2026-10-24 16:38:01 +08:00
|
|
|
|
---
|
|
|
|
|
|
tags: [数学一, 在学练习, 线性代数, 特征值, 性质]
|
|
|
|
|
|
专题: 线性代数 第5讲 · 点2 特征值的性质
|
|
|
|
|
|
日期: 2026-10-24
|
|
|
|
|
|
状态: 知识点带题(2.1 和与积、2.2 派生矩阵、2.3 重数,6 题)
|
|
|
|
|
|
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
|
|
|
|
|
|
---
|
|
|
|
|
|
|
|
|
|
|
|
# 点 2 特征值的性质
|
|
|
|
|
|
|
|
|
|
|
|
> 真题锚点:2018·13、2024·7(填空 / 选择)|重要度 ★★★
|
|
|
|
|
|
> 依赖:点 1 的求法。盘点对应:§2 全节。
|
|
|
|
|
|
|
|
|
|
|
|
**组织原则**:先列知识点(和与积 → 派生矩阵 → 重数),再逐一对应出题。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
|
|
|
|
|
|
|
|
|
|
|
|
## 知识点 2.1 特征值的和与积(出处:[知识章 similar.tex §2](../../../../参考仓库/Math/linear-algebra/knowledge/5-similar/similar.tex))
|
|
|
|
|
|
|
|
|
|
|
|
$$\sum_{i=1}^{n}\lambda_i=\operatorname{tr}A,\qquad\prod_{i=1}^{n}\lambda_i=\lvert A\rvert .$$
|
|
|
|
|
|
|
|
|
|
|
|
**三条推论**:$\lvert A\rvert=0\iff$ 有零特征值;$A$ 可逆 $\iff$ 全部特征值非零;已知 $n-1$ 个特征值,第 $n$ 个由迹**直接减出**。
|
|
|
|
|
|
|
|
|
|
|
|
## 知识点 2.2 派生矩阵的特征值(出处:[知识章 similar.tex §3](../../../../参考仓库/Math/linear-algebra/knowledge/5-similar/similar.tex))
|
|
|
|
|
|
|
2026-10-26 19:11:48 +08:00
|
|
|
|
设 $A\xi=\lambda\xi$ ,则下表各矩阵**共用同一个特征向量** $\xi$ 。
|
2026-10-24 16:38:01 +08:00
|
|
|
|
|
|
|
|
|
|
| 矩阵 | 特征值 | 条件 |
|
|
|
|
|
|
|---|---|---|
|
|
|
|
|
|
| $kA$ | $k\lambda$ | — |
|
|
|
|
|
|
| $A^{m}$ | $\lambda^{m}$ | — |
|
|
|
|
|
|
| $A^{-1}$ | $\lambda^{-1}$ | $\lambda\ne0$ |
|
|
|
|
|
|
| $A^{*}$ | $\lvert A\rvert/\lambda$ | $A$ 可逆 |
|
|
|
|
|
|
| $f(A)$ | $f(\lambda)$ | — |
|
|
|
|
|
|
| $A^{\mathrm T}$ | $\lambda$ (**特征向量不同**) | — |
|
|
|
|
|
|
| $P^{-1}AP$ | $\lambda$ (特征向量 $P^{-1}\xi$ ) | $P$ 可逆 |
|
|
|
|
|
|
|
|
|
|
|
|
**最常用**:$f(A)\xi=f(\lambda)\xi$ 。
|
|
|
|
|
|
|
|
|
|
|
|
## 知识点 2.3 重数与几何重数(出处:[知识章 similar.tex §4](../../../../参考仓库/Math/linear-algebra/knowledge/5-similar/similar.tex))
|
