考研线代重难点:二阶实对称矩阵合同快速判定|2008数二第8题真题精讲

一、前言

实对称矩阵合同判定是考研线代高频考点,对于二阶实对称矩阵 ,考场不需要完整求解特征多项式,利用行列式+迹就可以快速读出正负惯性指数,实现秒选。

本文以2008数二第8题经典真题为载体,拆解做题流程,梳理「行列式=特征值乘积、迹=特征值之和」两大核心性质,总结二阶矩阵专属解题套路,补齐易错坑点,和上篇相似‑合同‑等价内容形成完整配套。

二、经典真题精讲(2008数二第8题)

1. 题目题干

已知矩阵:

A=(1221) A=\begin{pmatrix}1&2\\2&1\end{pmatrix} A=(1221)

求实数域上与 AAA 合同的矩阵。

核心定理:实数域上,两个实对称矩阵合同   ⟺  \iff⟺ 正负惯性指数 (p,q)(p,q)(p,q) 完全相等。

2. 步骤1:快速得到A的正负惯性指数

计算矩阵行列式:

∣A∣=∣1221∣=1×1−2×2=−3<0 |A|=\begin{vmatrix}1&2\\2&1\end{vmatrix}=1\times1-2\times2 = -3<0 ∣A∣= 1221 =1×1−2×2=−3<0

对二阶方阵,∣A∣=λ1λ2|A|=\lambda_1\lambda_2∣A∣=λ1λ2,乘积小于0,说明两个特征值一正一负

得到:p=1, q=1\boldsymbol{p=1,\ q=1}p=1, q=1。

做题目标:选项中选出同样满足 p=1,q=1p=1,q=1p=1,q=1 的矩阵,对应行列式小于0。

3. 步骤2:逐个验算选项行列式

(A)(−211−2)\begin{pmatrix}-2&1\\1&-2\end{pmatrix}(−211−2)

∣A∣=(−2)×(−2)−1×1=3>0|A|=(-2)\times(-2)-1\times1=3>0∣A∣=(−2)×(−2)−1×1=3>0

特征值同号,不满足 p=1,q=1p=1,q=1p=1,q=1,排除。

(B)(2−1−12)\begin{pmatrix}2&-1\\-1&2\end{pmatrix}(2−1−12)

∣B∣=2×2−(−1)×(−1)=3>0|B|=2\times2-(-1)\times(-1)=3>0∣B∣=2×2−(−1)×(−1)=3>0

特征值同号,不满足 p=1,q=1p=1,q=1p=1,q=1,排除。

©(2112)\begin{pmatrix}2&1\\1&2\end{pmatrix}(2112)

∣C∣=2×2−1×1=3>0|C|=2\times2-1\times1=3>0∣C∣=2×2−1×1=3>0

特征值同号,不满足 p=1,q=1p=1,q=1p=1,q=1,排除。

(D)(1−2−21)\begin{pmatrix}1&-2\\-2&1\end{pmatrix}(1−2−21)

∣D∣=1×1−(−2)×(−2)=−3<0|D|=1\times1-(-2)\times(-2)=-3<0∣D∣=1×1−(−2)×(−2)=−3<0

特征值一正一负,p=1,q=1\boldsymbol{p=1,q=1}p=1,q=1。

✅ AAA 与D正负惯性指数完全相同,实数域合同,本题选 D

4. 完整求特征值做验证

矩阵A特征多项式:

∣λE−A∣=∣λ−1−2−2λ−1∣=(λ−1)2−4=λ2−2λ−3=(λ−3)(λ+1) |\lambda E-A|=\begin{vmatrix}\lambda-1&-2\\-2&\lambda-1\end{vmatrix} =(\lambda-1)^2-4 =\lambda^2-2\lambda-3 =(\lambda-3)(\lambda+1) ∣λE−A∣= λ−1−2−2λ−1 =(λ−1)2−4=λ2−2λ−3=(λ−3)(λ+1)

