知识点构建 02—27 批量修公式渲染(约 2500 处)
起因:01 重排时核验发现线上残留 $ 243 个,追查后确认 10-27/11-17 写的这批文件
都有同样问题——收尾 $ 后面紧跟中文标点,Gitea 整对不渲染,正文里直接露出
$\lim_{x\to0}...$ 源码,所以整页看着糊成一团。
- 02—20(背诵版)共插入 2550 处空格,逐文件二次运行均插入 0(幂等)
- 21—27(专背清单)另修 24 处「加粗以公式收尾」:公式被移出加粗范围
(`**…$f$ **` → `**…** $f$ `),否则补的空格落在 `**` 内侧,星号会原样露出
- 09/11 等 4 处一个加粗里连着两个公式,迭代剥两次才对
- 01 已在上一提交(da4c938)单独处理,网页残留 0
全部经 fix_text 幂等核验;链接 28 文件 0 异常。
This commit is contained in:
@@ -14,22 +14,22 @@ tags: [数学一, 知识点构建, 背诵版, 线性代数, 特征值]
|
||||
|
||||
## 0. 本讲骨架(先背这张图)
|
||||
|
||||
**一句话**:三个核心动作反复用——解 $|\lambda E-A|=0$ 求特征值、解 $(\lambda E-A)x=0$ 求特征向量、用特征向量拼 $P$ 验证 $P^{-1}AP=\Lambda$。
|
||||
**一句话**:三个核心动作反复用——解 $|\lambda E-A|=0$ 求特征值、解 $(\lambda E-A)x=0$ 求特征向量、用特征向量拼 $P$ 验证 $P^{-1}AP=\Lambda$ 。
|
||||
|
||||
**真题地位**:真题库第 13 章,近十年 **11 题 83 分,线代分值最高的一讲**(5 选择填空 21 分 + 5 解答 57 分,解答几乎每年落在 20/21 题)。**第 5 讲做不出来,线代基本报废**——第 6 讲二次型只是它的延伸。
|
||||
|
||||
**依赖链**:02 定义与求法(地基)→ 03 特征值性质(和=迹、积=行列式)→ 04 相似与对角化(何时能拼出 $P$)→ 05 实对称正交对角化(**解答题主场,闭卷不停顿**)→ 06 反求矩阵 → 07 对角化应用(求 $A^n$、秩)→ 08 二次型接口($Q^{\mathrm T}AQ=\Lambda$ 就是化标准形)。时间不够按 `08→07 题2→06 题4` 砍,**`05` 不能砍**。
|
||||
**依赖链**:02 定义与求法(地基)→ 03 特征值性质(和=迹、积=行列式)→ 04 相似与对角化(何时能拼出 $P$ )→ 05 实对称正交对角化(**解答题主场,闭卷不停顿**)→ 06 反求矩阵 → 07 对角化应用(求 $A^n$ 、秩)→ 08 二次型接口($Q^{\mathrm T}AQ=\Lambda$ 就是化标准形)。时间不够按 `08→07 题2→06 题4` 砍,**`05` 不能砍**。
|
||||
|
||||
**考点树**
|
||||
|
||||
| 点 | 考点小节(题数) |
|
||||
|---|---|
|
||||
| 1 定义与求法 | 1.1 定义与特征方程(题1)· 1.2 四步求法(题2–3)· 1.3 几何重数与对角化判据(题4–5)· 1.4 特征向量性质(题6–7) |
|
||||
| 2 特征值的性质 | 2.1 和与积(题1)· 2.2 派生矩阵 $f(A)$(题2–4)· 2.3 重数与几何重数(题5–6) |
|
||||
| 2 特征值的性质 | 2.1 和与积(题1)· 2.2 派生矩阵 $f(A)$ (题2–4)· 2.3 重数与几何重数(题5–6) |
|
||||
| 3 相似与相似对角化 | 3.1 相似不变量(题1)· 3.2 对角化充要条件(题3–6)· 3.3 判定三步筛(题2) |
|
||||
| 4 实对称矩阵正交对角化 | 4.1 三个定理(题1、5)· 4.2 五步流程(题2)· 4.3 正交矩阵(题4)· 4.4 谱分解(题3) |
|
||||
| 5 反求矩阵与抽象条件 | 5.1 由 $\lambda,\xi$ 反求 $A$(题1、3)· 5.2 多项式条件(题2、4、5) |
|
||||
| 6 对角化的应用 | 6.1 求 $A^n$(题1–2)· 6.2 行列式与秩(题3–4) |
|
||||
| 5 反求矩阵与抽象条件 | 5.1 由 $\lambda,\xi$ 反求 $A$ (题1、3)· 5.2 多项式条件(题2、4、5) |
|
||||
| 6 对角化的应用 | 6.1 求 $A^n$ (题1–2)· 6.2 行列式与秩(题3–4) |
|
||||
| 7 与二次型的接口 | 7.1 标准形=特征值、正定性(题1–3) |
|
||||
|
||||
## 1. 点 1 · 定义与求法
|
||||
@@ -38,27 +38,27 @@ tags: [数学一, 知识点构建, 背诵版, 线性代数, 特征值]
|
||||
|
||||
### 考点 1.1 定义与特征方程
|
||||
|
||||
$A\xi=\lambda\xi$($\xi\ne0$)——$\lambda$ 是特征值(**是数**),$\xi$ 是特征向量(**非零**)。三个等价改写:$A\xi=\lambda\xi\iff(\lambda E-A)\xi=0\iff\xi$ 是 $(\lambda E-A)x=0$ 的非零解。由第三条:$\lambda$ 是特征值 $\iff|\lambda E-A|=0$(特征方程)。四条易错:① 特征向量必须非零;② $\lambda$ 可为 0/负/复数(实矩阵复特征值成共轭对);③ $|\lambda E-A|$ 与 $|A-\lambda E|$ 求根相同;④ 特征向量不唯一($k\xi$ 都是)。
|
||||
$A\xi=\lambda\xi$ ($\xi\ne0$ )——$\lambda$ 是特征值(**是数**),$\xi$ 是特征向量(**非零**)。三个等价改写:$A\xi=\lambda\xi\iff(\lambda E-A)\xi=0\iff\xi$ 是 $(\lambda E-A)x=0$ 的非零解。由第三条:$\lambda$ 是特征值 $\iff|\lambda E-A|=0$ (特征方程)。四条易错:① 特征向量必须非零;② $\lambda$ 可为 0/负/复数(实矩阵复特征值成共轭对);③ $|\lambda E-A|$ 与 $|A-\lambda E|$ 求根相同;④ 特征向量不唯一($k\xi$ 都是)。
|
||||
|
||||
### 考点 1.2 求法四步
|
||||
|
||||
① 算 $|\lambda E-A|$ 并**因式分解**;② 写全部特征值与代数重数;③ 对每个 $\lambda_i$ 解 $(\lambda_iE-A)x=0$ 求基础解系;④ 特征向量 $=k_1\xi_{i1}+\cdots$($k$ 不全为零)。捷径:**$\lambda_iE-A$ 每行之和常为零 $\Rightarrow (1,\dots,1)^{\mathrm T}$ 是解**;先猜后验。二阶速算:$\lambda^2-(\operatorname{tr}A)\lambda+|A|=0$。
|
||||
① 算 $|\lambda E-A|$ 并**因式分解**;② 写全部特征值与代数重数;③ 对每个 $\lambda_i$ 解 $(\lambda_iE-A)x=0$ 求基础解系;④ 特征向量 $=k_1\xi_{i1}+\cdots$ ($k$ 不全为零)。捷径:**$\lambda_iE-A$ 每行之和常为零 $\Rightarrow (1,\dots,1)^{\mathrm T}$ 是解**;先猜后验。二阶速算:$\lambda^2-(\operatorname{tr}A)\lambda+|A|=0$ 。
