本章考点总览
特征值与特征向量是线性代数的"结构层":它把矩阵看成线性变换,用"不变方向"(特征向量)与"伸缩倍数"(特征值)刻画矩阵的本质,也是二次型、矩阵幂、微分方程等问题的共同基础。期末考法主要有四块:一是计算(特征多项式、特征向量、含参数求特征值);二是判定与证明(相似、可对角化的充要条件、几何重数与代数重数);三是实对称矩阵的正交相似对角化(施密特正交化 单位化,几乎必考);四是应用(用相似对角化求 与矩阵函数、由特征值/特征向量反求矩阵)。本章共 17 题,其中含参数题 6 道,证明题 5 道。
| 高频考点 | 浙大常考题型 | 优先级 |
|---|---|---|
| 特征值与特征向量的定义与求法 | 计算题( 求 ,再解 ) | 高 |
| 特征值的性质 、 | 填空/选择、检验计算 | 高 |
| 、、 的特征值 | 概念计算题 | 高 |
| 含参数矩阵的特征值与可对角化讨论 | 大题(逐情形讨论重数) | 高 |
| 相似矩阵的性质与判定 | 证明题、概念题 | 高 |
| 可对角化的充要条件( 个线性无关特征向量 / 几何重数 代数重数) | 判定题、证明题 | 高 |
| 实对称矩阵必可正交相似对角化 | 计算大题(施密特正交化 单位化) | 高 |
| 用相似对角化求 与矩阵函数 | 计算大题 | 高 |
| 特征值与秩的关系 | 证明题、综合题 | 中 |
| 由特征值/特征向量反求矩阵 | 计算题、综合题 | 中 |
复习建议:把"写 分解因式求 对每个 解 求特征向量"这三步练成条件反射;凡是遇到"能否对角化",立刻转成"每个特征值的几何重数是否等于代数重数",即" 是否等于 的重数";实对称矩阵的题一律走"求特征值 求特征向量 同一特征值内的向量做施密特正交化 全部单位化 写成 "这套流程。最后切记三条:相似矩阵的特征多项式相同(因而特征值、迹、行列式都相同),但反之不成立;特征向量必须非零;求 时一定不要漏掉 。
一、特征值与特征向量的定义、求法与性质
例 13.1(特征值与特征向量的标准求法)
【题目】
求矩阵
的全部特征值与特征向量,并验证 、。
【涉及章节】→ 08-行列式的计算 | 12-线性方程组解的结构
【难度】★★★☆☆
【解答】
1. 思路分析:特征值是特征方程 的根;对每个特征值 ,解齐次方程组 ,其非零解就是属于 的全部特征向量。解完用"迹 特征值之和、行列式 特征值之积"双向验算。
2. 详细步骤:
(1)特征多项式
按第 1 行展开(注意代数余子式的符号 ):
逐项算:
于是
第一项展开:;
后两项:。
相加:
试根分解: 时 ✓,故有因子 。作除法
所以
验算: ✓;
与 一致。
(2)求特征向量
对 : 解 。先写清楚这个矩阵:
作行变换(,再用第 1 行消去第 2、3 行):
逐项核对:;。
故 ,几何重数 。方程组等价于
取 得 。特征向量:。
验算: ✓。
对 : 解 :
逐项核对:;。
故方程组等价于
两式相加得 ,再由第一式 。取 得 ,特征向量 。
验算: ✓。
对 : 解 :
逐项核对:;(恰为 的相反数,故相消为零行)。
由第 2 行 ;代入第 1 行 。取 得特征向量 。
验算: ✓。
3. 结论:特征值为 ;相应的全部特征向量为
验算: ✓, ✓。三个特征值互不相同,故 有 个线性无关的特征向量, 可对角化。
【关键点/易错点】
- 特征多项式一定要分解因式后再读特征值;本题的 需要试根(先试 这些常数项的因子)。
- 解 时最容易错的是符号: 的对角元是 ,非对角元是 。本题 的 元是 ,故 的 元是 。
- 特征向量必须非零();属于同一特征值的全部特征向量连同零向量构成子空间 ,其维数就是几何重数。
- 、 是最好的验算工具,务必用上。
【变式/延伸】本题三个特征值互不相同,故必可对角化。若某个特征值重根,就要用 判断几何重数是否等于代数重数(见例 13.2)。另外由 可快速验算 的迹。
例 13.2(重根特征值的几何重数:可对角化的判定)
【题目】
设
(1) 求 的全部特征值与特征向量;
(2) 判断 是否可对角化;
(3) 计算 与 。
【涉及章节】→ 10-矩阵的秩与初等变换 | 12-线性方程组解的结构
【难度】★★★★☆
【解答】
1. 思路分析: 的第 1、2 行的第 3 个分量都是 ,第 3 行的第 1、2 个分量是 ,按第 3 列展开最省力。求出全部特征值后,对重根用 算几何重数,再与代数重数比较。
2. 详细步骤:
(1)特征值与特征向量
按第 3 列展开 (该列只有 元 非零):
而
所以
特征值:(代数重数 ),(代数重数 )。
验算: ✓; ✓。
对 : 先写清楚
作行变换:
逐项核对:;。
得 ,故几何重数 代数重数。
方程组等价于
取 得 。特征向量:。
验算: ✓。
对 : 解 :
得 , 自由。特征向量:。
验算: ✓。
(2)不可对角化
的几何重数 代数重数 , 的线性无关特征向量最多 个,故 不能对角化。
(3)计算
更一般地,若记 ,则
故 ,由 解得 。校验: ✓、 ✓(与上面直接计算一致)。
3. 结论:(1) (代数重数 、几何重数 )的特征向量为 ; 的特征向量为 ;(2) 不可对角化;(3) ,,一般 。
【关键点/易错点】
- "代数重数"是特征值在特征多项式中的重数;"几何重数"是 。恒有 几何重数 代数重数,可对角化 每个特征值处两者相等。
- "有重根"既不意味着"一定不可对角化",也不意味着"一定可对角化",必须逐个特征值算秩(对比例 13.7 中"有重根但可对角化"的例子)。
- 分块三角矩阵的特征多项式可用"按含零最多的列(行)展开"快速求出。
【变式/延伸】由本题可知 的最小多项式必含 ,即 。这说明"最小多项式无重根 可对角化",与 10-矩阵的秩与初等变换 中"用秩判断"的说法一致。
例 13.3(实对称矩阵:特征值与"行和"结构)
【题目】
设
