线代强化NO6|矩阵|例题|小结

矩阵方程与逆矩阵求解

![[Pasted image 20251111171738.png]]

A2+A−4E=0A^2 + A - 4E = 0A2+A4E=0 (A−E)(A+2E)−2E=0(A - E)(A + 2E) - 2E = 0(AE)(A+2E)2E=0 (A−E)(A+2E)=2E(A - E)(A + 2E) = 2E(AE)(A+2E)=2E (A−E)−1=A+2E2=A2+E(A - E)^{-1} = \frac{A + 2E}{2} = \frac{A}{2} + E(AE)1=2A+2E=2A+E
【小结】已知某矩阵方程求某个矩阵的逆矩阵,用因式分解法。
![[Pasted image 20251112083043.png]]

A∗=(A11A21⋯An1A12A22⋯An2⋮⋮⋮A1nA2n⋯Ann)=(−a11−a21⋯−an1−a12−a22⋯−an2⋮⋮⋮−a1n−an2⋯−ann)=−ATA^* = \begin{pmatrix} A_{11} & A_{21} & \cdots & A_{n1} \\ A_{12} & A_{22} & \cdots & A_{n2} \\ \vdots & \vdots & & \vdots \\ A_{1n} & A_{2n} & \cdots & A_{nn} \end{pmatrix} = \begin{pmatrix} -a_{11} & -a_{21} & \cdots & -a_{n1} \\ -a_{12} & -a_{22} & \cdots & -a_{n2} \\ \vdots & \vdots & & \vdots \\ -a_{1n} & -a_{n2} & \cdots & -a_{nn} \end{pmatrix} = -A^TA=A11A12A1nA21A22A2nAn1An2Ann=a11a12a1na21a22an2an1an2ann=AT ∣−AT∣=(−1)3∣AT∣=−∣A∣, ∣A∗∣=∣A∣2, ∣A∣2=−∣A∣|-A^T| = (-1)^3 |A^T| = -|A|,\ |A^*| = |A|^{2},\ |A|^{2} = -|A|AT=(1)3AT=A, A=A2, A2=A ∣A∣(∣A∣+1)=0|A|(|A| + 1) = 0A(A+1)=0 A≠0,不妨设第一个行不为0.按第一行展开A \neq 0, 不妨设第一个行不为0. 按第一行展开A=0,不妨设第一个行不为0.按第一行展开 ∣A∣=a11A11+a12A12+a13A13=−a112−a122−a132≠0|A| = a_{11}A_{11} + a_{12}A_{12} + a_{13}A_{13} = -a_{11}^2 - a_{12}^2 - a_{13}^2 \neq 0A=a11A11+a12A12+a13A13=a112a122a132=0 故∣A∣=−1故|A| = -1A=1

【总结公式】
若Aij=aij,A≠0,n>2,则有.若A_{ij}=a_{ij}, A \neq 0,n>2, 则有.Aij=aij,A=0,n>2,则有. ① A∗=AT② ∣A∣>0③ ∣A∣=∣A∣n−1④ ∣A∣=1①\ A^* = A^T \quad ②\ |A| > 0 \quad ③\ |A| = |A|^{n-1} \quad ④\ |A| = 1 A=AT A>0 A=An1 A=1 ⑤ A为正交矩阵.⑤\ A为正交矩阵. A为正交矩阵.
证:A≠0,不妨设A的第一行不等于0,证: A \neq 0, 不妨设A的第一行不等于0,:A=0,不妨设A的第一行不等于0, ∣A∣=a11A11+a12A12+⋯+a1nA1n|A| = a_{11}A_{11} + a_{12}A_{12} + \cdots + a_{1n}A_{1n}A=a11A11+a12A12++a1nA1n =a112+a122+⋯+a1n2>0= a_{11}^2 + a_{12}^2 + \cdots + a_{1n}^2 > 0=a112+a122++a1n2>0 ∣A∗∣=∣A∣n−1, ∣A∗∣=∣AT∣=∣A∣.故∣A∣=∣A∣n−1|A^*| = |A|^{n-1},\ |A^*| = |A^T| = |A|. 故|A| = |A|^{n-1}A=An1, A=AT=A∣.A=An1 因为∣A∣>0, ∣A∣n−2=1, ∣A∣=1因为|A| > 0,\ |A|^{n-2} = 1,\ |A| = 1因为A>0, An2=1, A=1
AA∗=∣A∣E=E, AAT=E, 故A为正交矩阵.AA^* = |A|E = E,\ AA^T = E,\ 故A为正交矩阵.AA=AE=E, AAT=E, A为正交矩阵.

