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
Yimu 482410db68 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。
2026-10-26 19:19:05 +08:00

253 lines
15 KiB
Markdown
Raw 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, 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、4.4 谱分解,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。
**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
$$x^{\mathrm T}Ax=y^{\mathrm T}(Q^{\mathrm T}AQ)y=\lambda_1y_1^2+\cdots+\lambda_ny_n^2 .$$
这就是第 6 讲"正交变换化标准形"的全部内容。
## 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)
### 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 — | 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 · 4.4: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 $\xi=(1,1,1)^{\mathrm T}$ 。
>
> (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(§4.4)$A=\sum\lambda_iq_iq_i^{\mathrm T}$ 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 [§4.4 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)
---
### 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)
---