线性代数之相似矩阵与二次型基础点

                                                          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。