diff --git a/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/01-知识点盘点.md b/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/01-知识点盘点.md index 2e54a64..608d1b1 100644 --- a/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/01-知识点盘点.md +++ b/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/01-知识点盘点.md @@ -2,8 +2,8 @@ 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(九节 + 覆盖对照表),配套 7 个点分册共 36 题 -关联笔记: ["[[README]]", "[[10-速查卡]]"] +状态: 知识点盘点(§0—§7 知识地图 + §8 指针),覆盖对照与接口见 01b,配套 7 个点分册共 36 题 +关联笔记: ["[[README]]", "[[01b-覆盖对照与接口]]", "[[09-速查卡]]"] --- # 第5讲 · 特征值与特征向量:知识点盘点 @@ -72,18 +72,19 @@ tags: [数学一, 在学练习, 线性代数, 特征值, 知识点盘点] | §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) | | §1.3 几何重数与可对角化判据 | [点 1 题 4](02-点1-定义与求法.md#user-content-题-4--13含参矩阵与可对角化判定)、[点 1 题 5](02-点1-定义与求法.md#user-content-题-5--13有重根却能对角化) | | §1.4 特征向量的性质 | [点 1 题 6](02-点1-定义与求法.md#user-content-题-6--14特征向量的四条性质)、[点 1 题 7](02-点1-定义与求法.md#user-content-题-7--14不同特征值特征向量无关的证明) | -| §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) | +| §2.1 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) | +| §2.2 派生矩阵的特征值 | [点 2 题 2](03-点2-特征值的性质.md#user-content-题-2--22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) | | §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) | +| §4.2 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) | | §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) | +| §4.4 谱分解 | [点 4 题 3](05-点4-实对称矩阵正交对角化.md#user-content-题-3--44由特征值与特征向量反求实对称矩阵) | +| §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由特征向量矩阵与对角阵反求原矩阵)、[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--52矩阵与其转置的特征值相同)、[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--61二阶矩阵求高次幂)、[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) | @@ -279,6 +280,21 @@ $$x^{\mathrm T}Ax=y^{\mathrm T}(Q^{\mathrm T}AQ)y=y^{\mathrm T}\Lambda y=\lambda 这正是第 6 讲"正交变换化标准形"的全部内容——**第 5 讲做对了,第 6 讲只是换个问法**。 +### 4.4 谱分解 + +把 4.1 定理 3 反过来写: + +$$A=Q\Lambda Q^{\mathrm T}=\sum_{i=1}^{n}\lambda_iq_iq_i^{\mathrm T}\qquad(q_i\ \text{为单位正交特征向量}).$$ + +**用途**:特征向量已两两正交且单位化时,$A$ 可以直接"抄"出来,不必求 $P^{-1}$ 。由 $\sum q_iq_i^{\mathrm T}=E$ 得两个常用化形: + +| 已知 | 化形 | +|---|---| +| 单根 $\mu$ 的向量为 $q$ ,其余 $n-1$ 个特征值都是 $\lambda$ | $A=\lambda E+(\mu-\lambda)qq^{\mathrm T}$ | +| 上一条且 $q=\frac{1}{\sqrt n}(1,\dots,1)^{\mathrm T}$ | $A=\lambda E+\dfrac{\mu-\lambda}{n}J$ | + +**两条配套事实**:① 分解前必须单位化,否则要用 $\dfrac{\xi_i\xi_i^{\mathrm T}}{\lVert\xi_i\rVert^2}$ ;② 实对称时已知一个特征向量,其余特征向量落在它的正交补($n-1$ 维)里,任取正交基即可。 + ## 5 反求矩阵与抽象条件 ### 5.1 由特征值特征向量反求矩阵 @@ -331,6 +347,10 @@ $$\lvert A\rvert=\prod\lambda_i,\qquad \lvert f(A)\rvert=\prod f(\lambda_i),\qqu $$r(A)=n-\dim N(A)=n-\#\{\text{属于 }0\text{ 的线性无关特征向量}\}.$$ +**伴随矩阵的秩**(第 2 讲):$r(A)=n$ 时 $r(A^{*})=n$ ;$r(A)=n-1$ 时 $r(A^{*})=1$ ;$r(A) (Ⅰ)$\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。 +> (Ⅳ)若 $A$ 为三阶,三个特征值 $\lambda_1,\lambda_2,\lambda_3$ **互不相同**,对应特征向量依次为 $\xi_1,\xi_2,\xi_3$ ,则三者线性无关。 **怎么想**:逐条对照 1.4 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。 @@ -258,7 +258,7 @@ $P=(\xi_1,\xi_2,\xi_3)$ 的 $\lvert P\rvert=3\ne0$ ,故 $P^{-1}AP=\mathrm{diag (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。 +(Ⅳ)**对**。一般结论:**互异特征值各取一个特征向量,所得向量组必线性无关**。证明用归纳:设 $c_1\xi_1+c_2\xi_2+c_3\xi_3=0$ ,左乘 $A$ 得 $c_1\lambda_1\xi_1+c_2\lambda_2\xi_2+c_3\lambda_3\xi_3=0$ ,两式相减消去含 $\xi_3$ 的项,化为两个向量的情形,由性质 2 得 $c_1=c_2=0$ ,回代得 $c_3=0$ 。 **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。 diff --git a/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/03-点2-特征值的性质.md b/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/03-点2-特征值的性质.md index 036698a..fc2d8f8 100644 --- a/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/03-点2-特征值的性质.md +++ b/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/03-点2-特征值的性质.md @@ -35,6 +35,8 @@ $$\sum_{i=1}^{n}\lambda_i=\operatorname{tr}A,\qquad\prod_{i=1}^{n}\lambda_i=\lve **最常用**:$f(A)\xi=f(\lambda)\xi$ 。 +**两条常用附加值**:由 $A^{*}$ 的特征值 $\lvert A\rvert/\lambda$ 连乘得 $\lvert A^{*}\rvert=\lvert A\rvert^{n-1}$ ;又 $\prod\lambda_i=\lvert A\rvert$ 可反解"缺的那个特征值"。 + ## 知识点 2.3 重数与几何重数(出处:[知识章 similar.tex §4](../../../../参考仓库/Math/linear-algebra/knowledge/5-similar/similar.tex)) 代数重数 $n_i$ = 特征方程根的次数;几何重数 $m_i=n-r(\lambda_iE-A)$ = 特征子空间维数。 @@ -65,11 +67,11 @@ $$1+2+\lambda_3=6\Longrightarrow\lambda_3=3 .$$ **带走结论**:三阶题给两个特征值就是白送第三个——**用迹减,用行列式验**。若两式给出的答案不一致,说明题目里有一个特征值抄错了。 -> **关联** · 盘点 [§2.1 特征值的和与积](01-知识点盘点.md#user-content-21-特征值的和与积) | 上游 — | 下游 [点 2 题 2](03-点2-特征值的性质.md#user-content-题-2--21特征值与行列式的连锁换算) | 速查 [三 特征值的六条运算](09-速查卡.md#user-content-三-特征值的六条运算) +> **关联** · 盘点 [§2.1 特征值的和与积](01-知识点盘点.md#user-content-21-特征值的和与积) | 上游 — | 下游 — | 速查 [三 特征值的六条运算](09-速查卡.md#user-content-三-特征值的六条运算) --- -### 题 2 · 2.1:特征值与行列式的连锁换算(★★☆) +### 题 2 · 2.2:特征值与行列式的连锁换算(★★☆) > 【2018·13 骨架】设 $A$ 为三阶矩阵,$A$ 的特征值为 $1,2,3$ 。求 $\lvert A^{*}+E\rvert$ 。 @@ -87,7 +89,7 @@ $$\lvert A^{*}+E\rvert=7\times4\times3=84 .$$ **带走结论**:**加 $E$ 就是特征值加 1**(因 $f(A)=A+E$ 对应 $f(\lambda)=\lambda+1$ )。这类题全程只需特征值的四则运算,绝不需求 $A$ 或 $A^{*}$ 的具体矩阵。 -> **关联** · 盘点 [§2.1 特征值的和与积](01-知识点盘点.md#user-content-21-特征值的和与积) | 上游 [点 2 题 1](03-点2-特征值的性质.md#user-content-题-1--21由迹与行列式反求第三个特征值) | 下游 — | 速查 [三 特征值的六条运算](09-速查卡.md#user-content-三-特征值的六条运算) +> **关联** · 盘点 [§2.2 派生矩阵的特征值](01-知识点盘点.md#user-content-22-派生矩阵的特征值) | 上游 — | 下游 [点 2 题 3](03-点2-特征值的性质.md#user-content-题-3--22派生矩阵的特征值一次算完)、[点 2 题 4](03-点2-特征值的性质.md#user-content-题-4--22迹与特征值的双向使用) | 速查 [三 特征值的六条运算](09-速查卡.md#user-content-三-特征值的六条运算) --- @@ -119,7 +121,7 @@ $$f(1)=1,\quad f(-1)=7,\quad f(2)=1 .$$ **带走结论**:(Ⅰ)里出现 $0$ 说明 $A^2+A-2E$ **不可逆**——这是命题人常设的下一步。$A^{\mathrm T}$ 与 $A$ 特征值相同但要记住**特征向量不同**。 -> **关联** · 盘点 [§2.2 派生矩阵的特征值](01-知识点盘点.md#user-content-22-派生矩阵的特征值) | 上游 — | 下游 [点 2 题 4](03-点2-特征值的性质.md#user-content-题-4--22迹与特征值的双向使用) | 速查 [三 特征值的六条运算](09-速查卡.md#user-content-三-特征值的六条运算) +> **关联** · 盘点 [§2.2 派生矩阵的特征值](01-知识点盘点.md#user-content-22-派生矩阵的特征值) | 上游 [点 2 题 2](03-点2-特征值的性质.md#user-content-题-2--22特征值与行列式的连锁换算) | 下游 [点 2 题 4](03-点2-特征值的性质.md#user-content-题-4--22迹与特征值的双向使用) | 速查 [三 特征值的六条运算](09-速查卡.md#user-content-三-特征值的六条运算) --- @@ -145,7 +147,7 @@ $$\lvert A+E\rvert=2\times2\times3=12 ,$$ **带走结论**:**给"$n$ 个线性无关的特征向量"就等于说"可对角化"**,不用再验重数。