A的特征值:λ1=3, λ2=−1\boldsymbol{\lambda_1=3,\ \lambda_2=-1}λ1=3, λ2=−1,确实一正一负,p=1,q=1p=1,q=1p=1,q=1。

D矩阵特征多项式:

∣λE−D∣=∣λ−122λ−1∣=(λ−3)(λ+1) |\lambda E-D|=\begin{vmatrix}\lambda-1&2\\2&\lambda-1\end{vmatrix} =(\lambda-3)(\lambda+1) ∣λE−D∣= λ−122λ−1 =(λ−3)(λ+1)

D特征值同样为 3,−13,-13,−1。

本题属于巧合:不仅合同,同时还相似。合同不要求特征值相等,这是特殊情况。

三、考研核心:行列式、迹与特征值的两大核心性质

1. 行列式 = 全部特征值的乘积

对任意 nnn 阶方阵 AAA,特征值 λ1,λ2,...,λn\lambda_1,\lambda_2,\dots,\lambda_nλ1,λ2,...,λn(重根重复书写):

∣A∣=λ1λ2⋯λn \boldsymbol{|A|=\lambda_1\lambda_2\cdots\lambda_n} ∣A∣=λ1λ2⋯λn

重要:该性质不需要矩阵对称,普通方阵也成立

二阶矩阵简化:

∣A∣=λ1⋅λ2 |A|=\lambda_1\cdot\lambda_2 ∣A∣=λ1⋅λ2

2. 迹 = 全部特征值之和

迹 tr(A)\mathrm{tr}(A)tr(A) 为主对角线元素相加:

tr(A)=λ1+λ2+⋯+λn \boldsymbol{\mathrm{tr}(A)=\lambda_1+\lambda_2+\dots+\lambda_n} tr(A)=λ1+λ2+⋯+λn

本题矩阵A:

tr(A)=1+1=2 \mathrm{tr}(A)=1+1=2 tr(A)=1+1=2

联立方程组:

{λ1+λ2=2λ1λ2=−3 \begin{cases} \lambda_1+\lambda_2=2\\ \lambda_1\lambda_2=-3 \end{cases} {λ1+λ2=2λ1λ2=−3

解得 λ1=3,λ2=−1\lambda_1=3,\lambda_2=-1λ1=3,λ2=−1,和特征多项式计算结果一致。

3. 简单推导(理解用,考试不用写)

特征多项式展开:

∣λE−A∣=(λ−λ1)(λ−λ2)⋯(λ−λn) |\lambda E-A|=(\lambda-\lambda_1)(\lambda-\lambda_2)\cdots(\lambda-\lambda_n) ∣λE−A∣=(λ−λ1)(λ−λ2)⋯(λ−λn)

令 λ=0\lambda=0λ=0:

∣−A∣=(−1)n∣A∣=(−1)nλ1λ2⋯λn |-A|=(-1)^n|A| = (-1)^n\lambda_1\lambda_2\cdots\lambda_n ∣−A∣=(−1)n∣A∣=(−1)nλ1λ2⋯λn

两边同时消去 (−1)n(-1)^n(−1)n,得到:

∣A∣=λ1λ2⋯λn |A|=\lambda_1\lambda_2\cdots\lambda_n ∣A∣=λ1λ2⋯λn

四、二阶实对称矩阵考场速判模板

给定二阶实对称矩阵,快速判断正负惯性指数:

  1. ∣A∣<0|A|<0∣A∣<0:λ1λ2<0\lambda_1\lambda_2<0λ1λ2<0 ⇒ 一正一负,p=1, q=1\boldsymbol{p=1,\ q=1}p=1, q=1
  2. ∣A∣>0|A|>0∣A∣>0:特征同号,再看迹 tr(A)\mathrm{tr}(A)tr(A)
    • tr(A)>0\mathrm{tr}(A)>0tr(A)>0:两正特征,p=2, q=0\boldsymbol{p=2,\ q=0}p=2, q=0
    • tr(A)<0\mathrm{tr}(A)<0tr(A)<0:两负特征,p=0, q=2\boldsymbol{p=0,\ q=2}p=0, q=2
  3. ∣A∣=0|A|=0∣A∣=0:至少存在一个0特征值,矩阵不可逆。

