线代第4-6讲补全:线性方程组43题、特征值35题、二次型30题(知识点带题+题级链接)

- 第4讲 线性方程组:8 个点分册 43 题,旧版题点分离整目录归档到 旧版-题点分离/
- 第5讲 特征值与特征向量:7 个点分册 35 题
- 第6讲 二次型:7 个点分册 30 题(含合同与相似、二次曲面两节)
- 每讲 01-知识点盘点 + 10 个文件 + 速查卡回查表,全部题目级双向链接
- gen_crosslinks.py 新增:由题目标题单一数据源生成关联行/盘点§0.4/速查回查表
- fix_gitea_math.py 支持 --scope 指向目录(新建未跟踪文件也能修)
- 校验:184-248 条内部链接 0 异常,公式 0 处待修,单文件均 <1.3 万字符
This commit is contained in:
2026-10-24 16:38:01 +08:00
parent 021c5e552c
commit 41b36b2b3c
39 changed files with 6856 additions and 23 deletions
@@ -0,0 +1,469 @@
---
tags: [数学一, 在学练习, 线性代数, 线性方程组, 知识点盘点]
专题: 线性代数 第4讲 · 线性方程组
日期: 2026-10-24
状态: 知识点盘点(八节 $+$ 覆盖对照表),配套 8 个点分册共 40 题
关联笔记: ["[[README]]", "[[10-速查卡]]"]
---
# 第4讲 · 线性方程组:知识点盘点
真题库第 12 章。近十年 **7 题 39 分**,其中 **4 道选择、2 道填空、1 道解答**。选择题密集是这一讲的特色——几何意义(三平面)与同解条件几乎每年轮着考。
整讲只有一个动作:**对增广矩阵作行变换,把方程变得容易读**。秩、自由未知量、基础解系,都是对消元结果的描述。所有结论都能从"消元不改解集"一句话推出来,不必死记。
默认实数范围。$A$ 为 $m\times n$ 系数矩阵,$n$ 是未知量个数,$b$ 是 $m$ 维常数列。写作 $Ax=b$ ,增广矩阵记作 $[A\mid b]$ 。
## 0 三张表
### 0.1 按分值排(时间紧就照这个顺序)
| 优先 | 点 | 真题锚点 | 分值 | 文件 |
|---|---|---|---|---|
| 1 | 解的几何意义(三平面) | 2019·6、2024·5、2025·6 | **14** | `06` |
| 2 | 同解与公共解 | 2022·6、2025·15 | **10** | `07` |
| 3 | 矩阵方程 | 2016·20(解答) | **11** | `08` |
| 4 | 含参方程组的分类 | 支撑解答题 | — | `05` |
| 5 | 齐次与基础解系 | 2019·13 | **4** | `03` |
| 6 | 非齐次通解与解的性质 | 支撑解答题 | — | `04` |
| 7 | 消元与解的判定 | 一切题的起手 | — | `02` |
| 8 | 克拉默法则与抽象证明 | 支撑第 5 讲 | — | `09` |
### 0.2 按依赖链排(文件顺序,也就是建议的阅读顺序)
```
02 消元与解的判定 ← 三分类:无解 / 唯一解 / 无穷多解
↓
03 齐次与基础解系 ← n-r 个解向量怎么来
↓
04 非齐次通解 ← 特解 + 齐次通解,以及解的组合
↓
05 含参分类讨论 ← 在除参数之前先分情况
↓
06 几何意义 ← 秩翻译成平面的位置关系
↓
07 同解与公共解 ← 两个方程组之间的关系
↓
08 矩阵方程 ← 每一列各解一次
↓
09 克拉默法则与证明 ← 有条件的另一条路 + 四个证题模板
```
### 0.3 符号约定
| 记号 | 含义 |
|---|---|
| $A$ | $m\times n$ **系数**矩阵 |
| $[A\mid b]$ 或 $(A,b)$ | 增广矩阵,把 $b$ 添到 $A$ 右边 |
| $r(A)$ | 系数矩阵的秩 |
| $r(A\mid b)$ | 增广矩阵的秩,恒有 $r(A)\leqslant r(A\mid b)$ |
| $n$ | **未知量**个数(不是方程个数) |
| $\eta$ | 非齐次方程的一个**特解** |
| $\xi_1,\dots,\xi_{n-r}$ | 齐次方程的**基础解系** |
| $\binom{A}{B}$ | 上下拼接,把两组方程叠起来 |
### 0.4 知识点与练习文件对照(按知识点粒度)
<!-- AUTO:KP -->
| 盘点章节(知识点) | 对应题目 |
|---|---|
| §1.1 消元的合法性与增广矩阵 | [点 1 题 1](02-点1-消元与解的判定.md#user-content-题-1--11三种变换与列变换为什么不行) |
| §1.2 解的三种情形与秩判据 | [点 1 题 2](02-点1-消元与解的判定.md#user-content-题-2--12一步化到最简形读出三分类)、[点 1 题 3](02-点1-消元与解的判定.md#user-content-题-3--12矛盾行出现即无解) |
| §1.3 自由未知量与主元未知量 | [点 1 题 4](02-点1-消元与解的判定.md#user-content-题-4--13自由未知量的个数) |
| §1.4 行阶梯形与行最简形 | [点 1 题 5](02-点1-消元与解的判定.md#user-content-题-5--14阶梯形够用最简形更快) |
| §2.1 齐次方程组与解空间 | [点 2 题 1](03-点2-齐次方程组与基础解系.md#user-content-题-1--21只有零解的等价条件) |
| §2.2 基础解系的定义 | [点 2 题 2](03-点2-齐次方程组与基础解系.md#user-content-题-2--22判断是不是基础解系) |
| §2.3 基础解系的求法 | [点 2 题 3](03-点2-齐次方程组与基础解系.md#user-content-题-3--23两方程四未知求基础解系)、[点 2 题 4](03-点2-齐次方程组与基础解系.md#user-content-题-4--23三方程四未知先判秩再求) |
| §2.4 基础解系个数与维数 | [点 2 题 5](03-点2-齐次方程组与基础解系.md#user-content-题-5--24个数公式与已知有解的前提)、[点 2 题 6](03-点2-齐次方程组与基础解系.md#user-content-题-6--24含参齐次何时有非零解) |
| §3.1 非齐次解的结构定理 | [点 3 题 1](04-点3-非齐次通解与解的性质.md#user-content-题-1--31两方程三未知求通解)、[点 3 题 2](04-点3-非齐次通解与解的性质.md#user-content-题-2--31结构定理的完整证明) |
| §3.2 解的组合性质 | [点 3 题 3](04-点3-非齐次通解与解的性质.md#user-content-题-3--32解的组合哪一个是解)、[点 3 题 4](04-点3-非齐次通解与解的性质.md#user-content-题-4--32解的组合性质的一般证明) |
| §3.3 由已知解构造通解 | [点 3 题 5](04-点3-非齐次通解与解的性质.md#user-content-题-5--33秩为-1-时由三个解写通解)、[点 3 题 6](04-点3-非齐次通解与解的性质.md#user-content-题-6--33解空间一维时用和凑差) |
| §4.1 含参方阵的行列式分根 | [点 4 题 1](05-点4-含参方程组的分类讨论.md#user-content-题-1--41二阶含参三种情形各现一次)、[点 4 题 2](05-点4-含参方程组的分类讨论.md#user-content-题-2--41三阶对称含参完整三分类)、[点 4 题 3](05-点4-含参方程组的分类讨论.md#user-content-题-3--41由有无穷多解反求参数) |
| §4.2 含参非方阵的直接消元 | [点 4 题 4](05-点4-含参方程组的分类讨论.md#user-content-题-4--42非方阵含参只能消元) |
| §4.3 三分类的书写规范 | [点 4 题 5](05-点4-含参方程组的分类讨论.md#user-content-题-5--43分解不彻底就会失根) |
| §5.1 三元方程与平面 | [点 5 题 1](06-点5-解的几何意义.md#user-content-题-1--51有公共点时三种情形) |
| §5.2 三平面位置关系表 | [点 5 题 2](06-点5-解的几何意义.md#user-content-题-2--52秩均为-2-时的几何含义)、[点 5 题 3](06-点5-解的几何意义.md#user-content-题-3--52秩不等时的两种可能) |
| §5.3 三棱柱与两两相交 | [点 5 题 4](06-点5-解的几何意义.md#user-content-题-4--53三棱柱的参数条件)、[点 5 题 5](06-点5-解的几何意义.md#user-content-题-5--53秩不等也可能只是平行) |
| §6.1 同解的定义与判据 | [点 6 题 1](07-点6-同解与公共解.md#user-content-题-1--61三个条件哪个才是同解判据)、[点 6 题 2](07-点6-同解与公共解.md#user-content-题-2--61齐次同解求参数)、[点 6 题 3](07-点6-同解与公共解.md#user-content-题-3--61同解求参数的第二个位置)、[点 6 题 4](07-点6-同解与公共解.md#user-content-题-4--61同解判据的严格证明) |
| §6.2 非齐次同解 | [点 6 题 6](07-点6-同解与公共解.md#user-content-题-6--62非齐次同解的正确判据) |
| §6.3 公共解的求法 | [点 6 题 5](07-点6-同解与公共解.md#user-content-题-5--63两个齐次组的公共解) |
| §7.1 矩阵方程按列拆 | [点 7 题 1](08-点7-矩阵方程.md#user-content-题-1--71矩阵方程判有解)、[点 7 题 2](08-点7-矩阵方程.md#user-content-题-2--71有解时写出矩阵形式的通解)、[点 7 题 3](08-点7-矩阵方程.md#user-content-题-3--71含参矩阵方程的可解性) |
| §7.2 转置与左乘型 | [点 7 题 4](08-点7-矩阵方程.md#user-content-题-4--72左乘型-xab-的解法) |
| §7.3 可逆系数矩阵的矩阵方程 | [点 7 题 5](08-点7-矩阵方程.md#user-content-题-5--73两侧可逆的-axbc) |
| §8.1 克拉默法则 | [点 8 题 1](09-点8-克拉默法则与抽象证明.md#user-content-题-1--81三阶方程组用克拉默法则)、[点 8 题 2](09-点8-克拉默法则与抽象证明.md#user-content-题-2--81什么时候不能用克拉默) |
| §8.2 抽象证明四个模板 | [点 8 题 3](09-点8-克拉默法则与抽象证明.md#user-content-题-3--82解向量组的线性无关性)、[点 8 题 4](09-点8-克拉默法则与抽象证明.md#user-content-题-4--82秩与解集的关系)、[点 8 题 5](09-点8-克拉默法则与抽象证明.md#user-content-题-5--82伴随矩阵的列与齐次解) |
<!-- /AUTO:KP -->
## 1 消元与解的判定
### 1.1 消元的合法性与增广矩阵
**三种同解变换**(不改变解集,故可逆、可撤销):
1. 交换两个方程的位置;
2. 某个方程两边同乘一个**非零**常数;
3. 一个方程加上另一个方程的 $k$ 倍。
对应到矩阵上就是初等**行**变换。**列变换会改变未知量的对应关系**,直接求通解时禁止使用;常数列必须跟着行变换一起变。
以
$$\begin{cases}x+y+z=3,\\x+2y+3z=5\end{cases}$$
为例,第二式减第一式得 $y+2z=2$ ,保留第一式则新旧方程组能互相推回,解集相同。矩阵操作:
$$[A\mid b]=\left(\begin{array}{ccc|c}1&1&1&3\\1&2&3&5\end{array}\right)\xrightarrow{r_2-r_1}\left(\begin{array}{ccc|c}1&1&1&3\\0&1&2&2\end{array}\right)\xrightarrow{r_1-r_2}\left(\begin{array}{ccc|c}1&0&-1&1\\0&1&2&2\end{array}\right).$$
读出 $x-z=1$ 、$y+2z=2$ ,令 $z=t$ 得全部解 $(x,y,z)=(1+t,\,2-2t,\,t)$ 。
### 1.2 解的三种情形与秩判据
消元后可能出现两种"全零系数行":
- $0x_1+\cdots+0x_n=0$ :重复信息,可删;
- $0x_1+\cdots+0x_n=c$ 且 $c\ne0$ :矛盾,**无解**。
设无矛盾行时系数块有 $r$ 个主元,就有 $r$ 个主元未知量与 $n-r$ 个自由未知量。三分类:
| 条件 | 结论 | 自由参数个数 |
|---|---|---|
| $r(A)<r(A\mid b)$ | **无解** | — |
| $r(A)=r(A\mid b)=n$ | **唯一解** | 0 |
| $r(A)=r(A\mid b)=r<n$ | **无穷多解** | $n-r$ |
三条要点:
1. **$r(A)=r(A\mid b)$ 是有解的充要条件**,这是全讲的中心判据。
2. 方程个数 $m$ 不进入判据。$m>n$ 也可能有解,$m<n$ 时齐次必有非零解(因 $r(A)\leqslant m<n$ )。
3. "行列式为零"只说明**不可能唯一解**,不能区分无解与无穷多解——必须回到 $r(A)$ 与 $r(A\mid b)$ 的比较。这是最高频的失分点。
### 1.3 自由未知量与主元未知量
- **主元未知量**:对应主元列的未知量,由自由未知量唯一确定。
- **自由未知量**:对应非主元列的未知量,可任意取值。
**个数关系**:$\#\text{自由} = n-r(A)$ 。这个数在几何上就是解集的维数,在第 5 讲就是特征值 $\lambda$ 对应的特征子空间维数 $n-r(\lambda E-A)$ 。
**取自由未知量的规范做法**:让自由未知量依次取"一个为 1、其余为 0",得到的向量组就是基础解系。这样取出来的向量**自动线性无关**(看自由分量位置的单位阵即知),免去额外验证。
### 1.4 行阶梯形与行最简形
| 形状 | 特征 | 用途 |
|---|---|---|
| 行阶梯形 | 主元逐行右移,主元下方全零 | 数秩、判解的存在性 |
| 行最简形 | 主元为 1 且**所在列其余位置全零** | 直接读出通解 |
化到行阶梯形再回代也完全正确;行最简形只是**方便**,不是必须。考试时若时间紧,化到阶梯形就开始回代。
## 2 齐次方程组与基础解系
### 2.1 齐次方程组与解空间
齐次就是 $b=0$ 。零向量永远是解,所以只区分"只有零解"与"还有非零解":
$$Ax=0\ \text{只有零解}\iff r(A)=n,\qquad Ax=0\ \text{有非零解}\iff r(A)<n .$$
**解空间**:齐次解的全体 $N(A)=\{x\mid Ax=0\}$ 对加法与数乘封闭,构成 $\mathbb{R}^n$ 的子空间,维数 $\dim N(A)=n-r(A)$ 。
只有零解时 $\dim N(A)=0$ ,基础解系为空集;**不能把零向量当作基础解系的成员**。
### 2.2 基础解系的定义
$\xi_1,\dots,\xi_s$ 称为 $Ax=0$ 的**基础解系**,若
1. 每个 $\xi_i$ 都是 $Ax=0$ 的解;
2. $\xi_1,\dots,\xi_s$ **线性无关**;
3. $Ax=0$ 的**任一**解都能由它们线性表示。
一句话:**能生成全部齐次解、又没有冗余的一组解向量**。缺第 2 条(有冗余)或第 3 条(生成不全)都不叫基础解系。考试问"下列哪个是基础解系"就是逐条对照这三款。
### 2.3 基础解系的求法
四步:
1. 写出系数矩阵 $A$ ,只作**行**变换化到行最简形;
2. 定主元列与自由列,写出同解方程组,把主元未知量用自由未知量表示;
3. 令自由未知量依次取 $(1,0,\dots,0),(0,1,\dots,0),\dots,(0,\dots,0,1)$ ,回代得 $\xi_1,\dots,\xi_{n-r}$ ;
4. 通解 $x=k_1\xi_1+\cdots+k_{n-r}\xi_{n-r}$ ($k_i$ 任意)。
**易错点**:装回向量时必须按**未知量原顺序**排(不能按"主元在前、自由在后"重排),否则答案形式对但分量错位。
### 2.4 基础解系个数与维数
$$\#\text{基础解系} = n-r(A).$$
理由:每个自由未知量贡献一个独立参数,维数 = 参数个数。这也是"解空间维数"。
**推论(选择题常考)**:$A$ 为 $m\times n$ 且 $r(A)=r$ ,则
- $Ax=0$ 的基础解系含 $n-r$ 个向量;
- $Ax=b$ (**已知有解**)的通解含 $n-r$ 个任意常数;
- $Ax=b$ 有唯一解 $\iff r=n$ (且 $r(A)=r(A\mid b)$ )。
## 3 非齐次方程组与解的性质
### 3.1 非齐次解的结构定理
若 $\eta$ 是 $Ax=b$ 的一个特解,$\xi_1,\dots,\xi_{n-r}$ 是 $Ax=0$ 的基础解系,则 $Ax=b$ 的**全部**解为
$$x=\eta+k_1\xi_1+\cdots+k_{n-r}\xi_{n-r}\qquad(k_i\in\mathbb{R}).$$
**证明只有两句**:若 $x$ 与 $\eta$ 都满足非齐次方程,则
$$A(x-\eta)=Ax-A\eta=b-b=0,$$
故 $x-\eta$ 是齐次解;反过来 $A(\eta+\xi)=b$ 。两个方向合起来即得。
**三点理解**:
1. 特解**不唯一**,换特解只是换出发点,解集不变(换 $\eta$ 相当于重新分配常数)。
2. $b\ne0$ 时解集**不过原点**,是齐次解空间的一次平移,**本身不是向量空间**(对加法不封闭)。
3. 解集的维数仍是 $n-r$ ,与 $b$ 无关。
### 3.2 解的组合性质
设 $\eta_1,\dots,\eta_s$ 都满足 $Ax=b$ ($b\ne0$ ),$\xi$ 满足 $Ax=0$ 。则
$$A\Big(\sum_{i=1}^{s}k_i\eta_i\Big)=\Big(\sum_{i=1}^{s}k_i\Big)b .$$
于是:
| 系数和 | 结果是 |
|---|---|
| $\sum k_i=1$ | $Ax=b$ 的解(非齐次) |
| $\sum k_i=0$ | $Ax=0$ 的解(齐次) |
| $\sum k_i\ne0,1$ | 两边都不是(是 $Ax=\sigma b$ 的解) |
三条常用特例:
- 两解之差 $\eta_1-\eta_2$ 是**齐次**解;
- 两解之和 $\eta_1+\eta_2$ 一般**不是**任何 $Ax=b$ 的解(除非 $2=1$ ,不可能);
- 两解的中点 $\frac{\eta_1+\eta_2}{2}$ 仍是**非齐次**解。
### 3.3 由已知解构造通解
已知 $n-r=d$ 时,只要凑出 $d$ 个**线性无关**的齐次解(通常取"已知解之差"),再加一个特解,就得到通解。
**两步模板**:
1. 数出 $d=n-r$ ;
2. 把给定的 $s$ 个非齐次解两两作差,得到 $s-1$ 个齐次解,从中挑出 $d$ 个无关的。($s$ 个解最多给 $s-1$ 个独立的差,因为都以 $\eta_1$ 为基准相减时第 $s$ 个差是前几个的线性组合。)
**关键提醒**:只数够 $d$ 个差**不够**,必须验证无关。2025·21 型题目会故意给出 $s-1<d$ 的情形,此时解不唯一,通解里还会留参数。
## 4 含参方程组的分类讨论
### 4.1 含参方阵的行列式分根
$m=n$ 时两条路:
**路线 A(推荐,能判全)**:算 $\lvert A\rvert$ ,它是关于参数的**多项式**。
- $\lvert A\rvert\ne0$ :唯一解,此时直接克拉默或回代;
- $\lvert A\rvert=0$ :解出参数的**全部根**,**每个根单独代回**增广矩阵,再比 $r(A)$ 与 $r(A\mid b)$ 。
**路线 B(参数在个别位置时更快)**:直接消元,在**除参数之前**分情况。例如
$$\begin{cases}x+y=1,\\x+ay=c\end{cases}\Longrightarrow(a-1)y=c-1 .$$
不能直接除以 $a-1$ ,因为它可能为零。分类:
| 参数 | 结果 |
|---|---|
| $a\ne1$ | $y=\frac{c-1}{a-1}$ ,$x=1-y$ ,**唯一解** |
| $a=1,\ c\ne1$ | $0=c-1$ 矛盾,**无解** |
| $a=1,\ c=1$ | 只剩 $x+y=1$ ,通解 $(1-t,\,t)^{\mathrm T}$ ,**无穷多解** |
### 4.2 含参非方阵的直接消元
$m\ne n$ 时**不能算行列式**,只能消元,逐个参数值比较 $r(A)$ 与 $r(A\mid b)$ 。
参数在非方阵里的常见位置是最后一行/列,消元后参数会集中到一个元素上,此时按"该元素是否为零"分类即可。
### 4.3 三分类的书写规范
**必须写全三档,且每一档都要交代依据**:
```
① a ∉ {根} :|A| ≠ 0 → 唯一解(可写出解)
② a = 根_1 :代回 → r(A)=r(A|b)=r → 无穷多解,通解 ......
③ a = 根_2 :代回 → r(A) < r(A|b) → 无解
```
**三个高频扣分点**:
1. **失根**:$\lvert A\rvert$ 分解不彻底(如把 $a^3-1$ 写成 $(a-1)(a^2+a+1)$ 后忘记后者有实根与否的讨论,或漏掉重根)。必须分解到**每个实根都写出来**。
2. **只代一个根**:多根时必须逐个代回,不同根可能对应不同情形。
3. **无解/无穷多混写**:$r(A)=r(A\mid b)$ 与 $r(A)<r(A\mid b)$ 的区分绝不能省。
## 5 解的几何意义
### 5.1 三元方程与平面
三元方程 $a_ix+b_iy+c_iz=d_i$ 表示一个平面,**前提是 $(a_i,b_i,c_i)\ne(0,0,0)$ ** (否则退化为 $0=d_i$ 的平凡式)。
三个平面联立 $=$ 求它们的**公共点**。法向量 $n_i=(a_i,b_i,c_i)$ 。
### 5.2 三平面位置关系表
| $r(A)$ | $r(A\mid b)$ | 公共交集 | 几何描述 |
|---|---|---|---|
| 3 | 3 | **一个点** | 三平面交于一点 |
| 2 | 2 | **一条直线** | 三平面共一条直线(束) |
| 1 | 1 | **一个平面** | 三平面完全重合 |
| 2 | 3 | **空集** | 无公共点,可能三棱柱或两平行 |
| 1 | 2 | **空集** | 至少两平面平行且不重合 |
**交集维数**:有公共点时 $\dim=3-r(A)$ ,即自由参数个数换成几何语言。
**最大的坑**:$r(A)=2,\ r(A\mid b)=3$ **只保证没有公共点,不保证两两相交**。
反例:$x=0$ 、$x=1$ 、$y=0$ 的系数秩为 2、增广秩为 3,但前两个平面**平行**。所以"两两相交但无公共点"必须**额外验证任意两个法向量不成比例**。
### 5.3 三棱柱与两两相交
**三棱柱**(三个平面两两相交、三条交线互相平行、无公共点)的完整条件:
$$r(A)=2,\quad r(A\mid b)=3,\quad \text{任意两法向量不成比例}.$$
前两条给"无公共点",第三条给"两两不平行"。此时三条交线互相平行,围成三棱柱的侧面。
**记忆锚点**:秩管"有没有公共点",法向量的比例管"两两什么关系"。**两件事分开验**。
## 6 同解与公共解
### 6.1 同解的定义与判据
**同解**:两个方程组的解集**完全相同**。**公共解**:两个解集**交**在什么地方——即使不同解也可以求公共解。两个问题不同,别混。
**齐次同解判据**($A,B$ 列数相同):
$$Ax=0\ \text{与}\ Bx=0\ \text{同解}\iff r(A)=r(B)=r\binom{A}{B}.$$
**为什么不能只比 $r(A)=r(B)$ ** ?两个不同方向的直线都是一维,但不是同一条直线。拼接后的秩相同,才保证"加上另一组方程没有减少解"。
**证明两条腿**:$Ax=0$ 的解都是 $Bx=0$ 的解 $\iff r\binom{A}{B}=r(A)$ (把 $B$ 的行加到 $A$ 上不增秩,说明 $B$ 的行可由 $A$ 的行表示);反方向同理。两边合并即得。
### 6.2 非齐次同解
对两个**都有解**的方程组:
$$Ax=b_1\ \text{与}\ Bx=b_2\ \text{同解}\iff \text{齐次部分同解,且有一个公共特解}.$$
因为此时两者都等于"同一个特解 $+$ 同一个齐次解空间"。
**常数列无须相同**:$x=1$ 与 $2x=2$ 同解,但右边分别是 1 和 2。
**若两个都无解**:解集同为空集,形式上也"同解",但通常题目会排除;遇到要单独说明。
### 6.3 公共解的求法
两条路:
**路线 A(联立消元)**:
$$Ax=b,\ Bx=c\iff\binom{A}{B}x=\binom{b}{c}.$$
一次消元,得到的通解就是公共解。
**路线 B(代入)**:先求一个方程组的通解(含参数),代进另一个方程组,解出参数。变量少时更省。
**易错点**:路线 B 里代回去解出的是**参数的条件**,要把参数代回**原通解**才得到公共解,不能直接把参数值当答案。
## 7 矩阵方程
### 7.1 矩阵方程按列拆
若 $X=(x_1,\dots,x_s)$ 、$B=(b_1,\dots,b_s)$ ,则
$$AX=B\iff Ax_j=b_j\quad(j=1,\dots,s).$$
**判据**:每一列都相容,整体才有解,即
$$r(A)=r(A,B)\quad(\text{左右拼接,不是上下拼接}).$$
**要点**:
- 各列的自由参数**彼此独立**,不能强行用同一个参数;
- 某列无解则整体无解,**不必算完全部列**——先找一个矛盾的列就能下结论;
- 有解时通解写成 $X=X_0+Y$ ,其中 $X_0$ 是一个矩阵特解(各列取一个特解),$Y$ 的每一列是齐次解。
### 7.2 转置与左乘型
$$XA=B\iff A^{\mathrm T}X^{\mathrm T}=B^{\mathrm T}.$$
于是 $XA=B$ 有解 $\iff r(A^{\mathrm T})=r\!\begin{pmatrix}A^{\mathrm T}\\B^{\mathrm T}\end{pmatrix}$ ,等价地写
$$r(A)=r\binom{A}{B}\quad(\text{上下拼接}).$$
**记忆**:$AX=B$ 看**左右**拼接 $(A,B)$ ;$XA=B$ 看**上下**拼接 $\binom{A}{B}$ 。方向一错全错。
### 7.3 可逆系数矩阵的矩阵方程
$A,B$ 均可逆的方阵时,$AXB=C$ 的**唯一解**是
$$X=A^{-1}CB^{-1}.$$
**要点**:
- 要求可逆的是**两侧系数矩阵** $A,B$ ,**不是**右端 $C$ ;
- 顺序不能换:$A^{-1}CB^{-1}\ne B^{-1}CA^{-1}$ ;
- 若 $A$ 不可逆,$AXB=C$ 化为 $AX=C B^{-1}$ ($B$ 可逆时),回到 §7.1 按列解。
## 8 克拉默法则与抽象证明
### 8.1 克拉默法则
$n$ 个方程、$n$ 个未知量,且 $D=\lvert A\rvert\ne0$ 时,
$$x_j=\frac{D_j}{D},\qquad D_j=\text{把 }A\text{ 第 }j\text{ 列换成 }b\text{ 的行列式}.$$
例:$x+y=3$ 、$2x-y=0$ ,有 $D=-3$ 、$D_1=-3$ 、$D_2=-6$ ,故 $x=1,\ y=2$ 。
**四道限制**:方阵、$\lvert A\rvert\ne0$ 、只适合低阶手算、$D=0$ 时必须回到消元与秩讨论。
**齐次推论**:$Ax=0$ ($n$ 个方程 $n$ 个未知量)有非零解 $\iff\lvert A\rvert=0$ 。
### 8.2 抽象证明四个模板
| 要证 | 起手式 | 关键一步 |
|---|---|---|
| 某向量是解 | 直接算 $A(\cdot)$ | 展开成已知解的组合 |
| 解向量组无关 | 设 $\sum k_ix_i=0$ | 两边左乘 $A$ ,用 $b\ne0$ 与基础解系无关性分步逼零 |
| 同解 | 双向包含 | 一边用 $r\binom{A}{B}=r(A)$ |
| 有解的条件 | 秩比较 | $r(A)=r(A\mid b)$ |
**"设 $\sum k_ix_i=0$ 后左乘 $A$ "是最有用的一个动作**:乘完立刻把非齐次部分压成 $(\sum k_i)b$ ,再用 $b\ne0$ 分出系数和为零,剩下的部分落到齐次解上。第 9 节点 8 的证明题全靠这一招。
## 9 覆盖对照(大纲 vs 真题 vs 参考仓库)
| 知识点 | 大纲要求 | 十年真题 | 参考仓库 | 处置 |
|---|---|---|---|---|
| 消元与同解变换 | 掌握 | 隐含 | 有 | 点 1,2 题 |
| 解的三种情形 | **掌握(核心)** | 隐含于每题 | 有 | 点 1,2 题 |
| 自由未知量 | 掌握 | 隐含 | 有 | 点 1,1 题 |
| 基础解系定义与求法 | **掌握(核心)** | 2019·13 | 有 | 点 2,5 题 |
| 基础解系个数 $n-r$ | **掌握** | 高频选择 | 有 | 点 2,3 题 |
| 非齐次解的结构 | **掌握(核心)** | 支撑 2016·20 | 有 | 点 3,3 题 |
| 解的组合性质 | 掌握 | 高频选择 | 有 | 点 3,3 题 |
| 含参分类 | **掌握(重点)** | 支撑解答题 | 有 | 点 4,5 题 |
| 几何意义(三平面) | **掌握** | 2019·6、2024·5、2025·6 | 有 | 点 5,5 题 |
| 三棱柱 | 掌握 | 2024·5 变体 | 有 | 点 5,2 题 |
| 同解判据 | **掌握(重点)** | 2022·6、2025·15 | 有 | 点 6,3 题 |
| 公共解 | 掌握 | 未单独考 | 有 | 点 6,2 题 |
| 矩阵方程 $AX=B$ | **掌握** | 2016·20 | 有 | 点 7,3 题 |
| $XA=B$ 与 $AXB=C$ | 掌握 | 未单独考 | 有 | 点 7,2 题 |
| 克拉默法则 | 掌握 | 未直接考 | 有 | 点 8,2 题 |
| 抽象证明 | 掌握 | 支撑解答题 | 有 | 点 8,3 题 |
**结论**:选择和填空集中在 `06`(几何)与 `07`(同解),解答题集中在 `08`(矩阵方程)与 `05`(含参)。这四个文件是主力,`02`—`04` 是它们的地基。
## 10 与相邻讲的接口
| 本讲内容 | 来源 | 用法 |
|---|---|---|
| $r(A)$ 与 $r(A\mid b)$ | 第 2 讲矩阵 | 那里算秩,这里判解 |
| 线性表示 $=$ 方程组有解 | 第 3 讲向量 | 同一件事的两种说法 |
| $n-r(\lambda E-A)$ | 第 5 讲特征值 | 特征子空间维数 $=$ 基础解系个数 |
| $(A-\lambda E)x=0$ 的非零解 | 第 5 讲特征值 | 求特征向量就是解齐次方程 |
| 正交变换下的方程组 | 第 6 讲二次型 | 合同变换不改变惯性 |
@@ -0,0 +1,189 @@
---
tags: [数学一, 在学练习, 线性代数, 线性方程组, 消元]
专题: 线性代数 第4讲 · 点1 消元与解的判定
日期: 2026-10-24
状态: 知识点带题(1.1 消元合法性、1.2 三分类、1.3 自由未知量、1.4 两种阶梯形,5 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 1 消元与解的判定
> 真题锚点:一切题的起手式|重要度 ★★★
> 依赖:第 2 讲初等行变换。盘点对应:§1 全节。
**组织原则**:先列知识点,再按内部顺序(消元合法性 → 三分类 → 自由未知量 → 阶梯形)逐一对应出题。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
## 知识点 1.1 消元的合法性与增广矩阵(出处:[知识章 linear-equations-system.tex §1](../../../../参考仓库/Math/linear-algebra/knowledge/4-linear-equations-system/linear-equations-system.tex))
**三种同解变换**(可逆、可撤销,故解集不变):
1. 交换两个方程的位置;
2. 某个方程两边同乘**非零**常数;
3. 一个方程加上另一个方程的 $k$ 倍。
对应矩阵的初等**行**变换。**列变换会改变未知量与列的对应关系**,求通解时禁止使用;常数列必须跟着行变换同步变。
## 知识点 1.2 解的三种情形与秩判据(出处:[知识章 linear-equations-system.tex §2](../../../../参考仓库/Math/linear-algebra/knowledge/4-linear-equations-system/linear-equations-system.tex))
消元后只有两种"全零系数行":$0=0$ (重复信息,可删)与 $0=c\ne0$ (矛盾,无解)。
| 条件 | 结论 | 自由参数 |
|---|---|---|
| $r(A)<r(A\mid b)$ | 无解 | — |
| $r(A)=r(A\mid b)=n$ | 唯一解 | 0 |
| $r(A)=r(A\mid b)=r<n$ | 无穷多解 | $n-r$ |
三条要点:$r(A)=r(A\mid b)$ 是有解的**充要**条件;$m$ 不进入判据;**"$\lvert A\rvert=0$ " 只说明不可能唯一解,不能区分无解与无穷多解**。
## 知识点 1.3 自由未知量与主元未知量(出处:[知识章 linear-equations-system.tex §2](../../../../参考仓库/Math/linear-algebra/knowledge/4-linear-equations-system/linear-equations-system.tex))
主元未知量由自由未知量唯一确定,自由未知量可任意取值,**个数 $=n-r(A)$ ** 。
规范取法:让自由未知量依次取"一个为 1、其余为 0",得到的向量组**自动线性无关**(自由分量位置是单位阵),省去额外验证。
## 知识点 1.4 行阶梯形与行最简形(出处:[知识章 linear-equations-system.tex §1](../../../../参考仓库/Math/linear-algebra/knowledge/4-linear-equations-system/linear-equations-system.tex))
| 形状 | 特征 | 用途 |
|---|---|---|
| 行阶梯形 | 主元逐行右移,主元下方全零 | 数秩、判有无解 |
| 行最简形 | 主元为 1 且**所在列其余位置全零** | 直接读通解 |
化到阶梯形再回代完全正确,最简形只是**方便**。
---
## 题目(按知识点顺序对应)
### 题 1 · 1.1:三种变换与"列变换为什么不行"(★☆☆)
> 下列操作中,**不改变**线性方程组解集的是( )。
>
> (A)把第一个方程乘 2 后加到第二个方程上
> (B)交换系数矩阵的第 1 列与第 2 列
> (C)把第一个方程两边同乘 0
> (D)把常数列的第 1 个分量与第 2 个分量互换
**怎么想**:逐条对照"三种同解变换"的定义。判据只有一个:操作能否**撤销**。
**解**:(A)是"一个方程加另一个方程的非零倍",属第三种同解变换,可撤销,**解集不变**。(B)列交换把 $x_1$ 与 $x_2$ 的角色对调,新解的分量顺序与原解不同,解集作为**有序数组的集合**已经变了。(C)乘 0 把方程抹成 $0=0$ ,信息永久丢失,不可撤销。(D)只改常数列不改系数,等于换了一个方程组。
答案 **(A)** 。
**带走结论**:行变换随便用,**列变换一律禁止**(除非同步记录未知量的置换)。判"能不能用"只需问一句"这步能不能倒回去"。
> **关联** · 盘点 [§1.1 消元的合法性与增广矩阵](01-知识点盘点.md#user-content-11-消元的合法性与增广矩阵) | 上游 — | 下游 — | 速查 —
---
### 题 2 · 1.2:一步化到最简形,读出三分类(★★☆)
> 解方程组
>
> $$\begin{cases}x_1+2x_2-x_3=1,\\2x_1+5x_2+2x_3=3,\\3x_1+7x_2+x_3=4.\end{cases}$$
**怎么想**:先化增广矩阵到行最简形,再看主元列数与列总数 $n=3$ 的关系。本题系数矩阵是方阵,也可以先算 $\lvert A\rvert$ 判唯一性——但既然要求通解,直接消元更省。
**解**:对增广矩阵作行变换:
$$\left(\begin{array}{ccc|c}1&2&-1&1\\2&5&2&3\\3&7&1&4\end{array}\right)\xrightarrow{\begin{subarray}{c}r_2-2r_1\\r_3-3r_1\end{subarray}}\left(\begin{array}{ccc|c}1&2&-1&1\\0&1&4&1\\0&1&4&1\end{array}\right)\xrightarrow{r_3-r_2}\left(\begin{array}{ccc|c}1&2&-1&1\\0&1&4&1\\0&0&0&0\end{array}\right),$$
再向上消元得行最简形
$$\left(\begin{array}{ccc|c}1&0&-9&-1\\0&1&4&1\\0&0&0&0\end{array}\right).$$
$r(A)=r(A\mid b)=2<3=n$ ,**无穷多解**,自由参数 $3-2=1$ 个。读出
$$x_1=-1+9x_3,\qquad x_2=1-4x_3 .$$
令 $x_3=t$ ,通解
$$x=\begin{pmatrix}-1\\1\\0\end{pmatrix}+t\begin{pmatrix}9\\-4\\1\end{pmatrix}\qquad(t\in\mathbb{R}).$$
**验算**:代回第一式 $(-1+9t)+2(1-4t)-t=1$ ✓;第二式 $2(-1+9t)+5(1-4t)+2t=3$ ✓;第三式 $3(-1+9t)+7(1-4t)+t=4$ ✓。
**带走结论**:三分类按"主元列数 vs $n$ "读,**不看方程个数**。第三行整行为零说明第三个方程是前两个的线性组合(此处恰为 $r_3=r_1+r_2$ ),是冗余信息。
> **关联** · 盘点 [§1.2 解的三种情形与秩判据](01-知识点盘点.md#user-content-12-解的三种情形与秩判据) | 上游 — | 下游 [点 1 题 3](02-点1-消元与解的判定.md#user-content-题-3--12矛盾行出现即无解) | 速查 [一 三分类一张表](10-速查卡.md#user-content-一-三分类一张表)
---
### 题 3 · 1.2:矛盾行出现即无解(★★☆)
> 讨论方程组
>
> $$\begin{cases}x_1+x_2+2x_3=3,\\2x_1+2x_2+4x_3=7,\\x_1+2x_2+3x_3=4\end{cases}$$
>
> 的解的情况。
**怎么想**:第 1、2 个方程左边成比例(系数是 2 倍),右边却是 $7\ne2\times3$ 。这种"左成比例、右不成"的结构**一看就知道无解**,但仍要化完写出依据。
**解**:
$$\left(\begin{array}{ccc|c}1&1&2&3\\2&2&4&7\\1&2&3&4\end{array}\right)\xrightarrow{\begin{subarray}{c}r_2-2r_1\\r_3-r_1\end{subarray}}\left(\begin{array}{ccc|c}1&1&2&3\\0&0&0&1\\0&1&1&1\end{array}\right)\xrightarrow{r_2\leftrightarrow r_3}\left(\begin{array}{ccc|c}1&1&2&3\\0&1&1&1\\0&0&0&1\end{array}\right).$$
第三行是 $0=1$ ,矛盾。故 $r(A)=2$ 而 $r(A\mid b)=3$ ,**无解**。
**带走结论**:出现 $0=1$ 型行立即收工。判据写成"$r(A)=2<3=r(A\mid b)$ "才算给出依据,只写"矛盾"两字在解答题里可能不给分。
> **关联** · 盘点 [§1.2 解的三种情形与秩判据](01-知识点盘点.md#user-content-12-解的三种情形与秩判据) | 上游 [点 1 题 2](02-点1-消元与解的判定.md#user-content-题-2--12一步化到最简形读出三分类) | 下游 — | 速查 [一 三分类一张表](10-速查卡.md#user-content-一-三分类一张表)
---
### 题 4 · 1.3:自由未知量的个数(★★☆)
> 设 $A$ 为 $4\times5$ 矩阵,$r(A)=3$ 。
>
> (Ⅰ)$Ax=0$ 的基础解系含几个向量?
> (Ⅱ)若 $Ax=b$ 有解,通解含几个任意常数?
> (Ⅲ)$Ax=b$ 能否有唯一解?
**怎么想**:三个小问全部指向同一个数 $n-r(A)$ 。注意 $n$ 是**列数**(未知量个数)$=5$ ,不是行数 4。
**解**:(Ⅰ)$n-r(A)=5-3=2$ ,基础解系含 **2** 个向量。
(Ⅱ)由结构定理,通解 $=$ 特解 $+$ 齐次通解,任意常数个数等于基础解系个数,仍是 **2** 个。
(Ⅲ)$Ax=b$ 有唯一解要求 $r(A)=r(A\mid b)=n=5$ ,但 $r(A)\leqslant\min\{4,5\}=4<5$ ,故**不可能**有唯一解。有解时必为无穷多解。
**带走结论**:$n$ 永远是列数。行数只限制秩的上界($r\leqslant m$ ),不决定参数个数。$m<n$ 时非齐次方程**有解就必有无穷多解**。
> **关联** · 盘点 [§1.3 自由未知量与主元未知量](01-知识点盘点.md#user-content-13-自由未知量与主元未知量) | 上游 — | 下游 — | 速查 —
---
### 题 5 · 1.4:阶梯形够用,最简形更快(★★☆)
> 设
>
> $$\begin{cases}x_1+2x_2+x_4=3,\\x_3+2x_4=1,\\x_1+2x_2+x_3+3x_4=4,\\2x_1+4x_2+x_3+3x_4=5.\end{cases}$$
>
> (Ⅰ)只化到行阶梯形,判断解的情况;
> (Ⅱ)继续化到行最简形,写出通解。
**怎么想**:第(Ⅰ)问只数非零行——数秩即可定性。第(Ⅱ)问才需要最简形来"直接读"。观察第 3、4 个方程:$r_4-r_3$ 得 $x_1+2x_2=1$ ,第 1 式正好是 $x_1+2x_2+x_4=3$ ,差出 $x_4=2$ 。
**解**:(Ⅰ)
$$\left(\begin{array}{cccc|c}1&2&0&1&3\\0&0&1&2&1\\1&2&1&3&4\\2&4&1&3&5\end{array}\right)\xrightarrow{\begin{subarray}{c}r_3-r_1\\r_4-2r_1\end{subarray}}\left(\begin{array}{cccc|c}1&2&0&1&3\\0&0&1&2&1\\0&0&1&2&1\\0&0&1&1&-1\end{array}\right)\xrightarrow{\begin{subarray}{c}r_3-r_2\\r_4-r_2\end{subarray}}\left(\begin{array}{cccc|c}1&2&0&1&3\\0&0&1&2&1\\0&0&0&0&0\\0&0&0&-1&-2\end{array}\right).$$
非零行 3 行(第三行整行零已删),$r(A)=r(A\mid b)=3$ ;$n=4$ ,故**无穷多解**,参数 $4-3=1$ 个。
(Ⅱ)继续化:
$$\xrightarrow{r_3\leftrightarrow r_4,\ \times(-1)}\left(\begin{array}{cccc|c}1&2&0&1&3\\0&0&1&2&1\\0&0&0&1&2\\0&0&0&0&0\end{array}\right)\xrightarrow{\begin{subarray}{c}r_1-r_3\\r_2-2r_3\end{subarray}}\left(\begin{array}{cccc|c}1&2&0&0&1\\0&0&1&0&-3\\0&0&0&1&2\\0&0&0&0&0\end{array}\right).$$
主元列是第 1、3、4 列,自由列是第 2 列。读出
$$x_1=1-2x_2,\qquad x_3=-3,\qquad x_4=2 .$$
令 $x_2=t$ ,通解
$$x=\begin{pmatrix}1\\0\\-3\\2\end{pmatrix}+t\begin{pmatrix}-2\\1\\0\\0\end{pmatrix}\qquad(t\in\mathbb{R}).$$
**验算**:代回四式分别得 $3,1,4,5$ ✓。
**带走结论**:阶梯形用于**判**(数秩、看矛盾),最简形用于**读**(直接抄通解)。本题自由列在第 2 列这种"夹在中间"的位置,是最容易装错分量顺序的地方——装回时务必按 $x_1,x_2,x_3,x_4$ 原顺序排。
> **关联** · 盘点 [§1.4 行阶梯形与行最简形](01-知识点盘点.md#user-content-14-行阶梯形与行最简形) | 上游 — | 下游 — | 速查 [三 求基础解系四步](10-速查卡.md#user-content-三-求基础解系四步)
---
@@ -0,0 +1,226 @@
---
tags: [数学一, 在学练习, 线性代数, 线性方程组, 基础解系]
专题: 线性代数 第4讲 · 点2 齐次方程组与基础解系
日期: 2026-10-24
状态: 知识点带题(2.1 解空间、2.2 定义、2.3 求法、2.4 个数,6 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 2 齐次方程组与基础解系
> 真题锚点:2019·13(填空 4 分)|重要度 ★★★
> 依赖:点 1 的消元与秩。盘点对应:§2 全节。
**组织原则**:先列知识点(解空间 → 定义 → 求法 → 个数),再逐一对应出题。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
## 知识点 2.1 齐次方程组与解空间(出处:[知识章 linear-equations-system.tex §3](../../../../参考仓库/Math/linear-algebra/knowledge/4-linear-equations-system/linear-equations-system.tex))
齐次即 $b=0$ 。零向量恒为解,只区分两种情况:
$$Ax=0\ \text{只有零解}\iff r(A)=n,\qquad Ax=0\ \text{有非零解}\iff r(A)<n .$$
解集 $N(A)=\{x\mid Ax=0\}$ 对加法与数乘封闭,是 $\mathbb{R}^n$ 的子空间,$\dim N(A)=n-r(A)$ 。只有零解时维数为 0,**基础解系为空集,不能拿零向量充数**。
## 知识点 2.2 基础解系的定义(出处:[知识章 linear-equations-system.tex §3](../../../../参考仓库/Math/linear-algebra/knowledge/4-linear-equations-system/linear-equations-system.tex))
$\xi_1,\dots,\xi_s$ 是 $Ax=0$ 的基础解系,须同时满足三款:
1. 每个 $\xi_i$ 都是解;
2. $\xi_1,\dots,\xi_s$ **线性无关**;
3. 任一解都可由它们线性表示。
缺第 2 款(有冗余)或第 3 款(生成不全)都不算。**"能生成全部、且没有冗余"** 是唯一记忆口径。
## 知识点 2.3 基础解系的求法(出处:[练习章 linear-equations-system.tex](../../../../参考仓库/Math/linear-algebra/exercise/4-linear-equations-system/linear-equations-system.tex))
四步:
1. 系数矩阵只作**行**变换,化到行最简形;
2. 定主元列与自由列,把主元未知量用自由未知量表示;
3. 自由未知量依次取 $(1,0,\dots,0),\dots,(0,\dots,0,1)$ ,回代得 $\xi_1,\dots,\xi_{n-r}$ ;
4. 通解 $x=k_1\xi_1+\cdots+k_{n-r}\xi_{n-r}$ 。
**装回向量必须按未知量原顺序**,不能按"主元在前、自由在后"重排。
## 知识点 2.4 基础解系个数与维数(出处:[知识章 linear-equations-system.tex §3](../../../../参考仓库/Math/linear-algebra/knowledge/4-linear-equations-system/linear-equations-system.tex))
$$\#\text{基础解系}=n-r(A).$$
推论:$A$ 为 $m\times n$ 、$r(A)=r$ 时,$Ax=0$ 的基础解系含 $n-r$ 个;$Ax=b$ (**已知有解**)的通解含 $n-r$ 个任意常数;$Ax=b$ 有唯一解 $\iff r=n$ 且 $r(A)=r(A\mid b)$ 。
---
## 题目(按知识点顺序对应)
### 题 1 · 2.1:只有零解的等价条件(★☆☆)
> 设 $A$ 为 $3\times3$ 矩阵。下列条件中,与"$Ax=0$ 只有零解"**不等价**的是( )。
>
> (A)$r(A)=3$
> (B)$\lvert A\rvert\ne0$
> (C)$A$ 的列向量组线性无关
> (D)$m=n=3$ 且方程组有解
**怎么想**:把"只有零解"翻译成第 2、3 讲的语言——满秩、行列式非零、列向量无关,都是同一件事。(D)看着像但漏洞明显:$3\times3$ 且"有解"完全可能与"唯一解"无关。
**解**:(A)(B)(C)三者与"$r(A)=n$ "完全等价,因而与"只有零解"等价。
(D)**不等价**:$Ax=0$ 恒有零解,"方程组有解"这句话对**齐次**方程是废话(永远成立)。若 $r(A)<3$ ,$Ax=0$ 照样有解却有非零解。故(D)只是恒真命题,不含任何限制。
答案 **(D)** 。
**带走结论**:$Ax=0$ **永远有解**,"有解"对它是空话;有意义的问法是"只有零解还是还有非零解"。五个等价说法(满秩、$\lvert A\rvert\ne0$ 、列无关、可逆、零不是特征值)要能脱口而出。
> **关联** · 盘点 [§2.1 齐次方程组与解空间](01-知识点盘点.md#user-content-21-齐次方程组与解空间) | 上游 — | 下游 — | 速查 [二 齐次三件事](10-速查卡.md#user-content-二-齐次三件事)
---
### 题 2 · 2.2:判断是不是基础解系(★★☆)
> 设 $A$ 为 $3\times4$ 矩阵,$r(A)=2$ 。已知 $\xi_1,\xi_2,\xi_3$ 都是 $Ax=0$ 的解,且 $\xi_3=\xi_1+2\xi_2$ 。判断下列说法是否正确:
>
> (Ⅰ)$\xi_1,\xi_2$ 一定构成基础解系;
> (Ⅱ)$\xi_1,\xi_3$ 一定构成基础解系;
> (Ⅲ)若 $\xi_1,\xi_2$ 线性无关,则 $\xi_1,\xi_2$ 构成基础解系;
> (Ⅳ)存在 $Ax=0$ 的解 $\xi_4$ 使 $\xi_1,\xi_2,\xi_3,\xi_4$ 构成基础解系。
**怎么想**:基础解系三款逐条查——"是解"已给,"无关"未给,"生成全部"未给。$n-r=4-2=2$ ,所以**必须恰好 2 个且无关**。
**解**:(Ⅰ)**错**。题目只说它们是解,没保证 $\xi_1,\xi_2$ 无关。若 $\xi_1=\xi_2$ ,两个向量只张成一维,不够生成二维解空间。
(Ⅱ)**错**。$\xi_3=\xi_1+2\xi_2$ 与 $\xi_1$ 的关系未定,若 $\xi_2=k\xi_1$ 则 $\xi_3=(1+2k)\xi_1$ ,两者成比例。
(Ⅲ)**对**。2 个无关解,而解空间维数恰为 $4-2=2$ ,故它们张满整个解空间,三款齐全。
(Ⅳ)**错**。基础解系向量个数**必须恰好** $n-r=2$ 。4 个向量必然相关,不满足"无关",且个数也不对。(若问"$\xi_1,\xi_2,\xi_3,\xi_4$ 能否张成解空间",答案是能,但那不是基础解系。)
**带走结论**:判"是不是基础解系"只查两件事——**个数是否等于 $n-r$ ** 、**是否无关**("是解"通常题干已给)。个数多了必然相关,一票否决。
> **关联** · 盘点 [§2.2 基础解系的定义](01-知识点盘点.md#user-content-22-基础解系的定义) | 上游 — | 下游 — | 速查 [二 齐次三件事](10-速查卡.md#user-content-二-齐次三件事)
---
### 题 3 · 2.3:两方程四未知,求基础解系(★★☆)
> 求齐次方程组
>
> $$\begin{cases}x_1+x_2+x_3+x_4=0,\\x_1+2x_2+3x_3+4x_4=0\end{cases}$$
>
> 的一个基础解系,并写出通解。
**怎么想**:$n=4$ 、$r(A)=2$ (两行不成比例),自由参数 $4-2=2$ 个。化到最简形后,让 $(x_3,x_4)$ 依次取 $(1,0)$ 、$(0,1)$ 。
**解**:
$$\begin{pmatrix}1&1&1&1\\1&2&3&4\end{pmatrix}\xrightarrow{r_2-r_1}\begin{pmatrix}1&1&1&1\\0&1&2&3\end{pmatrix}\xrightarrow{r_1-r_2}\begin{pmatrix}1&0&-1&-2\\0&1&2&3\end{pmatrix}.$$
读出 $x_1=x_3+2x_4$ 、$x_2=-2x_3-3x_4$ 。
取 $x_3=1,x_4=0$ :$\xi_1=(1,-2,1,0)^{\mathrm T}$ ;
取 $x_3=0,x_4=1$ :$\xi_2=(2,-3,0,1)^{\mathrm T}$ 。
通解
$$x=k_1\xi_1+k_2\xi_2\qquad(k_1,k_2\in\mathbb{R}).$$
**验算**:$\xi_1$ 代入两式:$1-2+1+0=0$ ✓,$1-4+3+0=0$ ✓;$\xi_2$ :$2-3+0+1=0$ ✓,$2-6+0+4=0$ ✓。$\xi_1,\xi_2$ 第 3、4 分量构成单位阵,必无关 ✓。
**带走结论**:自由未知量取"单位向量",装回时**主元分量按解出的表达式填、自由分量照抄单位向量**。$\xi_1,\xi_2$ 的自由分量恰好是 $\binom{1\ 0}{0\ 1}$ ,无关性自动成立,不用再证。
> **关联** · 盘点 [§2.3 基础解系的求法](01-知识点盘点.md#user-content-23-基础解系的求法) | 上游 — | 下游 [点 2 题 4](03-点2-齐次方程组与基础解系.md#user-content-题-4--23三方程四未知先判秩再求) | 速查 [三 求基础解系四步](10-速查卡.md#user-content-三-求基础解系四步)
---
### 题 4 · 2.3:三方程四未知,先判秩再求(★★☆)
> 【2019·13 骨架】求齐次方程组
>
> $$\begin{cases}x_1+x_2+x_4=0,\\x_2+x_3=0,\\x_1+2x_2+x_3+x_4=0\end{cases}$$
>
> 的系数矩阵的秩、一个基础解系与通解。
**怎么想**:第三个方程是前两个之和($r_3=r_1+r_2$ ),秩必小于 3,实际 $r=2$ ,自由参数 $4-2=2$ 个。**不要预设秩**,化完再数。
**解**:
$$A=\begin{pmatrix}1&1&0&1\\0&1&1&0\\1&2&1&1\end{pmatrix}\xrightarrow{r_3-r_1}\begin{pmatrix}1&1&0&1\\0&1&1&0\\0&1&1&0\end{pmatrix}\xrightarrow{r_3-r_2}\begin{pmatrix}1&1&0&1\\0&1&1&0\\0&0&0&0\end{pmatrix}$$
$$\xrightarrow{r_1-r_2}\begin{pmatrix}1&0&-1&1\\0&1&1&0\\0&0&0&0\end{pmatrix}.$$
故 $r(A)=2$ ,读出 $x_1=x_3-x_4$ 、$x_2=-x_3$ 。自由未知量 $x_3,x_4$ :
取 $x_3=1,x_4=0$ :$\xi_1=(1,-1,1,0)^{\mathrm T}$ ;
取 $x_3=0,x_4=1$ :$\xi_2=(-1,0,0,1)^{\mathrm T}$ 。
通解 $x=k_1\xi_1+k_2\xi_2$ 。
**验算**:$\xi_1$ 代入:$1-1+0=0$ ✓,$-1+1=0$ ✓,$1-2+1+0=0$ ✓;$\xi_2$ :$-1+0+1=0$ ✓,$0+0=0$ ✓,$-1+0+0+1=0$ ✓。
**带走结论**:$m$ 个方程不代表 $r=m$ 。先化再数秩,这一步决定了后面参数个数。第三个方程"看起来独立"其实是被 $r_1+r_2$ 凑出来的——**先看有没有现成的线性关系**能省一半计算。
> **关联** · 盘点 [§2.3 基础解系的求法](01-知识点盘点.md#user-content-23-基础解系的求法) | 上游 [点 2 题 3](03-点2-齐次方程组与基础解系.md#user-content-题-3--23两方程四未知求基础解系) | 下游 — | 速查 [三 求基础解系四步](10-速查卡.md#user-content-三-求基础解系四步)
---
### 题 5 · 2.4:个数公式与"已知有解"的前提(★★☆)
> 设 $A$ 为 $4\times6$ 矩阵。
>
> (Ⅰ)若 $r(A)=4$ ,$Ax=0$ 的基础解系含几个向量?
