1. 一般矩阵的对角化 vs 对称矩阵的对角化#

• 一般矩阵：有的能对角化，有的不能（只能化成Jordan标准型，更复杂）；即使能，用来对角化的矩阵也不一定是正交的。
• 对称矩阵：保证能对角化，而且用来变换的矩阵是正交矩阵（只旋转，不拉伸变形）。

类比：一般矩阵像各种形状的面团，有的能被擀平，有的不行；对称矩阵像一块质地均匀的橡皮泥，保证能被擀平，而且擀的时候不会歪。

2. 相似对角化 vs 合同对角化#

• 相似对角化（$P^{-1}AP = D$）：关心的是矩阵作为”线性变换”的本质。
• 合同对角化（$P^TAP = D$）：常用于二次型，关心的是”度量”或”几何形状”。

对称矩阵的对角化既是相似对角化，也是合同对角化（因为正交矩阵满足 $P^{-1} = P^T$），这是它独有的”双重身份”。

3. 对角化 vs 特征值分解#

• 对角化是过程/结果。
• 特征值分解（EVD）是方法，对称矩阵的对角化就是一种特征值分解。

类比 1：整理一个对称的衣柜 🗄️#

想象你有一个左右对称的衣柜（对称矩阵），里面衣服堆得乱七八糟，你很难一眼看出有多少空间。

• 对角化 = 把衣服按类别（上衣、裤子、袜子）彻底分格整理，每一格只放一种衣服（对角线上的数）。
• 对称矩阵 = 这个衣柜本身左右对称，所以你可以用一种最优雅的整理方式——不需要强行塞、硬掰，就能整理得整整齐齐。
• 正交矩阵 = 你整理的时候只是转动了视角/调整了隔板方向（旋转），没有把衣柜拉变形。

一般矩阵的衣柜可能是歪的、不对称的，你想整理，可能得先把它”扯变形”才能塞进去——这就是非正交变换。

类比 2：一块均匀蛋糕的”切法” 🍰#

想象一块质地完全均匀对称的蛋糕（对称矩阵），你要把它切成几块，让每一块只在某一个方向上被”拉伸”或”压缩”（对角化的本质）。

• 因为蛋糕是对称均匀的，你一定能找到几刀互相垂直的切法（正交特征向量），切下去后，每一块的变化都是独立的——你拉长一块，不会影响另一块。
• 如果蛋糕质地不均匀（非对称矩阵），你可能找不到这样漂亮的垂直切法，或者切下去后各块之间还会互相”牵连”。

详细解析#

第一步：求特征值

解特征方程 $|A - \lambda E| = 0$： $\begin{vmatrix} 4-\lambda & 2 \\ 2 & 1-\lambda \end{vmatrix} = (4-\lambda)(1-\lambda) - 4 = \lambda^2 - 5\lambda = \lambda(\lambda-5) = 0$ （展开行列式，利用特征方程的定义建立关于 $\lambda$ 的方程）

得 $\lambda_1 = 0,\ \lambda_2 = 5$。 （解二次方程得到特征值，为后续求特征向量做准备）

第二步：求特征向量

对 $\lambda_1 = 0$，解 $(A - 0E)\mathbf{x} = \mathbf{0}$，即 $A\mathbf{x} = \mathbf{0}$： $\begin{pmatrix} 4 & 2 \\ 2 & 1 \end{pmatrix} \xrightarrow{r_2 - \frac{1}{2}r_1} \begin{pmatrix} 4 & 2 \\ 0 & 0 \end{pmatrix} \xrightarrow{\frac{1}{2}r_1} \begin{pmatrix} 2 & 1 \\ 0 & 0 \end{pmatrix}$ （对系数矩阵做初等行变换，化为行阶梯形，方便求基础解系）