|
||||
|
||||
### 考点 1.3 几何重数与可对角化判据
|
||||
|
||||
代数重数 $n_i$(根的重数);几何重数 $m_i=n-r(\lambda_iE-A)$(特征子空间维数 $=$ 无关特征向量最大个数)。$1\le m_i\le n_i$;**$A$ 可对角化 $\iff m_i=n_i$(对所有 $i$)$\iff\sum m_i=n$**。判定三步:求全 $n_i$ → 只对 $n_i\ge2$ 算 $r(\lambda_iE-A)$ → 有一个 $m_i<n_i$ 即不可对角化。两处易错:**① 有重根 $\ne$ 不可对角化**($\mathrm{diag}(1,1,2)$ 可对角化);**② 可对角化 $\ne$ 特征值互异**($E$ 三重特征值 1 照样对角)。「$n$ 个互异特征值 $\Rightarrow$ 可对角化」只是充分条件。判据等价写法:$r(\lambda_iE-A)=n-n_i$ 取等号才可。
|
||||
代数重数 $n_i$ (根的重数);几何重数 $m_i=n-r(\lambda_iE-A)$ (特征子空间维数 $=$ 无关特征向量最大个数)。$1\le m_i\le n_i$ ;**$A$ 可对角化 $\iff m_i=n_i$ (对所有 $i$ )** $\iff\sum m_i=n$ 。判定三步:求全 $n_i$ → 只对 $n_i\ge2$ 算 $r(\lambda_iE-A)$ → 有一个 $m_i<n_i$ 即不可对角化。两处易错:**① 有重根 $\ne$ 不可对角化**($\mathrm{diag}(1,1,2)$ 可对角化);**② 可对角化 $\ne$ 特征值互异**($E$ 三重特征值 1 照样对角)。「$n$ 个互异特征值 $\Rightarrow$ 可对角化」只是充分条件。判据等价写法:$r(\lambda_iE-A)=n-n_i$ 取等号才可。
|
||||
|
||||
### 考点 1.4 特征向量性质
|
||||
|
||||
① 同一特征值特征向量的非零线性组合仍是其特征向量;② **不同特征值的特征向量线性无关**($P$ 可逆的根基);③ $n$ 个互异特征值 $\Rightarrow$ 可对角化;④ 特征向量**不能跨特征值相加**。证明模板:「设零组合→左乘 $A$→原式乘 $\lambda_m$→两式相减消一项」归纳(实对称的推广是「两边取内积」)。
|
||||
① 同一特征值特征向量的非零线性组合仍是其特征向量;② **不同特征值的特征向量线性无关**($P$ 可逆的根基);③ $n$ 个互异特征值 $\Rightarrow$ 可对角化;④ 特征向量**不能跨特征值相加**。证明模板:「设零组合→左乘 $A$ →原式乘 $\lambda_m$ →两式相减消一项」归纳(实对称的推广是「两边取内积」)。
|
||||
|
||||
**题目**
|
||||
- **题 1 · 1.1 定义的三条等价写法(★☆☆)**:$A=\begin{pmatrix}2&1\\1&2\end{pmatrix}$,$\xi=(1,-1)^{\mathrm T}$。(Ⅰ)验证 $\xi$ 是特征向量并写特征值;(Ⅱ)为什么 $(1,1)^{\mathrm T}$ 对应特征值不同?(Ⅲ)「$0$ 是 $A$ 的特征值」与「$A$ 不可逆」是否等价(等价——三说法一回事)。
|
||||
- **题 2 · 1.2 二阶矩阵走完整四步(★★☆)**:求 $A=\begin{pmatrix}2&1\\1&2\end{pmatrix}$ 的全部特征值与特征向量(速算式 $\lambda^2-4\lambda+3=0$,特征向量 $(1,-1)$ 与 $(1,1)$ 恰好正交——实对称必然)。
|
||||
- **题 3 · 1.2 分块三阶,重根情形(★★☆)**:求 $A=\begin{pmatrix}2&0&0\\0&3&1\\0&1&3\end{pmatrix}$ 的全部特征值与特征向量(分块对角特征值=各块并集;$\lambda=2$ 二重但 $r(2E-A)=1$、几何重数 2,可对角化)。
|
||||
- **题 4 · 1.3 含参矩阵与可对角化判定(★★☆)**:$A=\begin{pmatrix}1&1&0\\0&a&0\\0&0&1\end{pmatrix}$,求特征值并讨论 $a$ 何值时可对角化(上三角读对角元;$a\ne1$ 时 $r(E-A)=1$ 可对角化,$a=1$ 时代数重数涨到 3 不可对角化)。
|
||||
- **题 5 · 1.3 有重根却能对角化(★★☆)**:$A=\begin{pmatrix}0&1&1\\1&0&1\\1&1&0\end{pmatrix}$。(Ⅰ)求全部特征值与代数重数(行和=2 白送 $\lambda=2$,迹与行列式逼出 $-1,-1$);(Ⅱ)求几何重数并判断能否对角化(能);(Ⅲ)$P$ 需要几列、每列取自哪个子空间(每个特征值各取一套,不能混着凑)。
|
||||
- **题 6 · 1.4 特征向量的四条性质(★★☆)**:$\lambda_1\ne\lambda_2$,$\xi_1,\xi_2$ 分别是其特征向量。判断:(Ⅰ)$\xi_1+\xi_2$ 一定是特征向量(错);(Ⅱ)$2\xi_1$ 仍是 $\lambda_1$ 的特征向量(对);(Ⅲ)$\xi_1,\xi_2$ 线性无关(对);(Ⅳ)三阶矩阵三特征值互异对应特征向量无关(对)。
|
||||
- **题 1 · 1.1 定义的三条等价写法(★☆☆)**:$A=\begin{pmatrix}2&1\\1&2\end{pmatrix}$ ,$\xi=(1,-1)^{\mathrm T}$ 。(Ⅰ)验证 $\xi$ 是特征向量并写特征值;(Ⅱ)为什么 $(1,1)^{\mathrm T}$ 对应特征值不同?(Ⅲ)「$0$ 是 $A$ 的特征值」与「$A$ 不可逆」是否等价(等价——三说法一回事)。
|
||||
- **题 2 · 1.2 二阶矩阵走完整四步(★★☆)**:求 $A=\begin{pmatrix}2&1\\1&2\end{pmatrix}$ 的全部特征值与特征向量(速算式 $\lambda^2-4\lambda+3=0$ ,特征向量 $(1,-1)$ 与 $(1,1)$ 恰好正交——实对称必然)。
|
||||
- **题 3 · 1.2 分块三阶,重根情形(★★☆)**:求 $A=\begin{pmatrix}2&0&0\\0&3&1\\0&1&3\end{pmatrix}$ 的全部特征值与特征向量(分块对角特征值=各块并集;$\lambda=2$ 二重但 $r(2E-A)=1$ 、几何重数 2,可对角化)。
|
||||
- **题 4 · 1.3 含参矩阵与可对角化判定(★★☆)**:$A=\begin{pmatrix}1&1&0\\0&a&0\\0&0&1\end{pmatrix}$ ,求特征值并讨论 $a$ 何值时可对角化(上三角读对角元;$a\ne1$ 时 $r(E-A)=1$ 可对角化,$a=1$ 时代数重数涨到 3 不可对角化)。
|
||||
- **题 5 · 1.3 有重根却能对角化(★★☆)**:$A=\begin{pmatrix}0&1&1\\1&0&1\\1&1&0\end{pmatrix}$ 。(Ⅰ)求全部特征值与代数重数(行和=2 白送 $\lambda=2$ ,迹与行列式逼出 $-1,-1$ );(Ⅱ)求几何重数并判断能否对角化(能);(Ⅲ)$P$ 需要几列、每列取自哪个子空间(每个特征值各取一套,不能混着凑)。
|
||||
