---
title: 线性代数 第 6 章 · 特征值与特征向量 习题答案
aliases:
  - 特征值与特征向量 习题答案
tags:
  - 类型/习题答案
  - 线性代数/特征值
chapter: "6"
created: 2026-10-17
updated: 2026-10-17
---

# 线性代数 第 6 章 · 特征值与特征向量（25 题）

> [!abstract] 本章速览
> 5 篇 · 25 题：特征值引论（6-1，5 题）、矩阵的对角化（6-2，5 题）、微分方程组与矩阵指数（6-3，5 题）、对称矩阵与正定矩阵（6-4，5 题）、二次型与标准形（6-5，5 题）。

## 6-1 特征值引论（5 题）

| 题号 | 结论 |
|---|---|
| 练习 1 | $\lambda=5,2$；特征向量 $(1,1),(1,-2)$ |
| 练习 2 | $\operatorname{tr}=2$、$\det=-6$；$1,-\frac12,\frac13$；$4,1,16$；同、反号；可逆 |
| 练习 3 | 特征多项式 $=\lambda^2-\operatorname{tr}A\,\lambda+\det A$ |
| 练习 4 | $\lambda=3$（二重）；$\dim E_3=1$；不可对角化 |
| 练习 5 | $\theta=k\pi$ 时有实特征值；反射与黄金比 |

### 练习 1　（$2\times2$ 全流程）

**解**

**第 1 步：迹与行列式。** $\operatorname{tr}A=7$、$\det A=12-2=10$。

**第 2 步：特征方程。**

$$
\lambda^2-7\lambda+10=(\lambda-5)(\lambda-2)=0\ \Longrightarrow\ \lambda_1=5,\ \lambda_2=2
$$

**第 3 步：$\lambda=5$。**

$$
A-5I=\begin{bmatrix}-1&1\\2&-2\end{bmatrix}\sim\begin{bmatrix}-1&1\\0&0\end{bmatrix}\ \Longrightarrow\ x_1=x_2\ \Longrightarrow\ \mathbf x_1=(1,1)^{\mathsf T}
$$

**第 4 步：$\lambda=2$。**

$$
A-2I=\begin{bmatrix}2&1\\2&1\end{bmatrix}\sim\begin{bmatrix}2&1\\0&0\end{bmatrix}\ \Longrightarrow\ 2x_1+x_2=0\ \Longrightarrow\ \mathbf x_2=(1,-2)^{\mathsf T}
$$

**第 5 步：检验。** $5+2=7=\operatorname{tr}A$ ✓；$5\cdot2=10=\det A$ ✓；$A(1,1)^{\mathsf T}=(5,5)^{\mathsf T}$ ✓；$A(1,-2)^{\mathsf T}=(2,-4)^{\mathsf T}=2(1,-2)^{\mathsf T}$ ✓

