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/06-点5-反求矩阵与抽象条件.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

213 lines
13 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, 反求矩阵, 抽象条件]
专题: 线性代数 第5讲 · 点5 反求矩阵与抽象条件
日期: 2026-10-24
状态: 知识点带题(5.1 反求矩阵、5.2 抽象条件与矩阵方程,5 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 5 反求矩阵与抽象条件
> 真题锚点:2019·21、2025·21(各 11—12 分,解答)|重要度 ★★★
> 依赖:点 3、点 4。盘点对应:§5 全节。
**组织原则**:先列知识点(反求 $A$ → 抽象条件),再逐一对应出题。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
## 知识点 5.1 由特征值特征向量反求矩阵(出处:[知识章 similar.tex §8](../../../../参考仓库/Math/linear-algebra/knowledge/5-similar/similar.tex))
已知 $n$ 个特征值与 $n$ 个无关特征向量,则
$$A=P\Lambda P^{-1},\qquad P=(\xi_1,\dots,\xi_n),\ \Lambda=\mathrm{diag}(\lambda_1,\dots,\lambda_n).$$
**验算**:回代 $A\xi_i=\lambda_i\xi_i$ ,验一两个即可。
**部分已知时**:缺的那个特征向量由"$A$ 的对称性"或"$P$ 需可逆"补齐;缺的特征值由 $\operatorname{tr}$ 或 $\lvert A\rvert$ 补齐。
**缺一个特征向量的三种补法**(实对称且特征值互异时最常用第一种):
| 已知条件 | 补法 |
|---|---|
| 实对称 $+$ 特征值互异 | 其余特征向量**必与已知的正交**,取正交补的一组基;三阶时直接用**叉乘** $\xi_3=\xi_1\times\xi_2$ |
| 只知 $P$ 需可逆 | 任取与已知向量线性无关的向量,再回代验 $A\xi=\lambda\xi$ |
| 某行(列)已知 | 用 $A\xi_i=\lambda_i\xi_i$ 的某个分量解出未知数 |
**叉乘为什么能用**:$\xi_1\times\xi_2$ 同时垂直于 $\xi_1,\xi_2$ ,而三阶时正交补恰是一维——**方向唯一,只差一个倍数**,故就是 $\xi_3$ 的方向。
**实对称的捷径(谱分解)**:
$$A=\lambda_1e_1e_1^{\mathrm T}+\lambda_2e_2e_2^{\mathrm T}+\cdots+\lambda_ne_ne_n^{\mathrm T},\qquad e_i\ \text{为规范正交特征向量}.$$
比重特征值时,若某方向占两维,常化为 $A=aE+bJ$ 的形式。**推导与两个化形在 [点 4 §4.4 谱分解](05-点4-实对称矩阵正交对角化.md)** ,本节直接用。
## 知识点 5.2 抽象条件与矩阵方程(出处:[练习章 similar.tex §5](../../../../参考仓库/Math/linear-algebra/exercise/5-similar/similar.tex))
**核心原则**:$A$ 满足多项式方程 $\Rightarrow$ 特征值满足同一方程(反之不成立)。
$$A^2-3A+2E=O\Longrightarrow\lambda^2-3\lambda+2=0\Longrightarrow\lambda\in\{1,2\}.$$
| 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 |
**另一个高频结论**:$A\xi=\lambda\xi$ 且 $A$ 可逆时,$A^{-1}\xi=\lambda^{-1}\xi$ 、$A^{*}\xi=\frac{\lvert A\rvert}{\lambda}\xi$ ,**这几条共用同一个特征向量**。
---
## 题目(按知识点顺序对应)
### 题 1 · 5.1:由特征向量矩阵与对角阵反求原矩阵(★★☆)
> 设三阶矩阵 $A$ 的特征值为 $\lambda_1=3,\lambda_2=1$ ,对应的特征向量分别为 $\xi_1=(1,1)^{\mathrm T}$ 、$\xi_2=(1,-1)^{\mathrm T}$ 。求 $A$ 。
**怎么想**:两个特征值、两个无关特征向量,条件正好够——直接 $A=P\Lambda P^{-1}$ 。$P$ 的列序必须与 $\Lambda$ 对齐。
**解**:
$$P=\begin{pmatrix}1&1\\1&-1\end{pmatrix},\qquad\Lambda=\begin{pmatrix}3&0\\0&1\end{pmatrix}.$$
