Files

233 lines
15 KiB
Markdown
Raw Permalink Normal View History

---
tags: [数学一, 大题十年考点, 线性代数, 特征值, 相似对角化, 矩阵幂]
专题: 大题十年考点 · 点11 线代·特征值与相似
日期: 2026-11-01
状态: 知识点带题(11.1 相似判定与参数、11.2 反求矩阵、11.3 矩阵幂与递推、11.4 实对称正交对角化,共 4 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]", "[[线性代数-第5讲-特征值与特征向量]]"]
---
# 点 11 线代 · 特征值与相似
> 真题锚点:2016·21、2019·21、2020·21、2021·21、2024·21、2025·21(十年 **5 题 57 分**)|重要度 ★★★
> 依赖:行列式、方程组。盘点对应:§11 全节。完整知识见 [线性代数-第5讲](../线性代数-第5讲-特征值与特征向量/README.md)(7 点、36 题)。
**组织原则**:线代大题的**两个固定题位之一**。十年考法只有四种:判相似求参数、由特征值特征向量反求 $A$ 、求 $A^n$ 、实对称正交对角化。4 题逐一对应,练熟这四种,线代大题至少拿 6 分。
## 知识点 11.1 相似判定与参数反求(出处:[线性代数-第5讲 · 点 3](../线性代数-第5讲-特征值与特征向量/04-点3-相似与相似对角化.md))
$A\sim B$ 的必要条件(**先用来定参数**):
$$\operatorname{tr}A=\operatorname{tr}B,\qquad \lvert A\rvert=\lvert B\rvert,\qquad \lvert\lambda E-A\rvert=\lvert\lambda E-B\rvert,\qquad r(A)=r(B).$$
$A$ 与**对角阵** $\Lambda$ 相似 $\iff$ $A$ 可对角化,且 $\Lambda$ 的对角元恰是 $A$ 的全部特征值。
**判"可对角化"的算法**:对每个重特征值 $\lambda_i$ ,算 $m_i=n-r(\lambda_iE-A)$ ,要求 $m_i=n_i$ 。**秩越小越可能可对角化**——这一步决定参数取值。
## 知识点 11.2 由特征值与特征向量反求矩阵(出处:[线性代数-第5讲 · 点 5](../线性代数-第5讲-特征值与特征向量/06-点5-反求矩阵与抽象条件.md))
给足 $n$ 个线性无关的特征向量 $\xi_1,\dots,\xi_n$ 与对应 $\lambda_i$ :
$$A=P\Lambda P^{-1},\qquad P=(\xi_1,\xi_2,\xi_3),\ \Lambda=\operatorname{diag}(\lambda_1,\lambda_2,\lambda_3).$$
**三个提速点**:
1. **先验 $P$ 是否线性无关**($\lvert P\rvert\ne0$ ),否则题目缺条件;
2. $P^{-1}$ 用行变换求,别背公式;
3. 算完**代回验算 $A\xi_i=\lambda_i\xi_i$ ** ——这是唯一不费时的自查。
## 知识点 11.3 矩阵幂与递推(出处:[线性代数-第5讲 · 点 6](../线性代数-第5讲-特征值与特征向量/07-点6-对角化的应用.md))
$$A=P\Lambda P^{-1}\ \Longrightarrow\ A^n=P\Lambda^nP^{-1},\qquad \Lambda^n=\operatorname{diag}\left(\lambda_1^n,\lambda_2^n,\lambda_3^n\right).$$
**递推数列型**:$x_{n+1}=2x_n+y_n$ 、$y_{n+1}=x_n+2y_n$ 写成 $\alpha_{n+1}=A\alpha_n$ ,则
$$\alpha_n=A^{n-1}\alpha_1 .$$