由 $2x_1 + x_2 = 0$，取 $x_1 = 1$，则 $x_2 = -2$。 $\mathbf{p}_1 = \begin{pmatrix} 1 \\ -2 \end{pmatrix}$ （令自由未知量为1，求出基础解系，即属于 $\lambda_1=0$ 的特征向量）

对 $\lambda_2 = 5$，解 $(A - 5E)\mathbf{x} = \mathbf{0}$： $\begin{pmatrix} -1 & 2 \\ 2 & -4 \end{pmatrix} \xrightarrow{r_2 + 2r_1} \begin{pmatrix} -1 & 2 \\ 0 & 0 \end{pmatrix}$ （同样做行变换化简）

由 $-x_1 + 2x_2 = 0$，取 $x_2 = 1$，则 $x_1 = 2$。 $\mathbf{p}_2 = \begin{pmatrix} 2 \\ 1 \end{pmatrix}$ （求出属于 $\lambda_2=5$ 的特征向量）

第三步：验证正交性（对称矩阵的”福利”）

$\mathbf{p}_1^T \mathbf{p}_2 = (1)(2) + (-2)(1) = 2 - 2 = 0$ （验证不同特征值对应的特征向量是否正交——对称矩阵保证它们天然正交，这是关键性质）

第四步：构造对角化矩阵

令 $P = \begin{pmatrix} \mathbf{p}_1 & \mathbf{p}_2 \end{pmatrix} = \begin{pmatrix} 1 & 2 \\ -2 & 1 \end{pmatrix},\quad \Lambda = \begin{pmatrix} 0 & 0 \\ 0 & 5 \end{pmatrix}$ （将特征向量按列排列构成 $P$，对角元按对应顺序摆放特征值）

则有 $P^{-1}AP = \Lambda = \begin{pmatrix} 0 & 0 \\ 0 & 5 \end{pmatrix}$ （根据相似对角化理论，$P$ 可逆则必能实现对角化）

详细解析#

第一步：求特征值

$|A - \lambda E| = \begin{vmatrix} 3-\lambda & 1 \\ 1 & 3-\lambda \end{vmatrix} = (3-\lambda)^2 - 1 = \lambda^2 - 6\lambda + 8 = (\lambda-2)(\lambda-4) = 0$ （计算特征多项式并因式分解）

$\lambda_1 = 2,\ \lambda_2 = 4$。 （得到两个不同实特征值）

第二步：求特征向量

对 $\lambda_1 = 2$： $(A - 2E) = \begin{pmatrix} 1 & 1 \\ 1 & 1 \end{pmatrix} \rightarrow \begin{pmatrix} 1 & 1 \\ 0 & 0 \end{pmatrix}$ （行变换化简）

$x_1 + x_2 = 0$，取 $\mathbf{\xi}_1 = \begin{pmatrix} 1 \\ -1 \end{pmatrix}$。 （求基础解系）

对 $\lambda_2 = 4$： $(A - 4E) = \begin{pmatrix} -1 & 1 \\ 1 & -1 \end{pmatrix} \rightarrow \begin{pmatrix} -1 & 1 \\ 0 & 0 \end{pmatrix}$ （行变换化简）

$-x_1 + x_2 = 0$，取 $\mathbf{\xi}_2 = \begin{pmatrix} 1 \\ 1 \end{pmatrix}$。 （求基础解系）

第三步：正交化

由于 $\lambda_1 \neq \lambda_2$，对称矩阵保证 $\mathbf{\xi}_1 \perp \mathbf{\xi}_2$： $\mathbf{\xi}_1^T \mathbf{\xi}_2 = 1 \cdot 1 + (-1) \cdot 1 = 0 \checkmark$ （验证已天然正交，无需施密特正交化——这是对称矩阵对角化比普通矩阵”省事”的地方）