(1) 求 的全部特征值与特征向量;
(2) 求 、、、、;
(3) 判断 是否可对角化,并说明理由。
【涉及章节】→ 14-二次型与正定性 | 12-线性方程组解的结构
【难度】★★★☆☆
【解答】
1. 思路分析: 是实对称矩阵,特征值全为实数、必可(正交)对角化。先观察结构: 的每一行行和都是 ,故全 向量 是特征向量,特征值为 。
2. 详细步骤:
(1)特征值与特征向量
(i)观察:
故 ,特征向量 。
(ii)由 知另外两个特征值之和为 。用特征多项式确认:
按第 1 行展开:
逐项算:;。
故
于是
验算: ✓; 按第 1 行展开: ✓,与 一致(也说明 的三行线性相关:第 1 行 第 3 行 第 2 行)。
对 : 。作 、:
方程组等价于 ,取 得特征向量 。
验算: ✓。
对 : 。
作 ,再 、:
逐项核对:;——这里不能再用 消元,因为 已是首一但 第 1 分量是 ;改用 ,恰与 的相反数成比例,故相消为零行。
由 :;代回 :。取 得特征向量 。
验算: ✓。
(2)各派生量
直接验证 :
✓。
直接验证 :,故 ✓(由 即可看出)。
(3)可对角化
是实对称矩阵,由"实对称矩阵必可正交相似对角化"定理, 必可对角化。直接验证:三个特征值 互不相同,对应的特征向量 线性无关(属于不同特征值的特征向量必线性无关),故 可对角化,取 有 。
3. 结论:(1) 对应 , 对应 , 对应 ();(2) ,,,,;(3) 可对角化(实对称,且三个特征值互异)。
【关键点/易错点】
- "每一行元素之和都相等"的矩阵,全 向量必是特征向量,特征值就等于这个公共行和(本题为 )。这是最快的突破口。
- 解 的每一步行变换都要逐项核对;本题中若把 误写成 ,就会算出"满秩"的错误结论。 是必须成立的自检。
- 、 是处理"派生量"的两把利器,比先算矩阵再算行列式快得多。
【变式/延伸】 对应的二次型 的特征值为 ,全为非负且有零,故 半正定,规范形为 。这与 14-二次型与正定性 中"特征值符号决定正定性"的结论一致。
例 13.4(幂零矩阵的特征值: 的完整刻画)
【题目】
设 是 阶矩阵,且满足
(1) 证明 的特征值只能是 ,并由此写出 ;
(2) 证明 不可对角化;
(3) 举出一个满足条件的具体矩阵,求出它的特征值与几何重数。
【涉及章节】→ 11-向量组的线性相关性 | 10-矩阵的秩与初等变换
【难度】★★★★★
【解答】
1. 思路分析:(1) 用定义:设 是特征值、 是对应特征向量,由 与 得 。(2) 反证:若 可对角化而特征值全为 ,则 相似于零矩阵,从而 ,与 矛盾。(3) 取上三角的"移位矩阵"。
2. 详细步骤:
(1)特征值只能是
(i)设 是 的特征值, 是相应的特征向量,即 。
(ii)两边反复左乘 :
(一般地 ,可用归纳法严格证明。)
(iii)取 :因 ,左边 ,故 。
(iv)由 得 ,故 。
(v) 是 阶矩阵,特征多项式是首一的三次多项式且三个根全为 ,故
(2)不可对角化
(i)反设 可对角化,即存在可逆矩阵 使
其中 是 的全部特征值。
(ii)由 (1),,故 。
(iii)于是
从而 ,与题设 矛盾。
(iv)所以 不可对角化。
(v)几何重数验证:。由 知 ,故 ,于是几何重数 代数重数,与"不可对角化"一致。
(3)具体例子
取
计算
逐项核对 的 元: 的第 1 行 与 的第 3 列 的内积 ✓,其余元素为 。再乘一次 ( 只有 元非零,而 的第 3 列只有第 2 个分量非零,故 的第 元 )得 ✓。
特征多项式: 是上三角矩阵(对角元全为 ),故
特征值只有 (代数重数 )。几何重数:
与 (2) 的结论一致(不可对角化)。属于 的特征向量满足 ,即 ,故为 。
3. 结论:(1) 的特征值全为 ,;(2) 不可对角化;(3) 满足 、,特征多项式为 ,几何重数为 。
【关键点/易错点】
- "特征值全为 "不意味着 :零矩阵与幂零矩阵的特征值都是 ,区别在于能否对角化—— 可对角化,而 的幂零矩阵不可对角化。
- 由 推 是本章最基本的"升幂技巧",凡遇""型条件都靠它。
- 反证"可对角化 "时,必须说清" 是因为特征值全为 ",这一步是核心。
- 由 不能直接断定" 的特征多项式是 "以外的信息;要判断可对角化,必须再看秩(几何重数)。
【变式/延伸】若把条件改成 ,结论相同(特征值全为 , 时不可对角化);若改成 (幂等矩阵),则由 得特征值只能是 或 ,而此时 必可对角化(见例 13.17)。这提示" 且 无重根 可对角化"是一条很有用的判据。
例 13.5(特征值性质的综合运用:、、)
【题目】
设
(1) 写出 的全部特征值与特征向量;
(2) 求 、(伴随矩阵)的全部特征值,并求 与 ;
(3) 求 的全部特征值、 与 ;
(4) 设 ,求 与 。
【涉及章节】→ 09-矩阵运算与逆矩阵 | 08-行列式的计算
【难度】★★★★☆
【解答】
1. 思路分析:对角矩阵(或三角矩阵)的特征值就是对角元。若 是 的特征值、 是对应特征向量,则 是 的特征值(同一 ); 可逆时 是 的特征值, 是 的特征值。所有结论都可以只算特征值而无需真的求矩阵。
2. 详细步骤:
(1) 的特征值
是对角矩阵,,故
对应的特征向量分别为 、、 及它们的非零倍数。
验算: ✓; ✓。
(2) 与 的特征值
由 知 可逆,且
其特征值为 :
由 ,其特征值为 :
于是
直接用矩阵验证: 是"对角元各不相同的对角矩阵",其代数余子式 等于其余对角元之积:
非对角元的代数余子式全为 (因为 的非对角元为 ,删去一行一列后总有一列为零)。故
这与特征值算法完全一致。
(3) 的特征值
的特征值是 :
于是
直接验证:对角矩阵的多项式只需逐对角元计算,故
迹 ,行列式 ✓。
(4)
的特征值为 :
于是
直接验证:,故 、 ✓。
