线性代数，求特征值和特征向量 线性代数 求特征值和特征向量
\u7ebf\u6027\u4ee3\u6570\u4e2d\u600e\u6837\u6c42\u7279\u5f81\u503c\u548c\u7279\u5f81\u5411\u91cf\uff1f特征值 λ = -2， 3， 3，特征向量： (1 0 -1)^T、(3 0 2)^T。
解：
|λE-A| =
|λ-1 -1 -3|
| 0 λ-3 0|
|-2 -2 λ|
|λE-A| = (λ-3)*
|λ-1 -3|
|-2 λ|
|λE-A| = (λ-3)(λ^2-λ-6) = (λ+2)(λ-3)^2
特征值 λ = -2， 3， 3
对于 λ = -2， λE-A =
[-3 -1 -3]
[ 0 -5 0]
[-2 -2 -2]
行初等变换为
[ 1 1 1]
[ 0 1 0]
[ 0 2 0]
行初等变换为
[ 1 0 1]
[ 0 1 0]
[ 0 0 0]
得特征向量 (1 0 -1)^T。
对于重特征值 λ = 3， λE-A =
[ 2 -1 -3]
[ 0 0 0]
[-2 -2 3]
行初等变换为
[ 2 -1 -3]
[ 0 -3 0]
[ 0 0 0]
行初等变换为
[ 2 0 -3]
[ 0 1 0]
[ 0 0 0]
得特征向量 (3 0 2)^T。
答：特征值 λ = -2， 3， 3，特征向量： (1 0 -1)^T、(3 0 2)^T。
扩展资料
特征值是线性代数中的一个重要概念。在数学、物理学、化学、计算机等领域有着广泛的应用
设 A 是n阶方阵，如果存在数m和非零n维列向量 x，使得 Ax=mx 成立，则称 m 是A的一个特征值（characteristic value)或本征值（eigenvalue)。
非零n维列向量x称为矩阵A的属于（对应于）特征值m的特征向量或本征向量，简称A的特征向量或A的本征向量。
矩阵的特征向量是矩阵理论上的重要概念之一，它有着广泛的应用。数学上，线性变换的特征向量（本征向量）是一个非简并的向量，其方向在该变换下不变。该向量在此变换下缩放的比例称为其特征值（本征值）。
|λI-A| =
λ-1 -1 -3
0 λ-3 0
-2 -2 λ
= (λ-1)(λ-3)λ-2×3×(λ-3) = (λ-3)(λ+2)(λ-3) = 0
解得λ=-2，3（两重）
|λE-A| =
|λ-1 -1 -3|
| 0 λ-3 0|
|-2 -2 λ|
|λE-A| = (λ-3)*
|λ-1 -3|
|-2 λ|
|λE-A| = (λ-3)(λ^2-λ-6) = (λ+2)(λ-3)^2
特征值 λ = -2， 3， 3
对于 λ = -2， λE-A =
[-3 -1 -3]
[ 0 -5 0]
[-2 -2 -2]
行初等变换为
[ 1 1 1]
[ 0 1 0]
[ 0 2 0]
行初等变换为
[ 1 0 1]
[ 0 1 0]
[ 0 0 0]
得特征向量 (1 0 -1)^T
对于重特征值 λ = 3， λE-A =
[ 2 -1 -3]
[ 0 0 0]
[-2 -2 3]
行初等变换为
[ 2 -1 -3]
[ 0 -3 0]
[ 0 0 0]
行初等变换为
[ 2 0 -3]
[ 0 1 0]
[ 0 0 0]
得特征向量 (3 0 2)^T.
你好，满意请采纳哦！
|A-λE|=
2-λ 3 2
1 8-λ 2
-2 -14 -3-λ
= -(λ-1)(λ-3)^2=0
解得特征值为1,3,3
1对应的特征向量：
(A-E)x=0
系数矩阵：
1 3 2
1 7 2
-2 -14 -4
初等行变换结果是：
1 0 2
0 1 0
0 0 0
所以特征向量是[-2 0 1]^T
3对应的特征向量：
(A-3E)x=0
系数矩阵：
-1 3 2
1 5 2
-2 -14 -6
初等行变换结果是：
1 1 0
0 2 1
0 0 0
所以特征向量是[1 -1 2]^T
一个线性方程组的基础解系是这样的一个解向量组：
1.这个解向量组是线性无关的；
2.方程组的任意一个解向量都可由这个线性无关的解向量组线性表示.
在线性方程组Ax=0中，若矩阵A的秩为r, 则基础解系所含解向量的个数是n-r.
在这里，矩阵A的秩为1，则基础解系所含解向量的个数应该是2个解向量，一个解向量是不能构成一个基础解系的.
