Files
Yimu c16a754752 新增「大题十年考点」系列:按十年解答题倒推的 15 个考点族
- 19 个 md:README + 01-知识点盘点(§0.4 反查 + §1—§15 地图)
  + 01b-覆盖对照与接口 + 15 个点文件 + 17-速查卡
- 62 题、57 个知识点;覆盖高数 45 + 线代 15 + 概率 15 共 75 道解答题
  (820 分:高数 480 / 线代 170 / 概率 170)
- 题量按「核心 ★★★ 2—3 题、边缘 ★★☆ 1—2 题」落地,
  题面标注真题骨架年份者为结构对齐,未标注者为原创

同批收尾:
- 逐题数值复核,修 7 处,其中两处答案错:
  点 8 题 4(2022·19 斯托克斯)由 -π/32 改为 0;
  点 12 曲面识别表「一正两零」改为两张平行平面
- 01-知识点盘点 曾达 1.58 万字符,§0.1—§0.3 迁入 01b,回落至 1.34 万
- gen_crosslinks.py 兼容新点文件命名与盘点名变体
- check_md_links.py 对 %20 编码路径做 unquote 解码
- 新增 stat_difficulty.py:难度分布 / 多问结构 / 体积自检
2026-11-01 21:43:01 +08:00

233 lines
15 KiB
Markdown
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
---
tags: [数学一, 大题十年考点, 线性代数, 特征值, 相似对角化, 矩阵幂]
专题: 大题十年考点 · 点11 线代·特征值与相似
日期: 2026-11-01
状态: 知识点带题(11.1 相似判定与参数、11.2 反求矩阵、11.3 矩阵幂与递推、11.4 实对称正交对角化,共 4 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]", "[[线性代数-第5讲-特征值与特征向量]]"]
---
# 点 11 线代 · 特征值与相似
> 真题锚点:2016·21、2019·21、2020·21、2021·21、2024·21、2025·21(十年 **5 题 57 分**)|重要度 ★★★
> 依赖:行列式、方程组。盘点对应:§11 全节。完整知识见 [线性代数-第5讲](../线性代数-第5讲-特征值与特征向量/README.md)(7 点、36 题)。
**组织原则**:线代大题的**两个固定题位之一**。十年考法只有四种:判相似求参数、由特征值特征向量反求 $A$ 、求 $A^n$ 、实对称正交对角化。4 题逐一对应,练熟这四种,线代大题至少拿 6 分。
## 知识点 11.1 相似判定与参数反求(出处:[线性代数-第5讲 · 点 3](../线性代数-第5讲-特征值与特征向量/04-点3-相似与相似对角化.md))
$A\sim B$ 的必要条件(**先用来定参数**):
$$\operatorname{tr}A=\operatorname{tr}B,\qquad \lvert A\rvert=\lvert B\rvert,\qquad \lvert\lambda E-A\rvert=\lvert\lambda E-B\rvert,\qquad r(A)=r(B).$$
$A$ 与**对角阵** $\Lambda$ 相似 $\iff$ $A$ 可对角化,且 $\Lambda$ 的对角元恰是 $A$ 的全部特征值。
**判"可对角化"的算法**:对每个重特征值 $\lambda_i$ ,算 $m_i=n-r(\lambda_iE-A)$ ,要求 $m_i=n_i$ 。**秩越小越可能可对角化**——这一步决定参数取值。
## 知识点 11.2 由特征值与特征向量反求矩阵(出处:[线性代数-第5讲 · 点 5](../线性代数-第5讲-特征值与特征向量/06-点5-反求矩阵与抽象条件.md))
给足 $n$ 个线性无关的特征向量 $\xi_1,\dots,\xi_n$ 与对应 $\lambda_i$ :
$$A=P\Lambda P^{-1},\qquad P=(\xi_1,\xi_2,\xi_3),\ \Lambda=\operatorname{diag}(\lambda_1,\lambda_2,\lambda_3).$$
**三个提速点**:
1. **先验 $P$ 是否线性无关**($\lvert P\rvert\ne0$ ),否则题目缺条件;
