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。
10 KiB
tags, 专题, 日期, 状态, 关联笔记
| tags | 专题 | 日期 | 状态 | 关联笔记 | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
线性代数 第5讲 · 点6 对角化的应用 | 2026-10-24 | 知识点带题(6.1 求矩阵幂、6.2 算行列式与秩,4 题) |
|
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)
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)
\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 | 上游 — | 下游 点 6 题 2 | 速查 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 | 上游 点 6 题 1 | 下游 — | 速查 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 | 上游 — | 下游 点 6 题 4 | 速查 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 | 上游 点 6 题 3 | 下游 — | 速查 十一 四处最容易丢分