第四步：单位化

$\mathbf{q}_1 = \frac{\mathbf{\xi}_1}{\|\mathbf{\xi}_1\|} = \frac{1}{\sqrt{2}}\begin{pmatrix} 1 \\ -1 \end{pmatrix} = \begin{pmatrix} \frac{1}{\sqrt{2}} \\ -\frac{1}{\sqrt{2}} \end{pmatrix}$ （将特征向量除以其模长，得到单位向量）

$\mathbf{q}_2 = \frac{\mathbf{\xi}_2}{\|\mathbf{\xi}_2\|} = \frac{1}{\sqrt{2}}\begin{pmatrix} 1 \\ 1 \end{pmatrix} = \begin{pmatrix} \frac{1}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \end{pmatrix}$ （同上，单位化）

第五步：构造正交矩阵

$Q = \begin{pmatrix} \mathbf{q}_1 & \mathbf{q}_2 \end{pmatrix} = \begin{pmatrix} \frac{1}{\sqrt{2}} & \frac{1}{\sqrt{2}} \\ -\frac{1}{\sqrt{2}} & \frac{1}{\sqrt{2}} \end{pmatrix}$ （将单位正交的特征向量按列排列，即得正交矩阵）

验证：$Q^T Q = E$（正交矩阵定义）✓ （验证 $Q$ 确实是正交矩阵，$Q^T = Q^{-1}$）

则 $Q^T A Q = \begin{pmatrix} 2 & 0 \\ 0 & 4 \end{pmatrix}$ （最终得到对角矩阵，对角元为特征值）

详细解析#

第一步：求特征值

$|A - \lambda E| = \begin{vmatrix} 2-\lambda & -1 & -1 \\ -1 & 2-\lambda & -1 \\ -1 & -1 & 2-\lambda \end{vmatrix}$

技巧：各行加到第一行 $= \begin{vmatrix} -\lambda & -\lambda & -\lambda \\ -1 & 2-\lambda & -1 \\ -1 & -1 & 2-\lambda \end{vmatrix} = -\lambda \begin{vmatrix} 1 & 1 & 1 \\ -1 & 2-\lambda & -1 \\ -1 & -1 & 2-\lambda \end{vmatrix}$ （提取第一行公因子 $-\lambda$，简化计算）

继续： $= -\lambda \begin{vmatrix} 1 & 1 & 1 \\ 0 & 3-\lambda & 0 \\ 0 & 0 & 3-\lambda \end{vmatrix} = -\lambda(3-\lambda)^2$ （$r_2+r_1, r_3+r_1$ 化为上三角，行列式等于对角元乘积）

所以 $\lambda_1 = 0$（单根），$\lambda_2 = \lambda_3 = 3$（二重根）。 （特征值出现重根，这是考试最常考的情形）

第二步：求特征向量

对 $\lambda_1 = 0$： $A = \begin{pmatrix} 2 & -1 & -1 \\ -1 & 2 & -1 \\ -1 & -1 & 2 \end{pmatrix} \xrightarrow{r_1+r_2+r_3} \begin{pmatrix} 0 & 0 & 0 \\ -1 & 2 & -1 \\ -1 & -1 & 2 \end{pmatrix}$ （观察到各行和为0，直接得一个特征向量）

实际上由 $A\begin{pmatrix}1\\1\\1\end{pmatrix} = \begin{pmatrix}0\\0\\0\end{pmatrix}$，得 $\mathbf{\xi}_1 = \begin{pmatrix} 1 \\ 1 \\ 1 \end{pmatrix}$ （利用”各行和相等”的观察技巧，快速得到属于0的特征向量）

对 $\lambda_2 = 3$： $A - 3E = \begin{pmatrix} -1 & -1 & -1 \\ -1 & -1 & -1 \\ -1 & -1 & -1 \end{pmatrix} \rightarrow \begin{pmatrix} 1 & 1 & 1 \\ 0 & 0 & 0 \\ 0 & 0 & 0 \end{pmatrix}$ （三行相同，秩为1，自由未知量有2个）