反之给"$n$ 个互异特征值"也等价。 -> **关联** · 盘点 [§2.2 派生矩阵的特征值](01-知识点盘点.md#user-content-22-派生矩阵的特征值) | 上游 [点 2 题 3](03-点2-特征值的性质.md#user-content-题-3--22派生矩阵的特征值一次算完) | 下游 — | 速查 [三 特征值的六条运算](09-速查卡.md#user-content-三-特征值的六条运算) +> **关联** · 盘点 [§2.2 派生矩阵的特征值](01-知识点盘点.md#user-content-22-派生矩阵的特征值) | 上游 [点 2 题 2](03-点2-特征值的性质.md#user-content-题-2--22特征值与行列式的连锁换算)、[点 2 题 3](03-点2-特征值的性质.md#user-content-题-3--22派生矩阵的特征值一次算完) | 下游 — | 速查 [三 特征值的六条运算](09-速查卡.md#user-content-三-特征值的六条运算) --- @@ -175,7 +177,7 @@ $2E-A=\begin{pmatrix}1&-1&0\\0&1&0\\0&0&0\end{pmatrix}$ ,$r=2$ ,故 $m_3=3-2 **验算**:$\operatorname{tr}A=4=1+1+2$ ✓;$\lvert A\rvert=2=1\cdot1\cdot2$ ✓。 -**带走结论**:**看 $r(\lambda E-A)$ 就能判一切**。$\lambda$ 是 $k$ 重根时,若 $r(\lambda E-A)=n-k$ 则可对角化(几何重数恰为 $k$ ),若严格小于则可对角化失败。本题 $n-k=3-2=1$? 注意:$n_1=2$ 要求 $m_1=2$ ,即需 $r(E-A)=1$ ,实际 $r=2$ ,失败。 +**带走结论**:**看 $r(\lambda E-A)$ 就能判一切**。设 $\lambda_i$ 的代数重数为 $n_i$ 。因 $m_i=n-r(\lambda_iE-A)\leqslant n_i$ ,必然 $r(\lambda_iE-A)\geqslant n-n_i$ ——秩不会比这个下界更小,所以**判据就是取等号**:$r(\lambda_iE-A)=n-n_i$ 时可对角化,比它大就失败。本题 $n_1=2$ 要求 $r(E-A)=3-2=1$ ,实际 $r=2$ ,失败。 > **关联** · 盘点 [§2.3 重数与几何重数](01-知识点盘点.md#user-content-23-重数与几何重数) | 上游 — | 下游 [点 2 题 6](03-点2-特征值的性质.md#user-content-题-6--23幂等矩阵的全部结论) | 速查 [四 重数与可对角化](09-速查卡.md#user-content-四-重数与可对角化) diff --git a/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/04-点3-相似与相似对角化.md b/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/04-点3-相似与相似对角化.md index 315c5f3..3720b19 100644 --- a/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/04-点3-相似与相似对角化.md +++ b/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/04-点3-相似与相似对角化.md @@ -78,7 +78,7 @@ $$A\ \text{可对角化}\iff A\ \text{有}\ n\ \text{个线性无关的特征向 > (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 $r(E-B)$ 。 +**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,$B$ 是上三角且右上有非零元($\lambda=1$ 只占一个方向),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。 diff --git a/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/05-点4-实对称矩阵正交对角化.md b/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/05-点4-实对称矩阵正交对角化.md index 1adbf4e..a3b9e41 100644 --- a/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/05-点4-实对称矩阵正交对角化.md +++ b/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/05-点4-实对称矩阵正交对角化.md @@ -2,7 +2,7 @@ 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) +状态: 知识点带题(4.1 三定理、4.2 五步、4.3 正交矩阵、4.4 谱分解,5 题) 关联笔记: ["[[README]]", "[[01-知识点盘点]]"] --- @@ -33,6 +33,8 @@ tags: [数学一, 在学练习, 线性代数, 特征值, 实对称, 正交对角 **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。 +**开局捷径(省掉整个行列式)**:若 $A$ 各行元素之和都等于 $s$ ,则 $(1,\dots,1)^{\mathrm T}$ 就是 $\lambda=s$ 的特征向量(理由见 §1.2);再由 $\operatorname{tr}A$ 与 $\lvert A\rvert$ 把剩下两个特征值逼出来。**三阶实对称题九成可以先走这一步**。 + ## 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 @@ -41,6 +43,29 @@ $$x^{\mathrm T}Ax=y^{\mathrm T}(Q^{\mathrm T}AQ)y=\lambda_1y_1^2+\cdots+\lambda_ 这就是第 6 讲"正交变换化标准形"的全部内容。 +## 知识点 4.4 谱分解(够用版,出处:[知识章 similar.tex §7](../../../../参考仓库/Math/linear-algebra/knowledge/5-similar/similar.tex)) + +把 4.1 定理 3 的 $Q^{\mathrm T}AQ=\Lambda$ 反过来写,就是**谱分解**: + +$$A=Q\Lambda Q^{\mathrm T}=\sum_{i=1}^{n}\lambda_iq_iq_i^{\mathrm T}\qquad(q_i\ \text{为}Q\text{的列,即单位正交特征向量}).$$ + +**为什么好用**:$q_iq_i^{\mathrm T}$ 是"投影到 $q_i$ 方向"的秩 1 矩阵,且 $\sum_iq_iq_i^{\mathrm T}=QQ^{\mathrm T}=E$ 。所以只要特征向量**两两正交且已单位化**,就能直接读出 $A$ ,**连 $P^{-1}$ 都不用求**。 + +**两个必记的化形**(重根占 $n-1$ 维时最省事): + +| 已知条件 | 化形 | +|---|---| +| 单根 $\mu$ 的向量为 $q$ ,其余 $n-1$ 个特征值全为 $\lambda$ | $A=\lambda E+(\mu-\lambda)qq^{\mathrm T}$ | +| 上一条中 $q=\frac{1}{\sqrt n}(1,\dots,1)^{\mathrm T}$ | $A=\lambda E+\dfrac{\mu-\lambda}{n}J$ | + +**唯一的坑**:分解前必须**单位化**。写成 $A=\sum\lambda_i\xi_i\xi_i^{\mathrm T}$ 是错的,正确的是 + +$$A=\sum_i\lambda_i\frac{\xi_i\xi_i^{\mathrm T}}{\lVert\xi_i\rVert^2}.$$ + +**还有一条配套事实**:实对称且已知某个特征向量 $\xi$ 时,其余特征向量**必与 $\xi$ 正交**(4.1 定理 2),所以它们落在 $\xi$ 的正交补里——那是个 $n-1$ 维空间,随便取一组正交基即可,**不用解方程组**。 + +**分工**:本节只给"够用版",服务点 4 题 3;反求矩阵的系统讲法(缺向量怎么补、何时化 $aE+bJ$ )见 [点 5 §5.1 反求矩阵](06-点5-反求矩阵与抽象条件.md)。 + --- ## 题目(按知识点顺序对应) @@ -114,11 +139,11 @@ $$Q^{\mathrm T}AQ=\Lambda=\begin{pmatrix}1&0&0\\0&1&0\\0&0&4\end{pmatrix}.$$ **带走结论**:"行和相等"的实对称矩阵,**立即得到 $(1,1,\dots,1)$ 方向的特征值等于行和**。这是最省时间的第一步,看到三行之和相同的对称矩阵就该条件反射。 -> **关联** · 盘点 [§4.2 正交对角化五步](01-知识点盘点.md#user-content-42-正交对角化五步) | 上游 — | 下游 [点 4 题 3](05-点4-实对称矩阵正交对角化.md#user-content-题-3--42由特征值与特征向量反求实对称矩阵) | 速查 [七 正交对角化五步](09-速查卡.md#user-content-七-正交对角化五步) +> **关联** · 盘点 [§4.2 正交对角化五步](01-知识点盘点.md#user-content-42-正交对角化五步) | 上游 — | 下游 — | 速查 [七 正交对角化五步](09-速查卡.md#user-content-七-正交对角化五步) --- -### 题 3 · 4.2:由特征值与特征向量反求实对称矩阵(★★★) +### 题 3 · 4.4:由特征值与特征向量反求实对称矩阵(★★★) > 【2021·21 骨架】设 $A$ 为三阶实对称矩阵,特征值为 $\lambda_1=\lambda_2=1$ 、$\lambda_3=-1$ ,且属于 $\lambda_3=-1$ 的特征向量为 $\xi=(1,1,1)^{\mathrm T}$ 。 > @@ -126,7 +151,7 @@ $$Q^{\mathrm T}AQ=\Lambda=\begin{pmatrix}1&0&0\\0&1&0\\0&0&4\end{pmatrix}.$$ > (Ⅱ)求正交矩阵 $Q$ 使 $Q^{\mathrm T}AQ=\Lambda$ ; > (Ⅲ)求 $\lvert A+2E\rvert$ 。 -**怎么想**:实对称的关键优势——**知道一个特征向量就等于知道了整个正交基的第三个方向**,另两个方向落在 $x_1+x_2+x_3=0$ 里,可任取正交基。$A$ 用谱分解 $A=\sum\lambda_ie_ie_i^{\mathrm T}$ 一步写出。 +**怎么想**:实对称的关键优势——**知道一个特征向量就等于知道了整个正交基的第三个方向**,另两个方向落在 $x_1+x_2+x_3=0$ 里,可任取正交基。$A$ 用谱分解(§4.4)$A=\sum\lambda_iq_iq_i^{\mathrm T}$ 一步写出。 **解**: @@ -156,9 +181,9 @@ $$Q=(u_1,u_2,u_3),\qquad Q^{\mathrm T}AQ=\Lambda=\mathrm{diag}(1,1,-1).$$ $$\lvert A+2E\rvert=3\times3\times1=9 .$$ -**带走结论**:**"实对称 $+$ 已知一个特征向量"型题目的唯一解法是谱分解** $A=\sum\lambda_ie_ie_i^{\mathrm T}$ 。若重特征值恰好占两个方向,$A$ 直接化成 $E-kJ$ 的形式,比解方程组快十倍。 +**带走结论**:**"实对称 + 已知一个特征向量"型题目的标准解法是谱分解** $A=\sum\lambda_iq_iq_i^{\mathrm T}$ (§4.4)。本题重特征值恰好占两个方向,于是 $A$ 化成 $E-\frac23J$ 的形式,比"求 $P^{-1}$ 再相乘"快十倍。若只想稳,也可以取 $Q$ 为正交阵、用 $A=Q\Lambda Q^{\mathrm T}=Q\Lambda Q^{-1}$ 算,结果一样。 -> **关联** · 盘点 [§4.2 正交对角化五步](01-知识点盘点.md#user-content-42-正交对角化五步) | 上游 [点 4 题 2](05-点4-实对称矩阵正交对角化.md#user-content-题-2--42三阶实对称的完整五步) | 下游 — | 速查 [七 正交对角化五步](09-速查卡.md#user-content-七-正交对角化五步) +> **关联** · 盘点 [§4.4 谱分解](01-知识点盘点.md#user-content-44-谱分解) | 上游 — | 下游 — | 速查 [七 正交对角化五步](09-速查卡.md#user-content-七-正交对角化五步) --- diff --git a/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/06-点5-反求矩阵与抽象条件.md b/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/06-点5-反求矩阵与抽象条件.md index be2d790..a97f293 100644 --- a/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/06-点5-反求矩阵与抽象条件.md +++ b/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/06-点5-反求矩阵与抽象条件.md @@ -23,11 +23,21 @@ $$A=P\Lambda P^{-1},\qquad P=(\xi_1,\dots,\xi_n),\ \Lambda=\mathrm{diag}(\lambda **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。 +**缺一个特征向量的三种补法**(实对称且特征值互异时最常用第一种): + +| 已知条件 | 补法 | +|---|---| +| 实对称 $+$ 特征值互异 | 其余特征向量**必与已知的正交**,取正交补的一组基;三阶时直接用**叉乘** $\xi_3=\xi_1\times\xi_2$ | +| 只知 $P$ 需可逆 | 任取与已知向量线性无关的向量,再回代验 $A\xi=\lambda\xi$ | +| 某行(列)已知 | 用 $A\xi_i=\lambda_i\xi_i$ 的某个分量解出未知数 | + +**叉乘为什么能用**:$\xi_1\times\xi_2$ 同时垂直于 $\xi_1,\xi_2$ ,而三阶时正交补恰是一维——**方向唯一,只差一个倍数**,故就是 $\xi_3$ 的方向。 + **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。 +比重特征值时,若某方向占两维,常化为 $A=aE+bJ$ 的形式。**推导与两个化形在 [点 4 §4.4 谱分解](05-点4-实对称矩阵正交对角化.md)** ,本节直接用。 ## 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)) @@ -47,7 +57,7 @@ $$A^2-3A+2E=O\Longrightarrow\lambda^2-3\lambda+2=0\Longrightarrow\lambda\in\{1,2 ## 题目(按知识点顺序对应) -### 题 1 · 5.1:由 $P$ 与 $\Lambda$ 反求 $A$ (★★☆) +### 题 1 · 5.1:由特征向量矩阵与对角阵反求原矩阵(★★☆) > 设三阶矩阵 $A$ 的特征值为 $\lambda_1=3,\lambda_2=1$ ,对应的特征向量分别为 $\xi_1=(1,1)^{\mathrm T}$ 、$\xi_2=(1,-1)^{\mathrm T}$ 。求 $A$ 。 @@ -97,7 +107,7 @@ $$\lvert A+2E\rvert=3\times3\times2=18 .$$ **带走结论**:**$r(A)$ 在幂等矩阵里就是"1 的个数"**,这是把秩条件转成特征值条件的唯一桥梁。若题目改成 $r(A)=1$ ,特征值就是 $1,0,0$ ,答案 $\lvert A+2E\rvert=3\times2\times2=12$ 。 -> **关联** · 盘点 [§5.2 抽象条件与矩阵方程](01-知识点盘点.md#user-content-52-抽象条件与矩阵方程) | 上游 — | 下游 [点 5 题 4](06-点5-反求矩阵与抽象条件.md#user-content-题-4--52a-与-amathrm-t-的特征值相同)、[点 5 题 5](06-点5-反求矩阵与抽象条件.md#user-content-题-5--52多项式条件下求行列式) | 速查 [九 抽象条件三件套](09-速查卡.md#user-content-九-抽象条件三件套) +> **关联** · 盘点 [§5.2 抽象条件与矩阵方程](01-知识点盘点.md#user-content-52-抽象条件与矩阵方程) | 上游 — | 下游 [点 5 题 4](06-点5-反求矩阵与抽象条件.md#user-content-题-4--52矩阵与其转置的特征值相同)、[点 5 题 5](06-点5-反求矩阵与抽象条件.md#user-content-题-5--52多项式条件下求行列式) | 速查 [九 抽象条件三件套](09-速查卡.md#user-content-九-抽象条件三件套) --- @@ -137,13 +147,13 @@ $$A=\begin{pmatrix}\frac13+1+\frac12&\frac13-1+\frac12&\frac13+0-1\\[2pt]\frac13 **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。 +**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 $A=\sum\lambda_iq_iq_i^{\mathrm T}$ 比重特征值内部做施密特(见点 4 §4.2)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) +> **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由特征向量矩阵与对角阵反求原矩阵) | 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(★★☆) +### 题 4 · 5.2:矩阵与其转置的特征值相同(★★☆) > 设 $A$ 为 $n$ 阶矩阵。