第五章 相似矩阵及二次型 第一二节 向量的内积、长度及正交性/方阵的特征值与特征向量

§5.1 向量的内积、长度及正交性
§5.2 方阵的特征值与特征向量

5.1 向量的内积、长度及正交性

  设有
$$x=\left(\begin{array}{c}{x}_1\\ x_2\\ ⋮\\ x_n\end{array}\right),y=\left(\begin{array}{c}{y}_1\\ y_2\\ ⋮\\ y_n\end{array}\right)$$
令
$$[x,y]=x_1{y}_1+x_2{y}_2+\cdots +x_n{y}_n$$
$[x,y]$称为向量$x$和向量$y$的内积。

性质

1.$[x,y]=[y,x]$;
2.$[\lambda x,y]=\lambda [x,y]$;
3.$[x+y,z]=[x,z]+[y,z]$;
4.当$x=0$时，$[x,x]=0$;当$x̸=0$时，$[x,x]>0$.

  令
$$||x||=\sqrt{[x,x]}=\sqrt{x_1^2+x_2^2+\cdots +x_n^2},$$
则称$||x||$为$n$维向量$x$的长度(或范数).

性质

1.非负性：当$x̸=0$时，$||x||>0$,当$x=0$时，$||x||=0$;
2.齐次性：$||\lambda x||=|\lambda |||x||$;
3.三角不等式：$||x+y||\le ||x||+||y||$.

定理

若$n$维向量$a_1,a_2,\cdots ,a_r$是一组两两正交的非零向量，则$a_1,a_2,\cdots ,a_r$线性无关。
  设$n$维向量$e_1,e_2,\cdots ,e_r$是向量空间$V(v\in R^n)$的一个基，如果$e_1,e_2,\cdots ,e_r$两两正交，且都是单位向量，则称$e_1,e_2,\cdots ,e_r$是$V$的一个规范正交基。
  施密特正交化：找到一组两两正交的单位向量$e_1,e_2,\cdots ,e_r$,与基$a_1,a_2,\cdots ,a_r$等价。
  如果$n$阶矩阵$A$满足：
$$A^{T}A=E$$
那么称$A$为正交矩阵，简称正交阵。

性质

1.若$A$为正交矩阵，那么$A^{-1}=A^T$也是正交阵；
2.若$A$和$B$为正交矩阵，那么$AB$也是正交阵。
  若$P$为正交阵，则线性变换$y=Px$称为正交变换。

5.2 方阵的特征值与特征向量

  设$A$是$n$阶矩阵，如果数$\lambda$和$n$维非零列向量$x$使关系式
$$Ax=\lambda x\text{\hspace{1em}(1)}$$
成立，那么，这样的数$\lambda$称为矩阵$A$的特征值，非零向量$x$称为矩阵$A$的对应的特征值$\lambda$的特征向量。
$(1)$式也可以写成
$$(A-\lambda E)=0,$$
即
$$\left|\begin{array}{cccc}{a}_{11}-\lambda & a_{12}& \cdots & a_{1n}\\ a_{21}& a_{22}-\lambda & \cdots & a_{2n}\\ ⋮& ⋮& & ⋮\\ a_{n1}& a_{n2}& \cdots & a_{nn}-\lambda \end{array}\right|=0.$$
上式是以$\lambda$为未知源的一元$n$次方程，称为矩阵$A$的特征方程。其左端$|A-\lambda E|$是$\lambda$的$n$次多项式，记做$f(\lambda )$,称为矩阵$A$的特征多项式。

定理

设${\lambda }_1,{\lambda }_2,\cdots ,{\lambda }_m$是方阵$A$的$m$个特征值，$p_1,p_2,\cdots ,p_m$依次是与之对应的特征向量，如果${\lambda }_1,{\lambda }_2,\cdots ,{\lambda }_m$各不相等，则$p_1,p_2,\cdots ,p_m$线性无关。

《线性代数》同济大学第五版笔记