Files

186 lines
10 KiB
Markdown
Raw Permalink Normal View History

---
tags: [数学一, 在学练习, 线性代数, 特征值, 矩阵幂, 应用]
专题: 线性代数 第5讲 · 点6 对角化的应用
日期: 2026-10-24
状态: 知识点带题(6.1 求矩阵幂、6.2 算行列式与秩,4 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 6 对角化的应用
> 真题锚点:2017·20(解答 11 分)|重要度 ★★★
> 依赖:点 3 的对角化。盘点对应:§6 全节。
**组织原则**:先列知识点(求幂 → 算行列式与秩),再逐一对应出题。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
## 知识点 6.1 用对角化求矩阵幂(出处:[知识章 similar.tex §9](../../../../参考仓库/Math/linear-algebra/knowledge/5-similar/similar.tex))
若 $A=P\Lambda P^{-1}$ ,则
$$A^{m}=P\Lambda^{m}P^{-1}=P\,\mathrm{diag}(\lambda_1^m,\dots,\lambda_n^m)\,P^{-1}.$$
**四步**:特征值与特征向量 $\to$ 拼 $P$ 与 $\Lambda$ $\to$ 求 $P^{-1}$ $\to$ 三矩阵相乘。
**$P^{-1}$ 速算**:二阶用 $\dfrac{1}{ad-bc}\begin{pmatrix}d&-b\\-c&a\end{pmatrix}$ ;尽量让 $P$ 的列为整数且 $\lvert P\rvert=\pm1$ ,则 $P^{-1}$ 也是整数阵。
**特殊结构捷径**:若 $A=aI+bJ$ ($J$ 为全 1 矩阵)。**来历**:$E$ 与 $J$ 可交换,故 $(aI+bJ)^m$ 可直接二项式展开;又 $J=\mathbf{1}\mathbf{1}^{\mathrm T}$ 是秩 1 矩阵,$J^k=\mathbf{1}(\mathbf{1}^{\mathrm T}\mathbf{1})^{k-1}\mathbf{1}^{\mathrm T}=n^{k-1}J$ 。于是
$$A^{m}=a^{m}E+\frac{(a+nb)^{m}-a^{m}}{n}J .$$
## 知识点 6.2 用特征值算行列式与秩(出处:[知识章 similar.tex §9](../../../../参考仓库/Math/linear-algebra/knowledge/5-similar/similar.tex))
$$\lvert A\rvert=\prod\lambda_i,\qquad\lvert f(A)\rvert=\prod f(\lambda_i).$$
**秩的公式要看条件**:
$$r(A)=\text{非零特征值的个数}\qquad(\text{仅当}\ A\ \text{可对角化}).$$
更一般的写法:$r(A)=n-\dim N(A)=n-\#\{$ 属于 0 的线性无关特征向量$\}$ ,这个式子**无条件成立**。
**伴随矩阵的秩**(第 2 讲,本点题 3、题 4 直接要用,先备着):
$$r(A^{*})=\begin{cases}n, & r(A)=n\\[2pt]1, & r(A)=n-1\\[2pt]0, & r(A)<n-1\end{cases}$$
**$A$ 不可逆时 $A^{*}$ 的特征值**:$A$ 可逆时用 $\lvert A\rvert/\lambda$ ;不可逆时这条**在 $\lambda=0$ 处失效**,改走"先把 $A$ 对角化,再读对角阵的伴随"——对角阵的伴随仍是对角阵,其 $(i,i)$ 元是**其余对角元之积**。
反例警示:$\begin{pmatrix}0&1\\0&0\end{pmatrix}$ 特征值全为 0,但秩为 1,不可对角化。
