下载文档原格式
第五章 二次型除特别指明外，本章都是在实数域内进行的讨论．§5.1 正交矩阵一、向量的内积1.定义：① 设有n 维行向量α = (a 1, a 2, ……, a n ) ，β = (b 1,b 2, ……, b n ) ，定义α与β的内积为： α βT = a 1 b 1 + a 2 b 2 + …… + a n b n ． ② α 与 β 正交： α βT = 0 ．注：非零向量正交一定线性无关（反之不成立）．③ 对n 维列向量 α = (a 1, a 2, ……, a n )T ，β = (b 1,b 2, ……, b n )T ， α与β的内积为： α T β = a 1 b 1 + a 2 b 2 + …… + a n b n ， α与β正交，则： α T β = 0 ．说明：①.我们采用符号<α,β>统一表示n 维向量α和β的内积．②.在大家熟知的三维普通空间，建立笛卡儿坐标系后，矢量（也称向量）k a j a i a a r r r r321++= 和 kb j b i b b r r r r 321++=可以作为特例．不过用行（或列）矩阵[即行（或列）向量]表示内积（亦称点积、数量积）b a rr ⋅时，必须写成[]⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⋅321321b b b a a a b a rr ． 2.性质：① 对称： α βT = β αT ；（ <α,β> = <β,α> ） ② 数乘（齐次）：( λ α ) βT = α ( λ βT ) = λ ( α βT ) ； ③ 分配（可加）：( α + β) γT = α γT + β γT ；④ 自身相乘非负： α αT ≥ 0 ；仅当 α = 0 时， α αT = 0 ． 3.向量的长度（或模）： 22221Tn a a a +++==L ααα ，为非负的实数．性质：① 非负：α≥ 0 ；仅当 α = 0 时， α αT = 0 ； ② 数乘（齐次）： ααk k = ；③ 单位向量及非零向量单位化：若1=α，则α为n 维单位向量．对非零向量α ，都可单位化：ααβ= ． ④ 三角不等式： βαβα+≤+ ； ⑤ 柯西-施瓦茨不等式：222T )(βαβα≤ ．二、向量正交化1.正交向量组定义：若向量组α1，α2，……，αs 中的向量两两正交，则称该向量组是一个正交向量组． 重要的n 维正交向量组：)0,,0,1(1L =e ，)0,,1,0(2L =e ，……，),,0,0(n n L =e ．2.向量组正交化方法（Schmidt 正交化方法）：有一线性无关的向量组α1，α2，……，α r ，但不是正交向量组，用施密特（Schmidt ）正交化方法可以将其转化为一组正交且单位化的向量组． ① 正交化：令 11αβ= 1111222,,ββββααβ><><−= 222231111333,,,,ββββαββββααβ><><−><><−= ……111122221111,,,,,,−−−−><><−−><><−><><−=r r r r r r r r r ββββαββββαββββααβL ② 单位化：令111ββγ=，222ββγ=，……，rr r ββγ=．（课后看教材P.156之例6和例7．） 三、正交矩阵1.定义：设A 为n 阶实方阵，若A T A = I ，则称A 为n 阶正交方阵．2.性质：① 若A A T = I ，则A 为正交矩阵； ② 若A T = A -1 ，则A 为正交矩阵； ③ 若A 为正交矩阵，则行列式1±=A ；④ n 阶实方阵A 为正交矩阵的充分必要条件是A 的列向量为一个相互正交的单位向量组；（用定义A T A = I 说明）⑤ n 阶实方阵A 为正交矩阵的充分必要条件是A 的行向量为一个相互正交的向量组；⑥ 若A ，B 为n 阶正交矩阵，则AB ，BA 也是n 阶正交矩阵；因 ( AB )T ( AB ) = B T A T AB = B T B = I ． ⑦ 正交矩阵的特征值的模等于1 ．（证明略） 四、向量的正交变换：1.定义：设A 为n 阶正交矩阵，X 为任意一个n 维向量，则称Y = A X为正交变换．2.重要性质：向量X 经正交变换后长度（模）不变．因 X X X AX A X AX AX Y Y Y =====T T T T T )()( ．3.推论：两个向量做相同正交变换后，内积不变，几何图形的形状不变． 五、实对称矩阵1. n 阶实对称矩阵A 的性质：[ 简单性质：A A A A A A ===T T )(,,]① 特征值都是实数；② 不同特征值对应的特征向量正交；证明： A T = A ， AX 1 = λ1X 1 ， AX 2 = λ 2 X 2 ， λ1 ≠ λ 2 ；( AX 1 ) T = ( λ1X 1 ) T ， ( X 1 ) T A T = λ1 ( X 1 ) T ；( X 1 ) T A = λ1 ( X 1 ) T ， ( X 1 ) T A X 2 = λ1 ( X 1 ) T X 2 ；λ 2 ( X 1 ) T X 2 = λ1 ( X 1 ) T X 2 ， ( λ 2 - λ1)[ ( X 1 ) T X 2 ] = 0 ；( X 1 ) T X 2 = 0 ．③ 有n 个线性无关的实特征向量；④ 必有正交矩阵P ，使得P -1AP = P T AP = D = diag( λ1, λ2,…, λn )其中λ1, λ2,…, λn 恰为A 的n 个特征值（重根按重数依次计入）；（证明：略）2.把n 阶实对称矩阵A 用正交矩阵对角化的步骤： ① 求出A 的相异特征值λ1, λ2,…, λ 5 ；② 对每个特征值λ i ，求出( λ i I – A ) X = 0 的一个基础解系，然后再正交化、单位化；③ 将求得的n 个相互正交的单位特征向量X 1, X 2, ……, X n 作为列向量排成矩阵P （就是所求的正交矩阵）；④ 计算),,,,,diag(11s i i T λλλλ==−L L AP P AP P ，即为所求（n 个对角元素的值可能有重复）． 