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 + … + xnyn,[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 + … + x2n,||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, …, ar,是一组两两正交的非零向量,则 a1, a2, …, ar 线性无关 -
定义3
设 n 维向量 e1, e2, …, er是向量空间 V 的一个基,如果 e1, e2, …, er 两两正交,且都是单位向量,则称 e1, e2, …, er 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 ATA = E(即A-1 = AT),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
- 正交矩阵的性质:
(i)若 A 为正交矩阵,则 A-1 = AT 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 = aij 的特征值为 λ1,λ2, … , λn,则
① λ1 + λ2 + … + λn = a11 + a22 + … + ann
② λ1λ2…λn = |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
- 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
- 二次型标准化