最后更新: 2025-08-24 20:50 查看: 182 次反馈能力测评会员8.2元/月赞助

代数重根与几何重根

## 代数重根与几何重根

在[特征子空间的几何意义](https://kb.kmath.cn/kbase/detail.aspx?id=1870)里，介绍了代数重根与几何重根。

这里有2个结论：如果代数重根不同时，特征向量一定是线性相关的，如果代数重根有相同的时，特征向量可能线性相关也可能线性无关。上面已经进行了解释。这里从分式方程进行再理解一下。

我们看一个初中数学分式题

`例`$\frac{x-2}{x+2}-\frac{16}{x^2-4}=\frac{x+2}{x-2}$
解： $\frac{x-2}{x+2}-\frac{16}{x^2-4}=\frac{x+2}{x-2}$
去分母得: $(x-2)^2-16=(x+2)^2$,
整理得: $8 x=-16$,
解得: $x=-2$
经检验: $x=-2$ 是原方程的增根,
$\therefore$ 原方程无解.

我们在解分式方程时，都是把分式销掉，转换为代数式进行计算，这个过程，扩大的解的范围，因此，再解出来时，需要再次验证一下。

同样的，我们在求解特征向量时，使用的是几何重根，但是却是按照代数重根进行计算，这扩大的解的范围，导致求出来的向量，有时候线性相关，有时候线性无关。

**代数重数**：就是特征多项式的根的重数，即
$\operatorname{det}\left(\lambda I _n- A \right)=\left(\lambda-\lambda_1\right)^{m_1}\left(\lambda-\lambda_2\right)^{m_2} \cdots\left(\lambda-\lambda_s\right)^{m_s}$ 的解。

**几何重数**，是特征矩阵 $(|\lambda E-A|)$ 零空间的维数 
 
 代数重根和几何重根的关系可以概括如下

> **如果矩阵A的$n$个特征值都不相同，那么A必然存在$n$个线性无关的特征向量（A能够被对角化）, 如果存在相同的特征值，可能存在也可能不存在$n$个线性无关特质向量。因为n个特征值不一定含n个特征向量。即如果存在n个线性无关的特征向量，则能够对角化；如果不存在n个线性无关的特征向量，则不能对角化。(几何重数小于代数重数)**

下面通过两个例题说明，因为在前面已经介绍了求特征值的方法，因此，这里给出简略解答。

`例`求矩阵
$$
\boldsymbol{A}=\left[\begin{array}{ccc}
4 & 6 & 0 \\
-3 & -5 & 0 \\
-3 & -6 & 1
\end{array}\right]
$$
的特征值及特征向量, 并说明其几何意义。
解 由矩阵 $\boldsymbol{A}$ 的特征方程:

$$
|A-\lambda E|=\left[\begin{array}{ccc}
4-\lambda & 6 & 0 \\
-3 & -5-\lambda & 0 \\
-3 & -6 & 1-\lambda
\end{array}\right]=(\lambda+2)(\lambda-1)^2=0
$$

得到特征值 $\lambda_1=-2, \lambda_2=\lambda_3=1$ 。
然后分别求出他的基础解系[基础解系求法见此处](https://kb.kmath.cn/kbase/detail.aspx

免费注册查看余下70%

《高等数学》难点解析

高数教程 泰勒公式切线与法线切平面与法平面驻点·拐点·极值点·零点间断点渐进线瑕积分欧拉方程伯努利方程 Abel 收敛定理偏导数的几何意义偏导数的几何意义梯度数量场与向量场多元函数极值拉格朗日算子通量与散度环流量与旋度格林公式高斯公式斯托克斯公式三大公式比较傅里叶级数极坐标微元点法式方程变上限定积分 X型计算面积 Y型计算面积微分的意义渐近线间断点 y''+py'+qy=f(x)方程高斯黎曼傅里叶变换(复数) 拉普拉斯变换(复数)

高等数学测评 函数与极限一元函数微分学一元函数积分学微分方程空间向量与代数多元微分学多元积分学无穷级数

《线性代数》难点解析

线代教程 近世代数对数学的整体思考线性的意义矩阵乘法(列视角) 矩阵乘法(行视角) 矩阵左乘矩阵右乘逆矩阵求解方程组阶梯形矩阵的求法方程组解的判定四阶行列式的计算线性变换的意义线性空间向量组的等价线性空间的几何意义基础解系的求法施密特正交化特征值与特征向量的意义矩阵相似的几何意义矩阵可对角化的理解秩的意义(向量版) 秩的意义(方程版) 二次型的意义

线性代数测评 行列式矩阵向量空间

《概率论与数理统计》难点解析

概率教程 置信区间与上a分位数概率中的“取”与“放” 贝叶斯公式全概率公式泊松分布指数分布伽玛分布二维密度图的意义卷积的意义相关系数的意义 k阶矩是与矩母函数卡方分布的作用单正态区间估计理解假设检验理解切比雪夫不等式中心极限定理

概率统计测评 事件与概率一维随机变量与事件多维随机变量与事件随机变量的数字特征大数定律与中心极限定理统计量与抽样分布参数估计假设检验

上一篇：矩阵可对角化 λ 的通俗解释

下一篇：对称矩阵的特征值与特征向量

本文对您是否有用？有用 (0) 无用 (0)