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/04-点3-相似与相似对角化.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

238 lines
14 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, 相似对角化]
专题: 线性代数 第5讲 · 点3 相似与相似对角化
日期: 2026-10-24
状态: 知识点带题(3.1 必要条件、3.2 充要条件、3.3 相似判定,6 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 3 相似与相似对角化
> 真题锚点:2019·21、2020·21(各 11 分)、2023·6(5 分)|重要度 ★★★
> 依赖:点 1、点 2。盘点对应:§3 全节。
**组织原则**:先列知识点(相似定义 → 对角化判据 → 相似判定),再逐一对应出题。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
## 知识点 3.1 相似的定义与必要条件(出处:[知识章 similar.tex §5](../../../../参考仓库/Math/linear-algebra/knowledge/5-similar/similar.tex))
$P^{-1}AP=B$ ($P$ 可逆)称 $A\sim B$ 。**相似不变量**(用来否定,不能用来肯定):
| 量 | 是否不变 |
|---|---|
| 特征多项式(含重数) | 不变 |
| 秩 | 不变 |
| 行列式 | 不变 |
| 迹 | 不变 |
| 可对角化性 | 不变 |
**五条全满足也不一定相似**——它们是必要条件。
## 知识点 3.2 相似对角化的充要条件(出处:[知识章 similar.tex §6](../../../../参考仓库/Math/linear-algebra/knowledge/5-similar/similar.tex))
$$A\ \text{可对角化}\iff A\ \text{有}\ n\ \text{个线性无关的特征向量}.$$
此时 $P=(\xi_1,\dots,\xi_n)$ ,$P^{-1}AP=\Lambda=\mathrm{diag}(\lambda_1,\dots,\lambda_n)$ ,**$P$ 的列序与 $\Lambda$ 对角元顺序一一对应**。
**三个充分条件**:$n$ 个互异特征值;$A$ 实对称;每个 $\lambda_i$ 都满足 $m_i=n_i$ 。
**判"不能"**:存在 $\lambda_i$ 使 $m_i<n_i$ 。
## 知识点 3.3 相似判定的三个必要条件(出处:[练习章 similar.tex §3](../../../../参考仓库/Math/linear-algebra/exercise/5-similar/similar.tex))
按顺序筛:① 特征值(含重数)是否相同;② 秩是否相同;③ 特征值相同时,是否**都可对角化**。
**第 ③ 条是关键**:特征值、秩全同但只有一个能对角化时,**不相似**。
---
## 题目(按知识点顺序对应)
### 题 1 · 3.1:相似的不变量(★☆☆)
> 设 $A\sim B$ ($A,B$ 均为 $n$ 阶)。判断下列量是否一定相等:
>
> (Ⅰ)$\lvert A\rvert$ 与 $\lvert B\rvert$ ;(Ⅱ)$r(A)$ 与 $r(B)$ ;(Ⅲ)$\operatorname{tr}(A^2)$ 与 $\operatorname{tr}(B^2)$ ;(Ⅳ)$A$ 与 $B$ 的特征向量。
**怎么想**:前三项都是"特征值的函数"——$A\sim B$ 意味着特征多项式相同,于是任何由特征值决定的量都相同。(Ⅳ)是陷阱:相似矩阵特征值相同,但特征向量**跟着 $P$ 变**。
**解**:(Ⅰ)**相等**。$B=P^{-1}AP\Rightarrow\lvert B\rvert=\lvert P^{-1}\rvert\lvert A\rvert\lvert P\rvert=\lvert A\rvert$ 。
(Ⅱ)**相等**。乘可逆矩阵不改变秩。
(Ⅲ)**相等**。$A\sim B\Rightarrow A^2\sim B^2$ (因 $B^2=P^{-1}A^2P$ ),故迹相同。也可由"$A^2$ 的特征值是 $\lambda_i^2$ "直接看出。