3. 结论:(1) ,特征向量 ;(2) 的特征值为 ; 的特征值为 ,,;(3) 的特征值为 ,,;(4) ,。
【关键点/易错点】
- 伴随矩阵的特征值是 (不是 ,也不是 )。当 时该公式失效,此时 。
- 等于"全部 阶主子式之和",与""互为验证。
- 用" 的特征值是 "时,前提是特征向量相同(由 保证),这一步来自升幂技巧。
- 用"逐对角元算 "来验证只对对角矩阵方便;一般矩阵只能靠理论保证。
- 、 这类式子一定写成 、 再算,不要先求矩阵。
【变式/延伸】更一般地:若 是 的特征值,则 、、、( 可逆)、 分别是 、、、、 的特征值,且特征向量相同。由此还可得: 与 有相同的特征向量,故 与 可交换。
二、含参数矩阵的特征值分类讨论
例 13.6(含参数三阶矩阵:特征值与可对角化的完整讨论)
【题目】
设
(1) 求 的特征多项式与全部特征值;
(2) 讨论 取何值时 可对角化,何值时不可对角化;
(3) 当 时,写出可逆矩阵 使 为对角矩阵。
【涉及章节】→ 12-线性方程组解的结构 | 10-矩阵的秩与初等变换
【难度】★★★★★
【解答】
1. 思路分析:先算含参数的特征多项式并分解,得到 与 的关系;再对使特征值重合的每个 值回代,计算各特征值的几何重数 ,与代数重数比较。注意 只出现在 位置,故 一定是特征值。
2. 详细步骤:
(1)特征多项式
按第 2 行展开(该行只有 元 与 元 ):
于是
验算: ✓; 按第 2 行展开得 ,与 ✓ 一致( 前两行的第 3 分量都是 ,故第 3 列只有第 3 个分量非零,行列式必为 )。
(2)分类讨论
情形一: 且 。 三个特征值 互不相同,代数重数都是 ,几何重数至少为 ,故都等于 , 有 个线性无关的特征向量, 可对角化。
情形二:。 此时
特征值 (代数重数 )与 (代数重数 )。
对 :解 ,
逐项核对: ✓。得 ,几何重数 代数重数 ✓。取 :由 、 得 ,特征向量 。
对 :解 ,
得 ,几何重数 代数重数 。故 时 不可对角化(属于 的特征向量只有 )。
情形三:。 此时
特征值 (代数重数 )与 (代数重数 )。
对 :
得 ,几何重数 代数重数。故 时 不可对角化(属于 的特征向量只有 ;验算 ✓)。
对 :,行变换得 ,,几何重数 ,特征向量 (验算: ✓)。
(3) 时的对角化
特征值为 (互异)。逐个求特征向量:
验算: ✓。
逐项核对:,乘 得 ✓。验算: ✓。
验算: ✓。
取
则
3. 结论:(1) ,特征值为 ;(2) 且 时 可对角化; 时 的几何重数 , 时 的几何重数 ,这两种情形下 不可对角化;(3) 时取 得 。
【关键点/易错点】
- 完整讨论要覆盖:① 特征值互异的全部参数区间;② 使特征值重合的每一个参数值处,逐一计算重根的几何重数。本题 与 对应两个不同的重根,都必须讨论。
- 几何重数用 计算(用 或 秩相同,但习惯上统一用一种)。
- 求出特征向量后必须代回验算 ;写 后还应用 确认可逆。
【变式/延伸】一般规律:特征值的代数重数由特征多项式的因式重数决定,几何重数由矩阵的秩决定。当参数使特征值重合时,几何重数往往(但不总是)小于代数重数——是否小于必须靠算秩来定,不能凭"重根"二字下结论(对比例 13.7)。
例 13.7(重根但可对角化:几何重数必须逐个算)
【题目】
设
(1) 求 的特征值与特征向量(用 表示);
(2) 讨论 取何值时 可对角化;
(3) 对 写出可逆矩阵 使 ,并求 。
【涉及章节】→ 12-线性方程组解的结构 | 11-向量组的线性相关性
【难度】★★★★☆
【解答】
1. 思路分析: 是上三角矩阵,故对角元 就是全部特征值。对每个特征值解 ,并按 是否与 重合分别讨论特征子空间的维数。
2. 详细步骤:
(1)特征值与特征向量
的 元都是 ,是上三角矩阵,故
验算: ✓; ✓。
对 : 解 ,
当 时:由 与 得 , 自由,特征向量 ,几何重数 。
当 时:,只有 一个约束, 自由,特征向量
几何重数 代数重数 ✓。
对 : 解 ,
当 时:由 得 ,由 ,取 得特征向量 ,几何重数 。
当 时:,只有 一个约束,特征向量
几何重数 代数重数 ✓。
对 (当 时): 解 ,
因 ,第 1、2 行给出 、(由 与 ), 自由,特征向量 ,几何重数 。
(2)可对角化的讨论
- :三个特征值互异,几何重数全为 , 可对角化;
- : 的代数重数 、几何重数 ✓, 的几何重数 ✓, 可对角化;
- : 的代数重数 、几何重数 ✓, 的几何重数 ✓, 可对角化。
所以对任意 , 都可对角化。(结论也可由" 的最小多项式无重根"看出。)
(3) 的对角化与
此时
特征向量依次为 、、。
验算: ✓; ✓; ✓。
取
则 。于是
逐项核对:左乘后得 ,再右乘得第 元 ✓。
验算 : ✓;:,而
3. 结论:(1) 特征值为 ;特征向量依次为 、、(当 或 时相应的特征子空间升为二维);(2) 对任意 , 都可对角化;(3) 时取 得 ,且 。
【关键点/易错点】
- "有重根"与"不可对角化"没有必然联系:本题 时有重根但可对角化,而例 13.6 中 时不可对角化。唯一判据是几何重数 代数重数。
- 三角矩阵的特征值就是对对角元,但特征向量不能直接读出来:本题 的特征向量是 而不是 。
- 讨论 的影响时要分 、 与其他值三类,因为 是否为 决定主元个数。
- 求 时 不能漏,且要用 验算。
【变式/延伸】本题 对一切 都可对角化,原因是其最小多项式无重根: 时为 , 或 时仍是 ,都无重根。这与"可对角化 最小多项式无重根"完全吻合。
例 13.8(由"某数是特征值"反求参数)
【题目】
设
(1) 证明 对任意 都是 的特征值;
(2) 求 的值,使 也是 的特征值,并求此时 的全部特征值与全部特征向量;
(3) 在 (2) 的 值下判断 是否可对角化,并写出可逆矩阵 使 为对角矩阵。
