- 参考:张宇高等数学基础30讲
文章目录
1. 矩阵的本质
1.1 矩阵是系统信息的表示方式
- 我们可以把矩阵看作信息的一种表示方式。比如英语系有98个女生,2个男生;机械系有95个男生,5个女生,这个系统可以用矩阵表示如下
矩阵忽略数据的现实含义,矩阵就是一组排列好的数,只要抽象地认为矩阵是一个系统信息的表达即可
1.2 两个重要观点
- 这里从向量组和线性方程组的角度补充两个认识矩阵的观点,以后再详细说明。以以下矩阵为例
A = [ 1 2 3 6 7 9 2 4 6 ] A = \begin{bmatrix} 1 & 2 & 3 \\ 6 & 7 & 9 \\ 2 & 4 & 6 \end{bmatrix} A= 162274396
- 重要观点1:矩阵是由若干行(列)向量拼成的: 上面的矩阵可以看成由三个行向量 [1,2,3],[6,7,9],[2,4,6] 组成,也可看成由三个列向量组成。
- 重要观点2:矩阵不能运算,但是其若干行(列)向量之间存在着某种联系:注意 [1,2,3] 与 [2,4,6] 这两个向量是平行的(存在线性关系),而 [1,2,3] 与 [6,7,9] , [2,4,6] 与 [6,7,9] 却不存在这种线性关系。这种关系反映了矩阵的本质 —— 矩阵的秩(示例矩阵的秩是2)
2. 矩阵的定义及基本运算
2.1 矩阵的定义
- 由
m
×
n
m \times n
m×n 个数
a
i
j
(
i
=
1
,
2
,
.
.
.
,
m
;
j
=
1
,
2
,
.
.
.
,
n
)
a_{ij}(i=1,2,...,m;j=1,2,...,n)
aij(i=1,2,...,m;j=1,2,...,n) 排成的m行n列的矩形表格
A = [ a 11 a 12 … a 1 n a 21 a 22 … a 2 n ⋮ ⋮ ⋮ a m 1 a m 2 … a m n ] A = \begin{bmatrix} a_{11} & a_{12} &\dots & a_{1n} \\ a_{21} & a_{22} &\dots & a_{2n} \\ \vdots & \vdots & &\vdots \\ a_{m1} &a_{m2} &\dots & a_{mn} \end{bmatrix} A= a11a21⋮am1a12a22⋮am2………a1na2n⋮amn
称为一个m x n矩阵
,简记为 A \pmb{A} A 或 ( a i j ) m × n (a_{ij})_{m \times n} (aij)m×n;当 m = n m=n m=n 时,称 A \pmb{A} A 为n阶方阵
- 两个矩阵
A
=
(
a
i
j
)
m
×
n
\pmb{A} = (a_{ij})_{m \times n}
A=(aij)m×n,
B
=
(
a
i
j
)
s
×
k
\pmb{B} = (a_{ij})_{s \times k}
B=(aij)s×k,若 m=s,n=k,则称
A
,
B
\pmb{A},\pmb{B}
A,B 为
同型矩阵
2.2 矩阵的基本运算
2.2.1 相等
- 矩阵
A
,
B
\pmb{A},\pmb{B}
A,B 为同型矩阵且每个元素相等,则矩阵
A
,
B
\pmb{A},\pmb{B}
A,B 相等
A = ( a i j ) m × n = B = ( a i j ) s × k ⇔ { m = s n = k a i j = b i j ( i = 1 , 2 , . . . , m ; j = 1 , 2 , . . . , n ) \pmb{A} = (a_{ij})_{m \times n} = \pmb{B} = (a_{ij})_{s \times k} \Leftrightarrow \left\{ \begin{aligned} &m &= & s \\ &n &= & k \\ &a_{ij} &= &b_{ij}(i=1,2,...,m;j=1,2,...,n) \end{aligned} \right. A=(aij)m×n=B=(aij)s×k⇔⎩ ⎨ ⎧mnaij===skbij(i=1,2,...,m;j=1,2,...,n)
2.2.2 加法
- 同型矩阵可以相加,做加法时对应元素相加
A + B = ( a i j ) m × n + ( b i j ) m × n = ( c i j ) m × n = C \pmb{A} + \pmb{B} = (a_{ij})_{m\times n} + (b_{ij})_{m\times n} = (c_{ij})_{m\times n} = \pmb{C} A+B=(aij)m×n+(bij)m×n=(cij)m×n=C