(Ⅳ)**不相等**。若 $A\xi=\lambda\xi$ ,则 $B(P^{-1}\xi)=P^{-1}AP(P^{-1}\xi)=P^{-1}A\xi=\lambda P^{-1}\xi$ ,即 $B$ 的特征向量是 $P^{-1}\xi$ 而非 $\xi$ 。
**带走结论**:**相似不改变"特征值层面"的一切,但改变"向量层面"的一切**。判断"哪些量相似不变"时问一句"它是否只由特征值决定"即可。
> **关联** · 盘点 [§3.1 相似的定义与必要条件](01-知识点盘点.md#user-content-31-相似的定义与必要条件) | 上游 — | 下游 — | 速查 [五 相似判定三步筛](09-速查卡.md#user-content-五-相似判定三步筛)
---
### 题 2 · 3.3:特征值与秩全同却不相似(★★☆)
> 【2016·5 / 2018·5 骨架】设
>
> $$A=\begin{pmatrix}1&0&0\\0&1&0\\0&0&2\end{pmatrix},\qquad B=\begin{pmatrix}1&1&0\\0&1&0\\0&0&2\end{pmatrix}.$$
>
> (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。
(Ⅱ)**不相似**。$A$ 本身就是对角阵,当然可对角化。看 $B$ :
$$E-B=\begin{pmatrix}0&-1&0\\0&0&0\\0&0&-1\end{pmatrix},\qquad r(E-B)=2 .$$
$\lambda=1$ 的代数重数为 2,几何重数 $=3-r(E-B)=3-2=1<2$ ,故 $B$ **不可对角化**。
而"可对角化性"是相似不变量(题 1 第 ③ 条),$A$ 可、$B$ 不可,故 $A\not\sim B$ 。
**验算**:直接反证也行——若 $B=P^{-1}AP$ 且 $A$ 对角,则 $B$ 相似于对角阵即 $B$ 可对角化,矛盾。
**带走结论**:**特征值 $+$ 秩全同还不够**。第三步必须查可对角化性,而查法只有一条:看重根的 $r(\lambda E-A)$ 。这类选择题年年出,答案永远卡在这一步。
> **关联** · 盘点 [§3.3 相似判定的三个必要条件](01-知识点盘点.md#user-content-33-相似判定的三个必要条件) | 上游 — | 下游 — | 速查 [五 相似判定三步筛](09-速查卡.md#user-content-五-相似判定三步筛)
---
### 题 3 · 3.2:可对角化的判据清单(★★☆)
> 设 $A$ 为三阶矩阵。判断下列条件哪些**能**保证 $A$ 可对角化:
>
> (Ⅰ)$A$ 有三个互不相同的特征值;
> (Ⅱ)$A$ 是实对称矩阵;
> (Ⅲ)$\lvert A\rvert\ne0$ ;
> (Ⅳ)$r(A)=3$ ;
> (Ⅴ)$A$ 的三个特征值都是 $1$ 且 $A\ne E$ 。
**怎么想**:前两条是充分条件,直接判"能"。第三条到第五条都是"看着强,其实与对角化无关"或"直接判死"。
**解**:(Ⅰ)**能**。互异特征值对应特征向量必无关,$n$ 个无关特征向量 ⟹ 可对角化。
(Ⅱ)**能**。实对称矩阵必可正交对角化(点 4 定理 3)。
(Ⅲ)**不能保证**。$\lvert A\rvert\ne0$ 只说没有零特征值,与"有几个无关特征向量"无关。反例:$\begin{pmatrix}1&1&0\\0&1&0\\0&0&2\end{pmatrix}$ 行列式为 $2\ne0$ 但不可对角化。
(Ⅳ)**不能保证**。$r(A)=3$ 说明满秩,同样不涉及特征向量的个数。反例同上。
(Ⅴ)**不能**,且**必然不可对角化**。三个特征值全是 $1$ 而 $A\ne E$ ,则 $A$ 不是 $E$ 但特征值全为 1。若 $A$ 可对角化,则 $A\sim\mathrm{diag}(1,1,1)=E$ ,即 $A=E$ ,矛盾。
**带走结论**:可对角化的充分条件只有三类——**互异特征值、实对称、几何重数等于代数重数**。满秩、行列式非零、特征值全正这类"看起来很强"的条件统统不相关。
> **关联** · 盘点 [§3.2 相似对角化的充要条件](01-知识点盘点.md#user-content-32-相似对角化的充要条件) | 上游 — | 下游 [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) | 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)