方程：$x_1 + x_2 + x_3 = 0$。

取自由未知量 $(x_2, x_3) = (1, 0)$，得 $\mathbf{\xi}_2 = \begin{pmatrix} -1 \\ 1 \\ 0 \end{pmatrix}$。 （令自由未知量取标准基向量，求基础解系的一个向量）

取 $(x_2, x_3) = (0, 1)$，得 $\mathbf{\xi}_3 = \begin{pmatrix} -1 \\ 0 \\ 1 \end{pmatrix}$。 （求基础解系的另一个向量）

注意：$\mathbf{\xi}_2, \mathbf{\xi}_3$ 线性无关，但不正交： $\mathbf{\xi}_2^T \mathbf{\xi}_3 = (-1)(-1) + 1 \cdot 0 + 0 \cdot 1 = 1 \neq 0$ （检验发现不正交——重特征值的特征向量只是线性无关，不一定正交，必须做正交化）

第三步：对重特征值的特征向量做施密特正交化

令 $\mathbf{\eta}_2 = \mathbf{\xi}_2 = \begin{pmatrix} -1 \\ 1 \\ 0 \end{pmatrix}$。 （先固定第一个向量作为基准）

$\mathbf{\eta}_3 = \mathbf{\xi}_3 - \frac{\mathbf{\xi}_3^T \mathbf{\eta}_2}{\mathbf{\eta}_2^T \mathbf{\eta}_2} \mathbf{\eta}_2 = \begin{pmatrix} -1 \\ 0 \\ 1 \end{pmatrix} - \frac{1}{2}\begin{pmatrix} -1 \\ 1 \\ 0 \end{pmatrix} = \begin{pmatrix} -\frac{1}{2} \\ -\frac{1}{2} \\ 1 \end{pmatrix}$ （施密特正交化公式：减去 $\mathbf{\xi}_3$ 在 $\mathbf{\eta}_2$ 方向上的投影，保证 $\mathbf{\eta}_3 \perp \mathbf{\eta}_2$）

为消去分数，可取 $\mathbf{\eta}_3 = \begin{pmatrix} -1 \\ -1 \\ 2 \end{pmatrix}$（同方向即可）。 （特征向量的非零倍数仍是特征向量，故可乘以2简化计算）

验证正交： $\mathbf{\eta}_2^T \mathbf{\eta}_3 = (-1)(-1) + (1)(-1) + 0 \cdot 2 = 0 \checkmark$ （验证正交性，确保后续能构造正交矩阵）

第四步：单位化所有特征向量

$\mathbf{q}_1 = \frac{\mathbf{\xi}_1}{\|\mathbf{\xi}_1\|} = \frac{1}{\sqrt{3}}\begin{pmatrix} 1 \\ 1 \\ 1 \end{pmatrix}$ （单根特征向量直接单位化）

$\mathbf{q}_2 = \frac{\mathbf{\eta}_2}{\|\mathbf{\eta}_2\|} = \frac{1}{\sqrt{2}}\begin{pmatrix} -1 \\ 1 \\ 0 \end{pmatrix}$ （正交化后的第一个向量单位化）

$\mathbf{q}_3 = \frac{\mathbf{\eta}_3}{\|\mathbf{\eta}_3\|} = \frac{1}{\sqrt{6}}\begin{pmatrix} -1 \\ -1 \\ 2 \end{pmatrix}$ （正交化后的第二个向量单位化）

第五步：构造正交矩阵

$Q = \begin{pmatrix} \frac{1}{\sqrt{3}} & -\frac{1}{\sqrt{2}} & -\frac{1}{\sqrt{6}} \\ \frac{1}{\sqrt{3}} & \frac{1}{\sqrt{2}} & -\frac{1}{\sqrt{6}} \\ \frac{1}{\sqrt{3}} & 0 & \frac{2}{\sqrt{6}} \end{pmatrix}$

