# 题型五:抽象矩阵的特征值 ## 识别特征 - 矩阵是**抽象表达式**($A^2, A^k, A^*, A^{-1}, f(A)$) - 已知 $A$ 满足某种关系($A^2 = A$, $A^2 - 3A + 2E = O$ 等) - 求某个矩阵表达式的特征值或行列式 ## 解题流程 ```mermaid flowchart TD A[识别:抽象特征值] --> B{A 满足什么?} B -->|矩阵方程 A²+aA+bE=O| C["λ²+aλ+b=0 → 解出 λ"] B -->|幂等 A²=A| D["λ²=λ → λ∈{0,1}"] B -->|对合 A²=E| E["λ²=1 → λ=±1"] B -->|已知 A 特征值 λ| F[套公式库] F --> G["A²→λ²
A⁻¹→1/λ
A*→Πλⱼ/λᵢ
A+αE→λ+α
fA→fλ"] C --> H[得结果] D --> H E --> H G --> H ``` ## 核心公式库(必背)⭐⭐ | 已知 | 求 | 特征值对应 | |------|---|-----------| | $A$ 特征值 $\lambda_i$ | $A^k$ | $\lambda_i^k$ | | $A$ 特征值 $\lambda_i$($A$ 可逆) | $A^{-1}$ | $1/\lambda_i$ | | $A$ 特征值 $\lambda_i$($A$ 可逆) | $A^* = (\det A) A^{-1}$ | $\det A / \lambda_i = \prod_{j \neq i} \lambda_j$ | | $A$ 特征值 $\lambda_i$, $\alpha$ | $A + \alpha E$ | $\lambda_i + \alpha$ | | $A$ 特征值 $\lambda_i$ | $f(A)$(多项式) | $f(\lambda_i)$ | | $A \sim B$ | $A, B$ 特征值 | **相同** | | $A^T$ | $A^T$ 特征值 | 与 $A$ **相同** | | $A = P^{-1} B P$(相似) | $A, B$ 特征值 | 相同 | ### 特殊矩阵的特征值 | 条件 | 特征值结论 | |------|----------| | $A^2 = A$(幂等) | $\lambda = 0$ 或 $1$ | | $A^2 = E$(对合) | $\lambda = \pm 1$ | | $A^k = O$(幂零) | $\lambda = 0$ | | $A^T = A^{-1}$(正交) | $|\lambda| = 1$(模长为 1) | | $A^T = A$ 且 $A^2 = O$ | $\lambda = 0$ | | $A^2 - 3A + 2E = O$ | $\lambda = 1$ 或 $2$ | ## 通法步骤 ### 1. 矩阵方程法 若 $A$ 满足 $g(A) = 0$($g$ 是多项式),则 $\lambda$ 满足 $g(\lambda) = 0$。 **例**:$A^2 + A - 2E = O \Rightarrow \lambda^2 + \lambda - 2 = 0 \Rightarrow (\lambda-1)(\lambda+2) = 0$ ### 2. 公式套用法 直接从已知特征值套公式($A^k \to \lambda^k$, $A^{-1} \to 1/\lambda$ 等)。 ### 3. 行列式辅助法 - $\det A = \prod \lambda_i$(特征值之积) - $\text{tr}(A) = \sum \lambda_i$(特征值之和) - 可用于**验证**或反求特征值。 ## 常见陷阱 - $A^*$ 的特征值是 $\det A / \lambda_i = \prod_{j \neq i} \lambda_j$(**不是** $(\det A)/\lambda_i$ 的简单除法——是**其它特征值之积**) - $A^k$ 的特征值是 $\lambda^k$,**不是** $(\lambda^k)$ 矩阵的某个对角元素 - **$A$ 可逆时**才能用 $A^{-1}, A^*$ 特征值公式 - **不同特征值**才能用 $A^{-1}, A^*$ 套公式($\lambda = 0$ 时 $A^{-1}$ 不存在) ## 经典母题 > **题目**:设 $A$ 是 $n$ 阶矩阵,满足 $A^2 - 3A + 2E = O$。证明 $A$ 在 $\mathbb{R}$ 上可对角化,并求 $\det A$。 **解**: **Step 1**:特征值求解 设 $\lambda$ 是 $A$ 的特征值,$\boldsymbol{\xi}$ 是特征向量,则 $A\boldsymbol{\xi} = \lambda\boldsymbol{\xi}$ 由 $A^2 - 3A + 2E = O$: $$ \lambda^2 \boldsymbol{\xi} - 3\lambda \boldsymbol{\xi} + 2\boldsymbol{\xi} = (\lambda^2 - 3\lambda + 2)\boldsymbol{\xi} = \boldsymbol{0} $$ 因 $\boldsymbol{\xi} \neq \boldsymbol{0}$,故 $\lambda^2 - 3\lambda + 2 = 0$,即 $(\lambda-1)(\lambda-2) = 0$。 故 $A$ 的特征值只能是 $1$ 或 $2$。 **Step 2**:可对角化 $A$ 的特征值只有 $1, 2$,故 $A$ 的最小多项式整除 $(x-1)(x-2)$(无重根) → $A$ 必可对角化。 **Step 3**:$\det A$ 设特征值 $1$ 有 $k$ 重,$2$ 有 $n-k$ 重。 $\det A = 1^k \cdot 2^{n-k} = 2^{n-k}$ > 注:仅由方程无法确定 $k$,需具体条件。 **复盘**:矩阵方程法是抽象特征值的核心武器——把 $A$ 的关系"翻译"为 $\lambda$ 的多项式方程。 --- > **变式**:设 $A$ 是 $n$ 阶实对称矩阵,$A^2 - 4A + 3E = O$,且 $\det A < 0$,证明 $A + E$ 是正定矩阵。 **证**: 特征值 $\lambda$ 满足 $\lambda^2 - 4\lambda + 3 = 0 \Rightarrow \lambda = 1$ 或 $3$。 $\det A < 0 \Rightarrow$ 必有奇数个 $1$(因 $1$ 是奇数重才让 $\det < 0$,因为 $\det A = 1^k \cdot 3^{n-k}$,需要 $k$ 为奇)。 $A + E$ 特征值为 $\lambda + 1 = 2$ 或 $4$,**全部为正**。 故 $A + E$ 是正定矩阵。 $\blacksquare$ --- > **变式 2**:设 $A$ 是 $n$ 阶矩阵,$|A| = 2$,$A$ 的特征值为 $1, 2, 3$(3 阶)。求 $|A^* - 2A^{-1}|$。 **解**: - $A^*$ 特征值为 $|A|/\lambda_i = 2/1, 2/2, 2/3 = 2, 1, 2/3$ - $A^{-1}$ 特征值为 $1, 1/2, 1/3$ - $A^* - 2A^{-1}$ 特征值为 $2 - 2 = 0$, $1 - 1 = 0$, $2/3 - 2/3 = 0$ $|A^* - 2A^{-1}| = 0 \cdot 0 \cdot 0 = 0$。