Files
MathNotesVersion2/基于考研的学习/数学一/在学练习/线性代数-第5讲-特征值与特征向量/05-点4-实对称矩阵正交对角化.md
T

228 lines
14 KiB
Markdown
Raw Normal View History

---
tags: [数学一, 在学练习, 线性代数, 特征值, 实对称, 正交对角化]
专题: 线性代数 第5讲 · 点4 实对称矩阵的正交对角化
日期: 2026-10-24
状态: 知识点带题(4.1 三定理、4.2 五步、4.3 正交矩阵,5 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 4 实对称矩阵的正交对角化
> 真题锚点:2021·21(解答 **12 分**)、2017·21 / 2020·21 同型|重要度 ★★★
> 依赖:点 3 的对角化、第 3 讲施密特。盘点对应:§4 全节。
**组织原则**:先列知识点(三定理 → 五步 → 正交矩阵),再逐一对应出题。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
## 知识点 4.1 实对称矩阵的三个定理(出处:[知识章 similar.tex §7](../../../../参考仓库/Math/linear-algebra/knowledge/5-similar/similar.tex))
设 $A^{\mathrm T}=A$ ,则
1. **特征值全为实数**;
2. **属于不同特征值的特征向量必正交**(不只是线性无关);
3. **存在正交矩阵 $Q$ 使 $Q^{\mathrm T}AQ=Q^{-1}AQ=\Lambda$ ** 。
第 2 条是实对称独有:一般矩阵只能保证"线性无关",实对称能保证"正交"。
## 知识点 4.2 正交对角化五步(出处:[练习章 similar.tex §4](../../../../参考仓库/Math/linear-algebra/exercise/5-similar/similar.tex))
1. 解 $\lvert\lambda E-A\rvert=0$ 得全部特征值;
2. 对每个 $\lambda_i$ 解 $(\lambda_iE-A)x=0$ 得基础解系;
3. 对**同一特征值内部**的多个向量做施密特正交化(不同特征值的自动正交);
4. 全部单位化,按列拼成 $Q$ ;
5. 写 $Q^{\mathrm T}AQ=\Lambda$ ,检查列序一致。
**唯一的坑在第 3 步**:单重特征值不用施密特,只有重特征值内部才需要。
## 知识点 4.3 正交矩阵与正交变换(出处:[知识章 similar.tex §7](../../../../参考仓库/Math/linear-algebra/knowledge/5-similar/similar.tex))
$Q^{\mathrm T}Q=E\iff Q^{-1}=Q^{\mathrm T}$ 。正交变换 $x=Qy$ 保长度保内积,于是
$$x^{\mathrm T}Ax=y^{\mathrm T}(Q^{\mathrm T}AQ)y=\lambda_1y_1^2+\cdots+\lambda_ny_n^2 .$$
这就是第 6 讲"正交变换化标准形"的全部内容。
---
## 题目(按知识点顺序对应)
### 题 1 · 4.1:三个定理的适用范围(★☆☆)
> 判断下列说法是否正确:
>
> (Ⅰ)实对称矩阵的特征值一定是实数;
> (Ⅱ)实对称矩阵属于不同特征值的特征向量一定正交;
> (Ⅲ)若 $A$ 的特征值全为实数且可对角化,则 $A$ 是实对称矩阵;
> (Ⅳ)实对称矩阵的重特征值对应的特征向量也自动正交。
**怎么想**:前两条是定理原文。(Ⅲ)把"实对称"的结论反过来用——这是最常见的过度推广。(Ⅳ)把"不同特征值"偷换成"同一特征值"。
**解**:(Ⅰ)**正确**,实对称矩阵三定理之一。
(Ⅱ)**正确**。设 $A\xi_1=\lambda_1\xi_1$ 、$A\xi_2=\lambda_2\xi_2$ ,$\lambda_1\ne\lambda_2$ 。则