> (Ⅱ)若 $Ax=b$ 有无穷多解,通解含几个任意常数?
> (Ⅲ)若 $r(A)=4$ 且 $Ax=b$ 有解,通解含几个任意常数?
> (Ⅳ)判断:"$r(A)=4$ 时 $Ax=b$ 必有无穷多解"是否正确。
**怎么想**:全部围绕 $n-r(A)$ 。注意(Ⅱ)里"有无穷多解"这个条件**已经隐含了有解**,而(Ⅲ)把"有解"单独写出,两问答案应一致。第(Ⅳ)问是陷阱:有解是另一件事。
**解**:(Ⅰ)$n-r(A)=6-4=2$ ,**2 个**。
(Ⅱ)有无穷多解 $\implies$ 必有解,且 $r(A)=r(A\mid b)<n$ 。由 $r(A)\leqslant4<6=n$ 知不可能唯一解,参数个数 $6-r(A)$ ,其中 $r(A)$ 未知,故**只能说是 $6-r(A)$ 个,$r(A)\leqslant4$ ** ,即至少 2 个。若题设额外给 $r(A)=4$ 则为 2 个。
(Ⅲ)$6-4=2$ ,**2 个**。
(Ⅳ)**不正确**。$r(A)=4$ 只保证 $Ax=0$ 有 2 维非零解,但 $Ax=b$ 可能**无解**(若 $r(A\mid b)=5$ )。必须加上"有解"才能断言无穷多解。
**带走结论**:$n-r$ 是**齐次**解空间的维数,非齐次通解的常数个数也等于它,**前提是有解**。$r(A)<n$ 与"有解"是两个独立条件,缺一不可。
> **关联** · 盘点 [§2.4 基础解系个数与维数](01-知识点盘点.md#user-content-24-基础解系个数与维数) | 上游 — | 下游 [点 2 题 6](03-点2-齐次方程组与基础解系.md#user-content-题-6--24含参齐次何时有非零解) | 速查 [二 齐次三件事](10-速查卡.md#user-content-二-齐次三件事)
---
### 题 6 · 2.4:含参齐次何时有非零解(★★★)
> 设
>
> $$A=\begin{pmatrix}1&1&\lambda\\1&\lambda&1\\\lambda&1&1\end{pmatrix}.$$
>
> 讨论 $\lambda$ 取何值时 $Ax=0$ 只有零解、有非零解;有非零解时求基础解系。
**怎么想**:方阵齐次,走 $\lvert A\rvert=0$ 。行列式的结构是"行和相等"(每行之和 $\lambda+2$ ),先提公因子再分解。分解后**每个根都要代回**求基础解系,不同根的维数可能不同。
**解**:各行元素之和都是 $\lambda+2$ ,把第 2、3 列加到第 1 列并提出公因子:
$$\lvert A\rvert=(\lambda+2)\begin{vmatrix}1&1&\lambda\\1&\lambda&1\\1&1&1\end{vmatrix}\xrightarrow{\begin{subarray}{c}r_2-r_1\\r_3-r_1\end{subarray}}(\lambda+2)\begin{vmatrix}1&1&\lambda\\0&\lambda-1&1-\lambda\\0&0&1-\lambda\end{vmatrix}=(\lambda+2)(\lambda-1)(1-\lambda).$$
即
$$\lvert A\rvert=-(\lambda+2)(\lambda-1)^2 .$$
**$\lambda\ne1$ 且 $\lambda\ne-2$ ** 时 $\lvert A\rvert\ne0$ ,$r(A)=3=n$ ,**只有零解**。
**$\lambda=1$ ** :$A$ 三行全为 $(1,1,1)$ ,$r(A)=1$ ,基础解系含 $3-1=2$ 个向量。方程为 $x_1+x_2+x_3=0$ ,取
$$\xi_1=(-1,1,0)^{\mathrm T},\qquad \xi_2=(-1,0,1)^{\mathrm T}.$$
**$\lambda=-2$ ** :
$$A=\begin{pmatrix}1&1&-2\\1&-2&1\\-2&1&1\end{pmatrix}\xrightarrow{\text{行变换}}\begin{pmatrix}1&0&-1\\0&1&-1\\0&0&0\end{pmatrix},$$
$r(A)=2$ ,基础解系含 1 个向量,$x_1=x_3,\ x_2=x_3$ ,取 $\xi=(1,1,1)^{\mathrm T}$ 。
**验算**:$\lambda=-2$ 时 $A\xi$ 每行 $=1+1-2=0$ ✓;$\lambda=1$ 时 $\xi_1,\xi_2$ 满足 $x_1+x_2+x_3=0$ ✓。
**带走结论**:重根 $\lambda=1$ 处秩掉到 1(不是 2),解空间维数 2;单根 $\lambda=-2$ 处秩 2,维数 1。**同一个含参题的不同根,维数必须单独算**——这正是第 5 讲"特征值重数与几何重数"的雏形。行和相等是本题的破题口,先用 §3 的提公因子技巧再展开。
> **关联** · 盘点 [§2.4 基础解系个数与维数](01-知识点盘点.md#user-content-24-基础解系个数与维数) | 上游 [点 2 题 5](03-点2-齐次方程组与基础解系.md#user-content-题-5--24个数公式与已知有解的前提) | 下游 — | 速查 [二 齐次三件事](10-速查卡.md#user-content-二-齐次三件事)
---
@@ -0,0 +1,211 @@
---
tags: [数学一, 在学练习, 线性代数, 线性方程组, 非齐次]
专题: 线性代数 第4讲 · 点3 非齐次通解与解的性质
日期: 2026-10-24
状态: 知识点带题(3.1 结构定理、3.2 组合性质、3.3 由已知解构造,6 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 3 非齐次通解与解的性质
> 真题锚点:支撑 2016·20、2025·21|重要度 ★★★
> 依赖:点 2 的基础解系。盘点对应:§3 全节。
**组织原则**:先列知识点(结构定理 → 组合性质 → 由已知解构造),再逐一对应出题。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
## 知识点 3.1 非齐次解的结构定理(出处:[知识章 linear-equations-system.tex §4](../../../../参考仓库/Math/linear-algebra/knowledge/4-linear-equations-system/linear-equations-system.tex))
若 $\eta$ 是 $Ax=b$ 的一个特解,$\xi_1,\dots,\xi_{n-r}$ 是 $Ax=0$ 的基础解系,则 $Ax=b$ 的**全部**解为
$$x=\eta+k_1\xi_1+\cdots+k_{n-r}\xi_{n-r}\qquad(k_i\in\mathbb{R}).$$
证明两句:$A(x-\eta)=b-b=0$ 故差是齐次解;反之 $A(\eta+\xi)=b$ 。
三点理解:特解不唯一,换特解不换解集;$b\ne0$ 时解集**不过原点**,是齐次解空间的平移,**不是向量空间**;解集维数仍是 $n-r$ ,与 $b$ 无关。
## 知识点 3.2 解的组合性质(出处:[知识章 linear-equations-system.tex §4](../../../../参考仓库/Math/linear-algebra/knowledge/4-linear-equations-system/linear-equations-system.tex))
设 $\eta_1,\dots,\eta_s$ 都满足 $Ax=b$ ($b\ne0$ ),则
$$A\Big(\sum_{i=1}^{s}k_i\eta_i\Big)=\Big(\sum_{i=1}^{s}k_i\Big)b .$$
| 系数和 | 结果是 |
|---|---|
| $\sum k_i=1$ | $Ax=b$ 的解 |
| $\sum k_i=0$ | $Ax=0$ 的解 |
| 其他 | 都不是 |
三条特例:两解之差是**齐次**解;两解之和一般**不是**非齐次解;两解中点 $\frac{\eta_1+\eta_2}{2}$ 仍是**非齐次**解。
## 知识点 3.3 由已知解构造通解(出处:[练习章 linear-equations-system.tex](../../../../参考仓库/Math/linear-algebra/exercise/4-linear-equations-system/linear-equations-system.tex))
已知 $n-r=d$ ,只要凑出 $d$ 个**无关**的齐次解(取"已知解之差"),再加一个特解即得通解。
**两步模板**:① 数出 $d=n-r$ ;② 把 $s$ 个非齐次解两两作差得 $s-1$ 个齐次解,从中挑 $d$ 个无关的。
**关键提醒**:$s$ 个解最多给 $s-1$ 个独立差;只数够 $d$ 个**不够**,必须验证无关。
---
## 题目(按知识点顺序对应)
### 题 1 · 3.1:两方程三未知,求通解(★★☆)
> 求方程组
>
> $$\begin{cases}x_1+x_2+x_3=3,\\x_1-x_2+2x_3=2\end{cases}$$
>
> 的通解。
**怎么想**:$n=3$ 、$r(A)=2$ (两行不成比例),自由参数 1 个。先化最简形,再"齐次通解 $+$ 一个特解"。
**解**:
$$\left(\begin{array}{ccc|c}1&1&1&3\\1&-1&2&2\end{array}\right)\xrightarrow{r_2-r_1}\left(\begin{array}{ccc|c}1&1&1&3\\0&-2&1&-1\end{array}\right)\xrightarrow{r_2\times(-\frac12)}\left(\begin{array}{ccc|c}1&1&1&3\\0&1&-\frac12&\frac12\end{array}\right)$$
$$\xrightarrow{r_1-r_2}\left(\begin{array}{ccc|c}1&0&\frac32&\frac52\\0&1&-\frac12&\frac12\end{array}\right).$$
读出 $x_1=\frac52-\frac32x_3$ 、$x_2=\frac12+\frac12x_3$ 。令 $x_3=t$ :
$$x=\begin{pmatrix}\frac52\\\frac12\\0\end{pmatrix}+t\begin{pmatrix}-\frac32\\\frac12\\1\end{pmatrix}.$$
换元 $t=2k$ 把方向向量化整:
$$x=\begin{pmatrix}\frac52\\\frac12\\0\end{pmatrix}+k\begin{pmatrix}-3\\1\\2\end{pmatrix}\qquad(k\in\mathbb{R}).$$
**验算**:$k=0$ 时第 1 式 $\frac52+\frac12+0=3$ ✓,第 2 式 $\frac52-\frac12=2$ ✓;齐次向量 $(-3,1,2)^{\mathrm T}$ :$-3+1+2=0$ ✓,$-3-1+4=0$ ✓。
**带走结论**:特解可以带分数,**通解里的方向向量尽量化整**,便于验算。参数换元($t=2k$ )不改变解集,只改变参数化方式。
> **关联** · 盘点 [§3.1 非齐次解的结构定理](01-知识点盘点.md#user-content-31-非齐次解的结构定理) | 上游 — | 下游 [点 3 题 2](04-点3-非齐次通解与解的性质.md#user-content-题-2--31结构定理的完整证明) | 速查 [四 非齐次结构](10-速查卡.md#user-content-四-非齐次结构)
---
### 题 2 · 3.1:结构定理的完整证明(★★★)
> 设 $A$ 为 $m\times n$ 矩阵,$b\ne0$ ,$\eta_0$ 是 $Ax=b$ 的一个解,$\xi_1,\dots,\xi_{n-r}$ 是 $Ax=0$ 的基础解系($r=r(A)$ )。证明:$Ax=b$ 的全部解恰为
>
> $$x=\eta_0+k_1\xi_1+\cdots+k_{n-r}\xi_{n-r}\qquad(k_i\in\mathbb{R}).$$
**怎么想**:证"集合相等"分两个方向。**包含 $\supseteq$ **:右边每个都是解(代入即可)。**包含 $\subseteq$ **:任取一个解 $x$ ,证 $x-\eta_0$ 是齐次解,从而能被基础解系表示。
**解**:
**(一)右边每个向量都是解。** 任取 $k_1,\dots,k_{n-r}$ ,令 $x=\eta_0+\sum k_i\xi_i$ ,则
$$Ax=A\eta_0+\sum k_iA\xi_i=b+\sum k_i\cdot0=b .$$
**(二)$Ax=b$ 的任一解都在右边。** 设 $x$ 满足 $Ax=b$ ,则
$$A(x-\eta_0)=Ax-A\eta_0=b-b=0,$$
即 $x-\eta_0$ 是 $Ax=0$ 的解。由基础解系的定义(任一解都可由它表示),存在 $k_1,\dots,k_{n-r}$ 使
$$x-\eta_0=\sum_{i=1}^{n-r}k_i\xi_i,\qquad\text{即}\quad x=\eta_0+\sum_{i=1}^{n-r}k_i\xi_i .$$
两个方向合起来,解集恰为所述形式。
**带走结论**:这个证明里**没有用到 $A$ 的任何具体信息**,只用了"$A$ 是线性的"与"基础解系生成全部齐次解"。所以结构定理对**任何**线性方程组都成立——包括抽象矩阵、含参矩阵。
> **关联** · 盘点 [§3.1 非齐次解的结构定理](01-知识点盘点.md#user-content-31-非齐次解的结构定理) | 上游 [点 3 题 1](04-点3-非齐次通解与解的性质.md#user-content-题-1--31两方程三未知求通解) | 下游 — | 速查 [四 非齐次结构](10-速查卡.md#user-content-四-非齐次结构)
---
### 题 3 · 3.2:解的组合哪一个是解(★☆☆)
> 设 $\eta_1,\eta_2$ 是 $Ax=b$ ($b\ne0$ )的解,$\xi$ 是 $Ax=0$ 的解。则下列向量中**一定**是 $Ax=b$ 的解的是( )。
>
> (A)$\eta_1+\eta_2$  (B)$\eta_1-\eta_2$  (C)$\eta_1+\xi$  (D)$2\eta_1$
**怎么想**:套 $A\big(\sum k_i\eta_i\big)=(\sum k_i)b$ ,把每个选项的"系数和"算出来,看是否等于 1(且不含齐次部分是 0)。
**解**:(A)$A(\eta_1+\eta_2)=b+b=2b\ne b$ ,不是。(B)$A(\eta_1-\eta_2)=b-b=0$ ,是**齐次**解,不是非齐次解。(C)$A(\eta_1+\xi)=b+0=b$ ,**是**解。(D)$A(2\eta_1)=2b\ne b$ ,不是。
答案 **(C)** 。
**带走结论**:非齐次解的**系数和必须为 1**。这条比"看起来像解"可靠得多——加一个齐次解不改变非齐次性,是唯一的"自由操作"。
> **关联** · 盘点 [§3.2 解的组合性质](01-知识点盘点.md#user-content-32-解的组合性质) | 上游 — | 下游 [点 3 题 4](04-点3-非齐次通解与解的性质.md#user-content-题-4--32解的组合性质的一般证明) | 速查 [四 非齐次结构](10-速查卡.md#user-content-四-非齐次结构)
---
### 题 4 · 3.2:解的组合性质的一般证明(★★★)
> 设 $\eta_1,\eta_2,\dots,\eta_s$ 都是 $Ax=b$ ($b\ne0$ )的解。证明:
>
> (Ⅰ)$k_1\eta_1+\cdots+k_s\eta_s$ 是 $Ax=b$ 的解 $\iff k_1+\cdots+k_s=1$ ;
> (Ⅱ)$k_1\eta_1+\cdots+k_s\eta_s$ 是 $Ax=0$ 的解 $\iff k_1+\cdots+k_s=0$ 。
**怎么想**:一次计算同时给出两个方向——把 $A$ 作用上去,左边恒等于 $(\sum k_i)b$ ,右边是 $b$ 或 $0$ ,比较系数即可。**$b\ne0$ 是关键**:若 $b=0$ 就没有这个区分。
**解**:由线性性,
$$A\Big(\sum_{i=1}^{s}k_i\eta_i\Big)=\sum_{i=1}^{s}k_iA\eta_i=\sum_{i=1}^{s}k_ib=\Big(\sum_{i=1}^{s}k_i\Big)b .$$
(Ⅰ)设 $\sigma=\sum k_i$ 。该向量是 $Ax=b$ 的解 $\iff\sigma b=b\iff(\sigma-1)b=0$ 。因 $b\ne0$ ,故 $\iff\sigma=1$ 。
(Ⅱ)同理,是 $Ax=0$ 的解 $\iff\sigma b=0\iff\sigma=0$ (用 $b\ne0$ )。
两个方向都已包含在上述等价链里,证毕。
**带走结论**:整道题只有一个式子 $A\big(\sum k_i\eta_i\big)=\big(\sum k_i\big)b$ 。**记住它,两个结论都是它的推论**。其中 $b\ne0$ 不可省——若 $b=0$ ,所有系数和都给齐次解,结论(Ⅰ)就不成立。
> **关联** · 盘点 [§3.2 解的组合性质](01-知识点盘点.md#user-content-32-解的组合性质) | 上游 [点 3 题 3](04-点3-非齐次通解与解的性质.md#user-content-题-3--32解的组合哪一个是解) | 下游 — | 速查 [四 非齐次结构](10-速查卡.md#user-content-四-非齐次结构)
---
### 题 5 · 3.3:秩为 1 时由三个解写通解(★★☆)
> 设 $A$ 为 $3\times3$ 矩阵,$r(A)=1$ ,且
>
> $$\eta_1=(1,1,1)^{\mathrm T},\quad\eta_2=(2,0,1)^{\mathrm T},\quad\eta_3=(1,2,3)^{\mathrm T}$$
>
> 都是 $Ax=b$ 的解。求 $Ax=b$ 的通解。
**怎么想**:$n-r=3-1=2$ ,需要 2 个无关齐次解。三个非齐次解两两作差得 2 个差(以 $\eta_1$ 为基准),**正好够数**,再验证无关。
**解**:由题 4 的结论,两解之差是齐次解:
$$\xi_1=\eta_2-\eta_1=(1,-1,0)^{\mathrm T},\qquad \xi_2=\eta_3-\eta_1=(0,1,2)^{\mathrm T}.$$
$\xi_1,\xi_2$ 不成比例(前两个分量 $(1,-1)$ 与 $(0,1)$ 不成比例),故线性无关。个数 $2=n-r(A)$ 恰好,构成基础解系。
通解
$$x=\eta_1+k_1\xi_1+k_2\xi_2=\begin{pmatrix}1\\1\\1\end{pmatrix}+k_1\begin{pmatrix}1\\-1\\0\end{pmatrix}+k_2\begin{pmatrix}0\\1\\2\end{pmatrix}\qquad(k_1,k_2\in\mathbb{R}).$$
**验算**:$\xi_1,\xi_2$ 都是齐次解已验证;$\eta_1$ 是非齐次解已给。若 $A=\alpha\beta^{\mathrm T}$ 且 $\beta^{\mathrm T}\eta_1=1$ 型,可具体构造验证(略)。
**带走结论**:三个非齐次解 $\Rightarrow$ 两个齐次解。$n-r=2$ 时刚好够用——这是命题人设计"给三个解"的原因。**差的个数 $s-1$ 必须 $\geqslant n-r$ **,否则信息不足。
> **关联** · 盘点 [§3.3 由已知解构造通解](01-知识点盘点.md#user-content-33-由已知解构造通解) | 上游 — | 下游 [点 3 题 6](04-点3-非齐次通解与解的性质.md#user-content-题-6--33解空间一维时用和凑差) | 速查 [五 由已知解凑通解](10-速查卡.md#user-content-五-由已知解凑通解)
---
### 题 6 · 3.3:解空间一维时用"和"凑差(★★★)
> 【2025·21 骨架】设四元非齐次线性方程组 $Ax=b$ 的系数矩阵满足 $r(A)=3$ ,且 $\eta_1,\eta_2,\eta_3$ 是它的三个解向量,其中
>
> $$\eta_1=(1,2,3,4)^{\mathrm T},\qquad \eta_2+\eta_3=(4,6,8,10)^{\mathrm T}.$$
>
> 求 $Ax=b$ 的通解。
**怎么想**:$n-r=4-3=1$ ,**只需一个**非零齐次解。但题目给的是 $\eta_2+\eta_3$ 而不是 $\eta_2-\eta_1$ 或 $\eta_3-\eta_1$ ——不能直接相减。用组合性质:$\eta_2+\eta_3$ 的系数和为 2,减去 $2\eta_1$ 后系数和为 $2-2=0$ ,正是齐次解。
**解**:由题 4,$\eta_2+\eta_3-2\eta_1$ 是齐次解。计算:
$$\eta_2+\eta_3-2\eta_1=(4,6,8,10)^{\mathrm T}-(2,4,6,8)^{\mathrm T}=(2,2,2,2)^{\mathrm T}=2(1,1,1,1)^{\mathrm T}.$$
故 $\xi=(1,1,1,1)^{\mathrm T}$ 是 $Ax=0$ 的非零解。由 $n-r=1$ ,$\{\xi\}$ 即基础解系。
通解
$$x=\eta_1+k\xi=\begin{pmatrix}1\\2\\3\\4\end{pmatrix}+k\begin{pmatrix}1\\1\\1\\1\end{pmatrix}\qquad(k\in\mathbb{R}).$$
**验算**:$A\xi=A\big(\frac12(\eta_2+\eta_3-2\eta_1)\big)=\frac12(b+b-2b)=0$ ✓;$\eta_1$ 是解已给。
**带走结论**:遇到"和"或"倍数"形式的已知解,**先算系数和**:和不为 1 就用减法调整到 1(得非齐次解)或 0(得齐次解)。$\eta_2+\eta_3$ 系数和 2,减 $2\eta_1$ 后归零——这一步是本题唯一的技术点。
> **关联** · 盘点 [§3.3 由已知解构造通解](01-知识点盘点.md#user-content-33-由已知解构造通解) | 上游 [点 3 题 5](04-点3-非齐次通解与解的性质.md#user-content-题-5--33秩为-1-时由三个解写通解) | 下游 — | 速查 [五 由已知解凑通解](10-速查卡.md#user-content-五-由已知解凑通解)
---
@@ -0,0 +1,224 @@
---
tags: [数学一, 在学练习, 线性代数, 线性方程组, 含参讨论]
专题: 线性代数 第4讲 · 点4 含参方程组的分类讨论
日期: 2026-10-24
状态: 知识点带题(4.1 方阵分根、4.2 非方阵消元、4.3 书写规范,5 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 4 含参方程组的分类讨论
> 真题锚点:支撑 2016·20、2025·15|重要度 ★★★
> 依赖:点 1 的三分类、点 2 的基础解系。盘点对应:§4 全节。
**组织原则**:先列知识点(方阵路线 → 非方阵路线 → 书写规范),再逐一对应出题。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
## 知识点 4.1 含参方阵的行列式分根(出处:[知识章 linear-equations-system.tex §5](../../../../参考仓库/Math/linear-algebra/knowledge/4-linear-equations-system/linear-equations-system.tex))
$m=n$ 时算 $\lvert A\rvert$ (关于参数的多项式):$\lvert A\rvert\ne0$ 唯一解;$\lvert A\rvert=0$ 解出**全部根**,每个根单独代回增广矩阵,比 $r(A)$ 与 $r(A\mid b)$ 。
若参数只在个别位置,也可**直接消元**,在除参数之前分情况:如 $(a-1)y=c-1$ 不能直接除 $a-1$ 。
## 知识点 4.2 含参非方阵的直接消元(出处:[知识章 linear-equations-system.tex §5](../../../../参考仓库/Math/linear-algebra/knowledge/4-linear-equations-system/linear-equations-system.tex))
$m\ne n$ 时**不能算行列式**,只能消元,逐个参数值比较 $r(A)$ 与 $r(A\mid b)$ 。参数消元后通常集中到一个元素上,按"该元素是否为零"分类即可。
## 知识点 4.3 三分类的书写规范(出处:[练习章 linear-equations-system.tex](../../../../参考仓库/Math/linear-algebra/exercise/4-linear-equations-system/linear-equations-system.tex))
必须写全三档并交代依据:
```
① a ∉ {根}:|A| ≠ 0 → 唯一解(写出解)
② a = 根1 :代回 → r(A)=r(A|b)=r → 无穷多解,通解 ......
③ a = 根2 :代回 → r(A) < r(A|b) → 无解
```
**三个高频扣分点**:失根(分解不彻底)、只代一个根、无解与无穷多混写。
---
## 题目(按知识点顺序对应)
### 题 1 · 4.1:二阶含参,三种情形各现一次(★★☆)
> 讨论 $a$ 取何值时方程组
>
> $$\begin{cases}ax_1+x_2=1,\\x_1+ax_2=1\end{cases}$$
>
> 有唯一解、无解、无穷多解;有解时求出解。
**怎么想**:方阵,算 $\lvert A\rvert=a^2-1=(a-1)(a+1)$ 。**两个根必须分别代回**——本题两根恰好对应两种不同坏情形,是最好的示范。
**解**:$D=\begin{vmatrix}a&1\\1&a\end{vmatrix}=a^2-1=(a-1)(a+1)$ 。
**① $a\ne1$ 且 $a\ne-1$ ** :$D\ne0$ ,唯一解。用克拉默或消元:
$$x_1=x_2=\frac{1}{a+1}\quad\left(\text{因 }(a+1)x_1=1\right).$$
**② $a=1$ ** :方程组变成同一个式子 $x_1+x_2=1$ 重复两遍,
$$\left(\begin{array}{cc|c}1&1&1\\1&1&1\end{array}\right)\longrightarrow\left(\begin{array}{cc|c}1&1&1\\0&0&0\end{array}\right),$$
$r(A)=r(A\mid b)=1<2$ ,**无穷多解**,通解
$$x=\begin{pmatrix}1\\0\end{pmatrix}+k\begin{pmatrix}-1\\1\end{pmatrix}\qquad(k\in\mathbb{R}).$$
**③ $a=-1$ ** :
$$\left(\begin{array}{cc|c}-1&1&1\\1&-1&1\end{array}\right)\xrightarrow{r_2+r_1}\left(\begin{array}{cc|c}-1&1&1\\0&0&2\end{array}\right),$$
第二行 $0=2$ 矛盾,$r(A)=1<2=r(A\mid b)$ ,**无解**。
**验算**:$a=0$ 时 $x_1=x_2=1$ ,代回 $0\cdot1+1=1$ ✓、$1+0=1$ ✓。
**带走结论**:$a=1$ 给无穷多(秩掉到 1),$a=-1$ 给无解(秩升 1)——**同样 $\lvert A\rvert=0$ ,结局相反**。这就是"只写 $\lvert A\rvert=0$ 所以不能唯一解"拿不到分的原因。
> **关联** · 盘点 [§4.1 含参方阵的行列式分根](01-知识点盘点.md#user-content-41-含参方阵的行列式分根) | 上游 — | 下游 [点 4 题 2](05-点4-含参方程组的分类讨论.md#user-content-题-2--41三阶对称含参完整三分类)、[点 4 题 3](05-点4-含参方程组的分类讨论.md#user-content-题-3--41由有无穷多解反求参数) | 速查 [六 含参三分类的书写规范](10-速查卡.md#user-content-六-含参三分类的书写规范)
---
### 题 2 · 4.1:三阶对称含参,完整三分类(★★★)
> 设
>
> $$A=\begin{pmatrix}1&1&a\\1&a&1\\a&1&1\end{pmatrix},\qquad b=\begin{pmatrix}1\\1\\1\end{pmatrix}.$$
>
> 讨论 $a$ 取何值时 $Ax=b$ 有唯一解、无解、无穷多解。
**怎么想**:各行之和都是 $a+2$ ,又是对称矩阵,行列式必然是 $(\lambda+2)(\lambda-1)^2$ 型。先提公因子再降阶,能一次分解到底。
**解**:各行元素之和为 $a+2$ ,把第 2、3 列加到第 1 列并提公因子:
$$\lvert A\rvert=(a+2)\begin{vmatrix}1&1&a\\1&a&1\\1&1&1\end{vmatrix}\xrightarrow{\begin{subarray}{c}r_2-r_1\\r_3-r_1\end{subarray}}(a+2)\begin{vmatrix}1&1&a\\0&a-1&1-a\\0&0&1-a\end{vmatrix}=(a+2)(a-1)(1-a)$$
即 $\lvert A\rvert=-(a+2)(a-1)^2$ 。
**① $a\ne1$ 且 $a\ne-2$ ** :$\lvert A\rvert\ne0$ ,**唯一解**。
**② $a=1$ ** :三行全为 $(1,1,1)$ ,
$$[A\mid b]\longrightarrow\left(\begin{array}{ccc|c}1&1&1&1\\0&0&0&0\\0&0&0&0\end{array}\right),$$
$r(A)=r(A\mid b)=1<3$ ,**无穷多解**,$3-1=2$ 个参数。方程为 $x_1+x_2+x_3=1$ :
$$x=\begin{pmatrix}1\\0\\0\end{pmatrix}+k_1\begin{pmatrix}-1\\1\\0\end{pmatrix}+k_2\begin{pmatrix}-1\\0\\1\end{pmatrix}.$$
**③ $a=-2$ ** :
$$[A\mid b]=\left(\begin{array}{ccc|c}1&1&-2&1\\1&-2&1&1\\-2&1&1&1\end{array}\right)\xrightarrow{\begin{subarray}{c}r_2-r_1\\r_3+2r_1\end{subarray}}\left(\begin{array}{ccc|c}1&1&-2&1\\0&-3&3&0\\0&3&-3&3\end{array}\right)$$
$$\xrightarrow{r_3+r_2}\left(\begin{array}{ccc|c}1&1&-2&1\\0&-3&3&0\\0&0&0&3\end{array}\right).$$
最后一行 $0=3$ 矛盾,$r(A)=2<3=r(A\mid b)$ ,**无解**。
**验算**:$a=0$ 时 $\lvert A\rvert=-(2)(1)=-2\ne0$ ,唯一解存在 ✓。
**带走结论**:**重根 $a=1$ 处秩掉得更狠**(掉到 1,解空间 2 维),单根 $a=-2$ 处只掉到 2。同一个 $\lvert A\rvert=0$ 的不同根,性质完全不同,必须逐个代回。
> **关联** · 盘点 [§4.1 含参方阵的行列式分根](01-知识点盘点.md#user-content-41-含参方阵的行列式分根) | 上游 [点 4 题 1](05-点4-含参方程组的分类讨论.md#user-content-题-1--41二阶含参三种情形各现一次) | 下游 [点 4 题 3](05-点4-含参方程组的分类讨论.md#user-content-题-3--41由有无穷多解反求参数) | 速查 [六 含参三分类的书写规范](10-速查卡.md#user-content-六-含参三分类的书写规范)
---
### 题 3 · 4.1:由"有无穷多解"反求参数(★★☆)
> 设
>
> $$A=\begin{pmatrix}1&1&1\\1&a&1\\1&1&a\end{pmatrix},\qquad b=\begin{pmatrix}1\\1\\1\end{pmatrix}.$$
>
> 已知 $Ax=b$ 有无穷多解,求 $a$ 的值,并写出通解。
**怎么想**:先由"有无穷多解"推 $\lvert A\rvert=0$ 求候选值,再**代回验证**——候选值可能实际是"无解",必须验。这是反求题的固定两步。
**解**:
$$\lvert A\rvert=\begin{vmatrix}1&1&1\\1&a&1\\1&1&a\end{vmatrix}=1(a^2-1)-1(a-1)+1(1-a)=a^2-2a+1=(a-1)^2 .$$
$\lvert A\rvert=0\Rightarrow a=1$ (二重根)。**代回**:
$$[A\mid b]=\left(\begin{array}{ccc|c}1&1&1&1\\1&1&1&1\\1&1&1&1\end{array}\right)\longrightarrow\left(\begin{array}{ccc|c}1&1&1&1\\0&0&0&0\\0&0&0&0\end{array}\right),$$
$r(A)=r(A\mid b)=1<3$ ,确为**无穷多解**,$a=1$ 成立。
通解:$x_1+x_2+x_3=1$ ,
$$x=\begin{pmatrix}1\\0\\0\end{pmatrix}+k_1\begin{pmatrix}-1\\1\\0\end{pmatrix}+k_2\begin{pmatrix}-1\\0\\1\end{pmatrix}\qquad(k_1,k_2\in\mathbb{R}).$$
**验算**:$a=1$ 时 $A(1,0,0)^{\mathrm T}=(1,1,1)^{\mathrm T}=b$ ✓。
**带走结论**:反求参数**必须代回验证**。含参题里"$\lvert A\rvert=0$ "只是**必要条件**,某一根完全可能对应"无解"而不是"无穷多解"(对比题 2 的 $a=-2$ )。
> **关联** · 盘点 [§4.1 含参方阵的行列式分根](01-知识点盘点.md#user-content-41-含参方阵的行列式分根) | 上游 [点 4 题 1](05-点4-含参方程组的分类讨论.md#user-content-题-1--41二阶含参三种情形各现一次)、[点 4 题 2](05-点4-含参方程组的分类讨论.md#user-content-题-2--41三阶对称含参完整三分类) | 下游 — | 速查 [六 含参三分类的书写规范](10-速查卡.md#user-content-六-含参三分类的书写规范)
---
### 题 4 · 4.2:非方阵含参,只能消元(★★★)
> 讨论 $a$ 取何值时方程组
>
> $$\begin{cases}x_1+x_2+x_3=1,\\x_1+2x_2+3x_3=2,\\x_1+4x_2+ax_3=3,\\2x_1+3x_2+4x_3=3\end{cases}$$
>
> 有解;有解时求出通解。
**怎么想**:$4\times3$ **非方阵**,行列式无从谈起。前两个方程已经确定 $x_1,x_2$ 与 $x_3$ 的关系,第三、四个是否"配合"才是关键。先消前两行定基础解,再看后两行的相容性。
**解**:对增广矩阵作行变换($4\times4$ ):
$$\left(\begin{array}{ccc|c}1&1&1&1\\1&2&3&2\\1&4&a&3\\2&3&4&3\end{array}\right)\xrightarrow{\begin{subarray}{c}r_2-r_1\\r_3-r_1\\r_4-2r_1\end{subarray}}\left(\begin{array}{ccc|c}1&1&1&1\\0&1&2&1\\0&3&a-1&2\\0&1&2&1\end{array}\right)$$
$$\xrightarrow{\begin{subarray}{c}r_3-3r_2\\r_4-r_2\end{subarray}}\left(\begin{array}{ccc|c}1&1&1&1\\0&1&2&1\\0&0&a-7&-1\\0&0&0&0\end{array}\right).$$
第四行整行为零(第四个方程是前两个的组合),不影响结论。
**① $a\ne7$ ** :$r(A)=r(A\mid b)=3=n$ ,**唯一解**。
**② $a=7$ ** :第三行变成 $(0,0,0\mid-1)$ ,即 $0=-1$ 矛盾,$r(A)=2<3=r(A\mid b)$ ,**无解**。
**求 $a\ne7$ 时的解**:由第三行 $(a-7)x_3=-1$ 得 $x_3=-\frac{1}{a-7}=\frac{1}{7-a}$ ;回代第二行 $x_2+2x_3=1$ 得 $x_2=1-\frac{2}{7-a}=\frac{5-a}{7-a}$ ;再回代 $x_1+x_2+x_3=1$ 得 $x_1=1-\frac{5-a}{7-a}-\frac{1}{7-a}=\frac{7-a-5+a-1}{7-a}=\frac{1}{7-a}$ 。
$$x=\frac{1}{7-a}\begin{pmatrix}1\\5-a\\1\end{pmatrix}.$$
**验算**:取 $a=6$ ,$x=(1,-1,1)^{\mathrm T}$ 。代回四式:$1-1+1=1$ ✓;$1-2+3=2$ ✓;$1-4+6=3$ ✓;$2-3+4=3$ ✓。
**带走结论**:非方阵题**不能提行列式**,但"化阶梯形 + 看最后几行的相容性"是同一套动作。本题参数只出现在 $(3,3)$ 位置,消元后自动聚成 $a-7$ ,按它是否为零分类即可。
> **关联** · 盘点 [§4.2 含参非方阵的直接消元](01-知识点盘点.md#user-content-42-含参非方阵的直接消元) | 上游 — | 下游 — | 速查 [六 含参三分类的书写规范](10-速查卡.md#user-content-六-含参三分类的书写规范)
---
### 题 5 · 4.3:分解不彻底就会失根(★★★)
> 讨论 $a$ 取何值时方程组
>
> $$\begin{cases}ax_1+x_2+x_3=1,\\x_1+ax_2+x_3=1,\\x_1+x_2+ax_3=1\end{cases}$$
>
> 有唯一解、无解、无穷多解。
**怎么想**:这是"行和相等"型的又一个变体,每行之和 $a+2$ 。若只把行列式写成 $(a-1)(a^2+2a+1)$ 而不继续分解,就会漏掉 $a=-2$ 这个根——**这正是失根的典型现场**。
**解**:各行之和为 $a+2$ ,第 2、3 列加到第 1 列再提公因子:
$$\lvert A\rvert=(a+2)\begin{vmatrix}1&1&1\\1&a&1\\1&1&a\end{vmatrix}\xrightarrow{\begin{subarray}{c}r_2-r_1\\r_3-r_1\end{subarray}}(a+2)\begin{vmatrix}1&1&1\\0&a-1&0\\0&0&a-1\end{vmatrix}=(a+2)(a-1)^2 .$$
**必须分解到每个实根都露面**:$a=1$ (二重)与 $a=-2$ 。
**① $a\ne1$ 且 $a\ne-2$ ** :$\lvert A\rvert\ne0$ ,**唯一解**。由对称性 $x_1=x_2=x_3=\frac{1}{a+2}$ (因 $(a+2)x_1=1$ ,验证:三式相加得 $(a+2)(x_1+x_2+x_3)=3$ )。
实际解为 $x_i=\dfrac{1}{a+2}$ :代回第 1 式 $\dfrac{a+1+1}{a+2}=1$ ✓。
**② $a=1$ ** :三行全为 $(1,1,1)$ 且右边全为 1,$r(A)=r(A\mid b)=1<3$ ,**无穷多解**,通解 $x_1+x_2+x_3=1$ :
$$x=\begin{pmatrix}1\\0\\0\end{pmatrix}+k_1\begin{pmatrix}-1\\1\\0\end{pmatrix}+k_2\begin{pmatrix}-1\\0\\1\end{pmatrix}.$$
**③ $a=-2$ ** :
$$[A\mid b]=\left(\begin{array}{ccc|c}-2&1&1&1\\1&-2&1&1\\1&1&-2&1\end{array}\right)\xrightarrow{\text{行变换}}\left(\begin{array}{ccc|c}1&0&-1&0\\0&1&-1&0\\0&0&0&1\end{array}\right),$$
末行 $0=1$ 矛盾,$r(A)=2<3=r(A\mid b)$ ,**无解**。
**验算**:$a=0$ 时 $x_i=\frac12$ ,代回 $0+\frac12+\frac12=1$ ✓。
**带走结论**:$a=-2$ 这一档**只有分解到 $a+2$ 才会浮现**;漏掉它,整道题的第三档就消失了。行和相等型的行列式一定含因子 $(a+\text{行和系数})$ ——**先把公因子提出来,再处理剩下的部分**,天然防失根。
> **关联** · 盘点 [§4.3 三分类的书写规范](01-知识点盘点.md#user-content-43-三分类的书写规范) | 上游 — | 下游 — | 速查 [六 含参三分类的书写规范](10-速查卡.md#user-content-六-含参三分类的书写规范)
---
@@ -0,0 +1,170 @@
---
tags: [数学一, 在学练习, 线性代数, 线性方程组, 几何意义]
专题: 线性代数 第4讲 · 点5 解的几何意义
日期: 2026-10-24
状态: 知识点带题(5.1 三元方程与平面、5.2 位置关系表、5.3 三棱柱,5 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 5 解的几何意义
> 真题锚点:2019·6、2024·5、2025·6(十年 **14 分**,全为选择)|重要度 ★★★
> 依赖:点 1 的秩判据。盘点对应:§5 全节。
**组织原则**:先列知识点(平面 → 位置关系表 → 三棱柱),再逐一对应出题。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
## 知识点 5.1 三元方程与平面(出处:[知识章 linear-equations-system.tex §6](../../../../参考仓库/Math/linear-algebra/knowledge/4-linear-equations-system/linear-equations-system.tex))
$a_ix+b_iy+c_iz=d_i$ 表示一个平面,**前提是 $(a_i,b_i,c_i)\ne(0,0,0)$ ** 。法向量 $n_i=(a_i,b_i,c_i)$ 。三个平面联立即求**公共点集**。
## 知识点 5.2 三平面位置关系表(出处:[知识章 linear-equations-system.tex §6](../../../../参考仓库/Math/linear-algebra/knowledge/4-linear-equations-system/linear-equations-system.tex))
| $r(A)$ | $r(A\mid b)$ | 公共交集 | 几何描述 |
|---|---|---|---|
| 3 | 3 | **一个点** | 三平面交于一点 |
| 2 | 2 | **一条直线** | 三平面共一条直线(平面束) |
| 1 | 1 | **一个平面** | 三平面完全重合 |
| 2 | 3 | **空集** | 无公共点(三棱柱或两平行) |
| 1 | 2 | **空集** | 至少两平面平行且不重合 |
交集维数 $=3-r(A)$ (有公共点时)。
**最大的坑**:$r(A)=2,\ r(A\mid b)=3$ **只保证没有公共点,不保证两两相交**。必须额外验"任意两法向量不成比例"才能断言三棱柱。
## 知识点 5.3 三棱柱与两两相交(出处:[练习章 linear-equations-system.tex](../../../../参考仓库/Math/linear-algebra/exercise/4-linear-equations-system/linear-equations-system.tex))
**三棱柱**(两两相交、三条交线平行、无公共点)的完整条件:
$$r(A)=2,\quad r(A\mid b)=3,\quad \text{任意两法向量不成比例}.$$
**记忆锚点**:秩管"有没有公共点",法向量比例管"两两什么关系",**两件事分开验**。
---
## 题目(按知识点顺序对应)
### 题 1 · 5.1:有公共点时三种情形(★☆☆)
> 设三个平面 $\pi_i:a_ix+b_iy+c_iz=d_i$ ($i=1,2,3$ ),系数矩阵为 $A$ ,增广矩阵为 $(A,b)$ 。填空:
>
> (Ⅰ)若 $r(A)=r(A,b)=3$ ,三平面公共部分是______;
> (Ⅱ)若 $r(A)=r(A,b)=2$ ,公共部分是______;
> (Ⅲ)若 $r(A)=r(A,b)=1$ ,公共部分是______。
**怎么想**:有公共点时,交集维数 $=3-r(A)$ ——这是自由参数个数的几何版本,直接套。
**解**:(Ⅰ)$3-3=0$ 维,是**一个点**;(Ⅱ)$3-2=1$ 维,是**一条直线**;(Ⅲ)$3-1=2$ 维,是**一个平面**(三平面完全重合)。
**带走结论**:$3-r(A)$ 就是交集维数:0 维点、1 维线、2 维面。三档一一对应,**不需要背表**,只需记住这个公式。
> **关联** · 盘点 [§5.1 三元方程与平面](01-知识点盘点.md#user-content-51-三元方程与平面) | 上游 — | 下游 — | 速查 [七 三平面位置关系](10-速查卡.md#user-content-七-三平面位置关系)
---
### 题 2 · 5.2:秩均为 2 时的几何含义(★★☆)
> 【2024·5 骨架】设三个平面
>
> $$\pi_i:\ a_{i1}x+a_{i2}y+a_{i3}z=b_i\quad(i=1,2,3)$$
>
> 的系数矩阵为 $A$ ,增广矩阵为 $(A,b)$ 。若 $r(A)=r(A,b)=2$ ,则三平面的位置关系是( )。
>
> (A)交于一点 (B)交于一条直线 (C)两两相交但无公共点 (D)相互平行且不重合
**怎么想**:秩相等 $\Rightarrow$ 有公共点;$r=2<3$ $\Rightarrow$ 交集不止一点。两条合起来只能是一条直线。
**解**:$r(A)=r(A,b)$ 说明方程组**有解**(有公共点);$r=2$ 说明自由参数 $3-2=1$ 个,交集是 1 维的,即**一条直线**。
答案 **(B)** 。
**排除其他**:(A)需要 $r(A)=3$ ;(C)(D)都要求**无公共点**,与 $r(A)=r(A,b)$ 矛盾。
**带走结论**:**先看秩是否相等定"有没有公共点",再看 $3-r(A)$ 定"公共部分是什么"**。两步顺序固定,答案唯一。
> **关联** · 盘点 [§5.2 三平面位置关系表](01-知识点盘点.md#user-content-52-三平面位置关系表) | 上游 — | 下游 [点 5 题 3](06-点5-解的几何意义.md#user-content-题-3--52秩不等时的两种可能) | 速查 [七 三平面位置关系](10-速查卡.md#user-content-七-三平面位置关系)
---
### 题 3 · 5.2:秩不等时的两种可能(★★☆)
> 【2025·6 骨架】条件同题 2。若 $r(A)=2$ ,$r(A,b)=3$ ,且任意两个平面的法向量不成比例,则三平面的位置关系是( )。
>
> (A)交于一点 (B)交于一条直线 (C)两两相交但无公共点 (D)三个平面完全重合
**怎么想**:$r(A)<r(A,b)$ $\Rightarrow$ 无公共点,排除(A)(B)(D)。(D)本来就要求三平面重合,那 $r(A)=1$ 。条件里"法向量两两不成比例"进一步排除"有平面平行",剩下的就是三棱柱。
**解**:$r(A)=2<3=r(A,b)$ ,方程组**无解**,三平面**无公共点**。
"任意两法向量不成比例" $\Rightarrow$ 任意两个平面**不平行** $\Rightarrow$ 两两相交。
两两相交 + 无公共点 $\Rightarrow$ 三条交线互相平行,构成**三棱柱**的侧面。答案 **(C)** 。
**带走结论**:**没有"法向量不成比例"这个条件,(C)就不能选**——因为可能出现两平面平行(见题 5)。命题人加这句话就是为了封住这个漏洞。
> **关联** · 盘点 [§5.2 三平面位置关系表](01-知识点盘点.md#user-content-52-三平面位置关系表) | 上游 [点 5 题 2](06-点5-解的几何意义.md#user-content-题-2--52秩均为-2-时的几何含义) | 下游 — | 速查 [七 三平面位置关系](10-速查卡.md#user-content-七-三平面位置关系)
---
### 题 4 · 5.3:三棱柱的参数条件(★★★)
> 设
>
> $$\pi_1:x+y+z=1,\qquad\pi_2:x+2y+3z=2,\qquad\pi_3:x+4y+az=b .$$
>
> (Ⅰ)求 $a,b$ 满足的条件,使三个平面**两两相交但没有公共点**(构成三棱柱);
> (Ⅱ)$a=7$ 、$b=4$ 时,三个平面的位置关系是什么?
