Skip to main content
设 A,BA,B 均为 nn 阶实方阵。若 AB=BAAB=BA 则称 A,BA,B 可交换。最基础的结论是：BB 把 AA 的特征子空间映到自身。所有更强的结论——公共特征向量基、同时对角化、B=p(A)B=p(A)、乘积正定——都必须再补充条件。
主线：AB=BA⇒BAB=BA\Rightarrow B 保持 AA 的特征子空间不变；要再推出公共特征向量基、同时对角化或 B=p(A)B=p(A)，必须检查 AA 是否可对角化、特征值是否互异、矩阵是否实对称。
以下默认在实数域上讨论。凡说“AA 有 nn 个互异特征值”，均指 AA 有 nn 个互异的实特征值；若在复数域上讨论，会单独注明。讨论“同时对角化”时，A,BA,B 必须在同一个数域上可对角化。

​
一、特征子空间的不变性

设 λ\lambda 是 AA 的特征值，对应的特征子空间为Eλ(A)={α∣Aα=λα}=ker⁡(A−λE)E_\lambda(A)=\{\alpha\mid A\alpha=\lambda\alpha\}=\ker(A-\lambda E)若 AB=BAAB=BA，则B(Eλ(A))⊆Eλ(A)B\bigl(E_\lambda(A)\bigr)\subseteq E_\lambda(A)证明：任取 α∈Eλ(A)\alpha\in E_\lambda(A)，即 Aα=λαA\alpha=\lambda\alpha。由 AB=BAAB=BA 得A(Bα)=B(Aα)=B(λα)=λ(Bα)\begin{aligned} A(B\alpha) &= B(A\alpha)\\ &= B(\lambda\alpha)\\ &= \lambda(B\alpha) \end{aligned}因此A(Bα)=λ(Bα)A(B\alpha)=\lambda(B\alpha)即 Bα∈Eλ(A)B\alpha\in E_\lambda(A)，故 B(Eλ(A))⊆Eλ(A)B(E_\lambda(A))\subseteq E_\lambda(A)。
证明只用到 AB=BAAB=BA 和 Aα=λαA\alpha=\lambda\alpha，与 BB 是否可逆、是否可对角化无关。BB 奇异时结论照样成立。
上面的推导只说明 BαB\alpha 仍满足“被 AA 作用等于 λ\lambda 倍”，并没有说 BαB\alpha 非零。
  • 若 Bα≠0B\alpha\ne0，则 BαB\alpha 是 AA 对应于 λ\lambda 的特征向量；
  • 若 Bα=0B\alpha=0，则它不是特征向量（特征向量必须非零），但零向量属于任何子空间，所以仍有 Bα∈Eλ(A)B\alpha\in E_\lambda(A)。
不要因为“Bα=0B\alpha=0 时不是特征向量”就认为结论不成立。结论说的是“子空间不变”，不是“特征向量映成特征向量”。
