在线性代数中，实对称矩阵是一个非常重要的矩阵类型。它具有一系列独特的性质，其中之一就是其特征值都是实数。然而，一个普遍的误解是实对称矩阵的特征向量必定是正交的。实际上，这种说法并不完全正确。以下是对这一问题的详细探讨。
实对称矩阵的定义
首先，让我们回顾一下实对称矩阵的定义。一个矩阵 ( A ) 被称为实对称矩阵，如果它满足以下条件：
[ A = A^T ]
其中 ( A^T ) 表示 ( A ) 的转置矩阵。对于实对称矩阵，所有的特征值都是实数。
特征向量和正交性
一个矩阵 ( A ) 的特征向量是满足方程 ( A\mathbf{v} = \lambda \mathbf{v} ) 的非零向量 ( \mathbf{v} )，其中 ( \lambda ) 是对应的特征值。对于实对称矩阵，一个重要的性质是它的特征向量可以构成一组正交基。
然而，这并不意味着所有特征向量都必须是正交的。正交性是指在标准正交基下，两个向量的点积为零。对于实对称矩阵，当它被对角化时，其特征向量会构成一组正交基，但这并不意味着在未对角化的情况下特征向量也是正交的。
特征向量不正交的例子
为了说明这一点，我们可以构造一个简单的例子：
假设我们有一个实对称矩阵 ( A )：
[ A = \begin{bmatrix} 1 & 1 \ 1 & 1 \end{bmatrix} ]
这个矩阵的特征值可以通过求解特征多项式来找到：
[ \det(A - \lambda I) = \det \begin{bmatrix} 1-\lambda & 1 \ 1 & 1-\lambda \end{bmatrix} = (1-\lambda)^2 - 1 = \lambda^2 - 2\lambda = 0 ]
因此，特征值为 ( \lambda = 0 ) 和 ( \lambda = 2 )。
接下来，我们找到对应于特征值 ( \lambda = 0 ) 的特征向量。解方程 ( (A - 0I)\mathbf{v} = 0 )：
[ \begin{bmatrix} 1 & 1 \ 1 & 1 \end{bmatrix} \begin{bmatrix} x \ y \end{bmatrix} = \begin{bmatrix} 0 \ 0 \end{bmatrix} ]
我们得到 ( x + y = 0 )。一个可能的特征向量是 ( \mathbf{v} = \begin{bmatrix} 1 \ -1 \end{bmatrix} )。
显然，这个特征向量与自身不正交，因为它们的点积为 ( 1 \cdot (-1) + (-1) \cdot 1 = -2 \neq 0 )。
结论
通过上述例子，我们可以看到，尽管实对称矩阵的特征向量在矩阵对角化时会构成正交基，但在未对角化的情况下，特征向量不一定正交。这是实对称矩阵的一个重要特性，需要在使用这些矩阵时注意。