【涉及章节】→ 12-线性方程组解的结构 | 08-行列式的计算
【难度】★★★★★
【解答】
1. 思路分析:(1) 直接找特征向量最快:注意到第 2、3 列的后两行是 型结构,可先试 。(2) 计算含参数的特征多项式,把 代入解出 。(3) 求全部特征向量,检查几何重数。
2. 详细步骤:
(1) 恒为特征值
直接验证:
且 ,故 是特征值, 是相应特征向量,与 无关 ✓。
(等价地, 对任意 成立。)
(2)求 使 也是特征值
计算特征多项式。写出
作 (把第 2 列加到第 3 列):
再作 :
按第 3 列展开(只有 元 非零,符号为 ):
计算方括号:
故
验算:;由分解式,三个特征值之和 ✓;行列式 ,直接算 (按第 1 行展开):
把 代入二次因子:
故 。此时
全部特征值:
验算: ✓; ✓。
特征向量:
对 :解 ,
得 ,几何重数 代数重数 ✓。方程为 ,取一组基
验算: ✓; 已验 ✓。
故属于 的全部特征向量为 。
对 :解 ,
逐项核对:;;。
得 ?——这与 是特征值矛盾,说明行变换有误。重新用直接代入法:设 满足 的方程 ,即
由 (2) ;由 (3) ;代入 (1): ✓ 恒成立。故解为 。
验算: ✓。
(上面行变换的错误在于我写错了 的第 元: 的 元是 ,故 的 元是 ,而我写成了 型的结果。用直接代入法更稳。)
(3)可对角化与对角化
的几何重数 代数重数 , 的几何重数 代数重数 ,故 可对角化。
取 ,则
验证 ():
两者第 3 行不一致( 的第 3 行是 , 的第 3 行是 ),说明特征向量有误。检查 : 的第 3 分量应等于 的第 3 分量 ,而上面算得 的第 3 分量是 ✓,第 1 分量 ✓,第 2 分量 ✓,故 正确。
检查 的第 3 列:,而 的第 3 列 的第 3 列 ✓。原来我把 的第 3 列的行写错了: 的第 3 列是 ,但上面 计算中我误用了 。重算 的第 3 列(其余列同理验证):
三列全部吻合,故 ✓。又 按第 1 行展开: ✓,故
3. 结论:(1) 对任意 都是特征值(特征向量 );(2) 时 也是特征值,此时全部特征值为 (二重,特征向量 )与 (特征向量 );(3) 时 可对角化,取 得 。
【关键点/易错点】
- " 是特征值 "是"已知某数是特征值反求参数"的标准入口。本题也可直接把 代入 求解。
- 求含参数特征多项式时,先把 的项与参数项分离,最稳妥的是像本题那样化成 ,再用"迹 特征值之和、行列式 特征值之积"双向验算。
- 重根处一定要算 定几何重数;本题 使几何重数达到 ,恰等于代数重数。
- 若行变换算出的秩与"该数是特征值"矛盾,应立刻改用直接代入解方程组的方法核查,不要硬着头皮往下算。
【变式/延伸】本题 的特征值 全为负,故 对应的二次型(若对称化)是负定的;不过 本身不对称,只能说"特征值全负"。这与 14-二次型与正定性 中"特征值符号判别法"的形式相同,但适用前提不同,注意区分。
例 13.9(特征多项式与参数无关,但可对角化性有关)
【题目】
设
(1) 求 的特征多项式,并说明它与 无关;
(2) 求属于 的全部特征向量与几何重数(用 表示);
(3) 讨论 取何值时 可对角化。
【涉及章节】→ 12-线性方程组解的结构 | 10-矩阵的秩与初等变换
【难度】★★★★☆
【解答】
1. 思路分析: 的第 2 行只有一个非零元 ,按第 2 行展开即可看出特征多项式与 无关。虽然特征值固定为 ,但 会影响 的秩,从而影响几何重数——这是本章最容易被忽视的一类题。
2. 详细步骤:
(1)特征多项式
按第 2 行展开(只有 元 非零):
其中 没有出现,故 (代数重数 )与 (代数重数 )对任意 都成立。
验算: ✓; 按第 2 行展开得 ,与 ✓ 一致。
(2)属于 的特征向量
情形一:。 矩阵只剩第 1 行 ,,
方程为 , 自由。全部特征向量:
验算:,当 时 ✓; ✓。
情形二:。 第 3 行给出 ,第 1 行给出 , 自由,故
全部特征向量:。
(3)可对角化的讨论
对 :解 ,
当 时化为 ,,几何重数 代数重数 ,特征向量取 ,即 (验算: ✓)。
当 时第 3 行给出 ,第 1 行给出 ,取 得特征向量 (验算: ✓),,几何重数 代数重数 。
于是:
- : 的几何重数 代数重数 , 的几何重数 , 可对角化;三个线性无关特征向量可取 ;
- : 的几何重数 代数重数, 不可对角化。
3. 结论:(1) ,特征值为 (二重)与 ,与 无关;(2) 的特征向量: 时为 (几何重数 ), 时为 (几何重数 );(3) 时可对角化, 时不可对角化。
【关键点/易错点】
- 特征多项式与参数无关,不代表可对角化性与参数无关!本题 不影响特征值,却决定 的秩,从而决定能否对角化。
- 讨论 的特征向量时要分 与 (第 3 行是否为零行决定秩)。
- 求 的特征向量时也要注意 的影响:写成 可统一两种情况( 时退化为 )。
- 参数在矩阵中的位置决定它影响"特征值"还是只影响"特征向量/秩",先看位置能省很多力气。
【变式/延伸】若把 位置的 移到 位置,则特征多项式会变成 ,特征值随 变化,讨论方式与例 13.6 相同。这一对比说明:特征值是"全局"信息(由特征多项式决定),几何重数是"局部"信息(由秩决定)。
三、相似矩阵与相似对角化
例 13.10(相似矩阵的基本性质与判定)
【题目】
设 都是 阶矩阵。
(1) 证明:若 ,则 与 有相同的特征多项式、相同的迹、相同的行列式、相同的秩;
(2) 证明:若 ,则对任意多项式 有 ;并证明 可逆时 、;
(3) 举例说明"特征多项式相同"不能推出"相似"。
【涉及章节】→ 09-矩阵运算与逆矩阵 | 10-矩阵的秩与初等变换
【难度】★★★★☆
【解答】
1. 思路分析:(1)(2) 都从定义 出发,把 代入待证的式子,利用" 与行列式、求逆、乘法相容"这三条性质。(3) 反例取 与 :它们特征多项式相同但不相似(可对角化性不同)。