|
|
|
|
|
|
|
|
|
|
|
代数重数 $n_i$ = 特征方程根的次数;几何重数 $m_i=n-r(\lambda_iE-A)$ = 特征子空间维数。
|
|
|
|
|
|
|
|
|
|
|
|
$$1\leqslant m_i\leqslant n_i .$$
|
|
|
|
|
|
|
|
|
|
|
|
$$A\ \text{可对角化}\iff\text{每个}\ \lambda_i\ \text{都有}\ m_i=n_i\iff\sum m_i=n .$$
|
|
|
|
|
|
|
|
|
|
|
|
**记忆**:代数重数管"应该有几个",几何重数管"实际有几个",**缺一个就补不上**。
|
|
|
|
|
|
|
2026-10-26 19:11:48 +08:00
|
|
|
|
**与点 1 的分工**:点 1 §1.3 已给"够用版"(判据 + 三步算法),供点 1 题 4、题 5 使用;本节是完整版,并配两类典型应用——点 2 题 5(代数/几何重数对照)、题 6(幂等矩阵必可对角化)。
|
|
|
|
|
|
|
2026-10-24 16:38:01 +08:00
|
|
|
|
---
|
|
|
|
|
|
|
|
|
|
|
|
## 题目(按知识点顺序对应)
|
|
|
|
|
|
|
|
|
|
|
|
### 题 1 · 2.1:由迹与行列式反求第三个特征值(★☆☆)
|
|
|
|
|
|
|
|
|
|
|
|
> 设 $A$ 为三阶矩阵,$\operatorname{tr}A=6$ ,$\lvert A\rvert=6$ ,且 $A$ 的两个特征值为 $1$ 和 $2$ 。求第三个特征值。
|
|
|
|
|
|
|
|
|
|
|
|
**怎么想**:两个方程(迹、行列式)两个用途——用迹直接减,用行列式验证。**减出来马上验**,是最省时的双保险。
|
|
|
|
|
|
|
|
|
|
|
|
**解**:设第三个特征值为 $\lambda_3$ 。由迹:
|
|
|
|
|
|
|
|
|
|
|
|
$$1+2+\lambda_3=6\Longrightarrow\lambda_3=3 .$$
|
|
|
|
|
|
|
|
|
|
|
|
**验算**(用行列式):$1\times2\times3=6=\lvert A\rvert$ ✓。
|
|
|
|
|
|
|
|
|
|
|
|
**带走结论**:三阶题给两个特征值就是白送第三个——**用迹减,用行列式验**。若两式给出的答案不一致,说明题目里有一个特征值抄错了。
|
|
|
|
|
|
|
|
|
|
|
|
> **关联** · 盘点 [§2.1 特征值的和与积](01-知识点盘点.md#user-content-21-特征值的和与积) | 上游 — | 下游 [点 2 题 2](03-点2-特征值的性质.md#user-content-题-2--21特征值与行列式的连锁换算) | 速查 [三 特征值的六条运算](09-速查卡.md#user-content-三-特征值的六条运算)
|
|
|
|
|
|
|
|
|
|
|
|
---
|
|
|
|
|
|
|
|
|
|
|
|
### 题 2 · 2.1:特征值与行列式的连锁换算(★★☆)
|
|
|
|
|
|
|
|
|
|
|
|
> 【2018·13 骨架】设 $A$ 为三阶矩阵,$A$ 的特征值为 $1,2,3$ 。求 $\lvert A^{*}+E\rvert$ 。
|
|
|
|
|
|
|
|
|
|
|
|
**怎么想**:三步连锁——① $A^{*}$ 的特征值由 $\lvert A\rvert/\lambda$ 得;② 加 $E$ 相当于特征值各加 1;③ 行列式等于特征值之积。**全程不需求出 $A$ 本身**。
|
|
|
|
|
|
|
|
|
|
|
|
**解**:$A^{*}$ 的特征值为
|
|
|
|
|