若dim⁡Eλ(A)=1\dim E_\lambda(A)=1取 α≠0\alpha\ne0 为 Eλ(A)E_\lambda(A) 的基，则由 Bα∈Eλ(A)B\alpha\in E_\lambda(A) 知存在数 μ\mu，使Bα=μαB\alpha=\mu\alpha于是α 同时是 A,B 的特征向量\alpha\text{ 同时是 }A,B\text{ 的特征向量}进一步，若 AA 有 nn 个互异特征值 λ1,…,λn\lambda_1,\dots,\lambda_n，则每个 Eλi(A)E_{\lambda_i}(A) 都是一维。分别取基 αi\alpha_i，则 α1,…,αn\alpha_1,\dots,\alpha_n 都是 A,BA,B 的公共特征向量；又它们属于 AA 的不同特征值，必线性无关，从而是 Rn\mathbb R^n 的一组基。
这就是“AA 有 nn 个互异特征值时，A,BA,B 一定存在一组公共特征向量基”的完整理由，也是下一节同时对角化的基础。
把特征子空间换成根子空间（广义特征子空间）Vλ(A)=ker⁡((A−λE)n)V_\lambda(A)=\ker\bigl((A-\lambda E)^{n}\bigr)由 (A−λE)kB=B(A−λE)k(A-\lambda E)^kB=B(A-\lambda E)^k 可知，AB=BAAB=BA 时同样有B(Vλ(A))⊆Vλ(A)B\bigl(V_\lambda(A)\bigr)\subseteq V_\lambda(A)因此在复数域上，与 AA 可交换的 BB 在 AA 的 Jordan 基下是分块对角的，每个块对应 AA 的一个特征值。
这是超纲的加强版，考研只需掌握特征子空间那一版；它的作用是解释“可交换矩阵为什么一定是分块对角的”。
  • 特征值必须在所讨论的数域内。 实矩阵可能有复特征值，此时 Eλ(A)E_\lambda(A) 是复子空间，不能在 Rn\mathbb R^n 里讨论。
  • “BB 保持 AA 的特征子空间”不等于“BB 的特征向量就是 AA 的特征向量”。 只有 dim⁡Eλ(A)=1\dim E_\lambda(A)=1 时才自动公共；高维特征子空间里，BB 完全可能把 AA 的特征向量映成同子空间内另一个方向。
  • 反过来，对可对角化的 AA，该条件是充要的。 若 AA 可对角化且 BB 保持 AA 的每个特征子空间，则在每个特征向量 α\alpha 上有 ABα=λBα=BAαAB\alpha=\lambda B\alpha=BA\alpha，于是 AB=BAAB=BA。
  • 不要漏掉“BB 保持的是每个特征子空间”。 只说“BB 保持某个特征子空间”推不出可交换。
最常见的错误：由 Aα=λαA\alpha=\lambda\alpha 直接写 Bα=μαB\alpha=\mu\alpha。这一步只在 dim⁡Eλ(A)=1\dim E_\lambda(A)=1 时成立。