2. $P^{-1}$ 用行变换求,别背公式;
3. 算完**代回验算 $A\xi_i=\lambda_i\xi_i$ ** ——这是唯一不费时的自查。
## 知识点 11.3 矩阵幂与递推(出处:[线性代数-第5讲 · 点 6](../线性代数-第5讲-特征值与特征向量/07-点6-对角化的应用.md))
$$A=P\Lambda P^{-1}\ \Longrightarrow\ A^n=P\Lambda^nP^{-1},\qquad \Lambda^n=\operatorname{diag}\left(\lambda_1^n,\lambda_2^n,\lambda_3^n\right).$$
**递推数列型**:$x_{n+1}=2x_n+y_n$ 、$y_{n+1}=x_n+2y_n$ 写成 $\alpha_{n+1}=A\alpha_n$ ,则
$$\alpha_n=A^{n-1}\alpha_1 .$$
**二阶速算**:若 $\lambda_1\ne\lambda_2$ ,用"$A^n=\frac{\lambda_1^n-\lambda_2^n}{\lambda_1-\lambda_2}A-\frac{\lambda_1\lambda_2\left(\lambda_1^{n-1}-\lambda_2^{n-1}\right)}{\lambda_1-\lambda_2}E$ "也可,但**代入 $\alpha_1$ 后只需算 $A^{n-1}\alpha_1$ ** ,比求 $A^n$ 省一半。
## 知识点 11.4 实对称矩阵的正交对角化(出处:[线性代数-第5讲 · 点 4](../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))
三条定理:实对称 $\Rightarrow$ 特征值全实、特征向量可正交、必可正交对角化。
$$Q^{\mathrm T}AQ=\Lambda,\qquad Q^{\mathrm T}Q=E .$$
**缺特征向量的三种补法**(实对称题最常考):
1. 不同特征值的特征向量**必正交** $\Rightarrow$ 用 $\xi_3\perp\xi_1,\xi_3\perp\xi_2$ 解方程组;
2. 用叉乘 $\xi_3=\xi_1\times\xi_2$ (三维时最快);
3. 重特征值内部用施密特正交化。
**拼 $A$ 的谱分解式**(比 $P\Lambda P^{-1}$ 快):
$$A=\sum_i\lambda_i\frac{\xi_i\xi_i^{\mathrm T}}{\xi_i^{\mathrm T}\xi_i}\quad(\xi_i\ \text{两两正交时}).$$
---
## 题目(按知识点顺序对应)
### 题 1 · 11.1:参数由"可对角化"定(★★★)
> 设 $A=\begin{pmatrix}1&a&0\\0&2&0\\0&0&1\end{pmatrix}$ ,$B=\begin{pmatrix}1&0&0\\0&1&0\\0&0&2\end{pmatrix}$ 。
>
> (Ⅰ)求 $a$ 使 $A$ 与 $B$ 相似;(Ⅱ)当 $A\sim B$ 时,求可逆矩阵 $P$ 使 $P^{-1}AP=B$ 。
**怎么想**:$B$ 是对角阵,$A\sim B$ 等价于"$A$ 可对角化且特征值恰为 $1,1,2$ "。$A$ 是上三角,特征值就在对角线上:$1,2,1$ ,已经对上了。所以只剩"$\lambda=1$ 的几何重数是否为 $2$ "这一条,答案由 $r(E-A)$ 决定。
**解**:(Ⅰ)$A$ 为上三角矩阵,特征值为对角线元素 $1,2,1$ ,与 $B$ 的特征值 $1,1,2$ 相同。
$A\sim B\iff A$ 可对角化。对二重特征值 $\lambda=1$ :
$$E-A=\begin{pmatrix}0&-a&0\\0&-1&0\\0&0&0\end{pmatrix}.$$
要求 $m_1=3-r(E-A)=2$ ,即 $r(E-A)=1$ 。当 $a=0$ 时 $E-A=\operatorname{diag}(0,-1,0)$ ,秩为 $1$ ✓;当 $a\ne0$ 时第一、二行不成比例,秩为 $2$ ,$m_1=1<2$ ,不可对角化。
故
$$a=0 .$$
(Ⅱ)$a=0$ 时 $A=\begin{pmatrix}1&0&0\\0&2&0\\0&0&1\end{pmatrix}$ ,取
$$P=\begin{pmatrix}1&0&0\\0&0&1\\0&1&0\end{pmatrix},$$