---
## 题目(按知识点顺序对应)
### 题 1 · 6.1:二阶矩阵求高次幂(★★☆)
> 设 $A=\begin{pmatrix}1&2\\0&3\end{pmatrix}$ ,求 $A^{n}$ ($n$ 为正整数)。
**怎么想**:上三角,特征值直接读 $1,3$ ,互异故可对角化。求两个特征向量拼 $P$ ,再套公式。**最后用 $n=1$ 回代自查**——这一步能抓住 90% 的算错。
**解**:
**第 1 步:特征值与特征向量。** $\lambda_1=1,\ \lambda_2=3$ 。
$\lambda_1=1$ :$E-A=\begin{pmatrix}0&-2\\0&-2\end{pmatrix}$ ,得 $x_2=0$ ,$\xi_1=(1,0)^{\mathrm T}$ 。
$\lambda_2=3$ :$3E-A=\begin{pmatrix}2&-2\\0&0\end{pmatrix}$ ,得 $x_1=x_2$ ,$\xi_2=(1,1)^{\mathrm T}$ 。
**第 2 步:拼 $P$ 与 $\Lambda$ 。**
$$P=\begin{pmatrix}1&1\\0&1\end{pmatrix},\qquad\Lambda=\begin{pmatrix}1&0\\0&3\end{pmatrix},\qquad P^{-1}=\begin{pmatrix}1&-1\\0&1\end{pmatrix}.$$
**第 3 步:套公式。**
$$A^{n}=P\Lambda^{n}P^{-1}=\begin{pmatrix}1&1\\0&1\end{pmatrix}\begin{pmatrix}1&0\\0&3^{n}\end{pmatrix}\begin{pmatrix}1&-1\\0&1\end{pmatrix}$$
$$=\begin{pmatrix}1&3^{n}\\0&3^{n}\end{pmatrix}\begin{pmatrix}1&-1\\0&1\end{pmatrix}=\begin{pmatrix}1&3^{n}-1\\0&3^{n}\end{pmatrix}.$$
**验算**:$n=1$ 时 $\begin{pmatrix}1&2\\0&3\end{pmatrix}=A$ ✓;$n=2$ 时 $\begin{pmatrix}1&8\\0&9\end{pmatrix}$ ,而 $A^2=\begin{pmatrix}1&2\\0&3\end{pmatrix}^2=\begin{pmatrix}1&2+6\\0&9\end{pmatrix}=\begin{pmatrix}1&8\\0&9\end{pmatrix}$ ✓。
**带走结论**:**用 $n=1$ 和 $n=2$ 双验**。$A^n$ 的答案里若出现 $3^n-1$ 这种结构,说明特征值含 1(不动方向)——从右上角非零可知 $A\ne E$ ,合理。
> **关联** · 盘点 [§6.1 用对角化求矩阵幂](01-知识点盘点.md#user-content-61-用对角化求矩阵幂) | 上游 — | 下游 [点 6 题 2](07-点6-对角化的应用.md#user-content-题-2--61全-1-矩阵结构的快速求幂) | 速查 [十 求矩阵幂](09-速查卡.md#user-content-十-求矩阵幂)
---
### 题 2 · 6.1:全 1 矩阵结构的快速求幂(★★★)
> 【2017·20 变体】设 $A=\begin{pmatrix}2&1&1\\1&2&1\\1&1&2\end{pmatrix}$ ,求 $A^{n}$ 。
**怎么想**:识别结构 $A=E+J$ ($J$ 为全 1 矩阵)。$J$ 的秩为 1、特征值 $3,0,0$ ,故 $J^k=3^{k-1}J$ ,二项式展开即可。**不要走"求 $P$ 、求 $P^{-1}$ 、三个矩阵相乘"的老路**——三阶算下来极易出错。
**解**:
**第 1 步:识别结构。** $A=E+J$ ,其中 $J=\begin{pmatrix}1&1&1\\1&1&1\\1&1&1\end{pmatrix}$ 。
**第 2 步:$J$ 的幂。** $J$ 的每一列都是 $(1,1,1)^{\mathrm T}$ ,故 $J^2=3J$ ,归纳得
$$J^{k}=3^{k-1}J\qquad(k\geqslant1).$$