​
二、A 有 n 个互异特征值时的强化结论

若 AA 有 nn 个互异的实特征值 λ1,…,λn\lambda_1,\dots,\lambda_n，且 AB=BAAB=BA，则 A,BA,B 可以同时相似对角化：存在可逆矩阵 PP，使{P−1AP=diag(λ1,…,λn)P−1BP=diag(μ1,…,μn)\begin{cases} P^{-1}AP=\mathrm{diag}(\lambda_1,\dots,\lambda_n)\\ P^{-1}BP=\mathrm{diag}(\mu_1,\dots,\mu_n) \end{cases}证明：取 AA 对应于 λi\lambda_i 的特征向量 αi\alpha_i。不同特征值对应的特征向量线性无关，故 P=(α1,…,αn)P=(\alpha_1,\dots,\alpha_n) 可逆，且P−1AP=diag(λ1,…,λn)P^{-1}AP=\mathrm{diag}(\lambda_1,\dots,\lambda_n)由第一节，dim⁡Eλi(A)=1\dim E_{\lambda_i}(A)=1，所以 BαiB\alpha_i 必为 αi\alpha_i 的倍数，记 Bαi=μiαiB\alpha_i=\mu_i\alpha_i。于是P−1BP=diag(μ1,…,μn)P^{-1}BP=\mathrm{diag}(\mu_1,\dots,\mu_n)
这里 PP 的列向量就是 A,BA,B 的公共特征向量。注意条件加在 AA 身上，不是加在 BB 身上；μi\mu_i 可以重复，BB 仍然可对角化。
“AA 有 nn 个互异特征值”是充分条件，不是必要条件。A=EA=E 只有一个特征值，但任意 BB 都与 AA 可交换，只要 BB 可对角化就能同时对角化。
在上一段的条件下，存在次数不超过 n−1n-1 的多项式 p(t)p(t)，使B=p(A)=c0E+c1A+⋯+cn−1An−1B=p(A)=c_0E+c_1A+\cdots+c_{n-1}A^{n-1}且当 λi,μi\lambda_i,\mu_i 都是实数时，pp 可取实系数多项式。证明：由同时对角化，A=PΛP−1A=P\Lambda P^{-1}，B=PMP−1B=PM P^{-1}，其中 Λ=diag(λi)\Lambda=\mathrm{diag}(\lambda_i)，M=diag(μi)M=\mathrm{diag}(\mu_i)。因为 λ1,…,λn\lambda_1,\dots,\lambda_n 互异，可用拉格朗日插值构造 pp，使p(λi)=μi,i=1,…,n,deg⁡p≤n−1p(\lambda_i)=\mu_i,\qquad i=1,\dots,n,\qquad \deg p\le n-1于是p(A)=P p(Λ) P−1=Pdiag(p(λi))P−1=PMP−1=Bp(A)=P\,p(\Lambda)\,P^{-1}=P\mathrm{diag}\bigl(p(\lambda_i)\bigr)P^{-1}=PMP^{-1}=B反过来：对任意多项式 pp，有A p(A)=p(A) AA\,p(A)=p(A)\,A因为 AA 与 AA 的任意幂可交换，而多项式是幂的线性组合。
满足 p(λi)=μip(\lambda_i)=\mu_i 且次数不超过 n−1n-1 的多项式是唯一的（拉格朗日插值），所以 pp 由 A,BA,B 唯一确定。
条件是“AA 有 nn 个互异特征值”，不能省。反例：取 A=EA=E，则任意 BB 都满足 AB=BAAB=BA。但p(E)=p(1)Ep(E)=p(1)E只能是数量矩阵。取B=(1101)B=\begin{pmatrix}1&1\\0&1\end{pmatrix}它不与任何 p(A)p(A) 相等，然而 AB=BAAB=BA。
“BB 是 AA 的多项式”只能由“AA 的互异特征值个数足够多”推出。特征值有重根时，可交换矩阵的集合会变大，不再是多项式全体。
更一般的结论：若 AA 的最小多项式等于特征多项式（即每个特征值只对应一个 Jordan 块），则与 AA 可交换的矩阵仍都是 AA 的多项式。这是超纲结论，考研记住“互异特征值”这个充分条件即可。