其中 c i j = a i j + b i j ( i = 1 , 2 , . . . , m ; j = 1 , 2 , . . . , n ) c_{ij} = a_{ij}+b_{ij}(i=1,2,...,m;j=1,2,...,n) cij=aij+bij(i=1,2,...,m;j=1,2,...,n)
2.2.3 数乘矩阵
- 设k是一个数,
A
\pmb{A}
A是一个
m
×
n
m \times n
m×n 矩阵,数k和
A
\pmb{A}
A 的乘积为数乘矩阵,即
k A = A k = k [ a 11 a 12 … a 1 n a 21 a 22 … a 2 n ⋮ ⋮ ⋮ a m 1 a m 2 … a m n ] = [ k a 11 k a 12 … k a 1 n k a 21 k a 22 … k a 2 n ⋮ ⋮ ⋮ k a m 1 k a m 2 … k a m n ] = ( k a i j ) m × n k\pmb{A} = \pmb{A}k = k \begin{bmatrix} a_{11} & a_{12} &\dots & a_{1n} \\ a_{21} & a_{22} &\dots & a_{2n} \\ \vdots & \vdots & &\vdots \\ a_{m1} &a_{m2} &\dots & a_{mn} \end{bmatrix} = \begin{bmatrix} ka_{11} & ka_{12} &\dots & ka_{1n} \\ ka_{21} & ka_{22} &\dots & ka_{2n} \\ \vdots & \vdots & &\vdots \\ ka_{m1} &ka_{m2} &\dots & ka_{mn} \end{bmatrix} = (ka_{ij})_{m\times n} kA=Ak=k a11a21⋮am1a12a22⋮am2………a1na2n⋮amn = ka11ka21⋮kam1ka12ka22⋮kam2………ka1nka2n⋮kamn =(kaij)m×n
即 A \pmb{A} A 的每个元素都乘以 k
2.2.4 矩阵乘法
- 设
A
\pmb{A}
A 是
m
×
s
m\times s
m×s 矩阵,
B
\pmb{B}
B 是
s
×
n
s\times n
s×n 矩阵,则
A
,
B
\pmb{A},\pmb{B}
A,B 可乘(
A
\pmb{A}
A 的列数必须与
B
\pmb{B}
B 的行数相等),乘积
A
B
\pmb{A}\pmb{B}
AB 是
m
×
n
m\times n
m×n 矩阵,记
C
=
A
B
=
(
c
i
j
)
m
×
n
\pmb{C} = \pmb{A}\pmb{B} = (c_{ij})_{m\times n}
C=AB=(cij)m×n,其中
c i j = ∑ k = 1 s a i k b k j = a i 1 b 1 j + a i 2 b 2 j + . . . + a i s b s j , ( i = 1 , 2 , . . . , m ; j = 1 , 2 , . . . , n ) c_{ij} = \sum^s_{k=1}a_{ik}b_{kj} = a_{i1}b_{1j} + a_{i2}b_{2j} +...+ a_{is}b_{sj}, (i=1,2,...,m;j=1,2,...,n) cij=k=1∑saikbkj=ai1b1j+ai2b2j+...+aisbsj,(i=1,2,...,m;j=1,2,...,n)
2.2.5 转置矩阵
- 将
m
×
n
m\times n
m×n 矩阵
A
=
(
a
i
j
)
m
×
n
\pmb{A} = (a_{ij})_{m\times n}
A=(aij)m×n 的行与列互换得到的
n
×
m
n\times m
n×m 矩阵,称为
A
\pmb{A}
A 的转置矩阵,记为
A
T
A^T
AT,即
A T = [ a 11 a 21 … a m 1 a 12 a 22 … a m 2 ⋮ ⋮ ⋮ a 1 n a 2 n … a m n ] A^T = \begin{bmatrix} a_{11} & a_{21} &\dots & a_{m1} \\ a_{12} & a_{22} &\dots & a_{m2} \\ \vdots & \vdots & &\vdots \\ a_{1n} &a_{2n} &\dots & a_{mn} \end{bmatrix} AT= a11a12⋮a1na21a22⋮a2n………am1am2⋮amn
2.2.6 向量的內积与正交
- 设
α
=
[
a
1
,
a
2
,
.
