Files
MathNotesVersion1/公式笔记/线性代数/Ch05_相似矩阵及二次型/题型3_矩阵相似与对角化判定.md
T
2026-10-04 11:44:56 +08:00

121 lines
4.3 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# 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<br>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。