即交换第 $2,3$ 行的置换矩阵。直接验证:
$$AP=\begin{pmatrix}1&0&0\\0&0&2\\0&1&0\end{pmatrix}=PB\ \Longrightarrow\ P^{-1}AP=B .$$
**验算**:$a=0$ 时 $A$ 的三个特征向量可取 $(1,0,0)^{\mathrm T}$ 、$(0,1,0)^{\mathrm T}$ 、$(0,0,1)^{\mathrm T}$ ,线性无关,故可对角化 ✓。$\operatorname{tr}A=4=\operatorname{tr}B$ ✓,$\lvert A\rvert=2=\lvert B\rvert$ ✓。
**带走结论**:**$A$ 与对角阵相似 $\iff$ $A$ 可对角化**,参数由"重特征值的几何重数 $=n-r(\lambda E-A)$ 够不够"定。**秩越小越可能可对角化**,所以让某行变成零行的那个参数值就是答案。
> **关联** · 盘点 [§11.1 相似判定与参数反求](01-知识点盘点.md#user-content-111-相似判定与参数反求) | 上游 — | 下游 — | 速查 [十一 线代特征值:四步闭环](17-速查卡.md#user-content-十一-线代特征值四步闭环)
---
### 题 2 · 11.2:三组特征对反求矩阵(★★☆)
> 设 3 阶矩阵 $A$ 的特征值为 $\lambda_1=1$ 、$\lambda_2=-1$ 、$\lambda_3=2$ ,对应的特征向量依次为
>
> $$\xi_1=\begin{pmatrix}1\\1\\0\end{pmatrix},\quad \xi_2=\begin{pmatrix}1\\0\\1\end{pmatrix},\quad \xi_3=\begin{pmatrix}0\\1\\0\end{pmatrix}.$$
>
> 求 $A$ 。
**怎么想**:$A=P\Lambda P^{-1}$ ,$P$ 由三个特征向量拼成,$\Lambda=\operatorname{diag}(1,-1,2)$ 。先验 $\lvert P\rvert\ne0$ ,再用行变换求 $P^{-1}$ ,最后乘出来。
**解**:令
$$P=\begin{pmatrix}1&1&0\\1&0&1\\0&1&0\end{pmatrix},\qquad \Lambda=\begin{pmatrix}1&0&0\\0&-1&0\\0&0&2\end{pmatrix}.$$
$\lvert P\rvert=1\cdot(0\cdot0-1\cdot1)-1\cdot(1\cdot0-1\cdot0)+0\cdot(1\cdot1-0\cdot0)=-1\ne0$ ,故 $P$ 可逆。
求 $P^{-1}$ (对 $(P\mid E)$ 作行变换):
$$P^{-1}=\begin{pmatrix}1&0&-1\\0&0&1\\-1&1&1\end{pmatrix}.$$
验证:$P$ 的第一行 $(1,1,0)$ 乘 $P^{-1}$ 的三列,得 $(1,0,0)$ ✓;第二行 $(1,0,1)$ 得 $(0,1,0)$ ✓;第三行 $(0,1,0)$ 得 $(0,0,1)$ ✓。
于是
$$A=P\Lambda P^{-1}=\begin{pmatrix}1&-1&0\\1&0&2\\0&-1&0\end{pmatrix}\begin{pmatrix}1&0&-1\\0&0&1\\-1&1&1\end{pmatrix}=\begin{pmatrix}1&0&-2\\-1&2&1\\0&0&-1\end{pmatrix}.$$
**验算**:逐个检验特征对。
$A\xi_1$ ($\xi_1=(1,1,0)^{\mathrm T}$ ):第一分量 $1+0+0=1$ ;第二分量 $-1+2+0=1$ ;第三分量 $0+0+0=0$ 。得 $(1,1,0)^{\mathrm T}=\xi_1$ ✓($\lambda_1=1$ )。
$A\xi_2$ ($\xi_2=(1,0,1)^{\mathrm T}$ ):第一分量 $1-2=-1$ ;第二分量 $-1+1=0$ ;第三分量 $-1$ 。得 $(-1,0,-1)^{\mathrm T}=-\xi_2$ ✓($\lambda_2=-1$ )。