.
.
,
a
n
]
T
,
β
=
[
b
1
,
b
2
,
.
.
.
,
b
n
]
T
\pmb{\alpha} = [a_1,a_2,...,a_n]^T,\pmb{\beta} = [b_1,b_2,...,b_n]^T
α=[a1,a2,...,an]T,β=[b1,b2,...,bn]T,则
內积
:向量 α , β \pmb{\alpha},\pmb{\beta} α,β 的內积为
α T β = ∑ i = 1 n a i b i = a 1 b 1 + a 2 b 2 + . . . + a n b n \pmb{\alpha}^T\pmb{\beta} = \sum_{i=1}^na_ib_i = a_1b_1+a_2b_2+...+a_nb_n αTβ=i=1∑naibi=a1b1+a2b2+...+anbn
记为 ( α , β ) (\pmb{\alpha},\pmb{\beta}) (α,β),即 ( α , β ) = α T β (\pmb{\alpha},\pmb{\beta}) = \pmb{\alpha}^T\pmb{\beta} (α,β)=αTβ,内积计算的实际是向量 β \pmb{\beta} β 在向量 α \pmb{\alpha} α 方向上投影的长度值放大 ∣ ∣ α ∣ ∣ ||\alpha|| ∣∣α∣∣倍,是一个数 ,设向量 α , β \pmb{\alpha},\pmb{\beta} α,β 夹角为 θ \theta θ,有
( α , β ) = ∣ ∣ α ∣ ∣ ⋅ ∣ ∣ β ∣ ∣ ⋅ c o s θ (\pmb{\alpha},\pmb{\beta}) = ||\pmb{\alpha}|| · ||\pmb{\beta}||·cos\theta (α,β)=∣∣α∣∣⋅∣∣β∣∣⋅cosθ正交
:当 α T β = 0 \pmb{\alpha}^T\pmb{\beta} = 0 αTβ=0 时,称向量 ( α , β ) (\pmb{\alpha},\pmb{\beta}) (α,β) 是正交向量。所谓正交,在几何意义上就是两向量相互垂直模
:模即为向量的长度,向量 α \pmb{\alpha} α 的模为
∣ ∣ α ∣ ∣ = ∑ i = 1 n a i 2 ||\pmb{\alpha}|| = \sqrt{\sum_{i=1}^na_i^2} ∣∣α∣∣=i=1∑nai2
当 ∣ ∣ α ∣ ∣ = 1 ||\pmb{\alpha}|| = 1 ∣∣α∣∣=1 时,称 α \pmb{\alpha} α 为单位向量
标准正交向量组
:若向量组 α 1 , α 2 , . . . , α s \pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_s α1,α2,...,αs 满足
α i T α j = { 0 , i ≠ j ⇒ α i ⊥ α j 1 , i = j ⇒ ∣ ∣ α i ∣ ∣ = 1 \pmb{\alpha}_i^T\pmb{\alpha}_j = \left\{ \begin{aligned} &0&,i\neq j &\Rightarrow \pmb{\alpha}_i \perp \pmb{\alpha}_j \\ &1&,i=j &\Rightarrow ||\pmb{\alpha}_i|| = 1 \end{aligned} \right. αiTαj={01,i=j,i=j⇒αi⊥αj⇒∣∣αi∣∣=1
则称向量组 α 1 , α 2 , . . . , α s \pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_s α1,α2,...,αs 为标准正交向量组(单位正交向量组),笛卡尔坐标的三个方向向量就是一组标准正交向量组。关键:每个向量都是单位向量,且两两正交
2.2.7 施密特标准正交化
-
施密特标准正交化可以将任意线性无关向量组 α 1 , α 2 \pmb{\alpha}_1,\pmb{\alpha}_2 α1,α2 转换为标准正交向量组 η 1 , η 2 \pmb{\eta}_1,\pmb{\eta}_2 η1,η2,其分为两步进行