【小结】1.已知aij与Aij的关系求∣A∣,首先考虑用伴随矩阵的性质。【小结】1.已知a_{ij}与A_{ij}的关系求|A|,首先考虑用伴随矩阵的性质。【小结】1.已知aijAij的关系求A,首先考虑用伴随矩阵的性质。 2.本题的结论可以推广:若aij=Aij(A∗=AT),则有2.本题的结论可以推广:若a_{ij}=A_{ij}(A^*=A^T),则有2.本题的结论可以推广:若aij=AijA=AT),则有 ① ∣A∣=∑j=1naij2=∑i=1naij2;①\ |A| = \sum_{j=1}^n a_{ij}^2 = \sum_{i=1}^n a_{ij}^2; A=j=1naij2=i=1naij2 ② ∣A∣=∣A∣n−1,如果A≠0,则有∣A∣>0,且当n>2时,∣A∣=1(此时A为正交矩阵)。②\ |A| = |A|^{n-1},如果A \neq 0,则有|A| > 0,且当n > 2时,|A| = 1(此时A为正交矩阵)。 A=An1,如果A=0,则有A>0,且当n>2时,A=1(此时A为正交矩阵)。
![[Pasted image 20251112091000.png]]

不推荐:不推荐:不推荐: 思路1:A−1→A→A∗→(A∗)−1,思路2:(A∗)−1=(A−1)∗思路1: A^{-1} \to A \to A^* \to (A^*)^{-1}, 思路2: (A^*)^{-1} = (A^{-1})^*思路1:A1AA(A)1,思路2:(A)1=(A1) AA∗=∣A∣E  ⟹  (A∗)−1=A∣A∣AA^* = |A|E \implies (A^*)^{-1} = \frac{A}{|A|}AA=AE(A)1=AA 推荐解:推荐 \qquad 解:推荐: (111∣100121∣010113∣001)→(111∣100010∣−110002∣−101)→(100∣52−1−12010∣−110001∣−12012)\begin{pmatrix} 1&1&1&| &1&0&0 \\ 1&2&1&| &0&1&0 \\ 1&1&3&| &0&0&1 \end{pmatrix} \rightarrow \begin{pmatrix} 1&1&1&| &1&0&0 \\ 0&1&0&| &-1&1&0 \\ 0&0&2&| &-1&0&1 \end{pmatrix} \rightarrow \begin{pmatrix} 1&0&0&| &\frac{5}{2}&-1&-\frac{1}{2} \\ 0&1&0&| &-1&1&0 \\ 0&0&1&| &-\frac{1}{2}&0&\frac{1}{2} \end{pmatrix}1111211131000100011001101021110100011000100012512111021021 ∣A−1∣=∣111121113∣=∣111010002∣=2, ∣A∣=12|A^{-1}| = \begin{vmatrix} 1&1&1 \\ 1&2&1 \\ 1&1&3 \end{vmatrix} = \begin{vmatrix} 1&1&1 \\ 0&1&0 \\ 0&0&2 \end{vmatrix} = 2,\ |A| = \frac{1}{2}A1=111121113=100110102=2, A=21 (A∗)−1=(5−2−1−220−101)(A^*)^{-1} = \begin{pmatrix} {5}&-2&-1 \\ -{2}&2&0 \\ -1&0&1 \end{pmatrix}(A)1=521220101
![[Pasted image 20251112095034.png]]