$$\lambda_1\langle\xi_1,\xi_2\rangle=\langle A\xi_1,\xi_2\rangle=\langle\xi_1,A\xi_2\rangle=\lambda_2\langle\xi_1,\xi_2\rangle,$$
(中间一步用了 $A^{\mathrm T}=A$ ),故 $(\lambda_1-\lambda_2)\langle\xi_1,\xi_2\rangle=0$ ,得 $\langle\xi_1,\xi_2\rangle=0$ 。
(Ⅲ)**错误**。反例:$\begin{pmatrix}1&1\\0&2\end{pmatrix}$ 特征值 $1,2$ 全为实数且可对角化,但不是对称矩阵。
(Ⅳ)**错误**。**同一特征值**的多个特征向量只保证线性无关,**不保证正交**。需自己做施密特(点 4 §4.2 第 3 步)。反例:$\lambda$ 二重,特征向量 $(1,0,0)$ 与 $(1,1,0)$ 无关但不正交。
**带走结论**:"正交"只发生在**不同特征值之间**,是自动的;**同一特征值内部必须手工正交化**。把这两件事分清,五步流程就不会漏第 3 步。
> **关联** · 盘点 [§4.1 实对称矩阵的三个定理](01-知识点盘点.md#user-content-41-实对称矩阵的三个定理) | 上游 — | 下游 [点 4 题 5](05-点4-实对称矩阵正交对角化.md#user-content-题-5--41实对称必可正交对角化的证明) | 速查 [六 实对称三定理](09-速查卡.md#user-content-六-实对称三定理)
---
### 题 2 · 4.2:三阶实对称的完整五步(★★☆)
> 设 $A=\begin{pmatrix}2&1&1\\1&2&1\\1&1&2\end{pmatrix}$ 。求正交矩阵 $Q$ 使 $Q^{\mathrm T}AQ=\Lambda$ 。
**怎么想**:$A$ 实对称,必可正交对角化。**行和相等型**——三行之和都是 4,故 $(1,1,1)^{\mathrm T}$ 是 $\lambda=4$ 的特征向量,这一步白送。剩下 $\lambda=1$ 二重,需在同一特征值内部施密特。
**解**:
**第 1 步:特征值。** 各行元素之和为 $4$ ,取 $(1,1,1)^{\mathrm T}$ 得 $\lambda_1=4$ 。由 $\operatorname{tr}A=6$ 与 $\lambda_1=4$ ,另两个特征值之和为 2;算
$$\lvert\lambda E-A\rvert=\begin{vmatrix}\lambda-2&-1&-1\\-1&\lambda-2&-1\\-1&-1&\lambda-2\end{vmatrix}=(\lambda-4)(\lambda-1)^2 .$$
故 $\lambda_1=4$ (单重)、$\lambda_2=\lambda_3=1$ (二重)。
**第 2 步:特征向量。**
$\lambda_1=4$ :$4E-A=\begin{pmatrix}2&-1&-1\\-1&2&-1\\-1&-1&2\end{pmatrix}$ ,得 $x_1=x_2=x_3$ ,
$$\xi_1=(1,1,1)^{\mathrm T}.$$
$\lambda=1$ :$E-A=\begin{pmatrix}-1&-1&-1\\-1&-1&-1\\-1&-1&-1\end{pmatrix}$ ,即 $x_1+x_2+x_3=0$ ,基础解系
$$\xi_2=(1,-1,0)^{\mathrm T},\qquad \xi_3=(1,1,-2)^{\mathrm T}.$$
**第 3 步:同一特征值内部正交化。** 检查 $\langle\xi_2,\xi_3\rangle=1-1+0=0$ ,**已正交**,无需施密特。(若取的是 $(1,0,-1)$ 与 $(0,1,-1)$ 就需要。)
**第 4 步:单位化并拼 $Q$ 。**
$$e_1=\frac{1}{\sqrt2}\begin{pmatrix}1\\-1\\0\end{pmatrix},\quad e_2=\frac{1}{\sqrt6}\begin{pmatrix}1\\1\\-2\end{pmatrix},\quad e_3=\frac{1}{\sqrt3}\begin{pmatrix}1\\1\\1\end{pmatrix},$$