证明: > @@ -197,6 +207,6 @@ $$\lvert A\rvert=6,\quad\lvert A-E\rvert=(1-1)(2-1)(3-1)=0,$$ **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) +> **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--52矩阵与其转置的特征值相同) | 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) --- diff --git a/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/07-点6-对角化的应用.md b/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/07-点6-对角化的应用.md index 30610e4..cddff14 100644 --- a/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/07-点6-对角化的应用.md +++ b/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/07-点6-对角化的应用.md @@ -23,7 +23,7 @@ $$A^{m}=P\Lambda^{m}P^{-1}=P\,\mathrm{diag}(\lambda_1^m,\dots,\lambda_n^m)\,P^{- **$P^{-1}$ 速算**:二阶用 $\dfrac{1}{ad-bc}\begin{pmatrix}d&-b\\-c&a\end{pmatrix}$ ;尽量让 $P$ 的列为整数且 $\lvert P\rvert=\pm1$ ,则 $P^{-1}$ 也是整数阵。 -**特殊结构捷径**:若 $A=aI+bJ$ ($J$ 为全 1 矩阵),则 $J^k=n^{k-1}J$ ,故 +**特殊结构捷径**:若 $A=aI+bJ$ ($J$ 为全 1 矩阵)。**来历**:$E$ 与 $J$ 可交换,故 $(aI+bJ)^m$ 可直接二项式展开;又 $J=\mathbf{1}\mathbf{1}^{\mathrm T}$ 是秩 1 矩阵,$J^k=\mathbf{1}(\mathbf{1}^{\mathrm T}\mathbf{1})^{k-1}\mathbf{1}^{\mathrm T}=n^{k-1}J$ 。于是 $$A^{m}=a^{m}E+\frac{(a+nb)^{m}-a^{m}}{n}J .$$ @@ -37,13 +37,19 @@ $$r(A)=\text{非零特征值的个数}\qquad(\text{仅当}\ A\ \text{可对角 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**。 +**伴随矩阵的秩**(第 2 讲,本点题 3、题 4 直接要用,先备着): + +$$r(A^{*})=\begin{cases}n, & r(A)=n\\[2pt]1, & r(A)=n-1\\[2pt]0, & r(A) 设 $A=\begin{pmatrix}1&2\\0&3\end{pmatrix}$ ,求 $A^{n}$ ($n$ 为正整数)。 @@ -104,7 +110,7 @@ $$A^{n}=E+\frac{4^{n}-1}{3}J .$$ **带走结论**:**看到 $aI+bJ$ 结构就走二项式,不走对角化**。$J^k=n^{k-1}J$ 这条要背下来——它是"秩 1 矩阵"的通用性质($J=\mathbf{1}\mathbf{1}^{\mathrm T}$ ,故 $J^k=\mathbf{1}(\mathbf{1}^{\mathrm T}\mathbf{1})^{k-1}\mathbf{1}^{\mathrm T}=n^{k-1}J$ )。 -> **关联** · 盘点 [§6.1 用对角化求矩阵幂](01-知识点盘点.md#user-content-61-用对角化求矩阵幂) | 上游 [点 6 题 1](07-点6-对角化的应用.md#user-content-题-1--61二阶求-an-) | 下游 — | 速查 [十 求矩阵幂](09-速查卡.md#user-content-十-求矩阵幂) +> **关联** · 盘点 [§6.1 用对角化求矩阵幂](01-知识点盘点.md#user-content-61-用对角化求矩阵幂) | 上游 [点 6 题 1](07-点6-对角化的应用.md#user-content-题-1--61二阶矩阵求高次幂) | 下游 — | 速查 [十 求矩阵幂](09-速查卡.md#user-content-十-求矩阵幂) --- @@ -134,9 +140,7 @@ $$\lvert A^{*}+E\rvert=1\times1\times5=5 .$$ **验算**:直接取 $A=\mathrm{diag}(2,2,0)$ (相似不改行列式),则 $A^{*}+E=\mathrm{diag}(1,1,5)$ ,行列式 $5$ ✓。 -**带走结论**:**$A$ 不可逆时 $A^{*}$ 的特征值要用"其余对角元之积"算**。最稳的办法是先把 $A$ 化成对角阵(相似变换保持 $A^{*}$ 的相似关系),对角阵的伴随直接读。 - -**带走结论**:**当 $A$ 不可逆时必须改用"两两乘积"算**,套 $\lvert A\rvert/\lambda$ 会错。最稳的办法是直接把 $A$ 化成对角阵再算 $A^{*}$ (对角阵的伴随也是对角阵,元素是其余对角元之积)。 +**带走结论**:**当 $A$ 不可逆时必须改用"两两乘积"算**,套 $\lvert A\rvert/\lambda$ 会错。最稳的办法是先把 $A$ 化成对角阵(相似变换保持 $A^{*}$ 的相似关系),再读对角阵的伴随——它也是对角阵,元素是其余对角元之积。 > **关联** · 盘点 [§6.2 用特征值算行列式与秩](01-知识点盘点.md#user-content-62-用特征值算行列式与秩) | 上游 — | 下游 [点 6 题 4](07-点6-对角化的应用.md#user-content-题-4--62秩与特征值的联手) | 速查 [十一 四处最容易丢分](09-速查卡.md#user-content-十一-四处最容易丢分) diff --git a/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/08-点7-与二次型的接口.md b/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/08-点7-与二次型的接口.md index 604e0e5..a926a8c 100644 --- a/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/08-点7-与二次型的接口.md +++ b/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/08-点7-与二次型的接口.md @@ -26,6 +26,12 @@ tags: [数学一, 在学练习, 线性代数, 特征值, 二次型接口] **一句话**:二次型的标准形系数**就是**特征值,第 6 讲的解答题实质上是在做点 4 的五步。 +**第 6 讲的两条前置规则**(本点直接要用,先补在这里): + +1. **写矩阵**:$a_{ii}=x_i^2$ 的系数;$a_{ij}=a_{ji}=\dfrac{x_ix_j\text{ 的系数}}{2}$ ——**交叉项一律折半**,$f=x^{\mathrm T}Ax$ 才是原式。 +2. **求特征值时的两步老套路照搬**:先看"各行元素之和"能否直接给出 $(1,\dots,1)^{\mathrm T}$ 对应的特征值(§1.2),重根内部再施密特(§4.2)。第 6 讲的解答题里这两步一字不改。 +3. **惯性指数**:标准形里正系数个数 $p$ 与负系数个数 $q$ ;**惯性定理**保证 $p,q$ 与所用变换无关(配方法得到的系数和特征值不同,但正负个数不变),且 $p+q=r(A)$ 。 + --- ## 题目(按知识点顺序对应) diff --git a/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/09-速查卡.md b/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/09-速查卡.md index 308683f..5983f1f 100644 --- a/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/09-速查卡.md +++ b/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/09-速查卡.md @@ -96,7 +96,7 @@ $$A\ \text{可对角化}\iff\text{每个}\ \lambda_i\ \text{都有}\ m_i=n_i\iff ## 七 正交对角化五步 - + ``` ① |λE-A|=0 → λ @@ -107,6 +107,7 @@ $$A\ \text{可对角化}\iff\text{每个}\ \lambda_i\ \text{都有}\ m_i=n_i\iff ``` **验证技巧**:验 $AQ=Q\Lambda$ ,比算 $Q^{\mathrm T}AQ$ 省一半。 +**反写即谱分解**:$A=Q\Lambda Q^{\mathrm T}=\sum\lambda_iq_iq_i^{\mathrm T}$ ,故 $q_i$ 单位正交时可直接抄 $A$ ,不必求逆。重根占 $n-1$ 维且向量为 $\frac{1}{\sqrt n}(1,\dots,1)^{\mathrm T}$ 时,$A=\lambda E+\dfrac{\mu-\lambda}{n}J$ 。 ## 八 反求矩阵 @@ -115,6 +116,7 @@ $$A\ \text{可对角化}\iff\text{每个}\ \lambda_i\ \text{都有}\ m_i=n_i\iff $$A=P\Lambda P^{-1}\qquad\text{或(实对称)}\qquad A=\sum_i\lambda_iq_iq_i^{\mathrm T}.$$ - 缺特征向量:实对称时用**叉乘**(必与已知的都正交); +- 谱分解前**先单位化**:$A=\sum\lambda_i\frac{\xi_i\xi_i^{\mathrm T}}{\lVert\xi_i\rVert^2}$ ; - 缺特征值:用 $\operatorname{tr}$ 或 $\lvert A\rvert$ 补; - 重特征值占两维:常化为 $A=aE+bJ$ 。 @@ -160,14 +162,14 @@ $$A^{m}=a^{m}E+\frac{(a+nb)^{m}-a^{m}}{n}J .$$ |---|---| | 一 三个核心动作 | [点 1 题 1](02-点1-定义与求法.md#user-content-题-1--11定义的三条等价写法) | | 二 求特征向量四步 | [点 1 题 2](02-点1-定义与求法.md#user-content-题-2--12二阶矩阵走完整四步)、[点 1 题 3](02-点1-定义与求法.md#user-content-题-3--12分块三阶重根情形)、[点 1 题 6](02-点1-定义与求法.md#user-content-题-6--14特征向量的四条性质)、[点 1 题 7](02-点1-定义与求法.md#user-content-题-7--14不同特征值特征向量无关的证明) | -| 三 特征值的六条运算 | [点 2 题 1](03-点2-特征值的性质.md#user-content-题-1--21由迹与行列式反求第三个特征值)、[点 2 题 2](03-点2-特征值的性质.md#user-content-题-2--21特征值与行列式的连锁换算)、[点 2 题 3](03-点2-特征值的性质.md#user-content-题-3--22派生矩阵的特征值一次算完)、[点 2 题 4](03-点2-特征值的性质.md#user-content-题-4--22迹与特征值的双向使用) | +| 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--22特征值与行列式的连锁换算)、[点 2 题 3](03-点2-特征值的性质.md#user-content-题-3--22派生矩阵的特征值一次算完)、[点 2 题 4](03-点2-特征值的性质.md#user-content-题-4--22迹与特征值的双向使用) | | 四 重数与可对角化 | [点 1 题 4](02-点1-定义与求法.md#user-content-题-4--13含参矩阵与可对角化判定)、[点 1 题 5](02-点1-定义与求法.md#user-content-题-5--13有重根却能对角化)、[点 2 题 5](03-点2-特征值的性质.md#user-content-题-5--23重数与几何重数的对照)、[点 2 题 6](03-点2-特征值的性质.md#user-content-题-6--23幂等矩阵的全部结论)、[点 3 题 3](04-点3-相似与相似对角化.md#user-content-题-3--32可对角化的判据清单)、[点 3 题 4](04-点3-相似与相似对角化.md#user-content-题-4--32判定不可对角化)、[点 3 题 5](04-点3-相似与相似对角化.md#user-content-题-5--32含参矩阵永远不可对角化)、[点 3 题 6](04-点3-相似与相似对角化.md#user-content-题-6--32走完相似对角化全流程) | | 五 相似判定三步筛 | [点 3 题 1](04-点3-相似与相似对角化.md#user-content-题-1--31相似的不变量)、[点 3 题 2](04-点3-相似与相似对角化.md#user-content-题-2--33特征值与秩全同却不相似) | | 六 