解:法1:特殊值法.令n=2,(A∗)∗=A,排除ABD,选C.解: 法1: 特殊值法. 令n=2, (A^*)^*=A, 排除ABD, 选C.:1:特殊值法.n=2,(A)=A,排除ABD,C. 法2:(A∗)∗=∣A∗∣(A∗)−1=∣A∣n−1⋅A∣A∣=∣A∣n−2A,选C.法2: (A^*)^* = |A^*|(A^*)^{-1} = |A|^{n-1} \cdot \frac{A}{|A|} = |A|^{n-2}A, 选C.2:(A)=A(A)1=An1AA=An2A,C.

【小结】求伴随矩阵有两种情况:【小结】求伴随矩阵有两种情况:【小结】求伴随矩阵有两种情况: 第一、A可逆,则计算或是讨论A∗的基本思路是用公式A∗=∣A∣A−1,第一、A可逆,则计算或是讨论A^*的基本思路是用公式A^* = |A|A^{-1},第一、A可逆,则计算或是讨论A的基本思路是用公式A=AA1, 第二、如果矩阵不可逆或是否可逆未知,处理或计算其伴随矩阵的基本思路是用定义或是用公式AA∗=A∗A=∣A∣E。第二、如果矩阵不可逆或是否可逆未知,处理或计算其伴随矩阵的基本思路是用定义或是用公式AA^* = A^*A = |A|E。第二、如果矩阵不可逆或是否可逆未知,处理或计算其伴随矩阵的基本思路是用定义或是用公式AA=AA=AE
![[Pasted image 20251112110126.png]]

解:法1:特殊值.A=(20011012032)解: 法1: 特殊值. A = \begin{pmatrix} 2&0&0 \\ 1&1&0 \\ \frac{1}{2}&0&\frac{3}{2} \end{pmatrix}:1:特殊值.A=21210100023 A11=(−1)1+1∣10032∣=32A_{11} = (-1)^{1+1} \begin{vmatrix} 1&0 \\ 0&\frac{3}{2} \end{vmatrix} = \frac{3}{2}A11=(1)1+110023=23 A21=0, A31=0A_{21} = 0,\ A_{31} = 0A21=0, A31=0
法2:A的属于特征值2的特征向量为(1,1,1)T法2: A的属于特征值2的特征向量为(1,1,1)^T2:A的属于特征值2的特征向量为(1,1,1)T A∗的属于特征值32的特征向量为(1,1,1)TA^*的属于特征值\frac{3}{2}的特征向量为(1,1,1)^TA的属于特征值23的特征向量为(1,1,1)T A∗的每行元素之和为32.A^*的每行元素之和为\frac{3}{2}.A的每行元素之和为23. A11+A21+A31=32.A_{11} + A_{21} + A_{31} = \frac{3}{2}.A11+A21+A31=23.
![[Pasted image 20251112200208.png]]