​
三、同时对角化的条件

设 A,BA,B 在同一个数域上都可相似对角化，且 AB=BAAB=BA，则存在同一个可逆矩阵 PP，使{P−1AP=ΛP−1BP=M\begin{cases} P^{-1}AP=\Lambda\\ P^{-1}BP=M \end{cases}其中 Λ,M\Lambda,M 均为对角矩阵。证明：因 AA 可对角化，V=Eλ1(A)⊕⋯⊕Eλs(A)V=E_{\lambda_1}(A)\oplus\cdots\oplus E_{\lambda_s}(A)由第一节，每个 Eλi(A)E_{\lambda_i}(A) 在 BB 下不变。又 BB 可对角化，而可对角化矩阵在不变子空间上的限制仍可对角化（BB 的特征子空间与不变子空间的交给出该子空间的直和分解）。于是在每个 Eλi(A)E_{\lambda_i}(A) 内可取一组基，使 BB 的限制对角化；这组基同时是 AA 的特征向量。把所有子空间的基合并，即得 VV 的一组基，A,BA,B 在该基下同时为对角矩阵。
反过来，若存在可逆 PP 使 P−1APP^{-1}AP、P−1BPP^{-1}BP 同时为对角矩阵，则 A,BA,B 都可对角化，且AB=PΛP−1PMP−1=PΛMP−1=PMΛP−1=BAAB=P\Lambda P^{-1}PM P^{-1}=P\Lambda M P^{-1}=PM\Lambda P^{-1}=BA所以AB=BA 且 A,B 均可对角化⇔A,B 可同时相似对角化AB=BA\text{ 且 }A,B\text{ 均可对角化}\Leftrightarrow A,B\text{ 可同时相似对角化}
记忆方法：可交换负责“BB 不把 AA 的特征子空间搅乱”，可对角化负责“每个特征子空间内部还能再拆成 BB 的特征子空间”。两条缺一不可。
设 αi≠0\alpha_i\ne0 同时是 A,BA,B 的特征向量：Aαi=λiαi,Bαi=μiαiA\alpha_i=\lambda_i\alpha_i,\qquad B\alpha_i=\mu_i\alpha_i则(A+B)αi=(λi+μi)αi(A+B)\alpha_i=(\lambda_i+\mu_i)\alpha_iABαi=A(μiαi)=λiμiαiAB\alpha_i=A(\mu_i\alpha_i)=\lambda_i\mu_i\alpha_i若 α1,…,αn\alpha_1,\dots,\alpha_n 构成公共特征向量基，则A+B 的特征值:λi+μiAB 的特征值:λiμi\begin{aligned} A+B\text{ 的特征值}&:\lambda_i+\mu_i\\ AB\text{ 的特征值}&:\lambda_i\mu_i \end{aligned}
必须按公共特征向量一一对应，不能把 AA 的任一特征值与 BB 的任一特征值任意相加或相乘。没有公共特征向量基时，A+BA+B、ABAB 的特征值一般也不是 λi+μi\lambda_i+\mu_i、λiμi\lambda_i\mu_i。
对任意同阶方阵（不要求可交换），ABAB 与 BABA 的特征值（含重数）相同；但这不代表 ABAB 的特征值是“AA 的特征值乘 BB 的特征值”，除非有公共特征向量基。
  • 只由 AB=BAAB=BA 就写同时对角化。反例见第七节。
  • AA 可对角化且 AB=BAAB=BA，仍推不出 BB 可对角化。取 A=EA=E，任意 BB 都可交换。
  • 数域要统一。在 R\mathbb R 上可对角化，要求特征值全为实数且几何重数等于代数重数；不能拿复特征值在实数域里对角化。
  • 同时对角化的 PP 不唯一，但公共特征向量的个数必须够 nn 个。
判断题里出现“AB=BAAB=BA，则 A,BA,B 可同时对角化”，只要没有“A,BA,B 均可对角化”或“实对称”等条件，一律判错。

