線性代數中求相同特徵值對應不同的特徵向量的求法,是不是不一定

時間 2021-08-11 17:38:48

1樓:匿名使用者

你好!首先,r(s)=n-r(a),r(s)是基礎解系的秩,n是未知數的個數,r(a)是化為最簡型增廣矩陣的秩,於是你截圖的那個方程的基礎解系的向量個數r(s)=3-1=2,所以有兩個基礎解系,****的是其中一種,你寫的又是一種,只要這兩個向量線性無關,都可以作為基礎解系的一組解,於是特徵向量的通解或者說全體解是k1a1+k2a2,a1和a2是你取的一組線性無關的解,k1和k2是實數,綜合上述,不一定要和答案寫的一模一樣,只要滿足基礎解系向量線性無關即可,如果改卷老師發現和標準答案不一致,她會驗算的。第二點,特徵向量不同算出來的正交陣不一樣不算錯,你可以看看這類題目讓你求的時候,問題都是這樣出的:

求一個正交陣p使對稱陣a對角化。求一個,換言之,答案有很多個,你只要求出一個正確的即可,老師同樣也會驗證和標準答案不同的解答的,就像微分方程題目一樣,很少有人能把特解求的和標準答案一樣的。

2樓:寒楓

特徵向量有很多,選擇的特徵向量不同正交陣自然不同,答案一樣正確,寫的和答案一樣好處也就是方便你檢查有沒有計算錯誤了

線性代數 計算矩陣特徵向量時 答案是唯一的嗎 我為什麼算出來和答案不一樣?

3樓:匿名使用者

你好!一copy個矩陣特徵值是確定bai的,但對應的特徵向量

du並不唯一,一個特徵向量的zhi任何非零倍數也是特徵向量,dao同一特徵值的不同特徵向量的線性組合也是特徵向量。你只需驗證aα=λα就可知道自己做得是否正確。。經濟數學團隊幫你解答,請及時採納。謝謝!

4樓:魅力魔都

不唯一的

一個矩陣的特徵值是唯一的

特徵值對應的特徵向量為非零向量,也就是你求出的向量 可以乘以 非零常數k ,均是對應的特徵向量

5樓:匿名使用者

特徵向量不是唯一的,

6樓:匿名使用者

不一定的,這要看你的取值是否和參***一樣,如果不一樣答案就不一樣但是也是對的。一般參***都會選取最簡單最簡化的值代入

7樓:finally淡忘

我上學期學的線性代數 答案肯定是唯一的啊 我們的是考查課 所以我也啥也沒學會 但是我可以肯定的告訴你 答案是唯一的 你答案不唯一就是化簡的問題咯 化簡很難得。

線性代數,求特徵值和特徵向量

8樓:dear豆小姐

||特徵值  λ = -2, 3, 3,特徵向量

: (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

特徵值  λ = -2, 3, 3

對於 λ = -2, λe-a =

[-3      -1      -3]

[ 0      -5       0]

[-2      -2      -2]

行初等變換為

[ 1       1         1]

[ 0       1         0]

[ 0       2         0]

行初等變換為

[ 1       0         1]

[ 0       1         0]

[ 0       0         0]

得特徵向量 (1    0    -1)^t。

對於重特徵值 λ = 3, λe-a =

[ 2      -1      -3]

[ 0       0       0]

[-2      -2      3]

行初等變換為

[ 2      -1      -3]

[ 0      -3       0]

[ 0       0       0]

行初等變換為

[ 2       0      -3]

[ 0       1       0]

[ 0       0       0]

得特徵向量 (3     0     2)^t。

答:特徵值  λ = -2, 3, 3,特徵向量: (1    0    -1)^t、(3     0     2)^t。

擴充套件資料

特徵值是線性代數中的一個重要概念。在數學、物理學、化學、計算機等領域有著廣泛的應用

設 a 是n階方陣,如果存在數m和非零n維列向量 x,使得 ax=mx 成立,則稱 m 是a的一個特徵值(characteristic value)或本徵值(eigenvalue)。

非零n維列向量x稱為矩陣a的屬於(對應於)特徵值m的特徵向量或本徵向量,簡稱a的特徵向量或a的本徵向量。

矩陣的特徵向量是矩陣理論上的重要概念之一,它有著廣泛的應用。數學上,線性變換的特徵向量(本徵向量)是一個非簡併的向量,其方向在該變換下不變。該向量在此變換下縮放的比例稱為其特徵值(本徵值)。

9樓:匿名使用者

|a-λ

e| =

1-λ 2 3

2 1-λ 3

3 3 6-λ

r1-r2

-1-λ 1+λ 0

2 1-λ 3

3 3 6-λ

c2+c1

-1-λ 0 0

2 3-λ 3

3 6 6-λ

= (-1-λ)[(3-λ)(6-λ)-18]= (-1-λ)[λ^2-9λ]

= λ(9-λ)(1+λ)

所以a的特徵值為 0, 9, -1

ax = 0 的基礎解係為: a1 = (1,1,-1)'

所以,a的屬於特徵值0的全部特徵向量為: c1(1,1,-1)', c1為非零常數.

(a-9e)x = 0 的基礎解係為: a2 = (1,1,2)'

所以,a的屬於特徵值9的全部特徵向量為: c2(1,1,2)', c2為非零常數.