解:(A−2E)B=A解: \quad (A-2E)B = A:(A2E)B=A 法1:∣A−2E∣=∣2231−10−121∣=∣4230−10121∣=−1≠0, A−2E可逆, B=(A−2E)−1A法1: |A-2E| = \begin{vmatrix} 2&2&3 \\ 1&-1&0 \\ -1&2&1 \end{vmatrix} = \begin{vmatrix} 4&2&3 \\ 0&-1&0 \\ 1&2&1 \end{vmatrix} = -1 \neq 0, \ A-2E可逆, \ B = (A-2E)^{-1}A1:A2E=211212301=401212301=1=0, A2E可逆, B=(A2E)1A 法2:(A−2E∣A)→初等行变换(E∣B)法2: (A-2E \mid A) \stackrel{初等行变换}{\to} (E \mid B)2:(A2EA)初等行变换(EB)
小结:
小结:三种矩阵方程A,B可逆小结: 三种矩阵方程 A,B可逆小结:三种矩阵方程A,B可逆 ① AX=B法1:X=A−1B,法2: (A∣B)→(E∣X)①\ AX=B \qquad 法1: X=A^{-1}B, \qquad法2:\ (A \mid B) \to (E \mid X) AX=B1:X=A1B,2: (AB)(EX) ② XA=B法1:X=BA−1,法2: (AT∣BT)→(E∣XT)②\ XA=B \qquad 法1: X=BA^{-1}, \qquad法2:\ (A^T \mid B^T) \to (E \mid X^T) XA=B1:X=BA1,2: (ATBT)(EXT)(XA)T=BT, ATXT=BT(XA)^T = B^T ,\qquad\ A^T X^T = B^T(XA)T=BT, ATXT=BT③ AXB=C, X=A−1CB−1③\ AXB=C, \ X=A^{-1}CB^{-1} AXB=C, X=A1CB1 因式分解6个字.从左看,从右看.因式分解6个字. \\ 从左看,从右看.因式分解6个字.从左看,从右看.
![[Pasted image 20251112203426.png]]

解:AXA+BXB−AXB−BXA=E解: AXA + BXB - AXB - BXA = E:AXA+BXBAXBBXA=E AX(A−B)−BX(A−B)=EAX(A-B) - BX(A-B) = EAX(AB)BX(AB)=E (A−B)X(A−B)=E①(A-B)X(A-B) = E \quad ①(AB)X(AB)=E X=(A−B)−1⋅(A−B)−1=[(A−B)−1]2=[(A−B)2]−1②X = (A-B)^{-1} \cdot (A-B)^{-1} = [(A-B)^{-1}]^2 = [(A-B)^{2}]^{-1} \quad ②X=(AB)1(AB)1=[(AB)1]2=[(AB)2]1 A−B=(1−1−101−1001)A-B = \begin{pmatrix} 1&-1&-1 \\ 0&1&-1 \\ 0&0&1 \end{pmatrix}AB=100110111 法1:推荐法1: 推荐1:推荐 (1−1−1∣10001−1∣010001∣001)→(1−10∣112010∣011001∣001)\begin{pmatrix} 1&-1&-1&|&1&0&0 \\ 0&1&-1&|&0&1&0 \\ 0&0&1&|&0&0&1 \end{pmatrix} \rightarrow \begin{pmatrix} 1&-1&0&|&1&1&2 \\ 0&1&0&|&0&1&1 \\ 0&0&1&|&0&0&1 \end{pmatrix}100110111100010001100110001100110211 X=(112011001)(112011001)=(125012001)X = \begin{pmatrix} 1&1&2 \\ 0&1&1 \\ 0&0&1 \end{pmatrix} \begin{pmatrix} 1&1&2 \\ 0&1&1 \\ 0&0&1 \end{pmatrix} = \begin{pmatrix} 1&2&5 \\ 0&1&2 \\ 0&0&1 \end{pmatrix}X=100110211100110211=100210521 法2:法2:2: (A−B)2=(1−1−101−1001)(1−1−101−1001)=(1−2−101−2001)(A-B)^2 = \begin{pmatrix} 1&-1&-1 \\ 0&1&-1 \\ 0&0&1 \end{pmatrix} \begin{pmatrix} 1&-1&-1 \\ 0&1&-1 \\ 0&0&1 \end{pmatrix} = \begin{pmatrix} 1&-2&-1 \\ 0&1&-2 \\ 0&0&1 \end{pmatrix}(AB)2=100110111100110111=100210121 (1−2−1∣10001−2∣010001∣001)→(1−20∣125010∣012001∣001)\begin{pmatrix} 1&-2&-1&|&1&0&0 \\ 0&1&-2&|&0&1&0 \\ 0&0&1&|&0&0&1 \end{pmatrix} \rightarrow \begin{pmatrix} 1&-2&0&|&1&2&5 \\ 0&1&0&|&0&1&2 \\ 0&0&1&|&0&0&1 \end{pmatrix}100210121100010001100210001100210521
![[Pasted image 20251113015505.png]]