六、例题（P.162例9亦P.132例4）设三阶矩阵⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=122212221A ，求正交矩阵P ，使P T AP 为对角矩阵．解：① 由A 的特征方程0=−λA I ，求其特征值λ：1221105551222122210−λ−−−λ−+λ−λ−λ−λ=−λ−−−−λ−−−−λ=−λ=A I 2)1)(5(10211005+λ−λ=+λ−−λ−+λ−λ=解得51=λ，132−=λ=λ；② 求对应51=λ的特征向量，解齐次线性方程组 0X A I =−)5( ；由 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡−−−→⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡−−−−→⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡−−−−−−=−000110112330330112422242224)5(A I ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡−−→000110101 ，得同解方程组 ⎩⎨⎧=−=−003231x x x x ，令 33~x x = ， 则 3132~,~x x x x == ，得特征向量 []T1111=X ；单位化： T1313131⎥⎦⎤⎢⎣⎡=P ； ③ 求对应132−=λ=λ的特征向量，由 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡→⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡−−−−−−−−−=−−000000111222222222)(A I ，得同解方程组 0321=++x x x ，令 3322~,~x x x x == ，得特征向量 []T2011−=X ， []T3101−=X ； [与书不同，都对]正交化：[]T22011−==X α ，[][]TTT 22223331212101121101,,⎥⎦⎤⎢⎣⎡−−=−−−=><><−=αααααX X ；单位化： T22202121⎥⎦⎤⎢⎣⎡−==ααP ， T333626161⎦⎤⎢⎣⎡−==ααP ； [与书不同] ④ 所求正交矩阵为[]⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡−−−==62031612131612131221P P P P ． [与书不同]本题附：① 可以验证 P T AP = diag ( 5, -1, -1 )．⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡−−−⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡−−−=6203161213161213112221222162616102121313131T AP P ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡−−=⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡−−⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡−−−=1000100056203561213561213562616102121313131 ． ② 用书上的P ，同样也可以验证 P T AP = diag ( 5, -1, -1 )．作业(P.162)：1； 6.(1)； 8；附录：关于复矩阵的共轭问题① 复矩阵的共轭矩阵 —— 每一矩阵元都取共轭；即复矩阵A = (ai j )的共轭矩阵为)(j ia=A．② 复向量的共轭向量 —— 每一元素都取共轭．。
大一线性代数知识点总结一、向量与矩阵1.1 向量的概念与性质向量是线性代数中的基本概念，它是指具有大小和方向的量。
在数学中，向量通常用箭头表示，并且可以表示为n维空间中的有序数组。
向量的加法与数乘定义为：- 两个向量的加法：设有两个向量a=(a1, a2, ..., an)和b=(b1, b2, ..., bn)，则它们的和定义为：a + b = (a1+b1, a2+b2, ..., an+bn)。
- 数乘：设有一个向量a=(a1, a2, ..., an)，一个标量k，那么k乘以a定义为：ka = (ka1, ka2, ..., kan)。
1.2 矩阵的概念与基本运算矩阵是由m行n列元素组成的长方形阵列，它的基本形式可以表示为：A= ( a11 a12 ... a1n )( a21 a22 ... a2n )( ... ... ... ... )( am1 am2 ... amn )其中，aij表示第i行第j列的元素。
矩阵的加法与数乘定义为：- 矩阵的加法：设有两个矩阵A与B，它们是同型矩阵，其相应元素相加即得到矩阵的和：A+B。
- 数乘：设有一个数k，以及一个矩阵A，那么可以通过数量k乘以矩阵A的每一个元素得到新的矩阵kA。
1.3 零向量与单位矩阵零向量是指所有分量都为零的向量，通常用0表示，对于n维空间而言，它的零向量可以表示为(0, 0, ..., 0)。
单位矩阵是指在主对角线上的元素都为1，其余元素都为0的方阵，通常用I表示。
对于n×n的单位矩阵可以表示为：I = ( 1 0 ... 0 )( 0 1 ... 0 )( ... ... ... )( 0 0 ... 1 )1.4 范数与内积向量的范数是指向量的长度，通常可以表示为||v||。
对于n维向量v=(v1, v2, ..., vn)，它的范数定义为：||v|| = √(v1^2 + v2^2 + ... + vn^2)。