- **题 6 · 1.4 特征向量的四条性质(★★☆)**:$\lambda_1\ne\lambda_2$ ,$\xi_1,\xi_2$ 分别是其特征向量。判断:(Ⅰ)$\xi_1+\xi_2$ 一定是特征向量(错);(Ⅱ)$2\xi_1$ 仍是 $\lambda_1$ 的特征向量(对);(Ⅲ)$\xi_1,\xi_2$ 线性无关(对);(Ⅳ)三阶矩阵三特征值互异对应特征向量无关(对)。
|
||||
- **题 7 · 1.4 不同特征值特征向量无关的证明(★★★)**:$\lambda_1,\dots,\lambda_m$ 互异,证明对应特征向量线性无关(归纳 + 左乘 $A$ 与乘 $\lambda_m$ 相减消项)。
|
||||
|
||||
## 2. 点 2 · 特征值的性质
|
||||
@@ -77,25 +77,25 @@ $$\sum\lambda_i=\operatorname{tr}A,\qquad\prod\lambda_i=|A|.$$
|
||||
|---|---|
|
||||
| $kA$ | $k\lambda$ |
|
||||
| $A^m$ | $\lambda^m$ |
|
||||
| $A^{-1}$ | $\lambda^{-1}$($A$ 可逆) |
|
||||
| $A^*$ | $|A|/\lambda$($A$ 可逆) |
|
||||
| $A^{-1}$ | $\lambda^{-1}$ ($A$ 可逆) |
|
||||
| $A^*$ | $|A|/\lambda$ ($A$ 可逆) |
|
||||
| $f(A)$ | $f(\lambda)$ |
|
||||
| $A^{\mathrm T}$ | $\lambda$(**特征向量不同**) |
|
||||
| $P^{-1}AP$ | $\lambda$(特征向量 $P^{-1}\xi$) |
|
||||
| $A^{\mathrm T}$ | $\lambda$ (**特征向量不同**) |
|
||||
| $P^{-1}AP$ | $\lambda$ (特征向量 $P^{-1}\xi$ ) |
|
||||
|
||||
最常用:**$f(A)$ 的特征值是 $f(\lambda)$**——把 $\lambda$ 代进多项式即可。$A^{\mathrm T}$ 与 $A$ 特征值相同但特征向量不同,最容易想当然。
|
||||
最常用:**$f(A)$ 的特征值是** $f(\lambda)$ ——把 $\lambda$ 代进多项式即可。$A^{\mathrm T}$ 与 $A$ 特征值相同但特征向量不同,最容易想当然。
|
||||
|
||||
### 考点 2.3 重数与几何重数
|
||||
|
||||
$1\le m_i\le n_i$;**可对角化 $\iff$ 每个 $m_i=n_i$**。一句话:**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**。幂等矩阵 $A^2=A$ 三件套:**特征值只能 0/1、必可对角化、$r(A)=\operatorname{tr}A=$ 1 的个数**(证明用 $A(A-E)=O$ 的秩不等式:$r(A)+r(A-E)=n$ 夹逼)。
|
||||
$1\le m_i\le n_i$ ;**可对角化 $\iff$ 每个** $m_i=n_i$ 。一句话:**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**。幂等矩阵 $A^2=A$ 三件套:**特征值只能 0/1、必可对角化、$r(A)=\operatorname{tr}A=$ 1 的个数**(证明用 $A(A-E)=O$ 的秩不等式:$r(A)+r(A-E)=n$ 夹逼)。
|
||||
|
||||
**题目**
|
||||
- **题 1 · 2.1 由迹与行列式反求第三个特征值(★☆☆)**:三阶矩阵 $\operatorname{tr}A=6$、$|A|=6$、两个特征值 $1,2$,求第三个(用迹减出 3,用行列式验)。
|
||||
- **题 2 · 2.2 特征值与行列式的连锁换算(★★☆)**【2018·13 骨架】:三阶 $A$ 特征值 $1,2,3$,求 $|A^*+E|$($A^*$ 特征值 $6,3,2$ → $+E$ 各加 1 → 积 $=84$)。
|
||||
- **题 3 · 2.2 派生矩阵的特征值一次算完(★★☆)**:$A$ 特征值 $1,-1,2$,求(Ⅰ)$A^2+A-2E$(Ⅱ)$A^{-1}$(Ⅲ)$A^{\mathrm T}$(Ⅳ)$A^2-3A+3E$ 的特征值((Ⅰ)出现 0 说明该矩阵不可逆)。
|
||||
- **题 4 · 2.2 迹与特征值的双向使用(★★☆)**【2024·7 骨架】:$A$ 特征值 $1,1,2$,$\alpha_1,\alpha_2,\alpha_3$ 是三个线性无关特征向量。判断:(Ⅰ)$\operatorname{tr}(A^2)=6$?(Ⅱ)$|A+E|=12$?(Ⅲ)$A$ 可对角化?(给「$n$ 个线性无关特征向量」= 说「可对角化」)。
|
||||
- **题 5 · 2.3 重数与几何重数的对照(★★★)**:$A=\begin{pmatrix}1&1&0\\0&1&0\\0&0&2\end{pmatrix}$。(Ⅰ)求特征值与代数重数;(Ⅱ)求几何重数;(Ⅲ)判断能否对角化($m_1=1<2$,不能)。
|
||||
- **题 6 · 2.3 幂等矩阵的全部结论(★★★)**:$A^2=A$,$A\ne E$,$A\ne O$。证明(Ⅰ)特征值只能 0/1;(Ⅱ)必可对角化;(Ⅲ)$r(A)=\operatorname{tr}(A)=$ 1 的个数。
|
||||
- **题 1 · 2.1 由迹与行列式反求第三个特征值(★☆☆)**:三阶矩阵 $\operatorname{tr}A=6$ 、$|A|=6$ 、两个特征值 $1,2$ ,求第三个(用迹减出 3,用行列式验)。
|
||||
- **题 2 · 2.2 特征值与行列式的连锁换算(★★☆)**【2018·13 骨架】:三阶 $A$ 特征值 $1,2,3$ ,求 $|A^*+E|$ ($A^*$ 特征值 $6,3,2$ → $+E$ 各加 1 → 积 $=84$ )。
|
||||
- **题 3 · 2.2 派生矩阵的特征值一次算完(★★☆)**:$A$ 特征值 $1,-1,2$ ,求(Ⅰ)$A^2+A-2E$ (Ⅱ)$A^{-1}$ (Ⅲ)$A^{\mathrm T}$ (Ⅳ)$A^2-3A+3E$ 的特征值((Ⅰ)出现 0 说明该矩阵不可逆)。
|
||||
- **题 4 · 2.2 迹与特征值的双向使用(★★☆)**【2024·7 骨架】:$A$ 特征值 $1,1,2$ ,$\alpha_1,\alpha_2,\alpha_3$ 是三个线性无关特征向量。判断:(Ⅰ)$\operatorname{tr}(A^2)=6$ ?(Ⅱ)$|A+E|=12$ ?(Ⅲ)$A$ 可对角化?(给「$n$ 个线性无关特征向量」= 说「可对角化」)。
|
||||
- **题 5 · 2.3 重数与几何重数的对照(★★★)**:$A=\begin{pmatrix}1&1&0\\0&1&0\\0&0&2\end{pmatrix}$ 。(Ⅰ)求特征值与代数重数;(Ⅱ)求几何重数;(Ⅲ)判断能否对角化($m_1=1<2$ ,不能)。
|
||||
- **题 6 · 2.3 幂等矩阵的全部结论(★★★)**:$A^2=A$ ,$A\ne E$ ,$A\ne O$ 。证明(Ⅰ)特征值只能 0/1;(Ⅱ)必可对角化;(Ⅲ)$r(A)=\operatorname{tr}(A)=$ 1 的个数。
|
||||
|
||||
## 3. 点 3 · 相似与相似对角化
|
||||
|
||||
