fix(线代第5讲): 排查全讲 36 题的前置知识缺口,补 5 处知识点、修 6 处硬伤
用户点 1 的反馈(题里用到对角化/几何重数,知识点没讲)不是孤例。逐题核对
每道题用到的概念是否在"本点或更早"讲过,查出并修正如下。
一、真缺口:题目用了、知识点完全没讲
1. 点 4 题 3(2021·21 骨架,12 分)用谱分解 A=Σλᵢqᵢqᵢᵀ 作答,但 §4.1—4.3
只讲到 QᵀAQ=Λ,谱分解要到点 5 §5.1 才出现,且原文还写成"唯一解法"。
→ 新增 §4.4 谱分解(够用版):定义、单根 μ + 重根 λ 的两个化形
(A=λE+(μ-λ)qqᵀ 与 A=λE+(μ-λ)J/n)、"先单位化"这个唯一的坑、
实对称已知一向量则其余落在正交补;题 3 改标 4.4,删掉"唯一解法",
与点 5 §5.1 双向互指。
2. 点 5 题 3 用叉乘求第三个特征向量,§5.1 只说"由对称性补齐"。
→ §5.1 补"缺一个特征向量的三种补法"表 + 叉乘为什么能用。
3. 点 6 题 3、题 4 直接用伴随矩阵的秩公式(原只写"第 2 讲")。
→ §6.2 补三档公式 r(A*)=n / 1 / 0,以及 A 不可逆时 A* 特征值改走
"对角阵的伴随 = 其余对角元之积"。
4. 点 7 题 1、题 2 要先会"交叉项折半写矩阵",§7.1 只有对照表;
题 2 还要惯性指数/惯性定理,也只出现名词。
→ §7.1 补两条前置规则(折半、惯性定理 p+q=r(A))+ 老套路照搬提示。
5. 点 4 题 2、点 7 题 2 都靠"行和相等"秒出特征值,§4.2 没写。
→ §4.2 补开局捷径;点 6 §6.1 补 A=aI+bJ 的二项式来历(E 与 J 可交换、
J 是秩 1 矩阵);点 2 §2.2 补 |A*|=|A|ⁿ⁻¹。
二、标注错位
6. 点 2 题 2 标 2.1,但全题靠 2.2 的 A* 特征值 |A|/λ 与 f(A) 特征值。
→ 改标 2.2(附录表同步:§2.1 1 题、§2.2 3 题)。
三、排查中发现的硬伤
7. 点 2 题 5 带走结论有两个问题:末句是"n-k=3-2=1? 注意:…"的自问自答
残文;且"r 严格小于 n-k 则可对角化失败"方向错了——由 m≤nᵢ 得
r(λᵢE-A)≥n-nᵢ,r 永不会小于下界,判据是取等号。整段重写。
8. 点 6 题 3 出现两段"带走结论"(重复),合并为一段。
9. 点 1 题 6(Ⅳ)题干没写 λ₃ 与 λ₁ 是否相同,解析自加"若否则另论"。
→ 题干补"三个特征值互不相同",解析改为归纳法证明。
10. 点 3 题 2 用"Jordan 块"这个全讲未定义的术语 → 改成"上三角且右上有非零元"。
四、顺带
11. 三个题目标题含公式(点 5 题 1、点 5 题 4、点 6 题 1),违反"标题禁含
$…$"(Gitea 锚点会漂)→ 全部改纯文字。
12. 改完 4.4 后 01-知识点盘点 涨到 13505 字符,超 1.3 万上限 → 按高数讲次
的既有做法把"覆盖对照"与"相邻讲接口"拆成 01b-覆盖对照与接口.md
(01 由 13505 → 12386,§0.x 编号未动;01b 顺手补谱分解、几何重数判据
两行,接口表补叉乘与 r(A*) 两行)。
13. 01 的 关联笔记 误写成 [[10-速查卡]](那是高数无穷级数的文件)→ 改 [[09-速查卡]]。
校验:gen_crosslinks 8 个点文件 36 题 19 知识点(+§4.4);check_md_links
11 文件 217 链接 0 异常;fix_gitea_math 0 处待修。全部文件 < 1.3 万字符。
This commit is contained in:
@@ -2,7 +2,7 @@
|
||||
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)
|
||||
状态: 知识点带题(4.1 三定理、4.2 五步、4.3 正交矩阵、4.4 谱分解,5 题)
|
||||
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
|
||||
---
|
||||
|
||||
@@ -33,6 +33,8 @@ tags: [数学一, 在学练习, 线性代数, 特征值, 实对称, 正交对角