另外你给出的那个解正好可以用X1,X2这个基础解系线性表示.X1+X2就是你给出的那个解.
原方程组和x1-x2+x3=0是同解的，若令x2=k1,x3=k2,则x1=k1-k2,
于是方程组的通解为(k1-k2,k1,k2)=k1(1,1,0)+k2(-1,0,1).
可见基础解系就是让自由未知量x2和x3轮流取1，0后再确定出x1所得到的.
一般情况下若线性方程组Ax=0的系数矩阵的秩为r，则线性方程组有n-r个自由未知量，故基础解系所含解向量的个数是n-r个.让这n-r个自由未知时中的一个取1，其它自由未知时取0，这样可以得到一个解向量。用这样的方法可以得到n-r个解向量，也就得到了基础解系.
绛旓細姹傜壒寰佸鐨勬柟娉曞氨鏄 琛屽垪寮忔柟绋媩A-位E|=0 瑙ｅ緱位 涔嬪悗 鍐嶄唬鍏ョ煩闃礎-位E涓 鍖栫畝寰楀埌鐗瑰緛鍚戦噺
绛旓細05 鐗瑰緛鍊鐨勫熀鏈ц川锛屽涓嬪浘;榻愭绾挎ф柟绋嬬粍瑙ｆ硶nbsp; 01 榻愭绾挎ф柟绋嬬粍鐨勭壒寰佸氨鏄瓑寮忓彸杈逛负0锛屼互娑堝厓娉曠畝鍖;nbsp; 02 鍦ㄥ垵绛夋暟瀛︽柟绋嬬粍涓兘鏄湁鍞竴瑙ｇ殑锛岃屽湪绾挎т唬鏁涓紝鎴戜滑鎶婅繖绉嶆儏鍐电О涓烘柟绋嬬粍鈥滅郴鏁扮煩闃电殑绉╀负1鈥濓紝璁颁负r(A)=1锛屽綋鐭╅樀鐨勭З灏忎簬鏈煡鏁扮殑涓暟鏃讹紝鏂圭▼...
绛旓細1.骞傛硶锛圥owerMethod锛夛細骞傛硶鏄竴绉嶈凯浠ｇ畻娉曪紝鐢ㄤ簬姹傝В鐭╅樀鐨勬渶澶鐗瑰緛鍊鍙婂叾瀵瑰簲鐨鐗瑰緛鍚戦噺銆傞鍏堥夋嫨涓涓垵濮嬪悜閲忎綔涓虹壒寰佸悜閲忕殑浼拌锛岀劧鍚庨氳繃涓嶆柇灏嗚鍚戦噺涔樹互鐭╅樀骞跺彇妯￠暱锛屽緱鍒版柊鐨勪及璁″悜閲忋傞噸澶嶈繖涓繃绋嬬洿鍒版敹鏁涗负姝傛渶鍚庯紝鏈澶х壒寰佸煎嵆涓哄垵濮嬪悜閲忕殑妯￠暱鐨勫钩鏂规牴锛岃屽搴旂殑鐗瑰緛鍚戦噺鍒欎负鏀舵暃鍚庣殑浼...
绛旓細鐗瑰緛鍊 位 = -2锛 3锛 3锛岀壒寰佸悜閲锛 (1 0 -1)^T銆(3 0 2)^T銆傝В锛殀位E-A| = |位-1 -1 -3|| 0 位-3 0||-2 -2 位| |位E-A| = (位-3)|位-1 -3||-2 位| |位E-A| = (位-3)(位^2-位-6) = (位+2)(位-3)^...
绛旓細鐗瑰緛鍊间笌鐗瑰緛鍚戦噺鏄绾挎т唬鏁鐨勬牳蹇冧篃鏄毦鐐癸紝鍦ㄦ満鍣ㄥ涔犵畻娉曚腑搴旂敤鍗佸垎骞挎硾銆傝姹傜嚎鎬т唬鏁颁腑鐨鐗瑰緛鍊煎拰鐗瑰緛鍚戦噺锛屽氨瑕佸厛寮勬竻妤氬畾涔夛細璁 A 鏄 n 闃剁煩闃碉紝濡傛灉瀛樺湪涓涓暟 位 鍙婇潪闆剁殑 n 缁村垪鍚戦噺 伪 锛屼娇寰桝伪=位伪A伪=位伪鎴愮珛锛屽垯绉 位 鏄煩闃 A 鐨勪竴涓壒寰佸硷紝绉伴潪闆跺悜閲 伪 鏄煩闃 A ...