@@ -103,23 +103,23 @@ $1\le m_i\le n_i$;**可对角化 $\iff$ 每个 $m_i=n_i$**。一句话:**代
|
||||
|
||||
### 考点 3.1 相似的定义与必要条件
|
||||
|
||||
$P^{-1}AP=B$($P$ 可逆)则 $A\sim B$。**相似不变量**(用来否定,不能用来肯定):特征多项式(含重数)、秩、行列式、迹、可对角化性——**这五条全满足也不一定相似**。口诀:**相似不改变「特征值层面」的一切,但改变「向量层面」的一切**(特征向量跟着 $P$ 变:$B$ 的特征向量是 $P^{-1}\xi$)。
|
||||
$P^{-1}AP=B$ ($P$ 可逆)则 $A\sim B$ 。**相似不变量**(用来否定,不能用来肯定):特征多项式(含重数)、秩、行列式、迹、可对角化性——**这五条全满足也不一定相似**。口诀:**相似不改变「特征值层面」的一切,但改变「向量层面」的一切**(特征向量跟着 $P$ 变:$B$ 的特征向量是 $P^{-1}\xi$ )。
|
||||
|
||||
### 考点 3.2 相似对角化的充要条件
|
||||
|
||||
$A$ 可对角化 $\iff A$ 有 $n$ 个线性无关特征向量;此时 $P^{-1}AP=\Lambda=\mathrm{diag}(\lambda_1,\dots,\lambda_n)$。**$P$ 的列序必须与 $\Lambda$ 对角元一一对应**。三个充分条件:① $n$ 个互异特征值;② 实对称(必可正交对角化);③ 每个 $m_i=n_i$。判「不能」:某 $m_i<n_i$。**「特征值全相同且 $A\ne\lambda E$」是判死的铁律**($A\sim aE\Rightarrow A=aE$ 矛盾)。满秩、行列式非零、特征值全正等「看着强」的条件统统与对角化无关。
|
||||
$A$ 可对角化 $\iff A$ 有 $n$ 个线性无关特征向量;此时 $P^{-1}AP=\Lambda=\mathrm{diag}(\lambda_1,\dots,\lambda_n)$ 。**$P$ 的列序必须与 $\Lambda$ 对角元一一对应**。三个充分条件:① $n$ 个互异特征值;② 实对称(必可正交对角化);③ 每个 $m_i=n_i$ 。判「不能」:某 $m_i<n_i$ 。**「特征值全相同且 $A\ne\lambda E$ 」是判死的铁律**($A\sim aE\Rightarrow A=aE$ 矛盾)。满秩、行列式非零、特征值全正等「看着强」的条件统统与对角化无关。
|
||||
|
||||
### 考点 3.3 相似判定三步筛
|
||||
|
||||
① 特征值(含重数)是否相同——不同直接否;② 秩是否相同;③ 是否都可对角化——都可对角化则相似(同相似于同一个 $\Lambda$);一个可一个不可则**不相似**。2016·5、2018·5、2017·6 反复考。
|
||||
① 特征值(含重数)是否相同——不同直接否;② 秩是否相同;③ 是否都可对角化——都可对角化则相似(同相似于同一个 $\Lambda$ );一个可一个不可则**不相似**。2016·5、2018·5、2017·6 反复考。
|
||||
|
||||
**题目**
|
||||
- **题 1 · 3.1 相似的不变量(★☆☆)**:$A\sim B$,判断(Ⅰ)$|A|$ 与 $|B|$(Ⅱ)$r(A)$ 与 $r(B)$(Ⅲ)$\operatorname{tr}(A^2)$ 与 $\operatorname{tr}(B^2)$(Ⅳ)$A$ 与 $B$ 的特征向量——前三项相等,第(Ⅳ)不相等。
|
||||
- **题 2 · 3.3 特征值与秩全同却不相似(★★☆)**【2016·5/2018·5 骨架】:$A=\mathrm{diag}(1,1,2)$,$B=\begin{pmatrix}1&1&0\\0&1&0\\0&0&2\end{pmatrix}$。(Ⅰ)验证特征值与秩都相同;(Ⅱ)判断是否相似($r(E-B)=2$,$B$ 不可对角化,$A$ 可——不相似)。
|
||||
- **题 3 · 3.2 可对角化的判据清单(★★☆)**:三阶 $A$,哪些条件**能**保证可对角化:(Ⅰ)三个互异特征值(能);(Ⅱ)实对称(能);(Ⅲ)$|A|\ne0$(不能);(Ⅳ)$r(A)=3$(不能);(Ⅴ)特征值全 1 且 $A\ne E$(不能,且必然不可对角化)。
|
||||
- **题 4 · 3.2 判定不可对角化(★★☆)**【2023·6 骨架】:$A=\begin{pmatrix}3&1&0\\0&3&0\\0&0&1\end{pmatrix}$ 能否对角化($\lambda=3$ 二重,$r(3E-A)=2$,几何重数 1——不能)。
|
||||
- **题 5 · 3.2 含参矩阵永远不可对角化(★★★)**:$A=\begin{pmatrix}a&1&1\\0&a&1\\0&0&a\end{pmatrix}$,证明无论 $a$ 取何值都不能对角化(特征值全为 $a$,$r(aE-A)=2$,几何重数 1;或反证 $A=aE$ 矛盾)。
|
||||
- **题 6 · 3.2 走完相似对角化全流程(★★★)**【2019·21 骨架】:$A=\begin{pmatrix}2&2&0\\0&1&0\\0&0&3\end{pmatrix}$。(Ⅰ)求全部特征值与特征向量;(Ⅱ)求可逆 $P$ 使 $P^{-1}AP=\Lambda$ 并写 $\Lambda$(列序对齐);(Ⅲ)验证 $A=P\Lambda P^{-1}$(**用 $AP=P\Lambda$ 验,比求逆省一半力气**)。
|
||||
- **题 1 · 3.1 相似的不变量(★☆☆)**:$A\sim B$ ,判断(Ⅰ)$|A|$ 与 $|B|$ (Ⅱ)$r(A)$ 与 $r(B)$ (Ⅲ)$\operatorname{tr}(A^2)$ 与 $\operatorname{tr}(B^2)$ (Ⅳ)$A$ 与 $B$ 的特征向量——前三项相等,第(Ⅳ)不相等。
|
||||
- **题 2 · 3.3 特征值与秩全同却不相似(★★☆)**【2016·5/2018·5 骨架】:$A=\mathrm{diag}(1,1,2)$ ,$B=\begin{pmatrix}1&1&0\\0&1&0\\0&0&2\end{pmatrix}$ 。(Ⅰ)验证特征值与秩都相同;(Ⅱ)判断是否相似($r(E-B)=2$ ,$B$ 不可对角化,$A$ 可——不相似)。
|
||||
- **题 3 · 3.2 可对角化的判据清单(★★☆)**:三阶 $A$ ,哪些条件**能**保证可对角化:(Ⅰ)三个互异特征值(能);(Ⅱ)实对称(能);(Ⅲ)$|A|\ne0$ (不能);(Ⅳ)$r(A)=3$ (不能);(Ⅴ)特征值全 1 且 $A\ne E$ (不能,且必然不可对角化)。
|
||||
- **题 4 · 3.2 判定不可对角化(★★☆)**【2023·6 骨架】:$A=\begin{pmatrix}3&1&0\\0&3&0\\0&0&1\end{pmatrix}$ 能否对角化($\lambda=3$ 二重,$r(3E-A)=2$ ,几何重数 1——不能)。
|
||||
- **题 5 · 3.2 含参矩阵永远不可对角化(★★★)**:$A=\begin{pmatrix}a&1&1\\0&a&1\\0&0&a\end{pmatrix}$ ,证明无论 $a$ 取何值都不能对角化(特征值全为 $a$ ,$r(aE-A)=2$ ,几何重数 1;或反证 $A=aE$ 矛盾)。
|
||||
