伴随矩阵的特征值

简介: 3×3A 的特征值为 \lm1,\lm2,\lm3, 证明 \cofA 的特征值为 $$\bex \lm_2\lm_3,\quad \lm_3\lm_1,\quad \lm_1\lm_2.

3×3A 的特征值为 \lm1,\lm2,\lm3, 证明 \cofA 的特征值为 \bex\lm2\lm3,\lm3\lm1,\lm1\lm2.\eex

 

参考解答见[物理学与PDEs]第5章习题9 伴随矩阵的特征值.

 

推广: 设 n×nA 的特征值为 \lm1,\lm2,,\lmn, 证明 \cofA 的特征值为 \bex\lm2\lmn,\lm3\lmn\lm1,,\lm1\lm2\lmn1.\eex

 

复旦大学谢启鸿老师给的一个解答: 根据复旦高代教材 P233 定理 6.1.2, 任一 n 阶矩阵 A 复相似于上三角阵, 即存在非异阵 P, 使得 P1AP=B=[λ1λ2λn].

 注意到伴随阵的性质: (AB)=BA(P1)=(P)1, 上式两边同取伴随可得: PA(P)1=B=[i1λii2λiinλi].
因此 A 的全体特征值为 i1λi, i1λi, , i1λi

 

目录
打赏
0
0
0
0
15
分享
相关文章
《深度揭秘!海森矩阵如何左右梯度下降算法》
梯度下降算法是机器学习中寻找函数最小值的核心方法,而海森矩阵作为二阶偏导数矩阵,在优化过程中扮演着关键角色。它不仅帮助判断函数的凸性,确保全局最优解的收敛,还通过优化搜索方向和动态调整学习率,提高算法的稳定性和收敛速度。深入理解海森矩阵,能显著提升梯度下降算法的性能,助力更高效的模型训练与优化。
|
9月前
心得经验总结:特征值和特征向量
心得经验总结:特征值和特征向量
45 0
R语言矩阵特征值分解(谱分解)和奇异值分解(SVD)特征向量分析有价证券数据
R语言矩阵特征值分解(谱分解)和奇异值分解(SVD)特征向量分析有价证券数据
|
10月前
【数值分析】用幂法计算矩阵的主特征值和对应的特征向量(附matlab代码)
【数值分析】用幂法计算矩阵的主特征值和对应的特征向量(附matlab代码)
从浅到深研究矩阵的特征值、特征向量
从浅到深研究矩阵的特征值、特征向量
256 0
基础算法-差分矩阵
基本思路 如果将差分可以看作是一维差分,那么差分矩阵便是二维差分,与二维前缀和也就是子矩阵的和相对应,互为逆运算。
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等