🔴
入学要求
💯
能力测试
🛣️
课程安排
🕹️
研究资源

练习

💡

查看全集:🏸线性代数/Linear Algebra

基础题

  1. 求特征值与特征向量

    计算矩阵 A=(3113) A = \begin{pmatrix} 3 & 1 \\ 1 & 3 \end{pmatrix} 的特征值及对应的特征向量。

  1. 判断对角化可能性

    矩阵 B=(210020003)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

  1. 代数与几何重数

    矩阵 C=(411042004)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?

  1. Cayley-Hamilton 定理应用

    若矩阵 D 的特征多项式为 ϕD(λ)=λ32λ2+5λ3 \phi_D(\lambda) = \lambda^3 - 2\lambda^2 + 5\lambda - 3 ,求 的表达式。


综合题

  1. 对角化与相似性
    设矩阵
    A=(0123)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。

参考答案

基础题答案

  1. 特征值与特征向量
    • 特征方程

      det(λIA)=det(λ311λ3)=(λ3)21=0 \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
      • λ₁ = 4,解方程 (4IA)x=0(4I - A)x = 0,得特征向量 x1=(1,1)Tx₁ = (1, 1)^T
      • λ₂ = 2,解方程 (2IA)x=0(2I - A)x = 0,得特征向量 x2=(1,1)Tx₂ = (1, -1)^T
  1. 对角化可能性
    • 矩阵 B 的特征值为 λ₁ = 2(代数重数 2)和 λ₂ = 3
    • λ₁ = 2,解方程(2IB)x=0 (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

  1. 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 (4IC)x=0(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。
  1. Cayley-Hamilton 定理应用
    • 由定理得 D32D2+5D3I=0D³ - 2D² + 5D - 3I = 0,即 D3=2D25D+3ID³ = 2D² - 5D + 3I

综合题答案

  1. 对角化证明
    • 特征方程

      det(λIA)=λ23λ+2=0    λ1=1,λ2=2 \det(\lambda I - A) = \lambda^2 - 3\lambda + 2 = 0 \implies \lambda_1 = 1, \lambda_2 = 2 
    • 特征向量
      • λ₁ = 1,特征向量 x1=(1,1)Tx₁ = (1, 1)^T
      • λ₂ = 2,特征向量 x2=(1,2)Tx₂ = (1, 2)^T
    • 矩阵 P

      P=(1112)    P1AP=(1002) P = \begin{pmatrix} 1 & 1 \\ 1 & 2 \end{pmatrix} \implies P^{-1}AP = \begin{pmatrix} 1 & 0 \\ 0 & 2 \end{pmatrix}