上海财经大学 2026年高等代数第0题
📝 题目
2．求证：矩阵 $A$ 可以对角化．
💡 答案解析
暂无答案解析
📋 详细解题步骤
步骤 1/7
目标：理解对角化的定义和条件
矩阵 $A$ 可对角化当且仅当存在可逆矩阵 $P$ 使得 $P^{-1}AP = \Lambda$ 为对角矩阵。这等价于 $A$ 有 $n$ 个线性无关的特征向量，或每个特征值的几何重数等于代数重数。
提示：注意：可对角化不要求特征值互异，但要求每个特征值对应的特征空间维数等于其代数重数。
步骤 2/7
目标：计算特征多项式
设 $A$ 是 $n \times n$ 矩阵，计算其特征多项式 $f(\lambda) = \det(\lambda I - A)$。特征多项式的根即为特征值。
公式：$f(\lambda) = \det(\lambda I - A)$
提示：计算行列式时注意符号，避免代数错误。
步骤 3/7
目标：求出所有特征值及其代数重数
解特征方程 $f(\lambda)=0$，得到所有互异特征值 $\lambda_1, \lambda_2, \dots, \lambda_k$。每个特征值 $\lambda_i$ 在特征多项式中的重数称为代数重数，记为 $m_i$，且 $\sum_{i=1}^k m_i = n$。
提示：注意：特征值可能为复数，但实矩阵的复特征值成对出现。
步骤 4/7
目标：对每个特征值求解特征空间
对于每个特征值 $\lambda_i$，求解齐次线性方程组 $(\lambda_i I - A)x = 0$。该方程的解空间即为特征空间 $V_{\lambda_i}$。其维数 $d_i = \dim V_{\lambda_i} = n - \operatorname{rank}(\lambda_i I - A)$ 称为几何重数。
公式：$(\lambda_i I - A)x = 0$
提示：计算秩时注意行简化阶梯形，确保正确得到自由变量个数。
步骤 5/7
目标：比较几何重数与代数重数
对每个特征值 $\lambda_i$，检查几何重数 $d_i$ 是否等于代数重数 $m_i$。若对所有 $i$ 都有 $d_i = m_i$，则 $A$ 可对角化；否则不可对角化。
提示：几何重数总是小于等于代数重数，因此只需检查是否相等。
步骤 6/7
目标：（可选）利用极小多项式判定
计算 $A$ 的极小多项式 $m(\lambda)$。若 $m(\lambda)$ 无重根（即每个根都是一次），则 $A$ 可对角化。这等价于每个特征值的几何重数等于代数重数。
公式：$m(\lambda)$ 是满足 $m(A)=0$ 的首一多项式，且次数最低。
提示：极小多项式可通过特征多项式和最小多项式定理求得，注意验证 $m(A)=0$。
步骤 7/7
目标：总结结论
根据上述判定，若每个特征值的几何重数等于代数重数（或极小多项式无重根），则矩阵 $A$ 可对角化；否则不可对角化。
提示：注意：对角化与特征值是否互异无关，例如单位矩阵可对角化但特征值全为1。
📷 拍照上传批改
拍照上传批改功能已预留入口，后续接入图片上传、OCR识别与AI批改。