2. 详细步骤:
(1)
(i)设 ( 可逆)。则
这里用了 。
(ii)两边取行列式:
因为 。故 与 的特征多项式相同,从而特征值(连同代数重数)完全相同。
(iii)比较特征多项式的系数: 的系数是 ,常数项是 ,故
(也可直接算迹:,用了 。)
(iv)秩:由"可逆矩阵左乘或右乘不改变秩"得
(也可由特征多项式相同推出 ,取 得 。)
(2)
(i)设 。由 得
中间的 都被消掉。
(ii)于是
即 ,且相似变换矩阵与 之间的那个 相同。
(iii)若 可逆,则 , 也可逆。对 两边取逆:
故 (这里用了 与 )。
(iv)由 与 :
故 。
(3)反例
取
两者的特征多项式都是 :
迹都是 ,行列式都是 ,秩都是 。但 与 不相似:若 ,则存在可逆 使 ,与 矛盾。
(也可从"相似保持可对角化性"看: 可对角化,而
故 不可对角化。可对角化性不同,故不相似。)
3. 结论:(1)(2) 全部成立,证明见上;(3) 与 的特征多项式、迹、行列式、秩都相同,但不相似。
【关键点/易错点】
- 相似是等价关系(自反、对称、传递),但"特征多项式相同"只是相似的必要条件,不是充分条件。
- (2) 中 的推导是本章使用频率最高的技巧,务必掌握。
- 判断"不相似"时,"可对角化性不同"是最常用的手段;此外" 对某个 不同""最小多项式不同"也都能用。
- 注意 与 :它们有相同的特征多项式,但不一定相似(对可对角化矩阵和实对称矩阵则相似)。
【变式/延伸】 阶矩阵按相似分类时,每个特征值处还需要给出"若尔当块的个数与大小";两个矩阵相似 它们有相同的若尔当标准形。考试中掌握到"可对角化性 + 特征值 + 各 "这一层通常就够用了。
例 13.11(可对角化的充要条件: 个线性无关的特征向量)
【题目】
设 是 阶矩阵。
(1) 证明:属于不同特征值的特征向量线性无关;更一般地,若 分别属于互不相同的特征值 ,则 线性无关;
(2) 证明: 可对角化 有 个线性无关的特征向量 每个特征值的几何重数等于代数重数;
(3) 设 ,且 ,判断 是否可对角化。
【涉及章节】→ 11-向量组的线性相关性 | 12-线性方程组解的结构
【难度】★★★★★
【解答】
1. 思路分析:(1) 对 用数学归纳法,关键是"把关系式两边左乘 后与原式作差,消去一个向量",再用 。(2) 把"可对角化"翻译成"有 个线性无关特征向量",再把"能否凑满 个"翻译成"各几何重数之和是否等于 "。
2. 详细步骤:
(1)证明
(i) 时显然成立(单个非零向量线性无关)。
(ii)设结论对 成立,考虑 个向量。设
(iii)两边左乘 ,利用 :
(iv)计算 :
其中 的系数是 ,故 被消去。
(v)由归纳假设, 线性无关,故
而 ,故 。
(vi)代回 得 ;由 (特征向量非零)得 。于是所有 , 线性无关。
(2)证明
(i)设 的互异特征值为 ,代数重数分别为 (),几何重数分别为
(ii)第一步: 可对角化 有 个线性无关的特征向量。
"":若 ,则 。比较两边的第 列得
说明 的三列都是 的特征向量;又 可逆,三列线性无关。
"":若 线性无关且 ,取 (可逆),则 ,故 。
(iii)第二步:有 个线性无关的特征向量 每个 。
从每个特征子空间 中取一组基,共 个向量。由 (1),来自不同 的特征向量线性无关,故这 个向量整体线性无关,它们张成的空间维数恰为 。于是
又恒有 ( 因为 是特征值; 是"几何重数不超过代数重数"的定理),故
三句话合起来即得所证。
(3)应用
的代数重数 ,几何重数
由 (2), 不可对角化。
(补充:此时 的 ,但 ,确实凑不满 个线性无关的特征向量。)
3. 结论:(1) 属于不同特征值的特征向量线性无关;(2) 可对角化 有 个线性无关特征向量 每个特征值的几何重数 代数重数;(3) 时 的几何重数 , 不可对角化。
【关键点/易错点】
- (1) 的归纳证明中" 后相减"是标准套路,目的是消去一个向量以便用归纳假设,务必写清消去的是哪一个。
- "几何重数 代数重数"是 (2) 的关键引理;严格证明可用"把特征子空间的一组基扩充为全空间的一组基, 在这组基下的矩阵是分块上三角,其特征多项式含 "。
- 判断可对角化时,"有 个线性无关的特征向量"与"每个几何重数等于代数重数"完全等价,写答案时任选一种,但必须把重数算出来。
- 恒有 ,故只需检查"有没有某个 "——只要有一个不相等,就不可对角化。
【变式/延伸】由 (2) 立得一个实用推论:若 有 个互不相同的特征值,则 必可对角化(因为每个 )。这就是例 13.1、13.3 中"特征值互异 可对角化"的依据;反之,有重根时必须算秩——这正是例 13.6、13.7、13.9 反复演练的内容。
例 13.12(用相似对角化求 的完整流程)
【题目】
设
(1) 求 的全部特征值与特征向量;
(2) 求可逆矩阵 与对角矩阵 使 ;
(3) 求 ( 为正整数),并用 验算;
(4) 求 与 。
【涉及章节】→ 09-矩阵运算与逆矩阵 | 12-线性方程组解的结构
【难度】★★★★☆
【解答】
1. 思路分析: 是"对角 、其余 "的对称矩阵,( 为全 矩阵),故全 向量是特征向量(特征值 行和 ),而 的特征子空间是 。求出 后用 。
2. 详细步骤:
(1)特征值与特征向量
(i)观察:
故 ,特征向量 。
(ii)由 得 ;猜测 ,用特征多项式确认:
于是
验算: ✓; 用同样的列变换:
与 ✓ 一致。
(iii)属于 的特征向量:解 ,
得 ,几何重数 代数重数 ✓(故 可对角化)。方程为 ,一组基
验算: ✓; ✓。
(2)对角化
取
验证 (只需逐列验证 ,已在上一步完成),且
重新算:按第 2 行展开 ✓。
(3)求
先求 。用伴随矩阵法:,各代数余子式
故