$$Q=\begin{pmatrix}\frac{1}{\sqrt2}&\frac{1}{\sqrt6}&\frac{1}{\sqrt3}\\[2pt]-\frac{1}{\sqrt2}&\frac{1}{\sqrt6}&\frac{1}{\sqrt3}\\[2pt]0&-\frac{2}{\sqrt6}&\frac{1}{\sqrt3}\end{pmatrix}.$$
**第 5 步:写出结论。**
$$Q^{\mathrm T}AQ=\Lambda=\begin{pmatrix}1&0&0\\0&1&0\\0&0&4\end{pmatrix}.$$
**验算**:$\operatorname{tr}\Lambda=6=\operatorname{tr}A$ ✓;$\lvert\Lambda\rvert=4$ ,而 $A=E+J$ ($J$ 为全 1 矩阵,特征值 $3,0,0$ )故 $\lvert A\rvert=4\cdot1\cdot1=4$ ✓;$Q$ 三列两两正交且单位长 ✓。
**带走结论**:"行和相等"的实对称矩阵,**立即得到 $(1,1,\dots,1)$ 方向的特征值等于行和**。这是最省时间的第一步,看到三行之和相同的对称矩阵就该条件反射。
> **关联** · 盘点 [§4.2 正交对角化五步](01-知识点盘点.md#user-content-42-正交对角化五步) | 上游 — | 下游 [点 4 题 3](05-点4-实对称矩阵正交对角化.md#user-content-题-3--42由特征值与特征向量反求实对称矩阵) | 速查 [七 正交对角化五步](09-速查卡.md#user-content-七-正交对角化五步)
---
### 题 3 · 4.2:由特征值与特征向量反求实对称矩阵(★★★)
> 【2021·21 骨架】设 $A$ 为三阶实对称矩阵,特征值为 $\lambda_1=\lambda_2=1$ 、$\lambda_3=-1$ ,且属于 $\lambda_3=-1$ 的特征向量为 $\xi=(1,1,1)^{\mathrm T}$ 。
>
> (Ⅰ)求 $A$ ;
> (Ⅱ)求正交矩阵 $Q$ 使 $Q^{\mathrm T}AQ=\Lambda$ ;
> (Ⅲ)求 $\lvert A+2E\rvert$ 。
**怎么想**:实对称的关键优势——**知道一个特征向量就等于知道了整个正交基的第三个方向**,另两个方向落在 $x_1+x_2+x_3=0$ 里,可任取正交基。$A$ 用谱分解 $A=\sum\lambda_ie_ie_i^{\mathrm T}$ 一步写出。
**解**:
**(Ⅰ)** $\lambda=1$ 的特征子空间是 $\xi$ 的正交补:
$$x_1+x_2+x_3=0 .$$
取其一的一组正交基
$$u_1=\frac{1}{\sqrt2}(1,-1,0)^{\mathrm T},\qquad u_2=\frac{1}{\sqrt6}(1,1,-2)^{\mathrm T},\qquad u_3=\frac{1}{\sqrt3}(1,1,1)^{\mathrm T},$$
三者构成 $\mathbb{R}^3$ 的标准正交基,且 $Au_i=1\cdot u_i$ ($i=1,2$ )、$Au_3=-u_3$ 。由谱分解
$$A=1\cdot u_1u_1^{\mathrm T}+1\cdot u_2u_2^{\mathrm T}+(-1)\cdot u_3u_3^{\mathrm T}=\big(E-u_3u_3^{\mathrm T}\big)-u_3u_3^{\mathrm T}=E-2u_3u_3^{\mathrm T}.$$
而 $u_3u_3^{\mathrm T}=\frac13 J$ ($J$ 为全 1 矩阵),故
$$A=E-\frac23 J=\frac13\begin{pmatrix}1&-2&-2\\-2&1&-2\\-2&-2&1\end{pmatrix}.$$
