考研线代必看！3种方法证明迹=特征值和（含Schur分解直观解释）

考研线代攻坚：三种视角彻底打通“迹=特征值和”的证明脉络

又到了考研复习的攻坚期，线性代数里那些看似抽象又至关重要的定理，常常是拉开分数的关键。其中，“方阵的迹等于其特征值之和”这个结论，几乎每年都会以不同形式出现在真题的选择、填空甚至证明题中。很多同学只是死记硬背结论，一旦题目要求证明或者稍加变形，就无从下手。今天，我们不谈空洞的理论，而是从考研应试的实战角度出发，为你拆解三种最具代表性的证明方法：从最接地气的初等变换法，到直击核心的特征多项式法，再到能帮你建立高维直觉的Schur分解法。我会结合历年真题的命题规律，告诉你每种方法在考场上的适用场景、易错点以及如何快速想到解题思路。更重要的是，我会用尽可能直观的图示，帮你把抽象的Schur分解“可视化”，让你不仅会证，更能理解其背后的几何意义，从此这类题目再无盲区。

1. 初等变换法：从矩阵的“骨架”入手

对于很多习惯从具体计算入手的同学来说，初等变换法是最容易上手的一条路径。它的核心思想非常朴素：既然迹是主对角线元素之和，而特征值又由特征多项式决定，那么能不能通过一系列不改变迹和特征值的操作，把矩阵变成一个“好看”的形式，从而让结论一目了然呢？答案是肯定的。

我们先明确一个关键：相似变换不改变矩阵的迹和特征值。这是整个方法的基石。假设我们有一个n阶方阵A，如果存在可逆矩阵P，使得 B = P⁻¹AP，那么矩阵A和B是相似的，它们拥有相同的迹和相同的特征值集合。我们的目标，就是通过相似变换，将A化为一个上三角矩阵（或若尔当标准型），因为上三角矩阵的主对角线元素恰恰就是它的特征值。

具体操作步骤与考场思路：

1. 判断矩阵是否可对角化。这是第一步，也是考场上决定你采用哪种证明路径的决策点。如果矩阵A有n个线性无关的特征向量，那么它可对角化，即存在可逆矩阵P，使得 P⁻¹AP = Λ，其中Λ是由特征值构成的对角阵。此时，迹的相等性几乎是显然的：

   tr(A) = tr(PΛP⁻¹) = tr(ΛP⁻¹P) = tr(Λ)
   

   这里用到了迹的循环性质：tr(XY) = tr(YX)。由于Λ是对角阵，其迹就是所有特征值之和。这种方法在真题中常出现在给出具体矩阵，并要求你验证迹与特征值关系的题目里。

2. 当矩阵不可对角化时，化为准上三角（舒尔定理的应用）。这是更一般的情况，也是考研证明题喜欢考察的地方。任何一个复方阵都酉相似于一个上三角矩阵。虽然考研不要求掌握严格的酉相似证明，但你可以理解并陈述这个结论：对于任意方阵A，存在可逆矩阵P，使得 T = P⁻¹AP 是一个上三角矩阵。这个T的主对角线元素 t_ii 就是A的特征值。

   • 关键推导：由于相似变换不改变迹，所以 tr(A) = tr(T)。而上三角矩阵T的迹就是其主对角线元素之和，即 Σ t_ii，这正好是A的所有特征值之和。
   • 应试技巧：在书写证明时，你可以直接引用“由舒尔定理（或矩阵三角化定理），存在可逆矩阵P...”作为依据，这比你自己从头构造变换矩阵要简洁且安全。

注意：在考场上使用这种方法，务必清晰地写出“相似变换保迹”和“上三角矩阵的迹即其特征值