**答案**　$\lambda=5$ 对应 $(1,1)^{\mathsf T}$；$\lambda=2$ 对应 $(1,-2)^{\mathsf T}$。

**易错点**　① 特征方程符号（$\lambda^2-\operatorname{tr}\lambda+\det$）；② 求 $E_\lambda$ 时不化行阶梯；③ 忘记验算。

### 练习 2　（由特征值推各项）

**解**

**第 1 步：(1)** $\operatorname{tr}A=1-2+3=2$；$\det A=1\cdot(-2)\cdot3=-6$。

**第 2 步：(2)** $A^{-1}$ 的特征值为倒数：

$$
1,\ -\frac12,\ \frac13
$$

**第 3 步：(3)** 对 $p(\lambda)=\lambda^2+2\lambda+1$ 逐个求值：

$$
p(1)=4,\qquad p(-2)=1,\qquad p(3)=16
$$

**第 4 步：(4)** $A^{\mathsf T}$ 与 $A$ 特征值相同（$1,-2,3$）；$-A$ 的特征值反号（$-1,2,-3$）。

**第 5 步：(5)** $\det A=-6\ne0$ ⇒ $A$ **可逆**（没有零特征值）。

**答案**　如上。

**易错点**　① $A^{-1}$ 的特征值算成负倒数；② 忽略「$A^{\mathsf T}$ 特征值不变」（相似不保证，但特征多项式相同）；③ 把 $p(A)$ 的特征值当成 $p$ 的根。

### 练习 3　（$2\times2$ 的韦达）

**解**

**第 1 步：写特征多项式。**

$$
\det(A-\lambda I)=(a-\lambda)(d-\lambda)-bc=\lambda^2-(a+d)\lambda+(ad-bc)
$$

**第 2 步：识别系数。**

$$
=\lambda^2-\operatorname{tr}(A)\,\lambda+\det A
$$

**第 3 步：韦达定理。** 两根之和 $=$ 一次项系数的相反数，两根之积 $=$ 常数项：

$$
\lambda_1+\lambda_2=\operatorname{tr}A,\qquad \lambda_1\lambda_2=\det A
$$

（判别式为负时两根共轭复数，两个恒等式仍成立。）$\blacksquare$

**答案**　得证。

### 练习 4　（缺陷矩阵）

**解**

**第 1 步：(1)** 上三角矩阵的特征值即对角元：$\lambda=3$，代数重数 $2$。

**第 2 步：(2)** 

$$
A-3I=\begin{bmatrix}0&1\\0&0\end{bmatrix},\ \operatorname{rank}=1\ \Longrightarrow\ \dim E_3=2-1=1
$$

故 $E_3=\operatorname{span}\{(1,0)^{\mathsf T}\}$，只有一个无关特征向量 ⇒ **不能**对角化（几何重数 $1<$ 代数重数 $2$）。

**第 3 步：(3)** $A^k$ 的特征值为 $3^k$（代数重数 $2$，几何重数仍 $1$）。实际上

$$
A^k=\begin{bmatrix}3^k&k3^{k-1}\\0&3^k\end{bmatrix}
$$

（归纳法可证），可见取幂不会修复缺陷。

**答案**　如上。

**易错点**　① 由 $\lambda=3$（二重）直接断言可对角化；② 把 $\dim E_3$ 算成 $2$；③ 认为 $A^k$ 会有两个无关特征向量。

### 练习 5　（旋转矩阵与两个特殊矩阵）

**解**

**第 1 步：旋转矩阵。** $R_\theta=\begin{bmatrix}\cos\theta&-\sin\theta\\ \sin\theta&\cos\theta\end{bmatrix}$ 的特征多项式

$$
\lambda^2-2\cos\theta\,\lambda+1=0\ \Longrightarrow\ \lambda=\cos\theta\pm\mathrm{i}\sin\theta=\mathrm{e}^{\pm\mathrm{i}\theta}
$$

**第 2 步：何时为实数。** 需 $\sin\theta=0$，即 $\theta=k\pi$（$k\in\mathbb Z$）。此时 $R_\theta=\pm I$，所有非零向量都是特征向量。

**第 3 步：两个矩阵。**

$$
\begin{bmatrix}0&1\\1&0\end{bmatrix}:\ \lambda=1,-1;\qquad \begin{bmatrix}1&1\\1&0\end{bmatrix}:\ \lambda=\frac{1\pm\sqrt5}{2}
$$

**第 4 步：意义。**

- 第一个是**关于 $y=x$ 的反射**：$\lambda=1$ 对应镜面方向 $(1,1)$、$\lambda=-1$ 对应法向 $(1,-1)$。
- 第二个是**斐波那契矩阵**：主特征值 $\frac{1+\sqrt5}{2}\approx1.618$ 即黄金比，$F_k$ 按它增长；另一特征值绝对值小于 $1$，影响随 $k$ 衰减。

**答案**　如上。

## 6-2 矩阵的对角化（5 题）

| 题号 | 结论 |
|---|---|
| 6.2.1 | $S=\begin{bmatrix}3&1\\1&-1\end{bmatrix}$，$\Lambda=\operatorname{diag}(5,1)$ |
| 6.2.2 | $A_1$ 不可（实）；$A_2,A_3$ 可；$A_4$ 在 $\mathbb R$ 上不可、在 $\mathbb C$ 上可 |
| 6.2.3 | $\lambda=1,2$；$A^k$ 见解析；极限为秩 $1$ 矩阵 |
| 6.2.4 | $A^2=A$ ⇒ 可对角化，特征值 $0,1$ |
| 6.2.5 | 见解析 |

### 6.2.1　（对角化 $2\times2$）

**解**

**第 1 步：特征值。** $\operatorname{tr}=6$、$\det=8-3=5$：

$$
\lambda^2-6\lambda+5=0\ \Longrightarrow\ \lambda=5,1
$$

**第 2 步：特征向量。** $\lambda=5$：$A-5I=\begin{bmatrix}-1&3\\1&-3\end{bmatrix}$ ⇒ $x_1=3x_2$ ⇒ $(3,1)^{\mathsf T}$；$\lambda=1$：$A-I=\begin{bmatrix}3&3\\1&1\end{bmatrix}$ ⇒ $x_1=-x_2$ ⇒ $(1,-1)^{\mathsf T}$。

**第 3 步：$S,\Lambda$。**

$$
S=\begin{bmatrix}3&1\\1&-1\end{bmatrix},\qquad\Lambda=\begin{bmatrix}5&0\\0&1\end{bmatrix}
$$