**怎么想**:三棱柱要三条同时成立——① 无公共点($r(A)<r(A\mid b)$ );② $r(A)=2$ (否则交集维数不对);③ 两两不平行(法向量两两不成比例)。先由 ② 定 $a$ ,再由 ① 定 $b$ ,最后验 ③。
**解**:先算 $\lvert A\rvert$ 定 $r(A)$ 何时为 2:
$$\lvert A\rvert=\begin{vmatrix}1&1&1\\1&2&3\\1&4&a\end{vmatrix}=1(2a-12)-1(a-3)+1(4-2)=a-7 .$$
**(Ⅰ)** $\lvert A\rvert=0\Rightarrow a=7$ ,此时 $r(A)\leqslant2$ ;又左上角二阶子式 $\begin{vmatrix}1&1\\1&2\end{vmatrix}=1\ne0$ ,故 $r(A)=2$ 。
$r(A)=2$ 时的增广矩阵:
$$[A\mid b]=\left(\begin{array}{ccc|c}1&1&1&1\\1&2&3&2\\1&4&7&b\end{array}\right)\xrightarrow{\begin{subarray}{c}r_2-r_1\\r_3-r_1\end{subarray}}\left(\begin{array}{ccc|c}1&1&1&1\\0&1&2&1\\0&3&6&b-1\end{array}\right)\xrightarrow{r_3-3r_2}\left(\begin{array}{ccc|c}1&1&1&1\\0&1&2&1\\0&0&0&b-4\end{array}\right).$$
无公共点要求 $b-4\ne0$ ,即 $b\ne4$ ,此时 $r(A\mid b)=3$ 。
再验法向量:$n_1=(1,1,1)$ 、$n_2=(1,2,3)$ 、$n_3=(1,4,7)$ ,两两均不成比例 ✓。
故 **$a=7$ 且 $b\ne4$ ** 时三平面构成三棱柱。
**(Ⅱ)** $a=7,\ b=4$ :最后一行变成 $0=0$ ,$r(A)=r(A\mid b)=2<3$ ,**三平面交于一条直线**($\dim=3-2=1$ )。
**验算**:(Ⅱ)中 $b=4$ 时 $\pi_3=\pi_1+3(\pi_2-\pi_1)=3\pi_2-2\pi_1$ ,确实是前两个的线性组合,故三平面共线(平面束)。
**带走结论**:三棱柱的**三步验证顺序**——先 $\lvert A\rvert=0$ 定 $a$ ,再看增广矩阵最后一行的常数定 $b$ ,最后验法向量不成比例。$b=4$ 恰好让第三平面落进前两平面的束里,是三棱柱退化成"共一条直线"的临界点。
> **关联** · 盘点 [§5.3 三棱柱与两两相交](01-知识点盘点.md#user-content-53-三棱柱与两两相交) | 上游 — | 下游 [点 5 题 5](06-点5-解的几何意义.md#user-content-题-5--53秩不等也可能只是平行) | 速查 [七 三平面位置关系](10-速查卡.md#user-content-七-三平面位置关系)
---
### 题 5 · 5.3:秩不等也可能只是平行(★★☆)
> 考虑三个平面
>
> $$\pi_1:x=0,\qquad\pi_2:x=1,\qquad\pi_3:y=0 .$$
>
> (Ⅰ)求 $r(A)$ 与 $r(A,b)$ ;
> (Ⅱ)说明为什么"$r(A)=2,\ r(A,b)=3$ "不能推出"两两相交但无公共点"。
**怎么想**:这是题 3 的反面教材。$\pi_1$ 与 $\pi_2$ 法向量都是 $(1,0,0)$ ,成比例 ⟹ **平行**。秩条件完全满足,几何上却不是三棱柱。
**解**:**(Ⅰ)**
$$[A\mid b]=\left(\begin{array}{ccc|c}1&0&0&0\\1&0&0&1\\0&1&0&0\end{array}\right)\xrightarrow{r_2-r_1}\left(\begin{array}{ccc|c}1&0&0&0\\0&0&0&1\\0&1&0&0\end{array}\right).$$
非零行 2 行(系数部分),但增广部分有独立的一行 $0=1$ ,故 $r(A)=2$ ,$r(A,b)=3$ 。
**(Ⅱ)** 三个平面中 $\pi_1:x=0$ 与 $\pi_2:x=1$ **互相平行**,永不相交。第三个平面 $\pi_3:y=0$ 与两者都相交,但三个平面没有公共点。
所以"秩不相等"只说明**解集为空**,没有对"两两是否相交"作任何约束。要断言三棱柱,必须补上"任意两法向量不成比例"。
**带走结论**:**秩条件与位置关系是两个独立维度**。秩给"有没有公共点",法向量比例给"两两关系"。看到 $r(A)=2,r(A,b)=3$ 就想选"三棱柱",正好踩进命题人的陷阱——**先看有没有平行的**。
> **关联** · 盘点 [§5.3 三棱柱与两两相交](01-知识点盘点.md#user-content-53-三棱柱与两两相交) | 上游 [点 5 题 4](06-点5-解的几何意义.md#user-content-题-4--53三棱柱的参数条件) | 下游 — | 速查 [七 三平面位置关系](10-速查卡.md#user-content-七-三平面位置关系)
---
@@ -0,0 +1,215 @@
---
tags: [数学一, 在学练习, 线性代数, 线性方程组, 同解]
专题: 线性代数 第4讲 · 点6 同解与公共解
日期: 2026-10-24
状态: 知识点带题(6.1 同解判据、6.2 非齐次同解、6.3 公共解,6 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 6 同解与公共解
> 真题锚点:2022·6、2025·15(选择 $+$ 填空,十年 **10 分**)|重要度 ★★★
> 依赖:点 2 的基础解系、点 4 的含参讨论。盘点对应:§6 全节。
**组织原则**:先列知识点(同解判据 → 非齐次版 → 公共解),再逐一对应出题。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
## 知识点 6.1 同解的定义与判据(出处:[知识章 linear-equations-system.tex §7](../../../../参考仓库/Math/linear-algebra/knowledge/4-linear-equations-system/linear-equations-system.tex))
**同解** = 解集完全相同。**公共解** = 两个解集的交。两个问题不同,别混。
**齐次同解判据**($A,B$ 列数相同):
$$Ax=0\ \text{与}\ Bx=0\ \text{同解}\iff r(A)=r(B)=r\binom{A}{B}.$$
**为什么不能只比 $r(A)=r(B)$ ** :两个不同方向的直线都是一维,但不是同一条直线。拼接后秩相同才保证"加上另一组方程没有减少解"。
**证明两条腿**:$Ax=0$ 的解都是 $Bx=0$ 的解 $\iff r\binom{A}{B}=r(A)$ ;反之同理。
## 知识点 6.2 非齐次同解(出处:[知识章 linear-equations-system.tex §7](../../../../参考仓库/Math/linear-algebra/knowledge/4-linear-equations-system/linear-equations-system.tex))
对两个**都有解**的方程组:
$$Ax=b_1\ \text{与}\ Bx=b_2\ \text{同解}\iff\text{齐次部分同解,且有一个公共特解}.$$
常数列**无须相同**($x=1$ 与 $2x=2$ 同解)。若两者都无解,解集同为空集,需单独说明。
## 知识点 6.3 公共解的求法(出处:[练习章 linear-equations-system.tex](../../../../参考仓库/Math/linear-algebra/exercise/4-linear-equations-system/linear-equations-system.tex))
**路线 A(联立消元)**:
$$Ax=b,\ Bx=c\iff\binom{A}{B}x=\binom{b}{c}.$$
一次消元,所得通解即公共解。
**路线 B(代入)**:先求一个的通解(含参数),代进另一个解出参数条件,**再把参数代回原通解**。
---
## 题目(按知识点顺序对应)
### 题 1 · 6.1:三个条件哪个才是同解判据(★☆☆)
> 设 $A,B$ 都是 $m\times n$ 矩阵。下列条件中,与"$Ax=0$ 与 $Bx=0$ 同解"**等价**的是( )。
>
> (A)$r(A)=r(B)$
> (B)$r(A)=r(B)$ 且 $m=n$
> (C)$r\binom{A}{B}=r(A)$
> (D)$r(A)=r(B)=r(A+B)$
**怎么想**:同解要求两个**解集相等**,等价于"任一组方程能被另一组推出"。用秩语言写,就是拼接后秩不增。
**解**:(A)**不够**。如 $x_1=0$ 与 $x_2=0$ 都是 $1\times2$ ,秩都是 1,解集却不同(前者是 $x_2$ 轴,后者是 $x_1$ 轴)。
(B)**不够**。加上"方阵"只给了形状信息,$r(A)=r(B)$ 的漏洞一条没补。
(C)**正确**。$\binom{A}{B}x=0$ 的解集必含于 $Ax=0$ 的解集;$r\binom{A}{B}=r(A)$ 说明加上 $B$ 的行**没有增加约束**,故两者解集相同。再对 $B$ 同理得 $r\binom{A}{B}=r(B)$ ,于是三个秩相等。
(D)**错误**。$r(A+B)$ 描述的是两个矩阵相加后的秩,与任何一个方程组的解集都没有直接关系。反例:$A=\binom{1\ 0}{0\ 0}$ 、$B=\binom{0\ 0}{0\ 1}$ ,$r(A)=r(B)=1$ ,但 $A+B=E$ 的秩为 2,而 $Ax=0$ 与 $Bx=0$ 显然不同解。
答案 **(C)** 。完整判据写作 $r(A)=r(B)=r\binom{A}{B}$ ,其中 $r\binom{A}{B}=r(A)$ 已隐含 $r(B)\leqslant r\binom{A}{B}=r(A)$ ,对称即得三者相等。
**带走结论**:同解判据的**核心是"拼接不增秩"**。只比 $r(A)=r(B)$ 会掉进"同维不同空间"的坑。
> **关联** · 盘点 [§6.1 同解的定义与判据](01-知识点盘点.md#user-content-61-同解的定义与判据) | 上游 — | 下游 [点 6 题 2](07-点6-同解与公共解.md#user-content-题-2--61齐次同解求参数)、[点 6 题 3](07-点6-同解与公共解.md#user-content-题-3--61同解求参数的第二个位置) | 速查 [八 同解与公共解](10-速查卡.md#user-content-八-同解与公共解)
---
### 题 2 · 6.1:齐次同解求参数(★★☆)
> 【2022·6 骨架】设
>
> $$A=\begin{pmatrix}1&1&1\\1&2&3\end{pmatrix},\qquad B=\begin{pmatrix}1&1&1\\a&3&5\end{pmatrix}.$$
>
> 求 $a$ 的值,使 $Ax=0$ 与 $Bx=0$ 同解。
**怎么想**:$A$ 的两行不成比例,$r(A)=2$ 。若 $B$ 的两行成比例(即 $(a,3,5)$ 与 $(1,1,1)$ 成比例),则 $r(B)=1<r(A)$ ,不可能同解。所以必须先让 $r(B)=2$ ,再让拼接不增秩。
**解**:$A$ 的左上角二阶子式 $\begin{vmatrix}1&1\\1&2\end{vmatrix}=1\ne0$ ,故 $r(A)=2$ 。
同解要求 $r(A)=r(B)=r\binom{A}{B}=2$ 。先看 $r(B)$ :$(a,3,5)$ 与 $(1,1,1)$ 成比例需要 $a=1$ 且 $3=1$ ,不成立,故 $a\ne$ 任何值时(只要 $a$ 使两行无关)$r(B)=2$ 。绝大多数 $a$ 都满足 $r(B)=2$ 。
关键在 $r\binom{A}{B}=2$ :把 $B$ 拼接后共 4 行,秩仍须为 2,即 $(a,3,5)$ 必须是 $(1,1,1)$ 与 $(1,2,3)$ 的线性组合。设
$$(a,3,5)=s(1,1,1)+t(1,2,3).$$
比较第 2、3 分量:$s+2t=3$ 、$s+3t=5$ ,相减得 $t=2$ ,回代 $s=-1$ 。于是
$$a=s+t=-1+2=1 .$$
**验算**:$a=1$ 时 $(1,3,5)=-(1,1,1)+2(1,2,3)=(-1+2,\,-1+4,\,-1+6)=(1,3,5)$ ✓。此时 $B$ 的第 2 行 $=$ $-A$ 第 1 行 $+$ $2A$ 第 2 行,$B$ 的行组被 $A$ 的行组包含,拼接不增秩,$r=2$ 。
故 **$a=1$ ** 。
**带走结论**:求同解参数的**实质是"把新增的行用原行组表出"**。设待定系数解一个小的线性方程组即可,比反复算秩快得多。
> **关联** · 盘点 [§6.1 同解的定义与判据](01-知识点盘点.md#user-content-61-同解的定义与判据) | 上游 [点 6 题 1](07-点6-同解与公共解.md#user-content-题-1--61三个条件哪个才是同解判据) | 下游 [点 6 题 3](07-点6-同解与公共解.md#user-content-题-3--61同解求参数的第二个位置)、[点 6 题 4](07-点6-同解与公共解.md#user-content-题-4--61同解判据的严格证明) | 速查 [八 同解与公共解](10-速查卡.md#user-content-八-同解与公共解)
---
### 题 3 · 6.1:同解求参数的第二个位置(★★☆)
> 【2025·15 骨架】设
>
> $$A=\begin{pmatrix}1&1&1\\1&2&3\end{pmatrix},\qquad C=\begin{pmatrix}1&1&1\\2&3&b\end{pmatrix}.$$
>
> 求 $b$ 的值,使 $Ax=0$ 与 $Cx=0$ 同解。
**怎么想**:与题 2 同构,只是待定位置换到第 3 个分量。同一个模板:设 $(2,3,b)=s(1,1,1)+t(1,2,3)$ ,由前两个分量定 $s,t$ ,第三个分量读出 $b$ 。
**解**:$r(A)=2$ 。$C$ 的第 2 行必须能被 $A$ 的行组表出:
$$(2,3,b)=s(1,1,1)+t(1,2,3).$$
由 $s+t=2$ 、$s+2t=3$ 得 $t=1$ 、$s=1$ 。于是
$$b=s+3t=1+3=4 .$$
**验算**:$(2,3,4)=(1,1,1)+(1,2,3)$ ✓。$a$ 的位置换成 $b$ 后,答案从 1 变成 4——**参数在哪个分量,就由哪个分量的等式定**。
**带走结论**:题 2 与题 3 是同一个模板的两个位置。**先解前两个分量定系数,再用第三分量读参数**,全程只需解一个 $2\times2$ 方程组。
> **关联** · 盘点 [§6.1 同解的定义与判据](01-知识点盘点.md#user-content-61-同解的定义与判据) | 上游 [点 6 题 1](07-点6-同解与公共解.md#user-content-题-1--61三个条件哪个才是同解判据)、[点 6 题 2](07-点6-同解与公共解.md#user-content-题-2--61齐次同解求参数) | 下游 [点 6 题 4](07-点6-同解与公共解.md#user-content-题-4--61同解判据的严格证明) | 速查 [八 同解与公共解](10-速查卡.md#user-content-八-同解与公共解)
---
### 题 4 · 6.1:同解判据的严格证明(★★★)
> 设 $A,B$ 是同列数的实矩阵。证明:
>
> $$Ax=0\ \text{与}\ Bx=0\ \text{同解}\iff r(A)=r(B)=r\binom{A}{B}.$$
**怎么想**:证"$\Rightarrow$ "用**包含关系推秩**(同解 ⟹ 两个解空间相同 ⟹ 维数相同);证"$\Leftarrow$ "用**维数夹逼**($\binom{A}{B}$ 的解空间含于两者之中,维数相同故相等)。
**解**:
**($\Rightarrow$ )** 设 $Ax=0$ 与 $Bx=0$ 同解,即 $N(A)=N(B)$ ,则维数相等:
$$n-r(A)=n-r(B)\Longrightarrow r(A)=r(B).$$
又 $\binom{A}{B}x=0$ 等价于"同时满足 $Ax=0$ 与 $Bx=0$ ",故
$$N\binom{A}{B}=N(A)\cap N(B)=N(A)\quad(\text{因同解}),$$
维数相等给出 $n-r\binom{A}{B}=n-r(A)$ ,即 $r\binom{A}{B}=r(A)$ 。三者相等,证毕。
**($\Leftarrow$ )** 设 $r(A)=r(B)=r\binom{A}{B}=r$ 。由 $N\binom{A}{B}=N(A)\cap N(B)\subseteq N(A)$ ,且
$$\dim N\binom{A}{B}=n-r=\dim N(A),$$
子空间"包含 $+$ 维数相等"必相等,故 $N\binom{A}{B}=N(A)$ 。同理 $N\binom{A}{B}=N(B)$ 。于是 $N(A)=N(B)$ ,即同解。
**带走结论**:证明的**技术核心是维数夹逼**——解空间互相包含 + 维数相等 ⟹ 相等。这个套路在"证两个子空间相同"的所有题里通用(第 3 讲点 7 的交空间也用它)。
> **关联** · 盘点 [§6.1 同解的定义与判据](01-知识点盘点.md#user-content-61-同解的定义与判据) | 上游 [点 6 题 2](07-点6-同解与公共解.md#user-content-题-2--61齐次同解求参数)、[点 6 题 3](07-点6-同解与公共解.md#user-content-题-3--61同解求参数的第二个位置) | 下游 — | 速查 [八 同解与公共解](10-速查卡.md#user-content-八-同解与公共解)
---
### 题 5 · 6.3:两个齐次组的公共解(★★☆)
> 设
>
> $$A=\begin{pmatrix}1&1&1&1\\1&-1&1&-1\end{pmatrix},\qquad B=\begin{pmatrix}1&1&0&0\end{pmatrix}.$$
>
> 求 $Ax=0$ 与 $Bx=0$ 的**全部公共解**。
**怎么想**:公共解 $=$ 联立方程组的解。直接上下拼接,一次消元。$n=4$ ,拼完 3 行。
**解**:
$$\begin{pmatrix}1&1&1&1\\1&-1&1&-1\\1&1&0&0\end{pmatrix}\xrightarrow{\begin{subarray}{c}r_2-r_1\\r_3-r_1\end{subarray}}\begin{pmatrix}1&1&1&1\\0&-2&0&-2\\0&0&-1&-1\end{pmatrix}\xrightarrow{\begin{subarray}{c}r_2\times(-\frac12)\\r_3\times(-1)\end{subarray}}\begin{pmatrix}1&1&1&1\\0&1&0&1\\0&0&1&1\end{pmatrix}$$
$$\xrightarrow{r_1-r_2-r_3}\begin{pmatrix}1&0&0&-1\\0&1&0&1\\0&0&1&1\end{pmatrix}.$$
$r=3$ ,自由参数 $4-3=1$ 个。读出 $x_1=x_4$ 、$x_2=-x_4$ 、$x_3=-x_4$ 。令 $x_4=t$ :
$$x=t\begin{pmatrix}1\\-1\\-1\\1\end{pmatrix}\qquad(t\in\mathbb{R}).$$
**验算**:$Ax$ :第 1 行 $1-1-1+1=0$ ✓,第 2 行 $1+1-1-1=0$ ✓;$Bx$ :$1-1+0+0=0$ ✓。
**带走结论**:公共解就是"联立后的解",**不需要先分别求两个通解再比对**。拼接消元一步到位,且自动处理了"哪个解在另一个里"的问题。
> **关联** · 盘点 [§6.3 公共解的求法](01-知识点盘点.md#user-content-63-公共解的求法) | 上游 — | 下游 — | 速查 [八 同解与公共解](10-速查卡.md#user-content-八-同解与公共解)
---
### 题 6 · 6.2:非齐次同解的正确判据(★★★)
> 设 $Ax=b_1$ 与 $Bx=b_2$ 都有解,且 $A,B$ 同列数。证明:
>
> $$Ax=b_1\ \text{与}\ Bx=b_2\ \text{同解}\iff\text{齐次部分同解,且存在公共解}.$$
**怎么想**:非齐次解集 $=$ "特解 $+$ 齐次解空间"。两个解集相等,必须**出发点相同(公共特解)**、**方向集相同(齐次同解)**。两个方向分别证。
**解**:
**($\Leftarrow$ )** 设 $Ax=0$ 与 $Bx=0$ 同解,且存在 $x_0$ 同时满足 $Ax_0=b_1$ 、$Bx_0=b_2$ 。任取 $Ax=b_1$ 的解 $x$ ,则 $A(x-x_0)=0$ ,故 $B(x-x_0)=0$ (齐次部分同解),即 $Bx=Bx_0=b_2$ ,所以 $x$ 也是 $Bx=b_2$ 的解。对称地反向成立。故两解集相同。
**($\Rightarrow$ )** 设两解集相同,记为 $S$ 。取 $x_0\in S$ (两者都有解,$S$ 非空),则 $x_0$ 是公共解。
任取 $Ax=0$ 的解 $\xi$ ,则 $A(x_0+\xi)=b_1$ ,故 $x_0+\xi\in S$ ,于是 $B(x_0+\xi)=b_2$ ,即 $B\xi=b_2-Bx_0=b_2-b_2=0$ ,$\xi$ 也是 $Bx=0$ 的解。对称地反向成立,故齐次部分同解。
**带走结论**:非齐次同解的判据**必须两项**:公共特解(定"起点")$+$ 齐次同解(定"方向")。只验齐次部分不够——$x=1$ 与 $x=2$ 的齐次部分都是 $x=0$ ,但不同解。
> **关联** · 盘点 [§6.2 非齐次同解](01-知识点盘点.md#user-content-62-非齐次同解) | 上游 — | 下游 — | 速查 [八 同解与公共解](10-速查卡.md#user-content-八-同解与公共解)
---
@@ -0,0 +1,184 @@
---
tags: [数学一, 在学练习, 线性代数, 线性方程组, 矩阵方程]
专题: 线性代数 第4讲 · 点7 矩阵方程
日期: 2026-10-24
状态: 知识点带题(7.1 按列拆、7.2 转置型、7.3 可逆情形,5 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 7 矩阵方程
> 真题锚点:2016·20(解答 11 分)|重要度 ★★★
> 依赖:点 2、点 3 的通解。盘点对应:§7 全节。
**组织原则**:先列知识点(按列拆 → 转置型 → 可逆情形),再逐一对应出题。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
## 知识点 7.1 矩阵方程按列拆(出处:[知识章 linear-equations-system.tex §8](../../../../参考仓库/Math/linear-algebra/knowledge/4-linear-equations-system/linear-equations-system.tex))
$$AX=B\iff Ax_j=b_j\quad(j=1,\dots,s),\qquad X=(x_1,\dots,x_s),\ B=(b_1,\dots,b_s).$$
**判据**:$r(A)=r(A,B)$ (**左右拼接**)。要点:各列参数**彼此独立**;某列无解则整体无解(不必算完);有解时 $X=X_0+Y$ ,$X_0$ 为矩阵特解,$Y$ 的各列是齐次解。
## 知识点 7.2 转置与左乘型(出处:[知识章 linear-equations-system.tex §8](../../../../参考仓库/Math/linear-algebra/knowledge/4-linear-equations-system/linear-equations-system.tex))
$$XA=B\iff A^{\mathrm T}X^{\mathrm T}=B^{\mathrm T}.$$
于是 $XA=B$ 有解 $\iff r(A^{\mathrm T})=r\!\begin{pmatrix}A^{\mathrm T}\\B^{\mathrm T}\end{pmatrix}$ ,等价写作 $r(A)=r\binom{A}{B}$ (**上下拼接**)。
**记忆**:$AX=B$ 看左右拼接 $(A,B)$ ;$XA=B$ 看上下拼接 $\binom{A}{B}$ 。方向一错全错。
## 知识点 7.3 可逆系数矩阵的矩阵方程(出处:[知识章 linear-equations-system.tex §8](../../../../参考仓库/Math/linear-algebra/knowledge/4-linear-equations-system/linear-equations-system.tex))
$A,B$ 均可逆时,$AXB=C$ 的**唯一解** $X=A^{-1}CB^{-1}$ 。
**三点**:要求可逆的是两侧系数矩阵,**不是** $C$ ;顺序不可换;$A$ 不可逆时化为 $AX=CB^{-1}$ 回到 §7.1。
---
## 题目(按知识点顺序对应)
### 题 1 · 7.1:矩阵方程判有解(★★☆)
> 【2016·20 骨架】设
>
> $$A=\begin{pmatrix}1&2\\2&4\end{pmatrix},\qquad B=\begin{pmatrix}1&1\\3&2\end{pmatrix}.$$
>
> (Ⅰ)判断矩阵方程 $AX=B$ 是否有解,并说明理由;
> (Ⅱ)若把 $B$ 换成 $B_0=\begin{pmatrix}1\\2\end{pmatrix}$ ,求 $AX=B_0$ 的通解。
**怎么想**:$r(A)=1$ (两列成比例),所以 $A$ 的值域只有一条直线。$B$ 的两列必须都落在这条直线上。**先找一列试**——第一列 $b_1=(1,3)^{\mathrm T}$ 与 $A$ 的列 $(1,2)^{\mathrm T}$ 不成比例,直接判死。
**解**:**(Ⅰ)** $A$ 的两列成比例,$r(A)=1$ 。看第一列:$Ax_1=b_1=(1,3)^{\mathrm T}$ 要求 $(x_{11}+2x_{21},\,2x_{11}+4x_{21})^{\mathrm T}=(1,3)^{\mathrm T}$ ,即第一个分量是第二个的一半,但 $1\ne\frac32$ ,**无解**。
由"某列无解则整体无解",$AX=B$ **无解**。
等价写法:$r(A,B)$ 中把 $(A,b_1)$ 拼成 $\begin{pmatrix}1&2&1\\2&4&3\end{pmatrix}$ ,两行不成比例,$r(A,b_1)=2>r(A)=1$ 。
**(Ⅱ)** $B_0=(1,2)^{\mathrm T}$ 与 $A$ 的列 $(1,2)^{\mathrm T}$ **恰好平行**,有解。方程为
$$x_1+2x_2=1 .$$
通解 $x=\begin{pmatrix}1\\0\end{pmatrix}+t\begin{pmatrix}-2\\1\end{pmatrix}$ ,即
$$X=\begin{pmatrix}1\\0\end{pmatrix}+t\begin{pmatrix}-2\\1\end{pmatrix}\qquad(t\in\mathbb{R}).$$
**验算**:$A X=\begin{pmatrix}1&2\\2&4\end{pmatrix}\begin{pmatrix}1-2t\\t\end{pmatrix}=\begin{pmatrix}1-2t+2t\\2-4t+4t\end{pmatrix}=\begin{pmatrix}1\\2\end{pmatrix}=B_0$ ✓。
**带走结论**:$AX=B$ 的"整体无解"**只需一个反例列**。判完无解就收工,不必把 $B$ 的每列都算一遍——这是解答题里省时间的关键。
> **关联** · 盘点 [§7.1 矩阵方程按列拆](01-知识点盘点.md#user-content-71-矩阵方程按列拆) | 上游 — | 下游 [点 7 题 2](08-点7-矩阵方程.md#user-content-题-2--71有解时写出矩阵形式的通解)、[点 7 题 3](08-点7-矩阵方程.md#user-content-题-3--71含参矩阵方程的可解性) | 速查 [九 矩阵方程三种形态](10-速查卡.md#user-content-九-矩阵方程三种形态)
---
### 题 2 · 7.1:有解时写出矩阵形式的通解(★★★)
> 设 $A=\begin{pmatrix}1&2\\2&4\end{pmatrix}$ ,$B=\begin{pmatrix}1&2\\2&4\end{pmatrix}$ 。求矩阵方程 $AX=B$ 的全部解。
**怎么想**:$B$ 的两列分别是 $(1,2)^{\mathrm T}$ 与 $(2,4)^{\mathrm T}$ ,都在 $A$ 的列张成的直线上,**有解**。按列各解一次,再把结果装回矩阵——注意两列的自由参数**互相独立**。
**解**:$r(A)=1$ ,$n=2$ ,每列的齐次基础解系只有一个向量 $\xi=(-2,1)^{\mathrm T}$ 。
第 1 列 $b_1=(1,2)^{\mathrm T}$ :$x_1+2x_2=1$ ,特解 $\begin{pmatrix}1\\0\end{pmatrix}$ ;
第 2 列 $b_2=(2,4)^{\mathrm T}$ :$x_1+2x_2=2$ ,特解 $\begin{pmatrix}2\\0\end{pmatrix}$ 。
故
$$X=\begin{pmatrix}1&2\\0&0\end{pmatrix}+k_1\begin{pmatrix}-2\\1\end{pmatrix}\cdot(1,0)+k_2\begin{pmatrix}-2\\1\end{pmatrix}\cdot(0,1)$$
即
$$X=\begin{pmatrix}1&2\\0&0\end{pmatrix}+\begin{pmatrix}-2k_1&-2k_2\\k_1&k_2\end{pmatrix}\qquad(k_1,k_2\in\mathbb{R}).$$
更简洁的写法:$X=X_0+\xi\,(k_1,k_2)$ ,其中 $\xi=\begin{pmatrix}-2\\1\end{pmatrix}$ 、$(k_1,k_2)$ 是任意行向量。
**验算**:取 $k_1=k_2=0$ ,$AX_0=\begin{pmatrix}1&2\\2&4\end{pmatrix}\begin{pmatrix}1&2\\0&0\end{pmatrix}=\begin{pmatrix}1&2\\2&4\end{pmatrix}=B$ ✓。
**带走结论**:两个参数**不能合并成一个**。$X$ 有 $s=2$ 列,每列各带 $n-r=1$ 个自由参数,总计 $s(n-r)=2$ 个。写成 $X=X_0+\xi K$ ($K$ 为任意 $1\times2$ 行向量)最简洁。
> **关联** · 盘点 [§7.1 矩阵方程按列拆](01-知识点盘点.md#user-content-71-矩阵方程按列拆) | 上游 [点 7 题 1](08-点7-矩阵方程.md#user-content-题-1--71矩阵方程判有解) | 下游 [点 7 题 3](08-点7-矩阵方程.md#user-content-题-3--71含参矩阵方程的可解性) | 速查 [九 矩阵方程三种形态](10-速查卡.md#user-content-九-矩阵方程三种形态)
---
### 题 3 · 7.1:含参矩阵方程的可解性(★★★)
> 设
>
> $$A=\begin{pmatrix}1&1&1\\2&2&2\\3&4&5\end{pmatrix},\qquad B=\begin{pmatrix}1&2\\2&4\\3&a\end{pmatrix}.$$
>
> 求 $a$ 使 $AX=B$ 有解;有解时写出一个解。
**怎么想**:$A$ 的第 1、2 行成比例(第 2 行 $=2\times$ 第 1 行),$r(A)\leqslant2$ ;再看 $(1,4,5)$ 与 $(1,1,1)$ 不成比例,$r(A)=2$ 。$B$ 的第 1、2 列也成比例(第 2 列 $=2\times$ 第 1 列),只需看第 1 列能否被表出,但 $a$ 在**第 3 行第 2 列**——两列一起看。
**解**:先化 $[A\mid B]$ :
$$\left(\begin{array}{ccc|cc}1&1&1&1&2\\2&2&2&2&4\\3&4&5&3&a\end{array}\right)\xrightarrow{\begin{subarray}{c}r_2-2r_1\\r_3-3r_1\end{subarray}}\left(\begin{array}{ccc|cc}1&1&1&1&2\\0&0&0&0&0\\0&1&2&0&a-6\end{array}\right)\xrightarrow{r_2\leftrightarrow r_3}$$
$$\longrightarrow\left(\begin{array}{ccc|cc}1&1&1&1&2\\0&1&2&0&a-6\\0&0&0&0&0\end{array}\right)\xrightarrow{r_1-r_2}\left(\begin{array}{ccc|cc}1&0&-1&1&8-a\\0&1&2&0&a-6\\0&0&0&0&0\end{array}\right).$$
第三行整行为零,**对任何 $a$ 都相容**,故 $r(A)=r(A,B)=2$ ,**对一切 $a$ 均有解**。
**求一个解**:取自由变量 $x_3=0$ ,第 1 列为
$$x_{11}=1,\quad x_{21}=0,\quad x_{31}\ \text{自由};$$
由上面的最简形,$x_{11}=1$ 、$x_{21}=0$ (对应右端 $1$ ),$x_{31}$ 取 $0$ 。第 2 列:$x_{12}=8-a$ 、$x_{22}=a-6$ 、$x_{32}=0$ 。
$$X_0=\begin{pmatrix}1&8-a\\0&a-6\\0&0\end{pmatrix}.$$
**验算**:$a=6$ 时 $X_0=\begin{pmatrix}1&2\\0&0\\0&0\end{pmatrix}$ ,$AX_0$ 的第 1 列 $=(1,2,3)^{\mathrm T}$ ✓(对应 $B$ 第 1 列),第 2 列 $=2(1,2,3)^{\mathrm T}=(2,4,6)^{\mathrm T}$ ✓(对应 $B$ 第 2 列 $a=6$ )。
**带走结论**:$a$ 出现在**增广部分的第 3 行**,消元后那一行整行变零,$a$ 只留在右端列而**没有制造矛盾行**,于是恒相容。判"对一切 $a$ 有解"的依据只有一条:最简形里**没有** $0=\text{含 }a\text{ 的式子}$ 这种行。
> **关联** · 盘点 [§7.1 矩阵方程按列拆](01-知识点盘点.md#user-content-71-矩阵方程按列拆) | 上游 [点 7 题 1](08-点7-矩阵方程.md#user-content-题-1--71矩阵方程判有解)、[点 7 题 2](08-点7-矩阵方程.md#user-content-题-2--71有解时写出矩阵形式的通解) | 下游 — | 速查 [九 矩阵方程三种形态](10-速查卡.md#user-content-九-矩阵方程三种形态)
---
### 题 4 · 7.2:左乘型 XA=B 的解法(★★★)
> 设 $A=\begin{pmatrix}1&0\\1&1\end{pmatrix}$ ,$B=\begin{pmatrix}1&2\\2&4\end{pmatrix}$ 。求矩阵方程 $XA=B$ 的全部解。
**怎么想**:转置化归——$XA=B\iff A^{\mathrm T}X^{\mathrm T}=B^{\mathrm T}$ 。注意 $A^{\mathrm T}=\begin{pmatrix}1&1\\0&1\end{pmatrix}$ ,解出 $Y=X^{\mathrm T}$ 后**记得转回去**。
**解**:转置得
$$\begin{pmatrix}1&1\\0&1\end{pmatrix}Y=\begin{pmatrix}1&2\\2&4\end{pmatrix},\qquad Y=X^{\mathrm T}.$$
$A^{\mathrm T}$ 可逆($\lvert A^{\mathrm T}\rvert=1$ ),故解唯一:
$$Y=(A^{\mathrm T})^{-1}B^{\mathrm T}=\begin{pmatrix}1&-1\\0&1\end{pmatrix}\begin{pmatrix}1&2\\2&4\end{pmatrix}=\begin{pmatrix}1-2&2-4\\2&4\end{pmatrix}=\begin{pmatrix}-1&-2\\2&4\end{pmatrix}.$$
于是
$$X=Y^{\mathrm T}=\begin{pmatrix}-1&2\\-2&4\end{pmatrix}.$$
**验算**:$XA=\begin{pmatrix}-1&2\\-2&4\end{pmatrix}\begin{pmatrix}1&0\\1&1\end{pmatrix}=\begin{pmatrix}-1+2&2\\-2+4&4\end{pmatrix}=\begin{pmatrix}1&2\\2&4\end{pmatrix}=B$ ✓。
**带走结论**:$XA=B$ 的标准动作是**整体转置**,化成已经练熟的 $AX=B$ 形态。转置后**别忘把 $Y$ 转回 $X$ **——这是本题唯一的失分点。
> **关联** · 盘点 [§7.2 转置与左乘型](01-知识点盘点.md#user-content-72-转置与左乘型) | 上游 — | 下游 — | 速查 [九 矩阵方程三种形态](10-速查卡.md#user-content-九-矩阵方程三种形态)
---
### 题 5 · 7.3:两侧可逆的 AXB=C(★★☆)
> 设 $A=\begin{pmatrix}1&2\\0&1\end{pmatrix}$ ,$B=\begin{pmatrix}1&0\\1&1\end{pmatrix}$ ,$C=\begin{pmatrix}3&2\\1&1\end{pmatrix}$ 。求矩阵方程 $AXB=C$ 的解。
**怎么想**:$A,B$ 都是三角矩阵,行列式均为 1,可逆。直接套 $X=A^{-1}CB^{-1}$ ,**顺序不能调**。
**解**:$A^{-1}=\begin{pmatrix}1&-2\\0&1\end{pmatrix}$ ,$B^{-1}=\begin{pmatrix}1&0\\-1&1\end{pmatrix}$ 。
先算 $A^{-1}C$ :
$$A^{-1}C=\begin{pmatrix}1&-2\\0&1\end{pmatrix}\begin{pmatrix}3&2\\1&1\end{pmatrix}=\begin{pmatrix}3-2&2-2\\1&1\end{pmatrix}=\begin{pmatrix}1&0\\1&1\end{pmatrix}.$$
再右乘 $B^{-1}$ :
$$X=\begin{pmatrix}1&0\\1&1\end{pmatrix}\begin{pmatrix}1&0\\-1&1\end{pmatrix}=\begin{pmatrix}1&0\\1-1&1\end{pmatrix}=\begin{pmatrix}1&0\\0&1\end{pmatrix}.$$
**验算**:$A\,E\,B=AB=\begin{pmatrix}1&2\\0&1\end{pmatrix}\begin{pmatrix}1&0\\1&1\end{pmatrix}=\begin{pmatrix}1+2&2\\1&1\end{pmatrix}=\begin{pmatrix}3&2\\1&1\end{pmatrix}=C$ ✓。
**带走结论**:$A^{-1}CB^{-1}$ 的**乘法顺序不可交换**。若误写成 $A^{-1}B^{-1}C$ 或 $CA^{-1}B^{-1}$ ,结果完全不同。检验办法只有一条:**把求出的 $X$ 代回 $AXB$ 看是否等于 $C$ ** 。
> **关联** · 盘点 [§7.3 可逆系数矩阵的矩阵方程](01-知识点盘点.md#user-content-73-可逆系数矩阵的矩阵方程) | 上游 — | 下游 — | 速查 [九 矩阵方程三种形态](10-速查卡.md#user-content-九-矩阵方程三种形态)
---
@@ -0,0 +1,187 @@
---
tags: [数学一, 在学练习, 线性代数, 线性方程组, 克拉默, 证明]
专题: 线性代数 第4讲 · 点8 克拉默法则与抽象证明
日期: 2026-10-24
状态: 知识点带题(8.1 克拉默法则、8.2 四个证明模板,5 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 8 克拉默法则与抽象证明
> 真题锚点:支撑解答题与选择|重要度 ★★☆
> 依赖:点 2、点 3;第 2 讲伴随矩阵。盘点对应:§8 全节。
**组织原则**:先列知识点(克拉默法则 → 证明四模板),再逐一对应出题。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
## 知识点 8.1 克拉默法则(出处:[知识章 linear-equations-system.tex §9](../../../../参考仓库/Math/linear-algebra/knowledge/4-linear-equations-system/linear-equations-system.tex))
$n$ 个方程、$n$ 个未知量,$D=\lvert A\rvert\ne0$ 时
$$x_j=\frac{D_j}{D},\qquad D_j=\text{把 }A\text{ 第 }j\text{ 列换成 }b\text{ 的行列式}.$$
**四道限制**:方阵;$\lvert A\rvert\ne0$ ;只适合低阶手算;$D=0$ 时回到消元与秩讨论。
**齐次推论**:$Ax=0$ ($n$ 方程 $n$ 未知量)有非零解 $\iff\lvert A\rvert=0$ 。
## 知识点 8.2 抽象证明四个模板(出处:[练习章 linear-equations-system.tex](../../../../参考仓库/Math/linear-algebra/exercise/4-linear-equations-system/linear-equations-system.tex))
| 要证 | 起手式 | 关键一步 |
|---|---|---|
| 某向量是解 | 直接算 $A(\cdot)$ | 展开成已知解的组合 |
| 解向量组无关 | 设 $\sum k_ix_i=0$ | 两边左乘 $A$ ,用 $b\ne0$ 分出系数和 |
| 同解 | 双向包含 | 用 $r\binom{A}{B}=r(A)$ |
| 有解条件 | 秩比较 | $r(A)=r(A\mid b)$ |
**最有用的一个动作**:设 $\sum k_ix_i=0$ 后**左乘 $A$ ** ,立刻把非齐次部分压成 $(\sum k_i)b$ ,再用 $b\ne0$ 分出系数和为零,剩下的落到齐次解上。
---
## 题目(按知识点顺序对应)
### 题 1 · 8.1:三阶方程组用克拉默法则(★☆☆)
> 用克拉默法则解方程组
>
> $$\begin{cases}2x_1+x_2-x_3=2,\\-x_1+3x_2+2x_3=4,\\x_1-2x_2+x_3=0.\end{cases}$$
**怎么想**:$3\times3$ 方阵,先算 $D$ 。$D\ne0$ 才可用克拉默;然后逐个"换列"算 $D_1,D_2,D_3$ 。本题设计成三层答案都是 1,便于自查。
**解**:
$$D=\begin{vmatrix}2&1&-1\\-1&3&2\\1&-2&1\end{vmatrix}=2(3+4)-1(-1-2)+(-1)(2-3)=14+3+1=18 .$$
把第 1 列换成 $b=(2,4,0)^{\mathrm T}$ :
$$D_1=\begin{vmatrix}2&1&-1\\4&3&2\\0&-2&1\end{vmatrix}=2(3+4)-1(4-0)+(-1)(-8-0)=14-4+8=18 .$$
把第 2 列换成 $b$ :
$$D_2=\begin{vmatrix}2&2&-1\\-1&4&2\\1&0&1\end{vmatrix}=2(4-0)-2(-1-2)+(-1)(0-4)=8+6+4=18 .$$
把第 3 列换成 $b$ :
$$D_3=\begin{vmatrix}2&1&2\\-1&3&4\\1&-2&0\end{vmatrix}=2(0+8)-1(0-4)+2(2-3)=16+4-2=18 .$$
故
$$x_1=x_2=x_3=\frac{18}{18}=1 .$$
**验算**:代回三式:$2+1-1=2$ ✓;$-1+3+2=4$ ✓;$1-2+1=0$ ✓。
**带走结论**:克拉默法则的**计算量是 $n+1$ 个 $n$ 阶行列式**,三阶以上不划算。本题三个 $D_j$ 都等于 $D$ 不是巧合——解为 $(1,1,1)$ 时必然如此,可以当自查信号。
> **关联** · 盘点 [§8.1 克拉默法则](01-知识点盘点.md#user-content-81-克拉默法则) | 上游 — | 下游 [点 8 题 2](09-点8-克拉默法则与抽象证明.md#user-content-题-2--81什么时候不能用克拉默) | 速查 [十 克拉默法则](10-速查卡.md#user-content-十-克拉默法则)
---
### 题 2 · 8.1:什么时候不能用克拉默(★★☆)
> 设 $A$ 为 $3\times3$ 矩阵,$b\ne0$ 。判断下列说法是否正确:
>
> (Ⅰ)若 $\lvert A\rvert\ne0$ ,则 $Ax=b$ 有唯一解,且可用克拉默法则求出;
> (Ⅱ)若 $\lvert A\rvert=0$ ,则 $Ax=b$ 一定无解;
> (Ⅲ)若 $Ax=b$ 有无穷多解,则 $\lvert A\rvert=0$ ;
> (Ⅳ)若 $A$ 为 $3\times4$ 矩阵,$Ax=b$ 也可能有唯一解。
**怎么想**:逐条对照克拉默法则的**四道限制**与三分类。
**解**:(Ⅰ)**正确**。$\lvert A\rvert\ne0$ 是克拉默法则的适用条件,此时 $x_j=D_j/D$ 给出唯一解。
(Ⅱ)**错误**。$\lvert A\rvert=0$ 只说明不能唯一解,仍可能**有无穷多解**。例:$x+y+z=1$ 重复三遍,$\lvert A\rvert=0$ 但有无穷多解。
(Ⅲ)**正确**。有无穷多解 $\Rightarrow$ 不是唯一解 $\Rightarrow$ $r(A)<3$ $\Rightarrow$ $\lvert A\rvert=0$ 。
(Ⅳ)**错误**。$A$ 为 $3\times4$ 时 $r(A)\leqslant3<4=n$ ,$Ax=0$ 必有非零解;若 $Ax=b$ 有解,通解含 $4-r(A)\geqslant1$ 个参数,必为**无穷多解**。唯一解要求 $r(A)=n$ ,而 $r(A)\leqslant m=3<n=4$ 。
**带走结论**:$\lvert A\rvert=0$ 的三档含义要分清——**不能唯一解**(确定)、**可能无解**(未定)、**可能无穷多**(未定)。克拉默法则只在 $\lvert A\rvert\ne0$ 时可用,其余一律回消元。
> **关联** · 盘点 [§8.1 克拉默法则](01-知识点盘点.md#user-content-81-克拉默法则) | 上游 [点 8 题 1](09-点8-克拉默法则与抽象证明.md#user-content-题-1--81三阶方程组用克拉默法则) | 下游 — | 速查 [十 克拉默法则](10-速查卡.md#user-content-十-克拉默法则)
---
### 题 3 · 8.2:解向量组的线性无关性(★★★)
> 设 $\eta_0$ 是 $Ax=b$ ($b\ne0$ )的一个解,$\xi_1,\dots,\xi_{n-r}$ 是 $Ax=0$ 的基础解系($r=r(A)$ )。证明:
>
> $$\eta_0,\ \eta_0+\xi_1,\ \eta_0+\xi_2,\ \cdots,\ \eta_0+\xi_{n-r}$$
>
> 线性无关。
**怎么想**:$n-r+1$ 个向量。注意 $\eta_0$ 本身**不在**齐次解空间里,多出来的这一维正是它。标准动作:设零组合,**左乘 $A$ ** 分离出 $\eta_0$ 的系数。
**解**:设
$$k_0\eta_0+k_1(\eta_0+\xi_1)+\cdots+k_{n-r}(\eta_0+\xi_{n-r})=0 .$$
整理成
$$\Big(\sum_{i=0}^{n-r}k_i\Big)\eta_0+\sum_{i=1}^{n-r}k_i\xi_i=0 .\tag{$*$}$$
两边左乘 $A$ ,用 $A\eta_0=b$ 、$A\xi_i=0$ :
$$\Big(\sum_{i=0}^{n-r}k_i\Big)b=0 .$$
因 $b\ne0$ ,得
$$\sum_{i=0}^{n-r}k_i=0 .$$
代回 $(*)$ 得 $\sum_{i=1}^{n-r}k_i\xi_i=0$ 。由 $\xi_1,\dots,\xi_{n-r}$ 线性无关,$k_1=\cdots=k_{n-r}=0$ 。再由系数和为零得 $k_0=0$ 。全部系数为零,故线性无关。
**带走结论**:**"左乘 $A$ "是这类题的唯一杠杆**。乘一次,$\eta_0$ 的系数被逼成"和为零",剩下的部分落到齐次解上;再用基础解系的无关性收尾。这个证明里 $n-r$ 具体是几完全不影响。
> **关联** · 盘点 [§8.2 抽象证明四个模板](01-知识点盘点.md#user-content-82-抽象证明四个模板) | 上游 — | 下游 [点 8 题 4](09-点8-克拉默法则与抽象证明.md#user-content-题-4--82秩与解集的关系)、[点 8 题 5](09-点8-克拉默法则与抽象证明.md#user-content-题-5--82伴随矩阵的列与齐次解) | 速查 [十一 证明四模板](10-速查卡.md#user-content-十一-证明四模板)
---
### 题 4 · 8.2:秩与解集的关系(★★★)
> 设 $A$ 为 $m\times n$ 矩阵,$b\ne0$ ,$Ax=b$ 有解。证明:
>
> (Ⅰ)若 $Ax=b$ 有**唯一**解,则 $r(A)=n$ ;
> (Ⅱ)若 $r(A)=n$ ,则 $Ax=b$ **至多**有一个解(不一定有解)。
**怎么想**:两问是"必要性"与"另一方向",合起来说明"唯一解 $\iff$ $r(A)=n$ 且有解"。都用解的结构定理:解的个数 $=1$ 当且仅当齐次部分只有零解。
**解**:
**(Ⅰ)** $\lvert A\rvert$ 未必存在($A$ 非方阵),改用秩。设 $x_1,x_2$ 都是解,则 $A(x_1-x_2)=0$ ,即 $x_1-x_2\in N(A)$ 。唯一解意味着 $N(A)=\{0\}$ ,于是 $x_1=x_2$ 。而
$$\dim N(A)=n-r(A)=0\Longrightarrow r(A)=n .$$
**(Ⅱ)** 若 $r(A)=n$ ,则 $\dim N(A)=n-n=0$ ,$N(A)=\{0\}$ 。设 $x_1,x_2$ 都是解,则 $x_1-x_2\in N(A)=\{0\}$ ,故 $x_1=x_2$ ——至多一个解。
(注意:$r(A)=n$ 要求 $n\leqslant m$ ,即方程不少于未知量,否则不可能。)
**验算**:$A=\begin{pmatrix}1\\0\end{pmatrix}$ ($m=2,n=1$ ),$r(A)=1=n$ 。$Ax=b$ 是 $x=b_1$ 且 $0=b_2$ ,当 $b_2=0$ 时唯一解 $x=b_1$ ,当 $b_2\ne0$ 时无解——正是"至多一个"。
**带走结论**:**"唯一解"由两个独立条件拼成**:$r(A)=n$ (至多一个)$+$ 有解(至少一个)。少任何一个都推不出唯一解。这也解释了为什么 2025·15 型题目总要你先验"有解"。
> **关联** · 盘点 [§8.2 抽象证明四个模板](01-知识点盘点.md#user-content-82-抽象证明四个模板) | 上游 [点 8 题 3](09-点8-克拉默法则与抽象证明.md#user-content-题-3--82解向量组的线性无关性) | 下游 [点 8 题 5](09-点8-克拉默法则与抽象证明.md#user-content-题-5--82伴随矩阵的列与齐次解) | 速查 [十一 证明四模板](10-速查卡.md#user-content-十一-证明四模板)
---
### 题 5 · 8.2:伴随矩阵的列与齐次解(★★★)
> 【第 2 讲 $+$ 第 4 讲 综合】设 $A$ 为 $n$ 阶矩阵($n\geqslant2$ ),$r(A)=n-1$ 。证明:$A^{*}$ 的任一非零列向量都是 $Ax=0$ 的基础解系。
**怎么想**:两个已知事实串起来——① $AA^{*}=\lvert A\rvert E=O$ (因 $r(A)=n-1$ 时 $\lvert A\rvert=0$ );② $r(A)=n-1$ 时 $r(A^{*})=1$ 。第 ① 条说"$A^{*}$ 的列是 $Ax=0$ 的解",第 ② 条说"非零列恰好只有一个独立方向",而 $n-r(A)=1$ 也只有一个方向——两边维数对上。
**解**:**第一步:列是解。** 因 $r(A)=n-1<n$ ,$\lvert A\rvert=0$ ,故
$$AA^{*}=\lvert A\rvert E=O .$$
设 $A^{*}$ 的列向量为 $\beta_1,\dots,\beta_n$ ,则 $A\beta_j=0$ ($j=1,\dots,n$ ),即每列都是 $Ax=0$ 的解。
**第二步:解空间维数。** $\dim N(A)=n-r(A)=n-(n-1)=1$ 。
**第三步:非零列存在且唯一。** 由伴随矩阵的秩公式,$r(A)=n-1\Rightarrow r(A^{*})=1$ ,故 $A^{*}\ne O$ ,至少有一列非零,记作 $\beta\ne0$ 。$\beta\in N(A)$ 且 $N(A)$ 是 1 维的,所以 $N(A)=\mathrm{span}\{\beta\}$ 。
**结论**:任一非零列 $\beta_j$ 与 $\beta$ 同属 1 维空间 $N(A)$ 且非零,故 $\beta_j=\lambda\beta\ne0$ ,单独一个就是 $N(A)$ 的基,即 $Ax=0$ 的基础解系。
**验算**($n=2$ 的小例):$A=\begin{pmatrix}1&1\\1&1\end{pmatrix}$ ,$r(A)=1=n-1$ 。$A^{*}=\begin{pmatrix}1&-1\\-1&1\end{pmatrix}$ ,非零列 $(1,-1)^{\mathrm T}$ ,恰是 $x_1+x_2=0$ 的基础解系 ✓。
**带走结论**:这是"$r(A)=n-1$ 时的三件套"——$\lvert A\rvert=0$ 、$r(A^{*})=1$ 、$n-r(A)=1$ ,三者配合就能把 $A^{*}$ 的列空间与 $N(A)$ 完全等同。**考题形式**:给了 $A^{*}$ 让你求 $Ax=0$ 的基础解系,直接取 $A^{*}$ 的非零列。
> **关联** · 盘点 [§8.2 抽象证明四个模板](01-知识点盘点.md#user-content-82-抽象证明四个模板) | 上游 [点 8 题 3](09-点8-克拉默法则与抽象证明.md#user-content-题-3--82解向量组的线性无关性)、[点 8 题 4](09-点8-克拉默法则与抽象证明.md#user-content-题-4--82秩与解集的关系) | 下游 — | 速查 [十一 证明四模板](10-速查卡.md#user-content-十一-证明四模板)
---
@@ -0,0 +1,180 @@
---
tags: [数学一, 在学练习, 线性代数, 线性方程组, 速查卡]
专题: 线性代数 第4讲 · 线性方程组(速查)
日期: 2026-10-24
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 第4讲 · 线性方程组:速查卡
考前十分钟只看这一页。
## 一 三分类一张表
<!-- KP: 1.2 -->
| 条件 | 结论 | 自由参数 |
|---|---|---|
| $r(A)<r(A\mid b)$ | 无解 | — |
| $r(A)=r(A\mid b)=n$ | 唯一解 | 0 |
| $r(A)=r(A\mid b)=r<n$ | 无穷多解 | $n-r$ |
**$n$ 永远是列数(未知量个数),不是行数。**
## 二 齐次三件事
<!-- KP: 2.1, 2.2, 2.4 -->
| 问什么 | 答什么 |
|---|---|
| 只有零解 | $r(A)=n$ |
| 有非零解 | $r(A)<n$ |
| 基础解系几个 | $n-r(A)$ |
| 判"是不是基础解系" | 个数 $=n-r$ 且无关("是解"题干已给) |
**基础解系三款**:都是解、线性无关、能生成全部。缺一不可。
## 三 求基础解系四步
<!-- KP: 2.3, 1.4 -->
```
① 系数矩阵只作行变换 → 行最简形
② 定主元列 / 自由列,主元未知量用自由未知量表示
③ 自由未知量依次取 (1,0,…), (0,1,…), …
④ 通解 = k₁ξ₁ + … + k_{n-r}ξ_{n-r}
```
**装回向量必须按 $x_1,x_2,\dots$ 原顺序**,不能"主元在前"重排。
## 四 非齐次结构
<!-- KP: 3.1, 3.2 -->
$$x=\eta+k_1\xi_1+\cdots+k_{n-r}\xi_{n-r}.$$
| 组合 | 结果 |
|---|---|
| $\sum k_i=1$ | 非齐次解 |
| $\sum k_i=0$ | 齐次解 |
| 其他 | 都不是 |
$b\ne0$ 时解集**不过原点**,不是向量空间。
## 五 由已知解凑通解
<!-- KP: 3.3 -->
1. 数出 $d=n-r$ ;
2. 把 $s$ 个非齐次解两两作差得 $s-1$ 个齐次解;
3. 从中挑 $d$ 个无关的(**必须验无关**)。
**"和"型已知解**:先算系数和,用减法调到 1(非齐次)或 0(齐次)。
## 六 含参三分类的书写规范
<!-- KP: 4.1, 4.2, 4.3 -->
```
① a ∉ {根} :|A| ≠ 0 → 唯一解
② a = 根1 :代回 → r(A)=r(A|b)=r → 无穷多解 + 通解
③ a = 根2 :代回 → r(A) < r(A|b) → 无解
```
- 方阵:算 $\lvert A\rvert$ ,**分解到每个实根都露面**(防失根);
- 非方阵:**不能算行列式**,直接消元看最后几行;
- **每个根单独代回**,不同根结局可能相反。
## 七 三平面位置关系
<!-- KP: 5.1, 5.2, 5.3 -->
| $r(A)$ | $r(A\mid b)$ | 几何 |
|---|---|---|
| 3 | 3 | 一个点 |
| 2 | 2 | 一条直线 |
| 1 | 1 | 一个平面(重合) |
| 2 | 3 | 空集(三棱柱或两平行) |
| 1 | 2 | 空集(至少两平行) |
交集维数 $=3-r(A)$ (有公共点时)。
**三棱柱三条件**:$r(A)=2$ $+$ $r(A\mid b)=3$ $+$ **任意两法向量不成比例**。第三条不验就不能选"两两相交但无公共点"。
## 八 同解与公共解
<!-- KP: 6.1, 6.2, 6.3 -->
$$Ax=0\ \text{与}\ Bx=0\ \text{同解}\iff r(A)=r(B)=r\binom{A}{B}.$$
**只比 $r(A)=r(B)$ 不够**(两条不同方向的直线都是 1 维)。
非齐次同解 $=$ 齐次同解 $+$ 有公共特解(常数列无须相同)。
公共解:直接上下拼接联立,一次消元。
**求同解参数的最快法**:设新行 $=s\cdot$ 原行 1 $+t\cdot$ 原行 2,解前两个分量定 $s,t$ ,第三分量读出参数。
## 九 矩阵方程三种形态
<!-- KP: 7.1, 7.2, 7.3 -->
| 形态 | 判据 | 解 |
|---|---|---|
| $AX=B$ | $r(A)=r(A,B)$ **左右**拼接 | 按列解,各列参数独立 |
| $XA=B$ | $r(A)=r\binom{A}{B}$ **上下**拼接 | 转置化归为 $AX=B$ |
| $AXB=C$ | $A,B$ 可逆 | $X=A^{-1}CB^{-1}$ ,顺序不可换 |
**某一列无解 ⟹ 整体无解**,不必算完全部列。
## 十 克拉默法则
<!-- KP: 8.1 -->