(a+e)x = 0 的基礎解係為: a3 = (1,-1,0)'

所以,a的屬於特徵值-1的全部特徵向量為: c3(1,-1,0)', c3為非零常數.

10樓:匿名使用者

你好,滿意請採納哦!

|a-λe|=

2-λ 3 2

1 8-λ 2

-2 -14 -3-λ

= -(λ-1)(λ-3)^2=0

解得特徵值為1,3,3

1對應的特徵向量:

(a-e)x=0

係數矩陣:

1 3 2

1 7 2

-2 -14 -4

初等行變換結果是:

1 0 2

0 1 0

0 0 0

所以特徵向量是[-2 0 1]^t

3對應的特徵向量:

(a-3e)x=0

係數矩陣:

-1 3 2

1 5 2

-2 -14 -6

初等行變換結果是:

1 1 0

0 2 1

0 0 0

所以特徵向量是[1 -1 2]^t

11樓:

一個基本結論:

矩陣所有特徵值的和為主對角線上元素的和。

所以,兩個特徵值之和為

1+3=4

12樓:匿名使用者

λ||λ|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

特徵值 λ = -2, 3, 3

對於 λ = -2, λe-a =

[-3 -1 -3]

[ 0 -5 0]

[-2 -2 -2]

行初等變換為

[ 1 1 1][ 0 1 0][ 0 2 0]行初等變換為

[ 1 0 1][ 0 1 0][ 0 0 0]得特徵向量 (1 0 -1)^t對於重特徵值 λ = 3, λe-a =

[ 2 -1 -3]

[ 0 0 0]

[-2 -2 3]

行初等變換為

[ 2 -1 -3]

[ 0 -3 0]

[ 0 0 0]

行初等變換為

[ 2 0 -3]

[ 0 1 0]

[ 0 0 0]

得特徵向量 (3 0 2)^t.

13樓:豆賢靜

題目給的條件是a的秩為2,所以在特徵值為-2的時候,最多隻有兩個特徵向量。

14樓:小樂笑了

|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(兩重)

15樓:匿名使用者

求 λ-2 2 0

2 λ-1 2

0 2 λ

行列式值為0的解。

得特徵值為 -2,1,4。

對λ^3-3λ^2-6λ+8進行因式分解。

一般求特徵值時的因式分解步驟都不難, 上式容易看出1是它的一個零點,提取出λ-1,得到

λ^3-3λ^2-6λ+8=(λ-1)(λ^2-2λ-8)

16樓:匿名使用者

一個線性方程組的基礎解系是這樣的一個解向量組:

17樓:徐臨祥

1.首先讓我們來了解一下特徵值和特徵向量的定義,如下:

2.特徵子空間基本定義,如下:

3.特徵多項式的定義,如下:

18樓:蒯懿靖迎夏

此題中,由於是實對稱矩陣,特徵向量互相垂直,所以η·η1=0,所以

x2+x3=0。在滿足該條件的基礎上任取互相垂直的向量選作η2、η3(只要滿足該條件,就屬於

λ=1對應特徵向量的解空間),即可。

對矩陣a,方程

ax=λx(x待求向量,λ待求標量),的解x稱為a的特徵向量,

λ為對應的特徵值,特徵值特徵向量問題是線性代數學習、研究的一個重要模組。

一般求解辦法:

第一步,求解方程:det(a-λe)=0

得特徵值

λ第二步,求解方程:(a-λe)x=0

得對應特徵向量

x特徵值特徵向量問題的應用比較廣泛:

線性代數領域——化簡矩陣(即矩陣對角化、二次型標準化等),計算矩陣級數

高等數學領域——解線性常係數微分方程組、判斷非線性微分方程組在奇點處的穩定性

物理——矩陣量子力學

……以上僅僅是筆者接觸到的一些應用。

線性代數特徵值和特徵向量,線性代數中怎樣求特徵值和特徵向量?

仨x不等於四 特徵向量和特徵值的定義就是 矩陣a乘以一個非零向量a,相當於一個數 乘以這個向量a,於是這個數 就是特徵值 能代表矩陣a特點的數值 向量a就是特徵向量。寫成式子就是 aa a 那你想想,移項過去以後aa a 0,要把a用乘法分配律提出來,就變成 a e a 0 e是單位矩陣 那你現在的...

線性代數概念 關於矩陣的特徵值,矩陣特徵值 線性代數

1.首先n階矩陣a的特徵可能不止一個,如果有一個是0,那麼a e e是n階單位矩陣 的特徵值就不會是零這句話是不對的。因為a的特徵值可能還有個1,就會導致a e 特徵值包含0。就跟簡單減法一樣 2.a 3 0 那麼a 3 e e,a e a 2 ae e e,所以 a e 是可逆的,逆矩陣為 a 2...

線性代數,求特徵值,題很簡單,但是入E A和使用A 入E的兩種方法,得到多項式居然不同

風清響 e a 和 a e 相等麼?不一定。a是偶數階才相等。但是他們只差一個負號。所以當令其為0的時候,求出來的 一定是一樣的。這邊求出來,都是 3 3 2 5 0 負號兩邊可以消掉 化成這個方程求特徵值應該這樣做。首先第一步是猜一個根,你放心,肯定能猜出來,0,1,1,最多 2,2,肯定有一個是...