Files

175 lines
8.9 KiB
Markdown
Raw Normal View History

---
tags: [数学一, 在学练习, 线性代数, 特征值, 速查卡]
专题: 线性代数 第5讲 · 特征值与特征向量(速查)
日期: 2026-10-24
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 第5讲 · 特征值与特征向量:速查卡
考前十分钟只看这一页。
## 一 三个核心动作
<!-- KP: 1.1 -->
```
① 解 |λE-A| = 0 → 特征值
② 解 (λE-A)x = 0 → 特征向量
③ 特征向量拼 P 或 Q → P⁻¹AP = Λ 或 QᵀAQ = Λ
```
全讲 83 分都是这三步的排列组合。
## 二 求特征向量四步
<!-- KP: 1.2, 1.4 -->
```
① |λE-A| 因式分解(分解到底)
② 写出全部 λ 及代数重数
③ 每个 λ 解 (λE-A)x=0 求基础解系
④ 特征向量 = 非零线性组合
```
**二阶速算**:$\lambda^2-(\operatorname{tr}A)\lambda+\lvert A\rvert=0$ 。
**捷径**:$\lambda E-A$ 各行之和为零 ⟹ $(1,\dots,1)^{\mathrm T}$ 是特征向量。
**三角矩阵**:主对角元就是特征值。
**三条性质**:同一 $\lambda$ 的特征向量的非零组合仍是特征向量;不同 $\lambda$ 的特征向量必线性无关;**跨 $\lambda$ 不能相加**($\xi_{\lambda_1}+\xi_{\lambda_2}$ 一般不是特征向量)。
## 三 特征值的六条运算
<!-- KP: 2.1, 2.2 -->
$$\sum\lambda_i=\operatorname{tr}A,\qquad\prod\lambda_i=\lvert A\rvert .$$
| 矩阵 | 特征值 |
|---|---|
| $kA$ | $k\lambda$ |
| $A^{m}$ | $\lambda^{m}$ |
| $A^{-1}$ | $1/\lambda$ |
| $A^{*}$ | $\lvert A\rvert/\lambda$ |
| $f(A)$ | $f(\lambda)$ |
| $A^{\mathrm T}$ | $\lambda$ (**特征向量不同**) |
**$A$ 不可逆时**,$A^{*}$ 的特征值用"其余对角元之积"算(先对角化再读)。
## 四 重数与可对角化
<!-- KP: 1.3, 2.3, 3.2 -->
$$1\leqslant m_i=n-r(\lambda_iE-A)\leqslant n_i .$$
$$A\ \text{可对角化}\iff\text{每个}\ \lambda_i\ \text{都有}\ m_i=n_i\iff\sum m_i=n .$$
**三个充分条件**:$n$ 个互异特征值;实对称;每个重根的几何重数 $=$ 代数重数。
**两条铁律判死**:
1. 特征值全相同且 $A\ne\lambda E$ ⟹ 不可对角化。
2. 某重根 $m_i<n_i$ ⟹ 不可对角化。
**算法**:单根不验;只对 $n_i\geqslant2$ 的 $\lambda_i$ 算 $r(\lambda_iE-A)$ ,得 $m_i=n-r$ 再与 $n_i$ 比。
## 五 相似判定三步筛
<!-- KP: 3.1, 3.3 -->
```
① 特征值(含重数)相同? 否 → 不相似
② 秩相同? 否 → 不相似
③ 都可对角化? 一个可一个不可 → 不相似
都可 → 相似(同相似于同一个 Λ)
```
**相似不变量**:特征多项式、秩、行列式、迹、可对角化性。
## 六 实对称三定理
<!-- KP: 4.1 -->
1. 特征值全为实数;
2. **不同特征值**的特征向量必**正交**;
3. 必存在正交 $Q$ 使 $Q^{\mathrm T}AQ=\Lambda$ 。
**注意**:同一特征值内部的向量**不自动正交**,要自己做施密特。
## 七 正交对角化五步
<!-- KP: 4.2, 4.3 -->
```
① |λE-A|=0 → λ
② (λE-A)x=0 → 基础解系
③ 同一 λ 内部施密特正交化(不同 λ 的自动正交)
④ 全部单位化,按列拼 Q
⑤ QᵀAQ = Λ(列序与 Λ 对齐)
```
**验证技巧**:验 $AQ=Q\Lambda$ ,比算 $Q^{\mathrm T}AQ$ 省一半。
## 八 反求矩阵
<!-- KP: 5.1 -->
$$A=P\Lambda P^{-1}\qquad\text{或(实对称)}\qquad A=\sum_i\lambda_iq_iq_i^{\mathrm T}.$$
- 缺特征向量:实对称时用**叉乘**(必与已知的都正交);
- 缺特征值:用 $\operatorname{tr}$ 或 $\lvert A\rvert$ 补;
- 重特征值占两维:常化为 $A=aE+bJ$ 。
## 九 抽象条件三件套
<!-- KP: 5.2 -->
| 条件 | 特征值 | 附加 |
|---|---|---|
| $A^2=A$ | $\{0,1\}$ | 必可对角化,$r(A)=\operatorname{tr}A=$ 1 的个数 |
| $A^2=E$ | $\{\pm1\}$ | 必可对角化 |
| $A^k=O$ | $\{0\}$ | $A\ne O$ 时不可对角化 |
**方向不能反**:$A$ 满足 $\Rightarrow$ $\lambda$ 满足;反之不成立。
## 十 求矩阵幂
<!-- KP: 6.1, 6.2 -->
$$A^{m}=P\Lambda^{m}P^{-1}.$$
**结构捷径**:$A=aI+bJ$ 时 $J^k=n^{k-1}J$ ,
$$A^{m}=a^{m}E+\frac{(a+nb)^{m}-a^{m}}{n}J .$$
**算行列式与秩**:$\lvert A\rvert=\prod\lambda_i$ ;$r(A)=$ 非零特征值个数(**仅当可对角化**)。
## 十一 四处最容易丢分
<!-- KP: 6.2 -->