示例:

M=(2−1−12)M=\begin{pmatrix}2&-1\\-1&2\end{pmatrix}M=(2−1−12)

∣M∣=3>0|M|=3>0∣M∣=3>0,tr(M)=4>0\mathrm{tr}(M)=4>0tr(M)=4>0,得到 p=2,q=0p=2,q=0p=2,q=0。
补充等价命题:

∣A∣=0  ⟺  A|A|=0 \iff A∣A∣=0⟺A 有特征值 0  ⟺  A0 \iff A0⟺A 不可逆。

五、高频易错坑点

  1. 行列式只给出特征值乘积 ,无法单独确定每个特征值;例如 ∣A∣=6|A|=6∣A∣=6,可能是 {2,3}\{2,3\}{2,3},也可能是 {−2,−3}\{-2,-3\}{−2,−3},必须结合迹才能区分
  2. 正负惯性指数判定合同,仅限实数域;复数域合同仅看秩,考研全部默认为实数域。
  3. 合同只关心正负特征值的个数,不关心特征值具体数值;2008数二D选项特征值和A完全相同,属于特殊巧合,不是通用结论。
  4. 行列式=特征值乘积,迹=特征值相加,对任意方阵成立,不限于实对称矩阵

六、考场通用解题步骤(二阶实对称矩阵合同题)

  1. 计算矩阵行列式 ∣A∣|A|∣A∣;
  2. 若 ∣A∣<0|A|<0∣A∣<0,直接得到 p=1,q=1p=1,q=1p=1,q=1;
  3. 若 ∣A∣>0|A|>0∣A∣>0,再计算迹 tr(A)\mathrm{tr}(A)tr(A),判断两个特征值同为正或同为负;
  4. 得到 (p,q)(p,q)(p,q),去选项中匹配相同正负惯性指数的矩阵。

七、全文总结

  1. 行列式看特征值乘积,迹看特征值相加;二阶实对称矩阵不用解特征多项式,即可读出惯性指数。
  2. 实数域实对称矩阵合同,等价于正负惯性指数完全相等,和特征值大小无关。
  3. 2008数二第8题是二阶矩阵合同判定的标杆例题,和2007数二题目配套,吃透两道真题可以搞定绝大多数合同判定题型。

码字不易,欢迎点赞、收藏、关注!持续更新考研线代高频重难点干货~

相关推荐
A_cainiao_A1 小时前
【ggml系列】【第五篇】ggml_compute_forward_mul_mat 矩阵乘法算子源码与性能优化深度解析
线性代数·性能优化·矩阵
只说证事1 小时前
大数据专业考研还是考证比较好
大数据·考研
TechEdu2026062 小时前
[通信与计算]线性代数:概念及其在通信中的应用
线性代数·机器学习·通信系统·信息通信
想吃火锅100519 小时前
【leetcode】54. 螺旋矩阵
算法·leetcode·矩阵
tobias.b19 小时前
2009年考研数学一真题解析(二):第2题-选择题
考研
瑞码空间1 天前
线性代数核心概念与实战应用详解
线性代数
知识分享小能手1 天前
线性代数学习教程,从入门到精通,矩阵的初等变换与线性方程组(6)
学习·线性代数·矩阵
知识分享小能手1 天前
线性代数学习教程,从入门到精通,矩阵的初等变换与线性方程组(5)
学习·线性代数·矩阵
SNAKEpc121381 天前
OpenGL(十五)- 着色器语言GLSL
c语言·c++·线性代数·算法·矩阵·图形渲染·着色器