解:(1) A2=(E−ξξT)(E−ξξT)=E−2ξξT+ξξTξ‾ξT解:(1)\ A^2 = (E - \xi\xi^T)(E - \xi\xi^T) = E - 2\xi\xi^T + \xi\underline{\xi^T\xi}\xi^T:(1) A2=(EξξT)(EξξT)=E2ξξT+ξξTξξT =E+(ξTξ−2)ξξT=A的充要条件为ξTξ=1= E + (\xi^T\xi - 2)\xi\xi^T = A\quad的充要条件为\quad\xi^T\xi = 1=E+(ξTξ2)ξξT=A的充要条件为ξTξ=1 (2)法1:假设A可逆.A2=A, A−1A⋅A=A−1A, A=E  ⟹  E−ξξT=E(2)法1: 假设A可逆. A^2 = A, \ A^{-1}A \cdot A = A^{-1}A, \ A = E \implies E - \xi\xi^T = E(2)1:假设A可逆.A2=A, A1AA=A1A, A=EEξξT=E   ⟹  −ξξT=0,而ξ为n维非零列向量,矛盾.故A不可逆.\implies -\xi\xi^T = 0, 而\xi为n维非零列向量, 矛盾. 故A不可逆.ξξT=0,ξn维非零列向量,矛盾.A不可逆. 法2:用特征值.ξξT的特征值0(n−1重),tr(ξξT)=ξTξ=1法2: 用特征值. \xi\xi^T的特征值0(n-1重), tr(\xi\xi^T) = \xi^T\xi = 12:用特征值.ξξT的特征值0(n1),tr(ξξT)=ξTξ=1 A的特征值为1(n−1重),0, ∣A∣=0,A不可逆.A的特征值为1(n-1重), 0, \ |A| = 0, A不可逆.A的特征值为1(n1),0, A=0,A不可逆.
小结
【小结】1.假设n阶矩阵A的秩为1,则有【小结】1.假设n阶矩阵A的秩为1,则有【小结】1.假设n阶矩阵A的秩为1,则有 (1)存在n维列向量α,β,使得A=αβT;(1)存在n维列向量\alpha,\beta,使得A = \alpha\beta^T;(1)存在n维列向量α,β,使得A=αβT (2)对于上述α,β,有αTβ=βTα=tr(A);(2)对于上述\alpha,\beta,有\alpha^T\beta = \beta^T\alpha = tr(A);(2)对于上述α,β,有αTβ=βTα=tr(A) (3)An=[tr(A)]n−1A;(3)A^n = \left[tr(A)\right]^{n-1}A;(3)An=[tr(A)]n1A (4)A的特征值为0(n−1重),tr(A)。(4)A的特征值为0(n-1重),tr(A)。(4)A的特征值为0(n1)tr(A)αβT的特征值为0(n−1重),βTα。\alpha\beta^T的特征值为0(n-1重),\beta^T\alpha。αβT的特征值为0(n1)βTα(5) 0的特征向量只看A的第一行 tr(A)的特征向量为A的第一列(5)\ 0的特征向量只看A的第一行 \qquad\ tr(A)的特征向量为A的第一列(5) 0的特征向量只看A的第一行 tr(A)的特征向量为A的第一列
2.矩阵可逆的充要条件,假设A为n阶矩阵,则有2.矩阵可逆的充要条件,假设A为n阶矩阵,则有2.矩阵可逆的充要条件,假设An阶矩阵,则有 A可逆⇔∣A∣≠0A可逆 \Leftrightarrow |A| \neq 0A可逆A=0 ⇔r(A)=n\Leftrightarrow r(A) = nr(A)=n ⇔齐次线性方程组Ax=0仅有零解\Leftrightarrow 齐次线性方程组Ax = 0仅有零解齐次线性方程组Ax=0仅有零解 ⇔非齐次线性方程组Ax=b有唯一解\Leftrightarrow 非齐次线性方程组Ax = b有唯一解非齐次线性方程组Ax=b有唯一解 ⇔A的特征值中不含零\Leftrightarrow A的特征值中不含零A的特征值中不含零
拓:
已知r(A)=1,证明:tr(A)=1时,有(A−E)3=A−E已知r(A)=1, 证明: tr(A)=1时, 有(A-E)^3 = A-E已知r(A)=1,证明:tr(A)=1,(AE)3=AE 解:(A−E)3=A3−3A2+3A−E解: (A-E)^3 = A^3 - 3A^2 + 3A - E:(AE)3=A33A2+3AE =[tr(A)]2A−3tr(A)⋅A+3A−E= \left[tr(A)\right]^2 A - 3tr(A) \cdot A + 3A - E=[tr(A)]2A3tr(A)A+3AE =A−3A+3A−E=A−E.= A - 3A + 3A - E = A - E.=A3A+3AE=AE.
![[Pasted image 20251113032726.png]]