**第 4 步：验算。** $\operatorname{tr}\Lambda=6=\operatorname{tr}A$ ✓；$\det\Lambda=5=5=\det A$ ✓；$AS=S\Lambda$ 可逐列验证。

**答案**　如上。

### 6.2.2　（四个矩阵的可对角化）

**解**

**第 1 步：$A_1=\begin{bmatrix}3&1\\0&3\end{bmatrix}$。** 唯一特征值 $3$（二重），$\dim E_3=2-1=1<2$ ⇒ **不可对角化**。

**第 2 步：$A_2=3I$。** 已是对角阵（本身就是对角形）⇒ 可对角化（任意基都是特征向量基）。

**第 3 步：$A_3=\begin{bmatrix}1&2\\2&1\end{bmatrix}$。** 实对称 ⇒ 特征值 $3,-1$ 互异 ⇒ **可对角化**。

**第 4 步：$A_4=\begin{bmatrix}0&1\\-1&0\end{bmatrix}$。** 特征值 $\pm\mathrm{i}$，**在 $\mathbb R$ 上无实特征值 ⇒ 不可对角化**；但**在 $\mathbb C$ 上**两个特征值互异 ⇒ 可对角化。

**答案**　如上。

### 6.2.3　（$A^k$ 与极限）

**解**

**第 1 步：特征值。** $\operatorname{tr}=3$、$\det=2$：

$$
\lambda^2-3\lambda+2=0\ \Longrightarrow\ \lambda=1,2
$$

**第 2 步：特征向量。** $\lambda=1$：$A-I=\begin{bmatrix}-1&1\\-2&2\end{bmatrix}$ ⇒ $(1,1)^{\mathsf T}$；$\lambda=2$：$A-2I=\begin{bmatrix}-2&1\\-2&1\end{bmatrix}$ ⇒ $(1,2)^{\mathsf T}$。

**第 3 步：$A^k$。** $S=\begin{bmatrix}1&1\\1&2\end{bmatrix}$、$S^{-1}=\begin{bmatrix}2&-1\\-1&1\end{bmatrix}$：

$$
A^k=S\begin{bmatrix}1&0\\0&2^k\end{bmatrix}S^{-1}=\begin{bmatrix}2-2^k&2^k-1\\2-2^{k+1}&2^{k+1}-1\end{bmatrix}
$$

（$k=1$ 时给出 $\begin{bmatrix}0&1\\-2&3\end{bmatrix}$ ✓）

**第 4 步：极限。**

$$
\frac{A^k}{2^k}=\frac{1}{2^k}\begin{bmatrix}2-2^k&2^k-1\\2-2^{k+1}&2^{k+1}-1\end{bmatrix}\longrightarrow\begin{bmatrix}-1&1\\-2&2\end{bmatrix}
$$

**第 5 步：为何秩 $1$。** 极限 $=\mathbf x_2\mathbf y^{\mathsf T}$ 型（主特征值 $2$ 支配），其两列成比例（第二列 $=-2\times$ 第一列），故秩为 $1$。

**答案**　如上。

### 6.2.4　（幂等矩阵可对角化）

**解**

**第 1 步：特征值。** $A\mathbf x=\lambda\mathbf x\Rightarrow A^2\mathbf x=\lambda^2\mathbf x$；而 $A^2=A$ 给出 $\lambda\mathbf x=\lambda^2\mathbf x$，故 $\lambda^2=\lambda$，即 $\lambda\in\{0,1\}$。

**第 2 步：直和分解。** 先证 $\mathbf C(A)\cap\mathbf N(A)=\{\mathbf 0\}$：若 $\mathbf x=A\mathbf y$ 且 $A\mathbf x=\mathbf 0$，则

$$
\mathbf x=A\mathbf y=A^2\mathbf y=A(A\mathbf y)=A\mathbf x=\mathbf 0
$$

又 $\dim\mathbf C(A)+\dim\mathbf N(A)=n$，故 $\mathbb R^n=\mathbf C(A)\oplus\mathbf N(A)$。

**第 3 步：两块都是特征空间。** 对 $\mathbf x=A\mathbf y\in\mathbf C(A)$：$A\mathbf x=A^2\mathbf y=A\mathbf y=\mathbf x$，故 $\mathbf C(A)$ 中非零向量都是 $\lambda=1$ 的特征向量；对 $\mathbf x\in\mathbf N(A)$：$A\mathbf x=\mathbf 0=\mathbf 0\cdot\mathbf x$，即 $\lambda=0$。

**第 4 步：可对角化。** 取 $\mathbf C(A)$ 的基与 $\mathbf N(A)$ 的基拼成 $\mathbb R^n$ 的基，在这组基下 $A$ 为 $\operatorname{diag}(1,\dots,1,0,\dots,0)$。$\blacksquare$

