--- tags: [数学一, 知识点构建, 背诵版, 线性代数, 特征值] 专题: 线性代数 第5讲 · 特征值与特征向量 · 背诵版 日期: 2026-10-27 状态: 背诵版 v1(考点完整呈现 + 36 题清单,无解答) 来源: 在学练习/线性代数-第5讲-特征值与特征向量 | 参考仓库 Math/linear-algebra/5-similar 关联笔记: ["[[README]]", "[[../在学练习/线性代数-第5讲-特征值与特征向量/README]]"] --- # 线性代数 第5讲 · 特征值与特征向量 · 背诵版 > **用法**:① 看 §0 骨架搭体系;② 逐点闭卷回忆考点正文(定义/判据/流程);③ 用题目清单自测(只列题干不给解,卡住回查在学练习对应点分册)。 > **题源**:在学练习 `02—08` 七个点分册共 36 题,编号沿用「点 X 题 Y」;考点出处标注参考仓库 `similar.tex`。难度与真题锚点一并保留。 ## 0. 本讲骨架(先背这张图) **一句话**:三个核心动作反复用——解 $|\lambda E-A|=0$ 求特征值、解 $(\lambda E-A)x=0$ 求特征向量、用特征向量拼 $P$ 验证 $P^{-1}AP=\Lambda$ 。 **真题地位**:真题库第 13 章,近十年 **11 题 83 分,线代分值最高的一讲**(5 选择填空 21 分 + 5 解答 57 分,解答几乎每年落在 20/21 题)。**第 5 讲做不出来,线代基本报废**——第 6 讲二次型只是它的延伸。 **依赖链**:02 定义与求法(地基)→ 03 特征值性质(和=迹、积=行列式)→ 04 相似与对角化(何时能拼出 $P$ )→ 05 实对称正交对角化(**解答题主场,闭卷不停顿**)→ 06 反求矩阵 → 07 对角化应用(求 $A^n$ 、秩)→ 08 二次型接口($Q^{\mathrm T}AQ=\Lambda$ 就是化标准形)。时间不够按 `08→07 题2→06 题4` 砍,**`05` 不能砍**。 **考点树** | 点 | 考点小节(题数) | |---|---| | 1 定义与求法 | 1.1 定义与特征方程(题1)· 1.2 四步求法(题2–3)· 1.3 几何重数与对角化判据(题4–5)· 1.4 特征向量性质(题6–7) | | 2 特征值的性质 | 2.1 和与积(题1)· 2.2 派生矩阵 $f(A)$ (题2–4)· 2.3 重数与几何重数(题5–6) | | 3 相似与相似对角化 | 3.1 相似不变量(题1)· 3.2 对角化充要条件(题3–6)· 3.3 判定三步筛(题2) | | 4 实对称矩阵正交对角化 | 4.1 三个定理(题1、5)· 4.2 五步流程(题2)· 4.3 正交矩阵(题4)· 4.4 谱分解(题3) | | 5 反求矩阵与抽象条件 | 5.1 由 $\lambda,\xi$ 反求 $A$ (题1、3)· 5.2 多项式条件(题2、4、5) | | 6 对角化的应用 | 6.1 求 $A^n$ (题1–2)· 6.2 行列式与秩(题3–4) | | 7 与二次型的接口 | 7.1 标准形=特征值、正定性(题1–3) | ## 1. 点 1 · 定义与求法 > 出处:知识章 `linear-algebra/knowledge/5-similar/similar.tex §1、§2`|题目:在学练习 `02-点1`(7 题)。真题锚点:一切题第 1 步。 ### 考点 1.1 定义与特征方程 $A\xi=\lambda\xi$ ($\xi\ne0$ )——$\lambda$ 是特征值(**是数**),$\xi$ 是特征向量(**非零**)。三个等价改写:$A\xi=\lambda\xi\iff(\lambda E-A)\xi=0\iff\xi$ 是 $(\lambda E-A)x=0$ 的非零解。由第三条:$\lambda$ 是特征值 $\iff|\lambda E-A|=0$ (特征方程)。