Matrices (Further Pure 2)
Introduit| English | Sens |
|---|---|
| matrix equation/ˈmeɪtrɪks ɪˈkweɪʒn/ | équation matricielle |
| non-singular/ˌnɒnˈsɪŋɡjʊlə/ | non singulier |
| singular/ˈsɪŋɡjʊlə/ | singulier |
| consistent/kənˈsɪstənt/ | compatible |
| inconsistent/ˌɪnkənˈsɪstənt/ | incompatible |
| eigenvector/ˈaɪɡənvektə/ | vecteur propre |
| eigenvalue/ˈaɪɡənvæljuː/ | valeur propre |
| scalar/ˈskeɪlə/ | scalaire |
| stretch/stretʃ/ | dilatation |
| characteristic equation/ˌkærɪktəˈrɪstɪk ɪˈkweɪʒn/ | équation caractéristique |
| diagonalisation/daɪˌæɡənəlaɪˈzeɪʃn/ | diagonalisation |
| diagonal matrix/daɪˈæɡənl ˈmeɪtrɪks/ | matrice diagonale |
| linearly independent/ˈlɪnɪəli ˌɪndɪˈpendənt/ | linéairement indépendant |
| Cayley–Hamilton theorem/ˈkeɪli ˈhæmɪltən ˈθɪərəm/ | théorème de Cayley–Hamilton |
One map, many repeated moves
- A matrix can describe one change in a model. Repeating the change needs a power such as $A^{20}$; multiplying twenty times hides the structure.
- This lesson joins three tools: solve a matrix equation 矩阵方程, find special vectors, then simplify powers and inverses. Keep track of when a solution or inverse exists.
Put three equations into one matrix
- Put the coefficients of $x,y,z$ in that order in every row. The right-hand side is a column, not another row of the coefficient matrix.
- To read the matrix equation back, multiply each row by the unknown column. A missing variable has coefficient zero.
Écrire x+2y−z=4, 3x−z=2 et y+z=5 sous forme d'équation matricielle. Ensuite, lire sa deuxième ligne à l'envers.
Écrire la méthode et vérifier les conditions énoncées avant de comparer avec le modèle.
Find and check the unique point
- Here $\det C=1\ne0$, so $C$ is non-singular 非奇异: there is exactly one solution. Inverse multiplication is valid, but elimination is shorter here.
- Subtract the first equation from the second to get $y=2$. The first then gives $x+z=4$, and the third gives $2x+3z=11$; hence $(x,y,z)=(1,2,3)$.
Check all three original equations: $1+2+3=6$, $1+4+3=8$ and $2+2+9=13$. Geometrically, the three planes meet at one point. Checking only two planes is not enough.
Résolvez x+y+z=7, x+2y+z=10, 2x+y+3z=13. Vérifiez chaque équation et décrivez l'intersection.
Écrire la méthode et vérifier les conditions énoncées avant de comparer avec le modèle.
A zero determinant needs another check
- A singular 奇异 coefficient matrix has determinant zero. The equations may be consistent 相容 (at least one solution) or inconsistent 不相容 (no solution); singular does not mean no solution.
- For $x+y+z=3$ and $x+2y+z=4$, subtraction gives $y=1$, $x+z=2$. A third equation $2x+3y+2z=7$ adds no condition: the common line is $(x,y,z)=(2-t,1,t)$, $t\in\mathbb R$.
Change only the third right-hand side to $8$. Subtracting the first two equations from the third gives $0=1$, so no point lies on all three planes. Pairwise intersections do not prove a common intersection. Coincident planes can also occur; three identical equations leave a whole plane of solutions.

Each panel uses the value of y forced by the first two equations. The remaining lines represent the conditions on x and z.
Résoudre x+y+z=5, x+2y+z=7, 2x+3y+2z=12. Donner toutes les solutions et expliquer la géométrie.
Écrire la méthode et vérifier les conditions énoncées avant de comparer avec le modèle.
Conservez les deux premières équations de l'exercice précédent, mais modifiez le membre de droite de la troisième pour qu'il soit 13. Un déterminant nul donne-t-il maintenant une droite de solutions ?
Écrire la méthode et vérifier les conditions énoncées avant de comparer avec le modèle.
Separate exceptional parameter values
- For the system below, subtract row 1 from rows 2 and 3. The determinant is $(a-1)(a+1)$, so only $a=1,-1$ need a separate consistency check.
- If $a\ne\pm1$, then $y=1/(a-1)$, $z=0$ and $x=3-1/(a-1)$. Never divide by $a-1$ or $a+1$ before separating the zero cases.
At $a=1$, $0=1$ is impossible. At $a=-1$, $y=-1/2$ but $z=t$ is free, giving the common line $(x,y,z)=(7/2-t,-1/2,t)$. Both coefficient matrices are singular; only the second system is consistent.
