-\lambda & 1\\ -4&3-\lambda \end{matrix} \right|=(2-\lambda)(\lambda-1)^2=0\\ \Rightarrow \lambda_1=2,\lambda_2=\lambda_3=1
令∣A−λE∣=
−1−λ−4113−λ0002−λ
=(2−λ)
−1−λ−413−λ
=(2−λ)(λ−1)2=0⇒λ1=2,λ2=λ3=1
1)
λ
1
=
2
\lambda_1=2
λ1=2时,
(
−
3
1
0
−
4
1
0
1
0
0
)
→
(
1
0
0
−
4
1
0
−
3
1
0
)
→
(
1
0
0
0
1
0
0
1
0
)
→
(
1
0
0
0
1
0
0
0
0
)
⇒
(
x
1
x
2
x
3
)
=
c
1
(
0
0
1
)
⇒
特征向量
p
1
=
(
0
0
1
)
⇒
k
p
1
(
k
≠
0
)
是对应于
λ
1
=
2
的全部特征向量
\left( \begin{matrix} -3 & 1 &0\\ -4&1& 0\\ 1 & 0 & 0 \end{matrix} \right)\to \left( \begin{matrix} 1 & 0 & 0\\ -4&1& 0\\ -3 & 1 &0 \end{matrix} \right)\to \left( \begin{matrix} 1 & 0 & 0\\ 0&1& 0\\ 0 & 1 &0 \end{matrix} \right)\to \left( \begin{matrix} 1 & 0 & 0\\ 0&1& 0\\ 0 & 0 &0 \end{matrix} \right)\\ \Rightarrow \left( \begin{matrix} x_1\\ x_2\\ x_3 \end{matrix} \right)=c_1\left( \begin{matrix} 0\\ 0\\ 1 \end{matrix} \right)\Rightarrow \text{特征向量}p_1=\left( \begin{matrix} 0\\ 0\\ 1 \end{matrix} \right)\\ \Rightarrow kp_1(k\neq 0)\text{是对应于}\lambda_1=2\text{的全部特征向量}
−3−41110000
→
1−4−3011000
→
100011000
→
100010000
⇒
x1x2x3
=c1
001
⇒特征向量p1=
001
⇒kp1(k=0)是对应于λ1=2的全部特征向量
2)
λ
2
=
λ
3
=
1
\lambda_2=\lambda_3=1
λ2=λ3=1时,
(
−
2
1
0
−
4
2
0
1
0
1
)
→
(
1
0
1
−
2
1
0
−
4
2
0
)
→
(
1
0
1
0
1
2
0
0
0
)
⇒
(
x
1
x
2
x
3
)
=
c
2
(
−
1
−
2
1
)
⇒
特征向量
p
2
=
(
−
1
−
2
1
)
⇒
k
p
2
(
k
≠
0
)
是对应于
λ
2
=
λ
3
=
1
的全部特征向量
\left( \begin{matrix} -2 & 1 &0\\ -4&2& 0\\ 1 & 0 & 1 \end{matrix} \right)\to \left( \begin{matrix} 1 & 0 & 1\\ -2 & 1 &0\\ -4&2& 0 \end{matrix} \right)\to \left( \begin{matrix} 1 & 0 & 1\\ 0 & 1 &2\\ 0&0& 0 \end{matrix} \right)\Rightarrow \left( \begin{matrix} x_1\\ x_2\\ x_3 \end{matrix} \right)=c_2\left( \begin{matrix} -1\\ -2\\ 1 \end{matrix} \right)\Rightarrow \text{特征向量}p_2=\left( \begin{matrix} -1\\ -2\\ 1 \end{matrix} \right)\\ \Rightarrow kp_2(k\neq 0)\text{是对应于}\lambda_2=\lambda_3=1\text{的全部特征向量}
−2−41120001
→
1−2−4012100
→
100010120
⇒
x1x2x3
=c2
−1−21
⇒特征向量p2=
−1−21
⇒kp2(k=0)是对应于λ2=λ3=1的全部特征向量
3、设2阶矩阵 A A A的特征值为 1 , − 1 , 2 1,-1,2 1,−1,2,求 A ∗ + 3 A − 2 E A^*+3A-2E A∗+3A−2E的特征值。
解:
A
A
∗
=
∣
A
∣
E
⇒
A
∗