$\lvert P\rvert=-1-1=-2$ ,故
$$P^{-1}=\frac{1}{-2}\begin{pmatrix}-1&-1\\-1&1\end{pmatrix}=\begin{pmatrix}\frac12&\frac12\\[2pt]\frac12&-\frac12\end{pmatrix}.$$
$$A=P\Lambda P^{-1}=\begin{pmatrix}1&1\\1&-1\end{pmatrix}\begin{pmatrix}3&0\\0&1\end{pmatrix}\begin{pmatrix}\frac12&\frac12\\\frac12&-\frac12\end{pmatrix}=\begin{pmatrix}3&1\\3&-1\end{pmatrix}\begin{pmatrix}\frac12&\frac12\\\frac12&-\frac12\end{pmatrix}$$
$$=\begin{pmatrix}\frac32+\frac12&\frac32-\frac12\\\frac32-\frac12&\frac32+\frac12\end{pmatrix}=\begin{pmatrix}2&1\\1&2\end{pmatrix}.$$
**验算**:$A\xi_1=\begin{pmatrix}2&1\\1&2\end{pmatrix}\begin{pmatrix}1\\1\end{pmatrix}=\begin{pmatrix}3\\3\end{pmatrix}=3\xi_1$ ✓;$A\xi_2=\begin{pmatrix}2&1\\1&2\end{pmatrix}\begin{pmatrix}1\\-1\end{pmatrix}=\begin{pmatrix}1\\-1\end{pmatrix}=1\cdot\xi_2$ ✓。
**带走结论**:**算完必须回代验一个特征向量**,这是最便宜的保险。注意本题结果 $A$ 是实对称的——因为 $\xi_1\perp\xi_2$ (内积 $1-1=0$ ),而"特征向量正交 + 特征值互异"正是实对称的特征。
> **关联** · 盘点 [§5.1 由特征值特征向量反求矩阵](01-知识点盘点.md#user-content-51-由特征值特征向量反求矩阵) | 上游 — | 下游 [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) | 速查 [八 反求矩阵](09-速查卡.md#user-content-八-反求矩阵)
---
### 题 2 · 5.2:多项式条件下求行列式(★★★)
> 【2025·21 骨架】设 $A$ 为三阶矩阵,满足 $A^2=A$ ,且 $r(A)=2$ 。求 $\lvert A+2E\rvert$ 。
**怎么想**:$A^2=A$ 把特征值锁死在 $\{0,1\}$ ;$r(A)=2$ 决定"1 有几个"(因 $A$ 必可对角化,$r(A)=$ 1 的个数)。两步合起来得到全部特征值,再套 $f(A)$ 的特征值。
**解**:
**第 1 步:特征值只能是 0 或 1。** 设 $A\xi=\lambda\xi$ ($\xi\ne0$ ),由 $A^2=A$ 得 $\lambda^2\xi=\lambda\xi$ ,即 $(\lambda^2-\lambda)\xi=0$ ,故 $\lambda\in\{0,1\}$ 。
**第 2 步:$A$ 可对角化,且 $r(A)=$ 1 的个数。** 由 $A^2=A$ 得 $A(A-E)=O$ ,于是 $r(A)+r(A-E)\leqslant n=3$ ;又 $r(A)+r(A-E)\geqslant r(E)=3$ ,故 $r(A)+r(A-E)=3$ 。再由几何重数与代数重数相等的论证(点 2 题 6),$A$ 可对角化。
设特征值为 $\lambda_1=\lambda_2=1$ 、$\lambda_3=0$ ,则 $A\sim\Lambda=\mathrm{diag}(1,1,0)$ ,$r(A)=r(\Lambda)=2$ ,与题设 $r(A)=2$ 一致。
**第 3 步:算行列式。** $A+2E$ 的特征值为
$$1+2,\ 1+2,\ 0+2=3,3,2 .$$
$$\lvert A+2E\rvert=3\times3\times2=18 .$$
**验算**:$\operatorname{tr}(A+2E)=\operatorname{tr}A+6=2+6=8=3+3+2$ ✓。
**带走结论**:**$r(A)$ 在幂等矩阵里就是"1 的个数"**,这是把秩条件转成特征值条件的唯一桥梁。若题目改成 $r(A)=1$ ,特征值就是 $1,0,0$ ,答案 $\lvert A+2E\rvert=3\times2\times2=12$ 。
> **关联** · 盘点 [§5.2 抽象条件与矩阵方程](01-知识点盘点.md#user-content-52-抽象条件与矩阵方程) | 上游 — | 下游 [点 5 题 4](06-点5-反求矩阵与抽象条件.md#user-content-题-4--52矩阵与其转置的特征值相同)、[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) | 速查 [九 抽象条件三件套](09-速查卡.md#user-content-九-抽象条件三件套)