则 $Q^T A Q = \begin{pmatrix} 0 & 0 & 0 \\ 0 & 3 & 0 \\ 0 & 0 & 3 \end{pmatrix}$ （正交相似对角化完成，对角元顺序与 $Q$ 中列向量对应）

详细解析#

第(1)部分：求参数 $a$

方法一：利用特征值定义

若 $\lambda = a+1$ 是特征值，则 $|A - (a+1)E| = 0$。 （特征值必满足特征方程，建立等式）

$A - (a+1)E = \begin{pmatrix} -1 & 1 & 1 \\ 1 & -1 & -1 \\ 1 & -1 & -1 \end{pmatrix}$

计算行列式： $\begin{vmatrix} -1 & 1 & 1 \\ 1 & -1 & -1 \\ 1 & -1 & -1 \end{vmatrix} = 0$ （观察到第2行=第3行，行列式自然为0，对任意 $a$ 都成立？这说明需要换个思路）

方法二：直接求全部特征值

$|A - \lambda E| = \begin{vmatrix} a-\lambda & 1 & 1 \\ 1 & a-\lambda & -1 \\ 1 & -1 & a-\lambda \end{vmatrix}$

令 $t = a - \lambda$，则 $= \begin{vmatrix} t & 1 & 1 \\ 1 & t & -1 \\ 1 & -1 & t \end{vmatrix} = t(t^2-1) - 1(t+1) + 1(-1-t)$ （按第一行展开计算行列式）

$= t^3 - t - t - 1 - 1 - t = t^3 - 3t - 2 = (t+1)^2(t-2)$ （因式分解，注意 $t=-1$ 是根，用多项式除法或观察）

所以 $t = -1$（二重）或 $t = 2$（单根）。

即 $a - \lambda = -1 \Rightarrow \lambda = a+1$（二重），或 $a - \lambda = 2 \Rightarrow \lambda = a-2$（单根）。 （求出所有特征值，确认 $\lambda = a+1$ 确实是二重特征值）

验证：对任意实数 $a$，$A$ 都是实对称矩阵，特征值为 $a+1, a+1, a-2$。 （实对称矩阵保证特征值全为实数，与 $a$ 取值无关）

所以 $a$ 可以是任意实数？但通常这类题会附加条件。若题目仅给此条件，则 $a \in \mathbb{R}$。

假设补充条件：若题目说”已知 $\lambda = a+1$ 对应的一个特征向量为 $(1,1,0)^T$“，则可进一步确定。但按原题，我们取 $a = 0$ 来演示（或保留 $a$ 继续算）。

为具体演示，设 $a = 2$，则特征值为 $3, 3, 0$。

第(2)部分：正交对角化（以 $a=2$ 为例，即 $A = \begin{pmatrix} 2 & 1 & 1 \\ 1 & 2 & -1 \\ 1 & -1 & 2 \end{pmatrix}$）

第一步：特征值 $\lambda_1 = \lambda_2 = 3,\quad \lambda_3 = 0$ （由前面通式代入 $a=2$）

第二步：求特征向量

对 $\lambda = 3$： $A - 3E = \begin{pmatrix} -1 & 1 & 1 \\ 1 & -1 & -1 \\ 1 & -1 & -1 \end{pmatrix} \rightarrow \begin{pmatrix} -1 & 1 & 1 \\ 0 & 0 & 0 \\ 0 & 0 & 0 \end{pmatrix}$ （行变换，秩为1）

方程：$-x_1 + x_2 + x_3 = 0$，即 $x_1 = x_2 + x_3$。

取 $(x_2, x_3) = (1, 0)$：$\mathbf{\xi}_1 = \begin{pmatrix} 1 \\ 1 \\ 0 \end{pmatrix}$。 （第一个线性无关特征向量）

取 $(x_2, x_3) = (0, 1)$：$\mathbf{\xi}_2 = \begin{pmatrix} 1 \\ 0 \\ 1 \end{pmatrix}$。 （第二个线性无关特征向量）