=
A
−
1
∣
A
∣
,
∣
A
∣
=
1
×
(
−
1
)
×
2
=
−
2
AA^*=|A|E\Rightarrow A^*=A^{-1}|A|,|A|=1\times(-1)\times 2=-2
AA∗=∣A∣E⇒A∗=A−1∣A∣,∣A∣=1×(−1)×2=−2
⇒
∣
A
∣
A
−
1
+
3
A
−
2
E
=
−
2
A
−
1
+
3
A
−
2
E
的特征值
−
2
1
λ
+
3
λ
−
2
λ
1
=
−
2
+
3
−
2
=
−
1
λ
2
=
2
−
3
−
2
=
−
3
λ
3
=
−
1
+
6
−
2
=
3
\Rightarrow |A|A^{-1}+3A-2E=-2A^{-1}+3A-2E\text{的特征值}\\ -2\frac{1}{\lambda}+3\lambda-2\\ \lambda_1=-2+3-2=-1\\ \lambda_2=2-3-2=-3\\ \lambda_3=-1+6-2=3
⇒∣A∣A−1+3A−2E=−2A−1+3A−2E的特征值−2λ1+3λ−2λ1=−2+3−2=−1λ2=2−3−2=−3λ3=−1+6−2=3
4、求矩阵的特征值和特征向量:
(1)
(
2
−
1
2
5
−
3
3
−
1
0
−
2
)
\left( \begin{matrix} 2 & -1 &2\\ 5&-3& 3\\ -1 & 0 & -2 \end{matrix} \right)
25−1−1−3023−2
;(2)
(
1
2
3
2
1
3
3
3
6
)
\left( \begin{matrix} 1 & 2 &3\\ 2&1& 3\\ 3 & 3 & 6 \end{matrix} \right)
123213336
;(3)
(
0
0
0
1
0
0
1
0
0
1
0
0
1
0
0
0
)
\left( \begin{matrix} 0 & 0 &0&1\\ 0&0& 1&0\\ 0 & 1 & 0&0\\ 1&0&0&0 \end{matrix} \right)
0001001001001000
解:(1)
令
∣
A
−
λ
E
∣
=
0
=
∣
2
−
λ
−
1
2
5
−
3
−
λ
3
−
1
0
−
2
−
λ
∣
=
∣
2
−
λ
−
1
λ
2
−
2
5
−
3
−
λ
−
7
−
5
λ
−
1
0
0
∣
=
∣
−
1
λ
2
−
2
3
+
λ
7
+
5
λ
∣
=
∣
−
1
λ
2
−
1
3
+
λ
4
+
4
λ
∣
=
(
λ
+
1
)
∣
−
1
λ
−
1
3
+
λ
4
∣
=
−
(
λ
+
1
)
3
⇒
λ
1
=
λ
2
=
λ
3
=
−
1
(
3
−
1
2
5
−
2
3
−
1
0
−
1
)
→
(
1
0
1
0
−
2
−
2
0
−
1
−
1
)
→
(
1
0
1
0
1
1
0
0
0
)
⇒
p
=
(
−
1
−
1
1
)
\text{令} |A-\lambda E|=0=\left| \begin{matrix} 2-\lambda & -1 & 2\\ 5&-3-\lambda & 3\\ -1 & 0 & -2-\lambda \end{matrix} \right|=\left| \begin{matrix} 2-\lambda & -1 & \lambda^2-2\\ 5&-3-\lambda & -7-5\lambda \\ -1 & 0 & 0 \end{matrix} \right|=\left| \begin{matrix} -1 & \lambda^2-2\\ 3+\lambda & 7+5\lambda \end{matrix} \right|=\left| \begin{matrix} -1 & \lambda^2-1\\ 3+\lambda & 4+4\lambda \end{matrix} \right|\\ =(\lambda+1) \left| \begin{matrix} -1 & \lambda-1\\ 3+\lambda & 4 \end{matrix} \right|=-(\lambda +1)^3\\ \Rightarrow \lambda_1=\lambda_2=\lambda_3=-1\\ \left( \begin{matrix} 3 & -1 &2\\ 5&-2& 3\\ -1 & 0 & -1 \end{matrix} \right)\to \left( \begin{matrix} 1 & 0 &1\\ 0&-2& -2\\ 0 & -1 & -1 \end{matrix} \right)\to \left( \begin{matrix} 1 & 0 &1\\ 0&1& 1\\ 0 & 0 & 0 \end{matrix} \right)\Rightarrow p=\left( \begin{matrix} -1\\ -1\\ 1 \end{matrix} \right)