|
|
|
|
|
|
|
$$\frac{\lvert A\rvert}{\lambda}=\frac{6}{1},\ \frac{6}{2},\ \frac{6}{3}=6,\ 3,\ 2 .$$
|
|
|
|
|
|
|
|
|
|
|
|
$A^{*}+E$ 的特征值为 $6+1,\ 3+1,\ 2+1=7,\ 4,\ 3$ 。
|
|
|
|
|
|
|
|
|
|
|
|
$$\lvert A^{*}+E\rvert=7\times4\times3=84 .$$
|
|
|
|
|
|
|
|
|
|
|
|
**验算**:$\lvert A^{*}\rvert=\lvert A\rvert^{n-1}=6^2=36$ ,而 $6\times3\times2=36$ ✓($A^{*}$ 自身特征值之积)。
|
|
|
|
|
|
|
|
|
|
|
|
**带走结论**:**加 $E$ 就是特征值加 1**(因 $f(A)=A+E$ 对应 $f(\lambda)=\lambda+1$ )。这类题全程只需特征值的四则运算,绝不需求 $A$ 或 $A^{*}$ 的具体矩阵。
|
|
|
|
|
|
|
|
|
|
|
|
> **关联** · 盘点 [§2.1 特征值的和与积](01-知识点盘点.md#user-content-21-特征值的和与积) | 上游 [点 2 题 1](03-点2-特征值的性质.md#user-content-题-1--21由迹与行列式反求第三个特征值) | 下游 — | 速查 [三 特征值的六条运算](09-速查卡.md#user-content-三-特征值的六条运算)
|
|
|
|
|
|
|
|
|
|
|
|
---
|
|
|
|
|
|
|
|
|
|
|
|
### 题 3 · 2.2:派生矩阵的特征值一次算完(★★☆)
|
|
|
|
|
|
|
|
|
|
|
|
> 设 $A$ 为三阶矩阵,特征值为 $1,-1,2$ 。求下列矩阵的特征值:
|
|
|
|
|
|
>
|
|
|
|
|
|
> (Ⅰ)$A^2+A-2E$ ;(Ⅱ)$A^{-1}$ ;(Ⅲ)$A^{\mathrm T}$ ;(Ⅳ)$A^{2}-3A+3E$ 。
|
|
|
|
|
|
|
|
|
|
|
|
**怎么想**:全部用"$f(A)$ 的特征值是 $f(\lambda)$ ",逐个代入。注意(Ⅳ)要**逐个算出后判断是否有零**,因为这决定行列式。
|
|
|
|
|
|
|
|
|
|
|
|
**解**:(Ⅰ)$f(\lambda)=\lambda^2+\lambda-2$ :
|
|
|
|
|
|
|
|
|
|
|
|
$$f(1)=0,\quad f(-1)=-2,\quad f(2)=4 .$$
|
|
|
|
|
|
|
|
|
|
|
|
特征值为 $0,\ -2,\ 4$ 。
|
|
|
|
|
|
|
|
|
|
|
|
(Ⅱ)$A^{-1}$ 的特征值为 $\dfrac11,\ \dfrac1{-1},\ \dfrac12=1,\ -1,\ \dfrac12$ 。
|
|
|
|
|
|
|
|
|
|
|
|
(Ⅲ)$A^{\mathrm T}$ 的特征值与 $A$ **相同**:$1,\ -1,\ 2$ (但特征向量不同)。
|
|
|
|
|
|
|
|
|
|
|
|
(Ⅳ)$f(\lambda)=\lambda^2-3\lambda+3$ :
|
|
|
|
|
|
|
|
|
|
|
|
$$f(1)=1,\quad f(-1)=7,\quad f(2)=1 .$$
|
|
|
|
|
|
|
|
|
|
|
|
特征值为 $1,\ 7,\ 1$ 。
|
|
|
|
|
|
|
|
|
|
|
|
**验算**:(Ⅰ)的特征值之积 $0\times(-2)\times4=0$ ,而 $\lvert A^2+A-2E\rvert=\lvert A-E\rvert\cdot\lvert A+2E\rvert$ …用另一条:$\lvert A^2+A-2E\rvert=\prod f(\lambda_i)=0$ ✓。
|