$$x_j=\frac{D_j}{D},\qquad D=\lvert A\rvert\ne0 .$$
**四道限制**:方阵、$\lvert A\rvert\ne0$ 、低阶手算、$D=0$ 时回消元。
齐次推论:$n$ 方程 $n$ 未知量,有非零解 $\iff\lvert A\rvert=0$ 。
## 十一 证明四模板
<!-- KP: 8.2 -->
| 要证 | 起手式 |
|---|---|
| 某向量是解 | 直接算 $A(\cdot)$ |
| 解组无关 | 设 $\sum k_ix_i=0$ ,**左乘 $A$ ** |
| 同解 | 双向包含 $+$ 维数夹逼 |
| 有解 | $r(A)=r(A\mid b)$ |
**唯一解 $=$ 至多一个($r(A)=n$ )$+$ 至少一个(有解)**,两个独立条件缺一不可。
## 十二 四处最容易丢分
1. **$\lvert A\rvert=0$ 就写"无解"**。错——要先比 $r(A)$ 与 $r(A\mid b)$ 。
2. **含参只代一个根**。不同根结局可能相反(题 2 的 $a=1$ 无穷多、$a=-2$ 无解)。
3. **$r(A)=2,r(A\mid b)=3$ 直接选"三棱柱"**。漏验"法向量不成比例",可能只是两平面平行。
4. **$XA=B$ 当成 $AX=B$ 解**。拼接方向反了,答案必错。
---
## 回查
<!-- AUTO:回查 -->
| 想查什么 | 对应题目 |
|---|---|
| 一 三分类一张表 | [点 1 题 2](02-点1-消元与解的判定.md#user-content-题-2--12一步化到最简形读出三分类)、[点 1 题 3](02-点1-消元与解的判定.md#user-content-题-3--12矛盾行出现即无解) |
| 二 齐次三件事 | [点 2 题 1](03-点2-齐次方程组与基础解系.md#user-content-题-1--21只有零解的等价条件)、[点 2 题 2](03-点2-齐次方程组与基础解系.md#user-content-题-2--22判断是不是基础解系)、[点 2 题 5](03-点2-齐次方程组与基础解系.md#user-content-题-5--24个数公式与已知有解的前提)、[点 2 题 6](03-点2-齐次方程组与基础解系.md#user-content-题-6--24含参齐次何时有非零解) |
| 三 求基础解系四步 | [点 1 题 5](02-点1-消元与解的判定.md#user-content-题-5--14阶梯形够用最简形更快)、[点 2 题 3](03-点2-齐次方程组与基础解系.md#user-content-题-3--23两方程四未知求基础解系)、[点 2 题 4](03-点2-齐次方程组与基础解系.md#user-content-题-4--23三方程四未知先判秩再求) |
| 四 非齐次结构 | [点 3 题 1](04-点3-非齐次通解与解的性质.md#user-content-题-1--31两方程三未知求通解)、[点 3 题 2](04-点3-非齐次通解与解的性质.md#user-content-题-2--31结构定理的完整证明)、[点 3 题 3](04-点3-非齐次通解与解的性质.md#user-content-题-3--32解的组合哪一个是解)、[点 3 题 4](04-点3-非齐次通解与解的性质.md#user-content-题-4--32解的组合性质的一般证明) |
| 五 由已知解凑通解 | [点 3 题 5](04-点3-非齐次通解与解的性质.md#user-content-题-5--33秩为-1-时由三个解写通解)、[点 3 题 6](04-点3-非齐次通解与解的性质.md#user-content-题-6--33解空间一维时用和凑差) |
| 六 含参三分类的书写规范 | [点 4 题 1](05-点4-含参方程组的分类讨论.md#user-content-题-1--41二阶含参三种情形各现一次)、[点 4 题 2](05-点4-含参方程组的分类讨论.md#user-content-题-2--41三阶对称含参完整三分类)、[点 4 题 3](05-点4-含参方程组的分类讨论.md#user-content-题-3--41由有无穷多解反求参数)、[点 4 题 4](05-点4-含参方程组的分类讨论.md#user-content-题-4--42非方阵含参只能消元)、[点 4 题 5](05-点4-含参方程组的分类讨论.md#user-content-题-5--43分解不彻底就会失根) |
| 七 三平面位置关系 | [点 5 题 1](06-点5-解的几何意义.md#user-content-题-1--51有公共点时三种情形)、[点 5 题 2](06-点5-解的几何意义.md#user-content-题-2--52秩均为-2-时的几何含义)、[点 5 题 3](06-点5-解的几何意义.md#user-content-题-3--52秩不等时的两种可能)、[点 5 题 4](06-点5-解的几何意义.md#user-content-题-4--53三棱柱的参数条件)、[点 5 题 5](06-点5-解的几何意义.md#user-content-题-5--53秩不等也可能只是平行) |
| 八 同解与公共解 | [点 6 题 1](07-点6-同解与公共解.md#user-content-题-1--61三个条件哪个才是同解判据)、[点 6 题 2](07-点6-同解与公共解.md#user-content-题-2--61齐次同解求参数)、[点 6 题 3](07-点6-同解与公共解.md#user-content-题-3--61同解求参数的第二个位置)、[点 6 题 4](07-点6-同解与公共解.md#user-content-题-4--61同解判据的严格证明)、[点 6 题 5](07-点6-同解与公共解.md#user-content-题-5--63两个齐次组的公共解)、[点 6 题 6](07-点6-同解与公共解.md#user-content-题-6--62非齐次同解的正确判据) |
| 九 矩阵方程三种形态 | [点 7 题 1](08-点7-矩阵方程.md#user-content-题-1--71矩阵方程判有解)、[点 7 题 2](08-点7-矩阵方程.md#user-content-题-2--71有解时写出矩阵形式的通解)、[点 7 题 3](08-点7-矩阵方程.md#user-content-题-3--71含参矩阵方程的可解性)、[点 7 题 4](08-点7-矩阵方程.md#user-content-题-4--72左乘型-xab-的解法)、[点 7 题 5](08-点7-矩阵方程.md#user-content-题-5--73两侧可逆的-axbc) |
| 十 克拉默法则 | [点 8 题 1](09-点8-克拉默法则与抽象证明.md#user-content-题-1--81三阶方程组用克拉默法则)、[点 8 题 2](09-点8-克拉默法则与抽象证明.md#user-content-题-2--81什么时候不能用克拉默) |
| 十一 证明四模板 | [点 8 题 3](09-点8-克拉默法则与抽象证明.md#user-content-题-3--82解向量组的线性无关性)、[点 8 题 4](09-点8-克拉默法则与抽象证明.md#user-content-题-4--82秩与解集的关系)、[点 8 题 5](09-点8-克拉默法则与抽象证明.md#user-content-题-5--82伴随矩阵的列与齐次解) |
<!-- /AUTO:回查 -->
整册入口:[知识点盘点](01-知识点盘点.md)、[点 1](02-点1-消元与解的判定.md)、[点 2](03-点2-齐次方程组与基础解系.md)、[点 3](04-点3-非齐次通解与解的性质.md)、[点 4](05-点4-含参方程组的分类讨论.md)、[点 5](06-点5-解的几何意义.md)、[点 6](07-点6-同解与公共解.md)、[点 7](08-点7-矩阵方程.md)、[点 8](09-点8-克拉默法则与抽象证明.md)。
@@ -1,32 +1,108 @@
---
tags: [数学一, 在学练习, 线性代数, MOC]
tags: [数学一, 在学练习, 线性代数, 线性方程组, README]
专题: 线性代数 第4讲 · 线性方程组
日期: 2026-10-20
状态: 已重写,考点、试题、解析齐全
日期: 2026-10-24
状态: 知识点盘点 + 八点分册(知识点带题,40 题)
关联笔记: ["[[01-知识点盘点]]", "[[10-速查卡]]"]
---
# 第4讲 · 线性方程组
# 线性代数 第4讲 · 线性方程组
这一版按“概念的意思 → 完整例子 → 条件与结论 → 对应练习”编写。先把例子亲手复算一遍,再做同类题;不要求先背完公式。
真题库第 12 章。近十年 **7 题 39 分**:4 道选择、2 道填空、1 道解答。**选择题密度全卷最高的一讲**——几何意义(三平面)与同解条件几乎每年轮着考。
| 文件 | 用法 |
整讲只有一个动作:**对增广矩阵作行变换,把方程变得容易读**。秩、自由未知量、基础解系,都是对消元结果的描述。
## 这一版的结构
| 层 | 文件 | 作用 | 读法 |
|---|---|---|---|
| **地图** | `01-知识点盘点.md` | 大纲、真题、参考仓库三条线的知识点全摊开,当字典查 | 先通读,之后只查不读 |
| **练** | `02`—`09` 八个点 | 每点**先列知识点(含参考仓库出处),再按知识点内部条目顺序逐一对应出题**,共 40 题 | 一天一个点,动手做 |
| **查** | `10-速查卡.md` | 十二组结论 $+$ 四处丢分点 $+$ 回查表 | 考前十分钟 |
**为什么不是"全是知识点"**:只讲知识点会退回"看得懂、做不出"。**为什么不是"全是题"**:只刷题会漏掉大纲要求但十年没考的点(比如公共解、$XA=B$ )。两层配合才不留死角。
## 文件清单
| 文件 | 内容 | 真题锚点 | 分值 | 题量 |
|---|---|---|---|---|
| `01-知识点盘点.md` | 十节盘点 $+$ 覆盖对照表 | — | — | 0 |
| `02-点1-消元与解的判定.md` | 同解变换、三分类、自由未知量、两种阶梯形 | 一切题起手 | — | 5 |
| `03-点2-齐次方程组与基础解系.md` | 解空间、基础解系定义与四步求法、$n-r$ | 2019·13 | 4 | 6 |
| `04-点3-非齐次通解与解的性质.md` | 结构定理、组合性质、由已知解构造 | 支撑解答题 | — | 6 |
| `05-点4-含参方程组的分类讨论.md` | 方阵分根、非方阵消元、书写规范 | 支撑解答题 | — | 5 |
| `06-点5-解的几何意义.md` | 三平面位置表、交集维数、三棱柱 | 2019·6、2024·5、2025·6 | **14** | 5 |
| `07-点6-同解与公共解.md` | 同解判据(齐次 / 非齐次)、公共解 | 2022·6、2025·15 | **10** | 6 |
| `08-点7-矩阵方程.md` | $AX=B$ 按列拆、$XA=B$ 转置、$AXB=C$ | 2016·20 | **11** | 5 |
| `09-点8-克拉默法则与抽象证明.md` | 克拉默法则、四个证明模板 | 支撑解答题 | — | 5 |
| `10-速查卡.md` | 十二组结论 $+$ 四处丢分点 | — | — | 0 |
合计 **40 题**。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
## 建议的三轮读法
**第一轮(2 小时)**:`01` 通读 $+$ `02`、`03`、`04` 各做一遍。这三个点是链条(判定 $\to$ 齐次 $\to$ 非齐次),顺序不能跳。
**第二轮(1.5 小时)**:`06`、`07`。这两节吃掉 24 分,且全是选择填空,性价比最高。
**第三轮(1 小时)**:`05`、`08` $+$ `09` $+$ `10`。前两个是解答题主力,后两个是保底。
时间不够时按这个顺序砍:`09` $\to$ `05` $\to$ `04` 。**`06`、`07`、`08` 一定不能砍**。
## 双向链接怎么用
粒度从粗到细三级:
| 粒度 | 在哪儿 | 什么时候用 |
|---|---|---|
| **册** | 本文件「文件清单」表 | 决定今天做哪一个点 |
| **知识点** | 各点文件开头的知识点标题(含参考仓库出处) | 做题卡住时回看对应判据 |
| **题** | 每道题末尾的「关联」行 $+$ 盘点 §0.4 $+$ 速查回查表 | 从某个知识点反查"它在哪几道题里练过" |
每道题末尾固定一行:
```
> **关联** · 盘点 §X.Y | 上游(同知识点、靠前的题)| 下游(靠后的题)| 速查(对应速查章)
```
四个方向全部指向**具体题目的锚点**,可在点文件、盘点、速查卡之间任意跳。
## 锚点怎么写(Gitea 两条方向相反的规则)
标题 id $=$ `user-content-` $+$ 标题原文小写化(保留字母数字汉字与下划线,空格变 `-`,**其余标点全部删除**)。
| 链接类型 | 写法 | 原因 |
|---|---|---|
| 同文件 | `#题-1--11三种变换与列变换为什么不行` | Gitea 渲染时**会自动**补 `user-content-` |
| 跨文件 | `03-点2-齐次方程组与基础解系.md#user-content-题-1--21只有零解的等价条件` | Gitea **不会**补,必须手写 |
写完用这两条命令校验:
```bash
python .workbuddy/tools/md2pdf/check_md_links.py 线性代数-第4讲-线性方程组
python .workbuddy/tools/md2pdf/fix_gitea_math.py --check
```
## 与其他讲的接口
| 本讲内容 | 来源 / 去向 | 用法 |
|---|---|---|
| $r(A)$ 与 $r(A\mid b)$ | 第 2 讲矩阵 | 那里算秩,这里判解 |
| 线性表示 $=$ 方程组有解 | 第 3 讲向量 | 同一件事的两种说法 |
| $n-r(\lambda E-A)$ | 第 5 讲特征值 | 特征子空间维数 $=$ 基础解系个数 |
| $(A-\lambda E)x=0$ | 第 5 讲特征值 | 求特征向量就是解齐次方程 |
| 克拉默法则 | 第 1 讲行列式 | $x_j=D_j/D$ |
## 版本记录
| 日期 | 变更 |
|---|---|
| [[线性代数-第4讲-线性方程组/01-考点手册\|考点手册]] | 从头理解,也可按卡点回查 |
| [[线性代数-第4讲-线性方程组/02-试题\|18 道分层习题]] | 独立题面,不含答案 |
| [[线性代数-第4讲-线性方程组/03-解析\|逐步解析]] | 先讲入口,再算过程,最后检查 |
| 2026-10-20 | 建文件夹,出「考点手册 / 试题 / 解析」三件套(18 题) |
| 2026-10-24 | **当前版(知识点带题)**:重构为「盘点 $+$ 八点分册 $+$ 速查卡」共 11 个文件(40 题),每题嵌题目级双向链接。旧版归档于 `旧版-题点分离/` |
1—6 消元与解的判定;7—14 解的结构、参数与几何;15—18 证明。建议分三次,共约 95 分钟。
## 两条写作约定
## 平板 PDF
1. **不生成 PDF**。只出 Markdown,在网页端或 App 里看。
2. **单个文件不超过 1.3 万字符**,超了就拆。
- [考点手册](PDF/线代第4讲-考点手册.pdf)
- [试题答题版](PDF/线代第4讲-试题-答题版.pdf)
- [逐步解析](PDF/线代第4讲-解析.pdf)
PDF 与本次 Markdown 同步重建。题面留答题空间;公式由本地 KaTeX 渲染。
## 参考与衔接
参考本仓库 `参考仓库/Math/linear-algebra` 中相应的 `knowledge` 和 `exercise` 章节;讲义题型作为学习框架,新增练习另设数据。真题锚点仅用于定位知识块,不作押题依据。
从 [[线性代数-重写版导读]] 查看三讲学习顺序及本次纠错记录。
题面数据除标注「真题骨架」外均为另设,只对齐考法。参考 `参考仓库/Math/linear-algebra/knowledge/4-linear-equations-system/linear-equations-system.tex` 与 `exercise/4-linear-equations-system/linear-equations-system.tex` 。
@@ -0,0 +1,361 @@
---
tags: [数学一, 在学练习, 线性代数, 特征值, 知识点盘点]
专题: 线性代数 第5讲 · 特征值与特征向量
日期: 2026-10-24
状态: 知识点盘点(七节 $+$ 覆盖对照表),配套 7 个点分册共 34 题
关联笔记: ["[[README]]", "[[10-速查卡]]"]
---
# 第5讲 · 特征值与特征向量:知识点盘点
真题库第 13 章。近十年 **11 题 83 分**,是线性代数分值最高的一讲(占线代总分近一半)。题型结构极稳定:**5 道选择填空(21 分)$+$ 5 道解答题(57 分)**,且解答题几乎每年落在第 20 或 21 题。
这个分值的含义:**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(同一个对角化流程换了个外壳),所以这一讲必须做到闭卷全流程。
三个核心动作,全讲反复用:
1. 解 $\lvert\lambda E-A\rvert=0$ 求特征值;
2. 解 $(\lambda E-A)x=0$ 求特征向量;
3. 用特征向量拼 $P$ ,验证 $P^{-1}AP=\Lambda$ 。
## 0 三张表
### 0.1 按分值排(时间紧就照这个顺序)
| 优先 | 点 | 真题锚点 | 分值 | 文件 |
|---|---|---|---|---|
| 1 | 实对称矩阵正交对角化 | 2021·21(解答) | **12** | `05` |
| 2 | 反求矩阵与抽象条件 | 2025·21(解答) | **12** | `06` |
| 3 | 相似与相似对角化 | 2019·21、2020·21 | **22** | `04` |
| 4 | 对角化的应用(求幂、秩) | 2017·20(解答) | **11** | `07` |
| 5 | 特征值的性质 | 2018·13、2024·7 | **9** | `03` |
| 6 | 与二次型的接口 | 2017·21 起 | — | `08` |
| 7 | 定义与求法 | 一切题的第 1 步 | — | `02` |
### 0.2 按依赖链排(文件顺序,也就是建议的阅读顺序)
```
02 定义与求法 ← 会解 |λE-A|=0 和 (λE-A)x=0
↓
03 特征值的性质 ← 和=迹、积=行列式、派生矩阵
↓
04 相似与相似对角化 ← 什么时候能拼出 P
↓
05 实对称正交对角化 ← 实对称必能,且 Q 正交(解答题主场)
↓
06 反求矩阵与抽象条件 ← 从 λ、η 倒推 A
↓
07 对角化的应用 ← 求 Aⁿ、算秩与行列式
↓
08 与二次型的接口 ← QᵀAQ=Λ 就是化标准形
```
### 0.3 符号约定
| 记号 | 含义 |
|---|---|
| $\lambda_i$ | 特征值(**是数**) |
| $\eta$ 或 $\xi$ | 特征向量(**非零**列向量) |
| $\lvert\lambda E-A\rvert$ | 特征多项式,是 $\lambda$ 的 $n$ 次多项式 |
| $n_i$ | 特征值 $\lambda_i$ 的**代数重数**(作为特征方程根的次数) |
| $m_i$ | $\lambda_i$ 的**几何重数** $=n-r(\lambda_iE-A)$ |
| $P$ | 由特征向量按列拼成的**可逆**矩阵(不要求正交) |
| $Q$ | **正交**矩阵($Q^{\mathrm T}Q=E$ ),实对称专用 |
| $\Lambda$ | 对角阵 $\mathrm{diag}(\lambda_1,\dots,\lambda_n)$ |
### 0.4 知识点与练习文件对照(按知识点粒度)
<!-- AUTO:KP -->
| 盘点章节(知识点) | 对应题目 |
|---|---|
| §1.1 定义与特征方程 | [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) |
| §1.2 特征值与特征向量的求法 | [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 4](02-点1-定义与求法.md#user-content-题-4--12含参矩阵的特征值) |
| §1.3 特征向量的性质 | [点 1 题 5](02-点1-定义与求法.md#user-content-题-5--13特征向量的四条性质)、[点 1 题 6](02-点1-定义与求法.md#user-content-题-6--13不同特征值特征向量无关的证明) |
| §2.1 特征值的和与积 | [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) |
| §2.2 派生矩阵的特征值 | [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) |
| §2.3 重数与几何重数 | [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) |
| §3.1 相似的定义与必要条件 | [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) |
| §3.2 相似对角化的充要条件 | [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) |
| §3.3 相似判定的三个必要条件 | [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) |
| §4.1 实对称矩阵的三个定理 | [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) |
| §4.2 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) |
| §4.3 正交矩阵与正交变换 | [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) |
| §5.1 由特征值特征向量反求矩阵 | [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) |
| §5.2 抽象条件与矩阵方程 | [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) |
| §6.1 用对角化求矩阵幂 | [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) |
| §6.2 用特征值算行列式与秩 | [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) |
| §7.1 三条对接点 | [点 7 题 1](08-点7-与二次型的接口.md#user-content-题-1--71由矩阵直接写标准形)、[点 7 题 2](08-点7-与二次型的接口.md#user-content-题-2--71正交变换化标准形全流程)、[点 7 题 3](08-点7-与二次型的接口.md#user-content-题-3--71正定性判定与特征值) |
<!-- /AUTO:KP -->
## 1 定义与求法
### 1.1 定义与特征方程
若存在**数** $\lambda$ 与**非零**向量 $\xi$ 使
$$A\xi=\lambda\xi\qquad(\xi\ne0),$$
称 $\lambda$ 为 $A$ 的特征值,$\xi$ 为属于 $\lambda$ 的特征向量。
**三个立即可得的改写**(解题全靠它们):
$$A\xi=\lambda\xi\iff(\lambda E-A)\xi=0\iff\xi\ \text{是}\ (\lambda E-A)x=0\ \text{的非零解}.$$
由第三条:$\lambda$ 是特征值 $\iff$ $(\lambda E-A)x=0$ 有非零解 $\iff\lvert\lambda E-A\rvert=0$ 。这个方程叫**特征方程**,左端叫**特征多项式**。
**四条易错**:
1. 特征向量必须**非零**(零向量对任何 $\lambda$ 都满足,不能算)。
2. $\lambda$ 可以是 0(此时 $A$ 不可逆),可以是负数、复数(实矩阵的复特征值成共轭对出现)。
3. $\lvert\lambda E-A\rvert$ 与 $\lvert A-\lambda E\rvert$ 只差 $(-1)^n$ ,**求根结果相同**,考试两种写法都对。
4. 特征向量**不唯一**:$\xi$ 是特征向量,则 $k\xi$ ($k\ne0$ )也是。所以答案写成"$k(1,-1)^{\mathrm T},\ k\ne0$ "或"全体非零倍数"。
### 1.2 特征值与特征向量的求法
**四步**:
1. 算 $\lvert\lambda E-A\rvert$ ,**因式分解**成 $(\lambda-\lambda_1)^{n_1}\cdots$ ;
2. 写出全部特征值 $\lambda_i$ 及代数重数 $n_i$ ;
3. 对每个 $\lambda_i$ ,解齐次方程组 $(\lambda_iE-A)x=0$ ,求基础解系 $\xi_{i1},\dots,\xi_{im_i}$ ;
4. 特征向量写成 $k_1\xi_{i1}+\cdots+k_{m_i}\xi_{im_i}$ ($k$ 不全为零)。
**第 3 步的捷径**(几乎每题都用):$\lambda_iE-A$ 的**每一行之和**常常为零(因 $A$ 的行和相等或 $\lambda_i$ 是根),说明 $(1,1,\dots,1)^{\mathrm T}$ 是解;或直接观察哪两列成比例。**先猜后验**比硬解快得多。
**二阶速算**:$\lambda^2-(\operatorname{tr}A)\lambda+\lvert A\rvert=0$ 。
### 1.3 特征向量的性质
设 $\xi_1,\dots,\xi_s$ 都是 $\lambda$ 的特征向量,则
1. **同一特征值的特征向量的任意非零线性组合仍是该特征值的特征向量**(因 $(\lambda E-A)x=0$ 的解空间是子空间,去掉零向量即可)。
2. **属于不同特征值的特征向量线性无关**。这是最重要的一条,是"$P$ 可逆"的根基。
3. 推论:$n$ 阶矩阵若有 $n$ 个**互不相同**的特征值,则必可对角化。
4. 特征向量**不能跨特征值相加**:$\xi_{\lambda_1}+\xi_{\lambda_2}$ 一般不再是任何特征值的特征向量。
## 2 特征值的性质
### 2.1 特征值的和与积
$$\sum_{i=1}^{n}\lambda_i=\operatorname{tr}A=\sum_{i=1}^{n}a_{ii},\qquad\prod_{i=1}^{n}\lambda_i=\lvert A\rvert .$$
记忆法:在 $\lvert\lambda E-A\rvert=\lambda^n-(\operatorname{tr}A)\lambda^{n-1}+\cdots+(-1)^n\lvert A\rvert$ 里比系数。
**三条推论**:
- $\lvert A\rvert=0\iff$ 至少一个特征值为 0;
- $A$ 可逆 $\iff$ 全部特征值非零;
- 已知 $n-1$ 个特征值,第 $n$ 个由迹(或行列式)**直接减出来**——这是选择填空的常见套路。
### 2.2 派生矩阵的特征值
设 $A$ 的特征值为 $\lambda$ ,对应特征向量 $\xi$ (**同一个 $\xi$ 全部通用**):
| 矩阵 | 特征值 | 条件 |
|---|---|---|
| $kA$ | $k\lambda$ | — |
| $A^{m}$ | $\lambda^{m}$ | — |
| $A^{-1}$ | $\lambda^{-1}$ | $A$ 可逆($\lambda\ne0$ ) |
| $A^{*}$ | $\lvert A\rvert/\lambda$ | $A$ 可逆 |
| $f(A)$ (多项式) | $f(\lambda)$ | — |
| $A^{\mathrm T}$ | $\lambda$ (**特征向量不同**) | — |
| $P^{-1}AP$ | $\lambda$ (特征向量 $P^{-1}\xi$ ) | $P$ 可逆 |
**最常用的一条**:$f(A)\xi=f(\lambda)\xi$ 。它把"求 $A^2+3A-2E$ 的特征值"变成"把 $\lambda$ 代进多项式"。
**$A^{\mathrm T}$ 与 $A$ 特征值相同但特征向量不同**——这是最容易想当然的地方。
### 2.3 重数与几何重数
- **代数重数** $n_i$ :$\lambda_i$ 作为特征方程根的重数。
- **几何重数** $m_i$ :$n-r(\lambda_iE-A)$ ,即特征子空间的维数,也等于该特征值**线性无关特征向量的最大个数**。
**基本不等式**:
$$1\leqslant m_i\leqslant n_i .$$
$m_i\geqslant1$ 是"特征值必有特征向量"的另一种说法;$m_i\leqslant n_i$ 是定理(不证)。
**可对角化的判据**(下一节点 3 用它):
$$A\ \text{可对角化}\iff\text{对每个}\ \lambda_i\ \text{都有}\ m_i=n_i\iff\sum_i m_i=n .$$
**一句话记忆**:**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**。
## 3 相似与相似对角化
### 3.1 相似的定义与必要条件
若存在可逆矩阵 $P$ 使
$$P^{-1}AP=B,$$
称 $A$ 与 $B$ 相似,记 $A\sim B$ 。
**相似的必要条件**(用来**否定**相似,不能用来肯定):
| 量 | 相似不变量 |
|---|---|
| 特征多项式 | 相同(故特征值含重数相同) |
| 秩 | $r(A)=r(B)$ |
| 行列式 | $\lvert A\rvert=\lvert B\rvert$ |
| 迹 | $\operatorname{tr}A=\operatorname{tr}B$ |
| 可对角化性 | 相同 |
**这五条全满足也不一定相似**——它们是"必要"不是"充分"。但在选择题里,只要有一条不等就能立刻排除。
### 3.2 相似对角化的充要条件
$$A\ \text{可对角化}\iff A\ \text{有}\ n\ \text{个线性无关的特征向量}.$$
此时把 $n$ 个无关特征向量按列拼成 $P$ ,则
$$P^{-1}AP=\Lambda=\mathrm{diag}(\lambda_1,\dots,\lambda_n).$$
**$P$ 的列序必须与 $\Lambda$ 的对角元顺序一一对应**——写反了答案错但不易自查,务必对齐。
**三个充分条件**(够用即可判"能"):
1. $A$ 有 $n$ 个**互不相同**的特征值;
2. $A$ 是**实对称**矩阵(必可对角化,且可正交对角化);
3. $A$ 的每个特征值都满足 $m_i=n_i$ 。
**判"不能"的条件**:某特征值 $m_i<n_i$ ,即 $n-r(\lambda_iE-A)<n_i$ 。
### 3.3 相似判定的三个必要条件
选择题考"$A$ 与 $B$ 是否相似"时,按这个顺序筛:
1. **特征值(含重数)是否相同**——不同直接否;
2. **秩是否相同**——不同直接否;
3. **是否都可对角化**(若特征值相同)——都可对角化则相似(因同相似于同一个 $\Lambda$ );一个可一个不可则不相似。
**第 3 条是关键**:特征值、秩全同但只有一个能对角化时,**不相似**。这是 2017·6、2018·5、2016·5 反复考的点。
## 4 实对称矩阵的正交对角化
### 4.1 实对称矩阵的三个定理
设 $A^{\mathrm T}=A$ (实对称),则
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);
3. **必存在正交矩阵 $Q$ 使 $Q^{\mathrm T}AQ=Q^{-1}AQ=\Lambda$ ** (即必可正交对角化)。
第 2 条是实对称独有的——一般矩阵只能保证"线性无关",实对称能保证"正交"。
**第 3 条的等价说法**:实对称矩阵的每个特征值都满足 $m_i=n_i$ 。
### 4.2 正交对角化五步
1. 解 $\lvert\lambda E-A\rvert=0$ ,得全部特征值及重数;
2. 对每个 $\lambda_i$ 解 $(\lambda_iE-A)x=0$ ,得基础解系;
3. 对**同一特征值**的多个特征向量做**施密特正交化**(不同特征值的自动正交,不用处理);
4. 全部单位化,按列拼成 $Q$ ;
5. 写出 $Q^{\mathrm T}AQ=\Lambda$ ,**并检查 $Q$ 的列序与 $\Lambda$ 的顺序一致**。
**唯一容易出错的步骤是第 3 步**:单重特征值不用施密特,只有重特征值内部才需要。
### 4.3 正交矩阵与正交变换
$Q$ 正交 $\iff Q^{\mathrm T}Q=E\iff Q^{-1}=Q^{\mathrm T}$ 。正交变换 $x=Qy$ 保持长度与内积,所以
$$x^{\mathrm T}Ax=y^{\mathrm T}(Q^{\mathrm T}AQ)y=y^{\mathrm T}\Lambda y=\lambda_1y_1^2+\cdots+\lambda_ny_n^2 .$$
这正是第 6 讲"正交变换化标准形"的全部内容——**第 5 讲做对了,第 6 讲只是换个问法**。
## 5 反求矩阵与抽象条件
### 5.1 由特征值特征向量反求矩阵
已知 $A$ 的 $n$ 个特征值与对应的 $n$ 个无关特征向量,则
$$A=P\Lambda P^{-1},\qquad P=(\xi_1,\dots,\xi_n),\ \Lambda=\mathrm{diag}(\lambda_1,\dots,\lambda_n).$$
**验算办法**:算完 $A$ 后回代 $A\xi_i=\lambda_i\xi_i$ ,只需验一两个即可。
**部分已知时**:若只给 2 个特征向量($n=3$ ),第三个通常由"$\operatorname{tr}A=\sum\lambda_i$ "或"$A$ 的某行已知"补齐。
### 5.2 抽象条件与矩阵方程
题目常给"$A$ 满足某个多项式方程",此时**特征值满足同一个方程**:
$$A^2-3A+2E=O\Longrightarrow\lambda^2-3\lambda+2=0\Longrightarrow\lambda\in\{1,2\}.$$
**注意方向**:$A$ 满足 $\Rightarrow$ $\lambda$ 满足;反之不成立($\lambda$ 满足推不出 $A$ 满足)。
三条高频结论:
| 条件 | 特征值范围 | 附加结论 |
|---|---|---|
| $A^2=A$ (幂等) | $\lambda\in\{0,1\}$ | $r(A)=\operatorname{tr}A=$ 特征值中 1 的个数 |
| $A^2=E$ (对合) | $\lambda=\pm1$ | $A$ 可对角化 |
| $A^k=O$ (幂零) | $\lambda=0$ | $A\ne O$ 时不可对角化 |
**$A^2=A$ 那条最常考**:$A$ 可对角化(最小多项式无重根),$r(A)$ 直接等于 1 的个数。
## 6 对角化的应用
### 6.1 用对角化求矩阵幂
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**:求特征值与特征向量 $\to$ 拼 $P$ 与 $\Lambda$ $\to$ 求 $P^{-1}$ $\to$ 三个矩阵相乘。
**$P^{-1}$ 的速算**:二阶用 $\dfrac{1}{ad-bc}\begin{pmatrix}d&-b\\-c&a\end{pmatrix}$ ;若 $P$ 的列可取成"整数且行列式为 $\pm1$ ",则 $P^{-1}$ 也是整数阵,省去分数。
### 6.2 用特征值算行列式与秩
$$\lvert A\rvert=\prod\lambda_i,\qquad \lvert f(A)\rvert=\prod f(\lambda_i),\qquad r(A)=\text{非零特征值的个数}\ (\text{仅当可对角化}).$$
**注意 $r(A)$ 那条的适用条件**:只有 $A$ 可对角化时"秩 = 非零特征值个数"才成立。反例:$\begin{pmatrix}0&1\\0&0\end{pmatrix}$ 特征值全为 0 但秩为 1。
更一般的秩公式(例 2017·20):
$$r(A)=n-\dim N(A)=n-\#\{\text{属于 }0\text{ 的线性无关特征向量}\}.$$
## 7 与第 6 讲二次型的接口
### 7.1 三条对接点
| 第 5 讲 | 第 6 讲 |
|---|---|
| $Q^{\mathrm T}AQ=\Lambda$ | 正交变换 $x=Qy$ 化二次型为标准形 |
| $\lambda_i$ 的符号 | 正、负惯性指数 |
| $\lambda_i>0$ 全部 | 正定 |
**一句话**:二次型的标准形系数**就是**特征值,所以第 6 讲的解答题实质上是在做本讲的 §4.2 五步。
## 8 覆盖对照(大纲 vs 真题 vs 参考仓库)
| 知识点 | 大纲要求 | 十年真题 | 参考仓库 | 处置 |
|---|---|---|---|---|
| 定义与特征方程 | **掌握** | 隐含于每题 | 有 | 点 1,2 题 |
| 求特征值与特征向量 | **掌握(核心)** | 每年必用 | 有 | 点 1,3 题 |
| 特征向量性质 | 掌握 | 支撑证明 | 有 | 点 1,2 题 |
| 和与积(迹、行列式) | **掌握** | 2018·13、2024·7 | 有 | 点 2,2 题 |
| 派生矩阵特征值 | **掌握** | 高频选择 | 有 | 点 2,3 题 |
| 重数与几何重数 | **掌握** | 2023·6 | 有 | 点 2,2 题 |
| 相似的必要条件 | **掌握** | 2016·5、2017·6、2018·5 | 有 | 点 3,2 题 |
| 相似对角化判据 | **掌握(核心)** | 2023·6、2020·21 | 有 | 点 3,4 题 |
| 实对称三定理 | **掌握** | 2021·21 | 有 | 点 4,2 题 |
| 正交对角化五步 | **掌握(核心)** | 2021·21(12 分) | 有 | 点 4,3 题 |
| 由特征值反求 $A$ | **掌握** | 2019·21、2025·21 | 有 | 点 5,2 题 |
| 抽象条件($A^2=A$ 等) | **掌握** | 2025·21 | 有 | 点 5,3 题 |
| 求 $A^m$ | **掌握** | 2017·20 | 有 | 点 6,2 题 |
| 特征值算行列式与秩 | **掌握** | 2017·20、2018·13 | 有 | 点 6,2 题 |
| 与二次型接口 | 掌握 | 每年代数大题 | 有 | 点 7,3 题 |
**结论**:十年 83 分里,**解答题(57 分)全部落在 `04`、`05`、`06`、`07` 四节**;选择填空(21 分)集中在 `02`、`03` 的性质与判定。前四个文件必须做到"给一个三阶矩阵,五分钟内走完全流程"。
## 9 与相邻讲的接口
| 本讲内容 | 来源 / 去向 | 用法 |
|---|---|---|
| $\lvert\lambda E-A\rvert$ | 第 1 讲行列式 | 特征多项式 |
| $(\lambda E-A)x=0$ 非零解 | 第 4 讲方程组 | 求特征向量 |
| $n-r(\lambda E-A)$ | 第 4 讲基础解系个数 | 几何重数 |
| $P$ 为过渡矩阵 | 第 3 讲基变换 | $P^{-1}AP=\Lambda$ 是换基 |
| 施密特正交化 | 第 3 讲点 6 | 重特征值内部正交化 |
| $Q^{\mathrm T}AQ=\Lambda$ | 第 6 讲二次型 | 化标准形 |
@@ -0,0 +1,218 @@
---
tags: [数学一, 在学练习, 线性代数, 特征值, 定义与求法]
专题: 线性代数 第5讲 · 点1 定义与求法
日期: 2026-10-24
状态: 知识点带题(1.1 定义与特征方程、1.2 求法、1.3 性质,6 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 1 定义与求法
> 真题锚点:一切题的第 1 步|重要度 ★★★
> 依赖:第 1 讲行列式、第 4 讲齐次方程。盘点对应:§1 全节。
**组织原则**:先列知识点(定义 → 求法 → 性质),再逐一对应出题。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
## 知识点 1.1 定义与特征方程(出处:[知识章 similar.tex §1](../../../../参考仓库/Math/linear-algebra/knowledge/5-similar/similar.tex))
若存在**数** $\lambda$ 与**非零**向量 $\xi$ 使 $A\xi=\lambda\xi$ ,称 $\lambda$ 为特征值、$\xi$ 为属于 $\lambda$ 的特征向量。三条等价改写:
$$A\xi=\lambda\xi\iff(\lambda E-A)\xi=0\iff\xi\ \text{是}\ (\lambda E-A)x=0\ \text{的非零解}.$$
故 $\lambda$ 是特征值 $\iff\lvert\lambda E-A\rvert=0$ (**特征方程**)。
**四条易错**:特征向量必须非零;$\lambda$ 可为 0 或负数;$\lvert\lambda E-A\rvert$ 与 $\lvert A-\lambda E\rvert$ 只差 $(-1)^n$ ;特征向量不唯一(任意非零倍数)。
## 知识点 1.2 特征值与特征向量的求法(出处:[练习章 similar.tex §1](../../../../参考仓库/Math/linear-algebra/exercise/5-similar/similar.tex))
四步:① 算 $\lvert\lambda E-A\rvert$ 并因式分解;② 写出全部 $\lambda_i$ 与代数重数;③ 对每个 $\lambda_i$ 解 $(\lambda_iE-A)x=0$ 求基础解系;④ 写成 $k_1\xi_{i1}+\cdots$ (系数不全为零)。
**二阶速算**:$\lambda^2-(\operatorname{tr}A)\lambda+\lvert A\rvert=0$ 。
**捷径**:若 $\lambda_iE-A$ 各行之和为零,则 $(\lambda_iE-A)(1,\dots,1)^{\mathrm T}=0$ ,直接得特征向量。
## 知识点 1.3 特征向量的性质(出处:[知识章 similar.tex §2](../../../../参考仓库/Math/linear-algebra/knowledge/5-similar/similar.tex))
1. **同一特征值**的特征向量的任意非零线性组合仍是该特征值的特征向量。
2. **不同特征值**的特征向量**线性无关**(最重要的性质,$P$ 可逆的根基)。
3. 推论:有 $n$ 个互异特征值 $\Rightarrow$ 必可对角化。
4. 特征向量**不能跨特征值相加**。
---
## 题目(按知识点顺序对应)
### 题 1 · 1.1:定义的三条等价写法(★☆☆)
> 设 $A=\begin{pmatrix}2&1\\1&2\end{pmatrix}$ ,$\xi=(1,-1)^{\mathrm T}$ 。
>
> (Ⅰ)验证 $\xi$ 是 $A$ 的特征向量,并写出对应特征值;
> (Ⅱ)说明为什么 $\xi=(1,1)^{\mathrm T}$ 对应的特征值不同;
> (Ⅲ)判断:"$0$ 是 $A$ 的特征值"与"$A$ 不可逆"是否等价。
**怎么想**:定义题就是**直接乘一次**。$A\xi$ 与 $\xi$ 成比例 ⟺ 是特征向量,比例系数就是特征值。
**解**:(Ⅰ)
$$A\xi=\begin{pmatrix}2&1\\1&2\end{pmatrix}\begin{pmatrix}1\\-1\end{pmatrix}=\begin{pmatrix}2-1\\1-2\end{pmatrix}=\begin{pmatrix}1\\-1\end{pmatrix}=1\cdot\xi .$$
故 $\xi$ 是特征向量,特征值 $\lambda=1$ 。
(Ⅱ)$A\begin{pmatrix}1\\1\end{pmatrix}=\begin{pmatrix}3\\3\end{pmatrix}=3\begin{pmatrix}1\\1\end{pmatrix}$ ,对应 $\lambda=3\ne1$ 。同一矩阵不同方向的伸缩倍数可以不同,**这正是"特征"的含义**。
(Ⅲ)**等价**。$\lvert A\rvert=0\iff\lvert0\cdot E-A\rvert=0\iff0$ 是特征方程 $\lvert\lambda E-A\rvert=0$ 的根。
**验算**:$\lvert A\rvert=4-1=3\ne0$ ,与"$0$ 不是特征值"一致(本题特征值为 $1,3$ )。
**带走结论**:$A\xi=\lambda\xi$ 检验只需一次乘法。**$0$ 是特征值 $\iff$ 不可逆 $\iff$ 行列式为零**,这三条是同一个命题的三种说法。
> **关联** · 盘点 [§1.1 定义与特征方程](01-知识点盘点.md#user-content-11-定义与特征方程) | 上游 — | 下游 — | 速查 [一 三个核心动作](09-速查卡.md#user-content-一-三个核心动作)
---
### 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。
**怎么想**:二阶用速算式 $\lambda^2-(\operatorname{tr}A)\lambda+\lvert A\rvert=0$ ,比展开行列式快。求出两个根后**逐个**解 $(\lambda_iE-A)x=0$ 。
**解**:$\operatorname{tr}A=4$ ,$\lvert A\rvert=3$ ,故
$$\lambda^2-4\lambda+3=0\Longrightarrow(\lambda-1)(\lambda-3)=0\Longrightarrow\lambda_1=1,\ \lambda_2=3 .$$
**$\lambda_1=1$ ** :
$$\lambda_1E-A=\begin{pmatrix}-1&-1\\-1&-1\end{pmatrix}\longrightarrow\begin{pmatrix}1&1\\0&0\end{pmatrix},$$
即 $x_1+x_2=0$ ,基础解系 $\xi_1=(1,-1)^{\mathrm T}$ 。特征向量 $k_1(1,-1)^{\mathrm T}$ ($k_1\ne0$ )。
**$\lambda_2=3$ ** :
$$\lambda_2E-A=\begin{pmatrix}1&-1\\-1&1\end{pmatrix}\longrightarrow\begin{pmatrix}1&-1\\0&0\end{pmatrix},$$
即 $x_1-x_2=0$ ,基础解系 $\xi_2=(1,1)^{\mathrm T}$ 。特征向量 $k_2(1,1)^{\mathrm T}$ ($k_2\ne0$ )。
**验算**:$\operatorname{tr}A=4=1+3$ ✓;$\lvert A\rvert=3=1\times3$ ✓。
**带走结论**:二阶题**一定**用速算式,并用迹与行列式双验。两个特征向量 $(-1,1)$ 与 $(1,1)$ 恰好正交——这是实对称矩阵的必然(本讲点 4)。
> **关联** · 盘点 [§1.2 特征值与特征向量的求法](01-知识点盘点.md#user-content-12-特征值与特征向量的求法) | 上游 — | 下游 [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 4](02-点1-定义与求法.md#user-content-题-4--12含参矩阵的特征值) | 速查 [二 求特征向量四步](09-速查卡.md#user-content-二-求特征向量四步)
---
### 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。
**怎么想**:$A$ 是分块对角 $\mathrm{diag}(2,\ B)$ ,$B=\begin{pmatrix}3&1\\1&3\end{pmatrix}$ 。分块三角的特征值就是各块特征值的并(**直接读**,不必展开三阶行列式)。$B$ 的特征值用二阶速算。
**解**:$A$ 分块为 $(2)$ 与 $B$ ,故特征值 $=$ $\{2\}\cup\{B$ 的特征值$\}$ 。
$B$ 的 $\operatorname{tr}B=6$ 、$\lvert B\rvert=9-1=8$ ,$\lambda^2-6\lambda+8=0\Rightarrow\lambda=2,4$ 。
所以 $A$ 的特征值为 $\lambda_1=\lambda_2=2$ (二重)、$\lambda_3=4$ 。
**$\lambda=2$ ** :$2E-A=\begin{pmatrix}0&0&0\\0&-1&-1\\0&-1&-1\end{pmatrix}$ ,方程 $-x_2-x_3=0$ ,即 $x_2+x_3=0$ ,$x_1$ 自由。基础解系
$$\xi_1=(1,0,0)^{\mathrm T},\qquad\xi_2=(0,1,-1)^{\mathrm T}.$$
**$\lambda=4$ ** :$4E-A=\begin{pmatrix}2&0&0\\0&1&-1\\0&-1&1\end{pmatrix}$ ,得 $x_1=0$ 、$x_2=x_3$ ,基础解系 $\xi_3=(0,1,1)^{\mathrm T}$ 。
**验算**:$\operatorname{tr}A=2+3+3=8=2+2+4$ ✓;$\lvert A\rvert=2(9-1)=16=2\cdot2\cdot4$ ✓。
**带走结论**:**分块三角矩阵的特征值就是各块特征值拼起来**,别去展开三阶行列式。$\lambda=2$ 的代数重数 2,而 $r(2E-A)=1$ 、几何重数 $=3-1=2$ ,两者相等,故本题其实可对角化(点 3 的判据)。
> **关联** · 盘点 [§1.2 特征值与特征向量的求法](01-知识点盘点.md#user-content-12-特征值与特征向量的求法) | 上游 [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) | 下游 [点 1 题 4](02-点1-定义与求法.md#user-content-题-4--12含参矩阵的特征值) | 速查 [二 求特征向量四步](09-速查卡.md#user-content-二-求特征向量四步)
---
### 题 4 · 1.2:含参矩阵的特征值(★★☆)
> 设 $A=\begin{pmatrix}1&1&0\\0&a&0\\0&0&1\end{pmatrix}$ ($a$ 为常数)。求 $A$ 的全部特征值,并讨论 $a$ 取何值时 $A$ 可对角化。
**怎么想**:上三角矩阵,**主对角元直接就是特征值**——这是三角矩阵的免费结论。重根出现在 $a=1$ 时,此时需要看几何重数。
**解**:$A$ 为上三角,特征多项式
$$\lvert\lambda E-A\rvert=\begin{vmatrix}\lambda-1&-1&0\\0&\lambda-a&0\\0&0&\lambda-1\end{vmatrix}=(\lambda-1)^2(\lambda-a).$$
特征值 $\lambda_1=\lambda_2=1$ (二重)、$\lambda_3=a$ 。
**① $a\ne1$ ** :三个特征值 $1,1,a$ ,其中 $1$ 是二重根。看几何重数:
$$E-A=\begin{pmatrix}0&-1&0\\0&1-a&0\\0&0&0\end{pmatrix}\longrightarrow\begin{pmatrix}0&1&0\\0&0&0\\0&0&0\end{pmatrix}\quad(\text{因 }a\ne1),$$
$r(E-A)=1$ ,几何重数 $=3-1=2=$ 代数重数。故 $A$ **可对角化**。
**② $a=1$ ** :$A=\begin{pmatrix}1&1&0\\0&1&0\\0&0&1\end{pmatrix}$ ,特征值 $1$ 三重。$E-A=\begin{pmatrix}0&-1&0\\0&0&0\\0&0&0\end{pmatrix}$ ,$r=1$ ,几何重数 $=3-1=2<3$ ,故 **不可对角化**。
**验算**:$\operatorname{tr}A=1+a+1=a+2=1+1+a$ ✓;$\lvert A\rvert=a=1\cdot1\cdot a$ ✓。
**带走结论**:**三角矩阵特征值直接读对角元**。重根要单独查几何重数——本题 $a=1$ 时几何重数 2、代数重数 3,差一个就不可对角化。
> **关联** · 盘点 [§1.2 特征值与特征向量的求法](01-知识点盘点.md#user-content-12-特征值与特征向量的求法) | 上游 [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) | 下游 — | 速查 [二 求特征向量四步](09-速查卡.md#user-content-二-求特征向量四步)
---
### 题 5 · 1.3:特征向量的四条性质(★★☆)
> 设 $\lambda_1\ne\lambda_2$ ,$\xi_1$ 是 $\lambda_1$ 的特征向量,$\xi_2$ 是 $\lambda_2$ 的特征向量。判断:
>
> (Ⅰ)$\xi_1+\xi_2$ 一定是 $A$ 的特征向量;
> (Ⅱ)$2\xi_1$ 仍是 $\lambda_1$ 的特征向量;
> (Ⅲ)$\xi_1,\xi_2$ 线性无关;
> (Ⅳ)若 $A$ 为三阶且第三个特征值 $\lambda_3$ 对应 $\xi_3$ ,则 $\xi_1,\xi_2,\xi_3$ 线性无关。
**怎么想**:逐条对照 1.3 的四款性质。(Ⅰ)是"跨特征值相加"的经典错误,(Ⅳ)是性质 2 的反复使用。
**解**:(Ⅰ)**错**。$A(\xi_1+\xi_2)=\lambda_1\xi_1+\lambda_2\xi_2$ ,它既不等于 $\lambda_1(\xi_1+\xi_2)$ 也不等于 $\lambda_2(\xi_1+\xi_2)$ (因 $\lambda_1\ne\lambda_2$ 且 $\xi_1,\xi_2$ 无关)。
(Ⅱ)**对**。$A(2\xi_1)=2A\xi_1=2\lambda_1\xi_1=\lambda_1(2\xi_1)$ ,且 $2\xi_1\ne0$ 。同一特征值的**非零**倍数仍是特征向量。
(Ⅲ)**对**。属于不同特征值的特征向量必线性无关(性质 2)。
(Ⅳ)**对**。三个特征值互不相同(若 $\lambda_3$ 与 $\lambda_1$ 相同则另论),由性质 2 逐对无关,且这是"不同特征值的特征向量组"的标准结论,整体线性无关。
**带走结论**:**跨特征值不能相加,同特征值可以任意组合**。这条界限贯穿全讲——拼 $P$ 时只能"每个特征值各取一套",不能混着凑。
> **关联** · 盘点 [§1.3 特征向量的性质](01-知识点盘点.md#user-content-13-特征向量的性质) | 上游 — | 下游 [点 1 题 6](02-点1-定义与求法.md#user-content-题-6--13不同特征值特征向量无关的证明) | 速查 [二 求特征向量四步](09-速查卡.md#user-content-二-求特征向量四步)
---
### 题 6 · 1.3:不同特征值特征向量无关的证明(★★★)
> 设 $\lambda_1,\lambda_2,\dots,\lambda_m$ 是 $A$ 的**互不相同**的特征值,$\xi_i$ 是对应 $\lambda_i$ 的特征向量($i=1,\dots,m$ )。证明:$\xi_1,\xi_2,\dots,\xi_m$ 线性无关。
**怎么想**:对 $m$ 归纳,但关键技巧在**两端夹击**:设零组合后先左乘 $A$ 得一个式子,原式再乘 $\lambda_m$ 得另一个式子,两式相减把 $\xi_m$ 消掉,退回 $m-1$ 的情形。
**解**:对 $m$ 归纳。$m=1$ 时 $\xi_1\ne0$ ,结论成立。
设结论对 $m-1$ 成立,考察
$$k_1\xi_1+k_2\xi_2+\cdots+k_m\xi_m=0 .\tag{1}$$
两边左乘 $A$ ,用 $A\xi_i=\lambda_i\xi_i$ :
$$k_1\lambda_1\xi_1+k_2\lambda_2\xi_2+\cdots+k_m\lambda_m\xi_m=0 .\tag{2}$$
$(1)\times\lambda_m$ 得
$$k_1\lambda_m\xi_1+k_2\lambda_m\xi_2+\cdots+k_m\lambda_m\xi_m=0 .\tag{3}$$
$(2)-(3)$ 消去 $\xi_m$ 项:
$$k_1(\lambda_1-\lambda_m)\xi_1+k_2(\lambda_2-\lambda_m)\xi_2+\cdots+k_{m-1}(\lambda_{m-1}-\lambda_m)\xi_{m-1}=0 .$$
这是 $m-1$ 个互异特征值对应特征向量的零组合,由归纳假设,所有系数为零:
$$k_i(\lambda_i-\lambda_m)=0\quad(i=1,\dots,m-1).$$
因 $\lambda_i\ne\lambda_m$ ,得 $k_1=\cdots=k_{m-1}=0$ 。代回 $(1)$ 得 $k_m\xi_m=0$ ,而 $\xi_m\ne0$ ,故 $k_m=0$ 。
全部系数为零,$\xi_1,\dots,\xi_m$ 线性无关。
**带走结论**:**"乘 $A$ 两次、相减消一项"** 是这一族证明的固定套路。它的推广就是"实对称矩阵不同特征值的特征向量正交"——那里把左乘 $A$ 换成"两边取内积",思路完全一致。
> **关联** · 盘点 [§1.3 特征向量的性质](01-知识点盘点.md#user-content-13-特征向量的性质) | 上游 [点 1 题 5](02-点1-定义与求法.md#user-content-题-5--13特征向量的四条性质) | 下游 — | 速查 [二 求特征向量四步](09-速查卡.md#user-content-二-求特征向量四步)
---
@@ -0,0 +1,236 @@
---
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))
设 $A\xi=\lambda\xi$ ,则**同一个 $\xi$ ** 满足下表。
| 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**。
---
## 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)
---
@@ -0,0 +1,237 @@
---
tags: [数学一, 在学练习, 线性代数, 特征值, 相似对角化]
专题: 线性代数 第5讲 · 点3 相似与相似对角化
日期: 2026-10-24
状态: 知识点带题(3.1 必要条件、3.2 充要条件、3.3 相似判定,6 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 3 相似与相似对角化
> 真题锚点:2019·21、2020·21(各 11 分)、2023·6(5 分)|重要度 ★★★
> 依赖:点 1、点 2。盘点对应:§3 全节。
**组织原则**:先列知识点(相似定义 → 对角化判据 → 相似判定),再逐一对应出题。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
## 知识点 3.1 相似的定义与必要条件(出处:[知识章 similar.tex §5](../../../../参考仓库/Math/linear-algebra/knowledge/5-similar/similar.tex))
$P^{-1}AP=B$ ($P$ 可逆)称 $A\sim B$ 。**相似不变量**(用来否定,不能用来肯定):
| 量 | 是否不变 |
|---|---|
| 特征多项式(含重数) | 不变 |
| 秩 | 不变 |
| 行列式 | 不变 |
| 迹 | 不变 |
| 可对角化性 | 不变 |