令∣A−λE∣=0=
2−λ5−1−1−3−λ023−2−λ
=
2−λ5−1−1−3−λ0λ2−2−7−5λ0
=
−13+λλ2−27+5λ
=
−13+λλ2−14+4λ
=(λ+1)
−13+λλ−14
=−(λ+1)3⇒λ1=λ2=λ3=−1
35−1−1−2023−1
→
1000−2−11−2−1
→
100010110
⇒p=
−1−11
(2)
令
∣
A
−
λ
E
∣
=
∣
1
−
λ
2
3
2
1
−
λ
3
3
3
6
−
λ
∣
=
∣
−
1
−
λ
2
3
λ
+
1
1
−
λ
3
0
3
6
−
λ
∣
=
(
λ
+
1
)
∣
−
1
2
3
1
1
−
λ
3
0
3
6
−
λ
∣
=
(
λ
+
1
)
∣
0
3
−
λ
6
1
1
−
λ
3
0
3
6
−
λ
∣
=
−
(
λ
+
1
)
∣
3
−
λ
6
3
6
−
λ
∣
=
−
λ
(
λ
+
1
)
(
λ
−
9
)
=
0
⇒
λ
1
=
0
,
λ
2
=
−
1
,
λ
3
=
9
\text{令} |A-\lambda E|=\left| \begin{matrix} 1-\lambda & 2 & 3\\ 2&1-\lambda & 3\\ 3 & 3 & 6-\lambda \end{matrix} \right|=\left| \begin{matrix} -1-\lambda & 2 & 3\\ \lambda+1&1-\lambda & 3\\ 0 & 3 & 6-\lambda \end{matrix} \right|=(\lambda+1)\left| \begin{matrix} -1 & 2&3\\ 1 & 1-\lambda & 3\\ 0& 3 & 6-\lambda \end{matrix} \right|\\ =(\lambda+1)\left| \begin{matrix} 0 &3- \lambda& 6\\ 1 & 1-\lambda & 3\\ 0& 3 & 6-\lambda \end{matrix} \right|=-(\lambda+1)\left| \begin{matrix} 3- \lambda& 6\\ 3 & 6-\lambda \end{matrix} \right|=-\lambda(\lambda +1)(\lambda-9)=0\\ \Rightarrow \lambda_1=0,\lambda_2=-1,\lambda_3=9
令∣A−λE∣=
1−λ2321−λ3336−λ
=
−1−λλ+1021−λ3336−λ
=(λ+1)
−11021−λ3336−λ
=(λ+1)
0103−λ1−λ3636−λ
=−(λ+1)
3−λ366−λ
=−λ(λ+1)(λ−9)=0⇒λ1=0,λ2=−1,λ3=9
1)
λ
1
=
0
\lambda_1=0
λ1=0时,
(
1
2
3
2
1
3
3
3
6
)
→
(
1
2
3
0
−
3
−
3
0
−
3
−
3
)
→
(
1
2
3
0
1
1
0
0
0
)
→
(
1
0
1
0
1
1
0
0
0
)
⇒
p
1
=
(
−
1
−
1
1
)
\left( \begin{matrix} 1 & 2 &3\\ 2&1& 3\\ 3 & 3 & 6 \end{matrix} \right)\to \left( \begin{matrix} 1 & 2&3\\ 0&-3& -3\\ 0 & -3 & -3 \end{matrix} \right)\to \left( \begin{matrix} 1 & 2&3\\ 0&1& 1\\ 0 & 0 & 0 \end{matrix} \right)\to \left( \begin{matrix} 1 & 0&1\\ 0&1& 1\\ 0 & 0 & 0 \end{matrix} \right)\Rightarrow p_1=\left( \begin{matrix} -1\\ -1\\ 1 \end{matrix} \right)
123213336
→
1002−3−33−3−3
→
100210310
→
100010110
⇒p1=
−1−11
2)
λ
2
=
−
1
\lambda_2=-1
λ2=−1时,
(
2
2
3
2
2
3
3
3
7
)
→
(
1
1
3
2
0
0
0
0
0
5
2
)
→
(
1
1
0
0
0
1
0
0
0
)
⇒
p
2
=
(
−
1
1
0
)