Classez tous les réels a pour x+y+z=5, x+ay+z=7, x+y+(a+2)z=5. Donnez toutes les solutions lorsqu'elles existent.
Écrire la méthode et vérifier les conditions énoncées avant de comparer avec le modèle.
A special vector stays on its line
- An eigenvector 特征向量 is a non-zero vector $\mathbf e$ with $A\mathbf e=\lambda\mathbf e$. Its eigenvalue 特征值 is the scalar 标量 $\lambda$. Every non-zero multiple of $\mathbf e$ is another eigenvector for the same value.
- A positive eigenvalue can stretch 拉伸 or shorten a vector. A negative value also reverses it; zero sends it to the origin, where direction is undefined. The zero vector is never an eigenvector, although it solves the equation.


Multiplier un vecteur propre par A le fait toujours tourner de 90°.
Difficulté 1/5 · 100 pièces + un petit bonus lors de la première réussite aujourd'hui
Faux. Un vecteur propre conserve sa droite : Av = λv, donc A ne fait que l'étirer selon la valeur propre λ (en l'inversant si λ < 0).
Si v est un vecteur propre de A, alors 2v est aussi un vecteur propre de A.
Difficulté 1/5 · 100 pièces + un petit bonus lors de la première réussite aujourd'hui
Les vecteurs propres ne sont pas uniques — tout multiple scalaire non nul d'un vecteur propre est aussi un vecteur propre.
Pour T=diag(−2,0), décrivez les images de e₁=(1,0)ᵀ et e₂=(0,1)ᵀ. Le vecteur nul est-il un vecteur propre ?
Écrire la méthode et vérifier les conditions énoncées avant de comparer avec le modèle.
Find two eigenvalues and their vectors
- A non-zero solution of $(A-\lambda I)\mathbf e=\mathbf0$ exists when $\det(A-\lambda I)=0$. This is the characteristic equation 特征方程; using $\det(\lambda I-A)=0$ gives the same roots.
- For the matrix below, $\lambda=1$ gives $u+v=0$, so choose $(1,-1)^T$. For $\lambda=3$, $u-v=0$, so choose $(1,1)^T$. Check each by multiplying by $A$.
Matrices (Further Pure 2)
(x', y') = M(x, y)
Comparer les images de (1,1) et (1,−1) : les valeurs propres sont 3 et 1. Les vecteurs généraux ne restent pas nécessairement sur leur droite d'origine.
La matrice [[2,1],[1,2]] a pour équation caractéristique (2−λ)² − 1 = 0, donnant λ = 1 ou λ = 3. Quelle est la plus grande valeur propre ?
Difficulté 2/5 · 140 pièces + un petit bonus lors de la première réussite aujourd'hui
(2−λ)² = 1 → 2−λ = ±1 → λ = 1 ou 3 ; la plus grande est 3.
Les valeurs propres d'une matrice A se trouvent en résolvant :
Difficulté 1/5 · 100 pièces + un petit bonus lors de la première réussite aujourd'hui
L'équation caractéristique det(A − λI) = 0 donne les valeurs propres.
Trouvez les valeurs propres et un vecteur propre pour chacun des R aux lignes (3,1),(1,3). Montrez l'équation caractéristique.
Écrire la méthode et vérifier les conditions énoncées avant de comparer avec le modèle.
Extend the method to three dimensions
- A triangular matrix has the diagonal entries as eigenvalues: its characteristic determinant is the product of the diagonal factors. Do not row-reduce the original matrix to find its eigenvalues; ordinary row operations need not preserve them.
- For each root below, solve $(B-\lambda I)\mathbf e=0$. At $\lambda=3$, the first row gives $-u+v=0$ and the third gives $w=0$, hence $(1,1,0)^T$.
Pour T aux lignes (1,2,0),(0,3,0),(0,0,−2), trouvez toutes les valeurs propres et un vecteur propre non nul correspondant pour chacune.
Écrire la méthode et vérifier les conditions énoncées avant de comparer avec le modèle.
Prove what happens under powers
- Start with $A\mathbf e=\lambda\mathbf e$, not with an inverse of the vector. Then $A^2\mathbf e=A(\lambda\mathbf e)=\lambda^2\mathbf e$; repeating gives $A^n\mathbf e=\lambda^n\mathbf e$ for positive integers $n$.
- Also $(A+cI)\mathbf e=(\lambda+c)\mathbf e$. If $A$ is invertible, $\lambda\ne0$ and multiplication by $A^{-1}$ gives $A^{-1}\mathbf e=\lambda^{-1}\mathbf e$. Positive powers do not require invertibility.
For $B$, the vector $(0,0,1)^T$ has eigenvalue $-1$. Under $B^2$ its eigenvalue is $1$, under $B^3$ it is $-1$, and under $B^{-1}$ it is $-1$. The vector remains non-zero in all these cases.