​
四、实对称矩阵可交换的强化结论

设 A,BA,B 均为实对称矩阵，即 AT=AA^T=A，BT=BB^T=B，则AB=BA⇔AB 为实对称矩阵AB=BA\Leftrightarrow AB\text{ 为实对称矩阵}证明：(AB)T=BTAT=BA(AB)^T=B^TA^T=BA因此(AB)T=AB⇔BA=AB(AB)^T=AB\Leftrightarrow BA=AB
这条结论把“可交换”这个乘法条件转化成了“乘积对称”这个转置条件，在选择题里非常好用：看到两个实对称矩阵相乘，先转置看等不等于自身。
必须 A,BA,B 都实对称。一般矩阵即使 ABAB 对称，也推不出 AB=BAAB=BA。反例：A=(0100),B=(0010)A=\begin{pmatrix}0&1\\0&0\end{pmatrix},\qquad B=\begin{pmatrix}0&0\\1&0\end{pmatrix}此时 AB=(1000)AB=\begin{pmatrix}1&0\\0&0\end{pmatrix} 对称，但 BA=(0001)≠ABBA=\begin{pmatrix}0&0\\0&1\end{pmatrix}\ne AB。
若 A,BA,B 都是实对称矩阵且 AB=BAAB=BA，则存在同一个正交矩阵 QQ，使{QTAQ=ΛQTBQ=M\begin{cases} Q^TAQ=\Lambda\\ Q^TBQ=M \end{cases}其中 QTQ=EQ^TQ=E，Λ,M\Lambda,M 均为实对角矩阵。证明（对阶数 nn 归纳）：
  1. AA 实对称，取单位特征向量 α1\alpha_1，Aα1=λ1α1A\alpha_1=\lambda_1\alpha_1。
  2. 由第一节，BB 保持 Eλ1(A)E_{\lambda_1}(A)；BB 在 Eλ1(A)E_{\lambda_1}(A) 上的限制仍是自伴算子，故有实特征向量 α1′\alpha_1'。把 α1′\alpha_1' 单位化仍记为 α1\alpha_1，则 α1\alpha_1 同时是 A,BA,B 的单位特征向量，设 Bα1=μ1α1B\alpha_1=\mu_1\alpha_1。
  3. 令 W=α1⊥W=\alpha_1^{\perp}。由 A,BA,B 实对称，对任意 β∈W\beta\in W 有 ⟨Aβ,α1⟩=⟨β,Aα1⟩=λ1⟨β,α1⟩=0\langle A\beta,\alpha_1\rangle=\langle\beta,A\alpha_1\rangle=\lambda_1\langle\beta,\alpha_1\rangle=0 故 Aβ∈WA\beta\in W；同理 Bβ∈WB\beta\in W。即 WW 在 A,BA,B 下都不变。
  4. WW 上 A,BA,B 仍实对称、仍可交换，维数为 n−1n-1，由归纳假设存在 WW 的标准正交基使二者对角化。
  5. 与 α1\alpha_1 合并，得到 Rn\mathbb R^n 的标准正交基，取为 QQ 的列，即得结论。
正交对角化比相似对角化更强：QQ 的列向量是 A,BA,B 的公共单位正交特征向量。实对称矩阵的特征向量自动正交，这一步不需要额外验证。
若 A,BA,B 均为实对称正定矩阵，且 AB=BAAB=BA，则AB 也为实对称正定矩阵AB\text{ 也为实对称正定矩阵}理由：由同时正交对角化，QTAQ=diag(λi)Q^TAQ=\mathrm{diag}(\lambda_i)，QTBQ=diag(μi)Q^TBQ=\mathrm{diag}(\mu_i)，且λi>0,μi>0\lambda_i>0,\qquad \mu_i>0于是QT(AB)Q=diag(λiμi),λiμi>0Q^T(AB)Q=\mathrm{diag}(\lambda_i\mu_i),\qquad \lambda_i\mu_i>0所以 ABAB 的特征值全为正；又 ABAB 实对称，故 ABAB 正定。
两个实对称正定矩阵的乘积不一定对称，因此没有 AB=BAAB=BA 时不能直接说 ABAB 正定。实际上对实对称的 A,BA,B，ABAB 对称与 AB=BAAB=BA 是等价的（本节第一条），所以“ABAB 正定”这个说法本身就隐含了可交换。
半正定版本同样成立：A,BA,B 实对称半正定且可交换，则 ABAB 实对称半正定，特征值为 λiμi≥0\lambda_i\mu_i\ge0。
  • ABAB 正定推不出 A,BA,B 正定。 反例：A=diag(1,−1)A=\mathrm{diag}(1,-1)，B=diag(1,−1)B=\mathrm{diag}(1,-1)，则 AB=EAB=E 正定，但 A,BA,B 都不正定。
  • “ABAB 对称”在一般矩阵里推不出 AB=BAAB=BA，只有 A,BA,B 都实对称时才等价。
  • 实对称矩阵可交换，一定可以同时正交对角化；但“可同时相似对角化”只需要二者可对角化，不要求正交。
  • 正定要求特征值全为正，半正定只要求非负；不要把两者混用。
看到“实对称正定”四个字，先想“特征值全正 + 可正交对角化”；看到“乘积正定”，必须先确认可交换，否则命题不成立。