验算 的第 元: ✓;第 元: ✓;第 元: ✓。
于是
记 。前两个因子相乘得
再右乘得
逐项核对( 的第 1 列是 、第 2 列是 、第 3 列是 ):第 元 ✓;第 元 ✓;第 元 ✓;第 元 ✓;第 元 ✓。
更简洁的写法:把上面整理成"全 部分 单位矩阵部分":
其中 为全 矩阵。逐项核对: 的每个元素都是 ,加上 后对角元为 ✓,非对角元为 ✓,与上面的矩阵完全一致。
验算 (此时 ):
直接算:
(4) 与
(i)(见上)。
(ii)设 。由 (直接验证: 的对角元为 ,非对角元为 ✓)与 :
令其等于 (即 的系数为 、 的系数为 ):
故
验算: 的第 元 ✓;第 元 ✓。
也可用 验证:,代入同样得上面的结果。
3. 结论:(1) (特征向量 ),(特征向量 );(2) ,;(3) ( 时给出 ,与直接计算一致);(4) ,。
【关键点/易错点】
- 中的 绝不能漏;求完 一定要验算 。
- 当 有 的结构时,结果可整理成 的漂亮形式;这是对称矩阵求幂的常用技巧,但注意 (本题 ),不要写成 。
- 求 时若用 的结构,"令 的系数为 、 的系数为 "这一步要写清,因为 与 线性无关。
- 用 代回验算是检验 公式最有效的手段。
【变式/延伸】若把 换成 (对角 、其余 ,即 ),则特征值为 ,同样可写 。这类""型矩阵是期末最常考的求幂题,建议把公式的推理过程默写一遍。
例 13.13(Cayley-Hamilton 定理与矩阵函数)
【题目】
设
(1) 写出 的特征多项式 ,并验证 ;
(2) 设 ,求 的特征值、、;
(3) 设 ,求 与 ;
(4) 一般地,若 是 的特征值、 是对应特征向量,证明 是 的特征值,且 是对应特征向量。
【涉及章节】→ 08-行列式的计算 | 09-矩阵运算与逆矩阵
【难度】★★★★☆
【解答】
1. 思路分析:(1) 对角矩阵的特征多项式是 ,代入 后每个对角元都是 。(2)(3) 只需把 作用在三个特征值上,再由"特征值之和 迹、之积 行列式"读出答案。(4) 用升幂技巧。
2. 详细步骤:
(1)特征多项式与
展开:
因为 是对角矩阵, 也是对角矩阵,且对角元为 :
故 ✓(这正是 Cayley-Hamilton 定理在此例中的体现)。
(2)
的特征值为 :
于是
直接验证:,迹 ,行列式 ✓。
(3)
故
( 说明 不可逆,且 是 的根,与 有特征值 相呼应。)
(4)一般性证明
设 ,,。
(i)先证 (对 归纳): 时 ✓;若 ,则
(ii)于是
(iii)由 知 是 的特征值,且 是对应的特征向量。
特别地, 的全部特征值(按代数重数计)就是 ,于是
3. 结论:(1) ,且 ;(2) 的特征值为 ,,;(3) ,;(4) 证明见上,且 、。
【关键点/易错点】
- Cayley-Hamilton 定理: 满足自己的特征多项式,即 。由它可以降幂(把 用 表示)、求逆(常数项非零时)与求递推。
- "特征值是 "这句话对任何多项式成立,但前提是特征向量保持不变; 与 是它的两个直接推论。
- 注意 与 是同一个道理,别把 写成" 的根"。
- 若 对某个 成立,则 不可逆(本题 )。
【变式/延伸】若 且常数项 ,则
这是"用多项式表示逆矩阵"的标准方法。本题 的特征多项式常数项为 ,故
可自行验算:,故右边 ✓。这与例 13.5(2) 的结果一致。
四、实对称矩阵与正交相似对角化
例 13.14(实对称矩阵的正交相似对角化:完整流程)
【题目】
设
(1) 求 的全部特征值与特征向量,并说明为什么 一定可对角化;
(2) 求正交矩阵 使 为对角矩阵;
(3) 写出相应的正交变换,把二次型 化为标准形,并判断 的正定性。
【涉及章节】→ 14-二次型与正定性 | 11-向量组的线性相关性
【难度】★★★★★
【解答】
1. 思路分析: 实对称,故特征值全为实数、属于不同特征值的特征向量自动正交、且必可正交相似对角化。求出 (二重)的特征子空间的一组基后,必须在这一子空间内作施密特正交化(不同特征值的向量之间已自动正交),再把所有向量单位化拼成 。
2. 详细步骤:
(1)特征值与特征向量
按第 1 行展开(符号 ):
逐项算:
于是
而 ,故
验算: ✓; 按第 1 行展开:
与 ✓ 一致。
对 : 解 ,
得 ,几何重数 代数重数 ✓。方程为 ,取 得 ;取 得 。故
验算: ✓; ✓。
对 : 解 ,
逐项核对:;; ✓。
由第 3 行 ;由第 2 行 。取 得
验算: ✓。
实对称,由"实对称矩阵必可正交相似对角化"定理, 一定可对角化;且属于不同特征值的特征向量自动正交:
(2)求正交矩阵
(i) 的特征子空间内, 与 不正交:。作施密特正交化:
为便于书写取 倍:
验算: ✓; ✓(确实仍在 的特征子空间内)。
(ii) 已与 正交(由对称性保证;也可直接验算: ✓, ✓)。
(iii)单位化:
(iv)取
由构造过程知 两两正交且都是单位向量,故 ,即 是正交矩阵。又每列都是 的特征向量,对应特征值依次为 ,故
(3)正交变换与正定性
作正交变换 (即 ),则
标准形的系数 全为正,故 是正定二次型, 是正定矩阵。(也可由顺序主子式判定:,,,全部为正。)
3. 结论:(1) 特征值为 (二重)与 ;属于 的全部特征向量为 ,属于 的为 ; 实对称,故必可对角化;(2) 为正交矩阵,;(3) 正交变换 把 化为 , 正定。
【关键点/易错点】
- 施密特正交化只需在同一个特征子空间内做:不同特征值的特征向量由实对称矩阵的性质自动正交,重复做只是浪费计算。
- 单位化前先把向量化成整数(本题把 乘 得 ),可大幅减少根式运算。
- 的列向量顺序要与对角元的顺序一致:本题三列依次对应 ,故对角矩阵写成 ;若把 放到第一列,则须写成 。
- 最后必须验算 (或至少验算三列两两正交且为单位向量)。
- 正交化过程中产生的向量必须仍在原特征子空间内(本题用 验证),否则说明算错了。
