第五章 相似矩阵及二次型

向量的内积、长度及正交性

• 定义1
  设有 n 维向量
  
  令 [x, y] = x₁y₁ + x₂y₂ + … + x_ny_n，[x, y]称为向量 x 与 y 的内积

内积是两个向量之间的一种运算，其结果是一个实数
[x, y] = [y, x]
[λx, y] = λ[x, y]
[x+y, z] = [x, z] + [y, z]
当 x = 0 时，[x, x] = 0; 当 x ≠ 0 时，[x, x] ＞ 0 

施瓦茨不等式：[x, y]² ≤ [x, x][y, y]

• 定义2
  令 ||x|| = √[x, x] = √x²₁ + x²₂ + … + x²_n，||x|| 称为 n 维向量 x 的长度(或范数)

非负性 当 x ≠ 0 时，||x|| ＞ 0，当 x = 0 时，||x|| = 0
齐次性 ||λx|| = |λ| ||x||

当 ||x|| = 1，称 x 为单位向量
若 a ≠ 0，取 x = a / ||a||，则 x 是一个单位向量，由向量 a 得到 x 的过程称为把向量 a 单位化

当 x ≠ 0、y ≠ 0 时，θ = arccos([x, y] / (||x|| ||y||)) 称为 n 维向量 x 与 y 的夹角
当[x, y] = 0 时，称向量 x 与 y 正交
当 x = 0 时，x 与任何向量都正交

正交向量组：一组两两正交的非零向量

• 定理1
  若 n 维向量 a₁, a₂, …, a_r，是一组两两正交的非零向量，则 a₁, a₂, …, a_r 线性无关

• 定义3
  设 n 维向量 e₁, e₂, …, e_r是向量空间 V 的一个基，如果 e₁, e₂, …, e_r 两两正交，且都是单位向量，则称 e₁, e₂, …, e_r 是 V 的一个标准正交基

标准正交化⭐

• 定义4
  如果 n 阶矩阵 A 满足 A^TA = E（即A^-1 = A^T），那么称 A 为正交矩阵，简称正交阵

方阵 A 为正交矩阵的充分必要条件是 A 的列向量都是单位向量，且两两正交

1. 正交矩阵的性质：
   (i)若 A 为正交矩阵，则 A^-1 = A^T 也是正交矩阵，且 |A| = 1（或-1）
   (ii)若 A 和 B 都是正交矩阵，则 AB 也是正交矩阵

• 定义5
  若 P 为正交矩阵，则线性变换 y = Px 称为正交变换

方阵的特征值与特征向量

• 定义6
  设 A 是 n 阶矩阵，如果数 λ 和 n 维非零列向量 x 使关系式 Ax = λx 成立，那么，这样的数 λ 称为矩阵 A 的特征值，非零向量 x 称为 A 的对应于特征值 λ 的特征向量

(A - λE)x = 0 有非零解的充分必要条件是 |A -λE| = 0
特征方程、特征多项式

设 n 阶矩阵 A = a_ij 的特征值为 λ₁,λ₂, … , λ_n，则
① λ₁ + λ₂ + … + λ_n = a₁₁ + a₂₂ + … + a_nn
② λ₁λ₂…λ_n = |A|x

A 是可逆矩阵的充分必要条件是 它的 n 个特征值全不为零

应用——求基础矩阵的特征值和特征向量

对于定理2：特征值各不相等，可以推出特征向量线性无关，而特征值不是全部不相等时，特征向量未必就线性相关

应用——求多项式矩阵的特征值

相似矩阵

矩阵对角化⭐

应用——矩阵是否可以对角化、求可逆矩阵 P 和对角矩阵 ^

对称矩阵的对角化

• 性质1
  对称矩阵的特征值为实数

二次型及其标准型

1. 由二次型化矩阵记号
   

对称矩阵 A 叫做二次型 f 的矩阵
f 叫做对称矩阵 A 的二次型
对称矩阵 A 的秩叫做二次型 f 的秩

2. 二次型标准化

用配方法化二次型成标准形

正定二次型