- **题 6 · 3.2 走完相似对角化全流程(★★★)**【2019·21 骨架】:$A=\begin{pmatrix}2&2&0\\0&1&0\\0&0&3\end{pmatrix}$ 。(Ⅰ)求全部特征值与特征向量;(Ⅱ)求可逆 $P$ 使 $P^{-1}AP=\Lambda$ 并写 $\Lambda$ (列序对齐);(Ⅲ)验证 $A=P\Lambda P^{-1}$ (**用 $AP=P\Lambda$ 验,比求逆省一半力气**)。
|
||||
|
||||
## 4. 点 4 · 实对称矩阵正交对角化
|
||||
|
||||
@@ -127,26 +127,26 @@ $A$ 可对角化 $\iff A$ 有 $n$ 个线性无关特征向量;此时 $P^{-1}AP
|
||||
|
||||
### 考点 4.1 实对称三个定理
|
||||
|
||||
① 特征值全为实数;② **属于不同特征值的特征向量必正交**(不只是线性无关——实对称独有);③ 必可正交对角化:存在正交 $Q$ 使 $Q^{\mathrm T}AQ=\Lambda$。**「正交」只发生在不同特征值之间(自动);同一特征值内部必须手工正交化**——五步流程第 3 步是唯一易错点。
|
||||
① 特征值全为实数;② **属于不同特征值的特征向量必正交**(不只是线性无关——实对称独有);③ 必可正交对角化:存在正交 $Q$ 使 $Q^{\mathrm T}AQ=\Lambda$ 。**「正交」只发生在不同特征值之间(自动);同一特征值内部必须手工正交化**——五步流程第 3 步是唯一易错点。
|
||||
|
||||
### 考点 4.2 正交对角化五步
|
||||
|
||||
① 解 $|\lambda E-A|=0$ 得特征值及重数;② 每个 $\lambda_i$ 解 $(\lambda_iE-A)x=0$ 得基础解系;③ **同一特征值内部施密特**(不同特征值自动正交);④ 全部单位化按列拼 $Q$;⑤ 写 $Q^{\mathrm T}AQ=\Lambda$ 并检查列序对齐。**「行和相等」的实对称矩阵第一步白送**:$(1,\dots,1)^{\mathrm T}$ 方向特征值 = 行和。
|
||||
① 解 $|\lambda E-A|=0$ 得特征值及重数;② 每个 $\lambda_i$ 解 $(\lambda_iE-A)x=0$ 得基础解系;③ **同一特征值内部施密特**(不同特征值自动正交);④ 全部单位化按列拼 $Q$ ;⑤ 写 $Q^{\mathrm T}AQ=\Lambda$ 并检查列序对齐。**「行和相等」的实对称矩阵第一步白送**:$(1,\dots,1)^{\mathrm T}$ 方向特征值 = 行和。
|
||||
|
||||
### 考点 4.3 正交矩阵
|
||||
|
||||
$Q$ 正交 $\iff Q^{\mathrm T}Q=E\iff Q^{-1}=Q^{\mathrm T}$;特征值在**单位圆上**(可为复数);$|Q|=\pm1$(**必要不充分**——$|Q|=1$ 不等于特征值全是 1);逆、转置、乘积仍正交。正交变换保长度与内积:$x^{\mathrm T}Ax=y^{\mathrm T}\Lambda y$——**第 5 讲做对了,第 6 讲只是换个问法**。
|
||||
$Q$ 正交 $\iff Q^{\mathrm T}Q=E\iff Q^{-1}=Q^{\mathrm T}$ ;特征值在**单位圆上**(可为复数);$|Q|=\pm1$ (**必要不充分**——$|Q|=1$ 不等于特征值全是 1);逆、转置、乘积仍正交。正交变换保长度与内积:$x^{\mathrm T}Ax=y^{\mathrm T}\Lambda y$ ——**第 5 讲做对了,第 6 讲只是换个问法**。
|
||||
|
||||
### 考点 4.4 谱分解
|
||||
|
||||
$A=Q\Lambda Q^{\mathrm T}=\sum\lambda_iq_iq_i^{\mathrm T}$($q_i$ 单位正交特征向量)。**为什么好用**:$q_iq_i^{\mathrm T}$ 是「投影到 $q_i$ 方向」的**秩 1 矩阵**(投影阵),且 $\sum_iq_iq_i^{\mathrm T}=QQ^{\mathrm T}=E$——所以只要特征向量两两正交且已单位化,**直接读出 $A$,连 $P^{-1}$ 都不用求**(知道特征值 + 特征向量 ⟹ 反求矩阵的万能出口)。两个化形:单根 $\mu$ 向量为 $q$、其余特征值全 $\lambda$ 时 $A=\lambda E+(\mu-\lambda)qq^{\mathrm T}$;$q=\frac1{\sqrt n}(1,\dots,1)^{\mathrm T}$ 时 $A=\lambda E+\frac{\mu-\lambda}{n}J$(重根占 $n-1$ 维时最省事)。**唯一的坑**:分解前必须单位化——写成 $A=\sum\lambda_i\xi_i\xi_i^{\mathrm T}$ 是错的,正确是 $A=\sum\lambda_i\frac{\xi_i\xi_i^{\mathrm T}}{\|\xi_i\|^2}$。配套事实:实对称已知一个特征向量,其余特征向量落在它的**正交补**($n-1$ 维)里,任取正交基即可,不用解方程组。
|
||||
$A=Q\Lambda Q^{\mathrm T}=\sum\lambda_iq_iq_i^{\mathrm T}$ ($q_i$ 单位正交特征向量)。**为什么好用**:$q_iq_i^{\mathrm T}$ 是「投影到 $q_i$ 方向」的**秩 1 矩阵**(投影阵),且 $\sum_iq_iq_i^{\mathrm T}=QQ^{\mathrm T}=E$ ——所以只要特征向量两两正交且已单位化,**直接读出 $A$ ,连 $P^{-1}$ 都不用求**(知道特征值 + 特征向量 ⟹ 反求矩阵的万能出口)。两个化形:单根 $\mu$ 向量为 $q$ 、其余特征值全 $\lambda$ 时 $A=\lambda E+(\mu-\lambda)qq^{\mathrm T}$ ;$q=\frac1{\sqrt n}(1,\dots,1)^{\mathrm T}$ 时 $A=\lambda E+\frac{\mu-\lambda}{n}J$ (重根占 $n-1$ 维时最省事)。**唯一的坑**:分解前必须单位化——写成 $A=\sum\lambda_i\xi_i\xi_i^{\mathrm T}$ 是错的,正确是 $A=\sum\lambda_i\frac{\xi_i\xi_i^{\mathrm T}}{\|\xi_i\|^2}$ 。配套事实:实对称已知一个特征向量,其余特征向量落在它的**正交补**($n-1$ 维)里,任取正交基即可,不用解方程组。
|
||||
|
||||
**题目**
|
||||
- **题 1 · 4.1 三个定理的适用范围(★☆☆)**:判断:(Ⅰ)实对称特征值一定是实数(对);(Ⅱ)不同特征值的特征向量一定正交(对);(Ⅲ)特征值全为实数且可对角化则实对称(错——反例 $\begin{pmatrix}1&1\\0&2\end{pmatrix}$);(Ⅳ)重特征值对应特征向量自动正交(错——需手工施密特)。
|
||||
- **题 2 · 4.2 三阶实对称的完整五步(★★☆)**:$A=\begin{pmatrix}2&1&1\\1&2&1\\1&1&2\end{pmatrix}$,求正交矩阵 $Q$ 使 $Q^{\mathrm T}AQ=\Lambda$(行和 4 → $\lambda=4$ 白送;$\lambda=1$ 二重内部取正交的 $(1,-1,0)$、$(1,1,-2)$ 免施密特;$\Lambda=\mathrm{diag}(1,1,4)$)。
|
||||