|
||||
|
||||
**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。
|
||||
|
||||
**开局捷径(省掉整个行列式)**:若 $A$ 各行元素之和都等于 $s$ ,则 $(1,\dots,1)^{\mathrm T}$ 就是 $\lambda=s$ 的特征向量(理由见 §1.2);再由 $\operatorname{tr}A$ 与 $\lvert A\rvert$ 把剩下两个特征值逼出来。**三阶实对称题九成可以先走这一步**。
|
||||
|
||||
## 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
|
||||
@@ -41,6 +43,29 @@ $$x^{\mathrm T}Ax=y^{\mathrm T}(Q^{\mathrm T}AQ)y=\lambda_1y_1^2+\cdots+\lambda_
|
||||
|
||||
这就是第 6 讲"正交变换化标准形"的全部内容。
|
||||
|
||||
## 知识点 4.4 谱分解(够用版,出处:[知识章 similar.tex §7](../../../../参考仓库/Math/linear-algebra/knowledge/5-similar/similar.tex))
|
||||
|
||||
把 4.1 定理 3 的 $Q^{\mathrm T}AQ=\Lambda$ 反过来写,就是**谱分解**:
|
||||
|
||||
$$A=Q\Lambda Q^{\mathrm T}=\sum_{i=1}^{n}\lambda_iq_iq_i^{\mathrm T}\qquad(q_i\ \text{为}Q\text{的列,即单位正交特征向量}).$$
|
||||
|
||||
**为什么好用**:$q_iq_i^{\mathrm T}$ 是"投影到 $q_i$ 方向"的秩 1 矩阵,且 $\sum_iq_iq_i^{\mathrm T}=QQ^{\mathrm T}=E$ 。所以只要特征向量**两两正交且已单位化**,就能直接读出 $A$ ,**连 $P^{-1}$ 都不用求**。
|
||||
|
||||
**两个必记的化形**(重根占 $n-1$ 维时最省事):
|
||||
|
||||
| 已知条件 | 化形 |
|
||||
|---|---|
|
||||
| 单根 $\mu$ 的向量为 $q$ ,其余 $n-1$ 个特征值全为 $\lambda$ | $A=\lambda E+(\mu-\lambda)qq^{\mathrm T}$ |
|
||||
| 上一条中 $q=\frac{1}{\sqrt n}(1,\dots,1)^{\mathrm T}$ | $A=\lambda E+\dfrac{\mu-\lambda}{n}J$ |
|
||||
|
||||
**唯一的坑**:分解前必须**单位化**。写成 $A=\sum\lambda_i\xi_i\xi_i^{\mathrm T}$ 是错的,正确的是
|
||||
|
||||
$$A=\sum_i\lambda_i\frac{\xi_i\xi_i^{\mathrm T}}{\lVert\xi_i\rVert^2}.$$
|
||||
|
||||
**还有一条配套事实**:实对称且已知某个特征向量 $\xi$ 时,其余特征向量**必与 $\xi$ 正交**(4.1 定理 2),所以它们落在 $\xi$ 的正交补里——那是个 $n-1$ 维空间,随便取一组正交基即可,**不用解方程组**。
|
||||
|
||||
**分工**:本节只给"够用版",服务点 4 题 3;反求矩阵的系统讲法(缺向量怎么补、何时化 $aE+bJ$ )见 [点 5 §5.1 反求矩阵](06-点5-反求矩阵与抽象条件.md)。
|
||||
|
||||
---
|
||||
|
||||
## 题目(按知识点顺序对应)
|
||||
@@ -114,11 +139,11 @@ $$Q^{\mathrm T}AQ=\Lambda=\begin{pmatrix}1&0&0\\0&1&0\\0&0&4\end{pmatrix}.$$
|
||||
|
||||
