Files
Yimu f4a849cd9d fix(线代第5讲): 点 1 补「几何重数与可对角化判据」,新增题 5,全讲 36 题
用户反馈:点 1 的题里出现"能否对角化""几何重数",但知识点只到 1.1—1.3,
没讲重数与判据,做题时无从下手。

结构变更(题号向后顺延,无删改):
- 新增 §1.3 几何重数与可对角化判据(够用版):代数/几何重数定义、
  m=n-r(λE-A)、1≤m≤n、可对角化四条同义判据、判定三步、两个反直觉点、
  双矩阵对照表;明示"完整推导见 §2.3,判定例题见点 3 §3.2"
- 原 §1.3 特征向量的性质 → §1.4(性质本身未动)
- 题 4 由 1.2 改标 1.3(它本就要求讨论可对角化),解析补"第 0 步数清 n_i"
  与"缺 n_i-m_i 个向量"的判断
- 新增题 5 · 1.3:A=[[0,1,1],[1,0,1],[1,1,0]],重根 λ=-1 却可对角化的正例
  (与题 4 的 a=1 反例成对);sympy 验:特征值 2,-1,-1,det=2,r(-E-A)=1
- 原题 5/6 → 题 6/7,标签 1.3 → 1.4

同步:盘点 §1.3/§1.4 与 §2.3 互指、速查卡四节补"单根不验"算法与三条性质、
README 题量表 7 题;全讲题量口径由错记的 34 修正为 36(实际一直是 35,少算 1)。

顺带修本讲 12 处 `**…$ **`(加粗以公式收尾)——网页端会露星号,
涉及点 1 题 2/3/4 的分情形标签、点 2、点 4、点 5、点 6、速查卡。

校验:gen_crosslinks 8 文件 36 题 18 知识点;check_md_links 212 链接 0 异常;
fix_gitea_math 0 处待修。02 文件 12077 字符、01 文件 12603 字符,均 < 1.3 万。
2026-10-26 19:11:48 +08:00

8.9 KiB
Raw Blame History

tags, 专题, 日期, 关联笔记
tags 专题 日期 关联笔记
数学一
在学练习
线性代数
特征值
速查卡
线性代数 第5讲 · 特征值与特征向量(速查) 2026-10-24
README
01-知识点盘点

第5讲 · 特征值与特征向量:速查卡

考前十分钟只看这一页。

一 三个核心动作

① 解 |λE-A| = 0         → 特征值
② 解 (λE-A)x = 0         → 特征向量
③ 特征向量拼 P 或 Q      → P⁻¹AP = Λ 或 QᵀAQ = Λ

全讲 83 分都是这三步的排列组合。

二 求特征向量四步

① |λE-A| 因式分解(分解到底)
② 写出全部 λ 及代数重数
③ 每个 λ 解 (λE-A)x=0 求基础解系
④ 特征向量 = 非零线性组合

二阶速算:\lambda^2-(\operatorname{tr}A)\lambda+\lvert A\rvert=0 。 捷径:\lambda E-A 各行之和为零 ⟹ (1,\dots,1)^{\mathrm T} 是特征向量。 三角矩阵:主对角元就是特征值。

三条性质:同一 \lambda 的特征向量的非零组合仍是特征向量;不同 \lambda 的特征向量必线性无关;跨 \lambda 不能相加(\xi_{\lambda_1}+\xi_{\lambda_2} 一般不是特征向量)。

三 特征值的六条运算

\sum\lambda_i=\operatorname{tr}A,\qquad\prod\lambda_i=\lvert A\rvert .
矩阵 特征值
kA k\lambda
A^{m} \lambda^{m}
A^{-1} 1/\lambda
A^{*} \lvert A\rvert/\lambda
f(A) f(\lambda)
A^{\mathrm T} \lambda (特征向量不同)

A 不可逆时,A^{*} 的特征值用"其余对角元之积"算(先对角化再读)。

四 重数与可对角化

1\leqslant m_i=n-r(\lambda_iE-A)\leqslant n_i . A\ \text{可对角化}\iff\text{每个}\ \lambda_i\ \text{都有}\ m_i=n_i\iff\sum m_i=n .