- **题 3 · 4.4 由特征值与特征向量反求实对称矩阵(★★★)**【2021·21 骨架】:$A$ 三阶实对称,特征值 $1,1,-1$,$\lambda=-1$ 的特征向量 $\xi=(1,1,1)^{\mathrm T}$。(Ⅰ)求 $A$(谱分解 $A=E-\frac23J$);(Ⅱ)求正交 $Q$;(Ⅲ)求 $|A+2E|$(特征值 $3,3,1$ → 9)。
|
||||
- **题 4 · 4.3 正交矩阵的性质(★★☆)**:$Q$ 正交,判断:(Ⅰ)$|Q|=\pm1$(对);(Ⅱ)$|Q|=1$ 时特征值全是 1(错——旋转矩阵特征值可为复数);(Ⅲ)特征值模长都为 1(对);(Ⅳ)逆、转置、乘积仍正交(对)。
|
||||
- **题 5 · 4.1 实对称必可正交对角化的证明(★★★)**:用数学归纳法证明 $n$ 阶实对称存在正交 $Q$ 使 $Q^{\mathrm T}AQ=\Lambda$(取单位特征向量 $q_1$ 扩成正交基,$Q_1^{\mathrm T}AQ_1$ 分块对角,右下是 $n-1$ 阶实对称,归纳;两个支点:实特征向量可单位化 + $Q_1^{\mathrm T}AQ_1$ 仍实对称故 $\alpha=0$)。
|
||||
- **题 1 · 4.1 三个定理的适用范围(★☆☆)**:判断:(Ⅰ)实对称特征值一定是实数(对);(Ⅱ)不同特征值的特征向量一定正交(对);(Ⅲ)特征值全为实数且可对角化则实对称(错——反例 $\begin{pmatrix}1&1\\0&2\end{pmatrix}$ );(Ⅳ)重特征值对应特征向量自动正交(错——需手工施密特)。
|
||||
- **题 2 · 4.2 三阶实对称的完整五步(★★☆)**:$A=\begin{pmatrix}2&1&1\\1&2&1\\1&1&2\end{pmatrix}$ ,求正交矩阵 $Q$ 使 $Q^{\mathrm T}AQ=\Lambda$ (行和 4 → $\lambda=4$ 白送;$\lambda=1$ 二重内部取正交的 $(1,-1,0)$ 、$(1,1,-2)$ 免施密特;$\Lambda=\mathrm{diag}(1,1,4)$ )。
|
||||
- **题 3 · 4.4 由特征值与特征向量反求实对称矩阵(★★★)**【2021·21 骨架】:$A$ 三阶实对称,特征值 $1,1,-1$ ,$\lambda=-1$ 的特征向量 $\xi=(1,1,1)^{\mathrm T}$ 。(Ⅰ)求 $A$ (谱分解 $A=E-\frac23J$ );(Ⅱ)求正交 $Q$ ;(Ⅲ)求 $|A+2E|$ (特征值 $3,3,1$ → 9)。
|
||||
- **题 4 · 4.3 正交矩阵的性质(★★☆)**:$Q$ 正交,判断:(Ⅰ)$|Q|=\pm1$ (对);(Ⅱ)$|Q|=1$ 时特征值全是 1(错——旋转矩阵特征值可为复数);(Ⅲ)特征值模长都为 1(对);(Ⅳ)逆、转置、乘积仍正交(对)。
|
||||
- **题 5 · 4.1 实对称必可正交对角化的证明(★★★)**:用数学归纳法证明 $n$ 阶实对称存在正交 $Q$ 使 $Q^{\mathrm T}AQ=\Lambda$ (取单位特征向量 $q_1$ 扩成正交基,$Q_1^{\mathrm T}AQ_1$ 分块对角,右下是 $n-1$ 阶实对称,归纳;两个支点:实特征向量可单位化 + $Q_1^{\mathrm T}AQ_1$ 仍实对称故 $\alpha=0$ )。
|
||||
|
||||
## 5. 点 5 · 反求矩阵与抽象条件
|
||||
|
||||
@@ -154,7 +154,7 @@ $A=Q\Lambda Q^{\mathrm T}=\sum\lambda_iq_iq_i^{\mathrm T}$($q_i$ 单位正交
|
||||
|
||||
### 考点 5.1 由特征值特征向量反求矩阵
|
||||
|
||||
已知 $n$ 个特征值与 $n$ 个无关特征向量:$A=P\Lambda P^{-1}$($P$ 列序对齐 $\Lambda$),**算完回代 $A\xi_i=\lambda_i\xi_i$ 验一两个**。**实对称 + 特征值互异时缺向量用叉乘直接补**($\xi_3=\xi_1\times\xi_2$,不必解方程组),谱分解 $A=\sum\lambda_iq_iq_i^{\mathrm T}$ 最快。部分已知时用 $\operatorname{tr}A=\sum\lambda_i$ 补齐。
|
||||
已知 $n$ 个特征值与 $n$ 个无关特征向量:$A=P\Lambda P^{-1}$ ($P$ 列序对齐 $\Lambda$ ),**算完回代 $A\xi_i=\lambda_i\xi_i$ 验一两个**。**实对称 + 特征值互异时缺向量用叉乘直接补**($\xi_3=\xi_1\times\xi_2$ ,不必解方程组),谱分解 $A=\sum\lambda_iq_iq_i^{\mathrm T}$ 最快。部分已知时用 $\operatorname{tr}A=\sum\lambda_i$ 补齐。
|
||||
|
||||
### 考点 5.2 抽象条件与矩阵方程
|
||||
|
||||
@@ -166,14 +166,14 @@ $A$ 满足多项式方程 $\Rightarrow$ **特征值满足同一个方程**(方
|
||||
| $A^2=E$ | $\{\pm1\}$ | 必可对角化 |
|
||||
| $A^k=O$ | $\{0\}$ | $A\ne O$ 时不可对角化 |
|
||||
|
||||
**$r(A)$ 在幂等矩阵里就是「1 的个数」**——把秩条件转成特征值条件的唯一桥梁。$A$ 可逆时 $A^{-1}\xi=\lambda^{-1}\xi$、$A^*\xi=\frac{|A|}{\lambda}\xi$ 共用同一特征向量。**先分解、先看有没有零因子**:$f(A)$ 的特征值出现 0 则行列式立刻为 0。
|
||||
**$r(A)$ 在幂等矩阵里就是「1 的个数」**——把秩条件转成特征值条件的唯一桥梁。$A$ 可逆时 $A^{-1}\xi=\lambda^{-1}\xi$ 、$A^*\xi=\frac{|A|}{\lambda}\xi$ 共用同一特征向量。**先分解、先看有没有零因子**:$f(A)$ 的特征值出现 0 则行列式立刻为 0。
|
||||
|
||||
**题目**
|
||||
- **题 1 · 5.1 由特征向量矩阵与对角阵反求原矩阵(★★☆)**:三阶 $A$ 特征值 $3,1$,特征向量 $(1,1)^{\mathrm T}$、$(1,-1)^{\mathrm T}$,求 $A$($A=P\Lambda P^{-1}=\begin{pmatrix}2&1\\1&2\end{pmatrix}$,回代验;结果实对称因特征向量正交)。
|
||||
- **题 2 · 5.2 多项式条件下求行列式(★★★)**【2025·21 骨架】:三阶 $A$ 满足 $A^2=A$ 且 $r(A)=2$,求 $|A+2E|$(特征值 $1,1,0$ → $A+2E$ 特征值 $3,3,2$ → 18)。
|
||||
- **题 3 · 5.1 缺一个特征向量时怎么补(★★★)**【2019·21 骨架】:$A$ 三阶实对称,特征值 $1,2,3$,$\xi_1=(1,1,1)^{\mathrm T}$、$\xi_2=(1,-1,0)^{\mathrm T}$,求 $A$(叉乘得 $\xi_3=(1,1,-2)$,谱分解;验 $A\xi_i=\lambda_i\xi_i$)。
|
||||
- **题 4 · 5.2 矩阵与其转置的特征值相同(★★☆)**:证明(Ⅰ)$A$ 与 $A^{\mathrm T}$ 特征多项式相同(转置不改变行列式);(Ⅱ)特征向量一般不同,举例($A=\begin{pmatrix}1&1\\0&2\end{pmatrix}$,$\lambda=1$ 的特征向量分别是 $(1,0)$ 与 $(1,-1)$)。
