因为A可对角化，所以(E-A)x=0就有两个线性无关解，即E-A的秩是1。
详解：
λE-A的零度就是λ的几何重数，如果A可对角化则几何重数等于代数重数。
问题里"λE-A的秩等于1"中的“1”是二重特征值。又因可对角化的矩阵的秩等于其非零特征值的个数。
推导过程：
A可对角化时，存在可逆矩阵P使得 P^-1AP=diag(a1，..，an)
则 R(A) = R(P^-1AP) = Rdiag(a1，...，an) = a1，...，an中非零元素的个数。
而A的特征值即 a1，...，an
所以 R(A) 等于A的非零特征值的个数。
综上所述：(E-A)x=0就有两个线性无关解，即E-A的秩是1。
扩展资料：
可对角化矩阵和映射在线性代数中有重要价值，因为对角矩阵特别容易处理： 它们的特征值和特征向量是已知的，并通过简单的提升对角元素到同样的幂来把一个矩阵提升为它的幂。
对于一个矩阵来说，不一定存在将其对角化的矩阵，但是任意一个n×n矩阵如果存在n个线性不相关的特征向量，则该矩阵可被对角化。
一个主对角线之外的元素皆为0的矩阵。对角线上的元素可以为0或其他值。在特征值和特征向量方面，矩阵与线性变换的理论是平行的，所得的结果对线性变换也成立。
若n阶矩阵A有n个不同的特征值，则A必能相似于对角矩阵。
说明：当A的特征方程有重根时，就不一定有n个线性无关的特征向量，从而未必能对角化。
参考资料来源：百度百科--可对角化矩阵
因为A可对角化，所以(E-A)x=0就有两个线性无关解，即E-A的秩是1。
详解：
λE-A的零度就是λ的几何重数，如果A可对角化则几何重数等于代数重数。
问题里"λE-A的秩等于1"中的“1”是二重特征值。又因可对角化的矩阵的秩等于其非零特征值的个数。
推导过程：
A可对角化时, 存在可逆矩阵P使得 P^-1AP=diag(a1,..,an)
则 R(A) = R(P^-1AP) = Rdiag(a1,...,an) = a1,...,an中非零元素的个数
而A的特征值即 a1,...,an
所以 R(A) 等于A的非零特征值的个数。
综上所述：(E-A)x=0就有两个线性无关解，即E-A的秩是1。
扩展资料：
一、可对角化的概念
1、定义1：
设σ是几维线性空间V的一个线性变换，如果存在V的一个基，使σ在这组基下的矩阵为对角矩阵，则称线性变换σ可对角化。
2、定义2：
矩阵A是数域P上的一个n级方阵.如果存在一个P上的n级可逆矩阵X，X^-1AX为对角矩阵，则称矩阵A可对角化。
二、可对角化的条件
1、（定理7）设σ为n维线性空间V的一个线性变换，则σ可对角化=σ有n个线性无关的特征向量。
2、（定理8）设σ为雌线性空间V的一个线性变换，如果ε1，ε2，…εk分别是σ的属于互不相同的特征值λ1,λ2…λk的特征向量，则ε1，ε2，…εk线性无关。
3、（推论1）设σ为n维线性空间V的一个线性变换，如果σ的特征多项式在数域P中有n个不同特征值，则口可对角化。特别地，（推论2）在复数域C上的线性空间中，如果线性变换σ的特征多项式没有重根，则σ可对角化。
4、（定理9）设σ为线性空间V的一个线性变换，λ1,λ2…λk是σ的不同特征值，而εi1，εi2，…εir1是属于特征值λi的线性无关的特征向量，i=1，2,...,k，则向量ε11，ε12，…εk1,...,εkrk线性无关。
参考资料来源：百度百科-对角化
本回答被网友采纳而λE-B是个对角线元素有λ的对角阵，根据定义λ矩阵要是秩为1的话任何2阶以上的子式都要为0，但2阶子式并不为0，而是某个含λ的式子本回答被提问者和网友采纳