【变式/延伸】实对称矩阵的"正交相似对角化"与一般矩阵的"相似对角化"的区别在于 必须是正交矩阵(),这要求特征向量两两正交,因此重根处必须做施密特正交化。该结论也正是 14-二次型与正定性 中"任何实二次型都可通过正交变换化为标准形"的依据。
例 13.15(由特征值/特征向量反求矩阵的完整讨论)
【题目】
设 阶矩阵 满足
(1) 求 的全部特征值与全部特征向量;
(2) 求一个满足条件的矩阵 ;
(3) 满足条件的 是否唯一?若不唯一,写出一般形式,并说明哪些量是唯一确定的。
【涉及章节】→ 09-矩阵运算与逆矩阵 | 11-向量组的线性相关性
【难度】★★★★★
【解答】
1. 思路分析:由 直接读出特征值与特征向量;由 反求 ;不唯一性来自"同一特征子空间内可以换一组基"。
2. 详细步骤:
(1)特征值与特征向量
由题设,
显然不成比例,故 的几何重数至少为 ; 不属于 的特征子空间(否则该子空间含三个线性无关方向),故 是另一个特征值。
取
故 线性无关, 的代数重数恰为 、几何重数也是 , 的代数重数为 。全部特征值为 (二重)与 。
全部特征向量:
(注意 是二维的,故除 外,、 等也都是特征向量。)
(2)求
由 得 ,故
求 :各代数余子式
故
验算 的第 元: ✓;第 元: ✓;第 元: ✓。
于是
前两个因子相乘(右乘对角矩阵=逐列乘):
再乘第三个因子:
逐项核对第 元: ✓;第 元: ✓;第 元: ✓。故
验算三个等式:
再用迹与行列式验算:
(按第 2 行展开,只有 元 非零)。
(3)不唯一性
一般地,只要 阶可逆矩阵 的前两列张成 、第三列张成 ,则
都满足题设的三个等式。例如取
(前两列 与 都在 中,第三列 在 中),则
故 也满足题设。
但所有满足条件的 都有相同的特征值 ,故
都是唯一确定的,而 本身不唯一。
3. 结论:(1) 特征值为 (二重)与 ;属于 的全部特征向量为 ,属于 的为 ;(2) 一个满足条件的矩阵为
(3) 不唯一,一般形式为 ( 的列按上述要求选取),但特征值、迹、行列式以及各 唯一确定。
【关键点/易错点】
- "给出特征向量"往往只给出特征子空间中的一组向量,子空间维数要用 判断;本题 的特征子空间是二维的,故任意非零线性组合都是特征向量。
- 反求 前必须确认 可逆(本题 )。
- 求完 后必须代回验算三个等式,并用迹、行列式二次验算。
- 若把条件加强为" 是实对称矩阵",则三个特征向量必须两两正交;此时 ,必须先在 内换成正交基(例如 与 ,后者满足 且在 中),解集就会小很多。
【变式/延伸】"由特征值 特征向量反求矩阵"的一般公式就是 ;要唯一确定 ,必须给出 个线性无关的特征向量及其对应特征值。这一公式也说明:相似对角化本质上是"换基"—— 在特征向量基下的矩阵就是 。
例 13.16(特征值与秩的关系:可对角化情形的秩公式)
【题目】
设 是 阶可对角化矩阵, 是它的全部特征值(按代数重数计)。
(1) 证明: 等于 中非零特征值的个数;
(2) 证明: 可逆 的特征值全不为零;
(3) 设 阶实对称矩阵 满足 、、、,求 的全部特征值;
(4) 若 (3) 中去掉 这个条件, 的特征值能否唯一确定?举例说明。
【涉及章节】→ 10-矩阵的秩与初等变换 | 14-二次型与正定性
【难度】★★★★☆
【解答】
1. 思路分析:(1) 由可对角化设 ,秩在相似下不变,而 的秩就是非零对角元的个数。(2) 是 (1) 的直接推论。(3) 把"秩 "翻译成"恰有一个零特征值",再用迹与 定出另外两个。(4) 说明条件不足会导致不唯一。
2. 详细步骤:
(1)证明
(i)由 可对角化,存在可逆矩阵 使
(对角元的排列可任意,不妨设重根也按重数出现)。
(ii)相似矩阵有相同的秩(例 13.10(1)),故 。
(iii)对角矩阵的秩等于非零对角元的个数:对 作行列交换(初等变换)可化为
其中 就是非零对角元的个数。
(iv)于是
即 等于非零特征值的个数(按重数计)。
(2)证明
由 (1), 个特征值全不为零 不存在零特征值。而 可逆 ,故
(也可由 直接看出: 每个 。)
(3)求解
(i) 是 阶实对称矩阵,故可正交相似对角化,从而可对角化,可用 (1)。
(ii)由 与 (1), 恰有 个非零特征值、 个零特征值。设
(iii)由 与 一致(不提供新信息)。
(iv)由 得 。
(v)由 得
代入 :
(vi)于是 是方程 的两根:
故
验算: ✓; ✓(两个非零特征值); ✓; ✓。自洽。例如 就是一个具体例子。
(4)去掉 后不唯一
若只给 、、,则只能得到
而 待定。例如
都是实对称矩阵,都满足 、、,但特征值分别为 、、,彼此不同。故条件不足时特征值不能唯一确定。
3. 结论:(1) 可对角化矩阵的秩等于非零特征值的个数(按重数计);(2) 可逆 特征值全不为零;(3) 特征值为 ( 即为例);(4) 去掉 后不能唯一确定,如 与 都满足其余条件。
【关键点/易错点】
- 结论 (1) 需要"可对角化"前提;对一般矩阵只有 非零特征值的个数。反例: 的秩为 ,但特征值全是 。考试中引用该结论要先说明前提(实对称矩阵自动满足)。
- 对任何方阵都成立,是"特征值 迹"问题的常用工具(本题用 定出 )。
- 由"秩 "只能推出"恰有一个零特征值(按重数)",不能推出另外两个特征值是什么;判断条件是否充足是这类题的关键。
- 由 与 求 时,两根对称,顺序不影响结论。
【变式/延伸】把 (1) 与 14-二次型与正定性 结合:实对称矩阵 的正惯性指数等于正特征值的个数,负惯性指数等于负特征值的个数,而 正、负惯性指数之和。例如本题 的正惯性指数为 、负惯性指数为 、秩为 ,故 半正定。
例 13.17(幂等型条件 、 的特征值分析)
【题目】
设 是 阶矩阵。
(1) 若 (幂等矩阵),证明 的特征值只能是 或 ,并证明 一定可对角化;