1. **同一特征值内部忘了施密特**,交上去的 $Q$ 不正交。做完必验 $Q^{\mathrm T}Q=E$ 。
2. **$P$ 的列序与 $\Lambda$ 对角元错位**。写完用 $AP=P\Lambda$ 验。
3. **只看特征值相同就判相似**。必须加查"都可对角化"。
4. **$A$ 不可逆时套 $\lvert A\rvert/\lambda$ 会算错**,改走"其余对角元之积"。
---
## 回查
<!-- AUTO:回查 -->
| 想查什么 | 对应题目 |
|---|---|
| 一 三个核心动作 | [点 1 题 1](02-点1-定义与求法.md#user-content-题-1--11定义的三条等价写法) |
| 二 求特征向量四步 | [点 1 题 2](02-点1-定义与求法.md#user-content-题-2--12二阶矩阵走完整四步)、[点 1 题 3](02-点1-定义与求法.md#user-content-题-3--12分块三阶重根情形)、[点 1 题 6](02-点1-定义与求法.md#user-content-题-6--14特征向量的四条性质)、[点 1 题 7](02-点1-定义与求法.md#user-content-题-7--14不同特征值特征向量无关的证明) |
| 三 特征值的六条运算 | [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)、[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)、[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)、[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) |
| 四 重数与可对角化 | [点 1 题 4](02-点1-定义与求法.md#user-content-题-4--13含参矩阵与可对角化判定)、[点 1 题 5](02-点1-定义与求法.md#user-content-题-5--13有重根却能对角化)、[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)、[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)、[点 3 题 3](04-点3-相似与相似对角化.md#user-content-题-3--32可对角化的判据清单)、[点 3 题 4](04-点3-相似与相似对角化.md#user-content-题-4--32判定不可对角化)、[点 3 题 5](04-点3-相似与相似对角化.md#user-content-题-5--32含参矩阵永远不可对角化)、[点 3 题 6](04-点3-相似与相似对角化.md#user-content-题-6--32走完相似对角化全流程) |
| 五 相似判定三步筛 | [点 3 题 1](04-点3-相似与相似对角化.md#user-content-题-1--31相似的不变量)、[点 3 题 2](04-点3-相似与相似对角化.md#user-content-题-2--33特征值与秩全同却不相似) |
| 六 实对称三定理 | [点 4 题 1](05-点4-实对称矩阵正交对角化.md#user-content-题-1--41三个定理的适用范围)、[点 4 题 5](05-点4-实对称矩阵正交对角化.md#user-content-题-5--41实对称必可正交对角化的证明) |
| 七 正交对角化五步 | [点 4 题 2](05-点4-实对称矩阵正交对角化.md#user-content-题-2--42三阶实对称的完整五步)、[点 4 题 3](05-点4-实对称矩阵正交对角化.md#user-content-题-3--42由特征值与特征向量反求实对称矩阵)、[点 4 题 4](05-点4-实对称矩阵正交对角化.md#user-content-题-4--43正交矩阵的性质) |
| 八 反求矩阵 | [点 5 题 1](06-点5-反求矩阵与抽象条件.md#user-content-题-1--51由-p-与-lambda-反求-a-)、[点 5 题 3](06-点5-反求矩阵与抽象条件.md#user-content-题-3--51缺一个特征向量时怎么补) |
| 九 抽象条件三件套 | [点 5 题 2](06-点5-反求矩阵与抽象条件.md#user-content-题-2--52多项式条件下求行列式)、[点 5 题 4](06-点5-反求矩阵与抽象条件.md#user-content-题-4--52a-与-amathrm-t-的特征值相同)、[点 5 题 5](06-点5-反求矩阵与抽象条件.md#user-content-题-5--52多项式条件下求行列式) |
| 十 求矩阵幂 | [点 6 题 1](07-点6-对角化的应用.md#user-content-题-1--61二阶求-an-)、[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)、[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)、[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) |
| 十一 四处最容易丢分 | [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)、[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) |
<!-- /AUTO:回查 -->
整册入口:[知识点盘点](01-知识点盘点.md)、[点 1](02-点1-定义与求法.md)、[点 2](03-点2-特征值的性质.md)、[点 3](04-点3-相似与相似对角化.md)、[点 4](05-点4-实对称矩阵正交对角化.md)、[点 5](06-点5-反求矩阵与抽象条件.md)、[点 6](07-点6-对角化的应用.md)、[点 7](08-点7-与二次型的接口.md)。