内容正文:
知识网络构建
专题归纳提升
章末综合检测
章末分层突破
一、矩阵的特征值与特征向量的求解与应用
设A=eq \b\lc\[\rc\](\a\vs4\al\co1(a b,c d))是一个二阶矩阵,λ是矩阵A的一个特征值,α是属于λ的一个特征向量.欲求λ及α,可令A的特征多项式等于0,即可求出λ的值,将λ的值代入方程组eq \b\lc\{(\a\vs4\al\co1((λ-a)x-by=0,,-cx+(λ-d)y=0,))得到一组非零解eq \b\lc\[\rc\](\a\vs4\al\co1(x0,y0)),eq \b\lc\[\rc\](\a\vs4\al\co1(x0,y0))即为矩阵A的属于特征值λ的一个特征向量.
求矩阵M=eq \b\lc\[\rc\](\a\vs4\al\co1(1 2,2 1))的特征值及其对应的特征向量.
【解】 矩阵M的特征多项式为
f(λ)=eq \b\lc\|\rc\|(\a\vs4\al\co1(λ-1 -2,-2 λ-1))=(λ-1)(λ-1)-4=λ2-2λ-3.
令f(λ)=0,得矩阵M的特征值为-1和3.
当λ=-1时,联立eq \b\lc\{(\a\vs4\al\co1(-2x-2y=0,-2x-2y=0)),解得x+y=0
所以矩阵M的属于特征值-1的一个特征向量为eq \b\lc\[\rc\](\a\vs4\al\co1( 1,-1)).
当λ=3时,联立eq \b\lc\{(\a\vs4\al\co1(2x-2y=0,-2x+2y=0)),解得x=y
所以矩阵M的属于特征值3的一个特征向量为eq \b\lc\[\rc\](\a\vs4\al\co1(1,1)).
二、Anα的表示(计算)
设λ1,λ2是二阶矩阵M的两个不同特征值,矩阵M的属于特征值λ1,λ2的特征向量分别为α1,α2,则平面上任一非零向量β可表示为β=s α1+t α2(其中s,t为实数),则Mnβ=Mn(s α1+t α2)=sλeq \o\al(n,1)α1+tλeq \o\al(n,2)α2(n∈N*).
若矩阵A有特征值λ1=2,λ2=-1,它们所对应的特征向量分别为α1=eq \b\lc\[\rc\](\a\vs4\al\co1(1,0)),α2=eq \b\lc\[\rc\](\a\vs4\al\co1(0,1)).
(1)求矩阵A和其逆矩阵A-1;
(2)已知α=eq \b\lc\[\rc\](\a\vs4\al\co1( 1,16)),试求A100α.
【解】 (1)设矩阵A=eq \b\lc\[\rc\](\a\vs4\al\co1(a b,c d)),其特征多项式为f(λ)=eq \b\lc\|\rc\|(\a\vs4\al\co1(λ-a -b,-c λ-d)).
∵当λ1=2时,其特征向量为α1=eq \b\lc\[\rc\](\a\vs4\al\co1(1,0)),
∴eq \b\lc\{(\a\vs4\al\co1((2-a)×1-b×0=0,,(-c)×1+(2-d)×0=0,))∴eq \b\lc\{(\a\vs4\al\co1(a=2,,c=0.))
同理当λ2=-1时,其特征向量为α2=eq \b\lc\[\rc\](\a\vs4\al\co1(0,1)),
∴eq \b\lc\{(\a\vs4\al\co1((-1-a)×0-b×1=0,,(-c)×0+(-1-d)×1=0,))∴eq \b\lc\{(\a\vs4\al\co1(b=0,,d=-1.))
∴A=eq \b\lc\[\rc\](\a\vs4\al\co1(2 0,0 -1)),det(A)=-2,
∴A-1=-eq \f(1,2)
eq \b\lc\[\rc\](\a\vs4\al\co1(-1 0, 0 2))=eq \b\lc\[\rc\](\a\vs4\al\co1(\f(1,2) 0, 0 -1)).
(2)设α=s α1+t α2,
则eq \b\lc\[\rc\](\a\vs4\al\co1( 1,16))=seq \b\lc\[\rc\](\a\vs4\al\co1(1,0))+teq \b\lc\[\rc\](\a\vs4\al\co1(0,1)),
∴s=1,t=16.
∴A100α=1×2100×eq \b\lc\[\rc\](\a\vs4\al\co1(1,0))+16×(-1)100×eq \b\lc\[\rc\](\a\vs4\al\co1(0,1))
=eq \b\lc\[\rc\](\a\vs4\al\co1(2100, 0))+eq \b\lc\[\rc\](\a\vs4\al\co1( 0,16))=eq \b\lc\[\rc\](\a\vs4\al