**五条全满足也不一定相似**——它们是必要条件。
## 知识点 3.2 相似对角化的充要条件(出处:[知识章 similar.tex §6](../../../../参考仓库/Math/linear-algebra/knowledge/5-similar/similar.tex))
$$A\ \text{可对角化}\iff A\ \text{有}\ n\ \text{个线性无关的特征向量}.$$
此时 $P=(\xi_1,\dots,\xi_n)$ ,$P^{-1}AP=\Lambda=\mathrm{diag}(\lambda_1,\dots,\lambda_n)$ ,**$P$ 的列序与 $\Lambda$ 对角元顺序一一对应**。
**三个充分条件**:$n$ 个互异特征值;$A$ 实对称;每个 $\lambda_i$ 都满足 $m_i=n_i$ 。
**判"不能"**:存在 $\lambda_i$ 使 $m_i<n_i$ 。
## 知识点 3.3 相似判定的三个必要条件(出处:[练习章 similar.tex §3](../../../../参考仓库/Math/linear-algebra/exercise/5-similar/similar.tex))
按顺序筛:① 特征值(含重数)是否相同;② 秩是否相同;③ 特征值相同时,是否**都可对角化**。
**第 ③ 条是关键**:特征值、秩全同但只有一个能对角化时,**不相似**。
---
## 题目(按知识点顺序对应)
### 题 1 · 3.1:相似的不变量(★☆☆)
> 设 $A\sim B$ ($A,B$ 均为 $n$ 阶)。判断下列量是否一定相等:
>
> (Ⅰ)$\lvert A\rvert$ 与 $\lvert B\rvert$ ;(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。
**怎么想**:前三项都是"特征值的函数"——$A\sim B$ 意味着特征多项式相同,于是任何由特征值决定的量都相同。(Ⅳ)是陷阱:相似矩阵特征值相同,但特征向量**跟着 $P$ 变**。
**解**:(Ⅰ)**相等**。$B=P^{-1}AP\Rightarrow\lvert B\rvert=\lvert P^{-1}\rvert\lvert A\rvert\lvert P\rvert=\lvert A\rvert$ 。
(Ⅱ)**相等**。乘可逆矩阵不改变秩。
(Ⅲ)**相等**。$A\sim B\Rightarrow A^2\sim B^2$ (因 $B^2=P^{-1}A^2P$ ),故迹相同。也可由"$A^2$ 的特征值是 $\lambda_i^2$ "直接看出。
(Ⅳ)**不相等**。若 $A\xi=\lambda\xi$ ,则 $B(P^{-1}\xi)=P^{-1}AP(P^{-1}\xi)=P^{-1}A\xi=\lambda P^{-1}\xi$ ,即 $B$ 的特征向量是 $P^{-1}\xi$ 而非 $\xi$ 。
**带走结论**:**相似不改变"特征值层面"的一切,但改变"向量层面"的一切**。判断"哪些量相似不变"时问一句"它是否只由特征值决定"即可。
> **关联** · 盘点 [§3.1 相似的定义与必要条件](01-知识点盘点.md#user-content-31-相似的定义与必要条件) | 上游 — | 下游 — | 速查 [五 相似判定三步筛](09-速查卡.md#user-content-五-相似判定三步筛)
---
### 题 2 · 3.3:特征值与秩全同却不相似(★★☆)
> 【2016·5 / 2018·5 骨架】设
>
> $$A=\begin{pmatrix}1&0&0\\0&1&0\\0&0&2\end{pmatrix},\qquad B=\begin{pmatrix}1&1&0\\0&1&0\\0&0&2\end{pmatrix}.$$
>
> (Ⅰ)验证 $A,B$ 的特征值与秩都相同;
> (Ⅱ)判断 $A$ 与 $B$ 是否相似。
**怎么想**:特征值和秩都相同,说明前两道筛子过了,**胜负在第三道——可对角化性**。$A$ 已是对角阵,$B$ 是 Jordan 块形状,关键看 $r(E-B)$ 。
**解**:(Ⅰ)$A$ 为对角阵,特征值 $1,1,2$ ,$r(A)=3$ (三个非零对角元)。$B$ 为上三角,特征值也是 $1,1,2$ ,$r(B)=3$ 。两者特征值(含重数)、秩、迹($4$ )、行列式($2$ )全部相同。
(Ⅱ)**不相似**。$A$ 本身就是对角阵,当然可对角化。看 $B$ :
$$E-B=\begin{pmatrix}0&-1&0\\0&0&0\\0&0&-1\end{pmatrix},\qquad r(E-B)=2 .$$
$\lambda=1$ 的代数重数为 2,几何重数 $=3-r(E-B)=3-2=1<2$ ,故 $B$ **不可对角化**。
而"可对角化性"是相似不变量(题 1 第 ③ 条),$A$ 可、$B$ 不可,故 $A\not\sim B$ 。
**验算**:直接反证也行——若 $B=P^{-1}AP$ 且 $A$ 对角,则 $B$ 相似于对角阵即 $B$ 可对角化,矛盾。
**带走结论**:**特征值 $+$ 秩全同还不够**。第三步必须查可对角化性,而查法只有一条:看重根的 $r(\lambda E-A)$ 。这类选择题年年出,答案永远卡在这一步。
> **关联** · 盘点 [§3.3 相似判定的三个必要条件](01-知识点盘点.md#user-content-33-相似判定的三个必要条件) | 上游 — | 下游 — | 速查 [五 相似判定三步筛](09-速查卡.md#user-content-五-相似判定三步筛)
---
### 题 3 · 3.2:可对角化的判据清单(★★☆)
> 设 $A$ 为三阶矩阵。判断下列条件哪些**能**保证 $A$ 可对角化:
>
> (Ⅰ)$A$ 有三个互不相同的特征值;
> (Ⅱ)$A$ 是实对称矩阵;
> (Ⅲ)$\lvert A\rvert\ne0$ ;
> (Ⅳ)$r(A)=3$ ;
> (Ⅴ)$A$ 的三个特征值都是 $1$ 且 $A\ne E$ 。
**怎么想**:前两条是充分条件,直接判"能"。第三条到第五条都是"看着强,其实与对角化无关"或"直接判死"。
**解**:(Ⅰ)**能**。互异特征值对应特征向量必无关,$n$ 个无关特征向量 ⟹ 可对角化。
(Ⅱ)**能**。实对称矩阵必可正交对角化(点 4 定理 3)。
(Ⅲ)**不能保证**。$\lvert A\rvert\ne0$ 只说没有零特征值,与"有几个无关特征向量"无关。反例:$\begin{pmatrix}1&1&0\\0&1&0\\0&0&2\end{pmatrix}$ 行列式为 $2\ne0$ 但不可对角化。
(Ⅳ)**不能保证**。$r(A)=3$ 说明满秩,同样不涉及特征向量的个数。反例同上。
(Ⅴ)**不能**,且**必然不可对角化**。三个特征值全是 $1$ 而 $A\ne E$ ,则 $A$ 不是 $E$ 但特征值全为 1。若 $A$ 可对角化,则 $A\sim\mathrm{diag}(1,1,1)=E$ ,即 $A=E$ ,矛盾。
**带走结论**:可对角化的充分条件只有三类——**互异特征值、实对称、几何重数等于代数重数**。满秩、行列式非零、特征值全正这类"看起来很强"的条件统统不相关。
> **关联** · 盘点 [§3.2 相似对角化的充要条件](01-知识点盘点.md#user-content-32-相似对角化的充要条件) | 上游 — | 下游 [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) | 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 4 · 3.2:判定不可对角化(★★☆)
> 【2023·6 骨架】设 $A=\begin{pmatrix}3&1&0\\0&3&0\\0&0&1\end{pmatrix}$ 。判断 $A$ 能否对角化。
**怎么想**:上三角,特征值直接读:$3,3,1$ 。$\lambda=3$ 是二重根,只需算 $r(3E-A)$ 。若 $r=2$ 则几何重数 1,不可对角化。
**解**:$A$ 为上三角,特征值 $\lambda_1=\lambda_2=3$ (代数重数 2)、$\lambda_3=1$ 。
$$3E-A=\begin{pmatrix}0&-1&0\\0&0&0\\0&0&2\end{pmatrix},\qquad r(3E-A)=2 .$$
几何重数
$$m_1=3-2=1<2=n_1 .$$
故 $A$ **不能对角化**。
**验算**:$\sum m_i=1+1=2<3$ ,凑不出三个无关特征向量 ✓。也可直接看出:属于 $\lambda=3$ 的特征向量满足 $-x_2=0$ 且 $2x_3=0$ ,即 $x_2=x_3=0$ ,只剩 $(1,0,0)^{\mathrm T}$ 一个方向。
**带走结论**:**上三角矩阵是判对角化的最佳素材**——特征值免费,只需算一个 $r(\lambda E-A)$ 。看到"某行有非对角元素而上三角形状",八成不可对角化。
> **关联** · 盘点 [§3.2 相似对角化的充要条件](01-知识点盘点.md#user-content-32-相似对角化的充要条件) | 上游 [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) | 下游 [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) | 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 5 · 3.2:含参矩阵永远不可对角化(★★★)
> 设 $A=\begin{pmatrix}a&1&1\\0&a&1\\0&0&a\end{pmatrix}$ ($a$ 为实数)。证明:无论 $a$ 取何值,$A$ 都**不能**对角化。
**怎么想**:上三角,特征值全是 $a$ (三重)。若可对角化则 $A\sim aE=E\cdot a$ ,即 $A=aE$ 。但 $A$ 有非对角元 1,故 $A\ne aE$ ——一步到位。
**解**:$A$ 为上三角,特征值 $\lambda_1=\lambda_2=\lambda_3=a$ ,代数重数全为 3。
计算 $aE-A$ :
$$aE-A=\begin{pmatrix}0&-1&-1\\0&0&-1\\0&0&0\end{pmatrix}.$$
第 2 行 $(0,0,-1)$ 与第 1 行 $(0,-1,-1)$ 不成比例,故 $r(aE-A)=2$ ,几何重数
$$m=3-2=1<3 .$$
故 $A$ 不可对角化。
(另一条更快的路:若 $A$ 可对角化且特征值全为 $a$ ,则 $A=P(aE)P^{-1}=aE$ ,但 $A$ 的第 1 行第 2 列是 1 而 $aE$ 该位置是 0,矛盾。)
**验算**:$\operatorname{tr}A=3a$ ✓;$\lvert A\rvert=a^3$ ✓,与"三个特征值都是 $a$ "一致。
**带走结论**:**"特征值全相同且 $A\ne\lambda E$ "是判死的铁律**(题 3 第 Ⅴ 条)。含参题里这条能一秒定论,完全不用管参数取值。
> **关联** · 盘点 [§3.2 相似对角化的充要条件](01-知识点盘点.md#user-content-32-相似对角化的充要条件) | 上游 [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) | 下游 [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) | 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 · 3.2:走完相似对角化全流程(★★★)
> 【2019·21 骨架】设 $A=\begin{pmatrix}2&2&0\\0&1&0\\0&0&3\end{pmatrix}$ 。
>
> (Ⅰ)求 $A$ 的全部特征值与特征向量;
> (Ⅱ)求可逆矩阵 $P$ 使 $P^{-1}AP=\Lambda$ ,并写出 $\Lambda$ ;
> (Ⅲ)验证 $A=P\Lambda P^{-1}$ 。
**怎么想**:上三角,特征值 $2,1,3$ **互不相同**,故必可对角化(不用查重数)。逐个求特征向量拼 $P$ ,**注意列序与 $\Lambda$ 对角元顺序对齐**。
**解**:
**(Ⅰ)** $A$ 为上三角,特征值 $\lambda_1=2,\ \lambda_2=1,\ \lambda_3=3$ (代数重数均为 1)。
$\lambda_1=2$ :
$$2E-A=\begin{pmatrix}0&-2&0\\0&1&0\\0&0&-1\end{pmatrix}\longrightarrow\begin{pmatrix}0&1&0\\0&0&1\\0&0&0\end{pmatrix},$$
得 $x_2=0,\ x_3=0$ ,$x_1$ 自由,$\xi_1=(1,0,0)^{\mathrm T}$ 。
$\lambda_2=1$ :
$$E-A=\begin{pmatrix}-1&-2&0\\0&0&0\\0&0&-2\end{pmatrix}\longrightarrow\begin{pmatrix}1&2&0\\0&0&1\\0&0&0\end{pmatrix},$$
得 $x_1=-2x_2$ 、$x_3=0$ ,取 $x_2=-1$ 得 $\xi_2=(2,-1,0)^{\mathrm T}$ 。
$\lambda_3=3$ :
$$3E-A=\begin{pmatrix}1&-2&0\\0&2&0\\0&0&0\end{pmatrix}\longrightarrow\begin{pmatrix}1&0&0\\0&1&0\\0&0&0\end{pmatrix},$$
得 $x_1=0,\ x_2=0$ ,$x_3$ 自由,$\xi_3=(0,0,1)^{\mathrm T}$ 。
**(Ⅱ)** 取
$$P=(\xi_1,\xi_2,\xi_3)=\begin{pmatrix}1&2&0\\0&-1&0\\0&0&1\end{pmatrix},\qquad\Lambda=\begin{pmatrix}2&0&0\\0&1&0\\0&0&3\end{pmatrix}.$$
$\lvert P\rvert=1\cdot(-1)\cdot1=-1\ne0$ ,$P$ 可逆。
**(Ⅲ)**
$$P^{-1}=\begin{pmatrix}1&2&0\\0&-1&0\\0&0&1\end{pmatrix}^{-1}=\begin{pmatrix}1&2&0\\0&-1&0\\0&0&1\end{pmatrix},$$
(因 $\lvert P\rvert=-1$ 且有大量零,直接验算 $PP=E$ 即知 $P^{-1}=P$ 。)验证
$$AP=\begin{pmatrix}2&2&0\\0&1&0\\0&0&3\end{pmatrix}\begin{pmatrix}1&2&0\\0&-1&0\\0&0&1\end{pmatrix}=\begin{pmatrix}2&2&0\\0&-1&0\\0&0&3\end{pmatrix},$$
$$P\Lambda=\begin{pmatrix}1&2&0\\0&-1&0\\0&0&1\end{pmatrix}\begin{pmatrix}2&0&0\\0&1&0\\0&0&3\end{pmatrix}=\begin{pmatrix}2&2&0\\0&-1&0\\0&0&3\end{pmatrix}.$$
两者相等,故 $AP=P\Lambda$ ,即 $P^{-1}AP=\Lambda$ ✓。
**验算**:$P^{-1}=P$ 需 $P^2=E$ ,验:$P^2$ 的第 1 行 $=(1,2,0)P=(1,\,2-2,\,0)=(1,0,0)$ ✓,其余同理。
**带走结论**:**验证 $AP=P\Lambda$ 比算 $P^{-1}AP$ 省一半力气**(不用求逆)。考试时若只要求"验证",一律用 $AP=P\Lambda$ 。$P$ 的列序必须与 $\Lambda$ 对齐——本题若把 $\Lambda$ 写成 $\mathrm{diag}(1,2,3)$ 就必须相应调整 $P$ 的列序。
> **关联** · 盘点 [§3.2 相似对角化的充要条件](01-知识点盘点.md#user-content-32-相似对角化的充要条件) | 上游 [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) | 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)
---
@@ -0,0 +1,227 @@
---
tags: [数学一, 在学练习, 线性代数, 特征值, 实对称, 正交对角化]
专题: 线性代数 第5讲 · 点4 实对称矩阵的正交对角化
日期: 2026-10-24
状态: 知识点带题(4.1 三定理、4.2 五步、4.3 正交矩阵,5 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 4 实对称矩阵的正交对角化
> 真题锚点:2021·21(解答 **12 分**)、2017·21 / 2020·21 同型|重要度 ★★★
> 依赖:点 3 的对角化、第 3 讲施密特。盘点对应:§4 全节。
**组织原则**:先列知识点(三定理 → 五步 → 正交矩阵),再逐一对应出题。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
## 知识点 4.1 实对称矩阵的三个定理(出处:[知识章 similar.tex §7](../../../../参考仓库/Math/linear-algebra/knowledge/5-similar/similar.tex))
设 $A^{\mathrm T}=A$ ,则
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);
3. **存在正交矩阵 $Q$ 使 $Q^{\mathrm T}AQ=Q^{-1}AQ=\Lambda$ ** 。
第 2 条是实对称独有:一般矩阵只能保证"线性无关",实对称能保证"正交"。
## 知识点 4.2 正交对角化五步(出处:[练习章 similar.tex §4](../../../../参考仓库/Math/linear-algebra/exercise/5-similar/similar.tex))
1. 解 $\lvert\lambda E-A\rvert=0$ 得全部特征值;
2. 对每个 $\lambda_i$ 解 $(\lambda_iE-A)x=0$ 得基础解系;
3. 对**同一特征值内部**的多个向量做施密特正交化(不同特征值的自动正交);
4. 全部单位化,按列拼成 $Q$ ;
5. 写 $Q^{\mathrm T}AQ=\Lambda$ ,检查列序一致。
**唯一的坑在第 3 步**:单重特征值不用施密特,只有重特征值内部才需要。
## 知识点 4.3 正交矩阵与正交变换(出处:[知识章 similar.tex §7](../../../../参考仓库/Math/linear-algebra/knowledge/5-similar/similar.tex))
$Q^{\mathrm T}Q=E\iff Q^{-1}=Q^{\mathrm T}$ 。正交变换 $x=Qy$ 保长度保内积,于是
$$x^{\mathrm T}Ax=y^{\mathrm T}(Q^{\mathrm T}AQ)y=\lambda_1y_1^2+\cdots+\lambda_ny_n^2 .$$
这就是第 6 讲"正交变换化标准形"的全部内容。
---
## 题目(按知识点顺序对应)
### 题 1 · 4.1:三个定理的适用范围(★☆☆)
> 判断下列说法是否正确:
>
> (Ⅰ)实对称矩阵的特征值一定是实数;
> (Ⅱ)实对称矩阵属于不同特征值的特征向量一定正交;
> (Ⅲ)若 $A$ 的特征值全为实数且可对角化,则 $A$ 是实对称矩阵;
> (Ⅳ)实对称矩阵的重特征值对应的特征向量也自动正交。
**怎么想**:前两条是定理原文。(Ⅲ)把"实对称"的结论反过来用——这是最常见的过度推广。(Ⅳ)把"不同特征值"偷换成"同一特征值"。
**解**:(Ⅰ)**正确**,实对称矩阵三定理之一。
(Ⅱ)**正确**。设 $A\xi_1=\lambda_1\xi_1$ 、$A\xi_2=\lambda_2\xi_2$ ,$\lambda_1\ne\lambda_2$ 。则
$$\lambda_1\langle\xi_1,\xi_2\rangle=\langle A\xi_1,\xi_2\rangle=\langle\xi_1,A\xi_2\rangle=\lambda_2\langle\xi_1,\xi_2\rangle,$$
(中间一步用了 $A^{\mathrm T}=A$ ),故 $(\lambda_1-\lambda_2)\langle\xi_1,\xi_2\rangle=0$ ,得 $\langle\xi_1,\xi_2\rangle=0$ 。
(Ⅲ)**错误**。反例:$\begin{pmatrix}1&1\\0&2\end{pmatrix}$ 特征值 $1,2$ 全为实数且可对角化,但不是对称矩阵。
(Ⅳ)**错误**。**同一特征值**的多个特征向量只保证线性无关,**不保证正交**。需自己做施密特(点 4 §4.2 第 3 步)。反例:$\lambda$ 二重,特征向量 $(1,0,0)$ 与 $(1,1,0)$ 无关但不正交。
**带走结论**:"正交"只发生在**不同特征值之间**,是自动的;**同一特征值内部必须手工正交化**。把这两件事分清,五步流程就不会漏第 3 步。
> **关联** · 盘点 [§4.1 实对称矩阵的三个定理](01-知识点盘点.md#user-content-41-实对称矩阵的三个定理) | 上游 — | 下游 [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) | 速查 [六 实对称三定理](09-速查卡.md#user-content-六-实对称三定理)
---
### 题 2 · 4.2:三阶实对称的完整五步(★★☆)
> 设 $A=\begin{pmatrix}2&1&1\\1&2&1\\1&1&2\end{pmatrix}$ 。求正交矩阵 $Q$ 使 $Q^{\mathrm T}AQ=\Lambda$ 。
**怎么想**:$A$ 实对称,必可正交对角化。**行和相等型**——三行之和都是 4,故 $(1,1,1)^{\mathrm T}$ 是 $\lambda=4$ 的特征向量,这一步白送。剩下 $\lambda=1$ 二重,需在同一特征值内部施密特。
**解**:
**第 1 步:特征值。** 各行元素之和为 $4$ ,取 $(1,1,1)^{\mathrm T}$ 得 $\lambda_1=4$ 。由 $\operatorname{tr}A=6$ 与 $\lambda_1=4$ ,另两个特征值之和为 2;算
$$\lvert\lambda E-A\rvert=\begin{vmatrix}\lambda-2&-1&-1\\-1&\lambda-2&-1\\-1&-1&\lambda-2\end{vmatrix}=(\lambda-4)(\lambda-1)^2 .$$
故 $\lambda_1=4$ (单重)、$\lambda_2=\lambda_3=1$ (二重)。
**第 2 步:特征向量。**
$\lambda_1=4$ :$4E-A=\begin{pmatrix}2&-1&-1\\-1&2&-1\\-1&-1&2\end{pmatrix}$ ,得 $x_1=x_2=x_3$ ,
$$\xi_1=(1,1,1)^{\mathrm T}.$$
$\lambda=1$ :$E-A=\begin{pmatrix}-1&-1&-1\\-1&-1&-1\\-1&-1&-1\end{pmatrix}$ ,即 $x_1+x_2+x_3=0$ ,基础解系
$$\xi_2=(1,-1,0)^{\mathrm T},\qquad \xi_3=(1,1,-2)^{\mathrm T}.$$
**第 3 步:同一特征值内部正交化。** 检查 $\langle\xi_2,\xi_3\rangle=1-1+0=0$ ,**已正交**,无需施密特。(若取的是 $(1,0,-1)$ 与 $(0,1,-1)$ 就需要。)
**第 4 步:单位化并拼 $Q$ 。**
$$e_1=\frac{1}{\sqrt2}\begin{pmatrix}1\\-1\\0\end{pmatrix},\quad e_2=\frac{1}{\sqrt6}\begin{pmatrix}1\\1\\-2\end{pmatrix},\quad e_3=\frac{1}{\sqrt3}\begin{pmatrix}1\\1\\1\end{pmatrix},$$
$$Q=\begin{pmatrix}\frac{1}{\sqrt2}&\frac{1}{\sqrt6}&\frac{1}{\sqrt3}\\[2pt]-\frac{1}{\sqrt2}&\frac{1}{\sqrt6}&\frac{1}{\sqrt3}\\[2pt]0&-\frac{2}{\sqrt6}&\frac{1}{\sqrt3}\end{pmatrix}.$$
**第 5 步:写出结论。**
$$Q^{\mathrm T}AQ=\Lambda=\begin{pmatrix}1&0&0\\0&1&0\\0&0&4\end{pmatrix}.$$
**验算**:$\operatorname{tr}\Lambda=6=\operatorname{tr}A$ ✓;$\lvert\Lambda\rvert=4$ ,而 $A=E+J$ ($J$ 为全 1 矩阵,特征值 $3,0,0$ )故 $\lvert A\rvert=4\cdot1\cdot1=4$ ✓;$Q$ 三列两两正交且单位长 ✓。
**带走结论**:"行和相等"的实对称矩阵,**立即得到 $(1,1,\dots,1)$ 方向的特征值等于行和**。这是最省时间的第一步,看到三行之和相同的对称矩阵就该条件反射。
> **关联** · 盘点 [§4.2 正交对角化五步](01-知识点盘点.md#user-content-42-正交对角化五步) | 上游 — | 下游 [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) | 速查 [七 正交对角化五步](09-速查卡.md#user-content-七-正交对角化五步)
---
### 题 3 · 4.2:由特征值与特征向量反求实对称矩阵(★★★)
> 【2021·21 骨架】设 $A$ 为三阶实对称矩阵,特征值为 $\lambda_1=\lambda_2=1$ 、$\lambda_3=-1$ ,且属于 $\lambda_3=-1$ 的特征向量为 $\xi=(1,1,1)^{\mathrm T}$ 。
>
> (Ⅰ)求 $A$ ;
> (Ⅱ)求正交矩阵 $Q$ 使 $Q^{\mathrm T}AQ=\Lambda$ ;
> (Ⅲ)求 $\lvert A+2E\rvert$ 。
**怎么想**:实对称的关键优势——**知道一个特征向量就等于知道了整个正交基的第三个方向**,另两个方向落在 $x_1+x_2+x_3=0$ 里,可任取正交基。$A$ 用谱分解 $A=\sum\lambda_ie_ie_i^{\mathrm T}$ 一步写出。
**解**:
**(Ⅰ)** $\lambda=1$ 的特征子空间是 $\xi$ 的正交补:
$$x_1+x_2+x_3=0 .$$
取其一的一组正交基
$$u_1=\frac{1}{\sqrt2}(1,-1,0)^{\mathrm T},\qquad u_2=\frac{1}{\sqrt6}(1,1,-2)^{\mathrm T},\qquad u_3=\frac{1}{\sqrt3}(1,1,1)^{\mathrm T},$$
三者构成 $\mathbb{R}^3$ 的标准正交基,且 $Au_i=1\cdot u_i$ ($i=1,2$ )、$Au_3=-u_3$ 。由谱分解
$$A=1\cdot u_1u_1^{\mathrm T}+1\cdot u_2u_2^{\mathrm T}+(-1)\cdot u_3u_3^{\mathrm T}=\big(E-u_3u_3^{\mathrm T}\big)-u_3u_3^{\mathrm T}=E-2u_3u_3^{\mathrm T}.$$
而 $u_3u_3^{\mathrm T}=\frac13 J$ ($J$ 为全 1 矩阵),故
$$A=E-\frac23 J=\frac13\begin{pmatrix}1&-2&-2\\-2&1&-2\\-2&-2&1\end{pmatrix}.$$
**验算**:$A\xi=\frac13(-3,-3,-3)^{\mathrm T}=(-1,-1,-1)^{\mathrm T}=-\xi$ ✓;$\operatorname{tr}A=\frac{1+1+1}{3}=1=1+1-1$ ✓;$\lvert A\rvert=1\cdot1\cdot(-1)=-1$ ✓。
**(Ⅱ)** 直接取
$$Q=(u_1,u_2,u_3),\qquad Q^{\mathrm T}AQ=\Lambda=\mathrm{diag}(1,1,-1).$$
**(Ⅲ)** $A+2E$ 的特征值为 $1+2,\ 1+2,\ -1+2=3,3,1$ ,故
$$\lvert A+2E\rvert=3\times3\times1=9 .$$
**带走结论**:**"实对称 $+$ 已知一个特征向量"型题目的唯一解法是谱分解** $A=\sum\lambda_ie_ie_i^{\mathrm T}$ 。若重特征值恰好占两个方向,$A$ 直接化成 $E-kJ$ 的形式,比解方程组快十倍。
> **关联** · 盘点 [§4.2 正交对角化五步](01-知识点盘点.md#user-content-42-正交对角化五步) | 上游 [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) | 下游 — | 速查 [七 正交对角化五步](09-速查卡.md#user-content-七-正交对角化五步)
---
### 题 4 · 4.3:正交矩阵的性质(★★☆)
> 设 $Q$ 为正交矩阵。判断:
>
> (Ⅰ)$\lvert Q\rvert=\pm1$ ;(Ⅱ)$\lvert Q\rvert=1$ 时 $Q$ 的一切特征值都是 1;(Ⅲ)$Q$ 的特征值模长都为 1;(Ⅳ)$Q$ 的逆、转置、乘积仍正交。
**怎么想**:前两条是"必要条件用反了"的经典陷阱——$\lvert Q\rvert=\pm1$ 是**必要**不充分,且行列式为 1 不限制个别特征值。
**解**:(Ⅰ)**正确**。$Q^{\mathrm T}Q=E\Rightarrow\lvert Q\rvert^2=1\Rightarrow\lvert Q\rvert=\pm1$ 。
(Ⅱ)**错误**。反例:$Q=\begin{pmatrix}0&1\\1&0\end{pmatrix}$ ,$\lvert Q\rvert=-1$ ;换成 $Q=\begin{pmatrix}0&-1\\1&0\end{pmatrix}$ (旋转 $90°$ ),$\lvert Q\rvert=1$ 但特征值为 $\pm i$ ,不是 1。三阶旋转矩阵(绕某轴转 $120°$ )行列式为 1,另两个特征值是复数。
(Ⅲ)**正确**。设 $Q\xi=\lambda\xi$ ,取共轭转置:$\bar\xi^{\mathrm T}Q^{\mathrm T}=\bar\lambda\bar\xi^{\mathrm T}$ ,相乘得
$$\bar\xi^{\mathrm T}Q^{\mathrm T}Q\xi=\lvert\lambda\rvert^2\bar\xi^{\mathrm T}\xi\Longrightarrow\bar\xi^{\mathrm T}\xi=\lvert\lambda\rvert^2\bar\xi^{\mathrm T}\xi .$$
因 $\xi\ne0$ ,$\bar\xi^{\mathrm T}\xi=\lVert\xi\rVert^2>0$ ,故 $\lvert\lambda\rvert=1$ 。
(Ⅳ)**正确**。$(Q^{-1})^{\mathrm T}Q^{-1}=(Q^{\mathrm T})^{\mathrm T}Q^{\mathrm T}=QQ^{\mathrm T}=E$ ;$Q^{\mathrm T}$ 显然;两个正交矩阵之积仍正交。
**带走结论**:正交矩阵的**特征值在单位圆上**(可为复数),行列式 $\pm1$ 。"$\lvert Q\rvert=1$ 所以特征值全是 1"是彻底的错误——它只说明"特征值之积为 1"。
> **关联** · 盘点 [§4.3 正交矩阵与正交变换](01-知识点盘点.md#user-content-43-正交矩阵与正交变换) | 上游 — | 下游 — | 速查 [七 正交对角化五步](09-速查卡.md#user-content-七-正交对角化五步)
---
### 题 5 · 4.1:实对称必可正交对角化的证明(★★★)
> 设 $A$ 为 $n$ 阶实对称矩阵。用数学归纳法证明:存在正交矩阵 $Q$ 使 $Q^{\mathrm T}AQ=\Lambda$ 。
**怎么想**:归纳的关键是"降维"——取一个单位特征向量 $q_1$ ,把它扩成正交基,则 $A$ 在这个基下**分块对角**(左上角是 $\lambda_1$ ,右下角是 $n-1$ 阶实对称块),对右下角用归纳假设。
**解**:对 $n$ 归纳。$n=1$ 时平凡。
设结论对 $n-1$ 成立。$A$ 实对称,故有实特征值 $\lambda_1$ 与对应的实特征向量 $\xi_1\ne0$ 。取 $q_1=\xi_1/\lVert\xi_1\rVert$ ,则 $\lVert q_1\rVert=1$ 且 $Aq_1=\lambda_1q_1$ 。
把 $q_1$ 扩充为 $\mathbb{R}^n$ 的标准正交基 $q_1,q_2,\dots,q_n$ ,令 $Q_1=(q_1,q_2,\dots,q_n)$ 为正交矩阵。计算 $Q_1^{\mathrm T}AQ_1$ 的第 1 列:
$$Q_1^{\mathrm T}AQ_1e_1=Q_1^{\mathrm T}Aq_1=\lambda_1Q_1^{\mathrm T}q_1=\lambda_1e_1 .$$
故
$$Q_1^{\mathrm T}AQ_1=\begin{pmatrix}\lambda_1&\alpha^{\mathrm T}\\0&B\end{pmatrix}$$
对某个行向量 $\alpha^{\mathrm T}$ 与 $(n-1)$ 阶矩阵 $B$ 。又 $Q_1^{\mathrm T}AQ_1$ 是实对称的(因 $(Q_1^{\mathrm T}AQ_1)^{\mathrm T}=Q_1^{\mathrm T}A^{\mathrm T}Q_1=Q_1^{\mathrm T}AQ_1$ ),故 $\alpha=0$ 且 $B^{\mathrm T}=B$ :
$$Q_1^{\mathrm T}AQ_1=\begin{pmatrix}\lambda_1&0\\0&B\end{pmatrix},\qquad B\ \text{为}\ (n-1)\ \text{阶实对称}.$$
由归纳假设,存在 $(n-1)$ 阶正交矩阵 $Q_2$ 使 $Q_2^{\mathrm T}BQ_2=\Lambda_{n-1}$ 。取
$$Q=Q_1\begin{pmatrix}1&0\\0&Q_2\end{pmatrix},$$
则 $Q$ 为正交矩阵(两个正交矩阵之积),且
$$Q^{\mathrm T}AQ=\begin{pmatrix}1&0\\0&Q_2^{\mathrm T}\end{pmatrix}\begin{pmatrix}\lambda_1&0\\0&B\end{pmatrix}\begin{pmatrix}1&0\\0&Q_2\end{pmatrix}=\begin{pmatrix}\lambda_1&0\\0&\Lambda_{n-1}\end{pmatrix}=\Lambda .$$
归纳完成。
**带走结论**:证明的**两个支点**——① 实对称保证"特征向量是实向量、可单位化";② $Q_1^{\mathrm T}AQ_1$ 仍实对称,所以分块后的 $\alpha$ 必为 0。缺任何一条,$A$ 就只能相似对角化而非**正交**对角化。
> **关联** · 盘点 [§4.1 实对称矩阵的三个定理](01-知识点盘点.md#user-content-41-实对称矩阵的三个定理) | 上游 [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) | 下游 — | 速查 [六 实对称三定理](09-速查卡.md#user-content-六-实对称三定理)
---
@@ -0,0 +1,202 @@
---
tags: [数学一, 在学练习, 线性代数, 特征值, 反求矩阵, 抽象条件]
专题: 线性代数 第5讲 · 点5 反求矩阵与抽象条件
日期: 2026-10-24
状态: 知识点带题(5.1 反求矩阵、5.2 抽象条件与矩阵方程,5 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 5 反求矩阵与抽象条件
> 真题锚点:2019·21、2025·21(各 11—12 分,解答)|重要度 ★★★
> 依赖:点 3、点 4。盘点对应:§5 全节。
**组织原则**:先列知识点(反求 $A$ → 抽象条件),再逐一对应出题。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
## 知识点 5.1 由特征值特征向量反求矩阵(出处:[知识章 similar.tex §8](../../../../参考仓库/Math/linear-algebra/knowledge/5-similar/similar.tex))
已知 $n$ 个特征值与 $n$ 个无关特征向量,则
$$A=P\Lambda P^{-1},\qquad P=(\xi_1,\dots,\xi_n),\ \Lambda=\mathrm{diag}(\lambda_1,\dots,\lambda_n).$$
**验算**:回代 $A\xi_i=\lambda_i\xi_i$ ,验一两个即可。
**部分已知时**:缺的那个特征向量由"$A$ 的对称性"或"$P$ 需可逆"补齐;缺的特征值由 $\operatorname{tr}$ 或 $\lvert A\rvert$ 补齐。
**实对称的捷径(谱分解)**:
$$A=\lambda_1e_1e_1^{\mathrm T}+\lambda_2e_2e_2^{\mathrm T}+\cdots+\lambda_ne_ne_n^{\mathrm T},\qquad e_i\ \text{为规范正交特征向量}.$$
比重特征值时,若某方向占两维,常化为 $A=aE+bJ$ 的形式。
## 知识点 5.2 抽象条件与矩阵方程(出处:[练习章 similar.tex §5](../../../../参考仓库/Math/linear-algebra/exercise/5-similar/similar.tex))
**核心原则**:$A$ 满足多项式方程 $\Rightarrow$ 特征值满足同一方程(反之不成立)。
$$A^2-3A+2E=O\Longrightarrow\lambda^2-3\lambda+2=0\Longrightarrow\lambda\in\{1,2\}.$$
| 条件 | 特征值 | 附加结论 |
|---|---|---|
| $A^2=A$ | $\{0,1\}$ | 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 |
**另一个高频结论**:$A\xi=\lambda\xi$ 且 $A$ 可逆时,$A^{-1}\xi=\lambda^{-1}\xi$ 、$A^{*}\xi=\frac{\lvert A\rvert}{\lambda}\xi$ ,**同一个 $\xi$ ** 。
---
## 题目(按知识点顺序对应)
### 题 1 · 5.1:由 $P$ 与 $\Lambda$ 反求 $A$ (★★☆)
> 设三阶矩阵 $A$ 的特征值为 $\lambda_1=3,\lambda_2=1$ ,对应的特征向量分别为 $\xi_1=(1,1)^{\mathrm T}$ 、$\xi_2=(1,-1)^{\mathrm T}$ 。求 $A$ 。
**怎么想**:两个特征值、两个无关特征向量,条件正好够——直接 $A=P\Lambda P^{-1}$ 。$P$ 的列序必须与 $\Lambda$ 对齐。
**解**:
$$P=\begin{pmatrix}1&1\\1&-1\end{pmatrix},\qquad\Lambda=\begin{pmatrix}3&0\\0&1\end{pmatrix}.$$
$\lvert P\rvert=-1-1=-2$ ,故
$$P^{-1}=\frac{1}{-2}\begin{pmatrix}-1&-1\\-1&1\end{pmatrix}=\begin{pmatrix}\frac12&\frac12\\[2pt]\frac12&-\frac12\end{pmatrix}.$$
$$A=P\Lambda P^{-1}=\begin{pmatrix}1&1\\1&-1\end{pmatrix}\begin{pmatrix}3&0\\0&1\end{pmatrix}\begin{pmatrix}\frac12&\frac12\\\frac12&-\frac12\end{pmatrix}=\begin{pmatrix}3&1\\3&-1\end{pmatrix}\begin{pmatrix}\frac12&\frac12\\\frac12&-\frac12\end{pmatrix}$$
$$=\begin{pmatrix}\frac32+\frac12&\frac32-\frac12\\\frac32-\frac12&\frac32+\frac12\end{pmatrix}=\begin{pmatrix}2&1\\1&2\end{pmatrix}.$$
**验算**:$A\xi_1=\begin{pmatrix}2&1\\1&2\end{pmatrix}\begin{pmatrix}1\\1\end{pmatrix}=\begin{pmatrix}3\\3\end{pmatrix}=3\xi_1$ ✓;$A\xi_2=\begin{pmatrix}2&1\\1&2\end{pmatrix}\begin{pmatrix}1\\-1\end{pmatrix}=\begin{pmatrix}1\\-1\end{pmatrix}=1\cdot\xi_2$ ✓。
**带走结论**:**算完必须回代验一个特征向量**,这是最便宜的保险。注意本题结果 $A$ 是实对称的——因为 $\xi_1\perp\xi_2$ (内积 $1-1=0$ ),而"特征向量正交 + 特征值互异"正是实对称的特征。
> **关联** · 盘点 [§5.1 由特征值特征向量反求矩阵](01-知识点盘点.md#user-content-51-由特征值特征向量反求矩阵) | 上游 — | 下游 [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) | 速查 [八 反求矩阵](09-速查卡.md#user-content-八-反求矩阵)
---
### 题 2 · 5.2:多项式条件下求行列式(★★★)
> 【2025·21 骨架】设 $A$ 为三阶矩阵,满足 $A^2=A$ ,且 $r(A)=2$ 。求 $\lvert A+2E\rvert$ 。
**怎么想**:$A^2=A$ 把特征值锁死在 $\{0,1\}$ ;$r(A)=2$ 决定"1 有几个"(因 $A$ 必可对角化,$r(A)=$ 1 的个数)。两步合起来得到全部特征值,再套 $f(A)$ 的特征值。
**解**:
**第 1 步:特征值只能是 0 或 1。** 设 $A\xi=\lambda\xi$ ($\xi\ne0$ ),由 $A^2=A$ 得 $\lambda^2\xi=\lambda\xi$ ,即 $(\lambda^2-\lambda)\xi=0$ ,故 $\lambda\in\{0,1\}$ 。
**第 2 步:$A$ 可对角化,且 $r(A)=$ 1 的个数。** 由 $A^2=A$ 得 $A(A-E)=O$ ,于是 $r(A)+r(A-E)\leqslant n=3$ ;又 $r(A)+r(A-E)\geqslant r(E)=3$ ,故 $r(A)+r(A-E)=3$ 。再由几何重数与代数重数相等的论证(点 2 题 6),$A$ 可对角化。
设特征值为 $\lambda_1=\lambda_2=1$ 、$\lambda_3=0$ ,则 $A\sim\Lambda=\mathrm{diag}(1,1,0)$ ,$r(A)=r(\Lambda)=2$ ,与题设 $r(A)=2$ 一致。
**第 3 步:算行列式。** $A+2E$ 的特征值为
$$1+2,\ 1+2,\ 0+2=3,3,2 .$$
$$\lvert A+2E\rvert=3\times3\times2=18 .$$
**验算**:$\operatorname{tr}(A+2E)=\operatorname{tr}A+6=2+6=8=3+3+2$ ✓。
**带走结论**:**$r(A)$ 在幂等矩阵里就是"1 的个数"**,这是把秩条件转成特征值条件的唯一桥梁。若题目改成 $r(A)=1$ ,特征值就是 $1,0,0$ ,答案 $\lvert A+2E\rvert=3\times2\times2=12$ 。
> **关联** · 盘点 [§5.2 抽象条件与矩阵方程](01-知识点盘点.md#user-content-52-抽象条件与矩阵方程) | 上游 — | 下游 [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) | 速查 [九 抽象条件三件套](09-速查卡.md#user-content-九-抽象条件三件套)
---
### 题 3 · 5.1:缺一个特征向量时怎么补(★★★)
> 【2019·21 骨架】设 $A$ 为三阶实对称矩阵,特征值为 $\lambda_1=1,\lambda_2=2,\lambda_3=3$ ,属于 $\lambda_1,\lambda_2$ 的特征向量分别为
>
> $$\xi_1=(1,1,1)^{\mathrm T},\qquad \xi_2=(1,-1,0)^{\mathrm T}.$$
>
> 求 $A$ 。
**怎么想**:缺 $\xi_3$ 。但 $A$ **实对称**且特征值互异 $\Rightarrow$ 特征向量两两正交 $\Rightarrow$ $\xi_3$ 必与 $\xi_1,\xi_2$ 都正交。**一个方程不用解,叉乘即可**。
**解**:
**第 1 步:求 $\xi_3$ 。** $\xi_3\perp\xi_1$ 且 $\xi_3\perp\xi_2$ ,取叉乘:
$$\xi_3=\xi_1\times\xi_2=\begin{vmatrix}e_1&e_2&e_3\\1&1&1\\1&-1&0\end{vmatrix}=\big(1\cdot0-1\cdot(-1),\ 1\cdot1-1\cdot0,\ 1\cdot(-1)-1\cdot1\big)=(1,1,-2).$$
**验算正交性**:$\langle\xi_3,\xi_1\rangle=1+1-2=0$ ✓;$\langle\xi_3,\xi_2\rangle=1-1+0=0$ ✓。
**第 2 步:拼 $P$ 求 $A$ 。**
$$P=\begin{pmatrix}1&1&1\\1&-1&1\\1&0&-2\end{pmatrix},\qquad\Lambda=\mathrm{diag}(1,2,3),\qquad\lvert P\rvert=6 .$$
用谱分解更快(因特征向量两两正交):记 $q_i=\xi_i/\lVert\xi_i\rVert$ ,
$$\lVert\xi_1\rVert=\sqrt3,\quad\lVert\xi_2\rVert=\sqrt2,\quad\lVert\xi_3\rVert=\sqrt6 .$$
$$A=\sum_i\lambda_iq_iq_i^{\mathrm T}=\frac{1}{3}\xi_1\xi_1^{\mathrm T}+\frac{2}{2}\xi_2\xi_2^{\mathrm T}+\frac{3}{6}\xi_3\xi_3^{\mathrm T}$$
$$=\frac13\begin{pmatrix}1&1&1\\1&1&1\\1&1&1\end{pmatrix}+\begin{pmatrix}1&-1&0\\-1&1&0\\0&0&0\end{pmatrix}+\frac12\begin{pmatrix}1&1&-2\\1&1&-2\\-2&-2&4\end{pmatrix}.$$
逐元素算:
$$A=\begin{pmatrix}\frac13+1+\frac12&\frac13-1+\frac12&\frac13+0-1\\[2pt]\frac13-1+\frac12&\frac13+1+\frac12&\frac13+0-1\\[2pt]\frac13+0-1&\frac13+0-1&\frac13+0+2\end{pmatrix}=\begin{pmatrix}\frac{11}6&-\frac16&-\frac23\\[2pt]-\frac16&\frac{11}6&-\frac23\\[2pt]-\frac23&-\frac23&\frac73\end{pmatrix}.$$
**验算**:$A\xi_1$ 三个分量依次为 $\frac{11-1-4}{6}=1$ 、$\frac{-1+11-4}{6}=1$ 、$\frac{-4-4+14}{6}=1$ ,故 $A\xi_1=\xi_1$ ✓;$A\xi_2$ 第 1 分量 $\frac{11}{6}+\frac16=\frac{12}6=2$ 、第 2 分量 $-\frac16-\frac{11}6=-2$ 、第 3 分量 $-\frac23+\frac23=0$ ,即 $A\xi_2=(2,-2,0)^{\mathrm T}=2\xi_2$ ✓;$\operatorname{tr}A=\frac{11+11+14}{6}=6=1+2+3$ ✓。
**带走结论**:实对称 $+$ 特征值互异时,**缺的特征向量用叉乘直接写出**,不用解方程组。谱分解 $A=\sum\lambda_iq_iq_i^{\mathrm T}$ 比重特征值内部的施密特还快——前提是特征向量已两两正交。
> **关联** · 盘点 [§5.1 由特征值特征向量反求矩阵](01-知识点盘点.md#user-content-51-由特征值特征向量反求矩阵) | 上游 [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-) | 下游 — | 速查 [八 反求矩阵](09-速查卡.md#user-content-八-反求矩阵)
---
### 题 4 · 5.2:$A$ 与 $A^{\mathrm T}$ 的特征值相同(★★☆)
> 设 $A$ 为 $n$ 阶矩阵。证明:
>
> (Ⅰ)$A$ 与 $A^{\mathrm T}$ 有相同的特征多项式,因而特征值相同;
> (Ⅱ)$A$ 与 $A^{\mathrm T}$ 的特征向量一般不同,举例说明。
**怎么想**:第(Ⅰ)问只有一句——"转置不改变行列式",而 $(\lambda E-A)^{\mathrm T}=\lambda E-A^{\mathrm T}$ 。第(Ⅱ)问要造一个具体的非对称矩阵。
**解**:
**(Ⅰ)** 对任意 $\lambda$ ,
$$\lvert\lambda E-A^{\mathrm T}\rvert=\lvert(\lambda E-A)^{\mathrm T}\rvert=\lvert\lambda E-A\rvert .$$
两个多项式对一切 $\lambda$ 相等,故完全相同;特征方程相同,特征值(含重数)相同。
**(Ⅱ)** 取 $A=\begin{pmatrix}1&1\\0&2\end{pmatrix}$ ,$A^{\mathrm T}=\begin{pmatrix}1&0\\1&2\end{pmatrix}$ 。两者特征值都是 $1,2$ 。
$A$ 关于 $\lambda=1$ :$E-A=\begin{pmatrix}0&-1\\0&-1\end{pmatrix}$ ,特征向量 $(1,0)^{\mathrm T}$ 。
$A^{\mathrm T}$ 关于 $\lambda=1$ :$E-A^{\mathrm T}=\begin{pmatrix}0&0\\-1&-1\end{pmatrix}$ ,特征向量 $(1,-1)^{\mathrm T}$ 。
同样 $\lambda=1$ ,特征向量完全不同。
**带走结论**:$A^{\mathrm T}$ 与 $A$ **特征值同、特征向量不同**。这一条在"$A$ 与 $A^{\mathrm T}$ 是否相似"的问题里是必要信息(实矩阵时 $A$ 与 $A^{\mathrm T}$ 确实相似),但**不能据此说特征向量相同**。
> **关联** · 盘点 [§5.2 抽象条件与矩阵方程](01-知识点盘点.md#user-content-52-抽象条件与矩阵方程) | 上游 [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) | 下游 [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) | 速查 [九 抽象条件三件套](09-速查卡.md#user-content-九-抽象条件三件套)
---
### 题 5 · 5.2:多项式条件下求行列式(★★★)
> 设 $A$ 为三阶矩阵,特征值为 $1,2,3$ 。求 $\lvert A^3-3A^2+2A\rvert$ 。
**怎么想**:$f(A)$ 的特征值是 $f(\lambda)$ ,行列式等于它们的积。先分解 $f$ 看有没有零根——有零就立刻得 0,省去全部计算。
**解**:$f(\lambda)=\lambda^3-3\lambda^2+2\lambda=\lambda(\lambda-1)(\lambda-2)$ 。
$$f(1)=1-3+2=0,\qquad f(2)=8-12+4=0,\qquad f(3)=27-27+6=6 .$$
故 $A^3-3A^2+2A$ 的特征值为 $0,0,6$ ,
$$\lvert A^3-3A^2+2A\rvert=0\times0\times6=0 .$$
**另一条路(因式分解)**:
$$A^3-3A^2+2A=A(A-E)(A-2E),$$
$$\lvert A\rvert=6,\quad\lvert A-E\rvert=(1-1)(2-1)(3-1)=0,$$
故行列式为 0 ✓(只要有一个因子为零,整体为零)。
**带走结论**:**先分解、先看有没有零因子**。本题若硬算 $A^3-3A^2+2A$ 的九个数再求行列式,要多花十倍时间且必错。$A$ 有特征值 1 说明 $\lvert A-E\rvert=0$ ,这一眼就能定论。
> **关联** · 盘点 [§5.2 抽象条件与矩阵方程](01-知识点盘点.md#user-content-52-抽象条件与矩阵方程) | 上游 [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) | 下游 — | 速查 [九 抽象条件三件套](09-速查卡.md#user-content-九-抽象条件三件套)
---
@@ -0,0 +1,181 @@
---
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),则 $J^k=n^{k-1}J$ ,故
$$A^{m}=a^{m}E+\frac{(a+nb)^{m}-a^{m}}{n}J .$$
## 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**。
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 · 6.1:二阶求 $A^n$ (★★☆)
> 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--61二阶求-an-) | 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**:**$A$ 不可逆时 $A^{*}$ 的特征值要用"其余对角元之积"算**。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),对角阵的伴随直接读。
**带走结论**:**$A$ 不可逆时 $A^{*}$ 的特征值要用"两两乘积"算,不能套 $\lvert A\rvert/\lambda$ ** 。最稳的办法是直接把 $A$ 化成对角阵再算 $A^{*}$ (对角阵的伴随也是对角阵,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)
---
@@ -0,0 +1,139 @@
---
tags: [数学一, 在学练习, 线性代数, 特征值, 二次型接口]
专题: 线性代数 第5讲 · 点7 与二次型的接口
日期: 2026-10-24
状态: 知识点带题(7.1 三条对接点,3 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 7 与二次型的接口
> 真题锚点:2017·21、2020·21、2022·21(第 6 讲解答题的实质)|重要度 ★★★
> 依赖:点 4 的正交对角化。盘点对应:§7 全节。
**组织原则**:这是本讲的出口——把 $Q^{\mathrm T}AQ=\Lambda$ 翻译成二次型语言。3 题覆盖"读特征值 → 写标准形 → 判正定"。
## 知识点 7.1 三条对接点(出处:[知识章 quadratic-form.tex §1](../../../../参考仓库/Math/linear-algebra/knowledge/6-quadratic-form/quadratic-form.tex))
设二次型 $f=x^{\mathrm T}Ax$ ($A$ 实对称),则
| 第 5 讲 | 第 6 讲 |
|---|---|
| $Q^{\mathrm T}AQ=\Lambda$ | 正交变换 $x=Qy$ 把 $f$ 化成标准形 |
| 特征值 $\lambda_i$ | 标准形系数 $y_i^2$ 前 |
| $\lambda_i$ 的符号 | 正、负惯性指数 |
| 所有 $\lambda_i>0$ | $f$ 正定 |
**一句话**:二次型的标准形系数**就是**特征值,第 6 讲的解答题实质上是在做点 4 的五步。
---
## 题目(按知识点顺序对应)
### 题 1 · 7.1:由矩阵直接写标准形(★★☆)
> 设二次型
>
> $$f(x_1,x_2,x_3)=x_1^2+x_2^2+x_3^2+2x_1x_2+2x_1x_3+2x_2x_3 .$$
>
> (Ⅰ)写出 $f$ 的矩阵 $A$ ;
> (Ⅱ)求 $A$ 的特征值,并写出 $f$ 在正交变换下的标准形;
> (Ⅲ)判断 $f$ 是否正定,并说明理由。
**怎么想**:$x_i^2$ 的系数进对角元,$x_ix_j$ 的系数**折半**进 $(i,j)$ 与 $(j,i)$ ——这是写矩阵的唯一规则。之后全部交给特征值。
**解**:
**(Ⅰ)** 对角元取平方项系数 $1$ ,非对角元取交叉项系数的一半 $\frac22=1$ :
$$A=\begin{pmatrix}1&1&1\\1&1&1\\1&1&1\end{pmatrix}=J .$$
**(Ⅱ)** $A=J$ 的每一列都是 $(1,1,1)^{\mathrm T}$ ,$r(A)=1$ ;由 $A(1,1,1)^{\mathrm T}=3(1,1,1)^{\mathrm T}$ 得 $\lambda_1=3$ ,另两个特征值为 $0,0$ (因 $\operatorname{tr}A=3$ )。
故标准形为
$$f=3y_1^2 .$$
(几何上:$f=(x_1+x_2+x_3)^2$ ,是一个完全平方,验证了秩为 1。)
**(Ⅲ)** **不正定**。正定要求全部特征值 $>0$ ,而 $\lambda_2=\lambda_3=0$ 。$f$ 是**半正定**(所有 $\lambda_i\geqslant0$ 且 $f\geqslant0$ 恒成立)。
**验算**:取 $(x_1,x_2,x_3)=(1,-1,0)$ ,$f=1+1+0-2+0+0=0$ ,确实存在非零向量使 $f=0$ ,故不正定 ✓。
**带走结论**:**"完全平方"就等于"有零特征值"**。$f=(x_1+\cdots+x_n)^2$ 型二次型的矩阵是 $J$ ,特征值 $n,0,\dots,0$ ,半正定不正定。
> **关联** · 盘点 [§7.1 三条对接点](01-知识点盘点.md#user-content-71-三条对接点) | 上游 — | 下游 [点 7 题 2](08-点7-与二次型的接口.md#user-content-题-2--71正交变换化标准形全流程)、[点 7 题 3](08-点7-与二次型的接口.md#user-content-题-3--71正定性判定与特征值) | 速查 —
---
### 题 2 · 7.1:正交变换化标准形全流程(★★★)
> 设二次型 $f=2x_1^2+2x_2^2+2x_3^2+2x_1x_2+2x_1x_3+2x_2x_3$ 。
>
> (Ⅰ)写出矩阵 $A$ 并求特征值;
> (Ⅱ)求正交变换 $x=Qy$ 把 $f$ 化为标准形;
> (Ⅲ)写出标准形,并指出正、负惯性指数。