---
### 题 3 · 5.1:缺一个特征向量时怎么补(★★★)
> 【2019·21 骨架】设 $A$ 为三阶实对称矩阵,特征值为 $\lambda_1=1,\lambda_2=2,\lambda_3=3$ ,属于 $\lambda_1,\lambda_2$ 的特征向量分别为
>
> $$\xi_1=(1,1,1)^{\mathrm T},\qquad \xi_2=(1,-1,0)^{\mathrm T}.$$
>
> 求 $A$ 。
**怎么想**:缺 $\xi_3$ 。但 $A$ **实对称**且特征值互异 $\Rightarrow$ 特征向量两两正交 $\Rightarrow$ $\xi_3$ 必与 $\xi_1,\xi_2$ 都正交。**一个方程不用解,叉乘即可**。
**解**:
**第 1 步:求 $\xi_3$ 。** $\xi_3\perp\xi_1$ 且 $\xi_3\perp\xi_2$ ,取叉乘:
$$\xi_3=\xi_1\times\xi_2=\begin{vmatrix}e_1&e_2&e_3\\1&1&1\\1&-1&0\end{vmatrix}=\big(1\cdot0-1\cdot(-1),\ 1\cdot1-1\cdot0,\ 1\cdot(-1)-1\cdot1\big)=(1,1,-2).$$
**验算正交性**:$\langle\xi_3,\xi_1\rangle=1+1-2=0$ ✓;$\langle\xi_3,\xi_2\rangle=1-1+0=0$ ✓。
**第 2 步:拼 $P$ 求 $A$ 。**
$$P=\begin{pmatrix}1&1&1\\1&-1&1\\1&0&-2\end{pmatrix},\qquad\Lambda=\mathrm{diag}(1,2,3),\qquad\lvert P\rvert=6 .$$
用谱分解更快(因特征向量两两正交):记 $q_i=\xi_i/\lVert\xi_i\rVert$ ,
$$\lVert\xi_1\rVert=\sqrt3,\quad\lVert\xi_2\rVert=\sqrt2,\quad\lVert\xi_3\rVert=\sqrt6 .$$
$$A=\sum_i\lambda_iq_iq_i^{\mathrm T}=\frac{1}{3}\xi_1\xi_1^{\mathrm T}+\frac{2}{2}\xi_2\xi_2^{\mathrm T}+\frac{3}{6}\xi_3\xi_3^{\mathrm T}$$
$$=\frac13\begin{pmatrix}1&1&1\\1&1&1\\1&1&1\end{pmatrix}+\begin{pmatrix}1&-1&0\\-1&1&0\\0&0&0\end{pmatrix}+\frac12\begin{pmatrix}1&1&-2\\1&1&-2\\-2&-2&4\end{pmatrix}.$$
逐元素算:
$$A=\begin{pmatrix}\frac13+1+\frac12&\frac13-1+\frac12&\frac13+0-1\\[2pt]\frac13-1+\frac12&\frac13+1+\frac12&\frac13+0-1\\[2pt]\frac13+0-1&\frac13+0-1&\frac13+0+2\end{pmatrix}=\begin{pmatrix}\frac{11}6&-\frac16&-\frac23\\[2pt]-\frac16&\frac{11}6&-\frac23\\[2pt]-\frac23&-\frac23&\frac73\end{pmatrix}.$$
**验算**:$A\xi_1$ 三个分量依次为 $\frac{11-1-4}{6}=1$ 、$\frac{-1+11-4}{6}=1$ 、$\frac{-4-4+14}{6}=1$ ,故 $A\xi_1=\xi_1$ ✓;$A\xi_2$ 第 1 分量 $\frac{11}{6}+\frac16=\frac{12}6=2$ 、第 2 分量 $-\frac16-\frac{11}6=-2$ 、第 3 分量 $-\frac23+\frac23=0$ ,即 $A\xi_2=(2,-2,0)^{\mathrm T}=2\xi_2$ ✓;$\operatorname{tr}A=\frac{11+11+14}{6}=6=1+2+3$ ✓。
**带走结论**:实对称 $+$ 特征值互异时,**缺的特征向量用叉乘直接写出**,不用解方程组。谱分解 $A=\sum\lambda_iq_iq_i^{\mathrm T}$ 比重特征值内部做施密特(见点 4 §4.2)还快——前提是特征向量已两两正交。
> **关联** · 盘点 [§5.1 由特征值特征向量反求矩阵](01-知识点盘点.md#user-content-51-由特征值特征向量反求矩阵) | 上游 [点 5 题 1](06-点5-反求矩阵与抽象条件.md#user-content-题-1--51由特征向量矩阵与对角阵反求原矩阵) | 下游 — | 速查 [八 反求矩阵](09-速查卡.md#user-content-八-反求矩阵)
