- 第4讲 线性方程组:8 个点分册 43 题,旧版题点分离整目录归档到 旧版-题点分离/ - 第5讲 特征值与特征向量:7 个点分册 35 题 - 第6讲 二次型:7 个点分册 30 题(含合同与相似、二次曲面两节) - 每讲 01-知识点盘点 + 10 个文件 + 速查卡回查表,全部题目级双向链接 - gen_crosslinks.py 新增:由题目标题单一数据源生成关联行/盘点§0.4/速查回查表 - fix_gitea_math.py 支持 --scope 指向目录(新建未跟踪文件也能修) - 校验:184-248 条内部链接 0 异常,公式 0 处待修,单文件均 <1.3 万字符
14 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3 相似与相似对角化 | 2026-10-24 | 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) |
|
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)
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)
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)
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 | 上游 — | 下游 — | 速查 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 Jordan 块形状,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 | 上游 — | 下游 — | 速查 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 | 上游 — | 下游 点 3 题 4、点 3 题 5 | 速查 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 | 上游 点 3 题 3 | 下游 点 3 题 5、点 3 题 6 | 速查 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 | 上游 点 3 题 3、点 3 题 4 | 下游 点 3 题 6 | 速查 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 | 上游 点 3 题 4、点 3 题 5 | 下游 — | 速查 四 重数与可对角化