### 6.2.5　（多项式与特征值）

**解**

**第 1 步：(a)** 设 $A\mathbf v=\lambda\mathbf v$，归纳得 $A^k\mathbf v=\lambda^k\mathbf v$，故

$$
p(A)\mathbf v=\left(\sum c_kA^k\right)\mathbf v=\left(\sum c_k\lambda^k\right)\mathbf v=p(\lambda)\mathbf v
$$

**第 2 步：(b)** $A$ 可对角化：$A=S\Lambda S^{-1}$，则 $p(A)=Sp(\Lambda)S^{-1}$，其特征值恰为 $p(\lambda_1),\dots,p(\lambda_n)$（相似矩阵特征值相同），且这就是**全部**特征值。

**第 3 步：(c) 去掉可对角化。** 取 $A=\begin{bmatrix}0&1\\0&0\end{bmatrix}$、$p(x)=x^2$：$p(A)=A^2=O$，特征值只有 $0$；而 $p(0)=0$——结论**仍成立**。但 (a) 的证明失效：$A$ 只有一个特征向量 $(1,0)$，无法构成基。一般结论需改用 Schur 三角化：$A=T\Lambda T^{-1}$ 为上三角，$p(A)=Tp(\Lambda)T^{-1}$ 的对角元为 $p(\lambda_i)$。

**答案**　(b) 成立；(c) 结论仍成立，但证明方法需换。$\blacksquare$

## 6-3 微分方程组与矩阵指数（5 题）

| 题号 | 结论 |
|---|---|
| 6.3.1 | $\mathbf u=(2\mathrm e^t,3\mathrm e^{-2t})$；不稳定 |
| 6.3.2 | 稳定；中性；不稳定；稳定（振荡） |
| 6.3.3 | 三条都验证成立 |
| 6.3.4 | $\lambda=-1,-2$ 过阻尼；$x=\mathrm e^{-t}-\mathrm e^{-2t}$ |
| 6.3.5 | 见解析 |

### 6.3.1　（对角系统）

**解**

**第 1 步：解耦。** $A$ 对角，两个方程独立：$\dot u_1=u_1$、$\dot u_2=-2u_2$。

**第 2 步：解。**

$$
\mathbf u(t)=\begin{bmatrix}2\mathrm e^{t}\\ 3\mathrm e^{-2t}\end{bmatrix},\qquad \mathrm e^{At}=\begin{bmatrix}\mathrm e^t&0\\0&\mathrm e^{-2t}\end{bmatrix}
$$

**第 3 步：稳定性。** 有正特征值 $1$ ⇒ $\lVert\mathbf u(t)\rVert\to\infty$（除 $u_{01}=0$）⇒ **不稳定**。

**答案**　如上。

### 6.3.2　（四个系统的稳定性）

**解**

**第 1 步：$A_1$。** 上三角，$\lambda=-1,-3$ 全为负 ⇒ **渐近稳定**。

**第 2 步：$A_2$。** $\lambda=\pm\mathrm i$（实部为零）⇒ 解为纯振荡（圆），**中性稳定**（有界不衰减）。

**第 3 步：$A_3$。** $\lambda=1,-1$，有正特征值 ⇒ **不稳定**（沿 $\mathbf e_1$ 方向指数增长）。

**第 4 步：$A_4$。** $\operatorname{tr}=-2$、$\det=1+25=26$：

$$
\lambda^2+2\lambda+26=0\ \Longrightarrow\ \lambda=-1\pm5\mathrm i
$$

实部 $-1<0$ ⇒ **稳定**（振荡衰减）。

**答案**　稳定；中性稳定；不稳定；稳定。

### 6.3.3　（验证 $\mathrm e^{At}$ 的三条性质）

**解**

**第 1 步：特征分解。** $A=\begin{bmatrix}0&1\\-2&-3\end{bmatrix}$，$\lambda=-1,-2$，$S=\begin{bmatrix}1&1\\-1&-2\end{bmatrix}$、$S^{-1}=\begin{bmatrix}2&1\\-1&-1\end{bmatrix}$。

**第 2 步：$\mathrm e^{At}$。**

$$
\mathrm e^{At}=S\begin{bmatrix}\mathrm e^{-t}&0\\0&\mathrm e^{-2t}\end{bmatrix}S^{-1}=\begin{bmatrix}2\mathrm e^{-t}-\mathrm e^{-2t}&\mathrm e^{-t}-\mathrm e^{-2t}\\-2\mathrm e^{-t}+2\mathrm e^{-2t}&-\mathrm e^{-t}+2\mathrm e^{-2t}\end{bmatrix}
$$

