Files
MathNotesVersion2/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
T
Yimu 482410db68 fix(线代第5讲): 排查全讲 36 题的前置知识缺口,补 5 处知识点、修 6 处硬伤
用户点 1 的反馈(题里用到对角化/几何重数,知识点没讲)不是孤例。逐题核对
每道题用到的概念是否在"本点或更早"讲过,查出并修正如下。

一、真缺口:题目用了、知识点完全没讲

1. 点 4 题 3(2021·21 骨架,12 分)用谱分解 A=Σλᵢqᵢqᵢᵀ 作答,但 §4.1—4.3
   只讲到 QᵀAQ=Λ,谱分解要到点 5 §5.1 才出现,且原文还写成"唯一解法"。
   → 新增 §4.4 谱分解(够用版):定义、单根 μ + 重根 λ 的两个化形
   (A=λE+(μ-λ)qqᵀ 与 A=λE+(μ-λ)J/n)、"先单位化"这个唯一的坑、
   实对称已知一向量则其余落在正交补;题 3 改标 4.4,删掉"唯一解法",
   与点 5 §5.1 双向互指。
2. 点 5 题 3 用叉乘求第三个特征向量,§5.1 只说"由对称性补齐"。
   → §5.1 补"缺一个特征向量的三种补法"表 + 叉乘为什么能用。
3. 点 6 题 3、题 4 直接用伴随矩阵的秩公式(原只写"第 2 讲")。
   → §6.2 补三档公式 r(A*)=n / 1 / 0,以及 A 不可逆时 A* 特征值改走
   "对角阵的伴随 = 其余对角元之积"。
4. 点 7 题 1、题 2 要先会"交叉项折半写矩阵",§7.1 只有对照表;
   题 2 还要惯性指数/惯性定理,也只出现名词。
   → §7.1 补两条前置规则(折半、惯性定理 p+q=r(A))+ 老套路照搬提示。
5. 点 4 题 2、点 7 题 2 都靠"行和相等"秒出特征值,§4.2 没写。
   → §4.2 补开局捷径;点 6 §6.1 补 A=aI+bJ 的二项式来历(E 与 J 可交换、
   J 是秩 1 矩阵);点 2 §2.2 补 |A*|=|A|ⁿ⁻¹。

二、标注错位

6. 点 2 题 2 标 2.1,但全题靠 2.2 的 A* 特征值 |A|/λ 与 f(A) 特征值。
   → 改标 2.2(附录表同步:§2.1 1 题、§2.2 3 题)。

三、排查中发现的硬伤

7. 点 2 题 5 带走结论有两个问题:末句是"n-k=3-2=1? 注意:…"的自问自答
   残文;且"r 严格小于 n-k 则可对角化失败"方向错了——由 m≤nᵢ 得
   r(λᵢE-A)≥n-nᵢ,r 永不会小于下界,判据是取等号。整段重写。
8. 点 6 题 3 出现两段"带走结论"(重复),合并为一段。
9. 点 1 题 6(Ⅳ)题干没写 λ₃ 与 λ₁ 是否相同,解析自加"若否则另论"。
   → 题干补"三个特征值互不相同",解析改为归纳法证明。
10. 点 3 题 2 用"Jordan 块"这个全讲未定义的术语 → 改成"上三角且右上有非零元"。

四、顺带

11. 三个题目标题含公式(点 5 题 1、点 5 题 4、点 6 题 1),违反"标题禁含
    $…$"(Gitea 锚点会漂)→ 全部改纯文字。
12. 改完 4.4 后 01-知识点盘点 涨到 13505 字符,超 1.3 万上限 → 按高数讲次
    的既有做法把"覆盖对照"与"相邻讲接口"拆成 01b-覆盖对照与接口.md
    (01 由 13505 → 12386,§0.x 编号未动;01b 顺手补谱分解、几何重数判据
    两行,接口表补叉乘与 r(A*) 两行)。
13. 01 的 关联笔记 误写成 [[10-速查卡]](那是高数无穷级数的文件)→ 改 [[09-速查卡]]。

校验:gen_crosslinks 8 个点文件 36 题 19 知识点(+§4.4);check_md_links
11 文件 217 链接 0 异常;fix_gitea_math 0 处待修。全部文件 < 1.3 万字符。
2026-10-26 19:19:05 +08:00

186 lines
10 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
---
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)。**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
$$A^{m}=a^{m}E+\frac{(a+nb)^{m}-a^{m}}{n}J .$$
## 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**。
**伴随矩阵的秩**(第 2 讲,本点题 3、题 4 直接要用,先备着):
$$r(A^{*})=\begin{cases}n, & r(A)=n\\[2pt]1, & r(A)=n-1\\[2pt]0, & r(A)<n-1\end{cases}$$
**$A$ 不可逆时 $A^{*}$ 的特征值**:$A$ 可逆时用 $\lvert A\rvert/\lambda$ ;不可逆时这条**在 $\lambda=0$ 处失效**,改走"先把 $A$ 对角化,再读对角阵的伴随"——对角阵的伴随仍是对角阵,其 $(i,i)$ 元是**其余对角元之积**。
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 · 6.1:二阶矩阵求高次幂(★★☆)
> 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)
---
### 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**:**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)
---
### 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)
---