选D
【小结】初等变换会改变行列式的值,但是不会改变行列式的零性。【小结】初等变换会改变行列式的值,但是不会改变行列式的零性。【小结】初等变换会改变行列式的值,但是不会改变行列式的零性。
![[Pasted image 20251113041036.png]]

求A.求A.A. 法1:(100001010)A(100−110001)=(−21−11−10−100),法1: \begin{pmatrix} 1&0&0 \\ 0&0&1 \\ 0&1&0 \end{pmatrix} A \begin{pmatrix} 1&0&0 \\ -1&1&0 \\ 0&0&1 \end{pmatrix} = \begin{pmatrix} -2&1&-1 \\ 1&-1&0 \\ -1&0&0 \end{pmatrix},1:100001010A110010001=211110100, A=(100001010)−1(−21−11−10−100)(100−110001)−1A = \begin{pmatrix} 1&0&0 \\ 0&0&1 \\ 0&1&0 \end{pmatrix}^{-1} \begin{pmatrix} -2&1&-1 \\ 1&-1&0 \\ -1&0&0 \end{pmatrix} \begin{pmatrix} 1&0&0 \\ -1&1&0 \\ 0&0&1 \end{pmatrix}^{-1}A=10000101012111101001100100011 法2:A=(100001010)(−21−11−10−100)(100110001)=(−11−1−1000−10)法2: A = \begin{pmatrix} 1&0&0 \\ 0&0&1 \\ 0&1&0 \end{pmatrix} \begin{pmatrix} -2&1&-1 \\ 1&-1&0 \\ -1&0&0 \end{pmatrix} \begin{pmatrix} 1&0&0 \\ 1&1&0 \\ 0&0&1 \end{pmatrix} = \begin{pmatrix} -1&1&-1 \\ -1&0&0 \\ 0&-1&0 \end{pmatrix}2:A=100001010211110100110010001=110101100
已知A=(−11−1−1000−10),求tr(A−1) 已知A = \begin{pmatrix} -1&1&-1 \\ -1&0&0 \\ 0&-1&0 \end{pmatrix}, 求tr(A^{-1})已知A=110101100,tr(A1) 法1:法1:1: (−11−1∣100−100∣0100−10∣001)→(100∣0−10010∣00−1−11−1∣100)→(100∣0−10010∣00−1001∣−11−1)\begin{pmatrix} -1&1&-1&|&1&0&0 \\ -1&0&0&|&0&1&0 \\ 0&-1&0&|&0&0&1 \end{pmatrix} \rightarrow \begin{pmatrix} 1&0&0&|&0&-1&0 \\ 0&1&0&|&0&0&-1 \\ -1&1&-1&|&1&0&0 \end{pmatrix} \rightarrow \begin{pmatrix} 1&0&0&|&0&-1&0 \\ 0&1&0&|&0&0&-1 \\ 0&0&1&|&-1&1&-1 \end{pmatrix}110101100100010001101011001001100010100010001001101011 tr(A−1)=0+0+(−1)=−1tr(A^{-1}) = 0 + 0 + (-1) = -1tr(A1)=0+0+(1)=1 法2:用伴随矩阵.设B=A−1,∣A∣=∣−11−1−1000−10∣=−1,法2: 用伴随矩阵. 设B = A^{-1}, |A| = \begin{vmatrix} -1&1&-1 \\ -1&0&0 \\ 0&-1&0 \end{vmatrix} = -1,2:用伴随矩阵.B=A1,A=110101100=1, A−1=A∗∣A∣=−A∗A^{-1} = \frac{A^*}{|A|} = -A^*A1=AA=A tr(B)=tr(−A∗)=−A11−A22−A33=0+0−1=−1tr(B) = tr(-A^*) = -A_{11} - A_{22} - A_{33} = 0 + 0 - 1 = -1tr(B)=tr(A)=A11A22A33=0+01=1 法3:用特征值.