​
五、与对角矩阵可交换的结构

设B=diag(b1,b2,…,bn),A=(aij)B=\mathrm{diag}(b_1,b_2,\dots,b_n),\qquad A=(a_{ij})则AB=(aijbj),BA=(biaij)AB=(a_{ij}b_j),\qquad BA=(b_ia_{ij})比较第 (i,j)(i,j) 个元素得AB=BA⇔(bi−bj)aij=0,∀i,jAB=BA\Leftrightarrow (b_i-b_j)a_{ij}=0,\quad \forall i,j这条公式非常重要，几乎所有“与对角矩阵可交换”的题都从它出发。
记忆：ABAB 是“列乘 bjb_j”，BABA 是“行乘 bib_i”，所以限制落在 (bi−bj)aij(b_i-b_j)a_{ij} 上。
若bi≠bj,i≠jb_i\ne b_j,\qquad i\ne j则由 (bi−bj)aij=0(b_i-b_j)a_{ij}=0 得 aij=0a_{ij}=0（i≠ji\ne j），所以A 必须为对角矩阵A\text{ 必须为对角矩阵}
这条的逆否命题也常用：若存在 i≠ji\ne j 使 aij≠0a_{ij}\ne0，则 BB 的对角元不可能两两互异。
若 bi=bjb_i=b_j，则对应的 aija_{ij} 不受该等式限制，可以不为零。更一般地，把 BB 的相同对角元归为一组，则与 BB 可交换的 AA 恰好是按这些组划分的分块对角矩阵：不同组之间的元素必须为零，同一组内部的子块可以任意。例如B=(100010002)B=\begin{pmatrix}1&0&0\\0&1&0\\0&0&2\end{pmatrix}则所有与 BB 可交换的矩阵都具有形式A=(ab0cd000e)A=\begin{pmatrix}a&b&0\\c&d&0\\0&0&e\end{pmatrix}左上角的二阶方阵可以任意取值。
记忆：不同特征值对应的位置必须为零，相同特征值对应的块内可以非零。分块的数量等于 BB 的不同对角元的个数。
例中左上 2×22\times2 块任意，但第一、二行第三列与第三行第一、二列必须为零。不要误写成“整个 AA 任意”。
  • B=kEB=kE 时条件恒成立，任意 AA 都与 BB 可交换，这与第六节的结论一致。
  • 对角元有重根时，AA 仍是分块对角矩阵，只是块可以更大；“AA 必为对角矩阵”只在 bib_i 两两互异时成立。
  • AA 与对角矩阵 BB 可交换，不代表 AA 也可对角化。 例如 B=diag(1,1)B=\mathrm{diag}(1,1)，取 A=(1101)A=\begin{pmatrix}1&1\\0&1\end{pmatrix}，可交换但 AA 不可对角化。
题目问“与 BB 可交换的矩阵的一般形式”时，先看 BB 的对角元是否有重根，再决定是“对角矩阵”还是“分块对角矩阵”。