**第 3 步：(b) 逐元素求导。** 例如 $(2,1)$ 元：$\dfrac{\mathrm d}{\mathrm dt}\left(-2\mathrm e^{-t}+2\mathrm e^{-2t}\right)=2\mathrm e^{-t}-4\mathrm e^{-2t}$；而 $A\mathrm e^{At}$ 的 $(2,1)$ 元为 $-2\left(2\mathrm e^{-t}-\mathrm e^{-2t}\right)-3\left(-2\mathrm e^{-t}+2\mathrm e^{-2t}\right)=2\mathrm e^{-t}-4\mathrm e^{-2t}$ ✓ 其余元素同理。

**第 4 步：(c) 行列式。** 记 $a=\mathrm e^{-t}$、$b=\mathrm e^{-2t}$：

$$
\det=\left(2a-b\right)\left(-a+2b\right)-\left(a-b\right)\left(-2a+2b\right)=ab=\mathrm e^{-3t}
$$

而 $\mathrm e^{(\operatorname{tr}A)t}=\mathrm e^{-3t}$ ✓

**答案**　三条都成立。

### 6.3.4　（二阶方程的阻尼类型）

**解**

**第 1 步：(a) 化方程组。** 令 $y_1=x$、$y_2=\dot x$：

$$
\dot{\mathbf y}=\begin{bmatrix}0&1\\-2&-3\end{bmatrix}\mathbf y,\qquad \mathbf y(0)=\begin{bmatrix}0\\1\end{bmatrix}
$$

**第 2 步：(b) 特征值。** $\lambda^2+3\lambda+2=0\Rightarrow\lambda=-1,-2$，两个不同负实根 ⇒ **过阻尼**。

**第 3 步：(c) 解。** $x=c_1\mathrm e^{-t}+c_2\mathrm e^{-2t}$，由初值 $c_1+c_2=0$、$-c_1-2c_2=1$ 得 $c_1=1$、$c_2=-1$：

$$
x(t)=\mathrm e^{-t}-\mathrm e^{-2t}
$$

（验算 $x(0)=0$ ✓、$\dot x(0)=-1+2=1$ ✓）

**第 4 步：(d) 长期行为。** $x(t)\to0$（指数衰减），无振荡。判据：$\det A=2>0$ 且 $\operatorname{tr}A=-3<0$ ⇒ 两特征值同号且和为负 ⇒ 都为负 ⇒ 稳定衰减。

**答案**　如上。

### 6.3.5　（三个反例与一个证明）

**解**

**第 1 步：(a) 迹为零但无界。** 取 $A=\operatorname{diag}(1,-1)$，则 $\operatorname{tr}A=0$ 而

$$
\mathrm e^{At}=\operatorname{diag}\left(\mathrm e^{t},\mathrm e^{-t}\right),\qquad \lVert\mathrm e^{At}\rVert=\mathrm e^{t}\to\infty
$$

但 $\det\left(\mathrm e^{At}\right)=\mathrm e^{t}\mathrm e^{-t}\equiv1$ ✓——行列式只反映「体积」不变，不反映「形状」被压扁/拉长。

**第 2 步：(b) 有界但不趋零。** 取 $A=\begin{bmatrix}0&-1\\1&0\end{bmatrix}$：解为匀速圆周运动，**有界但不趋于 $\mathbf 0$**（且是周期的）。若取 $A=\operatorname{diag}(0,-1)$：解为 $(u_{01},\ u_{02}\mathrm e^{-t})$，有界、不趋于 $\mathbf 0$、**也不是周期的**。

**第 3 步：(c) 反对称 ⇒ 正交。** 记 $M(t)=\left(\mathrm e^{At}\right)^{\mathsf T}\mathrm e^{At}$，则

$$
M'(t)=\left(A\mathrm e^{At}\right)^{\mathsf T}\mathrm e^{At}+\left(\mathrm e^{At}\right)^{\mathsf T}A\mathrm e^{At}=\left(\mathrm e^{At}\right)^{\mathsf T}\left(A^{\mathsf T}+A\right)\mathrm e^{At}=O
$$

故 $M\equiv M(0)=I$，即 $\mathrm e^{At}$ 正交，从而 $\lVert\mathbf u(t)\rVert=\lVert\mathbf u_0\rVert$ 恒定。$\blacksquare$

## 6-4 对称矩阵与正定矩阵（5 题）

| 题号 | 结论 |
|---|---|
| 6.4.1 | $\lambda=5,1$；$Q=\frac1{\sqrt2}\begin{bmatrix}1&1\\1&-1\end{bmatrix}$ |
| 6.4.2 | 正定；负定；不定；正定 |
| 6.4.3 | $L$ 与 $\mathbf x=\left(\frac34,\frac12,\frac14\right)$ |
| 6.4.4 | $cA$、$A+B$ 正定；$AB$ 未必对称 |
| 6.4.5 | Rayleigh 商 |