**二阶速算**:若 $\lambda_1\ne\lambda_2$ ,用"$A^n=\frac{\lambda_1^n-\lambda_2^n}{\lambda_1-\lambda_2}A-\frac{\lambda_1\lambda_2\left(\lambda_1^{n-1}-\lambda_2^{n-1}\right)}{\lambda_1-\lambda_2}E$ "也可,但**代入 $\alpha_1$ 后只需算 $A^{n-1}\alpha_1$ ** ,比求 $A^n$ 省一半。
## 知识点 11.4 实对称矩阵的正交对角化(出处:[线性代数-第5讲 · 点 4](../线性代数-第5讲-特征值与特征向量/05-点4-实对称矩阵正交对角化.md))
三条定理:实对称 $\Rightarrow$ 特征值全实、特征向量可正交、必可正交对角化。
$$Q^{\mathrm T}AQ=\Lambda,\qquad Q^{\mathrm T}Q=E .$$
**缺特征向量的三种补法**(实对称题最常考):
1. 不同特征值的特征向量**必正交** $\Rightarrow$ 用 $\xi_3\perp\xi_1,\xi_3\perp\xi_2$ 解方程组;
2. 用叉乘 $\xi_3=\xi_1\times\xi_2$ (三维时最快);
3. 重特征值内部用施密特正交化。
**拼 $A$ 的谱分解式**(比 $P\Lambda P^{-1}$ 快):
$$A=\sum_i\lambda_i\frac{\xi_i\xi_i^{\mathrm T}}{\xi_i^{\mathrm T}\xi_i}\quad(\xi_i\ \text{两两正交时}).$$
---
## 题目(按知识点顺序对应)
### 题 1 · 11.1:参数由"可对角化"定(★★★)
> 设 $A=\begin{pmatrix}1&a&0\\0&2&0\\0&0&1\end{pmatrix}$ ,$B=\begin{pmatrix}1&0&0\\0&1&0\\0&0&2\end{pmatrix}$ 。
>
> (Ⅰ)求 $a$ 使 $A$ 与 $B$ 相似;(Ⅱ)当 $A\sim B$ 时,求可逆矩阵 $P$ 使 $P^{-1}AP=B$ 。
**怎么想**:$B$ 是对角阵,$A\sim B$ 等价于"$A$ 可对角化且特征值恰为 $1,1,2$ "。$A$ 是上三角,特征值就在对角线上:$1,2,1$ ,已经对上了。所以只剩"$\lambda=1$ 的几何重数是否为 $2$ "这一条,答案由 $r(E-A)$ 决定。
**解**:(Ⅰ)$A$ 为上三角矩阵,特征值为对角线元素 $1,2,1$ ,与 $B$ 的特征值 $1,1,2$ 相同。
$A\sim B\iff A$ 可对角化。对二重特征值 $\lambda=1$ :
$$E-A=\begin{pmatrix}0&-a&0\\0&-1&0\\0&0&0\end{pmatrix}.$$
要求 $m_1=3-r(E-A)=2$ ,即 $r(E-A)=1$ 。当 $a=0$ 时 $E-A=\operatorname{diag}(0,-1,0)$ ,秩为 $1$ ✓;当 $a\ne0$ 时第一、二行不成比例,秩为 $2$ ,$m_1=1<2$ ,不可对角化。
故
$$a=0 .$$
(Ⅱ)$a=0$ 时 $A=\begin{pmatrix}1&0&0\\0&2&0\\0&0&1\end{pmatrix}$ ,取
$$P=\begin{pmatrix}1&0&0\\0&0&1\\0&1&0\end{pmatrix},$$
即交换第 $2,3$ 行的置换矩阵。直接验证:
$$AP=\begin{pmatrix}1&0&0\\0&0&2\\0&1&0\end{pmatrix}=PB\ \Longrightarrow\ P^{-1}AP=B .$$
**验算**:$a=0$ 时 $A$ 的三个特征向量可取 $(1,0,0)^{\mathrm T}$ 、$(0,1,0)^{\mathrm T}$ 、$(0,0,1)^{\mathrm T}$ ,线性无关,故可对角化 ✓。$\operatorname{tr}A=4=\operatorname{tr}B$ ✓,$\lvert A\rvert=2=\lvert B\rvert$ ✓。
**带走结论**:**$A$ 与对角阵相似 $\iff$ $A$ 可对角化**,参数由"重特征值的几何重数 $=n-r(\lambda E-A)$ 够不够"定。**秩越小越可能可对角化**,所以让某行变成零行的那个参数值就是答案。
> **关联** · 盘点 [§11.1 相似判定与参数反求](01-知识点盘点.md#user-content-111-相似判定与参数反求) | 上游 — | 下游 — | 速查 [十一 线代特征值:四步闭环](17-速查卡.md#user-content-十一-线代特征值四步闭环)