​
六、与所有同阶矩阵可交换

若对任意 nn 阶实矩阵 BB，都有 AB=BAAB=BA，则A=kE,k∈RA=kE,\qquad k\in\mathbb R反过来，任何数量矩阵 kEkE 都与所有同阶矩阵可交换。因此AB=BA, ∀B∈Rn×n⇔A=kEAB=BA,\ \forall B\in\mathbb R^{n\times n}\Leftrightarrow A=kE
这个结论说明：矩阵的“中心”就是数量矩阵全体。它是“与所有矩阵可交换”和“与某一个矩阵可交换”的分水岭。
取 B=EijB=E_{ij}（i≠ji\ne j），即第 (i,j)(i,j) 个元素为 11、其余为 00 的矩阵。计算(AEij)kl=akiδlj,(EijA)kl=δkiajl(AE_{ij})_{kl}=a_{ki}\delta_{lj},\qquad (E_{ij}A)_{kl}=\delta_{ki}a_{jl}由 AEij=EijAAE_{ij}=E_{ij}A，对 k≠ik\ne i 且 l=jl=j 得aki=0a_{ki}=0即 AA 的所有非对角元为零，AA 是对角矩阵。再取 k=ik=i、l=jl=j，得aii=ajja_{ii}=a_{jj}所以 AA 的对角元全部相等，即 A=kEA=kE。
也可以取 B=EijB=E_{ij} 遍历所有 i,ji,j，直接比较元素；思路一样，都是“用最简单的矩阵逼出 AA 的结构”。
若 AA 与所有 nn 阶可逆矩阵可交换，则仍有 A=kEA=kE。证明：取 B=E+tEijB=E+tE_{ij}，t≠0t\ne0。因 det⁡B=1\det B=1，BB 可逆，由 AB=BAAB=BA 得A(E+tEij)=(E+tEij)AA(E+tE_{ij})=(E+tE_{ij})A展开并消去 AE=EAAE=EA，得 tAEij=tEijAtAE_{ij}=tE_{ij}A，即 AEij=EijAAE_{ij}=E_{ij}A。再按上面的证明得 A=kEA=kE。
这个加强结论说明：不需要“所有矩阵”，只要“所有可逆矩阵”就足以逼出 A=kEA=kE。
  • 与某一个矩阵可交换，推不出 A=kEA=kE。 取 A=BA=B，任何 AA 都与自己可交换。
  • 与所有对角矩阵可交换，也推不出 A=kEA=kE。 事实上对角矩阵与对角矩阵总可交换，AA 只需是对角矩阵。
  • 与所有对称矩阵可交换，仍可推出 A=kEA=kE：取 EiiE_{ii} 与 Eij+EjiE_{ij}+E_{ji} 即可逼出 AA 为数量矩阵。这类题的通用思路是看这一类矩阵能否张成整个矩阵空间。
区分两个命题：“与某个 BB 可交换”是弱条件；“与所有 BB 可交换”才是 A=kEA=kE。考研选择题常在这里设陷阱。

​
七、易错点：可交换不代表一定可以同时对角化

取A=E2,B=(1101)A=E_2,\qquad B=\begin{pmatrix}1&1\\0&1\end{pmatrix}显然AB=BAAB=BA但 BB 的特征值只有 λ=1\lambda=1，且r(B−E)=1r(B-E)=1只有一个线性无关的特征向量，所以 BB 不能相似对角化。因此 A,BA,B 不可能同时对角化。AB=BA⇏A,B 能同时对角化AB=BA\not\Rightarrow A,B\text{ 能同时对角化}
这个反例里 A=EA=E 是可对角化的，BB 不可对角化。所以即使“AA 可对角化 + AB=BAAB=BA”，也不能推出同时对角化；必须二者都可对角化。
要得到同时对角化，至少要补下列条件之一：
  • A,BA,B 都可相似对角化（第三节）；
  • A,BA,B 都是实对称矩阵（第四节，还可同时正交对角化）；
  • AA 有 nn 个互异特征值（第二节，此时 BB 自动可对角化）。
反过来，同时对角化一定能推出 AB=BAAB=BA。所以“可交换”是必要条件，不是充分条件。
在复数域上，可交换矩阵一定可以同时上三角化（见下一节），但上三角化不等于对角化。这就是“可交换”能保证的最强结论。