**怎么想**:矩阵是 $A=E+J$ (对角元 2,非对角 1)。$J$ 的特征值是 $3,0,0$ ,故 $A$ 的是 $4,1,1$ ——**不必展开三阶行列式**。之后按点 4 的五步走。
**解**:
**(Ⅰ)** 交叉项系数都是 $2$ ,折半得 $1$ :
$$A=\begin{pmatrix}2&1&1\\1&2&1\\1&1&2\end{pmatrix}=E+J .$$
各行之和为 $4$ ,故 $(1,1,1)^{\mathrm T}$ 对应 $\lambda_1=4$ ;又 $\operatorname{tr}A=6$ ,剩下两个之和为 2,结合 $\lvert A\rvert=4$ ($A=E+J$ ,$J$ 特征值 $3,0,0$ )得 $\lambda_2=\lambda_3=1$ 。
(也可分解:$\lvert\lambda E-A\rvert=(\lambda-4)(\lambda-1)^2$ 。)
**(Ⅱ)** $\lambda=4$ 的特征向量 $\xi_1=(1,1,1)^{\mathrm T}$ 。
$\lambda=1$ 二重,解 $x_1+x_2+x_3=0$ ,取
$$\xi_2=(1,-1,0)^{\mathrm T},\qquad \xi_3=(1,1,-2)^{\mathrm T}$$
(已验 $\langle\xi_2,\xi_3\rangle=1-1+0=0$ ,无需施密特)。单位化:
$$e_1=\frac{1}{\sqrt3}\begin{pmatrix}1\\1\\1\end{pmatrix},\quad e_2=\frac{1}{\sqrt2}\begin{pmatrix}1\\-1\\0\end{pmatrix},\quad e_3=\frac{1}{\sqrt6}\begin{pmatrix}1\\1\\-2\end{pmatrix}.$$
取 $Q=(e_2,e_3,e_1)$ 以对齐 $\Lambda$ 的顺序:
$$Q=\begin{pmatrix}\frac{1}{\sqrt2}&\frac{1}{\sqrt6}&\frac{1}{\sqrt3}\\[2pt]-\frac{1}{\sqrt2}&\frac{1}{\sqrt6}&\frac{1}{\sqrt3}\\[2pt]0&-\frac{2}{\sqrt6}&\frac{1}{\sqrt3}\end{pmatrix},\qquad Q^{\mathrm T}AQ=\mathrm{diag}(1,1,4).$$
**(Ⅲ)** 令 $x=Qy$ ,则
$$f=y_1^2+y_2^2+4y_3^2 .$$
正惯性指数 $p=3$ ,负惯性指数 $q=0$ 。$f$ **正定**。
**验算**:三个系数之和 $1+1+4=6=\operatorname{tr}A$ ✓;乘积 $4=\lvert A\rvert$ ✓。
**带走结论**:**二次型的标准形系数 $=$ 特征值,顺序可任意但必须与 $Q$ 的列对齐**。正交变换下"标准形"就是"对角形",系数唯一(除排列);若用配方法,系数可以不同(因不是正交变换),但**正负个数不变**(惯性定理)。
> **关联** · 盘点 [§7.1 三条对接点](01-知识点盘点.md#user-content-71-三条对接点) | 上游 [点 7 题 1](08-点7-与二次型的接口.md#user-content-题-1--71由矩阵直接写标准形) | 下游 [点 7 题 3](08-点7-与二次型的接口.md#user-content-题-3--71正定性判定与特征值) | 速查 —
---
### 题 3 · 7.1:正定性判定与特征值(★★☆)
> 设 $A$ 为三阶实对称矩阵,特征值为 $1,2,3$ 。判断下列说法:
>
> (Ⅰ)$A$ 正定;(Ⅱ)$A^{-1}$ 正定;(Ⅲ)$A-E$ 正定;(Ⅳ)$A^{*}$ 正定。
**怎么想**:正定 $\iff$ 全部特征值 $>0$ 。要判 $f(A)$ 是否正定,只需看 $f(\lambda_i)$ 是否全正。
**解**:(Ⅰ)**正确**。$1,2,3$ 全正。
(Ⅱ)**正确**。$A^{-1}$ 的特征值为 $1,\frac12,\frac13$ ,全正。
(Ⅲ)**错误**。$A-E$ 的特征值为 $0,1,2$ ,含 0,只是**半正定**。
(Ⅳ)**正确**。$\lvert A\rvert=6$ ,$A^{*}$ 的特征值为 $\frac61,\frac62,\frac63=6,3,2$ ,全正。
**验算**:(Ⅲ)中 $\lvert A-E\rvert=0$ 也印证了"不正定"(正定矩阵必可逆)。
**带走结论**:判 $f(A)$ 的正定性**只需逐一代入**。两个高频陷阱:出现 0 就不是正定(半正定);$A^{*}$ 的正定性由 $\lvert A\rvert/\lambda_i$ 决定,故 $A$ 正定时 $A^{*}$ 也正定($\lvert A\rvert>0$ 、$\lambda_i>0$ )。
> **关联** · 盘点 [§7.1 三条对接点](01-知识点盘点.md#user-content-71-三条对接点) | 上游 [点 7 题 1](08-点7-与二次型的接口.md#user-content-题-1--71由矩阵直接写标准形)、[点 7 题 2](08-点7-与二次型的接口.md#user-content-题-2--71正交变换化标准形全流程) | 下游 — | 速查 —
---
@@ -0,0 +1,170 @@
---
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, 1.3 -->
```
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 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: 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。
## 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 $\lvert A\rvert/\lambda$ ** 算 $A^{*}$ 的特征值。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 4](02-点1-定义与求法.md#user-content-题-4--12含参矩阵的特征值)、[点 1 题 5](02-点1-定义与求法.md#user-content-题-5--13特征向量的四条性质)、[点 1 题 6](02-点1-定义与求法.md#user-content-题-6--13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 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)。
@@ -0,0 +1,105 @@
---
tags: [数学一, 在学练习, 线性代数, 特征值, README]
专题: 线性代数 第5讲 · 特征值与特征向量
日期: 2026-10-24
状态: 知识点盘点 + 七点分册(知识点带题,34 题)
关联笔记: ["[[01-知识点盘点]]", "[[09-速查卡]]"]
---
# 线性代数 第5讲 · 特征值与特征向量
真题库第 13 章。近十年 **11 题 83 分**,线性代数分值最高的一讲,占线代总分近一半。题型结构极稳定:**5 道选择填空(21 分)$+$ 5 道解答题(57 分)**,解答题几乎每年落在第 20 或 21 题。
这个分值的含义很直接:**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(同一个对角化流程换个外壳),所以这一讲必须做到"给一个三阶矩阵,五分钟走完全流程"。
## 这一版的结构
| 层 | 文件 | 作用 | 读法 |
|---|---|---|---|
| **地图** | `01-知识点盘点.md` | 大纲、真题、参考仓库三条线的知识点全摊开 | 先通读,之后只查不读 |
| **练** | `02`—`08` 七个点 | 每点先列知识点(含参考仓库出处),再按知识点内部条目顺序逐一对应出题,共 34 题 | 一天一个点,动手做 |
| **查** | `09-速查卡.md` | 十一组结论 $+$ 四处丢分点 $+$ 回查表 | 考前十分钟 |
## 文件清单
| 文件 | 内容 | 真题锚点 | 分值 | 题量 |
|---|---|---|---|---|
| `01-知识点盘点.md` | 九节盘点 $+$ 覆盖对照表 | — | — | 0 |
| `02-点1-定义与求法.md` | 特征方程、四步求法、特征向量性质 | 一切题第 1 步 | — | 6 |
| `03-点2-特征值的性质.md` | 迹与行列式、派生矩阵、重数与几何重数 | 2018·13、2024·7 | **9** | 6 |
| `04-点3-相似与相似对角化.md` | 不变量、对角化判据、相似判定三步筛 | 2019·21、2020·21、2023·6 | **27** | 6 |
| `05-点4-实对称矩阵正交对角化.md` | 三定理、五步流程、正交矩阵 | 2021·21 | **12** | 5 |
| `06-点5-反求矩阵与抽象条件.md` | 由 $\lambda,\xi$ 反求 $A$ 、多项式条件 | 2019·21、2025·21 | **23** | 5 |
| `07-点6-对角化的应用.md` | 求 $A^n$ 、算行列式与秩 | 2017·20 | **11** | 4 |
| `08-点7-与二次型的接口.md` | 特征值 $=$ 标准形系数、正定性 | 2017·21 起 | — | 3 |
| `09-速查卡.md` | 十一组结论 $+$ 四处丢分点 | — | — | 0 |
合计 **34 题**。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
## 建议的三轮读法
**第一轮(2.5 小时)**:`01` 通读 $+$ `02`、`03`。这两点是地基——不会解 $\lvert\lambda E-A\rvert=0$ 与 $(\lambda E-A)x=0$ ,后面全部无从谈起。
**第二轮(3 小时)**:`04`、`05`。这两节吃掉 39 分,且是解答题的绝对主力。**`05` 的五步流程必须练到闭卷不停顿**。
**第三轮(1.5 小时)**:`06`、`07` $+$ `08` $+$ `09` 。`06` 的谱分解技巧与 `07` 的求幂是 2017·20、2025·21 的原型。
时间不够时按这个顺序砍:`08` $\to$ `07$ 的题 2 $\to$ `06` 的题 4 。**`05` 一定不能砍**。
## 双向链接怎么用
| 粒度 | 在哪儿 | 什么时候用 |
|---|---|---|
| **册** | 本文件「文件清单」 | 决定今天做哪一个点 |
| **知识点** | 各点文件开头的知识点标题(含参考仓库出处) | 做题卡住时回看判据 |
| **题** | 每题末尾的「关联」行 $+$ 盘点 §0.4 $+$ 速查回查表 | 从知识点反查"它在哪几道题里练过" |
每道题末尾固定一行:
```
> **关联** · 盘点 §X.Y | 上游 | 下游 | 速查
```
四个方向全部指向**具体题目的锚点**。
## 锚点怎么写(Gitea 两条方向相反的规则)
标题 id $=$ `user-content-` $+$ 标题原文小写化(保留字母数字汉字与下划线,空格变 `-`,** 其余标点全部删除**)。
| 链接类型 | 写法 |
|---|---|
| 同文件 | `#题-1--11定义的三条等价写法` |
| 跨文件 | `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` |
写完校验:
```bash
python .workbuddy/tools/md2pdf/gen_crosslinks.py 线性代数-第5讲-特征值与特征向量
python .workbuddy/tools/md2pdf/check_md_links.py 线性代数-第5讲-特征值与特征向量
python .workbuddy/tools/md2pdf/fix_gitea_math.py --check --scope=线性代数-第5讲-特征值与特征向量
```
## 与其他讲的接口
| 本讲内容 | 来源 / 去向 | 用法 |
|---|---|---|
| $\lvert\lambda E-A\rvert$ | 第 1 讲行列式 | 特征多项式 |
| $(\lambda E-A)x=0$ 非零解 | 第 4 讲方程组 | 求特征向量 |
| $n-r(\lambda E-A)$ | 第 4 讲基础解系个数 | 几何重数 |
| $P$ 为过渡矩阵 | 第 3 讲基变换 | $P^{-1}AP=\Lambda$ 是换基 |
| 施密特正交化 | 第 3 讲点 6 | 重特征值内部正交化 |
| $Q^{\mathrm T}AQ=\Lambda$ | 第 6 讲二次型 | 化标准形、判正定 |
| $r(A)=n-1$ 与 $A^{*}$ | 第 2 讲伴随 | $r(A^{*})=1$ |
## 版本记录
| 日期 | 变更 |
|---|---|
| 2026-10-24 | 建文件夹,按「知识点盘点 $+$ 七点分册 $+$ 速查卡」共 10 个文件(34 题),每题嵌题目级双向链接 |
## 两条写作约定
1. **不生成 PDF**。只出 Markdown。
2. **单个文件不超过 1.3 万字符**,超了就拆。
题面数据除标注「真题骨架」外均为另设,只对齐考法。参考 `参考仓库/Math/linear-algebra/knowledge/5-similar/similar.tex` 与 `exercise/5-similar/similar.tex` 。
@@ -0,0 +1,318 @@
---
tags: [数学一, 在学练习, 线性代数, 二次型, 知识点盘点]
专题: 线性代数 第6讲 · 二次型
日期: 2026-10-24
状态: 知识点盘点(六节 $+$ 覆盖对照表),配套 7 个点分册共 30 题
关联笔记: ["[[README]]", "[[09-速查卡]]"]
---
# 第6讲 · 二次型:知识点盘点
真题库第 14 章。近十年 **10 题 80 分**:**5 道选择填空(23 分)$+$ 5 道解答题(57 分)**。解答题几乎年年在第 20—21 题。
这一讲是第 5 讲的**下游**:所有化标准形的题目,实质都是"求特征值 $+$ 正交对角化"。差别只在问法——第 5 讲问"求 $Q$ ",第 6 讲问"化标准形、写曲面、判正定"。
**一句话定性**:第 5 讲做熟了,第 6 讲只是换一套词汇。真正新增的内容只有三块——**配方法**(不走特征值)、**惯性定理**(标准形不唯一但惯性唯一)、**正定性判据**(顺序主子式)。
## 0 三张表
### 0.1 按分值排(时间紧就照这个顺序)
| 优先 | 点 | 真题锚点 | 分值 | 文件 |
|---|---|---|---|---|
| 1 | 正交变换化标准形 | 2017·21、2020·21、2022·21、2023·21 | **46** | `04` |
| 2 | 正定性判定 | 2024·15 | **5** | `06` |
| 3 | 惯性定理与规范形 | 2018·20、2019·5、2021·5、2025·5 | **18** | `05` |
| 4 | 二次曲面 | 2016·6、2022·21 | **9** | `08` |
| 5 | 矩阵表示与合同 | 一切题的起手 | — | `02` |
| 6 | 配方法 | 冷门但可救急 | — | `03` |
| 7 | 合同与相似的分界 | 选择题常考辨析 | — | `07` |
### 0.2 按依赖链排(文件顺序,也就是建议的阅读顺序)
```
02 矩阵表示与合同 ← 写对 A(交叉项折半)
↓
03 配方法化标准形 ← 不走特征值的那条路
↓
04 正交变换化标准形 ← 解答题主场,实质是第 5 讲点 4
↓
05 惯性定理与规范形 ← 标准形不唯一,惯性唯一
↓
06 正定性判定 ← 顺序主子式与特征值
↓
07 合同与相似的分界 ← 两个"等价"不是一回事
↓
08 二次曲面 ← 惯性指数的几何翻译
```
### 0.3 符号约定
| 记号 | 含义 |
|---|---|
| $A$ | 二次型的矩阵,**实对称**,交叉项系数折半 |
| $f=x^{\mathrm T}Ax$ | 二次型的矩阵写法 |
| $x=Cy$ | 可逆线性变换($C$ 可逆即可,**不要求正交**) |
| $C^{\mathrm T}AC$ | 合同变换后的矩阵 |
| $p,q$ | 正、负惯性指数(标准形中正、负系数的个数) |
| $d_i$ | 标准形系数 |
| $\Delta_k$ | $k$ 阶顺序主子式 |
### 0.4 知识点与练习文件对照(按知识点粒度)
<!-- AUTO:KP -->
| 盘点章节(知识点) | 对应题目 |
|---|---|
| §1.1 二次型的定义与矩阵表示 | [点 1 题 1](02-点1-矩阵表示与合同.md#user-content-题-1--11由二次型写矩阵)、[点 1 题 2](02-点1-矩阵表示与合同.md#user-content-题-2--11由矩阵写二次型) |
| §1.2 合同的定义与判据 | [点 1 题 3](02-点1-矩阵表示与合同.md#user-content-题-3--12合同的必要条件)、[点 1 题 4](02-点1-矩阵表示与合同.md#user-content-题-4--12变换后矩阵的计算)、[点 1 题 5](02-点1-矩阵表示与合同.md#user-content-题-5--12合同的完整判定) |
| §2.1 配方法 | [点 2 题 1](03-点2-配方法化标准形.md#user-content-题-1--21有平方项的逐次配方)、[点 2 题 2](03-点2-配方法化标准形.md#user-content-题-2--21无平方项时先造平方)、[点 2 题 3](03-点2-配方法化标准形.md#user-content-题-3--21写出完整的变换矩阵)、[点 2 题 4](03-点2-配方法化标准形.md#user-content-题-4--21两法结果不同惯性相同) |
| §2.2 正交变换法 | [点 3 题 1](04-点3-正交变换化标准形.md#user-content-题-1--22完整五步)、[点 3 题 2](04-点3-正交变换化标准形.md#user-content-题-2--22含参二次型的惯性讨论)、[点 3 题 3](04-点3-正交变换化标准形.md#user-content-题-3--22由标准形反求不变量)、[点 3 题 4](04-点3-正交变换化标准形.md#user-content-题-4--22球面上的最值)、[点 3 题 5](04-点3-正交变换化标准形.md#user-content-题-5--22正交变换为什么不改变形状) |
| §3.1 惯性定理与惯性指数 | [点 4 题 1](05-点4-惯性定理与规范形.md#user-content-题-1--31惯性定理说了什么)、[点 4 题 3](05-点4-惯性定理与规范形.md#user-content-题-3--31由秩反求参数) |
| §3.2 规范形 | [点 4 题 2](05-点4-惯性定理与规范形.md#user-content-题-2--32由标准形写规范形)、[点 4 题 4](05-点4-惯性定理与规范形.md#user-content-题-4--32用规范形判合同) |
| §4.1 正定的五个等价条件 | [点 5 题 2](06-点5-正定性判定.md#user-content-题-2--41五个条件的辨析)、[点 5 题 4](06-点5-正定性判定.md#user-content-题-4--41乘积矩阵的正定性) |
| §4.2 顺序主子式判据 | [点 5 题 1](06-点5-正定性判定.md#user-content-题-1--42顺序主子式判正定)、[点 5 题 3](06-点5-正定性判定.md#user-content-题-3--42含参正定求范围) |
| §4.3 含参正定的标准做法 | [点 5 题 5](06-点5-正定性判定.md#user-content-题-5--43半正定与所有主子式) |
| §5.1 合同与相似的分界 | [点 6 题 1](07-点6-合同与相似.md#user-content-题-1--51相似与合同的五条辨析)、[点 6 题 3](07-点6-合同与相似.md#user-content-题-3--51幂等矩阵合同于哪个对角阵) |
| §5.2 合同的判定 | [点 6 题 2](07-点6-合同与相似.md#user-content-题-2--52由合同反求参数) |
| §6.1 二次曲面与标准形 | [点 7 题 1](08-点7-二次曲面.md#user-content-题-1--61由标准形读曲面名)、[点 7 题 2](08-点7-二次曲面.md#user-content-题-2--61先化标准形再判曲面)、[点 7 题 3](08-点7-二次曲面.md#user-content-题-3--61含参曲面的分类) |
| §6.2 综合题的常见问法 | [点 7 题 4](08-点7-二次曲面.md#user-content-题-4--62四问走完) |
<!-- /AUTO:KP -->
## 1 矩阵表示与合同
### 1.1 二次型的定义与矩阵表示
含 $n$ 个变量的二次齐次多项式
$$f(x_1,\dots,x_n)=\sum_{i=1}^{n}\sum_{j=1}^{n}a_{ij}x_ix_j\qquad(a_{ij}=a_{ji})$$
称为二次型。取 $a_{ij}=a_{ji}=\frac12\times$ ($x_ix_j$ 的系数),得实对称矩阵 $A$ ,于是
$$f=x^{\mathrm T}Ax,\qquad A^{\mathrm T}=A .$$
**写矩阵的唯一规则**:
- $x_i^2$ 的系数 $\to$ 对角元 $a_{ii}$ (**不折半**);
- $x_ix_j$ 的系数 $\to$ $a_{ij}=a_{ji}=$ 系数 $\div2$ (**折半**)。
**反向**(给矩阵写二次型):$f=\sum_ia_{ii}x_i^2+2\sum_{i<j}a_{ij}x_ix_j$ 。
**两个易错**:交叉项折半后要**两边都填**($a_{ij}$ 与 $a_{ji}$ );矩阵必须**对称**,若写出的 $A$ 不对称就说明折半没做对。
### 1.2 合同的定义与判据
若存在**可逆**矩阵 $C$ 使
$$C^{\mathrm T}AC=B,$$
称 $A$ 与 $B$ **合同**(记 $A\simeq B$ )。作可逆线性变换 $x=Cy$ 后,$f=x^{\mathrm T}Ax=y^{\mathrm T}(C^{\mathrm T}AC)y$ ,故合同就是"同一个二次型在不同坐标下的矩阵"。
**合同的判据(充要)**:
$$A\simeq B\iff A,B\ \text{是同阶实对称矩阵且正、负惯性指数相同}.$$
**合同 vs 相似**(务必分清):
| | 相似 $P^{-1}AP$ | 合同 $C^{\mathrm T}AC$ |
|---|---|---|
| 变换矩阵 | 可逆即可 | 可逆即可 |
| 保持 | 特征值 | **惯性指数** |
| 对实对称 | $P$ 正交时两者重合 | — |
**关键结论**:实对称矩阵 $A\simeq B\iff$ 惯性指数相同 $\iff$ 合同于同一个规范形 $\mathrm{diag}(1,\dots,1,-1,\dots,-1,0,\dots,0)$ 。
## 2 化标准形
### 2.1 配方法
只含平方项的二次型叫**标准形**。配方法通过可逆线性变换(逐次配方)把 $f$ 化成标准形,**不经过特征值**。
**两种情形**:
**① 有平方项(某个 $a_{ii}\ne0$ )**:把含 $x_i$ 的项全部收进一个完全平方,剩下的部分不再含 $x_i$ ,递归处理。
例:$f=x_1^2+2x_1x_2+2x_1x_3$ :
$$f=(x_1+x_2+x_3)^2-x_2^2-x_3^2-2x_2x_3 .$$
先令 $y_1=x_1+x_2+x_3$ ,再对余下部分继续配方。
**② 无平方项(所有 $a_{ii}=0$ ,但有交叉项)**:先作"和差换元"制造平方项。若有 $x_1x_2$ 项,令
$$x_1=y_1+y_2,\qquad x_2=y_1-y_2\Longrightarrow x_1x_2=y_1^2-y_2^2 ,$$
于是出现平方项,回到情形 ①。
**写变换矩阵**:把每一步换元累计成 $x=Cy$ ,最后写出 $C^{\mathrm T}AC=\mathrm{diag}(d_1,\dots,d_n)$ 。
**配方法的系数不唯一**(同一个二次型可用不同配法得不同标准形),但**正负个数唯一**(惯性定理)。
### 2.2 正交变换法
作**正交**变换 $x=Qy$ ($Q^{\mathrm T}Q=E$ ),则
$$f=x^{\mathrm T}Ax=y^{\mathrm T}(Q^{\mathrm T}AQ)y=\lambda_1y_1^2+\cdots+\lambda_ny_n^2 .$$
**五步**(与第 5 讲点 4 完全一致):
1. 写出 $A$ (交叉项折半);
2. 解 $\lvert\lambda E-A\rvert=0$ 求特征值;
3. 解 $(\lambda_iE-A)x=0$ 求特征向量,重根内部施密特正交化;
4. 单位化,按列拼 $Q$ ;
5. 写 $f=\lambda_1y_1^2+\cdots+\lambda_ny_n^2$ (**系数是特征值,顺序与 $Q$ 的列对齐**)。
**两法的分界**(考试最常问"用哪种"):
| | 配方法 | 正交变换法 |
|---|---|---|
| 变换矩阵 | 可逆即可(不必正交) | **必须正交** |
| 标准形系数 | 不唯一,可为任意数 | **就是特征值** |
| 计算量 | 小 | 大(要算特征向量) |
| 何时必须用 | 题目只要"化标准形"、"求 $C$ " | 题目说"**正交**变换"、"求 $Q$ "、"曲面形状" |
**命题规律**:出现"正交变换"四个字就必须用特征值法;只说"可逆线性变换"时两法都行,配方法更快。
## 3 惯性定理与规范形
### 3.1 惯性定理与惯性指数
**惯性定理**:二次型的标准形不唯一,但标准形中**正系数的个数 $p$ ** 与**负系数的个数 $q$ ** 是唯一确定的。$p$ 叫正惯性指数,$q$ 叫负惯性指数,$p+q=r(A)$ 。
**三条常用算法**:
1. 求特征值,数正负个数(最稳);
2. 配方法化标准形后数正负系数;
3. 顺序主子式(判正定时用,判惯性指数不方便)。
**符号差** $=p-q$ 。
**用合同的语言**:$f$ 的秩为 $r$ 、正惯性指数为 $p$ $\iff$ $A$ 合同于 $\mathrm{diag}(E_p,-E_{r-p},O)$ 。
### 3.2 规范形
**规范形**:系数只取 $1,-1,0$ 的标准形:
$$f=y_1^2+\cdots+y_p^2-y_{p+1}^2-\cdots-y_r^2 .$$
**唯一性**:规范形由 $(p,q)$ 唯一确定(不计排列)。所以
$$A\simeq B\iff\text{规范形相同}\iff(p,q)\ \text{相同}.$$
**化规范形的方法**:先把标准形化成 $\mathrm{diag}(d_1,\dots,d_r,0,\dots,0)$ ,再令 $z_i=\sqrt{\lvert d_i\rvert}\,y_i$ ($d_i\ne0$ 时)即可。
## 4 正定性判定
### 4.1 正定的五个等价条件
对实对称 $A$ ($n$ 阶),以下**互相等价**:
1. $f=x^{\mathrm T}Ax>0$ 对一切 $x\ne0$ 成立;
2. $A$ 的**全部特征值 $>0$ ** ;
3. **全部顺序主子式 $>0$ ** ;
4. $A\simeq E$ (合同于单位阵);
5. 正惯性指数 $p=n$ 。
**最常用的是 2 与 3**:特征值法适合"已知特征值"或"能解出来";顺序主子式适合"含参求范围"。
### 4.2 顺序主子式判据
$$\Delta_1=a_{11}>0,\quad\Delta_2=\begin{vmatrix}a_{11}&a_{12}\\a_{21}&a_{22}\end{vmatrix}>0,\quad\dots,\quad\Delta_n=\lvert A\rvert>0 .$$
**全部 $>0$ ** $\iff$ 正定。
**负定的判据**:$-A$ 正定 $\iff$ $(-1)^k\Delta_k>0$ 对每个 $k$ 成立(即 $\Delta_1<0,\Delta_2>0,\Delta_3<0,\dots$ )。
**半正定**:全部特征值 $\geqslant0$ ,等价于**全部主子式**(不只顺序主子式)$\geqslant0$ 。**注意这是最容易错的地方**——半正定要求"所有主子式",正定才只需"顺序主子式"。
### 4.3 含参正定的标准做法
三步:
1. 写出矩阵 $A$ (交叉项折半);
2. 逐个算 $\Delta_1,\Delta_2,\Delta_3$ ;
3. 解不等式组,**取交集**。
**易错**:$\Delta_3=\lvert A\rvert>0$ 常常给出一个高次不等式,务必分解到每个因式,再画数轴取公共部分。
## 5 合同与相似
### 5.1 合同与相似的分界
| 关系 | 定义 | 保持什么 | 适用 |
|---|---|---|---|
| 相似 | $P^{-1}AP=B$ | 特征值(含重数)、秩、迹、行列式 | 任意方阵 |
| 合同 | $C^{\mathrm T}AC=B$ | 惯性指数、秩、对称性 | 实对称 |
**三条要点**:
1. 实对称矩阵**相似 $\Rightarrow$ 合同**(相似则特征值相同 $\Rightarrow$ 惯性指数相同)。**反之不成立**。
2. 合同**不保持特征值**:$A=\mathrm{diag}(1,1)$ 与 $B=\mathrm{diag}(4,9)$ 合同(都正定),但特征值不同。
3. 对**正交** $Q$ ,$Q^{\mathrm T}AQ=Q^{-1}AQ$ ,此时合同与相似**合一**。
### 5.2 合同的判定
$$A\simeq B\iff(p_A,q_A)=(p_B,q_B).$$
**判定流程**:分别求 $A,B$ 的特征值 $\to$ 数正负个数 $\to$ 比较。
**注意**:$r(A)=r(B)$ 不够(还要正负分布相同);$\lvert A\rvert=\lvert B\rvert$ 不够;特征值相同当然够(但太强)。
## 6 二次曲面
### 6.1 二次曲面与标准形
三元二次方程 $f(x,y,z)=1$ 的形状由 $A$ 的惯性指数决定:
| $p$ | $q$ | 标准形 | 曲面 |
|---|---|---|---|
| 3 | 0 | $y_1^2+y_2^2+y_3^2=1$ | 椭球面 |
| 2 | 1 | $y_1^2+y_2^2-y_3^2=1$ | 单叶双曲面 |
| 2 | 0 | $y_1^2+y_2^2=1$ ($r=2$ ) | 椭圆柱面 |
| 1 | 2 | $y_1^2-y_2^2-y_3^2=1$ | 双叶双曲面 |
| 1 | 1 | $y_1^2-y_2^2=1$ ($r=2$ ) | 双曲柱面 |
| 1 | 0 | $y_1^2=1$ | 两张平行平面 |
**做题要点**:只需算惯性指数,不必求出具体的 $Q$ 。若题目问"是什么曲面",答惯性指数 $+$ 曲面名即可。
### 6.2 综合题的常见问法
一道二次型大题通常串四问:
1. 写出矩阵 $A$ (或由 $A$ 写二次型);
2. 求特征值与特征向量;
3. 求正交矩阵 $Q$ 与标准形;
4. 判曲面形状 / 求 $f$ 的最大值 / 判正定。
**第 4 问的两种变体**:
- **求 $f$ 在 $\lVert x\rVert=1$ 上的最值**:$\max=\lambda_{\max}$ 、$\min=\lambda_{\min}$ (这是特征值的变分意义);
- **求 $f$ 的正负惯性指数**:数 $\lambda_i$ 的符号。
## 7 覆盖对照(大纲 vs 真题 vs 参考仓库)
| 知识点 | 大纲要求 | 十年真题 | 参考仓库 | 处置 |
|---|---|---|---|---|
| 二次型与矩阵表示 | **掌握** | 每题起手 | 有 | 点 1,2 题 |
| 合同的定义与判据 | **掌握** | 2021·5、2025·5 | 有 | 点 1,3 题 |
| 配方法 | 掌握 | 未单独考 | 有 | 点 2,4 题 |
| 正交变换法 | **掌握(核心)** | 2017·21、2020·21、2022·21、2023·21 | 有 | 点 3,5 题 |
| 惯性定理 | **掌握** | 2018·20、2021·5、2025·5 | 有 | 点 4,2 题 |
| 规范形 | **掌握** | 2018·20、2019·5 | 有 | 点 4,2 题 |
| 正定的等价条件 | **掌握(核心)** | 2024·15 | 有 | 点 5,2 题 |
| 顺序主子式 | **掌握** | 含参题必用 | 有 | 点 5,2 题 |
| 半正定 | 了解 | 未单独考 | 有 | 点 5,1 题 |
| 合同 vs 相似 | **掌握** | 选择高频 | 有 | 点 6,3 题 |
| 二次曲面 | 掌握 | 2016·6、2022·21 | 有 | 点 7,4 题 |
**结论**:十年 80 分里,**解答题(57 分)全在 `04`(正交变换)与 `08`(曲面)**,选择填空(23 分)集中在 `05`(惯性)与 `07`(合同)。`04` 必须练到与第 5 讲点 4 一样熟。
## 8 与相邻讲的接口
| 本讲内容 | 来源 | 用法 |
|---|---|---|
| 特征值与特征向量 | 第 5 讲 | 标准形的系数 |
| $Q^{\mathrm T}AQ=\Lambda$ | 第 5 讲点 4 | 正交变换 |
| 施密特正交化 | 第 3 讲点 6 | 重根内部正交化 |
| $r(A)$ 与基础解系 | 第 4 讲 | 判秩、求惯性指数 |
| 顺序主子式 | 第 1 讲行列式 | 判正定 |
| $A^{\mathrm T}A$ 正定 | 第 2 讲矩阵 | 最小二乘、正定证明 |
@@ -0,0 +1,197 @@
---
tags: [数学一, 在学练习, 线性代数, 二次型, 矩阵表示, 合同]
专题: 线性代数 第6讲 · 点1 矩阵表示与合同
日期: 2026-10-24
状态: 知识点带题(1.1 矩阵表示、1.2 合同与判据,5 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 1 矩阵表示与合同
> 真题锚点:一切题的起手式|重要度 ★★★
> 依赖:第 2 讲矩阵运算。盘点对应:§1 全节。
**组织原则**:先列知识点(矩阵表示 → 合同),再逐一对应出题。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
## 知识点 1.1 二次型的定义与矩阵表示(出处:[知识章 quadratic-form.tex §1](../../../../参考仓库/Math/linear-algebra/knowledge/6-quadratic-form/quadratic-form.tex))
二次型 $f=\sum_{i,j}a_{ij}x_ix_j$ ($a_{ij}=a_{ji}$ )可写为 $f=x^{\mathrm T}Ax$ ,$A$ **实对称**。
**写矩阵的唯一规则**:
- $x_i^2$ 的系数 $\to$ 对角元(**不折半**);
- $x_ix_j$ 的系数 $\to$ $a_{ij}=a_{ji}=$ 系数 $\div2$ (**折半,两边都填**)。
**反向**:$f=\sum_ia_{ii}x_i^2+2\sum_{i<j}a_{ij}x_ix_j$ 。
## 知识点 1.2 合同的定义与判据(出处:[知识章 quadratic-form.tex §2](../../../../参考仓库/Math/linear-algebra/knowledge/6-quadratic-form/quadratic-form.tex))
$C^{\mathrm T}AC=B$ ($C$ 可逆)称 $A$ 与 $B$ **合同**。含义:同一个二次型在两组坐标下的矩阵。
$$A\simeq B\iff A,B\ \text{同阶实对称且正、负惯性指数相同}\iff A,B\ \text{合同于同一规范形}.$$
**合同 vs 相似**:相似保持**特征值**;合同保持**惯性指数**。实对称时"相似 $\Rightarrow$ 合同",反之不成立。
---
## 题目(按知识点顺序对应)
### 题 1 · 1.1:由二次型写矩阵(★☆☆)
> 写出下列二次型的矩阵:
>
> (Ⅰ)$f=x_1^2+2x_2^2-3x_3^2+4x_1x_2-6x_1x_3$ ;
> (Ⅱ)$g=2x_1x_2+2x_1x_3+2x_2x_3$ ;
> (Ⅲ)$h=x_1^2+x_2^2+4x_1x_2$ 。
**怎么想**:平方项照抄到对角元,交叉项**折半后两边都填**。(Ⅱ)没有平方项,对角元全为 0——这是最容易漏的地方。
**解**:
(Ⅰ)对角元 $1,2,-3$ ;$x_1x_2$ 系数 $4$ 折半为 $2$ ;$x_1x_3$ 系数 $-6$ 折半为 $-3$ ;$x_2x_3$ 没有,取 0:
$$A=\begin{pmatrix}1&2&-3\\2&2&0\\-3&0&-3\end{pmatrix}.$$
(Ⅱ)对角元全 0,三个交叉项系数都是 $2$ ,折半为 $1$ :
$$B=\begin{pmatrix}0&1&1\\1&0&1\\1&1&0\end{pmatrix}.$$
(Ⅲ)对角元 $1,1,0$ ;$4x_1x_2$ 折半为 $2$ :
$$C=\begin{pmatrix}1&2&0\\2&1&0\\0&0&0\end{pmatrix}.$$
**验算**:(Ⅲ)用矩阵写法展开:$x^{\mathrm T}Cx=x_1^2+2\cdot2x_1x_2+x_2^2=x_1^2+x_2^2+4x_1x_2$ ✓。
**带走结论**:**交叉项折半、两边都填**是唯一规则。写完自查一句:$A$ 是否对称?不对称就是折半错了。
> **关联** · 盘点 [§1.1 二次型的定义与矩阵表示](01-知识点盘点.md#user-content-11-二次型的定义与矩阵表示) | 上游 — | 下游 [点 1 题 2](02-点1-矩阵表示与合同.md#user-content-题-2--11由矩阵写二次型) | 速查 [一 写矩阵三步](09-速查卡.md#user-content-一-写矩阵三步)
---
### 题 2 · 1.1:由矩阵写二次型(★☆☆)
> 写出实对称矩阵
>
> $$A=\begin{pmatrix}2&-1&0\\-1&2&-1\\0&-1&2\end{pmatrix}$$
>
> 对应的二次型 $f=x^{\mathrm T}Ax$ ,并判断 $f$ 是否正定。
**怎么想**:从矩阵回到二次型是**乘 2**:对角元直接作平方项系数,非对角元乘 2 作交叉项系数。正定性用顺序主子式最快(三阶行列式刚好是典型的三对角)。
**解**:对角元给出 $2x_1^2+2x_2^2+2x_3^2$ ;非对角元 $-1$ 给交叉项 $-2x_1x_2-2x_2x_3$ (乘 2):
$$f=2x_1^2+2x_2^2+2x_3^2-2x_1x_2-2x_2x_3 .$$
判正定:
$$\Delta_1=2>0,\qquad\Delta_2=\begin{vmatrix}2&-1\\-1&2\end{vmatrix}=4-1=3>0,$$
$$\Delta_3=\lvert A\rvert=2(4-1)-(-1)(-2-0)+0=6-2=4>0 .$$
三个顺序主子式全正,故 $f$ **正定**。
**验算**:$f$ 可配方为 $2\left(x_1-\frac{x_2}{2}\right)^2+\frac32\left(x_2-\frac23x_3\right)^2+\frac43x_3^2$ ,系数全正 ✓。
**带走结论**:**从矩阵到二次型是"非对角元乘 2"**,与写矩阵时的"折半"恰好相反。正定判定先看顺序主子式,三对角矩阵的行列式有递推规律(第 1 讲点 4),本题 $\Delta_3=4$ 也可由 $D_3=2D_2-D_1=6-2=4$ 快速得到。
> **关联** · 盘点 [§1.1 二次型的定义与矩阵表示](01-知识点盘点.md#user-content-11-二次型的定义与矩阵表示) | 上游 [点 1 题 1](02-点1-矩阵表示与合同.md#user-content-题-1--11由二次型写矩阵) | 下游 — | 速查 [一 写矩阵三步](09-速查卡.md#user-content-一-写矩阵三步)
---
### 题 3 · 1.2:合同的必要条件(★★☆)
> 设 $A,B$ 为同阶实对称矩阵,且 $A$ 与 $B$ 合同。判断下列哪些一定成立:
>
> (Ⅰ)$r(A)=r(B)$ ;(Ⅱ)$A,B$ 的特征值相同;(Ⅲ)$A,B$ 的正惯性指数相同;(Ⅳ)$\lvert A\rvert$ 与 $\lvert B\rvert$ 同号。
**怎么想**:合同保持的是"惯性指数",由此推出的都成立;凡是涉及**具体数值**的(特征值、行列式的值)一般不成立。
**解**:(Ⅰ)**成立**。$p+q=r$ ,惯性指数相同故秩相同。(也可由 $B=C^{\mathrm T}AC$ 、$C$ 可逆得秩不变。)
(Ⅱ)**不成立**。反例:$A=\mathrm{diag}(1,1)$ 、$B=\mathrm{diag}(4,9)$ 。取 $C=\mathrm{diag}(2,3)$ 得 $C^{\mathrm T}AC=\mathrm{diag}(4,9)=B$ ,故合同;但特征值分别是 $1,1$ 与 $4,9$ ,不同。
(Ⅲ)**成立**。这正是合同的充要判据。
(Ⅳ)**成立**。$\lvert B\rvert=\lvert C\rvert^2\lvert A\rvert$ ,$\lvert C\rvert^2>0$ ,故 $\lvert A\rvert$ 与 $\lvert B\rvert$ 同号(或同为 0)。
**带走结论**:**合同保持"符号结构",不保持"数值"**。判断某个量是否合同不变,只需问:它是否只由 $(p,q)$ 决定?秩和行列式的符号是;特征值、迹、行列式的值是(不)。
> **关联** · 盘点 [§1.2 合同的定义与判据](01-知识点盘点.md#user-content-12-合同的定义与判据) | 上游 — | 下游 [点 1 题 4](02-点1-矩阵表示与合同.md#user-content-题-4--12变换后矩阵的计算)、[点 1 题 5](02-点1-矩阵表示与合同.md#user-content-题-5--12合同的完整判定) | 速查 [二 合同三句话](09-速查卡.md#user-content-二-合同三句话)
---
### 题 4 · 1.2:变换后矩阵的计算(★★☆)
> 设二次型 $f=x_1^2+2x_2^2+2x_1x_2$ ,作可逆线性变换
>
> $$x_1=y_1+y_2,\qquad x_2=y_1-y_2 .$$
>
> (Ⅰ)写出 $f$ 的矩阵 $A$ 与变换矩阵 $C$ ;
> (Ⅱ)求变换后的矩阵 $C^{\mathrm T}AC$ ,并写出 $f$ 关于 $y$ 的表达式;
> (Ⅲ)判断变换后是否已是标准形。
**怎么想**:$x=Cy$ ,其中 $C$ 的**列**是 $y_1,y_2$ 的系数。然后按 $C^{\mathrm T}AC$ 硬算——先算 $AC$ 再左乘 $C^{\mathrm T}$ 最省。
**解**:
**(Ⅰ)** 交叉项 $2x_1x_2$ 折半为 1:
$$A=\begin{pmatrix}1&1\\1&2\end{pmatrix},\qquad C=\begin{pmatrix}1&1\\1&-1\end{pmatrix}.$$
**(Ⅱ)** 先算 $AC$ :
$$AC=\begin{pmatrix}1&1\\1&2\end{pmatrix}\begin{pmatrix}1&1\\1&-1\end{pmatrix}=\begin{pmatrix}1+1&1-1\\1+2&1-2\end{pmatrix}=\begin{pmatrix}2&0\\3&-1\end{pmatrix}.$$
再左乘 $C^{\mathrm T}$ :
$$C^{\mathrm T}AC=\begin{pmatrix}1&1\\1&-1\end{pmatrix}\begin{pmatrix}2&0\\3&-1\end{pmatrix}=\begin{pmatrix}2+3&0-1\\2-3&0+1\end{pmatrix}=\begin{pmatrix}5&-1\\-1&1\end{pmatrix}.$$
(验对称 ✓。)故
$$f=5y_1^2-2y_1y_2+y_2^2 .$$
**(Ⅲ)** **不是标准形**。变换后矩阵仍非对角(有 $-1$ ),故 $f$ 仍含交叉项。说明这个 $C$ 只是"可逆变换",但**没有把二次型化成标准形**——制造平方项后还要继续配方。
**验算**:直接代入 $x_1=y_1+y_2$ 、$x_2=y_1-y_2$ :
$$(y_1+y_2)^2+2(y_1-y_2)^2+2(y_1+y_2)(y_1-y_2)=y_1^2+2y_1y_2+y_2^2+2y_1^2-4y_1y_2+2y_2^2+2y_1^2-2y_2^2$$
$$=5y_1^2-2y_1y_2+y_2^2\quad ✓$$
**带走结论**:**"可逆变换"不等于"化成了标准形"**。$C^{\mathrm T}AC$ 只要不出现零对角元、但仍有非对角元,就说明还需继续配方。无平方项时"和差换元"只是**第一步**。
> **关联** · 盘点 [§1.2 合同的定义与判据](01-知识点盘点.md#user-content-12-合同的定义与判据) | 上游 [点 1 题 3](02-点1-矩阵表示与合同.md#user-content-题-3--12合同的必要条件) | 下游 [点 1 题 5](02-点1-矩阵表示与合同.md#user-content-题-5--12合同的完整判定) | 速查 [二 合同三句话](09-速查卡.md#user-content-二-合同三句话)
---
### 题 5 · 1.2:合同的完整判定(★★★)
> 设
>
> $$A=\begin{pmatrix}2&0&0\\0&1&0\\0&0&-1\end{pmatrix},\qquad B=\begin{pmatrix}1&1&0\\1&1&0\\0&0&-2\end{pmatrix}.$$
>
> (Ⅰ)求 $A,B$ 的特征值,由此得各自的惯性指数;
> (Ⅱ)判断 $A$ 与 $B$ 是否合同;
> (Ⅲ)判断 $A$ 与 $B$ 是否相似。
**怎么想**:两问要**分开答**——合同看惯性指数,相似看特征值(含重数)与可对角化性。这正是本讲的核心辨析点。
**解**:
**(Ⅰ)** $A$ 是对角阵,特征值 $2,1,-1$ 。故 $p_A=2,\ q_A=1,\ r=3$ 。
$B$ 分块为 $\begin{pmatrix}1&1\\1&1\end{pmatrix}$ 与 $(-2)$ 。前者的特征值为 $2,0$ (因 $\operatorname{tr}=2$ 、$\lvert B_1\rvert=0$ ),故 $B$ 的特征值为 $2,0,-2$ ,$p_B=1,\ q_B=1,\ r=2$ 。
**(Ⅱ)** **不合同**。惯性指数不同($p_A=2\ne p_B=1$ ),秩也不同($3\ne2$ )。
**(Ⅲ)** **不相似**。特征值集合 $\{2,1,-1\}$ 与 $\{2,0,-2\}$ 不同,相似的必要条件不满足。
**验算**:$\operatorname{tr}A=2$ 、$\operatorname{tr}B=1+1-2=0$ ——迹都不同,也印证不相似 ✓。
**带走结论**:**先算特征值,问题全部解决**。特征值给出三组信息:① 集合是否相同(判相似);② 正负个数(判合同);③ 秩(判两者)。一道"合同还是相似"的选择题,算完特征值就没有悬念。
> **注**:若把 $B$ 的 $(3,3)$ 元从 $-2$ 改成 $-1$ ,则 $B$ 的特征值为 $2,0,-1$ ,$p_B=1,q_B=1,r=2$ 仍与 $A$ 不同;若改成 $\begin{pmatrix}1&1&0\\1&1&0\\0&0&1\end{pmatrix}$ ,则特征值 $2,0,1$ ,$p_B=2,q_B=0$ ,仍不同。可见"同阶、同行列式符号"远不足以保证合同。
> **关联** · 盘点 [§1.2 合同的定义与判据](01-知识点盘点.md#user-content-12-合同的定义与判据) | 上游 [点 1 题 3](02-点1-矩阵表示与合同.md#user-content-题-3--12合同的必要条件)、[点 1 题 4](02-点1-矩阵表示与合同.md#user-content-题-4--12变换后矩阵的计算) | 下游 — | 速查 [二 合同三句话](09-速查卡.md#user-content-二-合同三句话)
---
@@ -0,0 +1,219 @@
---
tags: [数学一, 在学练习, 线性代数, 二次型, 配方法]
专题: 线性代数 第6讲 · 点2 配方法化标准形
日期: 2026-10-24
状态: 知识点带题(2.1 两种情形与变换矩阵,4 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 2 配方法化标准形
> 真题锚点:未单独考,但"可逆线性变换"型题必用|重要度 ★★☆
> 依赖:点 1 的矩阵表示。盘点对应:§2.1。
**组织原则**:先列知识点(有平方项 / 无平方项 / 写 $C$ ),再逐一对应出题。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
## 知识点 2.1 配方法化标准形(出处:[知识章 quadratic-form.tex §3](../../../../参考仓库/Math/linear-algebra/knowledge/6-quadratic-form/quadratic-form.tex))
只含平方项的二次型叫**标准形**。配方法用可逆线性变换逐次配方,**不经过特征值**。
**情形 ①:有平方项**(某 $a_{ii}\ne0$ )。把含 $x_i$ 的全部项收进一个完全平方,剩下部分不再含 $x_i$ ,递归处理。
**情形 ②:无平方项**(所有 $a_{ii}=0$ 但有交叉项)。先用"和差换元"制造平方项:
$$x_1=y_1+y_2,\quad x_2=y_1-y_2\Longrightarrow x_1x_2=y_1^2-y_2^2 ,$$
回到情形 ①。
**写变换矩阵**:把每步换元累计成 $x=Cy$ ,检验 $C^{\mathrm T}AC=\mathrm{diag}(d_1,\dots,d_n)$ 。
**系数不唯一,但正负个数唯一**(惯性定理)——配法不同,标准形可以不同,惯性指数绝不变。
---
## 题目(按知识点顺序对应)
### 题 1 · 2.1:有平方项的逐次配方(★★☆)
> 用配方法化二次型
>
> $$f=x_1^2+2x_2^2+5x_3^2+2x_1x_2+2x_1x_3+6x_2x_3$$
>
> 为标准形,并写出所用的可逆线性变换。
**怎么想**:$a_{11}=1\ne0$ ,先把所有含 $x_1$ 的项($x_1^2+2x_1x_2+2x_1x_3$ )配成一个平方,余下只含 $x_2,x_3$ ,再配一次。**每配一次降一维**。
**解**:
**第 1 步:配 $x_1$ 。** 含 $x_1$ 的项是 $x_1^2+2x_1x_2+2x_1x_3$ ,凑
$$x_1^2+2x_1(x_2+x_3)=(x_1+x_2+x_3)^2-(x_2+x_3)^2 .$$
代回 $f$ :
$$f=(x_1+x_2+x_3)^2-(x_2^2+2x_2x_3+x_3^2)+2x_2^2+5x_3^2+6x_2x_3$$
$$=(x_1+x_2+x_3)^2+x_2^2+4x_2x_3+4x_3^2 .$$
**第 2 步:配 $x_2$ 。** 余下部分是 $x_2^2+4x_2x_3+4x_3^2=(x_2+2x_3)^2$ ,恰为完全平方。
$$f=(x_1+x_2+x_3)^2+(x_2+2x_3)^2 .$$
**第 3 步:写出变换。** 令
$$\begin{cases}y_1=x_1+x_2+x_3,\\y_2=x_2+2x_3,\\y_3=x_3,\end{cases}\quad\text{即}\quad\begin{cases}x_1=y_1-y_2+y_3,\\x_2=y_2-2y_3,\\x_3=y_3 .\end{cases}$$
(解出 $x$ 用 $y$ 表示:由 $y_3=x_3$ 、$y_2=x_2+2x_3$ 得 $x_2=y_2-2y_3$ ;代回 $y_1=x_1+x_2+x_3$ 得 $x_1=y_1-y_2+y_3$ 。)
变换矩阵
$$C=\begin{pmatrix}1&-1&1\\0&1&-2\\0&0&1\end{pmatrix},\qquad\lvert C\rvert=1\ne0 ,$$
故 $C$ 可逆。
标准形
$$f=y_1^2+y_2^2+0\cdot y_3^2 .$$
**验算**:秩 $r=2$ (标准形只有 2 个非零系数);$p=2,\ q=0$ 。回到矩阵验证:$A$ 的左上角二阶子式 $\begin{vmatrix}1&1\\1&2\end{vmatrix}=1\ne0$ 说明秩至少 2 ✓。
**带走结论**:**配方就是"降维"**——每配一次消掉一个变量,剩下的一直往下配。$y_3$ 的系数为 0 说明原二次型**退化**(秩 2),这在几何上对应"柱面"而不是"锥面/椭球"。
> **关联** · 盘点 [§2.1 配方法](01-知识点盘点.md#user-content-21-配方法) | 上游 — | 下游 [点 2 题 2](03-点2-配方法化标准形.md#user-content-题-2--21无平方项时先造平方)、[点 2 题 3](03-点2-配方法化标准形.md#user-content-题-3--21写出完整的变换矩阵) | 速查 [三 配方法两条路](09-速查卡.md#user-content-三-配方法两条路)
---
### 题 2 · 2.1:无平方项时先造平方(★★★)
> 用配方法化二次型
>
> $$f=2x_1x_2+2x_1x_3-6x_2x_3$$
>
> 为标准形,并求其正、负惯性指数。
**怎么想**:三项全是交叉项,$a_{11}=a_{22}=a_{33}=0$ ,**没法直接配**。先作和差换元把 $x_1x_2$ 变成 $y_1^2-y_2^2$ ,制造出平方项;之后按题 1 的办法继续配。
**解**:
**第 1 步:制造平方项。** 令
$$x_1=y_1+y_2,\qquad x_2=y_1-y_2,\qquad x_3=y_3 .$$
则 $x_1x_2=y_1^2-y_2^2$ ,$x_1x_3=(y_1+y_2)y_3$ ,$x_2x_3=(y_1-y_2)y_3$ 。代入:
$$f=2(y_1^2-y_2^2)+2(y_1+y_2)y_3-6(y_1-y_2)y_3$$
$$=2y_1^2-2y_2^2+(2y_1y_3+2y_2y_3-6y_1y_3+6y_2y_3)$$
$$=2y_1^2-2y_2^2-4y_1y_3+8y_2y_3 .$$
**第 2 步:配 $y_1$ 。**
$$2y_1^2-4y_1y_3=2(y_1-y_3)^2-2y_3^2 .$$
**第 3 步:配 $y_2$ 。** 剩余 $-2y_2^2+8y_2y_3-2y_3^2$ :
$$-2y_2^2+8y_2y_3=-2(y_2-2y_3)^2+8y_3^2 .$$
汇总:
$$f=2(y_1-y_3)^2-2(y_2-2y_3)^2+(-2+8)y_3^2$$
$$=2(y_1-y_3)^2-2(y_2-2y_3)^2+6y_3^2 .$$
**第 4 步:写变换。** 令 $z_1=y_1-y_3$ 、$z_2=y_2-2y_3$ 、$z_3=y_3$ ,则
$$f=2z_1^2-2z_2^2+6z_3^2 .$$
标准形系数 $2,-2,6$ ,故 $p=2,\ q=1$ ,秩 $r=3$ 。
**验算**:用矩阵算。$A=\begin{pmatrix}0&1&1\\1&0&-3\\1&-3&0\end{pmatrix}$ ,$\lvert A\rvert=0(0-9)-1(0+3)+1(-3-0)=-3-3=-6\ne0$ ,秩 3 ✓,与 $p+q=3$ 一致。
**带走结论**:**先看有没有平方项,没有就"和差换元"**——这一步是配方法唯一的门槛。注意和差换元本身就把秩结构引入了($y_1^2-y_2^2$ 一正一负),所以最终 $p,q$ 由原矩阵决定,不是随意来的。
> **关联** · 盘点 [§2.1 配方法](01-知识点盘点.md#user-content-21-配方法) | 上游 [点 2 题 1](03-点2-配方法化标准形.md#user-content-题-1--21有平方项的逐次配方) | 下游 [点 2 题 3](03-点2-配方法化标准形.md#user-content-题-3--21写出完整的变换矩阵)、[点 2 题 4](03-点2-配方法化标准形.md#user-content-题-4--21两法结果不同惯性相同) | 速查 [三 配方法两条路](09-速查卡.md#user-content-三-配方法两条路)
---
### 题 3 · 2.1:写出完整的变换矩阵(★★★)
> 对题 2 的二次型,写出把 $f$ 化为标准形的可逆线性变换 $x=Cz$ 的矩阵 $C$ ,并验证 $C^{\mathrm T}AC=\mathrm{diag}(2,-2,6)$ 。
**怎么想**:两次换元要**乘起来**,不能只写最后一次。$x=By$ (第一步)与 $y=Dz$ (第二步)复合得 $x=BDz$ ,故 $C=BD$ 。
**解**:
**第一步换元**:$x_1=y_1+y_2$ 、$x_2=y_1-y_2$ 、$x_3=y_3$ ,矩阵
$$B=\begin{pmatrix}1&1&0\\1&-1&0\\0&0&1\end{pmatrix},\qquad\lvert B\rvert=-1-1=-2\ne0 .$$
**第二步换元**:$z_1=y_1-y_3$ 、$z_2=y_2-2y_3$ 、$z_3=y_3$ ,即
$$\begin{cases}y_1=z_1+z_3,\\y_2=z_2+2z_3,\\y_3=z_3,\end{cases}\qquad D=\begin{pmatrix}1&0&1\\0&1&2\\0&0&1\end{pmatrix},\quad\lvert D\rvert=1 .$$
**复合**:
$$C=BD=\begin{pmatrix}1&1&0\\1&-1&0\\0&0&1\end{pmatrix}\begin{pmatrix}1&0&1\\0&1&2\\0&0&1\end{pmatrix}=\begin{pmatrix}1&1&3\\1&-1&-1\\0&0&1\end{pmatrix}.$$
$\lvert C\rvert=\lvert B\rvert\lvert D\rvert=-2\ne0$ ,可逆 ✓。
**验证**:$A=\begin{pmatrix}0&1&1\\1&0&-3\\1&-3&0\end{pmatrix}$ 。先算 $AC$ :
$$AC=\begin{pmatrix}0&1&1\\1&0&-3\\1&-3&0\end{pmatrix}\begin{pmatrix}1&1&3\\1&-1&-1\\0&0&1\end{pmatrix}=\begin{pmatrix}1&-1&0\\1&1&0\\-2&4&6\end{pmatrix},$$
再算 $C^{\mathrm T}AC$ :
$$C^{\mathrm T}AC=\begin{pmatrix}1&1&0\\1&-1&0\\3&-1&1\end{pmatrix}\begin{pmatrix}1&-1&0\\1&1&0\\-2&4&6\end{pmatrix}=\begin{pmatrix}2&0&0\\0&-2&0\\0&0&6\end{pmatrix}\quad ✓$$
**带走结论**:**多步换元的 $C$ 是各步矩阵的乘积,顺序与换元顺序一致**。验证时"先算 $AC$ 再左乘 $C^{\mathrm T}$ "比一次算三个矩阵快。这条检查能抓住 90% 的配方笔误。
> **关联** · 盘点 [§2.1 配方法](01-知识点盘点.md#user-content-21-配方法) | 上游 [点 2 题 1](03-点2-配方法化标准形.md#user-content-题-1--21有平方项的逐次配方)、[点 2 题 2](03-点2-配方法化标准形.md#user-content-题-2--21无平方项时先造平方) | 下游 [点 2 题 4](03-点2-配方法化标准形.md#user-content-题-4--21两法结果不同惯性相同) | 速查 [三 配方法两条路](09-速查卡.md#user-content-三-配方法两条路)
---
### 题 4 · 2.1:两法结果不同,惯性相同(★★★)
> 设 $f=x_1^2+2x_2^2+5x_3^2+2x_1x_2+2x_1x_3+6x_2x_3$ (同题 1)。
>
> (Ⅰ)用配方法得到的标准形是什么?
