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 6dbd9e8e01 feat(模拟卷): 新增「第一次模拟-数学一」(22 题 150 分,试卷与考点手册分离)
按用户要求:模拟卷与知识点分文件、每题带考点跳转、难度对标真实卷、
来源以真题为主张宇为辅且不照搬、带预测导向。

结构(7 文件,均在 1.3 万字符内):
- 01-模拟卷:22 题,卷面完全照 2022—2025 格式(10 选 5 分 + 6 填 5 分 +
  17 题 10 分 + 18—22 各 12 分),每题末尾一行可点击的考点链接
- 02a/02b-答案与解析:客观题 16 题、解答题 6 题分册;每题含"怎么想—解—
  归因",末尾附错题归因表
- 03—05-考点手册:按科目分册,H01—H12 / L01—L06 / P01—P06 共 24 条,
  每条只写"一句话 + 判据步骤 + 坑 + 本卷题号",末尾附同类轮换考点表
- 06-考点预测与分布:十年 225 题统计、章节年均 vs 本卷对照、逐题来源表、
  三条命题规律、四个空缺与补法
- README:卷面规格、三轮用法、难度自评、与在学练习的对应关系

命题要点:
- 配比照真题 86/32/32;位置按"题位轮换"定,而非按"知识点重要性"定
- 真题骨架 20 题(2016—2025),张宇骨架用于难度校准;张宇无级数、无曲线
  曲面积分、无概率,这些位置只以真题为参照
- 所有数据重写:17 题由幂级数求和改为有理函数积分(使高数章节分布贴近真题,
  级数保持 2025 的 10 分)、8 题由 D(X+Y)=D(X−Y) 改为条件分布求协方差
  (补上十年 105 分的多维随机变量)
- 21 题加 b<0 条件以免 (a,b)=(0,3) 与 (2,−1) 两组解
- 选择题答案重排为 B/D/A/C/D/B/C/A/C/D,避免原稿 A×5 且连续四个 A

校验:check_md_links 8 文件 100 链接 0 异常;fix_gitea_math 0 处待修;
关键数值(e^{−1/3}、−π/2、2π、9π/10、6/11、ln(9/8)+1/2、1/24、5/16)
全部经 sympy 验算。

另:总览.md 补模拟卷分支;第 5 讲点 4 的表格源码重新对齐(无内容变更)。
2026-10-27 17:10:51 +08:00

16 KiB
Raw Blame History

tags, 专题, 日期, 状态, 关联笔记
tags 专题 日期 状态 关联笔记
数学一
在学练习
线性代数
特征值
实对称
正交对角化
线性代数 第5讲 · 点4 实对称矩阵的正交对角化 2026-10-24 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)
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)

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)

  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)

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)

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。


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 | 上游 — | 下游 点 4 题 5 | 速查 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 | 上游 — | 下游 — | 速查 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 | 上游 — | 下游 — | 速查 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 | 上游 — | 下游 — | 速查 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 | 上游 点 4 题 1 | 下游 — | 速查 六 实对称三定理