**第 3 步:二项式展开。** $E$ 与 $J$ 可交换,故
$$A^{n}=(E+J)^{n}=\sum_{k=0}^{n}\binom{n}{k}J^{k}=E+\Big(\sum_{k=1}^{n}\binom{n}{k}3^{k-1}\Big)J .$$
而
$$\sum_{k=1}^{n}\binom{n}{k}3^{k-1}=\frac13\Big(\sum_{k=1}^{n}\binom{n}{k}3^{k}\Big)=\frac{(1+3)^{n}-1}{3}=\frac{4^{n}-1}{3}.$$
故
$$A^{n}=E+\frac{4^{n}-1}{3}J .$$
**验算**:$n=1$ 时 $E+\frac{3}{3}J=E+J=A$ ✓;$n=2$ 时 $E+\frac{15}{3}J=E+5J=\begin{pmatrix}6&5&5\\5&6&5\\5&5&6\end{pmatrix}$ ,而 $A^2=(E+J)^2=E+2J+J^2=E+2J+3J=E+5J$ ✓。
**带走结论**:**看到 $aI+bJ$ 结构就走二项式,不走对角化**。$J^k=n^{k-1}J$ 这条要背下来——它是"秩 1 矩阵"的通用性质($J=\mathbf{1}\mathbf{1}^{\mathrm T}$ ,故 $J^k=\mathbf{1}(\mathbf{1}^{\mathrm T}\mathbf{1})^{k-1}\mathbf{1}^{\mathrm T}=n^{k-1}J$ )。
> **关联** · 盘点 [§6.1 用对角化求矩阵幂](01-知识点盘点.md#user-content-61-用对角化求矩阵幂) | 上游 [点 6 题 1](07-点6-对角化的应用.md#user-content-题-1--61二阶矩阵求高次幂) | 下游 — | 速查 [十 求矩阵幂](09-速查卡.md#user-content-十-求矩阵幂)
---
### 题 3 · 6.2:特征值算行列式与秩(★★☆)
> 设 $A$ 为三阶矩阵,特征值为 $2,2,0$ ,且 $A$ 可对角化。求:
>
> (Ⅰ)$\lvert A\rvert$ ;(Ⅱ)$r(A)$ ;(Ⅲ)$r(A^{*})$ ;(Ⅳ)$\lvert A^{*}+E\rvert$ 。
**怎么想**:四问全部由特征值回答,但(Ⅲ)要用伴随矩阵的秩公式(第 2 讲),(Ⅳ)要先用 $r(A^{*})=1$ 判"$A^{*}$ 不可逆"。
**解**:(Ⅰ)$\lvert A\rvert=2\times2\times0=0$ 。
(Ⅱ)$A$ 可对角化,故 $r(A)=$ 非零特征值个数 $=2$ 。(也可由 $A\sim\mathrm{diag}(2,2,0)$ 直接读秩。)
(Ⅲ)$r(A)=2=n-1$ ,由伴随矩阵的秩公式 $r(A^{*})=1$ 。
(Ⅳ)注意 $A$ 不可逆(有零特征值),公式 $\lvert A\rvert/\lambda$ 在 $\lambda=0$ 处失效,**不能**用它算 $A^{*}$ 的特征值。
改从伴随矩阵与对角化的一致性走:$A=P\Lambda P^{-1}$ 时 $A^{*}=P\Lambda^{*}P^{-1}$ ,其中 $\Lambda=\mathrm{diag}(2,2,0)$ 的伴随为
$$\Lambda^{*}=\mathrm{diag}\big(2\times0,\ 2\times0,\ 2\times2\big)=\mathrm{diag}(0,0,4)$$
(对角阵的伴随仍是"其余对角元之积")。于是 $A^{*}+E=P(\Lambda^{*}+E)P^{-1}$ ,特征值为 $0+1,0+1,4+1=1,1,5$ ,