\left( \begin{matrix} 2 & 2 &3\\ 2&2& 3\\ 3 & 3 & 7 \end{matrix} \right)\to \left( \begin{matrix} 1 & 1&\frac{3}{2}\\ 0&0& 0\\ 0 & 0 & \frac{5}{2} \end{matrix} \right)\to \left( \begin{matrix} 1 & 1&0\\ 0&0& 1\\ 0 & 0 & 0 \end{matrix} \right)\Rightarrow p_2=\left( \begin{matrix} -1\\ 1\\ 0 \end{matrix} \right)
223223337
→
10010023025
→
100100010
⇒p2=
−110
3)
λ
3
=
9
\lambda_3=9
λ3=9时,
(
−
8
2
3
2
−
8
3
3
3
−
3
)
→
(
1
1
−
1
2
−
8
3
−
8
2
3
)
→
(
1
1
−
1
0
−
10
5
0
10
−
5
)
→
(
1
1
−
1
0
1
−
1
2
0
0
0
)
→
(
1
0
−
1
2
0
1
−
1
2
0
0
0
)
⇒
p
3
=
(
1
1
2
)
\left( \begin{matrix} -8 & 2 &3\\ 2&-8& 3\\ 3 & 3 & -3 \end{matrix} \right)\to \left( \begin{matrix} 1 & 1&-1\\ 2&-8& 3\\ -8 & 2 &3 \end{matrix} \right)\to \left( \begin{matrix} 1 & 1&-1\\ 0&-10& 5\\ 0 & 10 & -5 \end{matrix} \right)\to \left( \begin{matrix} 1 & 1&-1\\ 0&1& -\frac{1}{2}\\ 0 & 0 & 0 \end{matrix} \right)\to \left( \begin{matrix} 1 & 0&-\frac{1}{2}\\ 0&1& -\frac{1}{2}\\ 0 & 0 & 0 \end{matrix} \right)\Rightarrow p_3=\left( \begin{matrix} 1\\ 1\\ 2 \end{matrix} \right)
−8232−8333−3
→
12−81−82−133
→
1001−1010−15−5
→
100110−1−210
→
100010−21−210
⇒p3=
112
(3)
令
∣
A
−
λ
E
∣
=
0
=
∣
−
λ
0
0
1
0
−
λ
1
0
0
1
−
λ
0
1
0
0
−
λ
∣
=
∣
−
λ
0
0
1
0
−
λ
1
0
0
1
−
λ
0
1
−
λ
2
0
0
0
∣
=
−
∣
0
−
λ
1
0
1
−
λ
1
−
λ
2
0
0
∣
=
(
λ
2
−
1
)
∣
−
λ
1
1
−
λ
∣
=
(
λ
2
−
1
)
2
⇒
λ
1
=
λ
2
=
−
1
,
λ
3
=
λ
4
=
1
\text{令} |A-\lambda E|=0=\left| \begin{matrix} -\lambda & 0 & 0&1\\ 0&-\lambda & 1&0\\ 0 & 1 & -\lambda &0\\ 1&0&0&-\lambda \end{matrix} \right|=\left| \begin{matrix} -\lambda & 0 & 0&1\\ 0&-\lambda & 1&0\\ 0 & 1 & -\lambda &0\\ 1-\lambda^2&0&0&0 \end{matrix} \right|=-\left| \begin{matrix} 0&-\lambda & 1\\ 0 & 1 & -\lambda\\ 1-\lambda^2&0&0 \end{matrix} \right|\\ =(\lambda^2-1)\left| \begin{matrix} -\lambda & 1\\ 1 & -\lambda \end{matrix} \right|=(\lambda^2-1)^2\\ \Rightarrow \lambda_1=\lambda_2=-1,\lambda_3=\lambda_4=1
令∣A−λE∣=0=
−λ0010−λ1001−λ0100−λ
=
−λ001−λ20−λ1001−λ01000
=−
001−λ2−λ101−λ0
=(λ2−1)
−λ11−λ
=(λ2−1)2⇒λ1=λ2=−1,λ3=λ4=1
1)
λ
1
=
λ
2
=
−
1
\lambda_1=\lambda_2=-1
λ1=λ2=−1时,
(
1
0
0
1
0
1
1
0
0
1
1
0
1
0
0
1
)
→
(
1
0
0
1
0
1
1
0
0
0
0
0
0
0
0
0
)
⇒