---
### 题 2 · 11.2:三组特征对反求矩阵(★★☆)
> 设 3 阶矩阵 $A$ 的特征值为 $\lambda_1=1$ 、$\lambda_2=-1$ 、$\lambda_3=2$ ,对应的特征向量依次为
>
> $$\xi_1=\begin{pmatrix}1\\1\\0\end{pmatrix},\quad \xi_2=\begin{pmatrix}1\\0\\1\end{pmatrix},\quad \xi_3=\begin{pmatrix}0\\1\\0\end{pmatrix}.$$
>
> 求 $A$ 。
**怎么想**:$A=P\Lambda P^{-1}$ ,$P$ 由三个特征向量拼成,$\Lambda=\operatorname{diag}(1,-1,2)$ 。先验 $\lvert P\rvert\ne0$ ,再用行变换求 $P^{-1}$ ,最后乘出来。
**解**:令
$$P=\begin{pmatrix}1&1&0\\1&0&1\\0&1&0\end{pmatrix},\qquad \Lambda=\begin{pmatrix}1&0&0\\0&-1&0\\0&0&2\end{pmatrix}.$$
$\lvert P\rvert=1\cdot(0\cdot0-1\cdot1)-1\cdot(1\cdot0-1\cdot0)+0\cdot(1\cdot1-0\cdot0)=-1\ne0$ ,故 $P$ 可逆。
求 $P^{-1}$ (对 $(P\mid E)$ 作行变换):
$$P^{-1}=\begin{pmatrix}1&0&-1\\0&0&1\\-1&1&1\end{pmatrix}.$$
验证:$P$ 的第一行 $(1,1,0)$ 乘 $P^{-1}$ 的三列,得 $(1,0,0)$ ✓;第二行 $(1,0,1)$ 得 $(0,1,0)$ ✓;第三行 $(0,1,0)$ 得 $(0,0,1)$ ✓。
于是
$$A=P\Lambda P^{-1}=\begin{pmatrix}1&-1&0\\1&0&2\\0&-1&0\end{pmatrix}\begin{pmatrix}1&0&-1\\0&0&1\\-1&1&1\end{pmatrix}=\begin{pmatrix}1&0&-2\\-1&2&1\\0&0&-1\end{pmatrix}.$$
**验算**:逐个检验特征对。
$A\xi_1$ ($\xi_1=(1,1,0)^{\mathrm T}$ ):第一分量 $1+0+0=1$ ;第二分量 $-1+2+0=1$ ;第三分量 $0+0+0=0$ 。得 $(1,1,0)^{\mathrm T}=\xi_1$ ✓($\lambda_1=1$ )。
$A\xi_2$ ($\xi_2=(1,0,1)^{\mathrm T}$ ):第一分量 $1-2=-1$ ;第二分量 $-1+1=0$ ;第三分量 $-1$ 。得 $(-1,0,-1)^{\mathrm T}=-\xi_2$ ✓($\lambda_2=-1$ )。
$A\xi_3$ ($\xi_3=(0,1,0)^{\mathrm T}$ ):第一分量 $0$ ;第二分量 $2$ ;第三分量 $0$ 。得 $(0,2,0)^{\mathrm T}=2\xi_3$ ✓($\lambda_3=2$ )。三个全对,$\lvert A\rvert$ 也应等于 $1\cdot(-1)\cdot2=-2$ 。
**带走结论**:反求矩阵的三步——**拼 $P$ $\to$ 求 $P^{-1}$ $\to$ 乘**,最后必须用 $A\xi_i=\lambda_i\xi_i$ 逐个验算。**$\operatorname{tr}A$ 应等于 $\sum\lambda_i=2$ ** (本题 $1+2-1=2$ ✓),这是最快的整体自检。
> **关联** · 盘点 [§11.2 由特征值特征向量反求矩阵](01-知识点盘点.md#user-content-112-由特征值特征向量反求矩阵) | 上游 — | 下游 — | 速查 [十一 线代特征值:四步闭环](17-速查卡.md#user-content-十一-线代特征值四步闭环)