### 6.4.1　（正交对角化）

**解**

**第 1 步：特征值。** $\operatorname{tr}=6$、$\det=9-4=5$ ⇒ $\lambda=5,1$。

**第 2 步：单位特征向量。** $\lambda=5$：$A-5I=\begin{bmatrix}-2&2\\2&-2\end{bmatrix}$ ⇒ $(1,1)^{\mathsf T}/\sqrt2$；$\lambda=1$：$A-I=\begin{bmatrix}2&2\\2&2\end{bmatrix}$ ⇒ $(1,-1)^{\mathsf T}/\sqrt2$。

**第 3 步：分解。**

$$
Q=\frac{1}{\sqrt2}\begin{bmatrix}1&1\\1&-1\end{bmatrix},\qquad \Lambda=\begin{bmatrix}5&0\\0&1\end{bmatrix},\qquad A=Q\Lambda Q^{\mathsf T}
$$

**第 4 步：验算。** $Q^{\mathsf T}Q=\frac12\begin{bmatrix}1&1\\1&-1\end{bmatrix}^2=I$ ✓

**答案**　如上。

**易错点**　① 特征向量不单位化；② 忘记 $Q$ 的列顺序要与 $\Lambda$ 对应；③ 误以为 $A=Q\Lambda Q^{-1}$ 与 $Q\Lambda Q^{\mathsf T}$ 有区别（此处 $Q^{-1}=Q^{\mathsf T}$）。

### 6.4.2　（四个矩阵的定性）

**解**

**第 1 步：$A_1=\begin{bmatrix}2&1\\1&3\end{bmatrix}$。** $\Delta_1=2>0$、$\Delta_2=5>0$ ⇒ **正定**。特征值 $\frac{5\pm\sqrt5}{2}\approx3.62,\,1.38$ 都正 ✓

**第 2 步：$A_2=\operatorname{diag}(-1,-4)$。** $\Delta_1=-1<0$、$\Delta_2=4>0$ ⇒ **负定**。特征值 $-1,-4<0$ ✓

**第 3 步：$A_3=\begin{bmatrix}1&3\\3&1\end{bmatrix}$。** $\Delta_1=1>0$、$\Delta_2=1-9=-8<0$ ⇒ **不定**。特征值 $4,-2$ ✓

**第 4 步：$A_4=\begin{bmatrix}4&0&0\\0&1&2\\0&2&5\end{bmatrix}$。** $\Delta_1=4>0$、$\Delta_2=4>0$、$\Delta_3=4(5-4)=4>0$ ⇒ **正定**。特征值 $4$ 与 $3\pm2\sqrt2$（约 $5.83,\,0.17$）都正 ✓

**答案**　正定；负定；不定；正定。

### 6.4.3　（$LU$、Cholesky 与求解）

**解**

**第 1 步：(a) $LU$。** $\ell_{21}=-\frac12$、$\ell_{31}=0$、$\ell_{32}=-\frac23$：

$$
L=\begin{bmatrix}1&0&0\\-\frac12&1&0\\0&-\frac23&1\end{bmatrix},\qquad U=\begin{bmatrix}2&-1&0\\0&\frac32&-1\\0&0&\frac43\end{bmatrix}
$$

**第 2 步：主子式与主元。** $\det A_1=2$、$\det A_2=3$、$\det A_3=4$，故

$$
d_1=2,\quad d_2=\frac{3}{2},\quad d_3=\frac{4}{3}
$$

与 $U$ 的对角元一致 ✓

**第 3 步：(b) Cholesky。**

$$
L_c=\begin{bmatrix}\sqrt2&0&0\\-\frac1{\sqrt2}&\sqrt{\frac32}&0\\0&-\sqrt{\frac23}&\sqrt{\frac43}\end{bmatrix}
$$

（$L_c$ 对角元 $=\sqrt{d_k}$，非对角元 $=U$ 的元素除以对应主元的平方根。）

**第 4 步：(c) 解 $A\mathbf x=(1,0,0)^{\mathsf T}$。** 前代 $L_c\mathbf y=\mathbf b$：$y_1=\frac1{\sqrt2}$、$y_2=\frac1{\sqrt6}$、$y_3=\frac{1}{2\sqrt3}$。回代 $L_c^{\mathsf T}\mathbf x=\mathbf y$：

$$
\mathbf x=\left(\frac34,\ \frac12,\ \frac14\right)^{\mathsf T}
$$

验算 $A\mathbf x=(2\cdot\frac34-\frac12,\ -\frac34+\frac{2}{2}-\frac14,\ -\frac12+\frac12)=(1,0,0)^{\mathsf T}$ ✓