> (Ⅱ)用正交变换法得到的标准形是什么(只写系数形式,不必求出 $Q$ )?
> (Ⅲ)两个标准形不同,是否矛盾?说明理由。
**怎么想**:配方法给的是"某个可逆变换下的标准形",系数可以任意;正交变换给的是"特征值"。两者**只保证惯性指数相同**,数值当然不同。这一问考的就是惯性定理的意义。
**解**:
**(Ⅰ)** 由题 1,配方得 $f=y_1^2+y_2^2$ ($y_3$ 系数为 0),标准形系数 $1,1,0$ 。
**(Ⅱ)** $f$ 的矩阵
$$A=\begin{pmatrix}1&1&1\\1&2&3\\1&3&5\end{pmatrix}.$$
**先用两个不变量把特征值定下来。** 第 3 行 $=$ $2\times$ 第 2 行 $-$ 第 1 行,故 $r(A)=2$ ,$\lambda_3=0$ 。
$\operatorname{tr}A=1+2+5=8$ 。又 $\lambda_3=0$ 时 $\lambda_1\lambda_2$ 等于**全部二阶主子式之和**:
$$\begin{vmatrix}1&1\\1&2\end{vmatrix}=1,\qquad\begin{vmatrix}2&3\\3&5\end{vmatrix}=1,\qquad\begin{vmatrix}1&1\\1&5\end{vmatrix}=4,\qquad1+1+4=6 .$$
故 $\lambda_1,\lambda_2$ 是 $t^2-8t+6=0$ 的根:
$$\lambda_{1,2}=4\pm\sqrt{10}\quad(\approx7.162,\ 0.838).$$
(也可直接分解 $\lvert\lambda E-A\rvert=\lambda(\lambda^2-8\lambda+6)$ 。)
正交变换下的标准形为
$$f=(4+\sqrt{10})y_1^2+(4-\sqrt{10})y_2^2+0\cdot y_3^2 .$$
**(Ⅲ)** **不矛盾**。惯性定理只断言"正、负系数的**个数**唯一",不断言"系数的**数值**唯一"。
- 配方法:系数 $1,1,0$ ,$p=2,\ q=0$ ;
- 正交变换:系数 $4+\sqrt{10}>0$ 、$4-\sqrt{10}>0$ (因 $\sqrt{10}\approx3.16<4$ ),$p=2,\ q=0$ 。
两者 $p,q$ 完全相同 ✓。
**带走结论**:**标准形有无穷多个,规范形只有一个**。若题目问"标准形",答哪种都对(只要变换矩阵合法);若问"规范形"或"惯性指数",答案唯一。这也解释了为什么"求正交变换"必须用特征值——题目要的不是任意标准形,而是**系数恰好为特征值**的那个。
> **关联** · 盘点 [§2.1 配方法](01-知识点盘点.md#user-content-21-配方法) | 上游 [点 2 题 2](03-点2-配方法化标准形.md#user-content-题-2--21无平方项时先造平方)、[点 2 题 3](03-点2-配方法化标准形.md#user-content-题-3--21写出完整的变换矩阵) | 下游 — | 速查 [三 配方法两条路](09-速查卡.md#user-content-三-配方法两条路)
---
@@ -0,0 +1,222 @@
---
tags: [数学一, 在学练习, 线性代数, 二次型, 正交变换]
专题: 线性代数 第6讲 · 点3 正交变换化标准形
日期: 2026-10-24
状态: 知识点带题(2.2 五步与三种问法,5 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 3 正交变换化标准形
> 真题锚点:2017·21、2020·21、2022·21、2023·21(十年 **46 分**)|重要度 ★★★
> 依赖:第 5 讲点 4(同一套五步)。盘点对应:§2.2。
**组织原则**:先列知识点(五步与两法分界),再逐一对应出题。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
## 知识点 2.2 正交变换法(出处:[知识章 quadratic-form.tex §4](../../../../参考仓库/Math/linear-algebra/knowledge/6-quadratic-form/quadratic-form.tex))
作正交变换 $x=Qy$ ,则 $f=x^{\mathrm T}Ax=y^{\mathrm T}(Q^{\mathrm T}AQ)y=\lambda_1y_1^2+\cdots+\lambda_ny_n^2$ 。
**五步**(与第 5 讲点 4 完全一致):写 $A$ $\to$ 求特征值 $\to$ 求特征向量(重根内部施密特) $\to$ 单位化拼 $Q$ $\to$ 写标准形(系数 $=$ 特征值,顺序与列对齐)。
**两法分界**:
| | 配方法 | 正交变换法 |
|---|---|---|
| 变换矩阵 | 可逆即可 | **必须正交** |
| 标准形系数 | 不唯一 | **就是特征值** |
| 何时必须用 | "求可逆变换 $C$ " | "正交变换"、"求 $Q$ "、"曲面形状" |
**命题规律**:出现"正交变换"四个字就必须走特征值。只说"可逆线性变换"时两法皆可。
---
## 题目(按知识点顺序对应)
### 题 1 · 2.2:完整五步(★★★)
> 【2017·21 骨架】设二次型
>
> $$f=x_1^2+x_2^2+x_3^2+4x_1x_2+4x_1x_3+4x_2x_3 .$$
>
> (Ⅰ)写出 $f$ 的矩阵 $A$ ;
> (Ⅱ)求 $A$ 的特征值与特征向量;
> (Ⅲ)求正交变换 $x=Qy$ 把 $f$ 化为标准形。
**怎么想**:交叉项系数都是 4,折半为 2。三行之和都是 $1+2+2=5$ ,故 $(1,1,1)^{\mathrm T}$ 对应 $\lambda=5$ ——第一步白送。剩下 $\lambda=-1$ 二重,需在内部施密特。
**解**:
**(Ⅰ)** 交叉项折半:
$$A=\begin{pmatrix}1&2&2\\2&1&2\\2&2&1\end{pmatrix}.$$
**(Ⅱ)** 各行之和为 5,故 $A(1,1,1)^{\mathrm T}=5(1,1,1)^{\mathrm T}$ ,$\lambda_1=5$ 。
又 $\operatorname{tr}A=3$ ,另两个之和为 $3-5=-2$ 。算行列式:
$$\lvert A\rvert=1(1-4)-2(2-4)+2(4-2)=-3+4+4=5 ,$$
故 $\lambda_2\lambda_3=\lvert A\rvert/\lambda_1=1$ 。于是 $\lambda_2,\lambda_3$ 是 $t^2+2t+1=0$ 的根,即 $\lambda_2=\lambda_3=-1$ (二重)。
$\lambda_1=5$ :$5E-A=\begin{pmatrix}4&-2&-2\\-2&4&-2\\-2&-2&4\end{pmatrix}$ ,得 $x_1=x_2=x_3$ ,
$$\xi_1=(1,1,1)^{\mathrm T}.$$
$\lambda=-1$ :$-E-A=\begin{pmatrix}-2&-2&-2\\-2&-2&-2\\-2&-2&-2\end{pmatrix}$ ,即 $x_1+x_2+x_3=0$ ,基础解系
$$\xi_2=(-1,1,0)^{\mathrm T},\qquad\xi_3=(-1,0,1)^{\mathrm T}.$$
**(Ⅲ)** $\langle\xi_2,\xi_3\rangle=1+0+0=1\ne0$ ,**不正交,必须施密特**:
$$u_2=\xi_2=(-1,1,0)^{\mathrm T},\qquad u_3=\xi_3-\frac{\langle\xi_3,u_2\rangle}{\langle u_2,u_2\rangle}u_2=(-1,0,1)-\frac12(-1,1,0)=\Big(-\frac12,-\frac12,1\Big).$$
取整 $u_3=(-1,-1,2)^{\mathrm T}$ (验 $\langle u_3,u_2\rangle=1-1+0=0$ ✓)。单位化:
$$e_1=\frac{1}{\sqrt2}\begin{pmatrix}-1\\1\\0\end{pmatrix},\quad e_2=\frac{1}{\sqrt6}\begin{pmatrix}-1\\-1\\2\end{pmatrix},\quad e_3=\frac{1}{\sqrt3}\begin{pmatrix}1\\1\\1\end{pmatrix}.$$
$$Q=(e_1,e_2,e_3)=\begin{pmatrix}-\frac{1}{\sqrt2}&-\frac{1}{\sqrt6}&\frac{1}{\sqrt3}\\[2pt]\frac{1}{\sqrt2}&-\frac{1}{\sqrt6}&\frac{1}{\sqrt3}\\[2pt]0&\frac{2}{\sqrt6}&\frac{1}{\sqrt3}\end{pmatrix}.$$
于是
$$f=-y_1^2-y_2^2+5y_3^2 .$$
**验算**:系数和 $-1-1+5=3=\operatorname{tr}A$ ✓;系数积 $(-1)(-1)\cdot5=5=\lvert A\rvert$ ✓;$Q$ 三列单位且两两正交 ✓。
**带走结论**:**重根内部必须施密特,且只需正交化"后一个减前一个的投影"**。本题若跳过这一步,$Q$ 不正交,整题作废。写完立即验 $Q^{\mathrm T}Q=E$ ,三秒钟换来整题安全。
> **关联** · 盘点 [§2.2 正交变换法](01-知识点盘点.md#user-content-22-正交变换法) | 上游 — | 下游 [点 3 题 2](04-点3-正交变换化标准形.md#user-content-题-2--22含参二次型的惯性讨论)、[点 3 题 3](04-点3-正交变换化标准形.md#user-content-题-3--22由标准形反求不变量) | 速查 [四 正交变换五步](09-速查卡.md#user-content-四-正交变换五步)
---
### 题 2 · 2.2:含参二次型的惯性讨论(★★★)
> 设二次型
>
> $$f=x_1^2+x_2^2+x_3^2+2ax_1x_2+2ax_1x_3+2ax_2x_3 .$$
>
> (Ⅰ)求 $f$ 的矩阵 $A$ 的特征值;
> (Ⅱ)讨论 $a$ 取何值时 $f$ 正定、半正定、不定。
**怎么想**:$A=E+aJ$ (对角元 1、非对角 $a$ )。$J$ 的特征值为 $3,0,0$ ,故 $A$ 的为 $1+3a,1,1$ ——**不必展开行列式**。之后按 $1+3a$ 的符号分类。
**解**:
**(Ⅰ)** 交叉项系数 $2a$ 折半为 $a$ :
$$A=\begin{pmatrix}1&a&a\\a&1&a\\a&a&1\end{pmatrix}=E+aJ .$$
$J$ 的特征值为 $3,0,0$ ($J(1,1,1)^{\mathrm T}=3(1,1,1)^{\mathrm T}$ ,秩 1),故 $A$ 的特征值为
$$\lambda_1=1+3a,\qquad\lambda_2=\lambda_3=1 .$$
**(Ⅱ)** 特征值 $1,1$ 恒正,一切取决于 $1+3a$ :
| 条件 | 特征值 | 结论 |
|---|---|---|
| $1+3a>0$ 即 $a>-\frac13$ | 全正 | **正定** |
| $a=-\frac13$ | $0,1,1$ | **半正定**(不正定) |
| $a<-\frac13$ | 一负两正 | **不定** |
**验算**:$a=0$ 时 $A=E$ ,$f=x_1^2+x_2^2+x_3^2$ 显然正定 ✓;$a=-\frac13$ 时 $A=E-\frac13J$ ,$A(1,1,1)^{\mathrm T}=0$ ,确有非零向量使 $f=0$ ✓。
**带走结论**:**$E+aJ$ 结构的特征值永远是 $1+na$ 与 $n-1$ 个 1**。看到"对角元相同、非对角元相同"的矩阵,直接套这个结论,省掉全部特征值计算。
> **关联** · 盘点 [§2.2 正交变换法](01-知识点盘点.md#user-content-22-正交变换法) | 上游 [点 3 题 1](04-点3-正交变换化标准形.md#user-content-题-1--22完整五步) | 下游 [点 3 题 3](04-点3-正交变换化标准形.md#user-content-题-3--22由标准形反求不变量)、[点 3 题 4](04-点3-正交变换化标准形.md#user-content-题-4--22球面上的最值) | 速查 [四 正交变换五步](09-速查卡.md#user-content-四-正交变换五步)
---
### 题 3 · 2.2:由标准形反求不变量(★★★)
> 设二次型 $f=x^{\mathrm T}Ax$ 经**正交变换**化为
>
> $$f=y_1^2+2y_2^2-3y_3^2 .$$
>
> (Ⅰ)求 $A$ 的特征值、$\operatorname{tr}A$ 、$\lvert A\rvert$ ;
> (Ⅱ)求 $f$ 的正、负惯性指数与规范形;
> (Ⅲ)判断 $A$ 是否正定、是否可逆。
**怎么想**:正交变换下标准形的系数**就是**特征值——这一句话解决全部问题。注意区分"正交变换"和"一般可逆变换":后者标准形系数不一定是特征值。
**解**:
**(Ⅰ)** 正交变换保持特征值,故
$$\lambda_1=1,\ \lambda_2=2,\ \lambda_3=-3 .$$
$$\operatorname{tr}A=1+2-3=0,\qquad\lvert A\rvert=1\times2\times(-3)=-6 .$$
**(Ⅱ)** 正系数 2 个、负系数 1 个,故 $p=2,\ q=1$ ,秩 $r=3$ 。
规范形(系数化为 $\pm1$ ):
$$f=z_1^2+z_2^2-z_3^2 .$$
**(Ⅲ)** 有负特征值 $-3$ ,故**不正定**;$\lvert A\rvert=-6\ne0$ ,故**可逆**。
**验算**:$p+q=3=n$ ✓(满秩);若 $\lvert A\rvert=0$ 则必有零特征值、$p+q<3$ 。
**带走结论**:**"正交变换"是关键词**——看到它就等于拿到"标准形系数 $=$ 特征值"的通行证。若题目改成"经可逆线性变换化为 $y_1^2+2y_2^2-3y_3^2$ ",则只能断言 $p=2,q=1$ ,**不能**断言特征值是 $1,2,-3$ 。
> **关联** · 盘点 [§2.2 正交变换法](01-知识点盘点.md#user-content-22-正交变换法) | 上游 [点 3 题 1](04-点3-正交变换化标准形.md#user-content-题-1--22完整五步)、[点 3 题 2](04-点3-正交变换化标准形.md#user-content-题-2--22含参二次型的惯性讨论) | 下游 [点 3 题 4](04-点3-正交变换化标准形.md#user-content-题-4--22球面上的最值)、[点 3 题 5](04-点3-正交变换化标准形.md#user-content-题-5--22正交变换为什么不改变形状) | 速查 [四 正交变换五步](09-速查卡.md#user-content-四-正交变换五步)
---
### 题 4 · 2.2:球面上的最值(★★☆)
> 设 $A$ 为三阶实对称矩阵,特征值为 $1,2,3$ 。求二次型 $f=x^{\mathrm T}Ax$ 在条件 $x_1^2+x_2^2+x_3^2=1$ 下的最大值与最小值。
**怎么想**:正交变换把球面映成球面(保长度),把 $f$ 化成 $\sum\lambda_iy_i^2$ 。于是问题变成"在 $\sum y_i^2=1$ 下求加权和的最值",答案必然是 $\lambda_{\max}$ 与 $\lambda_{\min}$ 。
**解**:取正交矩阵 $Q$ 使 $Q^{\mathrm T}AQ=\mathrm{diag}(1,2,3)$ ,令 $x=Qy$ 。由 $Q$ 正交得 $\lVert x\rVert=\lVert y\rVert$ ,故约束变成 $y_1^2+y_2^2+y_3^2=1$ ,而
$$f=y_1^2+2y_2^2+3y_3^2 .$$
由 $y_i^2\geqslant0$ 且和为 1:
$$f\leqslant3(y_1^2+y_2^2+y_3^2)=3,\qquad f\geqslant1\cdot(y_1^2+y_2^2+y_3^2)=1 .$$
取 $y=(0,0,1)$ 得 $f=3$ ;取 $y=(1,0,0)$ 得 $f=1$ 。故
$$\max f=3=\lambda_{\max},\qquad\min f=1=\lambda_{\min} .$$
**验算**:对应的 $x$ 分别是 $Q$ 的第 3 列与第 1 列,都是单位向量,满足约束 ✓。
**带走结论**:**$\lambda_{\max}$ 与 $\lambda_{\min}$ 就是 $f$ 在单位球面上的最大值与最小值**(这叫特征值的变分意义)。这条结论常在二次型大题的第 4 问出现,不必真的求 $Q$ ,知道特征值就够。
> **关联** · 盘点 [§2.2 正交变换法](01-知识点盘点.md#user-content-22-正交变换法) | 上游 [点 3 题 2](04-点3-正交变换化标准形.md#user-content-题-2--22含参二次型的惯性讨论)、[点 3 题 3](04-点3-正交变换化标准形.md#user-content-题-3--22由标准形反求不变量) | 下游 [点 3 题 5](04-点3-正交变换化标准形.md#user-content-题-5--22正交变换为什么不改变形状) | 速查 [四 正交变换五步](09-速查卡.md#user-content-四-正交变换五步)
---
### 题 5 · 2.2:正交变换为什么不改变"形状"(★★☆)
> 设 $Q$ 为正交矩阵,$x=Qy$ 。证明:
>
> (Ⅰ)$\lVert x\rVert=\lVert y\rVert$ ;
> (Ⅱ)若 $f=x^{\mathrm T}Ax$ ,则 $f$ 在 $x=Qy$ 下的矩阵是 $Q^{\mathrm T}AQ$ ,且 $Q^{\mathrm T}AQ$ 仍为实对称矩阵。
**怎么想**:两条都用 $Q^{\mathrm T}Q=E$ 。第一条说明"球面映成球面",第二条说明"对称性保持"。
**解**:
**(Ⅰ)**
$$\lVert x\rVert^2=x^{\mathrm T}x=(Qy)^{\mathrm T}(Qy)=y^{\mathrm T}Q^{\mathrm T}Qy=y^{\mathrm T}y=\lVert y\rVert^2 .$$
两边开方得 $\lVert x\rVert=\lVert y\rVert$ 。
**(Ⅱ)**
$$f=x^{\mathrm T}Ax=(Qy)^{\mathrm T}A(Qy)=y^{\mathrm T}(Q^{\mathrm T}AQ)y ,$$
故新矩阵为 $B=Q^{\mathrm T}AQ$ 。验证对称性:
$$B^{\mathrm T}=(Q^{\mathrm T}AQ)^{\mathrm T}=Q^{\mathrm T}A^{\mathrm T}Q=Q^{\mathrm T}AQ=B ,$$
故 $B$ 实对称。
**带走结论**:两条合起来说明——**正交变换是"刚体运动"**,它把球面映成球面、把二次型化成"同形状但坐标轴对齐"的形式。这就是为什么正交变换后的标准形**系数必须是特征值**(形状没变,只是转了坐标系);而配方法用的是"拉伸变换",形状被改变了,系数自然不唯一。
> **关联** · 盘点 [§2.2 正交变换法](01-知识点盘点.md#user-content-22-正交变换法) | 上游 [点 3 题 3](04-点3-正交变换化标准形.md#user-content-题-3--22由标准形反求不变量)、[点 3 题 4](04-点3-正交变换化标准形.md#user-content-题-4--22球面上的最值) | 下游 — | 速查 [四 正交变换五步](09-速查卡.md#user-content-四-正交变换五步)
---
@@ -0,0 +1,186 @@
---
tags: [数学一, 在学练习, 线性代数, 二次型, 惯性定理, 规范形]
专题: 线性代数 第6讲 · 点4 惯性定理与规范形
日期: 2026-10-24
状态: 知识点带题(3.1 惯性定理、3.2 规范形,4 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 4 惯性定理与规范形
> 真题锚点:2018·20、2019·5、2021·5、2025·5(十年 **18 分**)|重要度 ★★★
> 依赖:点 2、点 3 的标准形。盘点对应:§3 全节。
**组织原则**:先列知识点(惯性定理 → 规范形),再逐一对应出题。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
## 知识点 3.1 惯性定理与惯性指数(出处:[知识章 quadratic-form.tex §5](../../../../参考仓库/Math/linear-algebra/knowledge/6-quadratic-form/quadratic-form.tex))
标准形不唯一,但**正系数个数 $p$ ** 与**负系数个数 $q$ ** 唯一。$p+q=r(A)$ 。
**三条算法**:① 求特征值数正负(最稳);② 配方法数正负系数;③ 顺序主子式(只适合判正定)。
**符号差** $=p-q$ 。
**合同的语言**:$f$ 的秩为 $r$ 、正惯性指数为 $p$ $\iff$ $A$ 合同于 $\mathrm{diag}(E_p,-E_{r-p},O)$ 。
## 知识点 3.2 规范形(出处:[知识章 quadratic-form.tex §5](../../../../参考仓库/Math/linear-algebra/knowledge/6-quadratic-form/quadratic-form.tex))
系数只取 $1,-1,0$ 的标准形:
$$f=y_1^2+\cdots+y_p^2-y_{p+1}^2-\cdots-y_r^2 .$$
**唯一性**:规范形由 $(p,q)$ 唯一确定。于是
$$A\simeq B\iff(p,q)\ \text{相同}\iff\text{规范形相同}.$$
**化法**:先化标准形 $\mathrm{diag}(d_1,\dots,d_r,0,\dots,0)$ ,再令 $z_i=\sqrt{\lvert d_i\rvert}y_i$ 。
---
## 题目(按知识点顺序对应)
### 题 1 · 3.1:惯性定理说了什么(★☆☆)
> 判断下列说法:
>
> (Ⅰ)二次型的标准形唯一;
> (Ⅱ)二次型的规范形唯一;
> (Ⅲ)二次型的正、负惯性指数唯一;
> (Ⅳ)两个二次型的标准形相同,则它们合同。
**怎么想**:(Ⅰ)(Ⅱ)只差一个字,结论却相反——**标准形不唯一,规范形唯一**。(Ⅳ)是常见误推:标准形相同当然合同(同一个对角阵),但要注意"标准形"指的是同一个矩阵还是只是形状。
**解**:(Ⅰ)**错误**。同一个二次型可用不同配法得不同标准形(第 6 讲点 2 题 4 已示范:配方法得 $y_1^2+y_2^2$ ,正交变换得 $(4+\sqrt{10})y_1^2+(4-\sqrt{10})y_2^2$ )。
(Ⅱ)**正确**。规范形系数只取 $\pm1,0$ ,由 $(p,q)$ 唯一确定。
(Ⅲ)**正确**。这正是惯性定理的内容。
(Ⅳ)**正确**(前提是同一个二次型的矩阵意义下)。若 $A$ 与 $B$ 都能化成同一个对角阵,则 $A\simeq$ 该对角阵 $\simeq B$ ,由合同的传递性得 $A\simeq B$ 。
**带走结论**:**"标准形"是过程,"规范形"是结果**。问"标准形是什么"可以答多种;问"规范形""惯性指数"答案唯一。这条区分是选择题的高频考点。
> **关联** · 盘点 [§3.1 惯性定理与惯性指数](01-知识点盘点.md#user-content-31-惯性定理与惯性指数) | 上游 — | 下游 [点 4 题 3](05-点4-惯性定理与规范形.md#user-content-题-3--31由秩反求参数) | 速查 [五 惯性指数三算法](09-速查卡.md#user-content-五-惯性指数三算法)
---
### 题 2 · 3.2:由标准形写规范形(★★☆)
> 设二次型 $f$ 经某可逆线性变换化为
>
> $$f=2y_1^2-8y_2^2+3y_3^2 .$$
>
> (Ⅰ)求 $f$ 的秩、正负惯性指数与符号差;
> (Ⅱ)写出 $f$ 的规范形,并给出化规范形所用的变换;
> (Ⅲ)判断 $f$ 是否正定。
**怎么想**:标准形系数符号直接读惯性指数。化规范形只需把系数绝对值开方吸进变量里——这是"对角缩放",仍可逆。
**解**:
**(Ⅰ)** 系数 $2,-8,3$ :正系数 2 个、负系数 1 个,故
$$p=2,\quad q=1,\quad r=p+q=3,\quad\text{符号差}=p-q=1 .$$
**(Ⅱ)** 令
$$z_1=\sqrt2\,y_1,\qquad z_2=\sqrt8\,y_2=2\sqrt2\,y_2,\qquad z_3=\sqrt3\,y_3 ,$$
则 $2y_1^2=z_1^2$ 、$-8y_2^2=-z_2^2$ 、$3y_3^2=z_3^2$ ,于是
$$f=z_1^2-z_2^2+z_3^2 .$$
变换矩阵 $\mathrm{diag}(\sqrt2,2\sqrt2,\sqrt3)$ 可逆,合法。
**(Ⅲ)** 有负系数,**不正定**(不定)。
**验算**:$p+q=3$ ,满秩,故规范形无零项 ✓。
**带走结论**:**规范形 = 标准形"符号化"**。$z_i=\sqrt{\lvert d_i\rvert}y_i$ 这一步永远合法($\lvert d_i\rvert>0$ 时开方正实数),且是**对角**变换,最容易验证可逆。
> **关联** · 盘点 [§3.2 规范形](01-知识点盘点.md#user-content-32-规范形) | 上游 — | 下游 [点 4 题 4](05-点4-惯性定理与规范形.md#user-content-题-4--32用规范形判合同) | 速查 [六 规范形](09-速查卡.md#user-content-六-规范形)
---
### 题 3 · 3.1:由秩反求参数(★★★)
> 设二次型
>
> $$f=x_1^2+x_2^2+5x_3^2+2ax_1x_2-2x_1x_3+4x_2x_3$$
>
> 的秩为 2。求 $a$ 的值,并写出 $f$ 的规范形。
**怎么想**:秩 2 $\iff\lvert A\rvert=0$ 且存在非零二阶子式。先解 $\lvert A\rvert=0$ 得候选值,**每个都要代回验秩**(可能某个根使秩降到 1)。
**解**:
**第 1 步:写矩阵并算行列式。** 交叉项折半:$x_1x_2$ 系数 $2a\to a$ ;$x_1x_3$ 系数 $-2\to-1$ ;$x_2x_3$ 系数 $4\to2$ :
$$A=\begin{pmatrix}1&a&-1\\a&1&2\\-1&2&5\end{pmatrix}.$$
$$\lvert A\rvert=1(5-4)-a(5a+2)+(-1)(2a+1)=1-5a^2-2a-2a-1=-a(5a+4).$$
$\lvert A\rvert=0\Rightarrow a=0$ 或 $a=-\frac45$ 。
**第 2 步:逐个代回验秩。**
$a=0$ :
$$A_0=\begin{pmatrix}1&0&-1\\0&1&2\\-1&2&5\end{pmatrix},$$
左上角二阶子式 $\begin{vmatrix}1&0\\0&1\end{vmatrix}=1\ne0$ ,秩 $\geqslant2$ ;又 $\lvert A_0\rvert=0$ ,故 $r=2$ ✓。
特征值:$\operatorname{tr}A_0=7$ ,二阶主子式之和 $=1+4+1=6$ ,故 $\lambda^2-7\lambda+6=0\Rightarrow\lambda=1,6$ ,加上 $\lambda_3=0$ 。**$p=2,\ q=0$ **。
$a=-\frac45$ :左上角二阶子式 $\begin{vmatrix}1&-\frac45\\-\frac45&1\end{vmatrix}=1-\frac{16}{25}=\frac9{25}\ne0$ ,秩 $\geqslant2$ ;$\lvert A\rvert=0$ 故 $r=2$ ✓。
特征值:$\operatorname{tr}A=7$ ;二阶主子式之和 $=\frac9{25}+4+1=\frac{134}{25}$ ,故
$$\lambda^2-7\lambda+\frac{134}{25}=0\Longrightarrow\lambda=\frac{7\pm\sqrt{49-\frac{536}{25}}}{2}=\frac{7\pm\sqrt{\frac{689}{25}}}{2}=\frac{7\pm\frac{\sqrt{689}}5}{2}.$$
$\sqrt{689}\approx26.25$ ,故 $\lambda\approx\frac{7\pm5.25}{2}=6.13$ 与 $0.87$ ,**两个都正**,仍 $p=2,\ q=0$ 。
**第 3 步:写规范形。** 两种情形都是 $p=2,q=0,r=2$ ,故规范形唯一:
$$f=z_1^2+z_2^2 .$$
**带走结论**:**两个根可能给同一个惯性指数**——此时规范形不依赖 $a$ 。但也必须两个都代回:若某个根使秩降到 1(如左上角子式为零),规范形就变成 $z_1^2$ ,结论不同。**"代回验秩"不是为了礼貌,是为了防止这种塌缩**。
> **关联** · 盘点 [§3.1 惯性定理与惯性指数](01-知识点盘点.md#user-content-31-惯性定理与惯性指数) | 上游 [点 4 题 1](05-点4-惯性定理与规范形.md#user-content-题-1--31惯性定理说了什么) | 下游 — | 速查 [五 惯性指数三算法](09-速查卡.md#user-content-五-惯性指数三算法)
---
### 题 4 · 3.2:用规范形判合同(★★☆)
> 设
>
> $$A=\begin{pmatrix}1&0&0\\0&1&0\\0&0&0\end{pmatrix},\quad B=\begin{pmatrix}2&0&0\\0&2&0\\0&0&0\end{pmatrix},\quad C=\begin{pmatrix}1&0&0\\0&-1&0\\0&0&0\end{pmatrix}.$$
>
> (Ⅰ)分别求 $A,B,C$ 的惯性指数与规范形;
> (Ⅱ)判断哪些互相合同、哪些互相相似。
**怎么想**:三个都是对角阵,惯性指数直接读。合同看 $(p,q)$ ,相似看特征值(含重数)。
**解**:
**(Ⅰ)**
| 矩阵 | 特征值 | $(p,q)$ | 规范形 |
|---|---|---|---|
| $A$ | $1,1,0$ | $(2,0)$ | $z_1^2+z_2^2$ |
| $B$ | $2,2,0$ | $(2,0)$ | $z_1^2+z_2^2$ |
| $C$ | $1,-1,0$ | $(1,1)$ | $z_1^2-z_2^2$ |
**(Ⅱ)合同**:$A\simeq B$ (同为 $(2,0)$ )。$C$ 与它们不合同($(1,1)\ne(2,0)$ )。
**相似**:三者特征值分别为 $\{1,1,0\}$ 、$\{2,2,0\}$ 、$\{1,-1,0\}$ ,两两不同,故**互不相似**。
**验算**:$A,B$ 秩都是 2、行列式都是 0,但 $\operatorname{tr}A=2\ne4=\operatorname{tr}B$ ,故不相似 ✓(迹是相似不变量)。
**带走结论**:**$A\simeq B$ 但不 $A\sim B$ ** 是这一讲最标准的反例对($A=\mathrm{diag}(1,1,0)$ 与 $B=\mathrm{diag}(2,2,0)$ )。记住它:合同看符号,相似看数值。
> **注**:$A$ 与 $B$ 的差别只是"拉伸了 $\sqrt2$ 倍",正因如此它们是同一个二次型($x_1^2+x_2^2$ 与 $2x_1^2+2x_2^2$ 可通过 $x_1=\sqrt2y_1$ 互化),但作为**线性变换**它们把不同向量映到不同地方,所以不相似。
> **关联** · 盘点 [§3.2 规范形](01-知识点盘点.md#user-content-32-规范形) | 上游 [点 4 题 2](05-点4-惯性定理与规范形.md#user-content-题-2--32由标准形写规范形) | 下游 — | 速查 [六 规范形](09-速查卡.md#user-content-六-规范形)
---
@@ -0,0 +1,254 @@
---
tags: [数学一, 在学练习, 线性代数, 二次型, 正定]
专题: 线性代数 第6讲 · 点5 正定性判定
日期: 2026-10-24
状态: 知识点带题(4.1 五条件、4.2 顺序主子式、4.3 半正定,5 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 5 正定性判定
> 真题锚点:2024·15(填空 5 分)|重要度 ★★★
> 依赖:点 4 的惯性定理、第 1 讲行列式。盘点对应:§4 全节。
**组织原则**:先列知识点(五条件 → 顺序主子式 → 半正定),再逐一对应出题。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
## 知识点 4.1 正定的五个等价条件(出处:[知识章 quadratic-form.tex §6](../../../../参考仓库/Math/linear-algebra/knowledge/6-quadratic-form/quadratic-form.tex))
对 $n$ 阶实对称 $A$ ,以下**互相等价**:
1. $f=x^{\mathrm T}Ax>0$ 对一切 $x\ne0$ 成立;
2. 全部特征值 $>0$ ;
3. 全部**顺序主子式** $>0$ ;
4. $A\simeq E$ ;
5. 正惯性指数 $p=n$ 。
**用法分界**:已知或能解出特征值时用 2;**含参求范围**时用 3(不必解特征值)。
## 知识点 4.2 顺序主子式判据(出处:[知识章 quadratic-form.tex §6](../../../../参考仓库/Math/linear-algebra/knowledge/6-quadratic-form/quadratic-form.tex))
$$\Delta_1=a_{11}>0,\quad\Delta_2>0,\quad\dots,\quad\Delta_n=\lvert A\rvert>0 .$$
**负定**:$-A$ 正定 $\iff(-1)^k\Delta_k>0$ 对每个 $k$ (即 $\Delta_1<0,\Delta_2>0,\Delta_3<0,\dots$ )。
**含参三步**:写矩阵 $\to$ 逐算 $\Delta_k$ $\to$ 解不等式组取**交集**。
## 知识点 4.3 半正定与负定(出处:[知识章 quadratic-form.tex §6](../../../../参考仓库/Math/linear-algebra/knowledge/6-quadratic-form/quadratic-form.tex))
**半正定**:$f\geqslant0$ 恒成立,等价于全部特征值 $\geqslant0$ ,等价于**全部主子式**(不只顺序主子式)$\geqslant0$ 。
**这是最容易错的一条**:正定只需"顺序主子式",半正定需要"**所有**主子式"。反例:$\begin{pmatrix}0&0\\0&-1\end{pmatrix}$ 的顺序主子式 $0,-1\cdot0=0$ ,看着没问题,但有负主对角元,不是半正定。
---
## 题目(按知识点顺序对应)
### 题 1 · 4.2:顺序主子式判正定(★★☆)
> 判断下列二次型是否正定:
>
> (Ⅰ)$f_1=x_1^2+2x_2^2+3x_3^2+2x_1x_2+2x_1x_3$ ;
> (Ⅱ)$f_2=x_1^2+x_2^2+x_3^2+2x_1x_2$ 。
**怎么想**:都走顺序主子式——三次行列式手算可行。注意判断"不是正定"时**只需一个主子式不满足**即可停手。
**解**:
**(Ⅰ)** 交叉项折半:$x_1x_2$ 系数 $2\to1$ ;$x_1x_3$ 系数 $2\to1$ ;$x_2x_3$ 无:
$$A_1=\begin{pmatrix}1&1&1\\1&2&0\\1&0&3\end{pmatrix}.$$
$$\Delta_1=1>0,\qquad\Delta_2=\begin{vmatrix}1&1\\1&2\end{vmatrix}=1>0,$$
$$\Delta_3=1(6-0)-1(3-0)+1(0-2)=6-3-2=1>0 .$$
三个全正,$f_1$ **正定**。
**(Ⅱ)** 交叉项 $2x_1x_2$ 折半为 1:
$$A_2=\begin{pmatrix}1&1&0\\1&1&0\\0&0&1\end{pmatrix}.$$
$$\Delta_2=\begin{vmatrix}1&1\\1&1\end{vmatrix}=0 ,$$
**不满足 $\Delta_2>0$ ,故不正定**。事实上 $A_2$ 的秩为 2(第 1、2 行相同),有零特征值,$f_2=(x_1+x_2)^2+x_3^2$ 是半正定。
**验算**:(Ⅱ)取 $x=(1,-1,0)$ 得 $f_2=0$ ,说明存在非零向量使 $f=0$ ,确实不正定 ✓。
**带走结论**:**顺序主子式只要有一个不 $>0$ 就停手**,不必算完。第(Ⅱ)问的 $f_2$ 是"完全平方和"结构,一眼可知半正定不正定。
> **关联** · 盘点 [§4.2 顺序主子式判据](01-知识点盘点.md#user-content-42-顺序主子式判据) | 上游 — | 下游 [点 5 题 3](06-点5-正定性判定.md#user-content-题-3--42含参正定求范围) | 速查 [八 顺序主子式含参流程](09-速查卡.md#user-content-八-顺序主子式含参流程)
---
### 题 2 · 4.1:五个条件的辨析(★★☆)
> 设 $A$ 为三阶实对称矩阵。判断:
>
> (Ⅰ)$A$ 正定 $\iff$ $A$ 合同于 $E$ ;
> (Ⅱ)$A$ 正定 $\Rightarrow$ $\lvert A\rvert>0$ ;
> (Ⅲ)$\lvert A\rvert>0$ 且 $\operatorname{tr}A>0$ $\Rightarrow$ $A$ 正定;
> (Ⅳ)$A$ 正定 $\Rightarrow$ $A^{-1}$ 正定。
**怎么想**:(Ⅰ)(Ⅱ)(Ⅳ)都是正定的直接推论。(Ⅲ)是最典型的"必要条件凑一起当充分条件用"的错误。
**解**:(Ⅰ)**正确**。正定 $\iff p=3$ $\iff$ 规范形为 $z_1^2+z_2^2+z_3^2$ $\iff$ 合同于 $E$ 。
(Ⅱ)**正确**。$\lvert A\rvert=\prod\lambda_i>0$ (三个正数之积)。
(Ⅲ)**错误**。反例:$A=\mathrm{diag}(2,-1,-1)$ ,$\lvert A\rvert=2>0$ 、$\operatorname{tr}A=0$ … 迹不为正。改取 $A=\mathrm{diag}(3,-1,-1)$ :$\lvert A\rvert=3>0$ 、$\operatorname{tr}A=1>0$ ,但特征值含 $-1$ ,**不正定**。
(Ⅳ)**正确**。$A^{-1}$ 的特征值为 $1/\lambda_i>0$ 。
**带走结论**:**"$\lvert A\rvert>0$ 且 $\operatorname{tr}A>0$ "远不足以保证正定**——它只保证"乘积正、和正",允许出现两个负特征值。三阶时真正需要的是**三个顺序主子式全正**(等价于三个特征值全正)。
> **关联** · 盘点 [§4.1 正定的五个等价条件](01-知识点盘点.md#user-content-41-正定的五个等价条件) | 上游 — | 下游 [点 5 题 4](06-点5-正定性判定.md#user-content-题-4--41乘积矩阵的正定性) | 速查 [七 正定五条件](09-速查卡.md#user-content-七-正定五条件)
---
### 题 3 · 4.2:含参正定求范围(★★★)
> 设二次型
>
> $$f=x_1^2+x_2^2+x_3^2+2ax_1x_2+2ax_1x_3+2ax_2x_3$$
>
> 正定,求 $a$ 的取值范围。
**怎么想**:矩阵是 $E+aJ$ 。两条路都通:① 特征值 $1+3a,1,1$ ,正定 $\iff1+3a>0$ ;② 顺序主子式 $\Delta_1=1$ 、$\Delta_2=1-a^2$ 、$\Delta_3=(1-a)^2(1+2a)$ 。**两法互为验算**。
**解**:
**路线一(特征值,快)**:$A=E+aJ$ ,$J$ 的特征值为 $3,0,0$ ,故 $A$ 的特征值为
$$1+3a,\quad1,\quad1 .$$
正定要求全正:
$$1+3a>0\Longrightarrow a>-\frac13 .$$
**路线二(顺序主子式,验算)**:
$$\Delta_1=1>0,\qquad\Delta_2=\begin{vmatrix}1&a\\a&1\end{vmatrix}=1-a^2>0\Longrightarrow\lvert a\rvert<1,$$
$$\Delta_3=\lvert A\rvert=(1-a)^2(1+2a)>0\Longrightarrow a>-\frac12\ (\text{且}\ a\ne1).$$
取交集:$\lvert a\rvert<1$ 与 $a>-\frac12$ 与 $a\ne1$ 的交为
$$-\frac12<a<1 .$$
**两法不一致!** 必须查清:路线一给 $a>-\frac13$ ,路线二给 $-\frac12<a<1$ 。矛盾说明有一处算错。
回查:$A=E+aJ$ 的第 $(1,1)$ 元是 $1+a$ (不是 1!),故 $\Delta_1=1+a$ 。修正:
$$\Delta_1=1+a>0\Longrightarrow a>-1,$$
$$\Delta_2=(1+a)^2-a^2=1+2a>0\Longrightarrow a>-\frac12,$$
$$\Delta_3=(1-a)^2(1+2a)>0\Longrightarrow a>-\frac12\ (\text{且}\ a\ne1).$$
三条交集为 $a>-\frac12$ 且 $a\ne1$ 。再检查 $a\ne1$ 是否多余:$a=1$ 时 $A=J+E$? 实际 $a=1$ 时 $A=E+J$ 的全 1 结构,特征值 $1+3=4,1,1$ 全正,**正定**。故 $a=1$ 应包含。
再核 $\Delta_3$ :$a=1$ 时 $\lvert A\rvert=(1-1)^2\cdot3=0$ ?但特征值之积 $=4\cdot1\cdot1=4\ne0$ 。矛盾!
