数理基础线性代数（Linear Algebra） · 10讲7/10 · 配套练习模块导览 →

练习

第7讲矩阵对角化（Diagonalization） · 练习

计算特征值和特征向量，比较代数与几何重数以判断可对角化性，并用凯莱定理化简矩阵幂。

← 返回本讲讲义

完成状态保存在当前浏览器，可随时取消。

本文目录 · 7 节

基础题#

求特征值与特征向量

计算矩阵 $A = \begin{pmatrix} 3 & 1 \\ 1 & 3 \end{pmatrix}$ 的特征值及对应的特征向量。
判断对角化可能性

矩阵 $B = \begin{pmatrix} 2 & 1 & 0 \\ 0 & 2 & 0 \\ 0 & 0 & 3 \end{pmatrix}$ 是否可对角化？说明理由。

应用题#

代数与几何重数

矩阵 $C = \begin{pmatrix} 4 & 1 & -1 \\ 0 & 4 & 2 \\ 0 & 0 & 4 \end{pmatrix}$ 的特征值 λ = 4 的代数重数和几何重数分别是多少？
Cayley-Hamilton 定理应用

若矩阵 D 的特征多项式为 $\phi_D(\lambda) = \lambda^3 - 2\lambda^2 + 5\lambda - 3$ ，求 D³ 的表达式。

综合题#

对角化与相似性 设矩阵 $A = \begin{pmatrix} 0 & 1 \\ -2 & 3 \end{pmatrix}$ ，证明存在可逆矩阵 P 使得 P⁻¹AP 为对角矩阵，并给出 P 的具体形式。

查看参考答案

基础题答案#

特征值与特征向量
- 特征方程：
  
  $\det(\lambda I - A) = \det\begin{pmatrix} \lambda-3 & -1 \\ -1 & \lambda-3 \end{pmatrix} = (\lambda-3)^2 - 1 = 0$ 解得 λ₁ = 4, λ₂ = 2。
- 特征向量：
  - 对 λ₁ = 4，解方程 $(4I - A)x = 0$ ，得特征向量 $x₁ = (1, 1)^T$ 。
  - 对 λ₂ = 2，解方程 $(2I - A)x = 0$ ，得特征向量 $x₂ = (1, -1)^T$ 。
对角化可能性
- 矩阵 B 的特征值为 λ₁ = 2（代数重数 2）和 λ₂ = 3。
- 对 λ₁ = 2，解方程 $(2I - B)x = 0$ ，特征空间维数为 1（几何重数 < 代数重数）。
- 结论：B 不可对角化。

应用题答案#

代数与几何重数
- 代数重数：特征值 λ = 4 是三重根，代数重数为 3。
- 几何重数：解方程 $(4I - C)x = 0$ ，系数矩阵秩为 2，特征空间维数 = 3 - 2 = 1。
- 结论：代数重数 3 ≠ 几何重数 1。
Cayley-Hamilton 定理应用
- 由定理得 $D³ - 2D² + 5D - 3I = 0$ ，即 $D³ = 2D² - 5D + 3I$ 。

综合题答案#

对角化证明
- 特征方程：
  
  $\det(\lambda I - A) = \lambda^2 - 3\lambda + 2 = 0 \implies \lambda_1 = 1, \lambda_2 = 2$
- 特征向量：
  - 对 λ₁ = 1，特征向量 $x₁ = (1, 1)^T$ 。
  - 对 λ₂ = 2，特征向量 $x₂ = (1, 2)^T$ 。
- 矩阵 P：
  
  $P = \begin{pmatrix} 1 & 1 \\ 1 & 2 \end{pmatrix} \implies P^{-1}AP = \begin{pmatrix} 1 & 0 \\ 0 & 2 \end{pmatrix}$

完成练习后，自评一次

建议先独立作答，再展开参考答案进行核对。

返回讲义下一讲