**验算**:$A\xi=\frac13(-3,-3,-3)^{\mathrm T}=(-1,-1,-1)^{\mathrm T}=-\xi$ ✓;$\operatorname{tr}A=\frac{1+1+1}{3}=1=1+1-1$ ✓;$\lvert A\rvert=1\cdot1\cdot(-1)=-1$ ✓。
**(Ⅱ)** 直接取
$$Q=(u_1,u_2,u_3),\qquad Q^{\mathrm T}AQ=\Lambda=\mathrm{diag}(1,1,-1).$$
**(Ⅲ)** $A+2E$ 的特征值为 $1+2,\ 1+2,\ -1+2=3,3,1$ ,故
$$\lvert A+2E\rvert=3\times3\times1=9 .$$
**带走结论**:**"实对称 $+$ 已知一个特征向量"型题目的唯一解法是谱分解** $A=\sum\lambda_ie_ie_i^{\mathrm T}$ 。若重特征值恰好占两个方向,$A$ 直接化成 $E-kJ$ 的形式,比解方程组快十倍。
> **关联** · 盘点 [§4.2 正交对角化五步](01-知识点盘点.md#user-content-42-正交对角化五步) | 上游 [点 4 题 2](05-点4-实对称矩阵正交对角化.md#user-content-题-2--42三阶实对称的完整五步) | 下游 — | 速查 [七 正交对角化五步](09-速查卡.md#user-content-七-正交对角化五步)
---
### 题 4 · 4.3:正交矩阵的性质(★★☆)
> 设 $Q$ 为正交矩阵。判断:
>
> (Ⅰ)$\lvert Q\rvert=\pm1$ ;(Ⅱ)$\lvert Q\rvert=1$ 时 $Q$ 的一切特征值都是 1;(Ⅲ)$Q$ 的特征值模长都为 1;(Ⅳ)$Q$ 的逆、转置、乘积仍正交。
**怎么想**:前两条是"必要条件用反了"的经典陷阱——$\lvert Q\rvert=\pm1$ 是**必要**不充分,且行列式为 1 不限制个别特征值。
**解**:(Ⅰ)**正确**。$Q^{\mathrm T}Q=E\Rightarrow\lvert Q\rvert^2=1\Rightarrow\lvert Q\rvert=\pm1$ 。
(Ⅱ)**错误**。反例:$Q=\begin{pmatrix}0&1\\1&0\end{pmatrix}$ ,$\lvert Q\rvert=-1$ ;换成 $Q=\begin{pmatrix}0&-1\\1&0\end{pmatrix}$ (旋转 $90°$ ),$\lvert Q\rvert=1$ 但特征值为 $\pm i$ ,不是 1。三阶旋转矩阵(绕某轴转 $120°$ )行列式为 1,另两个特征值是复数。
(Ⅲ)**正确**。设 $Q\xi=\lambda\xi$ ,取共轭转置:$\bar\xi^{\mathrm T}Q^{\mathrm T}=\bar\lambda\bar\xi^{\mathrm T}$ ,相乘得
$$\bar\xi^{\mathrm T}Q^{\mathrm T}Q\xi=\lvert\lambda\rvert^2\bar\xi^{\mathrm T}\xi\Longrightarrow\bar\xi^{\mathrm T}\xi=\lvert\lambda\rvert^2\bar\xi^{\mathrm T}\xi .$$
因 $\xi\ne0$ ,$\bar\xi^{\mathrm T}\xi=\lVert\xi\rVert^2>0$ ,故 $\lvert\lambda\rvert=1$ 。
(Ⅳ)**正确**。$(Q^{-1})^{\mathrm T}Q^{-1}=(Q^{\mathrm T})^{\mathrm T}Q^{\mathrm T}=QQ^{\mathrm T}=E$ ;$Q^{\mathrm T}$ 显然;两个正交矩阵之积仍正交。