$A\xi_3$ ($\xi_3=(0,1,0)^{\mathrm T}$ ):第一分量 $0$ ;第二分量 $2$ ;第三分量 $0$ 。得 $(0,2,0)^{\mathrm T}=2\xi_3$ ✓($\lambda_3=2$ )。三个全对,$\lvert A\rvert$ 也应等于 $1\cdot(-1)\cdot2=-2$ 。
**带走结论**:反求矩阵的三步——**拼 $P$ $\to$ 求 $P^{-1}$ $\to$ 乘**,最后必须用 $A\xi_i=\lambda_i\xi_i$ 逐个验算。**$\operatorname{tr}A$ 应等于 $\sum\lambda_i=2$ ** (本题 $1+2-1=2$ ✓),这是最快的整体自检。
> **关联** · 盘点 [§11.2 由特征值特征向量反求矩阵](01-知识点盘点.md#user-content-112-由特征值特征向量反求矩阵) | 上游 — | 下游 — | 速查 [十一 线代特征值:四步闭环](17-速查卡.md#user-content-十一-线代特征值四步闭环)
---
### 题 3 · 11.3:递推数列转矩阵幂(★★★)
> 【2024·21 骨架】设数列 $\{x_n\},\{y_n\}$ 满足 $x_1=1$ ,$y_1=0$ ,且
>
> $$\begin{cases}x_{n+1}=2x_n+y_n\\ y_{n+1}=x_n+2y_n\end{cases}\quad(n\ge1).$$
>
> (Ⅰ)求 $\begin{pmatrix}x_n\\y_n\end{pmatrix}$ 的表达式;(Ⅱ)求 $\displaystyle\lim_{n\to\infty}\frac{x_n}{y_n}$ 。
**怎么想**:写成 $\alpha_{n+1}=A\alpha_n$ ,$A=\begin{pmatrix}2&1\\1&2\end{pmatrix}$ 的特征值是 $3,1$ ,特征向量 $(1,1)^{\mathrm T},(1,-1)^{\mathrm T}$ 。对角化后 $\alpha_n=A^{n-1}\alpha_1$ 。
**解**:(Ⅰ)记 $A=\begin{pmatrix}2&1\\1&2\end{pmatrix}$ ,$\alpha_n=\begin{pmatrix}x_n\\y_n\end{pmatrix}$ ,则 $\alpha_n=A^{n-1}\alpha_1$ 。
$A$ 的特征值:$\lvert\lambda E-A\rvert=(\lambda-2)^2-1=(\lambda-3)(\lambda-1)$ ,得 $\lambda_1=3$ ,$\lambda_2=1$ 。对应特征向量
$$\xi_1=\begin{pmatrix}1\\1\end{pmatrix},\qquad \xi_2=\begin{pmatrix}1\\-1\end{pmatrix}.$$
取 $P=\begin{pmatrix}1&1\\1&-1\end{pmatrix}$ ,$\lvert P\rvert=-2$ ,$P^{-1}=-\frac12\begin{pmatrix}-1&-1\\-1&1\end{pmatrix}=\frac12\begin{pmatrix}1&1\\1&-1\end{pmatrix}$ ,且 $P^{-1}AP=\operatorname{diag}(3,1)$ 。
$$A^{n-1}=P\begin{pmatrix}3^{n-1}&0\\0&1\end{pmatrix}P^{-1}=\frac12\begin{pmatrix}1&1\\1&-1\end{pmatrix}\begin{pmatrix}3^{n-1}&0\\0&1\end{pmatrix}\begin{pmatrix}1&1\\1&-1\end{pmatrix}$$
$$=\frac12\begin{pmatrix}3^{n-1}&1\\3^{n-1}&-1\end{pmatrix}\begin{pmatrix}1&1\\1&-1\end{pmatrix}=\frac12\begin{pmatrix}3^{n-1}+1&3^{n-1}-1\\3^{n-1}-1&3^{n-1}+1\end{pmatrix}.$$
于是
$$\alpha_n=A^{n-1}\begin{pmatrix}1\\0\end{pmatrix}=\frac12\begin{pmatrix}3^{n-1}+1\\3^{n-1}-1\end{pmatrix},$$
即
$$x_n=\frac{3^{n-1}+1}{2},\qquad y_n=\frac{3^{n-1}-1}{2}\quad(n\ge1).$$
(Ⅱ)