$$\lvert A^{*}+E\rvert=1\times1\times5=5 .$$
**验算**:直接取 $A=\mathrm{diag}(2,2,0)$ (相似不改行列式),则 $A^{*}+E=\mathrm{diag}(1,1,5)$ ,行列式 $5$ ✓。
**带走结论**:**当 $A$ 不可逆时必须改用"两两乘积"算**,套 $\lvert A\rvert/\lambda$ 会错。最稳的办法是先把 $A$ 化成对角阵(相似变换保持 $A^{*}$ 的相似关系),再读对角阵的伴随——它也是对角阵,元素是其余对角元之积。
> **关联** · 盘点 [§6.2 用特征值算行列式与秩](01-知识点盘点.md#user-content-62-用特征值算行列式与秩) | 上游 — | 下游 [点 6 题 4](07-点6-对角化的应用.md#user-content-题-4--62秩与特征值的联手) | 速查 [十一 四处最容易丢分](09-速查卡.md#user-content-十一-四处最容易丢分)
---
### 题 4 · 6.2:秩与特征值的联手(★★★)
> 【2017·20 骨架】设 $A$ 为三阶矩阵,$r(A)=2$ ,$\operatorname{tr}(A)=4$ ,且 $A$ 有两个相等的特征值。求:
>
> (Ⅰ)$A$ 的全部特征值;
> (Ⅱ)$r(A^{*})$ ;
> (Ⅲ)判断 $Ax=0$ 的基础解系含几个向量,并说明 $A^{*}x=0$ 与 $Ax=0$ 是否同解。
**怎么想**:$r(A)=2<n$ 说明 $\lvert A\rvert=0$ ,必有一个零特征值。剩下两个由"有两个相等特征值"与迹定出。第(Ⅲ)问把第 4 讲的维数与第 2 讲的伴随秩串起来。
**解**:
**(Ⅰ)** $r(A)=2<3$ 故 $\lvert A\rvert=0$ ,即至少一个特征值为 0。
设三个特征值为 $\lambda,\lambda,0$ ("有两个相等"且已有一个 0;若三个都相等则 $\lambda=\lambda=\lambda$ 且其一为 0,即全为 0,此时 $\operatorname{tr}A=0\ne4$ ,排除)。
由迹:$\lambda+\lambda+0=4\Rightarrow\lambda=2$ 。
故特征值为 $2,2,0$ 。
**(Ⅱ)** $r(A)=2=n-1$ ,由伴随矩阵秩公式
$$r(A^{*})=1 .$$
**(Ⅲ)** $Ax=0$ 的基础解系含 $n-r(A)=3-2=1$ 个向量。
$A^{*}x=0$ 的基础解系含 $n-r(A^{*})=3-1=2$ 个向量。两者维数不同(1 与 2),故**不同解**。
(更强的结论:$r(A)=n-1$ 时,$A^{*}$ 的非零列是 $Ax=0$ 的基础解系,故 $N(A)\subsetneq N(A^{*})$ ,见第 4 讲点 8 题 5。)
**验算**:取 $A=\mathrm{diag}(2,2,0)$ ,$r(A)=2$ 、$\operatorname{tr}A=4$ ✓,特征值 $2,2,0$ ✓;$A^{*}=\mathrm{diag}(0,0,4)$ ,$r(A^{*})=1$ ✓;$A^{*}x=0$ 即 $4x_3=0$ ,解空间 2 维 ✓。
**带走结论**:**"$r(A)=n-1$ "是伴随矩阵题的发令枪**——它同时给出 $r(A^{*})=1$ 、$\lvert A\rvert=0$ 、$N(A)$ 一维三件事。看到这个条件就该把第 2 讲的秩公式和第 4 讲的维数一起调出来。
> **关联** · 盘点 [§6.2 用特征值算行列式与秩](01-知识点盘点.md#user-content-62-用特征值算行列式与秩) | 上游 [点 6 题 3](07-点6-对角化的应用.md#user-content-题-3--62特征值算行列式与秩) | 下游 — | 速查 [十一 四处最容易丢分](09-速查卡.md#user-content-十一-四处最容易丢分)
---