法3: 用特征值.3:用特征值. ∣A−λE∣=∣−1−λ1−1−1−λ00−1−λ∣=∣−1−λ1−1−1−λ0−1−λ0−1+λ∣|A - \lambda E| = \begin{vmatrix} -1-\lambda&1&-1 \\ -1&-\lambda&0 \\ 0&-1&-\lambda \end{vmatrix} = \begin{vmatrix} -1-\lambda&1&-1 \\ -1&-\lambda&0 \\ -1-\lambda&0&-1+\lambda \end{vmatrix} AλE=1λ101λ110λ=1λ11λ1λ0101+λ =∣−λ1−1−1−λ000−1+λ∣=(−1−λ)(λ2+1)=0,特征值−1,i,−i= \begin{vmatrix} -\lambda&1&-1 \\ -1&-\lambda&0 \\ 0&0&-1+\lambda \end{vmatrix} = (-1-\lambda)(\lambda^2 + 1)=0, 特征值-1, i, -i=λ101λ0101+λ=(1λ)(λ2+1)=0,特征值1,i,i A−1的特征值−1,1i,1−i,tr(A−1)=−1+1i+1−i=−1A^{-1}的特征值-1, \frac{1}{i}, \frac{1}{-i}, tr(A^{-1}) = -1 + \frac{1}{i} + \frac{1}{-i} = -1A1的特征值1,i1,i1,tr(A1)=1+i1+i1=1
改:
改:A=(29131103103725),求tr(A−1)改: A = \begin{pmatrix} 29&1&311 \\ 0&31&0 \\ 3&7&25 \end{pmatrix}, 求tr(A^{-1}):A=29031317311025,tr(A1) 解:∣A∣=31⋅(29×25−933)=α解: |A| = 31 \cdot (29 \times 25 - 933) = \alpha:A=31(29×25933)=α A−1=1αA∗A^{-1} = \frac{1}{\alpha}A^*A1=α1A tr(A−1)=tr(1αA∗)=1α(A11+A22+A33)tr(A^{-1}) = tr\left(\frac{1}{\alpha}A^*\right) = \frac{1}{\alpha}(A_{11} + A_{22} + A_{33})tr(A1)=tr(α1A)=α1(A11+A22+A33) =1α∣310725∣+1α∣29311325∣+1α∣291031∣= \frac{1}{\alpha}\begin{vmatrix} 31&0 \\ 7&25 \end{vmatrix} + \frac{1}{\alpha}\begin{vmatrix} 29&311 \\ 3&25 \end{vmatrix} + \frac{1}{\alpha}\begin{vmatrix} 29&1 \\ 0&31 \end{vmatrix}=α1317025+α129331125+α1290131 改:A=(2913110310315725),求tr(A−1)改: A = \begin{pmatrix} 29&1&311 \\ 0&31&0 \\ 315&7&25 \end{pmatrix}, 求tr(A^{-1}):A=2903151317311025,tr(A1) 解:用特征值:解: 用特征值::用特征值: (2931131525)(11)=340(11)\begin{pmatrix} 29&311 \\ 315&25 \end{pmatrix}\begin{pmatrix} 1 \\ 1 \end{pmatrix} = 340\begin{pmatrix} 1 \\ 1 \end{pmatrix}(2931531125)(11)=340(11) 用快速计算特征值方法得出A的特征值为31,340,−286用快速计算特征值方法得出A的特征值为31, 340, -286用快速计算特征值方法得出A的特征值为31,340,286 A−1的特征值为131,1340,1−286A^{-1}的特征值为\frac{1}{31}, \frac{1}{340}, \frac{1}{-286}A1的特征值为311,3401,2861 tr(A−1)=131+1340−1286=?tr(A^{-1}) = \frac{1}{31} + \frac{1}{340} - \frac{1}{286} =?tr(A1)=311+34012861=?
![[Pasted image 20251113044158.png]]