---
### 题 4 · 3.2:判定不可对角化(★★☆)
> 【2023·6 骨架】设 $A=\begin{pmatrix}3&1&0\\0&3&0\\0&0&1\end{pmatrix}$ 。判断 $A$ 能否对角化。
**怎么想**:上三角,特征值直接读:$3,3,1$ 。$\lambda=3$ 是二重根,只需算 $r(3E-A)$ 。若 $r=2$ 则几何重数 1,不可对角化。
**解**:$A$ 为上三角,特征值 $\lambda_1=\lambda_2=3$ (代数重数 2)、$\lambda_3=1$ 。
$$3E-A=\begin{pmatrix}0&-1&0\\0&0&0\\0&0&2\end{pmatrix},\qquad r(3E-A)=2 .$$
几何重数
$$m_1=3-2=1<2=n_1 .$$
故 $A$ **不能对角化**。
**验算**:$\sum m_i=1+1=2<3$ ,凑不出三个无关特征向量 ✓。也可直接看出:属于 $\lambda=3$ 的特征向量满足 $-x_2=0$ 且 $2x_3=0$ ,即 $x_2=x_3=0$ ,只剩 $(1,0,0)^{\mathrm T}$ 一个方向。
**带走结论**:**上三角矩阵是判对角化的最佳素材**——特征值免费,只需算一个 $r(\lambda E-A)$ 。看到"某行有非对角元素而上三角形状",八成不可对角化。
> **关联** · 盘点 [§3.2 相似对角化的充要条件](01-知识点盘点.md#user-content-32-相似对角化的充要条件) | 上游 [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) | 下游 [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) | 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)
---
### 题 5 · 3.2:含参矩阵永远不可对角化(★★★)
> 设 $A=\begin{pmatrix}a&1&1\\0&a&1\\0&0&a\end{pmatrix}$ ($a$ 为实数)。证明:无论 $a$ 取何值,$A$ 都**不能**对角化。
**怎么想**:上三角,特征值全是 $a$ (三重)。若可对角化则 $A\sim aE=E\cdot a$ ,即 $A=aE$ 。但 $A$ 有非对角元 1,故 $A\ne aE$ ——一步到位。
**解**:$A$ 为上三角,特征值 $\lambda_1=\lambda_2=\lambda_3=a$ ,代数重数全为 3。
计算 $aE-A$ :
$$aE-A=\begin{pmatrix}0&-1&-1\\0&0&-1\\0&0&0\end{pmatrix}.$$
第 2 行 $(0,0,-1)$ 与第 1 行 $(0,-1,-1)$ 不成比例,故 $r(aE-A)=2$ ,几何重数
$$m=3-2=1<3 .$$
故 $A$ 不可对角化。
(另一条更快的路:若 $A$ 可对角化且特征值全为 $a$ ,则 $A=P(aE)P^{-1}=aE$ ,但 $A$ 的第 1 行第 2 列是 1 而 $aE$ 该位置是 0,矛盾。)
**验算**:$\operatorname{tr}A=3a$ ✓;$\lvert A\rvert=a^3$ ✓,与"三个特征值都是 $a$ "一致。
**带走结论**:**"特征值全相同且 $A\ne\lambda E$ "是判死的铁律**(题 3 第 Ⅴ 条)。含参题里这条能一秒定论,完全不用管参数取值。
> **关联** · 盘点 [§3.2 相似对角化的充要条件](01-知识点盘点.md#user-content-32-相似对角化的充要条件) | 上游 [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) | 下游 [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) | 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)
---
### 题 6 · 3.2:走完相似对角化全流程(★★★)
> 【2019·21 骨架】设 $A=\begin{pmatrix}2&2&0\\0&1&0\\0&0&3\end{pmatrix}$ 。
>
> (Ⅰ)求 $A$ 的全部特征值与特征向量;
> (Ⅱ)求可逆矩阵 $P$ 使 $P^{-1}AP=\Lambda$ ,并写出 $\Lambda$ ;
