中山大学 2026年高等代数第0题

考研真题

📝 题目

六.(15 分)设 $\displaystyle A \in M_{n}(\mathbb{C})$ ,任意给定非零列向量 $\displaystyle \alpha \in \mathbb{C}^{n}$ ,求证:存在次数小 $n$ 的多项式 $\displaystyle h(x) \in \mathbb{C}[x]$ ,使得 $\displaystyle h(A) \alpha$ 为 $A$ 的特征向量.

💡 答案解析

暂无答案解析

📋 详细解题步骤

步骤 1/6
目标:构造向量序列并利用线性相关性
考虑向量序列 $\alpha, A\alpha, A^2\alpha, \dots, A^{n-1}\alpha$。由于 $\mathbb{C}^n$ 是 $n$ 维空间,这 $n$ 个向量线性相关,因此存在不全为零的系数 $c_0, c_1, \dots, c_{n-1} \in \mathbb{C}$ 使得 $c_0\alpha + c_1 A\alpha + \cdots + c_{n-1}A^{n-1}\alpha = 0$。令 $g(x) = c_0 + c_1 x + \cdots + c_{n-1}x^{n-1}$,则 $g(A)\alpha = 0$。
公式:$c_0\alpha + c_1 A\alpha + \cdots + c_{n-1}A^{n-1}\alpha = 0$
提示:注意系数不全为零,但 $g(x)$ 可能为零多项式,需排除平凡情况。
步骤 2/6
目标:利用Cayley-Hamilton定理得到不变子空间
设 $A$ 的特征多项式为 $f(x)=\det(xI-A)=x^n + a_{n-1}x^{n-1}+\cdots+a_0$。由 Cayley-Hamilton 定理,$f(A)=0$,从而 $A^n\alpha = -a_{n-1}A^{n-1}\alpha -\cdots - a_0\alpha$。因此向量组 $\alpha, A\alpha, \dots, A^{n-1}\alpha$ 张成一个 $A$-不变子空间 $W$,即 $A(W) \subseteq W$。
公式:$A^n\alpha = -a_{n-1}A^{n-1}\alpha -\cdots - a_0\alpha$
提示:Cayley-Hamilton定理是核心,确保 $W$ 是 $A$-不变子空间。
步骤 3/6
目标:确定子空间维数并选取基
设 $W$ 的维数为 $k$($1 \leq k \leq n$)。则存在最小的 $k$ 使得 $\alpha, A\alpha, \dots, A^{k-1}\alpha$ 线性无关,而 $A^k\alpha$ 可由它们线性表示:$A^k\alpha = b_0\alpha + b_1 A\alpha + \cdots + b_{k-1}A^{k-1}\alpha$。于是 $\alpha, A\alpha, \dots, A^{k-1}\alpha$ 构成 $W$ 的一组基。
公式:$A^k\alpha = b_0\alpha + b_1 A\alpha + \cdots + b_{k-1}A^{k-1}\alpha$
提示:注意 $k$ 是使得前 $k$ 个向量线性无关的最大整数,$k \leq n$。
步骤 4/6
目标:将A限制在子空间上并写出矩阵
在基 $\alpha, A\alpha, \dots, A^{k-1}\alpha$ 下,$A$ 的作用为:$A(\alpha)=A\alpha$,$A(A\alpha)=A^2\alpha$,…,$A(A^{k-2}\alpha)=A^{k-1}\alpha$,$A(A^{k-1}\alpha)=A^k\alpha = b_0\alpha + b_1 A\alpha + \cdots + b_{k-1}A^{k-1}\alpha$。因此 $A$ 在该基下的矩阵为友矩阵 $C = \begin{pmatrix} 0 & 0 & \cdots & 0 & b_0 \\ 1 & 0 & \cdots & 0 & b_1 \\ 0 & 1 & \cdots & 0 & b_2 \\ \vdots & \vdots & \ddots & \vdots & \vdots \\ 0 & 0 & \cdots & 1 & b_{k-1} \end{pmatrix}$。
公式:$C = \begin{pmatrix} 0 & 0 & \cdots & 0 & b_0 \\ 1 & 0 & \cdots & 0 & b_1 \\ 0 & 1 & \cdots & 0 & b_2 \\ \vdots & \vdots & \ddots & \vdots & \vdots \\ 0 & 0 & \cdots & 1 & b_{k-1} \end{pmatrix}$
提示:友矩阵的特征多项式是 $x^k - b_{k-1}x^{k-1} - \cdots - b_0$。
步骤 5/6
目标:求特征值和特征向量
友矩阵 $C$ 的特征多项式为 $p(x)=x^k - b_{k-1}x^{k-1} - \cdots - b_0$。由于 $\mathbb{C}$ 是代数闭域,$p(x)$ 在 $\mathbb{C}$ 中有根 $\lambda$,即 $\lambda^k = b_{k-1}\lambda^{k-1}+\cdots+b_0$。对应的特征向量在基下的坐标为 $(\lambda^{k-1}, \lambda^{k-2}, \dots, 1)^T$,即 $\beta = \lambda^{k-1}\alpha + \lambda^{k-2}A\alpha + \cdots + A^{k-1}\alpha$。
公式:$\beta = \lambda^{k-1}\alpha + \lambda^{k-2}A\alpha + \cdots + A^{k-1}\alpha$
提示:注意特征向量非零,因为 $\lambda$ 是特征值且基向量线性无关。
步骤 6/6
目标:表示为多项式形式
令 $h(x) = x^{k-1} + \lambda x^{k-2} + \cdots + \lambda^{k-1}$,则 $\beta = h(A)\alpha$。由于 $k \leq n$,$h(x)$ 的次数为 $k-1 < n$。因此存在次数小于 $n$ 的多项式 $h(x)$ 使得 $h(A)\alpha$ 是 $A$ 的特征向量。
公式:$h(x) = x^{k-1} + \lambda x^{k-2} + \cdots + \lambda^{k-1}$
提示:注意 $h(x)$ 的次数严格小于 $n$,且 $\beta$ 非零。

📷 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。