检验：$\mathbf{\xi}_1^T \mathbf{\xi}_2 = 1 \neq 0$，不正交！ （重根特征向量需正交化）

对 $\lambda = 0$： $A = \begin{pmatrix} 2 & 1 & 1 \\ 1 & 2 & -1 \\ 1 & -1 & 2 \end{pmatrix}$

由行和：$2+1+1=4, 1+2-1=2, 1-1+2=2$… 不恒定。直接消元： $\rightarrow \begin{pmatrix} 1 & 2 & -1 \\ 0 & -3 & 3 \\ 0 & -3 & 3 \end{pmatrix} \rightarrow \begin{pmatrix} 1 & 2 & -1 \\ 0 & 1 & -1 \\ 0 & 0 & 0 \end{pmatrix} \rightarrow \begin{pmatrix} 1 & 0 & 1 \\ 0 & 1 & -1 \\ 0 & 0 & 0 \end{pmatrix}$ （高斯消元化为行最简形）

$x_1 = -x_3,\ x_2 = x_3$，取 $\mathbf{\xi}_3 = \begin{pmatrix} -1 \\ 1 \\ 1 \end{pmatrix}$。 （求出属于 $\lambda=0$ 的特征向量）

验证：$\mathbf{\xi}_1^T \mathbf{\xi}_3 = -1+1+0 = 0$，$\mathbf{\xi}_2^T \mathbf{\xi}_3 = -1+0+1 = 0$。 （不同特征值的特征向量天然正交——对称矩阵性质验证）

第三步：施密特正交化（只对重根）

$\mathbf{\eta}_1 = \mathbf{\xi}_1 = \begin{pmatrix} 1 \\ 1 \\ 0 \end{pmatrix}$

$\mathbf{\eta}_2 = \mathbf{\xi}_2 - \frac{\mathbf{\xi}_2^T \mathbf{\eta}_1}{\mathbf{\eta}_1^T \mathbf{\eta}_1}\mathbf{\eta}_1 = \begin{pmatrix} 1 \\ 0 \\ 1 \end{pmatrix} - \frac{1}{2}\begin{pmatrix} 1 \\ 1 \\ 0 \end{pmatrix} = \begin{pmatrix} \frac{1}{2} \\ -\frac{1}{2} \\ 1 \end{pmatrix}$ （正交化公式，消去与 $\mathbf{\eta}_1$ 平行的分量）

取 $\mathbf{\eta}_2 = \begin{pmatrix} 1 \\ -1 \\ 2 \end{pmatrix}$（乘以2简化）。 （同方向缩放不影响特征向量性质）

第四步：单位化

$\mathbf{q}_1 = \frac{1}{\sqrt{2}}\begin{pmatrix} 1 \\ 1 \\ 0 \end{pmatrix},\quad \mathbf{q}_2 = \frac{1}{\sqrt{6}}\begin{pmatrix} 1 \\ -1 \\ 2 \end{pmatrix},\quad \mathbf{q}_3 = \frac{1}{\sqrt{3}}\begin{pmatrix} -1 \\ 1 \\ 1 \end{pmatrix}$ （分别计算模长并单位化）

第五步：构造 $Q$

$Q = \begin{pmatrix} \frac{1}{\sqrt{2}} & \frac{1}{\sqrt{6}} & -\frac{1}{\sqrt{3}} \\ \frac{1}{\sqrt{2}} & -\frac{1}{\sqrt{6}} & \frac{1}{\sqrt{3}} \\ 0 & \frac{2}{\sqrt{6}} & \frac{1}{\sqrt{3}} \end{pmatrix}$

$Q^T A Q = \begin{pmatrix} 3 & 0 & 0 \\ 0 & 3 & 0 \\ 0 & 0 & 0 \end{pmatrix}$ （最终对角矩阵，注意列向量与特征值顺序对应）