Étant donné Ae=λe avec e≠0, prouver A³e=λ³e. Si A est inversible, prouver aussi le résultat réciproque. Quel argument nécessite l'inversibilité ?
Écrire la méthode et vérifier les conditions énoncées avant de comparer avec le modèle.
Match each column to its eigenvalue
- Diagonalisation 对角化 writes $B=QDQ^{-1}$, where $D$ is a diagonal matrix 对角矩阵. Put eigenvectors in the columns of $Q$, and put their eigenvalues in the same order down $D$.
- $BQ=QD$ checks all three eigenvector equations at once. The columns must be linearly independent 线性无关 so that $Q^{-1}$ exists. Real, distinct eigenvalues guarantee this in the syllabus cases; do not assume every matrix is diagonalisable.

Dans la diagonalisation A = QDQ⁻¹, la matrice D contient :
Difficulté 1/5 · 100 pièces + un petit bonus lors de la première réussite aujourd'hui
D est une matrice diagonale avec les valeurs propres de A sur sa diagonale principale.
Pour la leçon sur la matrice B, un étudiant prend Q colonnes (1,1,0)ᵀ,(1,0,0)ᵀ,(0,0,1)ᵀ mais D=diag(2,3,−1). Réparer l'affirmation B=QDQ⁻¹.
Écrire la méthode et vérifier les conditions énoncées avant de comparer avec le modèle.
Compute powers without repeated multiplication
- In $(QDQ^{-1})(QDQ^{-1})$, the middle $Q^{-1}Q$ cancels. Thus $B^n=QD^nQ^{-1}$: raise only the diagonal entries of $D$ to the power.
- For $n=0$ this gives $I$; because $B$ is invertible, the same formula holds for negative integers too. Its upper-right block shows why powers of individual entries of $B$ would be wrong.
For the earlier $2\times2$ matrix $A$, choose $Q_A=\begin{pmatrix}1&1\\-1&1\end{pmatrix}$ and $D_A=\operatorname{diag}(1,3)$. Then
Si A = QDQ⁻¹, alors A³ = QD³Q⁻¹. Si D a des éléments diagonaux 1 et 3, D³ a des éléments diagonaux 1 et ?
Difficulté 2/5 · 140 pièces + un petit bonus lors de la première réussite aujourd'hui
D³ a des éléments diagonaux 1³ = 1 et 3³ = 27.
Pour A avec lignes (2,1),(1,2), utiliser la diagonalisation pour calculer A⁴. Ne pas élever chaque entrée à la puissance quatre.
Écrire la méthode et vérifier les conditions énoncées avant de comparer avec le modèle.
Pour la leçon sur B, trouver B⁵ et B⁻¹ en utilisant sa forme diagonale. Expliquer pourquoi la puissance inverse est autorisée.
Écrire la méthode et vérifier les conditions énoncées avant de comparer avec le modèle.
Reuse the vectors for a changed matrix
- A polynomial $f(B)$ has the same eigenvectors with eigenvalues $f(\lambda)$. Therefore $f(B)=Qf(D)Q^{-1}$; do not change $Q$ merely because the question asks about a shifted or squared matrix.
- For $(B+I)^2$, use $D'=\operatorname{diag}(9,16,0)$ with the same $Q$. It is singular but still diagonalisable. Repeated transformed eigenvalues also do not invalidate an already invertible $Q$.
For $(B-2I)^3$, the diagonal becomes $\operatorname{diag}(0,1,-27)$. For $B^{-1}$ it becomes $\operatorname{diag}(1/2,1/3,-1)$. In every case, keep the order $2,3,-1$ used to build $Q$.
Utiliser la leçon sur B et sa Q pour diagonaliser (B−I)². Deux valeurs propres de la matrice transformée coïncident : cela bloque-t-il votre méthode ?
Écrire la méthode et vérifier les conditions énoncées avant de comparer avec le modèle.
Reconstruct a matrix from its eigenvectors
- Given the eigenvectors first, form $Q$ and $D$, then calculate $QDQ^{-1}$. The columns may be scaled separately by non-zero numbers without changing the resulting matrix.
- If $(1,1)^T$ has eigenvalue $4$ and $(1,-1)^T$ has eigenvalue $2$, the calculation below gives $R$. Check $R(1,1)^T=4(1,1)^T$ and $R(1,-1)^T=2(1,-1)^T$.
La matrice a pour lignes (4, 1) et (1, 4). Quelle est sa plus grande valeur propre, et pourquoi un vecteur propre n'est-il pas un unique vecteur ?
Les valeurs propres satisfont (4 moins lambda) au carré moins 1 = 0. Mettre à l'échelle un vecteur propre ne modifie pas l'équation des valeurs propres.