**带走结论**:"行和相等"的实对称矩阵,**立即得到 $(1,1,\dots,1)$ 方向的特征值等于行和**。这是最省时间的第一步,看到三行之和相同的对称矩阵就该条件反射。
|
||||
|
||||
> **关联** · 盘点 [§4.2 正交对角化五步](01-知识点盘点.md#user-content-42-正交对角化五步) | 上游 — | 下游 [点 4 题 3](05-点4-实对称矩阵正交对角化.md#user-content-题-3--42由特征值与特征向量反求实对称矩阵) | 速查 [七 正交对角化五步](09-速查卡.md#user-content-七-正交对角化五步)
|
||||
> **关联** · 盘点 [§4.2 正交对角化五步](01-知识点盘点.md#user-content-42-正交对角化五步) | 上游 — | 下游 — | 速查 [七 正交对角化五步](09-速查卡.md#user-content-七-正交对角化五步)
|
||||
|
||||
---
|
||||
|
||||
### 题 3 · 4.2:由特征值与特征向量反求实对称矩阵(★★★)
|
||||
### 题 3 · 4.4:由特征值与特征向量反求实对称矩阵(★★★)
|
||||
|
||||
> 【2021·21 骨架】设 $A$ 为三阶实对称矩阵,特征值为 $\lambda_1=\lambda_2=1$ 、$\lambda_3=-1$ ,且属于 $\lambda_3=-1$ 的特征向量为 $\xi=(1,1,1)^{\mathrm T}$ 。
|
||||
>
|
||||
@@ -126,7 +151,7 @@ $$Q^{\mathrm T}AQ=\Lambda=\begin{pmatrix}1&0&0\\0&1&0\\0&0&4\end{pmatrix}.$$
|
||||
> (Ⅱ)求正交矩阵 $Q$ 使 $Q^{\mathrm T}AQ=\Lambda$ ;
|
||||
> (Ⅲ)求 $\lvert A+2E\rvert$ 。
|
||||
|
||||
**怎么想**:实对称的关键优势——**知道一个特征向量就等于知道了整个正交基的第三个方向**,另两个方向落在 $x_1+x_2+x_3=0$ 里,可任取正交基。$A$ 用谱分解 $A=\sum\lambda_ie_ie_i^{\mathrm T}$ 一步写出。
|
||||
**怎么想**:实对称的关键优势——**知道一个特征向量就等于知道了整个正交基的第三个方向**,另两个方向落在 $x_1+x_2+x_3=0$ 里,可任取正交基。$A$ 用谱分解(§4.4)$A=\sum\lambda_iq_iq_i^{\mathrm T}$ 一步写出。
|
||||
|
||||
**解**:
|
||||
|
||||
@@ -156,9 +181,9 @@ $$Q=(u_1,u_2,u_3),\qquad Q^{\mathrm T}AQ=\Lambda=\mathrm{diag}(1,1,-1).$$
|
||||
|
||||
$$\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。
|
||||
**带走结论**:**"实对称 + 已知一个特征向量"型题目的标准解法是谱分解** $A=\sum\lambda_iq_iq_i^{\mathrm T}$ (§4.4)。本题重特征值恰好占两个方向,于是 $A$ 化成 $E-\frac23J$ 的形式,比"求 $P^{-1}$ 再相乘"快十倍。若只想稳,也可以取 $Q$ 为正交阵、用 $A=Q\Lambda Q^{\mathrm T}=Q\Lambda Q^{-1}$ 算,结果一样。
|
||||
|
||||
> **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)
|
||||
> **关联** · 盘点 [§4.4 谱分解](01-知识点盘点.md#user-content-44-谱分解) | 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)
|
||||
|
||||
---
|
||||
|
||||
|
||||
Reference in New Issue
Block a user