**带走结论**:正交矩阵的**特征值在单位圆上**(可为复数),行列式 $\pm1$ 。"$\lvert Q\rvert=1$ 所以特征值全是 1"是彻底的错误——它只说明"特征值之积为 1"。
> **关联** · 盘点 [§4.3 正交矩阵与正交变换](01-知识点盘点.md#user-content-43-正交矩阵与正交变换) | 上游 — | 下游 — | 速查 [七 正交对角化五步](09-速查卡.md#user-content-七-正交对角化五步)
---
### 题 5 · 4.1:实对称必可正交对角化的证明(★★★)
> 设 $A$ 为 $n$ 阶实对称矩阵。用数学归纳法证明:存在正交矩阵 $Q$ 使 $Q^{\mathrm T}AQ=\Lambda$ 。
**怎么想**:归纳的关键是"降维"——取一个单位特征向量 $q_1$ ,把它扩成正交基,则 $A$ 在这个基下**分块对角**(左上角是 $\lambda_1$ ,右下角是 $n-1$ 阶实对称块),对右下角用归纳假设。
**解**:对 $n$ 归纳。$n=1$ 时平凡。
设结论对 $n-1$ 成立。$A$ 实对称,故有实特征值 $\lambda_1$ 与对应的实特征向量 $\xi_1\ne0$ 。取 $q_1=\xi_1/\lVert\xi_1\rVert$ ,则 $\lVert q_1\rVert=1$ 且 $Aq_1=\lambda_1q_1$ 。
把 $q_1$ 扩充为 $\mathbb{R}^n$ 的标准正交基 $q_1,q_2,\dots,q_n$ ,令 $Q_1=(q_1,q_2,\dots,q_n)$ 为正交矩阵。计算 $Q_1^{\mathrm T}AQ_1$ 的第 1 列:
$$Q_1^{\mathrm T}AQ_1e_1=Q_1^{\mathrm T}Aq_1=\lambda_1Q_1^{\mathrm T}q_1=\lambda_1e_1 .$$
故
$$Q_1^{\mathrm T}AQ_1=\begin{pmatrix}\lambda_1&\alpha^{\mathrm T}\\0&B\end{pmatrix}$$
对某个行向量 $\alpha^{\mathrm T}$ 与 $(n-1)$ 阶矩阵 $B$ 。又 $Q_1^{\mathrm T}AQ_1$ 是实对称的(因 $(Q_1^{\mathrm T}AQ_1)^{\mathrm T}=Q_1^{\mathrm T}A^{\mathrm T}Q_1=Q_1^{\mathrm T}AQ_1$ ),故 $\alpha=0$ 且 $B^{\mathrm T}=B$ :
$$Q_1^{\mathrm T}AQ_1=\begin{pmatrix}\lambda_1&0\\0&B\end{pmatrix},\qquad B\ \text{为}\ (n-1)\ \text{阶实对称}.$$
由归纳假设,存在 $(n-1)$ 阶正交矩阵 $Q_2$ 使 $Q_2^{\mathrm T}BQ_2=\Lambda_{n-1}$ 。取
$$Q=Q_1\begin{pmatrix}1&0\\0&Q_2\end{pmatrix},$$
则 $Q$ 为正交矩阵(两个正交矩阵之积),且
$$Q^{\mathrm T}AQ=\begin{pmatrix}1&0\\0&Q_2^{\mathrm T}\end{pmatrix}\begin{pmatrix}\lambda_1&0\\0&B\end{pmatrix}\begin{pmatrix}1&0\\0&Q_2\end{pmatrix}=\begin{pmatrix}\lambda_1&0\\0&\Lambda_{n-1}\end{pmatrix}=\Lambda .$$
归纳完成。
**带走结论**:证明的**两个支点**——① 实对称保证"特征向量是实向量、可单位化";② $Q_1^{\mathrm T}AQ_1$ 仍实对称,所以分块后的 $\alpha$ 必为 0。缺任何一条,$A$ 就只能相似对角化而非**正交**对角化。
> **关联** · 盘点 [§4.1 实对称矩阵的三个定理](01-知识点盘点.md#user-content-41-实对称矩阵的三个定理) | 上游 [点 4 题 1](05-点4-实对称矩阵正交对角化.md#user-content-题-1--41三个定理的适用范围) | 下游 — | 速查 [六 实对称三定理](09-速查卡.md#user-content-六-实对称三定理)
---