【线性代数】核心考点复习笔记：二次型配方法、施密特正交化步骤与特征值经典题型详解

文章目录

- [一、核心概念与易错点辨析（矩阵关系与正交化）](#一、核心概念与易错点辨析（矩阵关系与正交化）)
- - [1. 何时需要进行正交化与单位化？](#1. 何时需要进行正交化与单位化？)
- [二、施密特正交化（Schmidt Orthogonalization）核心步骤](#二、施密特正交化（Schmidt Orthogonalization）核心步骤)
- [三、 ⭐ 方法总结：配方法化二次型为标准/规范形](#三、 ⭐ 方法总结：配方法化二次型为标准/规范形)
- - [① 第一步：全面包含，分组配方](#① 第一步：全面包含，分组配方)
  - [② 第二步：结构化简，呈现目标形式](#② 第二步：结构化简，呈现目标形式)
  - [③ 第三步：写出坐标变换对应关系，检验可逆性](#③ 第三步：写出坐标变换对应关系，检验可逆性)
  - [④ 第四步：最终输出](#④ 第四步：最终输出)
- [四、经典例题：矩阵特征值求解与化简技巧](#四、经典例题：矩阵特征值求解与化简技巧)
- - [1. 题目重现](#1. 题目重现)
  - [2. 详细求解过程](#2. 详细求解过程)
- [五、拓展延伸：数轴标根穿线法解高次不等式](#五、拓展延伸：数轴标根穿线法解高次不等式)
- - 示例分析
[🏷️ 标签](#🏷️ 标签)

一、核心概念与易错点辨析（矩阵关系与正交化）

在处理线性代数综合题时，概念的精确掌握是拿到高分的前提。以下是对矩阵相似、合同以及正交化时机的关键辨析。

1. 何时需要进行正交化与单位化？

在做题时，经常会遇到关于特征向量处理的疑问：何时需要正交化+单位化？何时直接选择基础解系 α 1 , α 2 \alpha_1, \alpha_2 α1,α2 即可？

正交化 + 单位化 ：当题目中明确要求求 正交矩阵 P P P，或者需要利用正交变换化二次型为标准形时，必须对求出的特征向量进行施密特正交化与单位化。
只需寻找可逆矩阵 ：若题目仅仅要求"求一个可逆矩阵 P P P ，使得 P − 1 A P = Λ P^{-1}AP = \Lambda P−1AP=Λ"，此时求出的特征向量只需满足线性无关即可，直接作为矩阵 P P P 的列向量，不需要进行正交化和单位化。

💡 核心结论（矩阵关系强弱判定）：

相似 ⟹ 合同 \text{相似} \implies \text{合同} 相似⟹合同

相似必然合同，但合同矩阵不必然相似！ > 相似是一个比合同更强的特征（相似要求特征值完全相同；而合同只要求正负惯性指数相同，即特征值的正负号个数对应相同）。

二、施密特正交化（Schmidt Orthogonalization）核心步骤

在实际计算中，务必注意观察已知向量的特征，寻找特殊化简的可能。

⚠️ 铁律：必须先正交化，再单位化！

设已知一组线性无关的向量为 α 1 , α 2 , α 3 \alpha_1, \alpha_2, \alpha_3 α1,α2,α3，其正交化公式的标准计算流向如下：

确定第一个正交向量：

β 1 = α 1 \beta_1 = \alpha_1 β1=α1

修正第二个向量：

β 2 = α 2 − ( α 2 , β 1 ) ( β 1 , β 1 ) β 1 \beta_2 = \alpha_2 - \frac{(\alpha_2, \beta_1)}{(\beta_1, \beta_1)}\beta_1 β2=α2−(β1,β1)(α2,β1)β1

修正第三个向量：

β 3 = α 3 − ( α 3 , β 1 ) ( β 1 , β 1 ) β 1 − ( α 3 , β 2 ) ( β 2 , β 2 ) β 2 \beta_3 = \alpha_3 - \frac{(\alpha_3, \beta_1)}{(\beta_1, \beta_1)}\beta_1 - \frac{(\alpha_3, \beta_2)}{(\beta_2, \beta_2)}\beta_2 β3=α3−(β1,β1)(α3,β1)β1−(β2,β2)(α3,β2)β2

三、 ⭐ 方法总结：配方法化二次型为标准/规范形

利用配方法（拉格朗日配方法）将二次型化为标准形是考研的必考基本功。以下是系统化解题的四个标准步骤：

① 第一步：全面包含，分组配方

每次展开配方时，必须把所有含有 x i x_i xi 的项全部包含在内，不能有遗漏。

配方核心公式提示：

( x 1 + x 2 + x 3 ) 2 = x 1 2 + x 2 2 + x 3 2 + 2 x 1 x 2 + 2 x 1 x 3 + 2 x 2 x 3 (x_1 + x_2 + x_3)^2 = x_1^2 + x_2^2 + x_3^2 + 2x_1x_2 + 2x_1x_3 + 2x_2x_3 (x1+x2+x3)2=x12+x22+x32+2x1x2+2x1x3+2x2x3

② 第二步：结构化简，呈现目标形式

通过连续配方，将原二次型化为没有交叉项的标准结构，例如：

f = 2 y 1 2 + 2 y 2 2 + 2 y 3 2 ( 此结构仅为示例形式 ) f = 2y_1^2 + 2y_2^2 + 2y_3^2 \quad (\text{此结构仅为示例形式}) f=2y12+2y22+2y32(此结构仅为示例形式)

③ 第三步：写出坐标变换对应关系，检验可逆性

由含有 y i y_i yi 组合的中间变量关系式，反推出原变量 x i x_i xi 与新变量 y i y_i yi 的显式对应关系：

{ y 1 = ... y 2 = ... y 3 = ... ⟹ { x 1 = ... x 2 = ... x 3 = ... \begin{cases} y_1 = \dots \\ y_2 = \dots \\ y_3 = \dots \end{cases} \implies \begin{cases} x_1 = \dots \\ x_2 = \dots \\ x_3 = \dots \end{cases} ⎩ ⎨ ⎧y1=...y2=...y3=...⟹⎩ ⎨ ⎧x1=...x2=...x3=...