实对称三定理 | [点 4 题 1](05-点4-实对称矩阵正交对角化.md#user-content-题-1--41三个定理的适用范围)、[点 4 题 5](05-点4-实对称矩阵正交对角化.md#user-content-题-5--41实对称必可正交对角化的证明) | -| 七 正交对角化五步 | [点 4 题 2](05-点4-实对称矩阵正交对角化.md#user-content-题-2--42三阶实对称的完整五步)、[点 4 题 3](05-点4-实对称矩阵正交对角化.md#user-content-题-3--42由特征值与特征向量反求实对称矩阵)、[点 4 题 4](05-点4-实对称矩阵正交对角化.md#user-content-题-4--43正交矩阵的性质) | -| 八 反求矩阵 | [点 5 题 1](06-点5-反求矩阵与抽象条件.md#user-content-题-1--51由-p-与-lambda-反求-a-)、[点 5 题 3](06-点5-反求矩阵与抽象条件.md#user-content-题-3--51缺一个特征向量时怎么补) | -| 九 抽象条件三件套 | [点 5 题 2](06-点5-反求矩阵与抽象条件.md#user-content-题-2--52多项式条件下求行列式)、[点 5 题 4](06-点5-反求矩阵与抽象条件.md#user-content-题-4--52a-与-amathrm-t-的特征值相同)、[点 5 题 5](06-点5-反求矩阵与抽象条件.md#user-content-题-5--52多项式条件下求行列式) | -| 十 求矩阵幂 | [点 6 题 1](07-点6-对角化的应用.md#user-content-题-1--61二阶求-an-)、[点 6 题 2](07-点6-对角化的应用.md#user-content-题-2--61全-1-矩阵结构的快速求幂)、[点 6 题 3](07-点6-对角化的应用.md#user-content-题-3--62特征值算行列式与秩)、[点 6 题 4](07-点6-对角化的应用.md#user-content-题-4--62秩与特征值的联手) | +| 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--44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由特征向量矩阵与对角阵反求原矩阵)、[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--52矩阵与其转置的特征值相同)、[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--61二阶矩阵求高次幂)、[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) | diff --git a/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/README.md b/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/README.md index aa6adf2..5e5a8e6 100644 --- a/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/README.md +++ b/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/README.md @@ -16,7 +16,8 @@ tags: [数学一, 在学练习, 线性代数, 特征值, README] | 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 | +| **地图** | `01-知识点盘点.md` | 知识点全摊开(§0 导航 + §1—§7 八节地图) | 先通读,之后只查不读 | +| **参照** | `01b-覆盖对照与接口.md` | 大纲 / 真题 / 参考仓库三条线并集,与相邻讲的接口 | 想"这够不够考"时翻 | | **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 36 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 | @@ -24,11 +25,12 @@ tags: [数学一, 在学练习, 线性代数, 特征值, README] | 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 | +| `01-知识点盘点.md` | §0 导航四张表 $+$ §1—§7 知识地图 | — | — | 0 | +| `01b-覆盖对照与接口.md` | 覆盖对照表 $+$ 相邻讲接口 | — | — | 0 | | `02-点1-定义与求法.md` | 特征方程、四步求法、几何重数与对角化判据、特征向量性质 | 一切题第 1 步 | — | 7 | | `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 | +| `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、谱分解 | 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 | @@ -44,7 +46,7 @@ tags: [数学一, 在学练习, 线性代数, 特征值, README] **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**。 +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 @@ -97,6 +99,7 @@ python .workbuddy/tools/md2pdf/fix_gitea_math.py --check --scope=线性代数- |---|---| | 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 | | 2026-10-26 | 点 1 补 §1.3 几何重数与可对角化判据(原 §1.3 性质顺延为 §1.4),新增题 5「有重根却能对角化」,全讲题量由表中原记的 34(实际 35,少算 1 题)修正为 36 | +| 2026-10-26 | 全讲前置知识排查:点 4 补 §4.4 谱分解(题 3 原用到未讲)、点 5 §5.1 补「缺特征向量三种补法」、点 6 §6.2 补伴随矩阵秩公式、点 7 §7.1 补「交叉项折半」与惯性定理;点 2 题 2 改标 2.2 | ## 两条写作约定