|
||||
- **题 5 · 5.2 多项式条件下求行列式(★★★)**:$A$ 特征值 $1,2,3$,求 $|A^3-3A^2+2A|$($f(\lambda)=\lambda(\lambda-1)(\lambda-2)$,$f(1)=0$ → 行列式 0;或因式分解 $A(A-E)(A-2E)$ 一眼定论)。
|
||||
- **题 1 · 5.1 由特征向量矩阵与对角阵反求原矩阵(★★☆)**:三阶 $A$ 特征值 $3,1$ ,特征向量 $(1,1)^{\mathrm T}$ 、$(1,-1)^{\mathrm T}$ ,求 $A$ ($A=P\Lambda P^{-1}=\begin{pmatrix}2&1\\1&2\end{pmatrix}$ ,回代验;结果实对称因特征向量正交)。
|
||||
- **题 2 · 5.2 多项式条件下求行列式(★★★)**【2025·21 骨架】:三阶 $A$ 满足 $A^2=A$ 且 $r(A)=2$ ,求 $|A+2E|$ (特征值 $1,1,0$ → $A+2E$ 特征值 $3,3,2$ → 18)。
|
||||
- **题 3 · 5.1 缺一个特征向量时怎么补(★★★)**【2019·21 骨架】:$A$ 三阶实对称,特征值 $1,2,3$ ,$\xi_1=(1,1,1)^{\mathrm T}$ 、$\xi_2=(1,-1,0)^{\mathrm T}$ ,求 $A$ (叉乘得 $\xi_3=(1,1,-2)$ ,谱分解;验 $A\xi_i=\lambda_i\xi_i$ )。
|
||||
- **题 4 · 5.2 矩阵与其转置的特征值相同(★★☆)**:证明(Ⅰ)$A$ 与 $A^{\mathrm T}$ 特征多项式相同(转置不改变行列式);(Ⅱ)特征向量一般不同,举例($A=\begin{pmatrix}1&1\\0&2\end{pmatrix}$ ,$\lambda=1$ 的特征向量分别是 $(1,0)$ 与 $(1,-1)$ )。
|
||||
- **题 5 · 5.2 多项式条件下求行列式(★★★)**:$A$ 特征值 $1,2,3$ ,求 $|A^3-3A^2+2A|$ ($f(\lambda)=\lambda(\lambda-1)(\lambda-2)$ ,$f(1)=0$ → 行列式 0;或因式分解 $A(A-E)(A-2E)$ 一眼定论)。
|
||||
|
||||
## 6. 点 6 · 对角化的应用
|
||||
|
||||
@@ -181,17 +181,17 @@ $A$ 满足多项式方程 $\Rightarrow$ **特征值满足同一个方程**(方
|
||||
|
||||
### 考点 6.1 用对角化求矩阵幂
|
||||
|
||||
$A^m=P\Lambda^mP^{-1}=P\,\mathrm{diag}(\lambda_1^m,\dots,\lambda_n^m)P^{-1}$。四步:求特征值与特征向量 → 拼 $P$、$\Lambda$ → 求 $P^{-1}$ → 相乘。**用 $n=1$ 和 $n=2$ 双验**。$P^{-1}$ 速算:二阶公式;列取整数且行列式 $\pm1$ 时 $P^{-1}$ 也是整数阵。**看到 $aI+bJ$ 结构就走二项式**:$J^k=n^{k-1}J$(秩 1 通用性质),$(E+J)^n$ 展开,系数 $\frac{(1+n)^n-1}{n}$ 型——不走对角化。
|
||||
$A^m=P\Lambda^mP^{-1}=P\,\mathrm{diag}(\lambda_1^m,\dots,\lambda_n^m)P^{-1}$ 。四步:求特征值与特征向量 → 拼 $P$ 、$\Lambda$ → 求 $P^{-1}$ → 相乘。**用 $n=1$ 和 $n=2$ 双验**。$P^{-1}$ 速算:二阶公式;列取整数且行列式 $\pm1$ 时 $P^{-1}$ 也是整数阵。**看到 $aI+bJ$ 结构就走二项式**:$J^k=n^{k-1}J$ (秩 1 通用性质),$(E+J)^n$ 展开,系数 $\frac{(1+n)^n-1}{n}$ 型——不走对角化。
|
||||
|
||||
### 考点 6.2 用特征值算行列式与秩
|
||||
|
||||
$|A|=\prod\lambda_i$,$|f(A)|=\prod f(\lambda_i)$,$r(A)=$ 非零特征值个数(**仅当可对角化**——反例 $\begin{pmatrix}0&1\\0&0\end{pmatrix}$ 特征值全 0 但秩 1)。$r(A)=n-\dim N(A)$。伴随秩三档:$r(A)=n$ 时 $r(A^*)=n$;$r(A)=n-1$ 时 $r(A^*)=1$;$r(A)<n-1$ 时 $r(A^*)=0$。**$A$ 不可逆时 $|A|/\lambda$ 在 $\lambda=0$ 处失效**,改走「先对角化再读对角阵的伴随」(对角阵伴随仍对角,$(i,i)$ 元为其余对角元之积)。**「$r(A)=n-1$」是伴随题发令枪**:同时给 $r(A^*)=1$、$|A|=0$、$N(A)$ 一维。
|
||||
$|A|=\prod\lambda_i$ ,$|f(A)|=\prod f(\lambda_i)$ ,$r(A)=$ 非零特征值个数(**仅当可对角化**——反例 $\begin{pmatrix}0&1\\0&0\end{pmatrix}$ 特征值全 0 但秩 1)。$r(A)=n-\dim N(A)$ 。伴随秩三档:$r(A)=n$ 时 $r(A^*)=n$ ;$r(A)=n-1$ 时 $r(A^*)=1$ ;$r(A)<n-1$ 时 $r(A^*)=0$ 。**$A$ 不可逆时 $|A|/\lambda$ 在 $\lambda=0$ 处失效**,改走「先对角化再读对角阵的伴随」(对角阵伴随仍对角,$(i,i)$ 元为其余对角元之积)。**「$r(A)=n-1$ 」是伴随题发令枪**:同时给 $r(A^*)=1$ 、$|A|=0$ 、$N(A)$ 一维。
|
||||
|
||||
**题目**
|
||||
- **题 1 · 6.1 二阶矩阵求高次幂(★★☆)**:$A=\begin{pmatrix}1&2\\0&3\end{pmatrix}$,求 $A^n$($A^n=\begin{pmatrix}1&3^n-1\\0&3^n\end{pmatrix}$,$n=1,2$ 双验)。
|
||||
- **题 2 · 6.1 全 1 矩阵结构的快速求幂(★★★)**【2017·20 变体】:$A=\begin{pmatrix}2&1&1\\1&2&1\\1&1&2\end{pmatrix}=E+J$,求 $A^n$($J^k=3^{k-1}J$,$A^n=E+\frac{4^n-1}{3}J$)。
|
||||
- **题 3 · 6.2 特征值算行列式与秩(★★☆)**:三阶 $A$ 特征值 $2,2,0$ 且可对角化,求(Ⅰ)$|A|$(Ⅱ)$r(A)$(Ⅲ)$r(A^*)$(Ⅳ)$|A^*+E|$($A$ 不可逆不能用 $|A|/\lambda$,改读对角阵伴随 $\mathrm{diag}(0,0,4)$ → $|A^*+E|=5$)。
|
||||
- **题 4 · 6.2 秩与特征值的联手(★★★)**【2017·20 骨架】:三阶 $A$,$r(A)=2$、$\operatorname{tr}(A)=4$、有两个相等特征值。求(Ⅰ)全部特征值($2,2,0$);(Ⅱ)$r(A^*)=1$;(Ⅲ)$Ax=0$ 基础解系几个向量?$A^*x=0$ 与 $Ax=0$ 是否同解(维数 1 vs 2,不同解)?