$$\lim_{n\to\infty}\frac{x_n}{y_n}=\lim\frac{3^{n-1}+1}{3^{n-1}-1}=1 .$$
**验算**:$n=1$ 给 $x_1=\frac{1+1}{2}=1$ ✓,$y_1=\frac{1-1}{2}=0$ ✓(初值吻合)。$n=2$ :$x_2=\frac{3+1}{2}=2$ ,$y_2=\frac{3-1}{2}=1$ ;由递推 $x_2=2\cdot1+0=2$ ✓,$y_2=1+0=1$ ✓。$n=3$ :公式给 $x_3=\frac{9+1}{2}=5$ ,$y_3=4$ ;递推 $x_3=2\cdot2+1=5$ ✓,$y_3=2+2=4$ ✓。
**带走结论**:**递推 $\to$ 矩阵 $\to$ 对角化 $\to$ 代初值**。注意 $\alpha_n=A^{n-1}\alpha_1$ 里的指数是 $n-1$ 不是 $n$ ——这是最高频的失分点。$2\times2$ 矩阵的 $P^{-1}$ 用 $\frac{1}{ad-bc}\begin{pmatrix}d&-b\\-c&a\end{pmatrix}$ 更快。
> **关联** · 盘点 [§11.3 矩阵幂与递推](01-知识点盘点.md#user-content-113-矩阵幂与递推) | 上游 — | 下游 — | 速查 [十一 线代特征值:四步闭环](17-速查卡.md#user-content-十一-线代特征值四步闭环)
---
### 题 4 · 11.4:补特征向量加谱分解(★★★)
> 【2021·21 骨架】设 $A$ 是 3 阶实对称矩阵,特征值为 $\lambda_1=\lambda_2=2$ ,$\lambda_3=-1$ ,属于 $\lambda=2$ 的特征向量为
>
> $$\xi_1=\begin{pmatrix}1\\1\\0\end{pmatrix},\qquad \xi_2=\begin{pmatrix}1\\-1\\2\end{pmatrix}.$$
>
> (Ⅰ)求 $A$ ;(Ⅱ)求正交矩阵 $Q$ 使 $Q^{\mathrm T}AQ=\Lambda$ ,并求 $A^n$ 。
**怎么想**:(Ⅰ)缺 $\lambda_3$ 的特征向量,用"实对称矩阵不同特征值的特征向量正交"补——解 $\xi_1^{\mathrm T}\xi=0$ 与 $\xi_2^{\mathrm T}\xi=0$ ,或直接叉乘。(Ⅱ)$\xi_1\perp\xi_2$ ?验一下:$1-1+0=0$ ✓,所以三个向量两两正交,只需单位化。$A^n$ 用谱分解最快。
**解**:(Ⅰ)设 $\xi_3=(x,y,z)^{\mathrm T}$ 属于 $\lambda_3=-1$ 。由实对称性,$\xi_3\perp\xi_1$ 且 $\xi_3\perp\xi_2$ :
$$\begin{cases}x+y=0\\ x-y+2z=0\end{cases}\ \Longrightarrow\ y=-x,\ z=-x\ \Longrightarrow\ \xi_3=\begin{pmatrix}1\\-1\\-1\end{pmatrix}.$$
用谱分解(三个特征向量两两正交):
$$A=2\cdot\frac{\xi_1\xi_1^{\mathrm T}}{\xi_1^{\mathrm T}\xi_1}+2\cdot\frac{\xi_2\xi_2^{\mathrm T}}{\xi_2^{\mathrm T}\xi_2}-1\cdot\frac{\xi_3\xi_3^{\mathrm T}}{\xi_3^{\mathrm T}\xi_3}.$$
$\xi_1^{\mathrm T}\xi_1=2$ ,$\xi_2^{\mathrm T}\xi_2=6$ ,$\xi_3^{\mathrm T}\xi_3=3$ :
$$2\frac{\xi_1\xi_1^{\mathrm T}}{2}=\begin{pmatrix}1&1&0\\1&1&0\\0&0&0\end{pmatrix},\quad 2\frac{\xi_2\xi_2^{\mathrm T}}{6}=\frac13\begin{pmatrix}1&-1&2\\-1&1&-2\\2&-2&4\end{pmatrix},\quad \frac{\xi_3\xi_3^{\mathrm T}}{3}=\frac13\begin{pmatrix}1&-1&-1\\-1&1&1\\-1&1&1\end{pmatrix}.$$