|
|
|
|
|
|
|
|
|
|
|
**带走结论**:(Ⅰ)里出现 $0$ 说明 $A^2+A-2E$ **不可逆**——这是命题人常设的下一步。$A^{\mathrm T}$ 与 $A$ 特征值相同但要记住**特征向量不同**。
|
|
|
|
|
|
|
|
|
|
|
|
> **关联** · 盘点 [§2.2 派生矩阵的特征值](01-知识点盘点.md#user-content-22-派生矩阵的特征值) | 上游 — | 下游 [点 2 题 4](03-点2-特征值的性质.md#user-content-题-4--22迹与特征值的双向使用) | 速查 [三 特征值的六条运算](09-速查卡.md#user-content-三-特征值的六条运算)
|
|
|
|
|
|
|
|
|
|
|
|
---
|
|
|
|
|
|
|
|
|
|
|
|
### 题 4 · 2.2:迹与特征值的双向使用(★★☆)
|
|
|
|
|
|
|
|
|
|
|
|
> 【2024·7 骨架】设 $A$ 为三阶矩阵,$A$ 的特征值为 $1,1,2$ ,$\alpha_1,\alpha_2,\alpha_3$ 是 $A$ 的三个线性无关的特征向量。判断:
|
|
|
|
|
|
>
|
|
|
|
|
|
> (Ⅰ)$\operatorname{tr}(A^2)=6$ 是否正确;
|
|
|
|
|
|
> (Ⅱ)$\lvert A+E\rvert=12$ 是否正确;
|
|
|
|
|
|
> (Ⅲ)$A$ 是否可对角化。
|
|
|
|
|
|
|
|
|
|
|
|
**怎么想**:全部由特征值推。(Ⅰ)先算 $A^2$ 的特征值再求和;(Ⅱ)特征值各加 1 再连乘;(Ⅲ)看是否有重根及其几何重数。
|
|
|
|
|
|
|
|
|
|
|
|
**解**:(Ⅰ)$A^2$ 的特征值为 $1,1,4$ ,故 $\operatorname{tr}(A^2)=1+1+4=6$ ,**正确**。
|
|
|
|
|
|
|
|
|
|
|
|
(Ⅱ)$A+E$ 的特征值为 $2,2,3$ ,
|
|
|
|
|
|
|
|
|
|
|
|
$$\lvert A+E\rvert=2\times2\times3=12 ,$$
|
|
|
|
|
|
|
|
|
|
|
|
**正确**。
|
|
|
|
|
|
|
|
|
|
|
|
(Ⅲ)**可对角化**。题目已给"三个线性无关的特征向量",按 §3.2 的判据这正是可对角化的充要条件。(另一种说法:$\lambda=1$ 的代数重数 2,几何重数 $3-r(E-A)$ ,由给了两个无关特征向量知几何重数至少 2,故等于 2。)
|
|
|
|
|
|
|
|
|
|
|
|
**带走结论**:**给"$n$ 个线性无关的特征向量"就等于说"可对角化"**,不用再验重数。反之给"$n$ 个互异特征值"也等价。
|
|
|
|
|
|
|
|
|
|
|
|
> **关联** · 盘点 [§2.2 派生矩阵的特征值](01-知识点盘点.md#user-content-22-派生矩阵的特征值) | 上游 [点 2 题 3](03-点2-特征值的性质.md#user-content-题-3--22派生矩阵的特征值一次算完) | 下游 — | 速查 [三 特征值的六条运算](09-速查卡.md#user-content-三-特征值的六条运算)
|
|
|
|
|
|
|
|
|
|
|
|
---
|
|
|
|
|
|
|
|
|
|
|
|
### 题 5 · 2.3:重数与几何重数的对照(★★★)
|
|
|
|
|
|
|
|
|
|
|
|
> 设 $A=\begin{pmatrix}1&1&0\\0&1&0\\0&0&2\end{pmatrix}$ 。
|
|
|
|
|
|
>
|
|
|
|
|
|
> (Ⅰ)求全部特征值与代数重数;
|
|
|
|
|
|
> (Ⅱ)求每个特征值的几何重数;
|
|
|
|
|
|
> (Ⅲ)判断 $A$ 能否对角化,并说明理由。