Une matrice T a pour valeurs propres 1,4, −2 avec les vecteurs propres respectifs (1,0,0)ᵀ, (1,1,0)ᵀ, (0,0,1)ᵀ. Reconstituez T et vérifiez les trois équations.
Écrire la méthode et vérifier les conditions énoncées avant de comparer avec le modèle.
Pour a≠0, prenez Q avec les colonnes (a,0,0)ᵀ,(1,a,0)ᵀ,(0,0,1)ᵀ et D=diag(1,3,−2). Trouvez T=QDQ⁻¹ en fonction de a.
Écrire la méthode et vérifier les conditions énoncées avant de comparer avec le modèle.
A matrix satisfies its own equation
- The Cayley–Hamilton theorem 凯莱–哈密顿定理 states that a square matrix satisfies its characteristic equation. Replace the variable by the matrix and each scalar constant by that constant times $I$.
- For $B$, expanding the three factors gives $\lambda^3-4\lambda^2+\lambda+6=0$. Therefore $B^3-4B^2+B+6I=0$, or $B^3=4B^2-B-6I$.
Use the characteristic equation of the matrix named in the question. Writing $B^3-4B^2+B+6=0$ omits the identity matrix and adds a scalar to a matrix. The theorem does not say that the whole matrix is an eigenvalue.
Pour R avec les lignes (3,1), (1,3), trouvez l'équation caractéristique et énonce Cayley–Hamilton avec tous les termes d'identité.
Écrire la méthode et vérifier les conditions énoncées avant de comparer avec le modèle.
Reduce higher powers to lower ones
- Multiply the identity for $B^3$ by $B$, then replace $B^3$ again. The answer becomes a combination of $B^2,B,I$, without diagonalising again.
- A shifted cube can be expanded because $B$ and $I$ commute. After expanding, reduce every power of degree three or more using Cayley–Hamilton.
En utilisant R²−6R+8I=0 pour R avec les lignes (3,1),(1,3), exprimez R³ en fonction de R et I, puis donnez ses entrées.
Écrire la méthode et vérifier les conditions énoncées avant de comparer avec le modèle.
Utilisez B³−4B²+B+6I=0 pour réduire (B+I)³ en pB²+qB+rI. Donnez p, q, r.
Écrire la méthode et vérifier les conditions énoncées avant de comparer avec le modèle.
Obtain an inverse from Cayley–Hamilton
- $\det B=-6\ne0$, so multiply the characteristic identity by $B^{-1}$ and collect it. This gives an inverse as a polynomial in $B$; do not multiply by an inverse before checking it exists.
- For the $2\times2$ matrix $A$, $A^2-4A+3I=0$ gives $A^{-1}=(4I-A)/3$. Cayley–Hamilton works for both matrix sizes.
An inverse square can simplify further. Multiply the identity for $B^3$ by $B^{-2}$: $B-4I+B^{-1}+6B^{-2}=0$. Substitute the expression for $B^{-1}$ to obtain $B^{-2}=(B^2-10B+25I)/36$.
Utilisez R²−6R+8I=0 pour trouver R⁻¹ pour R avec les lignes (3,1),(1,3). Vérifiez le résultat.
Écrire la méthode et vérifier les conditions énoncées avant de comparer avec le modèle.
Pour la leçon B, utilisez Cayley–Hamilton pour écrire B⁻² comme un polynôme de degré au plus 2 en B.
Écrire la méthode et vérifier les conditions énoncées avant de comparer avec le modèle.
Choose and justify the method
- For three equations: form the coefficient matrix, separate singular parameter values, then solve or prove inconsistency and describe the geometry. For eigenvectors: state non-zero, solve the characteristic equation and match each vector to its root.
- For powers or inverses: choose diagonalisation or Cayley–Hamilton, show the intermediate identity, and check the result. A determinant, a list of roots or a final matrix alone may leave most of the method unexplained.
$C\mathbf x=\mathbf b$ describes simultaneous equations. $A\mathbf e=\lambda\mathbf e$, $\mathbf e\ne0$, describes a special direction. $A=QDQ^{-1}$ requires an invertible eigenvector matrix. Cayley–Hamilton reduces matrix powers and, when the matrix is non-singular, gives its inverse.
Quelle est la plus grande valeur propre ?
Difficulté 1/5 · 100 pièces + un petit bonus lors de la première réussite aujourd'hui
Les valeurs propres sont 3 et 5, donc la plus grande est 5. Les autres options — 3 (la plus petite valeur propre, ainsi que la plus grande valeur propre du cours) ; 125 (le cube de la plus grande valeur propre).
Pour T avec les lignes (1,2,0),(0,3,0),(0,0,−2), donnez Q, D, trouvez T⁴, et utilisez son équation caractéristique pour obtenir T⁻¹. Vérifiez au moins une entrée hors diagonale.
Écrire la méthode et vérifier les conditions énoncées avant de comparer avec le modèle.