(2) 若 ,证明 的特征值只能是 或 ,且 一定可对角化;
(3) 设 且 ,求 的全部特征值、、、、;
(4) 举出两个例子验证 (3) 的结论,并说明 与 的区别。
【涉及章节】→ 10-矩阵的秩与初等变换 | 11-向量组的线性相关性
【难度】★★★★★
【解答】
1. 思路分析:(1)(2) 先用升幂技巧得到 确定特征值的可能值;再用" 的直和分解"证明可对角化(这比引用"最小多项式无重根"更初等)。(3) 用迹定重数,再用"可对角化矩阵的秩 非零特征值个数"求秩。
2. 详细步骤:
(1)
(i)设 是特征值、 是相应特征向量。由 得
(ii)又由 得 。于是
(iii)可对角化:证明 。
任取 ,令
则
且 。故 。
再证是直和:若 ,则 且 ,故 ,即 。于是
分别取 与 的基,合并得 的一组基,其中每个向量都是 的特征向量(特征值 或 ),故 可对角化。
(2)
(i)设 (),则 ;又 ,故
(ii)对任意 ,令
则
且 。同样 ,故
可对角化。
(iii)更一般地:若 (),则 可对角化,特征值只能是 或 。
(3) 且
(i)由 (1),特征值只能是 或 。设 的重数为 、 的重数为 ,则
故
(ii)由 (1) 的直和分解,( 的几何重数),。于是
(也可由 (1) 的可对角化性 + 例 13.16(1):秩 非零特征值个数 。)
(iii)
(由 直接取迹也得 ✓,两种算法一致。)
(4)例子与区别
例一(对角):。则
例二(非对角):有 的非对角例子可由"相似变形"得到。取
(验算: 与 相乘,第 元 ✓,第 元 ✓,第 元 ✓。)
令
先算 (右乘对角矩阵=逐列乘对应倍数):第 1 列不变、第 2 列不变、第 3 列变零,得
再右乘 :
逐项核对第 元: ✓;第 元: ✓。
故
验算:
逐项核对 元: ✓, 元: ✓。
✓, ✓(前两行线性无关,第三行为零行), ✓(第三行为零行),
两类条件的区别: 满足 ,特征值为 ;而
满足
其特征值为 (由 、、 可定出)。两类条件给出的特征值集合不同( 与 ),不能混用。
3. 结论:(1) 时特征值只能是 ,且 , 可对角化;(2) 时特征值只能是 ,且 , 可对角化;(3) 且 时特征值为 ,,,,;(4) 与 都是满足 (3) 的例子,而 属于 型,两类条件不可混用。
【关键点/易错点】
- "由 得 "只给出特征值的可能取值,还要用迹(或行列式)确定重数。
- 证明可对角化时,用" 的直和分解、各自取基"是最规范的写法;不要只写"特征值只有 和 ,所以可对角化"——有重根时必须说明几何重数。
- ""中""升级为""需要额外验证 ,这一步不能省。
- 是"特征值求派生行列式"的标准用法;本题也可由 的特征值为 直接读出。
- 注意 说明" 的像含于 ",这是理解幂等矩阵几何意义的关键。
【变式/延伸】更一般地,若 (),则 、 可对角化、特征值为 与 ,且 (本题 时 ✓)。这类"投影型"矩阵在数值计算与统计中大量出现,也是期末证明题的常见素材。
易错点与技巧归纳
| 易错点 | 正确做法 |
|---|---|
| 把特征向量写成零向量或漏写"" | 特征向量必须非零;属于 的全部特征向量是 中的全部非零向量 |
| 解 时符号写错 | 的对角元是 、非对角元是 ();求完必须代回验算 |
| 用"有重根"直接判定不可对角化 | 唯一判据是几何重数 代数重数,即 等于 的重数;有重根也可能可对角化(如例 13.7) |
| 认为"特征多项式相同 相似" | 特征多项式(以及迹、行列式、秩)相同只是必要条件;反例: 与 |
| 认为"迹、行列式相同 相似" | 同样不成立;判"不相似"可用"可对角化性不同""某个 不同" |
| 认为 与 一定相似 | 二者特征多项式相同但不一定相似;实对称矩阵、可对角化矩阵才一定相似 |
| 用相似对角化求 时漏掉 | ,三个因子一个都不能少;求完用 验算 |
| 求 后不验算 | 必须验算 ;也可用 与伴随矩阵法交叉验证 |
| 把 中的 当成余子式矩阵 | 是代数余子式矩阵的转置;注意 的符号 |
| 实对称矩阵忘记施密特正交化 | 同一个特征值的多个特征向量不一定正交(如例 13.14 的 与 内积为 ),必须在该特征子空间内正交化 |
| 对不同特征值的特征向量也做正交化 | 不同特征值的特征向量由对称性自动正交,重复做只是浪费计算 |
| 正交化后忘记单位化 | 必须是正交矩阵,每列都要除以自身长度;单位化前先把向量化为整数 |
| 的列顺序与对角元顺序不一致 | 的对角元顺序与 的列一一对应;交换列必须同步交换对角元 |
| 由 直接断定 | 只能推出特征值全为 ; 需额外条件(如 可对角化、 对称) |
| 由 断定 后就停止 | 还需用迹/行列式/秩确定各特征值的重数,并单独讨论可否对角化 |
| 认为"秩 非零特征值个数"对任意矩阵成立 | 需要"可对角化"前提;反例: 秩为 但特征值全为 |
| 把 的特征值写成 | ,特征值是 ; 时公式失效 |
| 由" 的特征值全为正"判定正定而不检查对称性 | 正定要求 对称且特征值全正;非对称矩阵"特征值全正"推不出正定(见 [[14-二次型与正定性]]) |
| 含参数题只讨论"特征值互异"的情形 | 必须把参数使特征值重合的每个取值列出,逐一算 ;特征多项式与参数无关时也要讨论(见例 13.9) |
| 由"给出一组特征向量"就认定特征子空间是一维 | 要用 算几何重数; 可能都是特征向量(见例 13.15) |
| 反求 时未验证 可逆 | 要求 可逆;求完还要代回验算 与迹、行列式 |
| 把 与 的特征值集合混用 | 的特征值是 ; 的是 ;条件不同,结论不能互换 |
| 证明可对角化时只写"特征值互异"或"特征值只有 " | 有重根时必须说明几何重数;规范写法是" 的直和分解"或"" |