求2个矩阵的特征值和特征向量 求矩阵的特征值和特征向量
0 = det[A - aI] =
[-a,1/2,-3/2]
[1/2,2-a,-1/2]
[-3/2,-1/2,-a]
=
[-a,1/2,-3/2]
[1/2,2-a,-1/2]
[-a-3/2,0,-a-3/2]
=-(a+3/2)*
[-a,1/2,-3/2]
[1/2,2-a,-1/2]
[1,0,1]
=-(a+3/2)*
[0,1/2,a-3/2]
[0,2-a,-1]
[1,0,1]
=-(a+3/2)*[-1/2-(2-a)(a-3/2)] = (a+3/2)[1/2+(1-a+1)(a-1-1/2)]
=(a+3/2)[1/2 - (1-a)^2 + a-1 - 1/2 - 1/2(1-a)]
=(a+3/2)(a-1)[-a+1 + 1 + 1/2]
=(a+3/2)(a-1)(5/2-a)
a= -3/2, 1, 5/2.
0 = [A + 3/2I]X,
3x/2 + y/2 - 3z/2 = 0,
x/2 + y/2 - z/2 = 0,
-3x/2 - y/2 + 3z/2 = 0.
x=z,y=0. [1,0,1]^T是对应于特征值-3/2的特征向量。
0 = [A-I]X,
-x + y/2 - 3z/2 = 0,
x/2 + y - z/2 = 0,
-3x/2 - y/2 - z = 0.
y=z=-x. [-1,1,1]^T是对应于特征值1的特征向量。
0 = [A-5/2I]X,
-5x/2 + y/2 - 3z/2 = 0,
x/2 - y/2 - z/2 = 0,
-3x/2 - y/2 - 5z/2 = 0.
y=2x,z=-x. [1,2,-1]^T是对应于特征值1的特征向量。
2,
0 = det[A - aI] =
[-a,-1,0]
[1,-a,1]
[0,-1,-a]
= -a^3 - a - a = -a[a^2 + 2]
a = 0,i2^(1/2),-i2^(1/2).
0 = [A-0I]X,
-y = 0,
x + z = 0,
-y=0,
x=-z,y=0.[1,0,-1]^T是对应于特征值0的特征向量。
0 = [A-i2^(1/2)I]X,
- i2^(1/2)x -y = 0,
x - i2^(1/2)y + z = 0,
-y - i2^(1/2)z =0,
x=z,y=-i2^(1/2)z.[1,-i2^(1/2),1]^T是对应于特征值i2^(1/2)的特征向量。
0 = [A+i2^(1/2)I]X,
i2^(1/2)x -y = 0,
x + i2^(1/2)y + z = 0,
-y + i2^(1/2)z =0,
x=z,y=i2^(1/2)z.[1,i2^(1/2),1]^T是对应于特征值-i2^(1/2)的特征向量。
看图
二阶矩阵的特征值和特征向量的求法
||A-xE|=
2-x 3
2 1-x
=(2-x)(1-x)-6
=x^2-3x-4
=(x+1)(x-4)
所以特征值是-1,4
-1对应的特征向量：
(A+E)x=0的系数矩阵为
3 3
2 2
基础解系为[-1 1]'，
所以-1对应的特征向量为[-1 1]'
对应的特征向量：
(A-4E)x=0的系数矩阵为
-2 3
2 -3
基础解系为[3 2]'
所以4对应的特征向量为[3 2]'
扩展资料：
特征向量对应的特征值是它所乘的那个缩放因子。
特征空间就是由所有有着相同特征值的特征向量组成的空间，还包括零向量，但要注意零向量本身不是特征向量。
线性变换的主特征向量是最大特征值对应的特征向量。
特征值的几何重次是相应特征空间的维数。
有限维向量空间上的一个线性变换的谱是其所有特征值的集合。
参考资料来源：百度百科-特征向量
相关参考：
我问一下,如果两个矩阵相似,它们的特征向量之间有什么关系。_百度知 ...
如果Ax=λx，B=P^{-1}AP。那么Ax=PBP^{-1}x=λx，B(P^{-1}x)=λ(P^{-1}x)。n阶矩阵A与对角矩阵相似的充分必要条件为矩阵A有n个线性无关的特征向量。注： 定理的证明过程实际上已经给出了把方阵对角化的方法。若矩阵可对角化，则可按下列步骤来实现：1、 求出全部的特征值；2、...
已知实对称矩阵的特征值(如有两个),知道其中一个特征值的特征向量,怎么...
x2,...)^T, 它与已知特征向量正交, 求出基础解系即可。一般情况下, 解出的基础解系所含向量的个数必须是另一个特征值的重数k，因为实对称矩阵k重特征值必有k个线性无关的特征向量，而与已知向量正交的线性无关的向量又恰好有k个，这样才知道基础解系中向量都是另一个特征值的特征向量。
两个n阶矩阵有完全相同的n个各不相同的特征值,两个矩阵相似吗?
