# 题型三:矩阵相似与对角化判定 ## 识别特征 - 问"$A$ 能否对角化" - 求**可逆矩阵 $P$** 使 $P^{-1} A P = \Lambda$ - 判断两个矩阵**是否相似** - 涉及**充要条件**:$n$ 个线性无关特征向量 ## 解题流程 ```mermaid flowchart TD A[识别:对角化判定] --> B{给定 A} B --> C[求特征值 λ₁,...,λₙ] C --> D{对每个 λᵢ 求特征向量} D --> E[算几何重数 nᵢ = n-r(λᵢE-A)] E --> F{Σnᵢ = n?} F -->|是| G[可对角化
P = 特征向量矩阵] F -->|否| H[不可对角化] G --> I["P⁻¹AP = diag(λ₁,...,λₙ)"] ``` ## 通法步骤 ### 1. 对角化判定流程 **Step 1**:求 $A$ 的所有特征值 $\lambda_1, \ldots, \lambda_k$(不同特征值) **Step 2**:对每个 $\lambda_i$,求 $n - r(\lambda_i E - A)$(几何重数) **Step 3**:判断 $\sum_i (\text{几何重数}) = n$? - **是** → $A$ 可对角化 - **否** → $A$ 不可对角化 ### 2. 构造对角化矩阵 $$ P = (\boldsymbol{\xi}_1^{(1)}, \ldots, \boldsymbol{\xi}_{n_1}^{(1)}, \boldsymbol{\xi}_1^{(2)}, \ldots) $$ (按特征值分组,列向量 = 线性无关特征向量) $$ P^{-1} A P = \text{diag}(\underbrace{\lambda_1, \ldots, \lambda_1}_{n_1}, \underbrace{\lambda_2, \ldots, \lambda_2}_{n_2}, \ldots) $$ ### 3. 相似判定 **核心定理**:$A \sim B \iff$ $A, B$ 有相同的特征多项式(充分不必要)⭐ > ⚠️ **重要**:特征多项式相同是**必要不充分**条件!同特征多项式也可能不相似。 **充分条件**(以下之一即可): - $A$ 或 $B$ 可对角化,且特征值相同 - 都是实对称矩阵,且特征值相同 - $A, B$ 都是若尔当块,但若尔当块结构相同 ## 常见陷阱 - **$n$ 重特征值**未必有 $n$ 个无关特征向量(需验证几何重数) - **相似不保持**:$A^{-1}, A^T, A^*$, 特征向量 - **相似保持**:$\det A, \text{tr}(A)$, 特征值, 秩 - $\text{tr}(A) = \text{tr}(B)$ 且 $\det A = \det B$ 是相似的**必要条件**,**不是充分条件** - 对角阵 $E$ 只与 $E$ 相似($P^{-1} E P = E$) ## 经典母题 > **题目**:判断矩阵 $A = \begin{pmatrix} 1 & -1 & 1 \\ -1 & 1 & -1 \\ 1 & -1 & 1 \end{pmatrix}$ 能否对角化?若能,求 $P$ 和 $\Lambda$。 **解**: **Step 1**:特征多项式 $$ |\lambda E - A| = \begin{vmatrix} \lambda-1 & 1 & -1 \\ 1 & \lambda-1 & 1 \\ -1 & 1 & \lambda-1 \end{vmatrix} $$ 每行加到第 1 行(化简): $$ = (\lambda+1) \begin{vmatrix} 1 & 1 & -1 \\ 1 & \lambda-1 & 1 \\ -1 & 1 & \lambda-1 \end{vmatrix} $$ 第 2 行 - 第 1 行,第 3 行 + 第 1 行: $$ = (\lambda+1) \begin{vmatrix} 1 & 1 & -1 \\ 0 & \lambda-2 & 2 \\ 0 & 2 & \lambda-2 \end{vmatrix} = (\lambda+1)[(\lambda-2)^2 - 4] = (\lambda+1)(\lambda^2 - 4\lambda) = \lambda(\lambda+1)(\lambda-4) $$ **特征值**:$\lambda_1 = 0, \lambda_2 = -1, \lambda_3 = 4$(3 个不同特征值) **Step 2**:3 个不同特征值自动有 3 个线性无关特征向量 → **可对角化** **Step 3**:特征向量 **$\lambda_1 = 0$**:$-A \boldsymbol{\xi} = \boldsymbol{0}$ → $\boldsymbol{\xi}_1 = (1, 0, -1)^T$(取 $x_2 = 0$) **$\lambda_2 = -1$**:$(-E - A) \boldsymbol{\xi} = \boldsymbol{0}$ → $\begin{pmatrix} -2 & 1 & -1 \\ 1 & -2 & 1 \\ -1 & 1 & -2 \end{pmatrix} \boldsymbol{\xi} = \boldsymbol{0}$ 观察:第 1 行 + 第 2 行 = -第 3 行。$\Rightarrow x_1 = x_2 = x_3$,$\boldsymbol{\xi}_2 = (1, 1, 1)^T$ **$\lambda_3 = 4$**:$(4E - A) \boldsymbol{\xi} = \boldsymbol{0}$ → $\begin{pmatrix} 3 & 1 & -1 \\ 1 & 3 & 1 \\ -1 & 1 & 3 \end{pmatrix} \boldsymbol{\xi} = \boldsymbol{0}$ 解得 $\boldsymbol{\xi}_3 = (1, -2, 1)^T$ **Step 4**: $$ P = \begin{pmatrix} 1 & 1 & 1 \\ 0 & 1 & -2 \\ -1 & 1 & 1 \end{pmatrix}, \quad \Lambda = \begin{pmatrix} 0 & 0 & 0 \\ 0 & -1 & 0 \\ 0 & 0 & 4 \end{pmatrix} $$ **复盘**: - 3 个**不同特征值**自动有 3 个线性无关特征向量(充要条件中"n 重特征值"情况无需验证) - 这是 Ch05 大题核心 --- > **变式**:设 $A = \begin{pmatrix} 1 & 0 & 0 \\ 1 & 1 & 0 \\ 1 & 1 & 1 \end{pmatrix}$,证明 $A$ 不可对角化。 **证**:特征多项式 $|\lambda E - A| = (\lambda - 1)^3$(三角阵) 对 $\lambda = 1$:$(E - A) = \begin{pmatrix} 0 & 0 & 0 \\ -1 & 0 & 0 \\ -1 & -1 & 0 \end{pmatrix}$,$r(E - A) = 2$ 故特征向量维数 = $3 - 2 = 1 < 3$ → 不可对角化。