> (Ⅲ)验证 $A=P\Lambda P^{-1}$ 。
**怎么想**:上三角,特征值 $2,1,3$ **互不相同**,故必可对角化(不用查重数)。逐个求特征向量拼 $P$ ,**注意列序与 $\Lambda$ 对角元顺序对齐**。
**解**:
**(Ⅰ)** $A$ 为上三角,特征值 $\lambda_1=2,\ \lambda_2=1,\ \lambda_3=3$ (代数重数均为 1)。
$\lambda_1=2$ :
$$2E-A=\begin{pmatrix}0&-2&0\\0&1&0\\0&0&-1\end{pmatrix}\longrightarrow\begin{pmatrix}0&1&0\\0&0&1\\0&0&0\end{pmatrix},$$
得 $x_2=0,\ x_3=0$ ,$x_1$ 自由,$\xi_1=(1,0,0)^{\mathrm T}$ 。
$\lambda_2=1$ :
$$E-A=\begin{pmatrix}-1&-2&0\\0&0&0\\0&0&-2\end{pmatrix}\longrightarrow\begin{pmatrix}1&2&0\\0&0&1\\0&0&0\end{pmatrix},$$
得 $x_1=-2x_2$ 、$x_3=0$ ,取 $x_2=-1$ 得 $\xi_2=(2,-1,0)^{\mathrm T}$ 。
$\lambda_3=3$ :
$$3E-A=\begin{pmatrix}1&-2&0\\0&2&0\\0&0&0\end{pmatrix}\longrightarrow\begin{pmatrix}1&0&0\\0&1&0\\0&0&0\end{pmatrix},$$
得 $x_1=0,\ x_2=0$ ,$x_3$ 自由,$\xi_3=(0,0,1)^{\mathrm T}$ 。
**(Ⅱ)** 取
$$P=(\xi_1,\xi_2,\xi_3)=\begin{pmatrix}1&2&0\\0&-1&0\\0&0&1\end{pmatrix},\qquad\Lambda=\begin{pmatrix}2&0&0\\0&1&0\\0&0&3\end{pmatrix}.$$
$\lvert P\rvert=1\cdot(-1)\cdot1=-1\ne0$ ,$P$ 可逆。
**(Ⅲ)**
$$P^{-1}=\begin{pmatrix}1&2&0\\0&-1&0\\0&0&1\end{pmatrix}^{-1}=\begin{pmatrix}1&2&0\\0&-1&0\\0&0&1\end{pmatrix},$$
(因 $\lvert P\rvert=-1$ 且有大量零,直接验算 $PP=E$ 即知 $P^{-1}=P$ 。)验证
$$AP=\begin{pmatrix}2&2&0\\0&1&0\\0&0&3\end{pmatrix}\begin{pmatrix}1&2&0\\0&-1&0\\0&0&1\end{pmatrix}=\begin{pmatrix}2&2&0\\0&-1&0\\0&0&3\end{pmatrix},$$
$$P\Lambda=\begin{pmatrix}1&2&0\\0&-1&0\\0&0&1\end{pmatrix}\begin{pmatrix}2&0&0\\0&1&0\\0&0&3\end{pmatrix}=\begin{pmatrix}2&2&0\\0&-1&0\\0&0&3\end{pmatrix}.$$
两者相等,故 $AP=P\Lambda$ ,即 $P^{-1}AP=\Lambda$ ✓。
**验算**:$P^{-1}=P$ 需 $P^2=E$ ,验:$P^2$ 的第 1 行 $=(1,2,0)P=(1,\,2-2,\,0)=(1,0,0)$ ✓,其余同理。
**带走结论**:**验证 $AP=P\Lambda$ 比算 $P^{-1}AP$ 省一半力气**(不用求逆)。考试时若只要求"验证",一律用 $AP=P\Lambda$ 。$P$ 的列序必须与 $\Lambda$ 对齐——本题若把 $\Lambda$ 写成 $\mathrm{diag}(1,2,3)$ 就必须相应调整 $P$ 的列序。
> **关联** · 盘点 [§3.2 相似对角化的充要条件](01-知识点盘点.md#user-content-32-相似对角化的充要条件) | 上游 [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) | 下游 — | 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)
---