|
|
|
|
|
|
|
|
|
|
|
|
**怎么想**:上三角,特征值直接读对角元。$\lambda=1$ 是二重根,关键看 $r(E-A)$ —— 它决定了"实际能凑出几个线性无关的特征向量"。
|
|
|
|
|
|
|
|
|
|
|
|
**解**:(Ⅰ)$A$ 为上三角,特征值为主对角元:
|
|
|
|
|
|
|
|
|
|
|
|
$$\lambda_1=\lambda_2=1\ (\text{代数重数}\ 2),\qquad\lambda_3=2\ (\text{代数重数}\ 1).$$
|
|
|
|
|
|
|
|
|
|
|
|
(Ⅱ)$E-A=\begin{pmatrix}0&-1&0\\0&0&0\\0&0&-1\end{pmatrix}$ ,$r(E-A)=2$ (第 2、3 行各有主元),故
|
|
|
|
|
|
|
|
|
|
|
|
$$m_1=3-2=1 .$$
|
|
|
|
|
|
|
|
|
|
|
|
$2E-A=\begin{pmatrix}1&-1&0\\0&1&0\\0&0&0\end{pmatrix}$ ,$r=2$ ,故 $m_3=3-2=1$ 。
|
|
|
|
|
|
|
|
|
|
|
|
(Ⅲ)**不能对角化**。因 $m_1=1<2=n_1$ ,即二重特征值只提供了一个线性无关的特征向量,凑不出三个。
|
|
|
|
|
|
|
|
|
|
|
|
($\sum m_i=1+1=2<3$ ,同样说明问题。)
|
|
|
|
|
|
|
|
|
|
|
|
**验算**:$\operatorname{tr}A=4=1+1+2$ ✓;$\lvert A\rvert=2=1\cdot1\cdot2$ ✓。
|
|
|
|
|
|
|
|
|
|
|
|
**带走结论**:**看 $r(\lambda E-A)$ 就能判一切**。$\lambda$ 是 $k$ 重根时,若 $r(\lambda E-A)=n-k$ 则可对角化(几何重数恰为 $k$ ),若严格小于则可对角化失败。本题 $n-k=3-2=1$? 注意:$n_1=2$ 要求 $m_1=2$ ,即需 $r(E-A)=1$ ,实际 $r=2$ ,失败。
|
|
|
|
|
|
|
|
|
|
|
|
> **关联** · 盘点 [§2.3 重数与几何重数](01-知识点盘点.md#user-content-23-重数与几何重数) | 上游 — | 下游 [点 2 题 6](03-点2-特征值的性质.md#user-content-题-6--23幂等矩阵的全部结论) | 速查 [四 重数与可对角化](09-速查卡.md#user-content-四-重数与可对角化)
|
|
|
|
|
|
|
|
|
|
|
|
---
|
|
|
|
|
|
|
|
|
|
|
|
### 题 6 · 2.3:幂等矩阵的全部结论(★★★)
|
|
|
|
|
|
|
|
|
|
|
|
> 设 $A$ 为 $n$ 阶矩阵,且 $A^2=A$ ,$A\ne E$ ,$A\ne O$ 。证明:
|
|
|
|
|
|
>
|
|
|
|
|
|
> (Ⅰ)$A$ 的特征值只能是 $0$ 或 $1$ ;
|
|
|
|
|
|
> (Ⅱ)$A$ 必可对角化;
|
|
|
|
|
|
> (Ⅲ)$r(A)=\operatorname{tr}(A)=$ 特征值中 $1$ 的个数。
|
|
|
|
|
|
|
|
|
|
|
|
**怎么想**:$A^2=A$ 给出特征值的方程 $\lambda^2=\lambda$ 。可对角化要证几何重数 $=$ 代数重数,标准办法是用 $A(A-E)=O$ 的秩不等式。第(Ⅲ)问由(Ⅱ)直接得到。
|
|
|
|
|
|
|
|
|
|
|
|
**解**:
|
|
|
|
|
|
|
|
|
|
|
|
**(Ⅰ)** 设 $A\xi=\lambda\xi$ ($\xi\ne0$ )。由 $A^2=A$ 得
|
|
|
|
|
|
|
|
|
|
|
|
$$A^2\xi=A\xi=\lambda\xi .$$