p
1
=
(
0
−
1
1
0
)
,
p
2
=
(
−
1
0
0
1
)
\left( \begin{matrix} 1 & 0 &0&1\\ 0&1& 1&0\\ 0&1& 1&0\\ 1 & 0 &0&1 \end{matrix} \right)\to \left( \begin{matrix} 1 & 0 &0&1\\ 0&1& 1&0\\ 0&0& 0&0\\ 0& 0 &0&0 \end{matrix} \right)\Rightarrow p_1=\left( \begin{matrix} 0\\ -1\\ 1\\ 0 \end{matrix} \right),p_2=\left( \begin{matrix} -1\\ 0\\ 0\\ 1 \end{matrix} \right)
1001011001101001
→
1000010001001000
⇒p1=
0−110
,p2=
−1001
2)
λ
3
=
λ
4
=
1
\lambda_3=\lambda_4=1
λ3=λ4=1时,
(
−
1
0
0
1
0
−
1
1
0
0
1
−
1
0
1
0
0
−
1
)
→
(
1
0
0
−
1
0
1
−
1
0
0
0
0
0
0
0
0
0
)
⇒
p
3
=
(
0
1
1
0
)
,
p
4
=
(
1
0
0
1
)
\left( \begin{matrix} -1 & 0 &0&1\\ 0&-1& 1&0\\ 0&1&-1&0\\ 1 & 0 & 0&-1 \end{matrix} \right)\to \left( \begin{matrix} 1 & 0 &0&-1\\ 0&1& -1&0\\ 0&0&0&0\\ 0 & 0 & 0&0 \end{matrix} \right)\Rightarrow p_3=\left( \begin{matrix} 0\\ 1\\ 1\\ 0 \end{matrix} \right),p_4=\left( \begin{matrix} 1\\ 0\\ 0\\ 1 \end{matrix} \right)
−10010−11001−10100−1
→
100001000−100−1000
⇒p3=
0110
,p4=
1001
5、已知
p
=
(
1
1
−
1
)
p=\left( \begin{matrix} 1\\ 1\\ -1 \end{matrix} \right)
p=
11−1
是矩阵
A
=
(
2
−
1
2
5
a
3
−
1
b
−
2
)
A=\left( \begin{matrix} 2 & -1 &2\\ 5&a&3\\ -1 & b&-2 \end{matrix} \right)
A=
25−1−1ab23−2
的一个特征向量。
(1)求参数
a
,
b
a,b
a,b及特征向量
p
p
p所对应的特征值;
(2)问
A
A
A可否对角化?
解:
A
p
=
λ
p
⇒
(
A
−
λ
E
)
p
=
0
Ap=\lambda p\Rightarrow (A-\lambda E)p=0
Ap=λp⇒(A−λE)p=0
(
2
−
λ
−
1
2
5
a
−
λ
3
−
1
b
−
2
−
λ
)
(
1
1
−
1
)
=
(
0
0
0
)
⇒
{
−
λ
−
1
=
0
2
+
a
−
λ
=
0
1
+
b
+
λ
=
0
⇒
{
λ
=
−
1
a
=
−
3
b
=
0
\left( \begin{matrix} 2-\lambda & -1 & 2\\ 5 & a-\lambda &3\\ -1&b&-2-\lambda \end{matrix} \right)\left( \begin{matrix} 1\\ 1\\ -1 \end{matrix} \right)=\left( \begin{matrix} 0\\ 0\\ 0 \end{matrix} \right)\Rightarrow \begin{cases} -\lambda-1=0\\ 2+a-\lambda=0\\ 1+b+\lambda=0 \end{cases}\Rightarrow \begin{cases} \lambda=-1\\ a=-3\\ b=0 \end{cases}
2−λ5−1−1a−λb23−2−λ
11−1
=
000
⇒⎩
⎨
⎧−λ−1=02+a−λ=01+b+λ=0⇒⎩
⎨
⎧λ=−1a=−3b=0
(2)
令
∣
A
−
λ
E
∣
=
0
=
∣
2
−
λ
−
1
2
5
−
3
−
λ
3
−
1
0
−
2
−
λ
∣
=
∣
2
−
λ
−
1
λ
2
−
2
5
−
3
−
λ
−
5
λ
−
7
−
1
0
0
∣
=
∣
−
1
λ
2
−
2
3
+
λ
5
λ
+
7
∣
=
∣
−
1
λ
2
−
1
3
+
λ