​
八、拓展：复数域上可同时上三角化

设 A,BA,B 为 nn 阶复矩阵，且 AB=BAAB=BA，则存在可逆矩阵 PP，使 P−1APP^{-1}AP 与 P−1BPP^{-1}BP 同时为上三角矩阵。特别地，A,BA,B 必有公共特征向量。证明思路（对 nn 归纳）：
  1. 在复数域上，AA 有特征向量 α\alpha，Aα=λαA\alpha=\lambda\alpha。
  2. 由第一节，BB 保持 Eλ(A)E_\lambda(A)；BB 在 Eλ(A)E_\lambda(A) 上的限制有复特征向量，于是 A,BA,B 有公共特征向量。
  3. 以该公共特征向量为第一个基向量，A,BA,B 在此基下呈分块上三角形状，且右下角的 (n−1)(n-1) 阶块仍可交换。
  4. 对右下角归纳，即得同时上三角化。
这条定理说明：可交换矩阵在复数域上一定有公共特征向量，但不一定有 nn 个线性无关的公共特征向量。
实数域上不成立。旋转矩阵R=(0−110)R=\begin{pmatrix}0&-1\\1&0\end{pmatrix}与自身可交换，但没有实特征向量。所以实数域上要先保证特征值都是实数。
这是超纲内容，用来理解“可交换”的边界即可。考研答题时，不要用“同时上三角化”去代替“同时对角化”。

​
九、易错点速查

  1. 由 Aα=λαA\alpha=\lambda\alpha 直接写 Bα=μαB\alpha=\mu\alpha——只在 dim⁡Eλ(A)=1\dim E_\lambda(A)=1 时成立。
  2. 由 AB=BAAB=BA 直接写同时对角化——缺“二者均可对角化”或“实对称”等条件。
  3. 由 AB=BAAB=BA 直接写 B=p(A)B=p(A)——缺“AA 有 nn 个互异特征值”。
  4. 把 A+BA+B、ABAB 的特征值写成任意 λi+μj\lambda_i+\mu_j、λiμj\lambda_i\mu_j 的组合——必须按公共特征向量一一对应。
  5. 认为 ABAB 正定可以推出 A,BA,B 正定——反例 A=B=diag(1,−1)A=B=\mathrm{diag}(1,-1)。
  6. 认为两个实对称正定矩阵的乘积一定对称——只有可交换时才对称。
  7. 把“与对角矩阵可交换”一律写成“AA 为对角矩阵”——对角元有重根时是分块对角。
  8. 把“与某个矩阵可交换”当成“与所有矩阵可交换”——后者才有 A=kEA=kE。
  9. 在实数域上讨论复特征值对应的特征子空间——数域要先统一。
  10. 用“同时上三角化”代替“同时对角化”——上三角化不改变不可对角化的事实。
判断“能否同时对角化”的标准流程：先看 AB=BAAB=BA 是否成立，再看 A,BA,B 是否都可对角化（或是否都实对称）。两步都满足才能下结论。

​
十、考研必背结论汇总

​
十一、最终记忆公式

① 特征子空间不变性 AB=BA⇒A(Bα)=λ(Bα)(Aα=λα)AB=BA\Rightarrow A(B\alpha)=\lambda(B\alpha)\quad(A\alpha=\lambda\alpha) ② 同时对角化 P−1AP=Λ,P−1BP=MP^{-1}AP=\Lambda,\qquad P^{-1}BP=M 需要可交换且二者可对角化（或都实对称）等条件。 ③ 实对称矩阵 AT=A, BT=B⇒[AB=BA⇔(AB)T=AB]A^T=A,\ B^T=B\Rightarrow\bigl[AB=BA\Leftrightarrow(AB)^T=AB\bigr] ④ 与对角矩阵可交换 (bi−bj)aij=0(b_i-b_j)a_{ij}=0 ⑤ 与所有矩阵可交换 AB=BA, ∀B⇒A=kEAB=BA,\ \forall B\Rightarrow A=kE
最核心的一句话：矩阵可交换意味着特征子空间被保留；要进一步推出公共特征向量、同时对角化或多项式关系，必须检查附加条件。
本页结论特别适合考研选择题、填空题与证明题。做题时先问三个问题：A,BA,B 是否可对角化？AA 的特征值是否互异？A,BA,B 是否实对称？三个问题答完，用哪条结论就确定了。
Last modified on October 28, 2026