--- 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]]"] --- # 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) | 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) | | §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) | | §2.3 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) | ## 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 几何重数与可对角化判据 - **代数重数** $n_i$ :$\lambda_i$ 作为 $\lvert\lambda E-A\rvert=0$ 根的重数。 - **几何重数** $m_i=n-r(\lambda_iE-A)$ :特征子空间的维数,也等于属于 $\lambda_i$ 的**线性无关特征向量的最大个数**。 $$1\leqslant m_i\leqslant n_i,\qquad A\ \text{可对角化}\iff m_i=n_i\ (\forall i)\iff\sum_i m_i=n .$$ **判定三步**:求全 $\lambda_i$ 与 $n_i$ → 只对 $n_i\geqslant2$ 的算 $r(\lambda_iE-A)$ 得 $m_i$ (单根必有 $m_i=n_i=1$ ) → 只要有一个 $m_i **与 §1.3 的关系**:点 1 的题里已经会追问"能不能对角化",所以 §1.3 先给了一份"够用版"(判据 + 三步算法),内容与本节点完全一致;本节多的是记忆法,以及它在点 3、点 6 的用法。 **可对角化的判据**(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 $m_i0$ 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 |