---
### 题 3 · 11.3:递推数列转矩阵幂(★★★)
> 【2024·21 骨架】设数列 $\{x_n\},\{y_n\}$ 满足 $x_1=1$ ,$y_1=0$ ,且
>
> $$\begin{cases}x_{n+1}=2x_n+y_n\\ y_{n+1}=x_n+2y_n\end{cases}\quad(n\ge1).$$
>
> (Ⅰ)求 $\begin{pmatrix}x_n\\y_n\end{pmatrix}$ 的表达式;(Ⅱ)求 $\displaystyle\lim_{n\to\infty}\frac{x_n}{y_n}$ 。
**怎么想**:写成 $\alpha_{n+1}=A\alpha_n$ ,$A=\begin{pmatrix}2&1\\1&2\end{pmatrix}$ 的特征值是 $3,1$ ,特征向量 $(1,1)^{\mathrm T},(1,-1)^{\mathrm T}$ 。对角化后 $\alpha_n=A^{n-1}\alpha_1$ 。
**解**:(Ⅰ)记 $A=\begin{pmatrix}2&1\\1&2\end{pmatrix}$ ,$\alpha_n=\begin{pmatrix}x_n\\y_n\end{pmatrix}$ ,则 $\alpha_n=A^{n-1}\alpha_1$ 。
$A$ 的特征值:$\lvert\lambda E-A\rvert=(\lambda-2)^2-1=(\lambda-3)(\lambda-1)$ ,得 $\lambda_1=3$ ,$\lambda_2=1$ 。对应特征向量
$$\xi_1=\begin{pmatrix}1\\1\end{pmatrix},\qquad \xi_2=\begin{pmatrix}1\\-1\end{pmatrix}.$$
取 $P=\begin{pmatrix}1&1\\1&-1\end{pmatrix}$ ,$\lvert P\rvert=-2$ ,$P^{-1}=-\frac12\begin{pmatrix}-1&-1\\-1&1\end{pmatrix}=\frac12\begin{pmatrix}1&1\\1&-1\end{pmatrix}$ ,且 $P^{-1}AP=\operatorname{diag}(3,1)$ 。
$$A^{n-1}=P\begin{pmatrix}3^{n-1}&0\\0&1\end{pmatrix}P^{-1}=\frac12\begin{pmatrix}1&1\\1&-1\end{pmatrix}\begin{pmatrix}3^{n-1}&0\\0&1\end{pmatrix}\begin{pmatrix}1&1\\1&-1\end{pmatrix}$$
$$=\frac12\begin{pmatrix}3^{n-1}&1\\3^{n-1}&-1\end{pmatrix}\begin{pmatrix}1&1\\1&-1\end{pmatrix}=\frac12\begin{pmatrix}3^{n-1}+1&3^{n-1}-1\\3^{n-1}-1&3^{n-1}+1\end{pmatrix}.$$
于是
$$\alpha_n=A^{n-1}\begin{pmatrix}1\\0\end{pmatrix}=\frac12\begin{pmatrix}3^{n-1}+1\\3^{n-1}-1\end{pmatrix},$$
即
$$x_n=\frac{3^{n-1}+1}{2},\qquad y_n=\frac{3^{n-1}-1}{2}\quad(n\ge1).$$
(Ⅱ)
$$\lim_{n\to\infty}\frac{x_n}{y_n}=\lim\frac{3^{n-1}+1}{3^{n-1}-1}=1 .$$