从而写出变换矩阵：

x = P y x = Py x=Py

⚠️ 注意：写出矩阵 P P P 后，必须显式检查并注明 ∣ P ∣ ≠ 0 |P| \neq 0 ∣P∣=0，确保该坐标变换为可逆线性变换。

④ 第四步：最终输出

最终得出化简后的二次型标准形：

f = ∑ i = 1 n k i y i 2 f = \sum_{i=1}^n k_i y_i^2 f=i=1∑nkiyi2

四、经典例题：矩阵特征值求解与化简技巧

1. 题目重现

【例题】 求矩阵 A = ( 2 0 3 0 3 0 3 0 2 ) A = \begin{pmatrix} 2 & 0 & 3 \\ 0 & 3 & 0 \\ 3 & 0 & 2 \end{pmatrix} A= 203030302 的特征值。

2. 详细求解过程

解：

首先列出矩阵 A A A 的特征方程 ∣ λ E − A ∣ = 0 |\lambda E - A| = 0 ∣λE−A∣=0：

∣ λ E − A ∣ = ∣ λ − 2 0 − 3 0 λ − 3 0 − 3 0 λ − 2 ∣ |\lambda E - A| = \begin{vmatrix} \lambda - 2 & 0 & -3 \\ 0 & \lambda - 3 & 0 \\ -3 & 0 & \lambda - 2 \end{vmatrix} ∣λE−A∣= λ−20−30λ−30−30λ−2

💡 化简大招：观察矩阵特征，选择最优展开方向！

本题中第二行（或第二列）含有两个 0 0 0，因此以第 2 行展开是最快、最不易错的路径。

按照第二行展开得：

∣ λ E − A ∣ = ( λ − 3 ) ⋅ ( − 1 ) 2 + 2 ∣ λ − 2 − 3 − 3 λ − 2 ∣ |\lambda E - A| = (\lambda - 3) \cdot (-1)^{2+2} \begin{vmatrix} \lambda - 2 & -3 \\ -3 & \lambda - 2 \end{vmatrix} ∣λE−A∣=(λ−3)⋅(−1)2+2 λ−2−3−3λ−2

= ( λ − 3 ) [ ( λ − 2 ) 2 − 9 ] = (\lambda - 3) \left[ (\lambda - 2)^2 - 9 \right] =(λ−3)[(λ−2)2−9]

展开平方项并合并常数（其中 ( λ − 2 ) 2 − 9 = λ 2 − 4 λ + 4 − 9 = λ 2 − 4 λ − 5 (\lambda - 2)^2 - 9 = \lambda^2 - 4\lambda + 4 - 9 = \lambda^2 - 4\lambda - 5 (λ−2)2−9=λ2−4λ+4−9=λ2−4λ−5）：

= ( λ − 3 ) ( λ 2 − 4 λ − 5 ) = (\lambda - 3)(\lambda^2 - 4\lambda - 5) =(λ−3)(λ2−4λ−5)

对二次多项式进行十字相乘因式分解：

= ( λ − 3 ) ( λ − 5 ) ( λ + 1 ) = (\lambda - 3)(\lambda - 5)(\lambda + 1) =(λ−3)(λ−5)(λ+1)

令特征方程为 0 0 0，解得矩阵 A A A 的全部特征值为：

λ 1 = 3 , λ 2 = 5 , λ 3 = − 1 \lambda_1 = 3, \quad \lambda_2 = 5, \quad \lambda_3 = -1 λ1=3,λ2=5,λ3=−1

五、拓展延伸：数轴标根穿线法解高次不等式

在计算某些行列式边界或参数范围（如判定正负性、正定性等）时，经常需要求解高次不等式。

💡 引线穿网原则：

"判断正负，只能看左上角（最高次项系数符号）和右下角的常数（根的分界）"。

示例分析

对于一元高次不等式：

( k + 3 ) ( k + 2 ) ( k − 1 ) > 0 (k+3)(k+2)(k-1) > 0 (k+3)(k+2)(k−1)>0

找根标轴 ：在数轴上按从小到大的顺序标出各个零点： − 3 , − 2 , 1 -3, -2, 1 −3,−2,1。
奇穿偶回 ：由于各个因式均为 1 次（奇数重根），故曲线连续穿过各个点。由于最高次项 k 3 k^3 k3 的系数为正，当 k > 1 k > 1 k>1 时整式值必然 > 0 >0 >0 ，因此曲线应从右上方开始向左下方穿线。

穿线动态图解示意：

text 复制代码

       +                  +
       |                 /
-------+--------+-------+--------> k
      -3       -2       1
     /          \     /
    /            +---+
   -

得出解集 ：看数轴上方（即 > 0 >0 >0 的区域），直接写出不等式的解集为：

k > 1 或 − 3 < k < − 2 k > 1 \quad \text{或} \quad -3 < k < -2 k>1或−3<k<−2

🏷️ 标签

线性代数 考研数学 二次型配方法 施密特正交化 特征值 穿线法