线性代数之相似矩阵与二次型基础点
向量的内积
假设有n维向量如下:
则 称为向量x,y的内积。
注:内积类似于行列式,是向量间的运算,实际上是一个数。
几点注意:
- 如果x和y都是列向量,则
- [x,y] = [y,x] (乘法交换律)
- [λx,y] =λ[x,y]= [x, λy] (提取公因子、乘法结合律)
- [x+y,z] = [x,z]+[y,z] (乘法分配律)
向量的长度
则||x||称为n维向量x的长度(或范数)。
特别的当||x||的长度为1时称为单位向量。
向量夹角
称为n维向量x、y的夹角。
特别的[x,y]=0时,向量x和y正交。
显然对于向量组来说若n维向量 是一组两两正交的非零向量,则 线性无关。
规范正交基
设n维向量向量空间V(V⊂Rn )的基,如果 两两正交且都是单位向量,则 称之为向量空间V的一个规范正交基。
很显然向量空间V里的任意向量a均可以由线性表示,其表达式为:
施密特正交化
如一种由线性无关的向量组 构建成同维的两两正交的向量组的一种方法。
构建步骤:
Step1:构建两两正交的向量组
Step2:对单位化后的即是所求
上述过程又叫做对线性无关的向量组(向量空间V里的一个基)的规范正交化。
正交矩阵
n阶矩阵A满足如下条件
则称为正交矩阵,或简称为正交阵。向量方式表示见下:
可简写成 这里不难发现i和j相当的地方元素皆为1,不等的地方都是0,即对于单位矩阵E。
进而得到结论:方阵A是正交阵的充要条件是A的列向量都是单位向量,且两两相交。
(将方阵正交阵的判定条件转为每列是否是单位向量、两两向量是否正交)。
几点性质:
1 如果A是正交矩阵,那么 也都是正交阵且|A|=1或者|A|=-1。
2 如果A和B都是正交矩阵,那么AB也是正交矩阵。
特征值与特征向量
针对n阶的矩阵A,如果数λ 和n维非零列向量x有如下关系:
Ax=λ x 则称λ 是矩阵A的特征值,非零向量x称为该特征值对应 的特征向量。
上式子可变换成 (A-λE)X=0 ,由齐次方程组的性质则知 |A-λE |=0
特征方程与特征多项式
由特征值的定义结合齐次方程组的性质则知 |A-λE |=0,即有如下展开式:
这个以λ 为未知数的一元n次方程叫做矩阵A的特征方程,
|A-λE |是λ 的n次多项式,记作f(λ ),称为矩阵A的特征多项式。
这里不难发现:
即特征值之和等于行列式对角线的和,特征值的积等于行列式的值。
相似矩阵
设A,B都是n阶矩阵,若有可逆矩阵P使得
则称B是A的相似矩阵或者A与B相似。对A进行运算称为对A进行相似变换。可逆矩阵P称为A变成B的相似变换矩阵。
若n阶矩阵A与B相似,则A与B的特征多项式相同,A与B的特征值也相同。
如果n阶矩阵A与对角阵 相似,
则 即是A的n个特征值。
矩阵对角化
对n阶矩阵A找一个相似变换矩阵P使得 的过程叫做矩阵的对角化。
n阶矩阵A与对角阵相似(A能对角化)的充要条件是A有n个线性无关的特征向量。
如果n阶矩阵A的n个特征值互不相等,则A与对角型相似。
对称矩阵对角化
- 如果是对称矩阵A的两个特征值, 是对应的特征向量,若 则 正交。
- 设A为n阶对称阵,则必有正交阵P使得 其中⋀ 是以A的n个特征值为对角元的对角阵。
- 设A为m阶对称阵,λ是A的特征方程的k重根,则矩阵A-λE的秩R(A-λE)为n-k,对应的特征值λ恰有k个线性无关的特征向量。
二次型
含n个变量的二次齐次函数,表达式见下
称为二次型。
任给一个二次型就能唯一确定一个对称阵。反之任给一个对称阵也能唯一确定一个二次型。对称阵A叫做二次型f的矩阵,也把f叫做对称阵A的二次型。对称阵A的秩即叫做二次型f的秩。
二次型的标准形
仅含有平方项的二次型称为二次型的标准形。
矩阵合同
对于n阶矩阵A和B,如果有可逆矩阵C使得则称对称阵A与B合同。
任给二次型 总有正交变换x=Py,使得f化为标准形
其中 是矩阵的特征值。