绛旓細绾挎т唬鏁版眰鐗瑰緛鍊煎拰鐗瑰緛鍚戦噺鐨勬柟娉曪細姝ラ锛1銆佸啓鍑簗位螘-螒|寮忓瓙鐨勫叿浣撳舰寮 ->杩涜琛屽垪寮忓寲绠锛屽啓鎴愬洜寮忕殑褰㈠紡 ->浠ゅ紡瀛愮瓑浜0 ->寰楀埌鐗瑰緛鍊笺2銆佸皢鐗瑰緛鍊间唬鍏(位螘-螒)X=0锛屽啓鍑篨鍓嶉潰鐨勭煩闃点3銆佸鐭╅樀杩涜褰掍竴鎬с佹帓浠栨ф楠 4銆佹壘鍒扳滃彴闃垛濅笂鐨勪綔涓哄彈绾︽潫鍚戦噺銆佸墿涓嬬殑鍗充负鑷敱鍚戦噺銆5銆...
绛旓細鐗瑰緛鍊煎湪绾挎т唬鏁涓殑搴旂敤锛氱壒寰佸肩殑姹傝В瀵逛簬绾挎т唬鏁板拰鐩稿叧棰嗗煙鏈夌潃骞挎硾鐨勫簲鐢ㄣ傚湪鐗╃悊銆佸伐绋嬨佽绠楁満鍥惧舰瀛︾瓑棰嗗煙涓锛岀壒寰佸煎拰鐗瑰緛鍚戦噺甯哥敤浜庢弿杩板彉鎹佹尟鍔ㄣ佺ǔ瀹氭у垎鏋愩佸浘鍍忓鐞嗙瓑闂銆傜壒寰佸煎垎瑙ｈ繕鍙互灏嗙煩闃靛垎瑙ｆ垚瀵硅鍖栫殑褰㈠紡锛岀畝鍖栫煩闃佃繍绠椼傜壒寰佸煎垎瑙ｅ拰鐭╅樀瀵硅鍖栵細瀵逛簬涓涓彲瀵硅鍖栫殑鏂归樀A锛...
绛旓細绗竴姝锛屾眰瑙鏂圭▼锛歞et(A-位E)=0 寰楃壒寰佸 位 绗簩姝ワ紝姹傝В鏂圭▼锛(A-位E)x=0 寰楀搴旂壒寰佸悜閲 x 鐗瑰緛鍊肩壒寰佸悜閲闂鐨勫簲鐢ㄦ瘮杈冨箍娉涳細绾挎т唬鏁棰嗗煙鈥斺斿寲绠鐭╅樀锛堝嵆鐭╅樀瀵硅鍖栥佷簩娆″瀷鏍囧噯鍖栫瓑锛夛紝璁＄畻鐭╅樀绾ф暟 楂樼瓑鏁板棰嗗煙鈥斺旇В绾挎у父绯绘暟寰垎鏂圭▼缁勩佸垽鏂潪绾挎у井鍒嗘柟绋嬬粍鍦ㄥ鐐瑰鐨勭ǔ...
绛旓細鎵浠²-A鐨勭壒寰佸间负 位²-位锛屽搴旂殑鐗瑰緛鍚戦噺涓何 A²-A鐨勭壒寰佸间负 0 锛2锛6锛...锛宯²-n 銆愯瘎娉ㄣ戝浜嶢鐨勫椤瑰紡锛屽叾鐗瑰緛鍊间负瀵瑰簲鐨勭壒寰佸椤瑰紡銆绾挎т唬鏁鍖呮嫭琛屽垪寮忋佺煩闃点佺嚎鎬ф柟绋嬬粍銆佸悜閲忕┖闂翠笌绾挎у彉鎹鐗瑰緛鍊煎拰鐗瑰緛鍚戦噺銆佺煩闃电殑瀵硅鍖栵紝浜屾鍨嬪強搴旂敤闂绛夊唴瀹广
绛旓細A-位iI)x=0锛屽叾涓璉鏄崟浣嶇煩闃碉紝鍙互寰楀埌鐗瑰緛鍚戦噺x1锛寈2锛屸︼紝xm銆傜壒鍒湴锛屽綋鐗瑰緛鍊肩殑閲嶆暟澶т簬1鏃讹紝闇瑕姹傝В瀵瑰簲鐗瑰緛鍊肩殑Jordan鏍囧噯褰㈠紡锛屽苟杩涗竴姝ユ眰瑙ordan鍧椾笂鐨勭壒寰佸悜閲忋傛敞锛氳繖鏄熀浜绾挎т唬鏁鐞嗚鐨勮绠楁柟娉曪紝濡傛灉浣跨敤璁＄畻鏈烘眰瑙ｇ煩闃电殑鐗瑰緛鍊煎拰鐗瑰緛鍚戦噺锛屽彲浠ヤ娇鐢ㄧ浉搴旂殑鏁板艰绠楄蒋浠舵垨搴撳嚱鏁般