三个充分条件:n 个互异特征值;实对称;每个重根的几何重数 = 代数重数。

两条铁律判死:

  1. 特征值全相同且 A\ne\lambda E ⟹ 不可对角化。
  2. 某重根 m_i<n_i ⟹ 不可对角化。

算法:单根不验;只对 n_i\geqslant2 的 \lambda_i 算 r(\lambda_iE-A) ,得 m_i=n-r 再与 n_i 比。

五 相似判定三步筛

① 特征值(含重数)相同? 否 → 不相似
② 秩相同?               否 → 不相似
③ 都可对角化?        一个可一个不可 → 不相似
                      都可 → 相似(同相似于同一个 Λ)

相似不变量:特征多项式、秩、行列式、迹、可对角化性。

六 实对称三定理

  1. 特征值全为实数;
  2. 不同特征值的特征向量必正交;
  3. 必存在正交 Q 使 Q^{\mathrm T}AQ=\Lambda 。

注意:同一特征值内部的向量不自动正交,要自己做施密特。

七 正交对角化五步

① |λE-A|=0 → λ
② (λE-A)x=0 → 基础解系
③ 同一 λ 内部施密特正交化(不同 λ 的自动正交)
④ 全部单位化,按列拼 Q
⑤ QᵀAQ = Λ(列序与 Λ 对齐)

验证技巧:验 AQ=Q\Lambda ,比算 Q^{\mathrm T}AQ 省一半。

八 反求矩阵

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);
  • 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 。

九 抽象条件三件套

条件 特征值 附加
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

方向不能反:A 满足 \Rightarrow \lambda 满足;反之不成立。

十 求矩阵幂

A^{m}=P\Lambda^{m}P^{-1}.

结构捷径:A=aI+bJ 时 J^k=n^{k-1}J ,

A^{m}=a^{m}E+\frac{(a+nb)^{m}-a^{m}}{n}J .

算行列式与秩:\lvert A\rvert=\prod\lambda_i ;r(A)= 非零特征值个数(仅当可对角化)。

十一 四处最容易丢分

  1. 同一特征值内部忘了施密特,交上去的 Q 不正交。做完必验 Q^{\mathrm T}Q=E 。
  2. P 的列序与 \Lambda 对角元错位。写完用 AP=P\Lambda 验。
  3. 只看特征值相同就判相似。必须加查"都可对角化"。
  4. A 不可逆时套 \lvert A\rvert/\lambda 会算错,改走"其余对角元之积"。

回查

想查什么 对应题目
一 三个核心动作 点 1 题 1
二 求特征向量四步 点 1 题 2、点 1 题 3、点 1 题 6、点 1 题 7
三 特征值的六条运算 点 2 题 1、点 2 题 2、点 2 题 3、点 2 题 4
四 重数与可对角化 点 1 题 4、点 1 题 5、点 2 题 5、点 2 题 6、点 3 题 3、点 3 题 4、点 3 题 5、点 3 题 6
五 相似判定三步筛 点 3 题 1、点 3 题 2
六 实对称三定理 点 4 题 1、点 4 题 5
七 正交对角化五步 点 4 题 2、点 4 题 3、点 4 题 4
八 反求矩阵 点 5 题 1、点 5 题 3
九 抽象条件三件套 点 5 题 2、点 5 题 4、点 5 题 5
十 求矩阵幂 点 6 题 1、点 6 题 2、点 6 题 3、点 6 题 4
十一 四处最容易丢分 点 6 题 3、点 6 题 4

整册入口:知识点盘点、点 1、点 2、点 3、点 4、点 5、点 6、点 7。