|
||||
- **题 1 · 6.1 二阶矩阵求高次幂(★★☆)**:$A=\begin{pmatrix}1&2\\0&3\end{pmatrix}$ ,求 $A^n$ ($A^n=\begin{pmatrix}1&3^n-1\\0&3^n\end{pmatrix}$ ,$n=1,2$ 双验)。
|
||||
- **题 2 · 6.1 全 1 矩阵结构的快速求幂(★★★)**【2017·20 变体】:$A=\begin{pmatrix}2&1&1\\1&2&1\\1&1&2\end{pmatrix}=E+J$ ,求 $A^n$ ($J^k=3^{k-1}J$ ,$A^n=E+\frac{4^n-1}{3}J$ )。
|
||||
- **题 3 · 6.2 特征值算行列式与秩(★★☆)**:三阶 $A$ 特征值 $2,2,0$ 且可对角化,求(Ⅰ)$|A|$ (Ⅱ)$r(A)$ (Ⅲ)$r(A^*)$ (Ⅳ)$|A^*+E|$ ($A$ 不可逆不能用 $|A|/\lambda$ ,改读对角阵伴随 $\mathrm{diag}(0,0,4)$ → $|A^*+E|=5$ )。
|
||||
- **题 4 · 6.2 秩与特征值的联手(★★★)**【2017·20 骨架】:三阶 $A$ ,$r(A)=2$ 、$\operatorname{tr}(A)=4$ 、有两个相等特征值。求(Ⅰ)全部特征值($2,2,0$ );(Ⅱ)$r(A^*)=1$ ;(Ⅲ)$Ax=0$ 基础解系几个向量?$A^*x=0$ 与 $Ax=0$ 是否同解(维数 1 vs 2,不同解)?
|
||||
|
||||
## 7. 点 7 · 与二次型的接口
|
||||
|
||||
@@ -199,12 +199,12 @@ $|A|=\prod\lambda_i$,$|f(A)|=\prod f(\lambda_i)$,$r(A)=$ 非零特征值个
|
||||
|
||||
### 考点 7.1 三条对接点
|
||||
|
||||
① $Q^{\mathrm T}AQ=\Lambda$ → 正交变换 $x=Qy$ 化标准形;② $\lambda_i$ 符号 → 正负惯性指数;③ $\lambda_i>0$ 全部 → 正定。**标准形系数就是特征值**——第 6 讲解答题实质是第 5 讲 §4.2 五步。两条前置规则:① 写矩阵时**交叉项折半**($a_{ij}=a_{ji}=$ 系数/2);② **惯性定理**:$p,q$ 与变换无关,$p+q=r(A)$。判 $f(A)$ 正定性**只需逐一代入 $f(\lambda_i)$ 看符号**;出现 0 就是半正定不是正定;$A$ 正定时 $A^*$ 也正定。$f=(x_1+\cdots+x_n)^2$ 型的矩阵是 $J$,特征值 $n,0,\dots,0$,半正定不正定。
|
||||
① $Q^{\mathrm T}AQ=\Lambda$ → 正交变换 $x=Qy$ 化标准形;② $\lambda_i$ 符号 → 正负惯性指数;③ $\lambda_i>0$ 全部 → 正定。**标准形系数就是特征值**——第 6 讲解答题实质是第 5 讲 §4.2 五步。两条前置规则:① 写矩阵时**交叉项折半**($a_{ij}=a_{ji}=$ 系数/2);② **惯性定理**:$p,q$ 与变换无关,$p+q=r(A)$ 。判 $f(A)$ 正定性**只需逐一代入 $f(\lambda_i)$ 看符号**;出现 0 就是半正定不是正定;$A$ 正定时 $A^*$ 也正定。$f=(x_1+\cdots+x_n)^2$ 型的矩阵是 $J$ ,特征值 $n,0,\dots,0$ ,半正定不正定。
|
||||
|
||||
**题目**
|
||||
- **题 1 · 7.1 由矩阵直接写标准形(★★☆)**:$f=x_1^2+x_2^2+x_3^2+2x_1x_2+2x_1x_3+2x_2x_3$。(Ⅰ)写矩阵 $A=J$;(Ⅱ)求特征值并写正交变换下标准形($3y_1^2$);(Ⅲ)判断是否正定(不正定,半正定——完全平方等于有零特征值)。
|
||||
- **题 2 · 7.1 正交变换化标准形全流程(★★★)**:$f=2x_1^2+2x_2^2+2x_3^2+2x_1x_2+2x_1x_3+2x_2x_3$。(Ⅰ)写矩阵 $A=E+J$ 并求特征值($4,1,1$,不必展开三阶行列式);(Ⅱ)求正交变换 $x=Qy$;(Ⅲ)写标准形 $y_1^2+y_2^2+4y_3^2$ 并指出惯性指数($p=3,q=0$,正定)。
|
||||
- **题 3 · 7.1 正定性判定与特征值(★★☆)**:三阶实对称 $A$ 特征值 $1,2,3$,判断(Ⅰ)$A$ 正定(Ⅱ)$A^{-1}$ 正定(Ⅲ)$A-E$ 正定(错,特征值 $0,1,2$ 半正定)(Ⅳ)$A^*$ 正定——逐一代入即可。
|
||||
- **题 1 · 7.1 由矩阵直接写标准形(★★☆)**:$f=x_1^2+x_2^2+x_3^2+2x_1x_2+2x_1x_3+2x_2x_3$ 。(Ⅰ)写矩阵 $A=J$ ;(Ⅱ)求特征值并写正交变换下标准形($3y_1^2$ );(Ⅲ)判断是否正定(不正定,半正定——完全平方等于有零特征值)。
|
||||
- **题 2 · 7.1 正交变换化标准形全流程(★★★)**:$f=2x_1^2+2x_2^2+2x_3^2+2x_1x_2+2x_1x_3+2x_2x_3$ 。(Ⅰ)写矩阵 $A=E+J$ 并求特征值($4,1,1$ ,不必展开三阶行列式);(Ⅱ)求正交变换 $x=Qy$ ;(Ⅲ)写标准形 $y_1^2+y_2^2+4y_3^2$ 并指出惯性指数($p=3,q=0$ ,正定)。
|
||||
- **题 3 · 7.1 正定性判定与特征值(★★☆)**:三阶实对称 $A$ 特征值 $1,2,3$ ,判断(Ⅰ)$A$ 正定(Ⅱ)$A^{-1}$ 正定(Ⅲ)$A-E$ 正定(错,特征值 $0,1,2$ 半正定)(Ⅳ)$A^*$ 正定——逐一代入即可。
|
||||
|
||||
---
|
||||
|
||||
|
||||
Reference in New Issue
Block a user