四条易错:① 特征向量必须非零;② $\lambda$ 可为 0/负/复数(实矩阵复特征值成共轭对);③ $|\lambda E-A|$ 与 $|A-\lambda E|$ 求根相同;④ 特征向量不唯一($k\xi$ 都是)。 ### 考点 1.2 求法四步 ① 算 $|\lambda E-A|$ 并**因式分解**;② 写全部特征值与代数重数;③ 对每个 $\lambda_i$ 解 $(\lambda_iE-A)x=0$ 求基础解系;④ 特征向量 $=k_1\xi_{i1}+\cdots$ ($k$ 不全为零)。捷径:**$\lambda_iE-A$ 每行之和常为零 $\Rightarrow (1,\dots,1)^{\mathrm T}$ 是解**;先猜后验。二阶速算:$\lambda^2-(\operatorname{tr}A)\lambda+|A|=0$ 。 ### 考点 1.3 几何重数与可对角化判据 代数重数 $n_i$ (根的重数);几何重数 $m_i=n-r(\lambda_iE-A)$ (特征子空间维数 $=$ 无关特征向量最大个数)。$1\le m_i\le n_i$ ;**$A$ 可对角化 $\iff m_i=n_i$ (对所有 $i$ )** $\iff\sum m_i=n$ 。判定三步:求全 $n_i$ → 只对 $n_i\ge2$ 算 $r(\lambda_iE-A)$ → 有一个 $m_i 出处:知识章 `similar.tex §3`|题目:在学练习 `03-点2`(6 题)。真题锚点:2018·13、2024·7(**9 分**)。 ### 考点 2.1 特征值的和与积 $$\sum\lambda_i=\operatorname{tr}A,\qquad\prod\lambda_i=|A|.$$ 记忆:在 $|\lambda E-A|=\lambda^n-(\operatorname{tr}A)\lambda^{n-1}+\cdots+(-1)^n|A|$ 里比系数。推论:$|A|=0\iff$ 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 $n$ 个用迹(或行列式)**直接减出来**。 ### 考点 2.2 派生矩阵的特征值(同一个 $\xi$ 通用) | 矩阵 | 特征值 | |---|---| | $kA$ | $k\lambda$ | | $A^m$ | $\lambda^m$ | | $A^{-1}$ | $\lambda^{-1}$ ($A$ 可逆) | | $A^*$ | $|A|/\lambda$ ($A$ 可逆) | | $f(A)$ | $f(\lambda)$ | | $A^{\mathrm T}$ | $\lambda$ (**特征向量不同**) | | $P^{-1}AP$ | $\lambda$ (特征向量 $P^{-1}\xi$ ) | 最常用:**$f(A)$ 的特征值是** $f(\lambda)$ ——把 $\lambda$ 代进多项式即可。$A^{\mathrm T}$ 与 $A$ 特征值相同但特征向量不同,最容易想当然。 ### 考点 2.3 重数与几何重数 $1\le m_i\le n_i$ ;**可对角化 $\iff$ 每个** $m_i=n_i$ 。一句话:**代数重数管「应该有几个」,几何重数管「实际有几个」,缺一个就补不上**。幂等矩阵 $A^2=A$ 三件套:**特征值只能 0/1、必可对角化、$r(A)=\operatorname{tr}A=$ 1 的个数**(证明用 $A(A-E)=O$ 的秩不等式:$r(A)+r(A-E)=n$ 夹逼)。 **题目** - **题 1 · 2.1 由迹与行列式反求第三个特征值(★☆☆)**:三阶矩阵 $\operatorname{tr}A=6$ 、$|A|=6$ 、两个特征值 $1,2$ ,求第三个(用迹减出 3,用行列式验)。 - **题 2 · 2.2 特征值与行列式的连锁换算(★★☆)**【2018·13 骨架】:三阶 $A$ 特征值 $1,2,3$ ,求 $|A^*+E|$ ($A^*$ 特征值 $6,3,2$ → $+E$ 各加 1 → 积 $=84$ )。 - **题 3 · 2.2 派生矩阵的特征值一次算完(★★☆)**:$A$ 特征值 $1,-1,2$ ,求(Ⅰ)$A^2+A-2E$ (Ⅱ)$A^{-1}$ (Ⅲ)$A^{\mathrm T}$ (Ⅳ)$A^2-3A+3E$ 的特征值((Ⅰ)出现 0 说明该矩阵不可逆)。 - **题 4 · 2.2 迹与特征值的双向使用(★★☆)**【2024·7 骨架】:$A$ 特征值 $1,1,2$ ,$\alpha_1,\alpha_2,\alpha_3$ 是三个线性无关特征向量。判断:(Ⅰ)$\operatorname{tr}(A^2)=6$ ?(Ⅱ)$|A+E|=12$ ?(Ⅲ)$A$ 可对角化?(给「$n$ 个线性无关特征向量」= 说「可对角化」)。 - **题 5 · 2.3 重数与几何重数的对照(★★★)**:$A=\begin{pmatrix}1&1&0\\0&1&0\\0&0&2\end{pmatrix}$ 。(Ⅰ)求特征值与代数重数;(Ⅱ)求几何重数;(Ⅲ)判断能否对角化($m_1=1<2$ ,不能)。 - **题 6 · 2.3 幂等矩阵的全部结论(★★★)**:$A^2=A$ ,$A\ne E$ ,$A\ne O$ 。证明(Ⅰ)特征值只能 0/1;(Ⅱ)必可对角化;(Ⅲ)$r(A)=\operatorname{tr}(A)=$ 1 的个数。 ## 3. 点 3 · 相似与相似对角化 > 出处:知识章 `similar.tex §2、§4`|题目:在学练习 `04-点3`(6 题)。真题锚点:2019·21、2020·21、2023·6(**27 分**)。 ### 考点 3.1 相似的定义与必要条件 $P^{-1}AP=B$ ($P$ 可逆)则 $A\sim B$ 。**相似不变量**(用来否定,不能用来肯定):特征多项式(含重数)、秩、行列式、迹、可对角化性——**这五条全满足也不一定相似**。口诀:**相似不改变「特征值层面」的一切,但改变「向量层面」的一切**(特征向量跟着 $P$ 变:$B$ 的特征向量是 $P^{-1}\xi$ )。 ### 考点 3.2 相似对角化的充要条件 $A$ 可对角化 $\iff A$ 有 $n$ 个线性无关特征向量;此时 $P^{-1}AP=\Lambda=\mathrm{diag}(\lambda_1,\dots,\lambda_n)$ 。**$P$ 的列序必须与 $\Lambda$ 对角元一一对应**。三个充分条件:① $n$ 个互异特征值;② 实对称(必可正交对角化);③ 每个 $m_i=n_i$ 。判「不能」:某 $m_i 出处:知识章 `similar.tex §4`|题目:在学练习 `05-点4`(5 题)。真题锚点:2021·21(**12 分**)——解答题绝对主力。 ### 考点 4.1 实对称三个定理 ① 特征值全为实数;② **属于不同特征值的特征向量必正交**(不只是线性无关——实对称独有);③ 必可正交对角化:存在正交 $Q$ 使 $Q^{\mathrm T}AQ=\Lambda$ 。**「正交」只发生在不同特征值之间(自动);同一特征值内部必须手工正交化**——五步流程第 3 步是唯一易错点。 ### 考点 4.2 正交对角化五步 ① 解 $|\lambda E-A|=0$ 得特征值及重数;② 每个 $\lambda_i$ 解 $(\lambda_iE-A)x=0$ 得基础解系;③ **同一特征值内部施密特**(不同特征值自动正交);④ 全部单位化按列拼 $Q$ ;⑤ 写 $Q^{\mathrm T}AQ=\Lambda$ 并检查列序对齐。**「行和相等」的实对称矩阵第一步白送**:$(1,\dots,1)^{\mathrm T}$ 方向特征值 = 行和。 ### 考点 4.3 正交矩阵 $Q$ 正交 $\iff Q^{\mathrm T}Q=E\iff Q^{-1}=Q^{\mathrm T}$ ;特征值在**单位圆上**(可为复数);$|Q|=\pm1$ (**必要不充分**——$|Q|=1$ 不等于特征值全是 1);逆、转置、乘积仍正交。正交变换保长度与内积:$x^{\mathrm T}Ax=y^{\mathrm T}\Lambda y$ ——**第 5 讲做对了,第 6 讲只是换个问法**。 ### 考点 4.4 谱分解 $A=Q\Lambda Q^{\mathrm T}=\sum\lambda_iq_iq_i^{\mathrm T}$ ($q_i$ 单位正交特征向量)。**为什么好用**:$q_iq_i^{\mathrm T}$ 是「投影到 $q_i$ 方向」的**秩 1 矩阵**(投影阵),且 $\sum_iq_iq_i^{\mathrm T}=QQ^{\mathrm T}=E$ ——所以只要特征向量两两正交且已单位化,**直接读出 $A$ ,连 $P^{-1}$ 都不用求**(知道特征值 + 特征向量 ⟹ 反求矩阵的万能出口)。两个化形:单根 $\mu$ 向量为 $q$ 、其余特征值全 $\lambda$ 时 $A=\lambda E+(\mu-\lambda)qq^{\mathrm T}$ ;$q=\frac1{\sqrt n}(1,\dots,1)^{\mathrm T}$ 时 $A=\lambda E+\frac{\mu-\lambda}{n}J$ (重根占 $n-1$ 维时最省事)。**唯一的坑**:分解前必须单位化——写成 $A=\sum\lambda_i\xi_i\xi_i^{\mathrm T}$ 是错的,正确是 $A=\sum\lambda_i\frac{\xi_i\xi_i^{\mathrm T}}{\|\xi_i\|^2}$ 。配套事实:实对称已知一个特征向量,其余特征向量落在它的**正交补**($n-1$ 维)里,任取正交基即可,不用解方程组。 **题目** - **题 1 · 4.1 三个定理的适用范围(★☆☆)**:判断:(Ⅰ)实对称特征值一定是实数(对);(Ⅱ)不同特征值的特征向量一定正交(对);(Ⅲ)特征值全为实数且可对角化则实对称(错——反例 $\begin{pmatrix}1&1\\0&2\end{pmatrix}$ );(Ⅳ)重特征值对应特征向量自动正交(错——需手工施密特)。 - **题 2 · 4.2 三阶实对称的完整五步(★★☆)**:$A=\begin{pmatrix}2&1&1\\1&2&1\\1&1&2\end{pmatrix}$ ,求正交矩阵 $Q$ 使 $Q^{\mathrm T}AQ=\Lambda$ (行和 4 → $\lambda=4$ 白送;$\lambda=1$ 二重内部取正交的 $(1,-1,0)$ 、$(1,1,-2)$ 免施密特;$\Lambda=\mathrm{diag}(1,1,4)$ )。 - **题 3 · 4.4 由特征值与特征向量反求实对称矩阵(★★★)**【2021·21 骨架】:$A$ 三阶实对称,特征值 $1,1,-1$ ,$\lambda=-1$ 的特征向量 $\xi=(1,1,1)^{\mathrm T}$ 。(Ⅰ)求 $A$ (谱分解 $A=E-\frac23J$ );(Ⅱ)求正交 $Q$ ;(Ⅲ)求 $|A+2E|$ (特征值 $3,3,1$ → 9)。 - **题 4 · 4.3 正交矩阵的性质(★★☆)**:$Q$ 正交,判断:(Ⅰ)$|Q|=\pm1$ (对);(Ⅱ)$|Q|=1$ 时特征值全是 1(错——旋转矩阵特征值可为复数);(Ⅲ)特征值模长都为 1(对);(Ⅳ)逆、转置、乘积仍正交(对)。 - **题 5 · 4.1 实对称必可正交对角化的证明(★★★)**:用数学归纳法证明 $n$ 阶实对称存在正交 $Q$ 使 $Q^{\mathrm T}AQ=\Lambda$ (取单位特征向量 $q_1$ 扩成正交基,$Q_1^{\mathrm T}AQ_1$ 分块对角,右下是 $n-1$ 阶实对称,归纳;两个支点:实特征向量可单位化 + $Q_1^{\mathrm T}AQ_1$ 仍实对称故 $\alpha=0$ )。 ## 5. 点 5 · 反求矩阵与抽象条件 > 出处:知识章 `similar.tex §5`|题目:在学练习 `06-点5`(5 题)。真题锚点:2019·21、2025·21(**23 分**)。 ### 考点 5.1 由特征值特征向量反求矩阵 已知 $n$ 个特征值与 $n$ 个无关特征向量:$A=P\Lambda P^{-1}$ ($P$ 列序对齐 $\Lambda$ ),**算完回代 $A\xi_i=\lambda_i\xi_i$ 验一两个**。**实对称 + 特征值互异时缺向量用叉乘直接补**($\xi_3=\xi_1\times\xi_2$ ,不必解方程组),谱分解 $A=\sum\lambda_iq_iq_i^{\mathrm T}$ 最快。部分已知时用 $\operatorname{tr}A=\sum\lambda_i$ 补齐。 ### 考点 5.2 抽象条件与矩阵方程 $A$ 满足多项式方程 $\Rightarrow$ **特征值满足同一个方程**(方向不可逆:$\lambda$ 满足推不出 $A$ 满足)。三件套: | 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 | **$r(A)$ 在幂等矩阵里就是「1 的个数」**——把秩条件转成特征值条件的唯一桥梁。$A$ 可逆时 $A^{-1}\xi=\lambda^{-1}\xi$ 、$A^*\xi=\frac{|A|}{\lambda}\xi$ 共用同一特征向量。**先分解、先看有没有零因子**:$f(A)$ 的特征值出现 0 则行列式立刻为 0。 **题目** - **题 1 · 5.1 由特征向量矩阵与对角阵反求原矩阵(★★☆)**:三阶 $A$ 特征值 $3,1$ ,特征向量 $(1,1)^{\mathrm T}$ 、$(1,-1)^{\mathrm T}$ ,求 $A$ ($A=P\Lambda P^{-1}=\begin{pmatrix}2&1\\1&2\end{pmatrix}$ ,回代验;结果实对称因特征向量正交)。 - **题 2 · 5.2 多项式条件下求行列式(★★★)**【2025·21 骨架】:三阶 $A$ 满足 $A^2=A$ 且 $r(A)=2$ ,求 $|A+2E|$ (特征值 $1,1,0$ → $A+2E$ 特征值 $3,3,2$ → 18)。 - **题 3 · 5.1 缺一个特征向量时怎么补(★★★)**【2019·21 骨架】:$A$ 三阶实对称,特征值 $1,2,3$ ,$\xi_1=(1,1,1)^{\mathrm T}$ 、$\xi_2=(1,-1,0)^{\mathrm T}$ ,求 $A$ (叉乘得 $\xi_3=(1,1,-2)$ ,谱分解;验 $A\xi_i=\lambda_i\xi_i$ )。 - **题 4 · 5.2 矩阵与其转置的特征值相同(★★☆)**:证明(Ⅰ)$A$ 与 $A^{\mathrm T}$ 特征多项式相同(转置不改变行列式);(Ⅱ)特征向量一般不同,举例($A=\begin{pmatrix}1&1\\0&2\end{pmatrix}$ ,$\lambda=1$ 的特征向量分别是 $(1,0)$ 与 $(1,-1)$ )。 - **题 5 · 5.2 多项式条件下求行列式(★★★)**:$A$ 特征值 $1,2,3$ ,求 $|A^3-3A^2+2A|$ ($f(\lambda)=\lambda(\lambda-1)(\lambda-2)$ ,$f(1)=0$ → 行列式 0;或因式分解 $A(A-E)(A-2E)$ 一眼定论)。 ## 6. 点 6 · 对角化的应用 > 出处:知识章 `similar.tex §5`|题目:在学练习 `07-点6`(4 题)。真题锚点:2017·20(**11 分**)。 ### 考点 6.1 用对角化求矩阵幂 $A^m=P\Lambda^mP^{-1}=P\,\mathrm{diag}(\lambda_1^m,\dots,\lambda_n^m)P^{-1}$ 。四步:求特征值与特征向量 → 拼 $P$ 、$\Lambda$ → 求 $P^{-1}$ → 相乘。**用 $n=1$ 和 $n=2$ 双验**。$P^{-1}$ 速算:二阶公式;列取整数且行列式 $\pm1$ 时 $P^{-1}$ 也是整数阵。**看到 $aI+bJ$ 结构就走二项式**:$J^k=n^{k-1}J$ (秩 1 通用性质),$(E+J)^n$ 展开,系数 $\frac{(1+n)^n-1}{n}$ 型——不走对角化。 ### 考点 6.2 用特征值算行列式与秩 $|A|=\prod\lambda_i$ ,$|f(A)|=\prod f(\lambda_i)$ ,$r(A)=$ 非零特征值个数(**仅当可对角化**——反例 $\begin{pmatrix}0&1\\0&0\end{pmatrix}$ 特征值全 0 但秩 1)。$r(A)=n-\dim N(A)$ 。伴随秩三档:$r(A)=n$ 时 $r(A^*)=n$ ;$r(A)=n-1$ 时 $r(A^*)=1$ ;$r(A) 出处:知识章 `similar.tex §4`|题目:在学练习 `08-点7`(3 题)。真题锚点:2017·21 起。 ### 考点 7.1 三条对接点 ① $Q^{\mathrm T}AQ=\Lambda$ → 正交变换 $x=Qy$ 化标准形;② $\lambda_i$ 符号 → 正负惯性指数;③ $\lambda_i>0$ 全部 → 正定。**标准形系数就是特征值**——第 6 讲解答题实质是第 5 讲 §4.2 五步。两条前置规则:① 写矩阵时**交叉项折半**($a_{ij}=a_{ji}=$ 系数/2);② **惯性定理**:$p,q$ 与变换无关,$p+q=r(A)$ 。判 $f(A)$ 正定性**只需逐一代入 $f(\lambda_i)$ 看符号**;出现 0 就是半正定不是正定;$A$ 正定时 $A^*$ 也正定。$f=(x_1+\cdots+x_n)^2$ 型的矩阵是 $J$ ,特征值 $n,0,\dots,0$ ,半正定不正定。 **题目** - **题 1 · 7.1 由矩阵直接写标准形(★★☆)**:$f=x_1^2+x_2^2+x_3^2+2x_1x_2+2x_1x_3+2x_2x_3$ 。(Ⅰ)写矩阵 $A=J$ ;(Ⅱ)求特征值并写正交变换下标准形($3y_1^2$ );(Ⅲ)判断是否正定(不正定,半正定——完全平方等于有零特征值)。 - **题 2 · 7.1 正交变换化标准形全流程(★★★)**:$f=2x_1^2+2x_2^2+2x_3^2+2x_1x_2+2x_1x_3+2x_2x_3$ 。(Ⅰ)写矩阵 $A=E+J$ 并求特征值($4,1,1$ ,不必展开三阶行列式);(Ⅱ)求正交变换 $x=Qy$ ;(Ⅲ)写标准形 $y_1^2+y_2^2+4y_3^2$ 并指出惯性指数($p=3,q=0$ ,正定)。 - **题 3 · 7.1 正定性判定与特征值(★★☆)**:三阶实对称 $A$ 特征值 $1,2,3$ ,判断(Ⅰ)$A$ 正定(Ⅱ)$A^{-1}$ 正定(Ⅲ)$A-E$ 正定(错,特征值 $0,1,2$ 半正定)(Ⅳ)$A^*$ 正定——逐一代入即可。 --- > **回查入口**:在学练习 [[../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|01-知识点盘点]]、[[../在学练习/线性代数-第5讲-特征值与特征向量/01b-覆盖对照与接口|01b-覆盖对照与接口]]、[[../在学练习/线性代数-第5讲-特征值与特征向量/09-速查卡|09-速查卡]];参考仓库 `参考仓库/Math/linear-algebra/knowledge/5-similar/similar.tex` 与 `exercise/5-similar/similar.tex`。