**验算**:$n=1$ 给 $x_1=\frac{1+1}{2}=1$ ✓,$y_1=\frac{1-1}{2}=0$ ✓(初值吻合)。$n=2$ :$x_2=\frac{3+1}{2}=2$ ,$y_2=\frac{3-1}{2}=1$ ;由递推 $x_2=2\cdot1+0=2$ ✓,$y_2=1+0=1$ ✓。$n=3$ :公式给 $x_3=\frac{9+1}{2}=5$ ,$y_3=4$ ;递推 $x_3=2\cdot2+1=5$ ✓,$y_3=2+2=4$ ✓。
**带走结论**:**递推 $\to$ 矩阵 $\to$ 对角化 $\to$ 代初值**。注意 $\alpha_n=A^{n-1}\alpha_1$ 里的指数是 $n-1$ 不是 $n$ ——这是最高频的失分点。$2\times2$ 矩阵的 $P^{-1}$ 用 $\frac{1}{ad-bc}\begin{pmatrix}d&-b\\-c&a\end{pmatrix}$ 更快。
> **关联** · 盘点 [§11.3 矩阵幂与递推](01-知识点盘点.md#user-content-113-矩阵幂与递推) | 上游 — | 下游 — | 速查 [十一 线代特征值:四步闭环](17-速查卡.md#user-content-十一-线代特征值四步闭环)
---
### 题 4 · 11.4:补特征向量加谱分解(★★★)
> 【2021·21 骨架】设 $A$ 是 3 阶实对称矩阵,特征值为 $\lambda_1=\lambda_2=2$ ,$\lambda_3=-1$ ,属于 $\lambda=2$ 的特征向量为
>
> $$\xi_1=\begin{pmatrix}1\\1\\0\end{pmatrix},\qquad \xi_2=\begin{pmatrix}1\\-1\\2\end{pmatrix}.$$
>
> (Ⅰ)求 $A$ ;(Ⅱ)求正交矩阵 $Q$ 使 $Q^{\mathrm T}AQ=\Lambda$ ,并求 $A^n$ 。
**怎么想**:(Ⅰ)缺 $\lambda_3$ 的特征向量,用"实对称矩阵不同特征值的特征向量正交"补——解 $\xi_1^{\mathrm T}\xi=0$ 与 $\xi_2^{\mathrm T}\xi=0$ ,或直接叉乘。(Ⅱ)$\xi_1\perp\xi_2$ ?验一下:$1-1+0=0$ ✓,所以三个向量两两正交,只需单位化。$A^n$ 用谱分解最快。
**解**:(Ⅰ)设 $\xi_3=(x,y,z)^{\mathrm T}$ 属于 $\lambda_3=-1$ 。由实对称性,$\xi_3\perp\xi_1$ 且 $\xi_3\perp\xi_2$ :
$$\begin{cases}x+y=0\\ x-y+2z=0\end{cases}\ \Longrightarrow\ y=-x,\ z=-x\ \Longrightarrow\ \xi_3=\begin{pmatrix}1\\-1\\-1\end{pmatrix}.$$
用谱分解(三个特征向量两两正交):
$$A=2\cdot\frac{\xi_1\xi_1^{\mathrm T}}{\xi_1^{\mathrm T}\xi_1}+2\cdot\frac{\xi_2\xi_2^{\mathrm T}}{\xi_2^{\mathrm T}\xi_2}-1\cdot\frac{\xi_3\xi_3^{\mathrm T}}{\xi_3^{\mathrm T}\xi_3}.$$
$\xi_1^{\mathrm T}\xi_1=2$ ,$\xi_2^{\mathrm T}\xi_2=6$ ,$\xi_3^{\mathrm T}\xi_3=3$ :
$$2\frac{\xi_1\xi_1^{\mathrm T}}{2}=\begin{pmatrix}1&1&0\\1&1&0\\0&0&0\end{pmatrix},\quad 2\frac{\xi_2\xi_2^{\mathrm T}}{6}=\frac13\begin{pmatrix}1&-1&2\\-1&1&-2\\2&-2&4\end{pmatrix},\quad \frac{\xi_3\xi_3^{\mathrm T}}{3}=\frac13\begin{pmatrix}1&-1&-1\\-1&1&1\\-1&1&1\end{pmatrix}.$$
$$A=\begin{pmatrix}1&1&0\\1&1&0\\0&0&0\end{pmatrix}+\frac13\begin{pmatrix}1&-1&2\\-1&1&-2\\2&-2&4\end{pmatrix}-\frac13\begin{pmatrix}1&-1&-1\\-1&1&1\\-1&1&1\end{pmatrix}$$
