线性代数,证明与对角阵相似问题。图中第一个,为什么可以得到特征值全部为零,不是其中一个为零吗?-- 70
线性代数,证明与对角阵相似问题。图中第一个,为什么可以得到特征值全部为零,不是其中一个为零吗?----------第二个,Ax=0有n-1个线性无关解向量,则对应于特征值...
线性代数,证明与对角阵相似问题。图中第一个,为什么可以得到特征值全部为零,不是其中一个为零吗?----------第二个,Ax=0有n-1个线性无关解向量,则对应于特征值=0的特征向量也是n-1个,如果对应的特征值非零呢?λE-A算是初等变换么,会改变秩么?谢谢回答----Du君你不要来了。。。
展开
1个回答
展开全部
先回答你第1个问题。(第1个问题清楚了,第2个问题也就明白一大半了)
设 λ 为 A 的特征值,它对应的特征向量为 x,那么 Ax = λx
所以:A^2 x = A(Ax) = A(λx) = λ(Ax) = λ(λx) = λ^2 x
也就是说:λ^2 是 A^2 的特征值,对应的特征向量也是 x。
同理可继续推得:
λ^3 是 A^3 的特征值,对应的特征向量是 x。
……
λ^k 是 A^k 的特征值,对应的特征向量是 x。
假设 λ ≠ 0,那么:(A^k) x = (λ^k) x
由于 A^k = 0,所以 (A^k) x = 0。
但是 λ ≠ 0,所以 (λ^k) x ≠ 0,矛盾。
关于你的第2个问题。
A 没有非零的特征值,所以当 A 对应于仅有的特征值 λ = 0 的特征子空间只有 <= n-1 维时,A 就不可对角化。
设 λ 为 A 的特征值,它对应的特征向量为 x,那么 Ax = λx
所以:A^2 x = A(Ax) = A(λx) = λ(Ax) = λ(λx) = λ^2 x
也就是说:λ^2 是 A^2 的特征值,对应的特征向量也是 x。
同理可继续推得:
λ^3 是 A^3 的特征值,对应的特征向量是 x。
……
λ^k 是 A^k 的特征值,对应的特征向量是 x。
假设 λ ≠ 0,那么:(A^k) x = (λ^k) x
由于 A^k = 0,所以 (A^k) x = 0。
但是 λ ≠ 0,所以 (λ^k) x ≠ 0,矛盾。
关于你的第2个问题。
A 没有非零的特征值,所以当 A 对应于仅有的特征值 λ = 0 的特征子空间只有 <= n-1 维时,A 就不可对角化。
推荐律师服务:
若未解决您的问题,请您详细描述您的问题,通过百度律临进行免费专业咨询