**答案**　如上。

### 6.4.4　（正定的线性运算与乘积）

**解**

**第 1 步：$cA$。** 对 $\mathbf x\ne\mathbf 0$：

$$
\mathbf x^{\mathsf T}(cA)\mathbf x=c\left(\mathbf x^{\mathsf T}A\mathbf x\right)>0
$$

（$c>0$ 与正数之积仍正）⇒ $cA$ 正定。

**第 2 步：$A+B$。**

$$
\mathbf x^{\mathsf T}(A+B)\mathbf x=\mathbf x^{\mathsf T}A\mathbf x+\mathbf x^{\mathsf T}B\mathbf x>0
$$

⇒ $A+B$ 正定。

**第 3 步：$AB$ 未必对称。** 取 $A=\begin{bmatrix}2&1\\1&2\end{bmatrix}$（正定）、$B=\begin{bmatrix}1&0\\0&3\end{bmatrix}$（正定）：

$$
AB=\begin{bmatrix}2&3\\1&6\end{bmatrix}
$$

不对称 ⇒ 按「对称矩阵」的定义**不能**谈正定（即使强行算，$(\mathbf e_1)^{\mathsf T}AB\mathbf e_1$ 等也不构成二次型）。$\blacksquare$

### 6.4.5　（Rayleigh 商）

**解**

**第 1 步：(a) 正交对角化。** $A=Q\Lambda Q^{\mathsf T}$，令 $\mathbf x=Q\mathbf y$，则

$$
\frac{\mathbf x^{\mathsf T}A\mathbf x}{\mathbf x^{\mathsf T}\mathbf x}=\frac{\sum_i\lambda_iy_i^2}{\sum_iy_i^2}
$$

**第 2 步：夹逼。** 由 $\lambda_{\min}\le\lambda_i\le\lambda_{\max}$：

$$
\lambda_{\min}\sum y_i^2\le\sum\lambda_iy_i^2\le\lambda_{\max}\sum y_i^2
$$

两边除以 $\sum y_i^2>0$ 即得不等式。

**第 3 步：(b) 最大值。** 取 $\mathbf y=\mathbf e_k$（$k$ 对应 $\lambda_{\max}$）即得等号；故

$$
\lambda_{\max}=\max_{\lVert\mathbf x\rVert=1}\mathbf x^{\mathsf T}A\mathbf x
$$

等号在 $\mathbf x$ 为 $\lambda_{\max}$ 的单位特征向量时取得。

**第 4 步：(c) 条件数。** $A$ 正定时 $A^{-1}$ 的特征值为 $1/\lambda_i$，对 $A^{-1}$ 用 (a)：

$$
\frac{1}{\lambda_{\max}}\le\frac{\mathbf x^{\mathsf T}A^{-1}\mathbf x}{\mathbf x^{\mathsf T}\mathbf x}\le\frac{1}{\lambda_{\min}}
$$

取倒数得

$$
\lambda_{\min}=\min_{\mathbf x\ne\mathbf 0}\frac{\lVert\mathbf x\rVert^2}{\mathbf x^{\mathsf T}A^{-1}\mathbf x}
$$

而 $\kappa(A)=\lambda_{\max}/\lambda_{\min}$ 刻画 $A^{-1}$ 对误差的最大放大倍数（$\kappa$ 越大，数值求解越不稳定）。$\blacksquare$

## 6-5 二次型与标准形（5 题）

| 题号 | 结论 |
|---|---|
| 1 | $A=\begin{bmatrix}1&-2&0\\-2&3&1\\0&1&1\end{bmatrix}$，秩 $3$ |
| 2 | 标准形 $z_1^2-z_2^2$，变换可逆 |
| 3 | $2y_1^2+2y_2^2-y_3^2$；双叶双曲面 |
| 4 | 正定 $\iff A=R^{\mathsf T}R$（$R$ 可逆） |
| 5 | 惯性指数相同，故不矛盾 |