$$A=\begin{pmatrix}1&1&0\\1&1&0\\0&0&0\end{pmatrix}+\frac13\begin{pmatrix}1&-1&2\\-1&1&-2\\2&-2&4\end{pmatrix}-\frac13\begin{pmatrix}1&-1&-1\\-1&1&1\\-1&1&1\end{pmatrix}$$
$$=\begin{pmatrix}1&1&0\\1&1&0\\0&0&0\end{pmatrix}+\begin{pmatrix}0&0&1\\0&0&-1\\1&-1&1\end{pmatrix}=\begin{pmatrix}1&1&1\\1&1&-1\\1&-1&1\end{pmatrix}.$$
(Ⅱ)单位化:$\lvert\xi_1\rvert=\sqrt2$ ,$\lvert\xi_2\rvert=\sqrt6$ ,$\lvert\xi_3\rvert=\sqrt3$ ,取
$$Q=\begin{pmatrix}\frac{1}{\sqrt2}&\frac{1}{\sqrt6}&\frac{1}{\sqrt3}\\ \frac{1}{\sqrt2}&-\frac{1}{\sqrt6}&-\frac{1}{\sqrt3}\\ 0&\frac{2}{\sqrt6}&-\frac{1}{\sqrt3}\end{pmatrix},\qquad Q^{\mathrm T}AQ=\begin{pmatrix}2&0&0\\0&2&0\\0&0&-1\end{pmatrix}.$$
由 $A=Q\Lambda Q^{\mathrm T}$ 得
$$A^n=2^n\left(\frac{\xi_1\xi_1^{\mathrm T}}{2}+\frac{\xi_2\xi_2^{\mathrm T}}{6}\right)+(-1)^n\frac{\xi_3\xi_3^{\mathrm T}}{3},$$
即
$$A^n=2^{n-1}\begin{pmatrix}1&1&0\\1&1&0\\0&0&0\end{pmatrix}+\frac{2^n}{6}\begin{pmatrix}1&-1&2\\-1&1&-2\\2&-2&4\end{pmatrix}+\frac{(-1)^n}{3}\begin{pmatrix}1&-1&-1\\-1&1&1\\-1&1&1\end{pmatrix}.$$
**验算**:(Ⅰ)$A\xi_1=(1+1,\ 1+1,\ 1-1)^{\mathrm T}=(2,2,0)^{\mathrm T}=2\xi_1$ ✓;$A\xi_2=(1-1+2,\ 1-1-2,\ 1+1+2)^{\mathrm T}=(2,-2,4)^{\mathrm T}=2\xi_2$ ✓;$A\xi_3=(1-1-1,\ 1-1+1,\ 1+1-1)^{\mathrm T}=(-1,1,1)^{\mathrm T}=-\xi_3$ ✓。$\operatorname{tr}A=3=2+2-1$ ✓,$A$ 对称 ✓。
(Ⅱ)取 $n=1$ 检验第一行:$2^0\cdot(1,1,0)+\frac{2}{6}(1,-1,2)-\frac13(1,-1,-1)=(1,1,0)+\left(\frac13,-\frac13,\frac23\right)-\left(\frac13,-\frac13,-\frac13\right)=(1,1,1)$ ✓,正是 $A$ 的第一行。再取 $n=2$ :第一行为 $2(1,1,0)+\frac46(1,-1,2)+\frac13(1,-1,-1)=(3,1,1)$ ,而 $A^2$ 的第一行 $=(1,1,1)A=(3,1,1)$ ✓。
**带走结论**:**实对称题的第一步永远是"补第三个特征向量"**(用正交性解方程,别用叉乘算错符号);第二步用**谱分解**拼 $A$ (比 $P\Lambda P^{-1}$ 少一次矩阵乘法);$A^n$ 就是"把每个 $\lambda_i$ 换成 $\lambda_i^n$ ,特征向量部分不动"。**注意归一化系数 $\xi_i^{\mathrm T}\xi_i$ 别漏**——本题 $\xi_2^{\mathrm T}\xi_2=6$ 就是差点写错的地方。
> **关联** · 盘点 [§11.4 实对称正交对角化与矩阵方程](01-知识点盘点.md#user-content-114-实对称正交对角化与矩阵方程) | 上游 — | 下游 — | 速查 [十一 线代特征值:四步闭环](17-速查卡.md#user-content-十一-线代特征值四步闭环)
---