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 +1,237 @@
---
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)
---