|
|
|
|
|
|
|
|
|
|
|
|
另一方面 $A^2\xi=A(A\xi)=A(\lambda\xi)=\lambda A\xi=\lambda^2\xi$ 。两式相减:
|
|
|
|
|
|
|
|
|
|
|
|
$$(\lambda^2-\lambda)\xi=0 .$$
|
|
|
|
|
|
|
|
|
|
|
|
因 $\xi\ne0$ ,$\lambda^2-\lambda=0$ ,即 $\lambda\in\{0,1\}$ 。
|
|
|
|
|
|
|
|
|
|
|
|
**(Ⅱ)** 由 $A^2=A$ 得 $A(A-E)=O$ ,两端取秩并用 $AB=O\Rightarrow r(A)+r(B)\leqslant n$ (第 2 讲):
|
|
|
|
|
|
|
|
|
|
|
|
$$r(A)+r(A-E)\leqslant n .$$
|
|
|
|
|
|
|
|
|
|
|
|
另一方向用秩的次可加性:
|
|
|
|
|
|
|
|
|
|
|
|
$$r(A)+r(A-E)\geqslant r\big(A-(A-E)\big)=r(E)=n .$$
|
|
|
|
|
|
|
|
|
|
|
|
两向合并得
|
|
|
|
|
|
|
|
|
|
|
|
$$r(A)+r(A-E)=n .\tag{$*$}$$
|
|
|
|
|
|
|
|
|
|
|
|
现在算几何重数。$\lambda=0$ 的特征子空间维数 $m_0=n-r(A)$ ;$\lambda=1$ 的特征子空间维数 $m_1=n-r(E-A)=n-r(A-E)$ 。相加并用 $(*)$ :
|
|
|
|
|
|
|
|
|
|
|
|
$$m_0+m_1=2n-\big[r(A)+r(A-E)\big]=2n-n=n .$$
|
|
|
|
|
|
|
|
|
|
|
|
由(Ⅰ)特征值只有 $0$ 与 $1$ ,代数重数满足 $n_0+n_1=n$ 。又恒有 $m_i\leqslant n_i$ ,两边求和得
|
|
|
|
|
|
|
|
|
|
|
|
$$n=m_0+m_1\leqslant n_0+n_1=n ,$$
|
|
|
|
|
|
|
|
|
|
|
|
故两个不等式都必须取等号,即 $m_0=n_0$ 、$m_1=n_1$ ,$A$ 可对角化。
|
|
|
|
|
|
|
|
|
|
|
|
**(Ⅲ)** 由(Ⅱ)存在可逆 $P$ 使 $P^{-1}AP=\Lambda=\mathrm{diag}(\lambda_1,\dots,\lambda_n)$ ,其中对角元只有 $0$ 与 $1$ ,设 $1$ 的个数为 $s$ 。相似不改变秩、也不改变迹:
|
|
|
|
|
|
|
|
|
|
|
|
$$r(A)=r(\Lambda)=s,\qquad\operatorname{tr}A=\operatorname{tr}\Lambda=s .$$
|
|
|
|
|
|
|
|
|
|
|
|
($A\ne O$ 保证 $s\geqslant1$ ;$A\ne E$ 保证 $s\leqslant n-1$ ,两者都用来说明确实是"真幂等"而非退化情形。)
|
|
|
|
|
|
|
|
|
|
|
|
**带走结论**:$A^2=A$ 的三条结论要一起记:**特征值只能 0/1、必可对角化、秩 $=$ 迹 $=$ 1 的个数**。这套结论在抽象题里等于"白送矩阵的全部信息",考试见过一次就该条件反射。
|
|
|
|
|
|
|
|
|
|
|
|
> **关联** · 盘点 [§2.3 重数与几何重数](01-知识点盘点.md#user-content-23-重数与几何重数) | 上游 [点 2 题 5](03-点2-特征值的性质.md#user-content-题-5--23重数与几何重数的对照) | 下游 — | 速查 [四 重数与可对角化](09-速查卡.md#user-content-四-重数与可对角化)
|
|
|
|
|
|
|
|
|
|
|
|
---
|