- 正交化:将任意线性无关向量组
α
1
,
α
2
\pmb{\alpha}_1,\pmb{\alpha}_2
α1,α2 转换为正交向量组
β
1
,
β
2
\pmb{\beta}_1,\pmb{\beta}_2
β1,β2
{ β 1 = α 1 , β 2 = α 2 − ( α 2 , β 1 ) ( β 1 , β 1 ) β 1 \left\{ \begin{aligned} &\pmb{\beta}_1 = \pmb{\alpha}_1, \\ &\pmb{\beta}_2 = \pmb{\alpha}_2 - \frac{(\pmb{\alpha}_2,\pmb{\beta}_1)}{(\pmb{\beta}_1,\pmb{\beta}_1)} \pmb{\beta}_1 \end{aligned} \right. ⎩ ⎨ ⎧β1=α1,β2=α2−(β1,β1)(α2,β1)β1
从几何角度理解一下,是这样的
t = ∣ ∣ α 2 ∣ ∣ ⋅ c o s θ ⋅ α 1 ∣ ∣ α 1 ∣ ∣ = ∣ ∣ α 2 ∣ ∣ ⋅ ∣ ∣ β 1 ∣ ∣ ⋅ c o s θ ∣ ∣ β 1 ∣ ∣ 2 ⋅ β 1 = ( α 2 , β 1 ) ( β 1 , β 1 ) β 1 \begin{aligned} \pmb{t} &= ||\pmb{\alpha}_2||·cos\theta·\frac{\pmb{\alpha}_1}{||\pmb{\alpha}_1||} \\ &=\frac{||\pmb{\alpha}_2||·||\pmb{\beta}_1||·cos\theta}{||\pmb{\beta}_1||^2}·\pmb{\beta}_1 \\ &=\frac{(\pmb{\alpha}_2,\pmb{\beta}_1)}{(\pmb{\beta}_1,\pmb{\beta}_1)} \pmb{\beta}_1 \end{aligned} t=∣∣α2∣∣⋅cosθ⋅∣∣α1∣∣α1=∣∣β1∣∣2∣∣α2∣∣⋅∣∣β1∣∣⋅cosθ⋅β1=(β1,β1)(α2,β1)β1
2. 单位化:将正交向量组 β 1 , β 2 \pmb{\beta}_1,\pmb{\beta}_2 β1,β2 单位化,即得标准正交向量组 η 1 , η 2 \pmb{\eta}_1,\pmb{\eta}_2 η1,η2
{ η 1 = β 1 ∣ ∣ β 1 ∣ ∣ , η 2 = β 2 ∣ ∣ β 2 ∣ ∣ \left\{ \begin{aligned} &\pmb{\eta}_1 = \frac{\pmb{\beta}_1}{||\pmb{\beta}_1||}, \\ &\pmb{\eta}_2 = \frac{\pmb{\beta}_2}{||\pmb{\beta}_2||} \end{aligned} \right. ⎩ ⎨ ⎧η1=∣∣β1∣∣β1,η2=∣∣β2∣∣β2 - 正交化:将任意线性无关向量组
α
1
,
α
2
\pmb{\alpha}_1,\pmb{\alpha}_2
α1,α2 转换为正交向量组
β
1
,
β
2
\pmb{\beta}_1,\pmb{\beta}_2
β1,β2
2.2.8 方阵的幂
- 设 A \pmb{A} A 是一个n阶方阵,则 A m = A A . . . A ⏞ m个 \pmb{A}^m = \overbrace{\pmb{A}\pmb{A}...\pmb{A}}^{\text{m个}} Am=AA...A m个 称为 A \pmb{A} A 的m次幂
2.3 运算律
2.3.1 线性运算
-
A
,
B
,
C
\pmb{A},\pmb{B},\pmb{C}
A,B,C 是同型矩阵,
k
,
l
k,l
k,l 是任意常数
- 交换律: A + B = B + A \pmb{A} + \pmb{B} = \pmb{B} + \pmb{A} A+B=B+A