问题出在 $A=E+aJ$ 的行列式:$\lvert E+aJ\rvert=1+3a$ ($J$ 特征值 $3,0,0$ 时,$\lvert E+aJ\rvert=(1+3a)\cdot1\cdot1$ )。而我的 $\Delta_3=(1-a)^2(1+2a)$ 算错了。
重算 $\lvert A\rvert$ ($A$ 的对角元是 $1$ ,非对角元是 $a$ ):
$$\lvert A\rvert=(1-a)^2(1+2a).$$
$a=1$ 时 $\lvert A\rvert=0$ 。但特征值是 $1+3a=4,1,1$ ,之积为 4。**两条冲突,说明"$A=E+aJ$ "这个写法本身错了**:
$$E+aJ=\begin{pmatrix}1+a&a&a\\a&1+a&a\\a&a&1+a\end{pmatrix}\ne\begin{pmatrix}1&a&a\\a&1&a\\a&a&1\end{pmatrix}=A .$$
**本题的 $A$ 对角元是 1(不是 $1+a$ )** ,故 $A\ne E+aJ$ ,而是 $A=(1-a)E+aJ$ 。
正确解法如下。
**正解(顺序主子式)**:
$$\Delta_1=1>0,\qquad\Delta_2=1-a^2>0\Longrightarrow-1<a<1,$$
$$\Delta_3=\lvert A\rvert=(1-a)^2(1+2a)>0\Longrightarrow a>-\frac12\ (\text{且}\ a\ne1).$$
交集:
$$-\frac12<a<1 .$$
**验算(特征值)**:$A$ 各行之和为 $1+2a$ ,故 $(1,1,1)^{\mathrm T}$ 对应 $\lambda=1+2a$ ;又 $\operatorname{tr}A=3$ ,另两个之和为 $3-(1+2a)=2-2a$ ,且由 $\lvert A\rvert=(1-a)^2(1+2a)$ 得另两个之积为 $(1-a)^2$ ,故另两个都是 $1-a$ 。
于是特征值为 $1+2a,\ 1-a,\ 1-a$ 。正定要求
$$1+2a>0\ \text{且}\ 1-a>0\Longrightarrow-\frac12<a<1 .$$
两法一致 ✓。
**带走结论**:**先确认矩阵对角元**。本题 $A$ 的对角元是 1,故 $A\ne E+aJ$ 而是 $(1-a)E+aJ$ ——写出 $E+aJ$ 会连带 $\Delta_1$ 与 $\Delta_3$ 全错。**两法互验是发现这类错误的最好办法**。
> **关联** · 盘点 [§4.2 顺序主子式判据](01-知识点盘点.md#user-content-42-顺序主子式判据) | 上游 [点 5 题 1](06-点5-正定性判定.md#user-content-题-1--42顺序主子式判正定) | 下游 — | 速查 [八 顺序主子式含参流程](09-速查卡.md#user-content-八-顺序主子式含参流程)
---
### 题 4 · 4.1:乘积矩阵的正定性(★★★)
> 【2024·15 骨架】设 $A$ 为 $m\times n$ 实矩阵。证明:
>
> $$A^{\mathrm T}A\ \text{正定}\iff r(A)=n .$$
**怎么想**:正定的定义是"对一切非零 $x$ 有 $x^{\mathrm T}(A^{\mathrm T}A)x>0$ "。把 $x^{\mathrm T}A^{\mathrm T}Ax$ 写成 $\lVert Ax\rVert^2$ ,问题立刻变成"$Ax=0$ 是否只有零解",而这是第 4 讲的秩判据。
**解**:
**($\Leftarrow$ )** 设 $r(A)=n$ 。对任意 $x\ne0$ ,
$$x^{\mathrm T}(A^{\mathrm T}A)x=(Ax)^{\mathrm T}(Ax)=\lVert Ax\rVert^2\geqslant0 .$$
若 $\lVert Ax\rVert=0$ 则 $Ax=0$ 。由 $r(A)=n$ ($A$ 的列满秩),$Ax=0$ 只有零解,故 $x=0$ ,与 $x\ne0$ 矛盾。所以 $x\ne0$ 时 $\lVert Ax\rVert^2>0$ ,即 $A^{\mathrm T}A$ 正定。
(另需说明 $A^{\mathrm T}A$ 对称:$(A^{\mathrm T}A)^{\mathrm T}=A^{\mathrm T}A$ ✓。)
**($\Rightarrow$ )** 设 $A^{\mathrm T}A$ 正定。若 $r(A)<n$ ,则 $Ax=0$ 有非零解 $x_0\ne0$ ,于是
$$x_0^{\mathrm T}(A^{\mathrm T}A)x_0=\lVert Ax_0\rVert^2=0 ,$$
与正定的定义(对一切 $x\ne0$ 严格大于 0)矛盾。故 $r(A)=n$ 。
**验算**($m<n$ 的情形):$A$ 为 $2\times3$ ,$r(A)\leqslant2<3=n$ ,故 $A^{\mathrm T}A$ 不正定——事实上它是 $3\times3$ 的秩 $\leqslant2$ 矩阵,必有零特征值。
**带走结论**:**$x^{\mathrm T}A^{\mathrm T}Ax=\lVert Ax\rVert^2$ 是这道题的钥匙**。它把"正定"翻译成"$Ax=0$ 只有零解",后者用秩一句话解决。这条结论在最小二乘法里也用到:$r(A)=n$ 时 $A^{\mathrm T}A$ 可逆。
> **关联** · 盘点 [§4.1 正定的五个等价条件](01-知识点盘点.md#user-content-41-正定的五个等价条件) | 上游 [点 5 题 2](06-点5-正定性判定.md#user-content-题-2--41五个条件的辨析) | 下游 — | 速查 [七 正定五条件](09-速查卡.md#user-content-七-正定五条件)
---
### 题 5 · 4.3:半正定与"所有主子式"(★★★)
> 设 $A=\begin{pmatrix}1&1&0\\1&1&0\\0&0&-1\end{pmatrix}$ 。
>
> (Ⅰ)求 $A$ 的顺序主子式,判断能否据此判定 $A$ 半正定;
> (Ⅱ)用特征值判断 $A$ 是否半正定;
> (Ⅲ)说明半正定判据为什么要求"所有主子式"而非"顺序主子式"。
**怎么想**:这是半正定判据最经典的陷阱——顺序主子式全 $\geqslant0$ ,但矩阵不是半正定。
**解**:
**(Ⅰ)**
$$\Delta_1=1\geqslant0,\qquad\Delta_2=\begin{vmatrix}1&1\\1&1\end{vmatrix}=0\geqslant0,\qquad\Delta_3=\lvert A\rvert=1\cdot(-1)-1\cdot(-1)+0=0\geqslant0 .$$
三个顺序主子式都 $\geqslant0$ 。**但据此不能判定半正定**——半正定需要全部主子式。
**(Ⅱ)** $A$ 分块为 $\begin{pmatrix}1&1\\1&1\end{pmatrix}$ 与 $(-1)$ 。前块特征值 $2,0$ ,故 $A$ 的特征值为 $2,0,-1$ 。
有负特征值 $-1$ ,故 $A$ **不是半正定**(是不定)。
**(Ⅲ)** 原因在于:**顺序主子式只检查了"从左上角开始"的那一串子块**,漏掉了 $2$ 阶的 $\begin{vmatrix}1&0\\0&-1\end{vmatrix}=-1<0$ 这种"跳着的"主子式。
半正定的完整判据是:**所有** $k$ 阶主子式(即任取 $k$ 个行号与**相同的** $k$ 个列号组成的子式)都 $\geqslant0$ 。本题取行号列号 $\{1,3\}$ 得 $\begin{vmatrix}1&0\\0&-1\end{vmatrix}=-1<0$ ,立刻判否。
**验算**:取 $x=(1,-1,0)$ 得 $x^{\mathrm T}Ax=(1-1)^2\cdot$ …实际 $x^{\mathrm T}Ax=1-1-1+1+0=0$ ;取 $x=(0,0,1)$ 得 $-1<0$ ,确实不定 ✓。
**带走结论**:**正定看"顺序主子式全 $>0$ ",半正定必须看"所有主子式 $\geqslant0$ "** 。这两个判据的差别就在"顺序"二字。考试问"半正定"时,最稳的办法还是**求特征值**。
> **关联** · 盘点 [§4.3 含参正定的标准做法](01-知识点盘点.md#user-content-43-含参正定的标准做法) | 上游 — | 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)
---
@@ -0,0 +1,200 @@
---
tags: [数学一, 在学练习, 线性代数, 二次型, 合同, 相似]
专题: 线性代数 第6讲 · 点6 合同与相似的分界
日期: 2026-10-24
状态: 知识点带题(5.1 分界、5.2 判定,3 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 6 合同与相似的分界
> 真题锚点:选择题高频辨析(2021·5、2025·5 的同一类考法)|重要度 ★★☆
> 依赖:点 4 的惯性指数。盘点对应:§5 全节。
**组织原则**:先列知识点(分界 → 判定),再逐一对应出题。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
## 知识点 5.1 合同与相似的分界(出处:[知识章 quadratic-form.tex §4](../../../../参考仓库/Math/linear-algebra/knowledge/6-quadratic-form/quadratic-form.tex))
| 关系 | 定义 | 保持什么 | 适用对象 |
|---|---|---|---|
| 相似 | $P^{-1}AP=B$ | 特征值(含重数)、秩、迹、行列式 | 任意方阵 |
| 合同 | $C^{\mathrm T}AC=B$ | **惯性指数**、秩、行列式符号 | 实对称 |
**三条要点**:
1. 实对称矩阵**相似 $\Rightarrow$ 合同**:相似则特征值相同,故 $p,q$ 相同。
2. **反之不成立**:合同只保符号不保数值。$A=\mathrm{diag}(1,1)$ 与 $B=\mathrm{diag}(4,9)$ 都正定,故合同,但特征值不同,故不相似。
3. 当 $Q$ **正交**时 $Q^{\mathrm T}AQ=Q^{-1}AQ$ ,此时合同与相似**合一**。
**合同保持行列式符号**:$B=C^{\mathrm T}AC\Rightarrow\lvert B\rvert=\lvert C\rvert^2\lvert A\rvert$ ,而 $\lvert C\rvert^2>0$ ,故 $\lvert A\rvert$ 与 $\lvert B\rvert$ 同号(或同为零)。这条常被当成充要条件误用——它只是**必要条件**。
## 知识点 5.2 合同的判定(出处:[知识章 quadratic-form.tex §4](../../../../参考仓库/Math/linear-algebra/knowledge/6-quadratic-form/quadratic-form.tex))
$$A\simeq B\iff(p_A,q_A)=(p_B,q_B).$$
**判定流程**:分别求特征值 $\to$ 数正负个数 $\to$ 比较 $(p,q)$ 。
**三条"看着像但其实不够"的条件**:
| 条件 | 够不够 | 反例 |
|---|---|---|
| $r(A)=r(B)$ | 不够 | $\mathrm{diag}(1,-1)$ 与 $\mathrm{diag}(1,1)$ 秩都是 2,一个 $(1,1)$ 一个 $(2,0)$ |
| $\lvert A\rvert$ 与 $\lvert B\rvert$ 同号 | 不够 | $\mathrm{diag}(1,1,1,1)$ 与 $\mathrm{diag}(1,1,-1,-1)$ 行列式都是 $1$ ,但一个是 $(4,0)$ 一个是 $(2,2)$ |
| 特征值相同 | **够**(但太强) | 特征值相同即相似,实对称时必合同 |
---
## 题目(按知识点顺序对应)
### 题 1 · 5.1:相似与合同的五条辨析(★☆☆)
> 判断下列说法,错的给出反例:
>
> (Ⅰ)实对称矩阵若相似,则必合同;
> (Ⅱ)实对称矩阵若合同,则必相似;
> (Ⅲ)两个同阶实对称矩阵合同的充要条件是它们的秩相同;
> (Ⅳ)若 $A\simeq B$ ,则 $\lvert A\rvert$ 与 $\lvert B\rvert$ 同号;
> (Ⅴ)两个同阶方阵若特征值相同,则必相似。
**怎么想**:这一组全部围绕一件事——**相似看数值,合同看符号**。凡是"看符号的条件推出看数值的结论",一律错;凡是"只看秩"的,一律错(秩只数非零的个数,不分正负)。
**解**:
**(Ⅰ)正确。** 相似 $\Rightarrow$ 特征值相同 $\Rightarrow$ 正负个数相同 $\Rightarrow$ 惯性指数相同 $\Rightarrow$ 合同。
**(Ⅱ)错误。** 反例:
$$A=\begin{pmatrix}1&0\\0&1\end{pmatrix},\qquad B=\begin{pmatrix}4&0\\0&9\end{pmatrix}.$$
两者都正定,$(p,q)=(2,0)$ ,故 $A\simeq B$ (取 $C=\mathrm{diag}\left(\frac12,\frac13\right)$ 即 $C^{\mathrm T}AC=B$ )。但特征值一个 $\{1,1\}$ 一个 $\{4,9\}$ ,不相似。
**(Ⅲ)错误。** 反例:
$$A=\begin{pmatrix}1&0\\0&-1\end{pmatrix},\qquad B=\begin{pmatrix}1&0\\0&1\end{pmatrix},$$
$r(A)=r(B)=2$ ,但 $A$ 的 $(p,q)=(1,1)$ 、$B$ 的 $(p,q)=(2,0)$ ,不合同。**秩只数"有几个非零",惯性指数才分"几个正几个负"**。
**(Ⅳ)正确。** 由 $B=C^{\mathrm T}AC$ 取行列式:
$$\lvert B\rvert=\lvert C^{\mathrm T}\rvert\lvert A\rvert\lvert C\rvert=\lvert C\rvert^2\lvert A\rvert,$$
而 $C$ 可逆,$\lvert C\rvert^2>0$ ,故两者同号。**但反过来不成立**——"同号"只是必要条件:
$$A=\mathrm{diag}(1,1,1,1)\quad\text{与}\quad B=\mathrm{diag}(1,1,-1,-1)$$
的行列式都是 $1$ ,但 $A$ 是 $(4,0)$ 、$B$ 是 $(2,2)$ ,故 $A\not\simeq B$ 。
**(Ⅴ)错误。** 反例:
$$A=\begin{pmatrix}1&1\\0&1\end{pmatrix},\qquad B=\begin{pmatrix}1&0\\0&1\end{pmatrix},$$
特征值都是 $1,1$ ,但 $A$ 不可对角化($r(E-A)=r\begin{pmatrix}0&-1\\0&0\end{pmatrix}=1>0$ ),故 $A$ 与 $B$ 不相似。
**验算**:第(Ⅴ)问的判据是第 5 讲点 3 的结论——"特征值相同"只保证特征多项式相同,还要加"都可对角化"才能推相似。
**带走结论**:这张判断表是选择题的原题材料,记住三个方向:**相似 $\to$ 合同(实对称时成立)**、**合同 $\not\to$ 相似**、**秩相同 $\not\to$ 合同**。
> **关联** · 盘点 [§5.1 合同与相似的分界](01-知识点盘点.md#user-content-51-合同与相似的分界) | 上游 — | 下游 [点 6 题 3](07-点6-合同与相似.md#user-content-题-3--51幂等矩阵合同于哪个对角阵) | 速查 —
---
### 题 2 · 5.2:由合同反求参数(★★★)
> 设
>
> $$A=\begin{pmatrix}1&2\\2&a\end{pmatrix},\qquad B=\begin{pmatrix}2&0\\0&-1\end{pmatrix}.$$
>
> 若 $A$ 与 $B$ 合同,求 $a$ 的取值范围。
**怎么想**:先把 $B$ 的惯性指数读出来——它是对角阵,一眼可读:$(p,q)=(1,1)$ 。于是 $A$ 必须也"一正一负"。二阶矩阵一正一负 $\iff\lvert A\rvert<0$ (因为两个特征值之积小于零)。但**只算行列式还不够**,必须按 $a$ 分档核对,特别是 $a=4$ 这个使 $\lvert A\rvert=0$ 的临界点。
**解**:
**第 1 步:读 $B$ 的惯性指数。** $B=\mathrm{diag}(2,-1)$ ,特征值 $2,-1$ ,故
$$p_B=1,\quad q_B=1,\quad r(B)=2.$$
**第 2 步:算 $A$ 的行列式与迹。**
$$\lvert A\rvert=a-4,\qquad\operatorname{tr}A=a+1 .$$
**第 3 步:按 $\lvert A\rvert$ 的符号分三档。**
**档 1:$a>4$ ,即 $\lvert A\rvert>0$ 。** 两特征值同号;又 $\operatorname{tr}A=a+1>0$ (两特征值之和),故两个都正,$(p,q)=(2,0)\ne(1,1)$ 。**不合同**。
**档 2:$a=4$ 。** 此时
$$A=\begin{pmatrix}1&2\\2&4\end{pmatrix},$$
第二行是第一行的 2 倍,$r(A)=1$ ,特征值为 $0$ 与 $\operatorname{tr}A=5$ ,故 $(p,q)=(1,0)$ 。而且 $r(A)=1\ne2=r(B)$ ,**秩就已经不匹配,必不合同**。
**档 3:$a<4$ ,即 $\lvert A\rvert<0$ 。** 两特征值异号,故 $(p,q)=(1,1)$ ,与 $B$ 相同。同时 $\lvert A\rvert\ne0$ 保证 $r(A)=2=r(B)$ 。**合同**。
**结论**:
$$a<4 .$$
**验算**:取 $a=0$ ,$A=\begin{pmatrix}1&2\\2&0\end{pmatrix}$ ,$\operatorname{tr}A=1$ 、$\lvert A\rvert=-4$ ,特征值
$$\lambda=\frac{1\pm\sqrt{1+16}}{2}=\frac{1\pm\sqrt{17}}{2}\approx2.56,\ -1.56,$$
一正一负 ✓。取 $a=4$ 时秩 1 ✓(已排除)。取 $a=5$ ,特征值满足 $\lambda^2-6\lambda+1=0$ ,两根 $3\pm2\sqrt2$ 都正 ✓(不合同)。
**带走结论**:**二阶矩阵的合同判定可以完全用 $\lvert A\rvert$ 与 $\operatorname{tr}A$ 代劳**——$\lvert A\rvert<0$ 是"一正一负"的充要条件,$\lvert A\rvert>0$ 时再看 $\operatorname{tr}A$ 定"两正"还是"两负"。但**临界点 $\lvert A\rvert=0$ 必须单独查秩**,否则会漏掉档 2 那种"秩先不匹配"的情形。
> **关联** · 盘点 [§5.2 合同的判定](01-知识点盘点.md#user-content-52-合同的判定) | 上游 — | 下游 — | 速查 —
---
### 题 3 · 5.1:幂等矩阵合同于哪个对角阵(★★☆)
> 设 $A$ 是 $n$ 阶**实对称**矩阵,且 $A^2=A$ 。证明:$A$ 合同于 $\mathrm{diag}(E_r,O)$ ,其中 $r=r(A)$ 。并指出此时 $A$ 与 $\mathrm{diag}(E_r,O)$ 是否也相似。
**怎么想**:这道题是第 5 讲点 5(抽象条件)与第 6 讲点 4(惯性指数)的缝合。路线固定:**由多项式条件定特征值的取值范围 $\to$ 实对称保证可正交对角化 $\to$ 数正特征值个数得 $p$ ** 。一旦发现对角阵恰好就是 $\mathrm{diag}(E_r,O)$ ,"合同"与"相似"就自动合一了。
**解**:
**第 1 步:定特征值。** 设 $A\xi=\lambda\xi$ ($\xi\ne0$ )。由 $A^2=A$ 作用在 $\xi$ 上:
$$A^2\xi=A\xi\Longrightarrow\lambda^2\xi=\lambda\xi\Longrightarrow(\lambda^2-\lambda)\xi=0 .$$
$\xi\ne0$ ,故 $\lambda^2-\lambda=0$ ,即
$$\lambda\in\{0,1\}.$$
**第 2 步:正交对角化。** $A$ 实对称,故存在正交 $Q$ 使
$$Q^{\mathrm T}AQ=\Lambda=\mathrm{diag}(\lambda_1,\dots,\lambda_n).$$
把对角元重排,前 $r$ 个是 $1$ 、后 $n-r$ 个是 $0$ ($r$ 是特征值 $1$ 的个数):
$$\Lambda=\mathrm{diag}(E_r,O).$$
**第 3 步:确认 $r=r(A)$ 。** 对角阵的秩等于非零对角元个数,故
$$r(A)=r(\Lambda)=r .$$
**第 4 步:得合同。** 取 $C=Q$ (正交,当然可逆),则
$$C^{\mathrm T}AC=Q^{\mathrm T}AQ=\mathrm{diag}(E_r,O),$$
即 $A\simeq\mathrm{diag}(E_r,O)$ 。
**第 5 步:顺便回答"是否相似"。** 因为 $Q$ 正交,$Q^{\mathrm T}=Q^{-1}$ ,所以上式同时是
$$Q^{-1}AQ=\mathrm{diag}(E_r,O),$$
故 $A$ **也相似**于 $\mathrm{diag}(E_r,O)$ 。
**验算**:取 $A=\mathrm{diag}(1,0,0)$ ,$r=1$ ,$\mathrm{diag}(E_1,O)=\mathrm{diag}(1,0,0)$ 就是 $A$ 本身 ✓。取 $A=\frac12\begin{pmatrix}1&1\\1&1\end{pmatrix}$ ,$A^2=A$ ✓,特征值 $1,0$ ,$r=1$ ✓,与 $\mathrm{diag}(1,0)$ 合同且相似 ✓。
**带走结论**:**幂等实对称矩阵是"合同与相似重合"的典型**——因为它对角化后拿到的 $\Lambda$ 本身就只有 $1$ 和 $0$ ,不存在"再缩放成 $\pm1$ "的必要(这正是 $\mathrm{diag}(1,1)$ 与 $\mathrm{diag}(4,9)$ 那种"合同不相似"的来源:它们的 $\Lambda$ 需要缩放)。
**两个易错**:
1. **对称性不能省**。取 $A=\begin{pmatrix}1&1\\0&0\end{pmatrix}$ ,直接验 $A^2=A$ ✓,特征值也是 $1,0$ ,但它不对称,根本不是二次型的矩阵,谈"合同"没有意义。
2. **结论用 $\operatorname{tr}A$ 代替 $r=r(A)$ 也对**:$\operatorname{tr}A=$ 特征值之和 $=1$ 的个数 $=r$ 。考场上哪个好算用哪个。
> **关联** · 盘点 [§5.1 合同与相似的分界](01-知识点盘点.md#user-content-51-合同与相似的分界) | 上游 [点 6 题 1](07-点6-合同与相似.md#user-content-题-1--51相似与合同的五条辨析) | 下游 — | 速查 —
---
@@ -0,0 +1,296 @@
---
tags: [数学一, 在学练习, 线性代数, 二次型, 二次曲面]
专题: 线性代数 第6讲 · 点7 二次曲面
日期: 2026-10-24
状态: 知识点带题(6.1 惯性指数与曲面、6.2 综合题问法,4 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 7 二次曲面
> 真题锚点:2016·6(选择)、2022·21(解答第 4 问)|重要度 ★★☆
> 依赖:点 3 的正交变换、点 4 的惯性指数。盘点对应:§6 全节。
**组织原则**:先列知识点(曲面判定表 → 综合题问法),再逐一对应出题。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
## 知识点 6.1 惯性指数与曲面类型(出处:[知识章 quadratic-form.tex §6](../../../../参考仓库/Math/linear-algebra/knowledge/6-quadratic-form/quadratic-form.tex))
三元二次方程 $f(x,y,z)=1$ 的形状**只由 $A$ 的惯性指数决定**。把 $f$ 经正交变换(或任何可逆变换)化为标准形 $d_1y_1^2+d_2y_2^2+d_3y_3^2=1$ ,符号化后查表:
| $p$ | $q$ | $r$ | 规范形($=1$ ) | 曲面 |
|---|---|---|---|---|
| 3 | 0 | 3 | $y_1^2+y_2^2+y_3^2=1$ | **椭球面** |
| 2 | 1 | 3 | $y_1^2+y_2^2-y_3^2=1$ | **单叶双曲面** |
| 1 | 2 | 3 | $y_1^2-y_2^2-y_3^2=1$ | **双叶双曲面** |
| 2 | 0 | 2 | $y_1^2+y_2^2=1$ | **椭圆柱面** |
| 1 | 1 | 2 | $y_1^2-y_2^2=1$ | **双曲柱面** |
| 1 | 0 | 1 | $y_1^2=1$ | **两张平行平面** |
**三个记忆抓手**:
1. **全正 $\to$ 球(椭球)**;全负 $\to$ **空集**($-\!y_1^2-\cdots=1$ 无实解)。
2. **一负两正 $\to$ 单叶**,**两负一正 $\to$ 双叶**。记法:负号在**左边少数派**时是单叶("单"对应"少"),负号占两席时曲面就被"切成两瓣",叫双叶。
3. **有一个零 $\to$ 柱面**(缺一个变量,沿该轴无限延伸)。
**右端为 $0$ 时**:$y_1^2+y_2^2-y_3^2=0$ 是**圆锥面**(不是双曲面)。题目写"曲面"就说明右端非零,别自己吓自己。
**做题要点**:只需惯性指数,**不必求出具体的 $Q$ ** 。若题目问"是什么曲面",答"惯性指数 $+$ 曲面名"即可。
## 知识点 6.2 综合题的常见问法(出处:[习题章 quadratic-form.tex](../../../../参考仓库/Math/linear-algebra/exercise/6-quadratic-form/quadratic-form.tex))
二次型解答题通常串四问,一路问到底:
1. 写出矩阵 $A$ (交叉项折半);
2. 求特征值与特征向量;
3. 求正交矩阵 $Q$ 与标准形;
4. 判曲面形状 / 求 $f$ 在 $\lVert x\rVert=1$ 上的最值 / 判正定。
**第 4 问的三类变体**:
| 问法 | 答法 |
|---|---|
| 是什么曲面 | 数 $\lambda_i$ 的正负个数,查表 |
| $f$ 在 $\lVert x\rVert=1$ 上的最值 | $\max=\lambda_{\max}$ 、$\min=\lambda_{\min}$ |
| 是否正定 | $\lambda_{\min}>0$ ? |
**最值为什么是特征值**:正交变换 $x=Qy$ 保长度($\lVert x\rVert=\lVert y\rVert$ ),故
$$f=x^{\mathrm T}Ax=\sum_i\lambda_iy_i^2\quad\text{在}\ \sum_iy_i^2=1\ \text{上的范围就是}\ [\lambda_{\min},\lambda_{\max}].$$
取到端点时 $x$ 是对应的**单位特征向量**。
---
## 题目(按知识点顺序对应)
### 题 1 · 6.1:由标准形读曲面名(★☆☆)
> 说出下列方程表示的曲面:
>
> (Ⅰ)$y_1^2+y_2^2+y_3^2=1$ ;(Ⅱ)$y_1^2+y_2^2-y_3^2=1$ ;(Ⅲ)$y_1^2-y_2^2-y_3^2=1$ ;
> (Ⅳ)$y_1^2+y_2^2=1$ ;(Ⅴ)$y_1^2-y_2^2=1$ ;(Ⅵ)$y_1^2=1$ ;(Ⅶ)$y_1^2+y_2^2-y_3^2=0$ 。
**怎么想**:这就是查上表。先数正负号个数,再看有没有缺项(缺项 $=$ 柱面)。第(Ⅶ)问右端是 $0$ ,性质完全不同,单独处理。
**解**:
| 问 | $(p,q)$ | $r$ | 曲面 |
|---|---|---|---|
| (Ⅰ) | $(3,0)$ | 3 | 椭球面(此处是单位球面) |
| (Ⅱ) | $(2,1)$ | 3 | 单叶双曲面 |
| (Ⅲ) | $(1,2)$ | 3 | 双叶双曲面 |
| (Ⅳ) | $(2,0)$ | 2 | 椭圆柱面 |
| (Ⅴ) | $(1,1)$ | 2 | 双曲柱面 |
| (Ⅵ) | $(1,0)$ | 1 | 两张平行平面 $y_1=\pm1$ |
| (Ⅶ) | $(2,1)$ | 3 | **圆锥面**(右端为 $0$ ,不是双曲面) |
**验算**:(Ⅵ)化成 $y_1^2=1$ 即 $y_1=1$ 或 $y_1=-1$ ,与 $y_2,y_3$ 无关,故是两张平行平面 ✓。(Ⅶ)移项得 $y_3^2=y_1^2+y_2^2$ ,是顶点在原点的圆锥面 ✓。
**带走结论**:**右端是 $1$ 看符号,右端是 $0$ 看锥面**。这一个右端数字决定了整道题的答案,考场上先看右端。
> **关联** · 盘点 [§6.1 二次曲面与标准形](01-知识点盘点.md#user-content-61-二次曲面与标准形) | 上游 — | 下游 [点 7 题 2](08-点7-二次曲面.md#user-content-题-2--61先化标准形再判曲面)、[点 7 题 3](08-点7-二次曲面.md#user-content-题-3--61含参曲面的分类) | 速查 [九 曲面查表](09-速查卡.md#user-content-九-曲面查表)
---
### 题 2 · 6.1:先化标准形再判曲面(★★☆)
> 已知曲面
>
> $$x^2+y^2+z^2+4xy+4xz+4yz=1 .$$
>
> (Ⅰ)写出二次型的矩阵 $A$ ;
> (Ⅱ)求 $A$ 的特征值与正、负惯性指数;
> (Ⅲ)判断曲面的类型。
**怎么想**:三项交叉系数都是 $4$ ,折半后全填 $2$ ,矩阵是"对角 $1$ 、其余 $2$ "的结构——这正是 $\alpha E+\beta J$ 型,可以直接用全 $1$ 向量试。**先猜特征向量 $(1,1,1)$ ** :三列和相等说明 $(1,1,1)^{\mathrm T}$ 是特征向量(第 5 讲点 1 的捷径)。
**解**:
**(Ⅰ)** 交叉项折半:
$$A=\begin{pmatrix}1&2&2\\2&1&2\\2&2&1\end{pmatrix}.$$
**(Ⅱ)** 第 1 步,试 $(1,1,1)^{\mathrm T}$ :
$$A\begin{pmatrix}1\\1\\1\end{pmatrix}=\begin{pmatrix}5\\5\\5\end{pmatrix}=5\begin{pmatrix}1\\1\\1\end{pmatrix},$$
故 $\lambda_1=5$ ,特征向量 $(1,1,1)^{\mathrm T}$ 。
第 2 步,用 $\operatorname{tr}$ 与二阶主子式补齐(对称矩阵不必硬算三次行列式):
$$\operatorname{tr}A=3\Longrightarrow\lambda_2+\lambda_3=3-5=-2,$$
$$\sum\text{二阶主子式}=\begin{vmatrix}1&2\\2&1\end{vmatrix}\times3=(1-4)\times3=-9\Longrightarrow\lambda_2\lambda_3+5(\lambda_2+\lambda_3)=-9,$$
即 $\lambda_2\lambda_3-10=-9$ ,$\lambda_2\lambda_3=1$ 。于是 $\lambda_2,\lambda_3$ 是 $t^2+2t+1=0$ 的根:
$$\lambda_2=\lambda_3=-1 .$$
第 3 步,惯性指数:
$$p=1,\quad q=2,\quad r=3 .$$
**(Ⅲ)** $(p,q)=(1,2)$ 查表得**双叶双曲面**。
**验算**:直接展开特征多项式
$$\lvert\lambda E-A\rvert=\lambda^3-3\lambda^2-9\lambda-5=(\lambda-5)(\lambda+1)^2 ,$$
展开右边得 $\lambda^3-3\lambda^2-9\lambda-5$ ✓,与上面拼出来的三个根一致。
**带走结论**:**遇到"对角元全相同、非对角元也全相同"的矩阵,第一反应是试 $(1,\dots,1)$ ** 。剩下的两个特征值用 $\operatorname{tr}$ 与二阶主子式之和补齐,比展开三阶行列式快一倍。本题的曲面类型由"一个正、两个负"一眼定死,**根本不用求 $Q$ ** 。
> **关联** · 盘点 [§6.1 二次曲面与标准形](01-知识点盘点.md#user-content-61-二次曲面与标准形) | 上游 [点 7 题 1](08-点7-二次曲面.md#user-content-题-1--61由标准形读曲面名) | 下游 [点 7 题 3](08-点7-二次曲面.md#user-content-题-3--61含参曲面的分类) | 速查 [九 曲面查表](09-速查卡.md#user-content-九-曲面查表)
---
### 题 3 · 6.1:含参曲面的分类(★★★)
> 讨论方程
>
> $$x^2+2y^2+az^2+2xy=1$$
>
> 所表示的曲面类型,其中 $a$ 为参数。
**怎么想**:$z$ 与 $x,y$ 之间没有交叉项,所以矩阵是**分块对角** $\begin{pmatrix}B&O\\O&a\end{pmatrix}$ 。分块对角的特征值 $=$ 各块特征值拼起来,于是只需单独看二阶块 $B$ 的符号,$a$ 的符号独立决定第三个特征值。
**解**:
**第 1 步:写矩阵。**
$$A=\begin{pmatrix}1&1&0\\1&2&0\\0&0&a\end{pmatrix}=\begin{pmatrix}B&O\\O&a\end{pmatrix},\qquad B=\begin{pmatrix}1&1\\1&2\end{pmatrix}.$$
**第 2 步:二阶块 $B$ 的惯性指数。**
$$\operatorname{tr}B=3>0,\qquad\lvert B\rvert=2-1=1>0 .$$
两特征值同号且和为正,故**都正**:
$$\lambda=\frac{3\pm\sqrt{9-4}}{2}=\frac{3\pm\sqrt5}{2}\approx2.62,\ 0.38 .$$
于是 $B$ 贡献 $p=2$ 。
**第 3 步:按 $a$ 分三档。**
| 情形 | 第三个特征值 | $(p,q)$ | $r$ | 曲面 |
|---|---|---|---|---|
| $a>0$ | $a>0$ | $(3,0)$ | 3 | **椭球面** |
| $a=0$ | $0$ | $(2,0)$ | 2 | **椭圆柱面** |
| $a<0$ | $a<0$ | $(2,1)$ | 3 | **单叶双曲面** |
**验算**:
- $a>0$ :三特征值全正,取 $a=1$ 时 $A=\begin{pmatrix}1&1&0\\1&2&0\\0&0&1\end{pmatrix}$ ,三个顺序主子式为 $1,\ 1,\ 1$ 全正,故正定 ✓,$(3,0)$ 无误。
- $a=0$ :$\lvert A\rvert=0$ ,秩 2;前两维正定,故 $(2,0)$ ,缺一个变量即柱面 ✓。
- $a<0$ :取 $a=-1$ ,顺序主子式 $1,1,-1$ ,符号 $+,-,-$ ,一正两负的分布是 $p=2,q=1$ ✓。
**带走结论**:**分块对角是含参题的最省力结构**——参数只出现在一个块里,就只让那一个特征值随参数变,别去展开三阶行列式。三档的临界值就是"参数 $=0$ ",此时秩掉 1,曲面从"面"退化成"柱"。
**易错**:不要因为 $a<0$ 就顺手写成"双叶双曲面"。$a<0$ 时 $(p,q)=(2,1)$ 是**单叶**;双叶要求 $(1,2)$ ,也就是**两个负号**——本题的两个正号来自 $B$ 且无法改变,所以永远到不了双叶。
> **关联** · 盘点 [§6.1 二次曲面与标准形](01-知识点盘点.md#user-content-61-二次曲面与标准形) | 上游 [点 7 题 1](08-点7-二次曲面.md#user-content-题-1--61由标准形读曲面名)、[点 7 题 2](08-点7-二次曲面.md#user-content-题-2--61先化标准形再判曲面) | 下游 — | 速查 [九 曲面查表](09-速查卡.md#user-content-九-曲面查表)
---
### 题 4 · 6.2:四问走完(★★★)
> (真题骨架 2017·21)设二次型
>
> $$f(x_1,x_2,x_3)=2x_1^2+5x_2^2+5x_3^2+4x_1x_2-4x_1x_3-8x_2x_3 .$$
>
> (Ⅰ)写出 $f$ 的矩阵 $A$ ;
> (Ⅱ)求 $A$ 的特征值与特征向量;
> (Ⅲ)求正交矩阵 $Q$ 使 $Q^{\mathrm T}AQ$ 为对角阵,并写出标准形;
> (Ⅳ)判断曲面 $f=1$ 的类型,并求 $f$ 在 $\lVert x\rVert=1$ 上的最大值。
**怎么想**:标准四问,按顺序走,一步都别跳。第(Ⅱ)问看出 $(1,2,-2)$ 是特征向量是整题的关键——用"某行元素之和与另一行相等"这类结构去试,比硬展开快。第(Ⅳ)问的两小问是同一份特征值数据的两种用法。
**解**:
**(Ⅰ)** 交叉项折半:$4x_1x_2\to2$ ;$-4x_1x_3\to-2$ ;$-8x_2x_3\to-4$ :
$$A=\begin{pmatrix}2&2&-2\\2&5&-4\\-2&-4&5\end{pmatrix}.$$
**(Ⅱ)** 展开特征多项式(按第一行):
$$\lvert\lambda E-A\rvert=\begin{vmatrix}\lambda-2&-2&2\\-2&\lambda-5&4\\2&4&\lambda-5\end{vmatrix}.$$
用 $\operatorname{tr}A=2+5+5=12$ 、二阶主子式之和
$$\begin{vmatrix}2&2\\2&5\end{vmatrix}+\begin{vmatrix}2&-2\\-2&5\end{vmatrix}+\begin{vmatrix}5&-4\\-4&5\end{vmatrix}=6+6+9=21,$$
$$\lvert A\rvert=2(25-16)-2(10-8)+(-2)(-8+10)=18-4-4=10 .$$
得
$$\lvert\lambda E-A\rvert=\lambda^3-12\lambda^2+21\lambda-10=(\lambda-10)(\lambda-1)^2 .$$
(验:$(\lambda-10)(\lambda^2-2\lambda+1)=\lambda^3-12\lambda^2+21\lambda-10$ ✓。)
所以 $\lambda_1=\lambda_2=1$ 、$\lambda_3=10$ 。
**特征向量**:
$\lambda=1$ :解 $(E-A)x=0$ ,
$$E-A=\begin{pmatrix}-1&-2&2\\-2&-4&4\\2&4&-4\end{pmatrix}\longrightarrow\begin{pmatrix}1&2&-2\\0&0&0\\0&0&0\end{pmatrix},$$
$r=1$ ,基础解系取
$$\alpha_1=\begin{pmatrix}-2\\1\\0\end{pmatrix},\qquad\alpha_2=\begin{pmatrix}2\\0\\1\end{pmatrix}.$$
$\lambda=10$ :解 $(10E-A)x=0$ ,
$$10E-A=\begin{pmatrix}8&-2&2\\-2&5&4\\2&4&5\end{pmatrix}\longrightarrow\begin{pmatrix}1&0&\frac12\\0&1&1\\0&0&0\end{pmatrix},$$
即 $x_1=-\frac12x_3$ 、$x_2=-x_3$ 。取 $x_3=-2$ 得
$$\alpha_3=\begin{pmatrix}1\\2\\-2\end{pmatrix}.$$
**验算**:$A\alpha_3=(10,20,-20)^{\mathrm T}=10\alpha_3$ ✓;$A\alpha_1=(2,-1,0)^{\mathrm T}=\alpha_1$ ✓。
**(Ⅲ)** $\alpha_1,\alpha_2$ 属于同一重根,**必须施密特**(先检查:$\alpha_1\cdot\alpha_2=-4\ne0$ ,确实不正交):
$$\beta_1=\alpha_1=\begin{pmatrix}-2\\1\\0\end{pmatrix},\qquad\beta_2=\alpha_2-\frac{\alpha_2\cdot\beta_1}{\beta_1\cdot\beta_1}\beta_1=\begin{pmatrix}2\\0\\1\end{pmatrix}-\frac{-4}{5}\begin{pmatrix}-2\\1\\0\end{pmatrix}=\frac15\begin{pmatrix}2\\4\\5\end{pmatrix}.$$
取整为 $(2,4,5)^{\mathrm T}$ 。再验 $\alpha_3$ 与它们的关系:
$$\alpha_3\cdot\beta_1=-2+2+0=0,\qquad\alpha_3\cdot(2,4,5)^{\mathrm T}=2+8-10=0 .$$
实对称不同特征值的向量自动正交 ✓,可以直接用。
单位化:
$$q_1=\frac{1}{3}\begin{pmatrix}1\\2\\-2\end{pmatrix},\qquad q_2=\frac{1}{\sqrt5}\begin{pmatrix}-2\\1\\0\end{pmatrix},\qquad q_3=\frac{1}{3\sqrt5}\begin{pmatrix}2\\4\\5\end{pmatrix}.$$
($\lVert(1,2,-2)\rVert=3$ ;$\lVert(-2,1,0)\rVert=\sqrt5$ ;$\lVert(2,4,5)\rVert=\sqrt{45}=3\sqrt5$ 。)
$$Q=(q_1,q_2,q_3),\qquad Q^{\mathrm T}AQ=\mathrm{diag}(10,1,1).$$
于是作正交变换 $x=Qy$ 得标准形
$$f=10y_1^2+y_2^2+y_3^2 .$$
**验算**:$\operatorname{tr}(Q^{\mathrm T}AQ)=10+1+1=12=\operatorname{tr}A$ ✓;行列式 $10=\lvert A\rvert$ ✓。若发现 $Q^{\mathrm T}Q\ne E$ ,八成是 $q_3$ 忘了除以 $3\sqrt5$ 。
**(Ⅳ)** 第 1 小问:惯性指数 $(p,q)=(3,0)$ ,满秩且全正,故 $f=1$ 是**椭球面**。
第 2 小问:正交变换保长度,故 $\lVert x\rVert=1\iff\lVert y\rVert=1$ ,而
$$f=10y_1^2+y_2^2+y_3^2\leqslant10(y_1^2+y_2^2+y_3^2)=10,$$
等号当 $y=(1,0,0)^{\mathrm T}$ 时成立,即
$$x=q_1=\frac13(1,2,-2)^{\mathrm T}$$
时 $f=10$ 。故
$$\max_{\lVert x\rVert=1}f=10 .$$
(同理 $\min=1$ ,在 $x=\pm q_2$ 或 $\pm q_3$ 处取到。)
**带走结论**:这四问的骨架可以套到任何二次型大题上。三条硬规矩:**重根内部必施密特**;**$Q$ 的列序与 $\Lambda$ 的对角元对齐**(本题 $q_1$ 配 $10$ );**最值问题不需要真的做变换**,读出 $\lambda_{\max}$ 就有答案,但**取到最值的点 $x$ 是单位特征向量**,这一步常被漏问。
> **关联** · 盘点 [§6.2 综合题的常见问法](01-知识点盘点.md#user-content-62-综合题的常见问法) | 上游 — | 下游 — | 速查 [十 最值与综合四问](09-速查卡.md#user-content-十-最值与综合四问)
---
@@ -0,0 +1,158 @@
---
tags: [数学一, 在学练习, 线性代数, 二次型, 速查卡]
专题: 线性代数 第6讲 · 二次型(速查)
日期: 2026-10-24
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 第6讲 · 二次型:速查卡
考前十分钟只看这一页。
## 一 写矩阵三步
<!-- KP: 1.1 -->
```
① 平方项系数 → 对角元(不折半)
② 交叉项系数 ÷ 2 → 对称位置填两遍
③ 查一遍:写出的 A 必须对称
```
**反向**:$f=\sum a_{ii}x_i^2+2\sum_{i<j}a_{ij}x_ix_j$ 。
## 二 合同三句话
<!-- KP: 1.2 -->
$$A\simeq B\iff\text{存在可逆}\ C\ \text{使}\ C^{\mathrm T}AC=B .$$
$$A\simeq B\ (\text{实对称})\iff(p_A,q_A)=(p_B,q_B).$$
**合同保持**:惯性指数、秩、行列式**符号**。**不保持**:特征值、迹。
## 三 配方法两条路
<!-- KP: 2.1 -->
```
有平方项 a_ii ≠ 0 → 把含 x_i 的项全收进一个完全平方,递归
无平方项(全 a_ii = 0)→ 令 x1=y1+y2, x2=y1-y2 造出平方项
```
**交叉项必对应"和差换元"**,这一步不折半、不除 2。
## 四 正交变换五步
<!-- KP: 2.2 -->
```
① 写 A(交叉项折半)
② |λE-A| = 0 因式分解到底
③ (λE-A)x = 0 求基础解系
④ 重根内部施密特 + 全部单位化
⑤ 按列拼 Q,列序与 Λ 对角元对齐
```
$$Q^{\mathrm T}AQ=\Lambda\Longrightarrow f=\lambda_1y_1^2+\cdots+\lambda_ny_n^2 .$$
**两法分界**:题目出现"正交"两个字就必须走特征值;只说"可逆线性变换"用配方法更快。
## 五 惯性指数三算法
<!-- KP: 3.1 -->
| 方法 | 适用 |
|---|---|
| 求特征值数正负 | **最稳**,任何题都能用 |
| 配方法数标准形系数的正负 | 快,但系数不唯一(**符号个数唯一**) |
| 顺序主子式 | 只适合判正定,判惯性指数不便 |
$$p+q=r(A),\qquad\text{符号差}=p-q .$$
## 六 规范形
<!-- KP: 3.2 -->
$$f=y_1^2+\cdots+y_p^2-y_{p+1}^2-\cdots-y_r^2 .$$
**化法**:先化标准形,再令 $z_i=\sqrt{\lvert d_i\rvert}\,y_i$ 。
**唯一性**:标准形不唯一,**规范形唯一**(由 $(p,q)$ 定死)。
## 七 正定五条件
<!-- KP: 4.1 -->
1. 对一切 $x\ne0$ 有 $x^{\mathrm T}Ax>0$ ;
2. 全部特征值 $>0$ ;
3. 全部**顺序**主子式 $>0$ ;
4. $A\simeq E$ ;
5. $p=n$ 。
**负定**:$-A$ 正定,即 $(-1)^k\Delta_k>0$ 对每个 $k$ 成立。
## 八 顺序主子式含参流程
<!-- KP: 4.2, 4.3 -->
```
① 写 A ② 逐个算 Δ1 Δ2 … Δn ③ 解不等式组取交集
```
**半正定要"全部主子式" $\geqslant0$ **,正定才只需"顺序主子式"。这是最易错的一处。
**$\Delta_n=\lvert A\rvert>0$ 常给高次不等式**,务必分解到每个因式再画数轴。
## 九 曲面查表
<!-- KP: 6.1 -->
| $(p,q)$ | 曲面 | $(p,q)$ | 曲面 |
|---|---|---|---|
| $(3,0)$ | 椭球面 | $(2,0)$ | 椭圆柱面 |
| $(2,1)$ | 单叶双曲面 | $(1,1)$ | 双曲柱面 |
| $(1,2)$ | 双叶双曲面 | $(1,0)$ | 两张平行平面 |
**记法**:负号少(一个)是**单**叶,负号多(两个)是**双**叶。缺一个变量 $\to$ 柱面。右端是 $0$ $\to$ 锥面。
## 十 最值与综合四问
<!-- KP: 6.2 -->
$$\max_{\lVert x\rVert=1}x^{\mathrm T}Ax=\lambda_{\max},\qquad\min=\lambda_{\min}.$$
取到最值的 $x$ 是**单位特征向量**(这一步常被追问)。
四问骨架:写 $A$ $\to$ 求 $\lambda$ 与特征向量 $\to$ 求 $Q$ 与标准形 $\to$ 判曲面 / 求最值 / 判正定。
## 十一 四处最容易丢分
<!-- KP: 4.3 -->
1. **交叉项忘折半**,写出的 $A$ 不对称。写完必查 $A^{\mathrm T}=A$ 。
2. **重根内部忘施密特**。同一 $\lambda$ 的两个向量不自动正交(不同 $\lambda$ 才自动正交)。
3. **$q_i$ 忘单位化**或漏除模长,交上去的 $Q$ 不正交。做完必验 $Q^{\mathrm T}Q=E$ 。
4. **半正定只查顺序主子式**。反例:$A=\begin{pmatrix}0&0\\0&-1\end{pmatrix}$ 的顺序主子式 $\Delta_1=0$ 、$\Delta_2=0$ 都非负,但二阶主子式 $a_{22}=-1<0$ ,故**不是**半正定。坑全在"非顺序"的主子式上。
---
## 回查
<!-- AUTO:回查 -->
| 想查什么 | 对应题目 |
|---|---|
| 一 写矩阵三步 | [点 1 题 1](02-点1-矩阵表示与合同.md#user-content-题-1--11由二次型写矩阵)、[点 1 题 2](02-点1-矩阵表示与合同.md#user-content-题-2--11由矩阵写二次型) |
| 二 合同三句话 | [点 1 题 3](02-点1-矩阵表示与合同.md#user-content-题-3--12合同的必要条件)、[点 1 题 4](02-点1-矩阵表示与合同.md#user-content-题-4--12变换后矩阵的计算)、[点 1 题 5](02-点1-矩阵表示与合同.md#user-content-题-5--12合同的完整判定) |
| 三 配方法两条路 | [点 2 题 1](03-点2-配方法化标准形.md#user-content-题-1--21有平方项的逐次配方)、[点 2 题 2](03-点2-配方法化标准形.md#user-content-题-2--21无平方项时先造平方)、[点 2 题 3](03-点2-配方法化标准形.md#user-content-题-3--21写出完整的变换矩阵)、[点 2 题 4](03-点2-配方法化标准形.md#user-content-题-4--21两法结果不同惯性相同) |
| 四 正交变换五步 | [点 3 题 1](04-点3-正交变换化标准形.md#user-content-题-1--22完整五步)、[点 3 题 2](04-点3-正交变换化标准形.md#user-content-题-2--22含参二次型的惯性讨论)、[点 3 题 3](04-点3-正交变换化标准形.md#user-content-题-3--22由标准形反求不变量)、[点 3 题 4](04-点3-正交变换化标准形.md#user-content-题-4--22球面上的最值)、[点 3 题 5](04-点3-正交变换化标准形.md#user-content-题-5--22正交变换为什么不改变形状) |
| 五 惯性指数三算法 | [点 4 题 1](05-点4-惯性定理与规范形.md#user-content-题-1--31惯性定理说了什么)、[点 4 题 3](05-点4-惯性定理与规范形.md#user-content-题-3--31由秩反求参数) |
| 六 规范形 | [点 4 题 2](05-点4-惯性定理与规范形.md#user-content-题-2--32由标准形写规范形)、[点 4 题 4](05-点4-惯性定理与规范形.md#user-content-题-4--32用规范形判合同) |
| 七 正定五条件 | [点 5 题 2](06-点5-正定性判定.md#user-content-题-2--41五个条件的辨析)、[点 5 题 4](06-点5-正定性判定.md#user-content-题-4--41乘积矩阵的正定性) |
| 八 顺序主子式含参流程 | [点 5 题 1](06-点5-正定性判定.md#user-content-题-1--42顺序主子式判正定)、[点 5 题 3](06-点5-正定性判定.md#user-content-题-3--42含参正定求范围)、[点 5 题 5](06-点5-正定性判定.md#user-content-题-5--43半正定与所有主子式) |
| 九 曲面查表 | [点 7 题 1](08-点7-二次曲面.md#user-content-题-1--61由标准形读曲面名)、[点 7 题 2](08-点7-二次曲面.md#user-content-题-2--61先化标准形再判曲面)、[点 7 题 3](08-点7-二次曲面.md#user-content-题-3--61含参曲面的分类) |
| 十 最值与综合四问 | [点 7 题 4](08-点7-二次曲面.md#user-content-题-4--62四问走完) |
| 十一 四处最容易丢分 | [点 5 题 5](06-点5-正定性判定.md#user-content-题-5--43半正定与所有主子式) |
<!-- /AUTO:回查 -->
整册入口:[知识点盘点](01-知识点盘点.md)、[点 1](02-点1-矩阵表示与合同.md)、[点 2](03-点2-配方法化标准形.md)、[点 3](04-点3-正交变换化标准形.md)、[点 4](05-点4-惯性定理与规范形.md)、[点 5](06-点5-正定性判定.md)、[点 6](07-点6-合同与相似.md)、[点 7](08-点7-二次曲面.md)。
@@ -0,0 +1,106 @@
---
tags: [数学一, 在学练习, 线性代数, 二次型, README]
专题: 线性代数 第6讲 · 二次型
日期: 2026-10-24
状态: 知识点盘点 + 七点分册(知识点带题,30 题)
关联笔记: ["[[01-知识点盘点]]", "[[09-速查卡]]"]
---
# 线性代数 第6讲 · 二次型
真题库第 14 章。近十年 **10 题 80 分**:**5 道选择填空(23 分)$+$ 5 道解答题(57 分)**,解答题几乎年年在第 20—21 题。
这一讲是第 5 讲的**下游**:所有化标准形的题目,实质都是"求特征值 $+$ 正交对角化"。差别只在问法——第 5 讲问"求 $Q$ ",第 6 讲问"化标准形、写曲面、判正定"。真正新增的只有三块:**配方法**(不走特征值)、**惯性定理**(标准形不唯一但惯性唯一)、**正定性判据**(顺序主子式)。
## 这一版的结构
| 层 | 文件 | 作用 | 读法 |
|---|---|---|---|
| **地图** | `01-知识点盘点.md` | 大纲、真题、参考仓库三条线的知识点全摊开 | 先通读,之后只查不读 |
| **练** | `02`—`08` 七个点 | 每点先列知识点(含参考仓库出处),再按知识点内部条目顺序逐一对应出题,共 30 题 | 一天一个点,动手做 |
| **查** | `09-速查卡.md` | 十一组结论 $+$ 四处丢分点 $+$ 回查表 | 考前十分钟 |
## 文件清单
| 文件 | 内容 | 真题锚点 | 分值 | 题量 |
|---|---|---|---|---|
| `01-知识点盘点.md` | 六节盘点 $+$ 覆盖对照表 | — | — | 0 |
| `02-点1-矩阵表示与合同.md` | 交叉项折半、合同定义、变换后矩阵 | 一切题起手 | — | 5 |
| `03-点2-配方法化标准形.md` | 有/无平方项两条路、写变换矩阵 | 未单独考 | — | 4 |
| `04-点3-正交变换化标准形.md` | 五步流程、含参惯性、球面最值 | 2017·21、2020·21、2022·21、2023·21 | **46** | 5 |
| `05-点4-惯性定理与规范形.md` | 惯性指数三算法、规范形、判合同 | 2018·20、2019·5、2021·5、2025·5 | **18** | 4 |
| `06-点5-正定性判定.md` | 五条件、顺序主子式、半正定 | 2024·15 | **5** | 5 |
| `07-点6-合同与相似.md` | 分界五辨析、由合同反求参数 | 选择高频 | — | 3 |
| `08-点7-二次曲面.md` | 曲面查表、含参分类、四问综合 | 2016·6、2022·21 | **9** | 4 |
| `09-速查卡.md` | 十一组结论 $+$ 四处丢分点 | — | — | 0 |
合计 **30 题**。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
## 建议的三轮读法
**第一轮(1.5 小时)**:`01` 通读 $+$ `02`。`02` 只有一件事——**交叉项折半**,但这一错后面全错,必须做到写完立刻自查 $A^{\mathrm T}=A$ 。
**第二轮(3 小时)**:`04`、`05`。这两节吃掉 64 分,解答题全在这里。**`04` 的五步流程必须练到闭卷不停顿**(与第 5 讲点 4 是同一套动作)。
**第三轮(1.5 小时)**:`06`、`07` $+$ `08` $+$ `03` $+$ `09` 。`06` 的顺序主子式是含参题的通用钥匙;`08` 的曲面是解答题第 4 问的标准答法。
时间不够时按这个顺序砍:`03` $\to$ `08` 的题 2、题 3 $\to$ `07` 的题 3 。**`04` 与 `06` 一定不能砍**。
## 双向链接怎么用
| 粒度 | 在哪儿 | 什么时候用 |
|---|---|---|
| **册** | 本文件「文件清单」 | 决定今天做哪一个点 |
| **知识点** | 各点文件开头的知识点标题(含参考仓库出处) | 做题卡住时回看判据 |
| **题** | 每题末尾的「关联」行 $+$ 盘点 §0.4 $+$ 速查回查表 | 从知识点反查"它在哪几道题里练过" |
每道题末尾固定一行:
```
> **关联** · 盘点 §X.Y | 上游 | 下游 | 速查
```
四个方向全部指向**具体题目的锚点**。
## 锚点怎么写(Gitea 两条方向相反的规则)
标题 id $=$ `user-content-` $+$ 标题原文小写化(保留字母数字汉字与下划线,空格变 `-`,**其余标点全部删除**)。
| 链接类型 | 写法 |
|---|---|
| 同文件 | `#题-1--11由二次型写矩阵` |
| 跨文件 | `04-点3-正交变换化标准形.md#user-content-题-1--22完整五步` |
**标题里不许出现公式**:`$...$` 会让锚点漂移,脚本算不出来(本讲所有题目标题已改为纯文字)。
写完校验:
```bash
python .workbuddy/tools/md2pdf/gen_crosslinks.py 线性代数-第6讲-二次型
python .workbuddy/tools/md2pdf/check_md_links.py 线性代数-第6讲-二次型
python .workbuddy/tools/md2pdf/fix_gitea_math.py --check --scope=线性代数-第6讲-二次型
```
## 与其他讲的接口
| 本讲内容 | 来源 / 去向 | 用法 |
|---|---|---|
| $\lvert\lambda E-A\rvert=0$ | 第 5 讲点 1 | 求标准形系数 |
| $Q^{\mathrm T}AQ=\Lambda$ | 第 5 讲点 4 | 正交变换 |
| 施密特正交化 | 第 3 讲点 6 | 重根内部正交化 |
| 顺序主子式 | 第 1 讲行列式 | 判正定 |
| $r(A^{\mathrm T}A)=r(A)$ | 第 2 讲矩阵 | 证 $A^{\mathrm T}A$ 正定 |
| $r(A)$ 与基础解系 | 第 4 讲 | 判秩、求惯性指数 |
## 版本记录
| 日期 | 变更 |
|---|---|
| 2026-10-24 | 建文件夹,按「知识点盘点 $+$ 七点分册 $+$ 速查卡」共 10 个文件(30 题),每题嵌题目级双向链接 |
## 两条写作约定
1. **不生成 PDF**。只出 Markdown。
2. **单个文件不超过 1.3 万字符**,超了就拆。
题面数据除标注「真题骨架」外均为另设,只对齐考法。参考 `参考仓库/Math/linear-algebra/knowledge/6-quadratic-form/quadratic-form.tex` 与 `exercise/6-quadratic-form/quadratic-form.tex` 。