法1:Q=P(100001001),Q−1AQ=(100110001)−1P−1AP(100110001)法1: Q = P\begin{pmatrix} 1&0&0 \\ 0&0&1 \\ 0&0&1 \end{pmatrix}, Q^{-1}AQ = \begin{pmatrix} 1&0&0 \\ 1&1&0 \\ 0&0&1 \end{pmatrix}^{-1}P^{-1}AP\begin{pmatrix} 1&0&0 \\ 1&1&0 \\ 0&0&1 \end{pmatrix}1:Q=P100000011,Q1AQ=1100100011P1AP110010001 =(100−110001)(100010002)(100111001)=(100010002)= \begin{pmatrix} 1&0&0 \\ -1&1&0 \\ 0&0&1 \end{pmatrix}\begin{pmatrix} 1&0&0 \\ 0&1&0 \\ 0&0&2 \end{pmatrix}\begin{pmatrix} 1&0&0 \\ 1&1&1 \\ 0&0&1 \end{pmatrix} = \begin{pmatrix} 1&0&0 \\ 0&1&0 \\ 0&0&2 \end{pmatrix}=110010001100010002110010011=100010002 法2:AP=P(100010002),A(α1,α2,α3)=(α1,α2,α3)(100010002)=(α1,α2,2α3)法2: AP = P\begin{pmatrix} 1&0&0 \\ 0&1&0 \\ 0&0&2 \end{pmatrix}, A(\alpha_1,\alpha_2,\alpha_3) = (\alpha_1,\alpha_2,\alpha_3)\begin{pmatrix} 1&0&0 \\ 0&1&0 \\ 0&0&2 \end{pmatrix} = (\alpha_1,\alpha_2,2\alpha_3)2:AP=P100010002,A(α1,α2,α3)=(α1,α2,α3)100010002=(α1,α2,2α3) {Aα1=α1Aα2=α2Aα3=2α3\begin{cases} A\alpha_1 = \alpha_1 \\ A\alpha_2 = \alpha_2 \\ A\alpha_3 = 2\alpha_3 \end{cases}Aα1=α1Aα2=α2Aα3=2α3 α1+α2,α2为A的特征值1的两个线性无关的特征向量.\alpha_1+\alpha_2, \alpha_2为A的特征值1的两个线性无关的特征向量.α1+α2,α2A的特征值1的两个线性无关的特征向量. α3为A的特征值2的特征向量.\alpha_3为A的特征值2的特征向量.α3A的特征值2的特征向量. Q−1AQ=(100110002)Q^{-1}AQ = \begin{pmatrix} 1&0&0 \\ 1&1&0 \\ 0&0&2 \end{pmatrix}Q1AQ=110010002 小结:若Q的列向量仍为A的特征向量,能用发2,若不是,只能用法1小结: 若Q的列向量仍为A的特征向量, 能用发2, 若不是, 只能用法1小结:Q的列向量仍为A的特征向量,能用发2,若不是,只能用法1

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值