这两个矩阵一定相似。首先由于这两个矩阵的n个特征值都不相同，那么每个特征值一定能找到一个特征向量。而且不同特征值对应的特征向量一定正交（不相关）。也就是可以找到n个不相关的特征向量。也就是它们都可对角化（与对角阵相似）。由于它们特征值相同。也就是说这两个矩阵相似于同个对角阵。这两...
怎样求特征值和特征向量?
2、在命令行窗口中输入a＝［1 2 3；2 4 5；7 8 9］，按回车键之后，输入［x，y］＝eig（a），如下图所示：3、按回车键之后，得到了x，y的值，其中x的每一列值表示矩阵a的一个特征向量，这里有3个特征向量，y的对角元素值代表a矩阵的特征值，如下图所示：4、步如果我们要取y的对角元素...
特征向量怎么求
从定义出发，Ax=cx：A为矩阵，c为特征值，x为特征向量。矩阵A乘以x表示，对向量x进行一次转换（旋转或拉伸）（是一种线性转换），而该转换的效果为常数c乘以向量x（即只进行拉伸）。通常求特征值和特征向量即为求出该矩阵能使哪些向量（当然是特征向量）只发生拉伸，使其发生拉伸的程度如何（特征值...
特征值跟特征向量之间什么关系
如果有两个，则可对角化，如果只有一个，不能对角化；矩阵可对角化的条件：有n个线性无关的特征向量；这里不同的特征值，对应线性无关的特征向量。重点分析重根情况，n重根如果有n个线性无关的特征向量，则也可对角化。特征值和特征向量数学概念 若σ是线性空间V的线性变换，σ对V中某非零向量x的...
矩阵特征值和特征向量问题
这个你的矩阵打得相当抽象啊。矩阵特征向量的个数和根的个数有关，但和特征值的重根数没关系，一时不好举例，线性代数的书上应该有例题。比如你这个题，λ=-1 是两重根，对应的特征方程恰好是秩为2，也就是只有一个自由变量，也就是只有一个特征向量（声明：没有验算～）但是也可以举例出3阶矩阵...
求矩阵 2 1 1 2 的特征值及对应的特征向量
x-y=0 ．可取 1 1 为属于特征值λ 2 =3的一个特征向量．综上所述，矩阵 2 1 1 2 有两个特征值λ 1 =1，λ 2 =3；属于λ 1 =1的一个特征向量为 1 -1 ，属于λ 2 =3的一个特征向量为 1 1 ．（10分）
怎么用Matlab求矩阵的特征值和特征向量
2、第二步在命令行窗口中输入a=[1 2 3;2 4 5;7 8 9]，按回车键之后，输入[x,y]=eig(a)，如下图所示：3、第三步按回车键之后，得到了x,y的值，其中x的每一列值表示矩阵a的一个特征向量，这里有3个特征向量，y的对角元素值代表a矩阵的特征值，如下图所示：4、第四步如果我们要取y...
矩阵可逆条件下矩阵的特征值和特征向量怎样判断呢?
设A是n阶方阵，如果数λ和n维非零列向量x使关系式Ax=λx成立，那么这样的数λ称为矩阵A特征值，非零向量x称为A的对应于特征值λ的特征向量。式Ax=λx也可写成( A-λE)X=0。这是n个未知数n个方程的齐次线性方程组，它有非零解的充分必要条件是系数行列式| A-λE|=0。设A是数域P上的一...
相关评论
14710946883：[答案] 第一个:tE-A= t+2 6 -3 t-7 所以特征多项式为 (t+2)(t-7)+18=0 解得t1=1,t2=4 将t1代回矩阵得tE-A= 3 6 -3 -6 解(tE-A)x=0得 x=2 -1 同理,将t2代回就能求得另外一个特征向量 1 -1 所以,矩阵的特征向量为t1(2,-1)+...
14710946883： 特征多项式 f(λ)= . λ-2 -1 -1 λ-2 . =(λ-2 ) 2 -1= λ 2 -4λ+3 ,(3分) 由f(λ)=0,解得λ 1 =1,λ 2 =3.(6分) 将λ 1 =1代入特征方程组,得 -x-y=0 -x-y=0 ?x+y=0 . 可取 1 -1 为属于特征值λ 1 =1的一个特征向量.(8分) 将λ 2 =3代入特征方程组,得 ...
14710946883： |A-λE| =1-λ 2 32 1-λ 33 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的特征值为 0, 9, -1 AX = 0 的基础解系为: a1 = (1,1,-1)' 所以,A的属于特征值0的全部特征向量为: ...
14710946883： 解:A= 0 0 0 1 0 0 1 0 0 1 0 0 1 0 0 0 先求出特征值,得到1,-1(都是两重) 将特征值1代入特征方程(λI-A)x=0 1 0 0 -1 0 1 -1 0 0 -1 1 0 -1 0 0 1 第4行, 加上第1行*1 1 0 0 -1 0 1 -1 0 0 -1 1 0 0 0 0 0 第3行, 加上第2行*1 1 0 0 -1 0 1 -1 0 0 0 0 ...