$$=\begin{pmatrix}1&1&0\\1&1&0\\0&0&0\end{pmatrix}+\begin{pmatrix}0&0&1\\0&0&-1\\1&-1&1\end{pmatrix}=\begin{pmatrix}1&1&1\\1&1&-1\\1&-1&1\end{pmatrix}.$$
(Ⅱ)单位化:$\lvert\xi_1\rvert=\sqrt2$ ,$\lvert\xi_2\rvert=\sqrt6$ ,$\lvert\xi_3\rvert=\sqrt3$ ,取
$$Q=\begin{pmatrix}\frac{1}{\sqrt2}&\frac{1}{\sqrt6}&\frac{1}{\sqrt3}\\ \frac{1}{\sqrt2}&-\frac{1}{\sqrt6}&-\frac{1}{\sqrt3}\\ 0&\frac{2}{\sqrt6}&-\frac{1}{\sqrt3}\end{pmatrix},\qquad Q^{\mathrm T}AQ=\begin{pmatrix}2&0&0\\0&2&0\\0&0&-1\end{pmatrix}.$$
由 $A=Q\Lambda Q^{\mathrm T}$ 得
$$A^n=2^n\left(\frac{\xi_1\xi_1^{\mathrm T}}{2}+\frac{\xi_2\xi_2^{\mathrm T}}{6}\right)+(-1)^n\frac{\xi_3\xi_3^{\mathrm T}}{3},$$
即
$$A^n=2^{n-1}\begin{pmatrix}1&1&0\\1&1&0\\0&0&0\end{pmatrix}+\frac{2^n}{6}\begin{pmatrix}1&-1&2\\-1&1&-2\\2&-2&4\end{pmatrix}+\frac{(-1)^n}{3}\begin{pmatrix}1&-1&-1\\-1&1&1\\-1&1&1\end{pmatrix}.$$
**验算**:(Ⅰ)$A\xi_1=(1+1,\ 1+1,\ 1-1)^{\mathrm T}=(2,2,0)^{\mathrm T}=2\xi_1$ ✓;$A\xi_2=(1-1+2,\ 1-1-2,\ 1+1+2)^{\mathrm T}=(2,-2,4)^{\mathrm T}=2\xi_2$ ✓;$A\xi_3=(1-1-1,\ 1-1+1,\ 1+1-1)^{\mathrm T}=(-1,1,1)^{\mathrm T}=-\xi_3$ ✓。$\operatorname{tr}A=3=2+2-1$ ✓,$A$ 对称 ✓。
(Ⅱ)取 $n=1$ 检验第一行:$2^0\cdot(1,1,0)+\frac{2}{6}(1,-1,2)-\frac13(1,-1,-1)=(1,1,0)+\left(\frac13,-\frac13,\frac23\right)-\left(\frac13,-\frac13,-\frac13\right)=(1,1,1)$ ✓,正是 $A$ 的第一行。再取 $n=2$ :第一行为 $2(1,1,0)+\frac46(1,-1,2)+\frac13(1,-1,-1)=(3,1,1)$ ,而 $A^2$ 的第一行 $=(1,1,1)A=(3,1,1)$ ✓。
**带走结论**:**实对称题的第一步永远是"补第三个特征向量"**(用正交性解方程,别用叉乘算错符号);第二步用**谱分解**拼 $A$ (比 $P\Lambda P^{-1}$ 少一次矩阵乘法);$A^n$ 就是"把每个 $\lambda_i$ 换成 $\lambda_i^n$ ,特征向量部分不动"。**注意归一化系数 $\xi_i^{\mathrm T}\xi_i$ 别漏**——本题 $\xi_2^{\mathrm T}\xi_2=6$ 就是差点写错的地方。
> **关联** · 盘点 [§11.4 实对称正交对角化与矩阵方程](01-知识点盘点.md#user-content-114-实对称正交对角化与矩阵方程) | 上游 — | 下游 — | 速查 [十一 线代特征值:四步闭环](17-速查卡.md#user-content-十一-线代特征值四步闭环)
---