### 第 1 题　（写对称矩阵）

**解**

**第 1 步：系数规则。** $x_i^2$ 的系数放对角元，$x_ix_j$ 的系数**取半**分给 $(i,j)$ 与 $(j,i)$：

$$
A=\begin{bmatrix}1&-2&0\\-2&3&1\\0&1&1\end{bmatrix}
$$

**第 2 步：秩。** 三阶行列式

$$
\det A=1(3-1)-(-2)(-2-0)+0=2-4=-2\ne0
$$

⇒ $\operatorname{rank}A=3$（满秩，二次型非退化）。

**答案**　$A$ 如上，秩 $3$。

### 第 2 题　（配方法：无平方项）

**解**

**第 1 步：先造平方项。** 令

$$
x_1=y_1+y_2,\qquad x_2=y_1-y_2,\qquad x_3=y_3
$$

则 $x_1x_2=y_1^2-y_2^2$、$x_2x_3=y_1y_3-y_2y_3$：

$$
Q=y_1^2-y_2^2+y_1y_3-y_2y_3
$$

**第 2 步：配方。**

$$
Q=\left(y_1+\frac{y_3}{2}\right)^2-\left(y_2+\frac{y_3}{2}\right)^2
$$

**第 3 步：再换元。** 令 $z_1=y_1+\frac{y_3}{2}$、$z_2=y_2+\frac{y_3}{2}$、$z_3=y_3$，则

$$
Q=z_1^2-z_2^2
$$

**第 4 步：可逆性。** 两次换元的矩阵行列式分别为 $-2$ 与 $1$，复合行列式 $-2\ne0$ ⇒ 可逆 ✓

**答案**　标准形 $z_1^2-z_2^2$（惯性指数 $(1,1,1)$）。

### 第 3 题　（正交变换法）

**解**

**第 1 步：矩阵。** 二次型矩阵

$$
A=\begin{bmatrix}1&-1&-1\\-1&1&-1\\-1&-1&1\end{bmatrix}=2I-J\quad(J=\mathbf e\mathbf e^{\mathsf T})
$$

**第 2 步：特征值。** $J$ 的特征值为 $3,0,0$，故 $A=2I-J$ 的特征值为

$$
-1,\ 2,\ 2
$$

**第 3 步：单位特征向量。**

$$
\lambda=-1:\ \frac{1}{\sqrt3}(1,1,1)^{\mathsf T};\qquad \lambda=2:\ \frac{1}{\sqrt2}(1,-1,0)^{\mathsf T},\ \frac{1}{\sqrt6}(1,1,-2)^{\mathsf T}
$$

**第 4 步：标准形与曲面。**

$$
Q=2y_1^2+2y_2^2-y_3^2
$$

$Q=1$ 即 $2\left(y_1^2+y_2^2\right)-y_3^2=1$，等价于 $y_3^2=2\left(y_1^2+y_2^2\right)-1\Rightarrow\lvert y_3\rvert\ge1$：是**双叶双曲面**（旋转轴为 $y_3$）。

**答案**　如上。

### 第 4 题　（正定 $\iff$ $R^{\mathsf T}R$）

**解**

**第 1 步（$\Leftarrow$）。** 设 $A=R^{\mathsf T}R$、$R$ 可逆。对 $\mathbf x\ne\mathbf 0$：

$$
\mathbf x^{\mathsf T}A\mathbf x=\lVert R\mathbf x\rVert^2>0
$$

（$R\mathbf x\ne\mathbf 0$ 因 $R$ 可逆），且 $A^{\mathsf T}=R^{\mathsf T}R=A$ ⇒ $A$ 正定。

**第 2 步（$\Rightarrow$）。** $A$ 对称正定 ⇒ 存在正交 $Q$ 与对角 $\Lambda=\operatorname{diag}(\lambda_i)$（$\lambda_i>0$）使 $A=Q\Lambda Q^{\mathsf T}$。取

$$
R=\Lambda^{1/2}Q^{\mathsf T}\quad\left(\Lambda^{1/2}=\operatorname{diag}\left(\sqrt{\lambda_i}\right)\right)
$$

则 $R$ 可逆且 $R^{\mathsf T}R=Q\Lambda Q^{\mathsf T}=A$。

**第 3 步：等价说法。** 也可取 $R=L^{\mathsf T}$（Cholesky 因子），$A=L L^{\mathsf T}=R^{\mathsf T}R$。$\blacksquare$

### 第 5 题　（为何不违反惯性定理）

**解**

**第 1 步：惯性定理说的是什么。** 它断言：无论用哪种**可逆线性变换**化标准形，标准形中**正系数个数**（正惯性指数）、**负系数个数**（负惯性指数）都不变——变的是系数的**具体数值**。

**第 2 步：两个结果对照。** 配方法可能给出 $2y_1^2+\frac32y_2^2$（两个正系数）；正交变换法给出 $\lambda_1y_1^2+\lambda_2y_2^2$（$\lambda_1,\lambda_2>0$，也是两个正系数）。两者正惯性指数都是 $2$、负惯性指数都是 $0$ ⇒ **一致**。

**第 3 步：为什么数值可以不同。** 不同变换把二次型「拉伸」到不同的尺度上，但只要保持正负号分布，惯性指数就不变。数值上的差异正是「尺度不同」的体现，与惯性定理无关。

**答案**　惯性指数相同（都为 $(2,0,0)$），不矛盾。