4
λ
+
4
∣
=
(
λ
+
1
)
∣
−
1
λ
−
1
3
+
λ
4
∣
=
−
(
λ
+
1
)
3
⇒
λ
1
=
λ
2
=
λ
3
=
−
1
(
3
−
1
2
5
−
2
3
−
1
0
−
1
)
→
(
1
0
1
0
−
2
−
2
0
−
1
−
1
)
→
(
1
0
1
0
1
1
0
0
0
)
⇒
p
=
(
−
1
−
1
1
)
无3个线性无关的特征向量
⇒
不可对角化
\text{令} |A-\lambda E|=0=\left| \begin{matrix} 2-\lambda &-1&2\\ 5&-3-\lambda &3\\ -1&0&-2-\lambda \end{matrix} \right|=\left| \begin{matrix} 2-\lambda &-1&\lambda^2-2\\ 5&-3-\lambda &-5\lambda-7\\ -1&0&0 \end{matrix} \right|=\left| \begin{matrix} -1&\lambda^2-2\\ 3+\lambda&5\lambda+7 \end{matrix} \right|\\ =\left| \begin{matrix} -1&\lambda^2-1\\ 3+\lambda&4\lambda+4 \end{matrix} \right|=(\lambda+1)\left| \begin{matrix} -1&\lambda-1\\ 3+\lambda&4 \end{matrix} \right|=-(\lambda+1)^3\\ \Rightarrow \lambda_1=\lambda_2=\lambda_3=-1\\ \left( \begin{matrix} 3 & -1 & 2\\ 5 & -2&3\\ -1&0&-1 \end{matrix} \right)\to \left( \begin{matrix} 1 &0 & 1\\ 0 & -2&-2\\ 0&-1&-1 \end{matrix} \right)\to \left( \begin{matrix} 1 &0 & 1\\ 0 & 1&1\\ 0&0&0 \end{matrix} \right) \Rightarrow p=\left( \begin{matrix} -1\\ -1\\ 1 \end{matrix} \right)\\ \text{无3个线性无关的特征向量} \Rightarrow\text{不可对角化}
令∣A−λE∣=0=
2−λ5−1−1−3−λ023−2−λ
=
2−λ5−1−1−3−λ0λ2−2−5λ−70
=
−13+λλ2−25λ+7
=
−13+λλ2−14λ+4
=(λ+1)
−13+λλ−14
=−(λ+1)3⇒λ1=λ2=λ3=−1
35−1−1−2023−1
→
1000−2−11−2−1
→
100010110
⇒p=
−1−11
无3个线性无关的特征向量⇒不可对角化
相似矩阵
设
A
,
B
A,B
A,B均是
n
n
n阶矩阵,若有可逆矩阵
P
P
P,使:
P
−
1
A
P
=
B
P^{-1}AP=B
P−1AP=B
则
B
B
B是
A
A
A的相似矩阵。
性质
1、若
n
n
n阶矩阵
A
A
A与
B
B
B相似,则:
⇒
A
与
B
的特征值相同
\Rightarrow A\text{与}B\text{的特征值相同}
⇒A与B的特征值相同
2、若
n
n
n阶矩阵
A
A
A与对角阵
Λ
=
(
λ
1
0
0
⋯
0
0
λ
2
0
⋯
0
⋮
⋮
⋮
⋮
0
0
0
⋯
λ
n
)
\Lambda=\left( \begin{matrix} \lambda_1 & 0 & 0 &\cdots &0\\ 0& \lambda_2 & 0 &\cdots &0\\ \vdots&\vdots & \vdots & &\vdots\\ 0& 0& 0&\cdots &\lambda_n \end{matrix} \right)
Λ=
λ10⋮00λ2⋮000⋮0⋯⋯⋯00⋮λn
相似,则
λ
1
,
λ
2
,
⋯
,
λ
n
\lambda_1,\lambda_2,\cdots,\lambda_n
λ1,λ2,⋯,λn为
A
A
A的
n
n
n个特征值。
P
−
1
A
P
=
Λ
P^{-1}AP=\Lambda
P−1AP=Λ
3、
n
n
n阶矩阵
A
A
A与对角阵相似的充要条件:
⇔
A
有
n
个线性无关的特征向量
\Leftrightarrow A\text{有}n\text{个线性无关的特征向量}
⇔A有n个线性无关的特征向量
4、若
A
A
A的
n
n
n个特征值互不相等:
⇒
A
与对角阵相似
\Rightarrow A\text{与对角阵相似}
⇒A与对角阵相似