如何求矩阵的特征值和特征向量

本文通过举例详细介绍了如何求解矩阵的特征值和特征向量,解析了特征值的计算过程,并阐述了特征向量的线性方程组求解方法。进一步讨论了矩阵的特征分解,强调了特征分解的条件和应用场景。
摘要由CSDN通过智能技术生成

举例求解矩阵的特征值和特征向量

(先明确:只有方阵才能求出特征值,非方阵只能求奇异值。)
  直接举一个例子:求下面矩阵M的特征值和特征向量。
M = [ 4 6 0 − 3 − 5 0 − 3 − 6 1 ] M =\begin{bmatrix} 4 & 6 & 0 \\ -3 & -5 & 0 \\ -3 & -6 & 1 \end{bmatrix} M=433656001
  设矩阵M的特征值为 λ \lambda λ,列出矩阵M的特征方程:矩阵M减去, λ \lambda λ乘以和M同等大小的单位矩阵E。再让它们整体的行列式的值等于0即可。如下所示:
∣ M − λ E ∣ = 0 (1) |M - \lambda E| = 0\tag{1} MλE=0(1)
  求解(1)式的步骤如下:
∣ M − λ E ∣ = [ 4 − λ 6 0 − 3 − 5 − λ 0 − 3 − 6 1 − λ ] = ( 1 − λ ) [ 4 − λ 6 − 3 − 5 − λ ] = ( λ − 1 ) 2 ( λ + 2 ) |M - \lambda E| = \begin{bmatrix} 4-\lambda & 6 & 0 \\ -3 & -5-\lambda & 0 \\ -3 & -6 & 1-\lambda \end{bmatrix} = (1-\lambda) \begin{bmatrix} 4-\lambda & 6 \\ -3 & -5-\lambda \end{bmatrix} = (\lambda -1)^{2}(\lambda + 2) MλE=4λ3365λ6001λ=(1λ)[4λ365λ]=(λ1)2(λ+2)
  所以特征值为1和-2,重数是1。
  然后,把每个特征值 λ \lambda λ带入到下方的线性方程组 ( M − λ E ) x = 0 (M - \lambda E)x = 0 (MλE)x=0,求出特征向量。

   λ 1 = − 2 \lambda_{1}=-2 λ1=2时,解线性方程组: ( M − ( − 2 ) E ) x = 0 (M - (-2)E)x = 0 (M(2)E)x=0
∣ M + 2 E ∣ = [ 6 6 0 − 3 − 3 0 − 3 − 6 3 ] ⇒ 先 变 成 增 广 矩 阵 [ 6 6 0 0 − 3 − 3 0 0 − 3 − 6 3 0 ] ⇒ 再 初 等 行 变 换 [ 1 1 0 0 0 0 0 0 0 − 1 1 0 ] |M + 2E| = \begin{bmatrix} 6 &a

  • 51
    点赞
  • 135
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
评论 6
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