---
### 题 4 · 5.2:矩阵与其转置的特征值相同(★★☆)
> 设 $A$ 为 $n$ 阶矩阵。证明:
>
> (Ⅰ)$A$ 与 $A^{\mathrm T}$ 有相同的特征多项式,因而特征值相同;
> (Ⅱ)$A$ 与 $A^{\mathrm T}$ 的特征向量一般不同,举例说明。
**怎么想**:第(Ⅰ)问只有一句——"转置不改变行列式",而 $(\lambda E-A)^{\mathrm T}=\lambda E-A^{\mathrm T}$ 。第(Ⅱ)问要造一个具体的非对称矩阵。
**解**:
**(Ⅰ)** 对任意 $\lambda$ ,
$$\lvert\lambda E-A^{\mathrm T}\rvert=\lvert(\lambda E-A)^{\mathrm T}\rvert=\lvert\lambda E-A\rvert .$$
两个多项式对一切 $\lambda$ 相等,故完全相同;特征方程相同,特征值(含重数)相同。
**(Ⅱ)** 取 $A=\begin{pmatrix}1&1\\0&2\end{pmatrix}$ ,$A^{\mathrm T}=\begin{pmatrix}1&0\\1&2\end{pmatrix}$ 。两者特征值都是 $1,2$ 。
$A$ 关于 $\lambda=1$ :$E-A=\begin{pmatrix}0&-1\\0&-1\end{pmatrix}$ ,特征向量 $(1,0)^{\mathrm T}$ 。
$A^{\mathrm T}$ 关于 $\lambda=1$ :$E-A^{\mathrm T}=\begin{pmatrix}0&0\\-1&-1\end{pmatrix}$ ,特征向量 $(1,-1)^{\mathrm T}$ 。
同样 $\lambda=1$ ,特征向量完全不同。
**带走结论**:$A^{\mathrm T}$ 与 $A$ **特征值同、特征向量不同**。这一条在"$A$ 与 $A^{\mathrm T}$ 是否相似"的问题里是必要信息(实矩阵时 $A$ 与 $A^{\mathrm T}$ 确实相似),但**不能据此说特征向量相同**。
> **关联** · 盘点 [§5.2 抽象条件与矩阵方程](01-知识点盘点.md#user-content-52-抽象条件与矩阵方程) | 上游 [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) | 下游 [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) | 速查 [九 抽象条件三件套](09-速查卡.md#user-content-九-抽象条件三件套)
---
### 题 5 · 5.2:多项式条件下求行列式(★★★)
> 设 $A$ 为三阶矩阵,特征值为 $1,2,3$ 。求 $\lvert A^3-3A^2+2A\rvert$ 。
**怎么想**:$f(A)$ 的特征值是 $f(\lambda)$ ,行列式等于它们的积。先分解 $f$ 看有没有零根——有零就立刻得 0,省去全部计算。
**解**:$f(\lambda)=\lambda^3-3\lambda^2+2\lambda=\lambda(\lambda-1)(\lambda-2)$ 。
$$f(1)=1-3+2=0,\qquad f(2)=8-12+4=0,\qquad f(3)=27-27+6=6 .$$
故 $A^3-3A^2+2A$ 的特征值为 $0,0,6$ ,
$$\lvert A^3-3A^2+2A\rvert=0\times0\times6=0 .$$
**另一条路(因式分解)**:
$$A^3-3A^2+2A=A(A-E)(A-2E),$$
$$\lvert A\rvert=6,\quad\lvert A-E\rvert=(1-1)(2-1)(3-1)=0,$$
故行列式为 0 ✓(只要有一个因子为零,整体为零)。
**带走结论**:**先分解、先看有没有零因子**。本题若硬算 $A^3-3A^2+2A$ 的九个数再求行列式,要多花十倍时间且必错。$A$ 有特征值 1 说明 $\lvert A-E\rvert=0$ ,这一眼就能定论。
> **关联** · 盘点 [§5.2 抽象条件与矩阵方程](01-知识点盘点.md#user-content-52-抽象条件与矩阵方程) | 上游 [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--52矩阵与其转置的特征值相同) | 下游 — | 速查 [九 抽象条件三件套](09-速查卡.md#user-content-九-抽象条件三件套)
---