- 结合律: ( A + B ) + C = A + ( B + C ) (\pmb{A}+\pmb{B})+\pmb{C} = \pmb{A}+(\pmb{B}+\pmb{C}) (A+B)+C=A+(B+C)
- 分配率: k ( A + B ) = k A + k B , ( k + l ) A = k A + l A k(\pmb{A}+\pmb{B})=k\pmb{A}+k\pmb{B},(k+l)\pmb{A} = k\pmb{A} + l\pmb{A} k(A+B)=kA+kB,(k+l)A=kA+lA
- 数乘结合律: k ( l A ) = ( k l ) A = l ( k A ) k(l\pmb{A}) = (kl)\pmb{A} = l(k\pmb{A}) k(lA)=(kl)A=l(kA)
2.3.2 方阵的行列式
- 当n阶方阵
A
\pmb{A}
A 计算行列式时,记作
∣
A
∣
|\pmb{A}|
∣A∣,设
A
,
B
\pmb{A},\pmb{B}
A,B 是同阶方阵,则
- ∣ k A ∣ = k n ∣ A ∣ ≠ k ∣ A ∣ ( n ≥ 2 , k ≠ 0 , 1 ) |k\pmb{A}| = k^n|\pmb{A}| \neq k|\pmb{A}|(n\geq2,k\neq0,1) ∣kA∣=kn∣A∣=k∣A∣(n≥2,k=0,1)
- 一般,
∣
A
+
B
∣
≠
∣
A
∣
+
∣
B
∣
|\pmb{A}+\pmb{B}| \neq |\pmb{A}|+|\pmb{B}|
∣A+B∣=∣A∣+∣B∣
- 比如 A = [ 1 0 0 1 ] , B = [ − 1 0 0 − 1 ] \pmb{A}=\begin{bmatrix} 1 & 0 \\ 0 & 1\end{bmatrix},\pmb{B} = \begin{bmatrix} -1 & 0 \\ 0 & -1\end{bmatrix} A=[1001],B=[−100−1],此时 ∣ A + B ∣ = 0 , ∣ A ∣ + ∣ B ∣ = 2 |\pmb{A}+\pmb{B}| = 0,|\pmb{A}|+|\pmb{B}|=2 ∣A+B∣=0,∣A∣+∣B∣=2
- ∣ A B ∣ = ∣ A ∣ ∣ B ∣ |\pmb{A}\pmb{B}|=|\pmb{A}||\pmb{B}| ∣AB∣=∣A∣∣B∣
-
A
≠
0
⇏
∣
A
∣
≠
0
\pmb{A}\neq \pmb{0} \nRightarrow |\pmb{A}|\neq 0
A=0⇏∣A∣=0
- 比如 A = [ 1 1 1 1 ] \pmb{A}=\begin{bmatrix} 1 & 1 \\ 1 & 1\end{bmatrix} A=[1111]
-
A
≠
B
⇏
∣
A
∣
≠
∣
B
∣
\pmb{A}\neq \pmb{B} \nRightarrow |\pmb{A}|\neq |\pmb{B}|
A=B⇏∣A∣=∣B∣
- 比如 A = [ 1 0 0 1 ] , B = [ − 1 0 0 − 1 ] \pmb{A}=\begin{bmatrix} 1 & 0 \\ 0 & 1\end{bmatrix},\pmb{B} = \begin{bmatrix} -1 & 0 \\ 0 & -1\end{bmatrix} A=[1001],B=[−100−1]
2.3.3 矩阵乘法
-
A , B , C \pmb{A},\pmb{B},\pmb{C} A,B,C 是矩阵, k k k 是任意常数
- 结合律: ( A m × s B s × r ) C r × n = A m × s ( B s × r C r × n ) (\pmb{A}_{m\times s}\pmb{B}_{s\times r})\pmb{C}_{r\times n} = \pmb{A}_{m\times s}(\pmb{B}_{s\times r}\pmb{C}_{r\times n}) (Am×sBs×r)Cr×n=Am×s(Bs×rCr×n)
- 分配率: A m × s ( B s × n + C s × n ) = A m × s B s × n + A m × s C s × n \pmb{A}_{m\times s}(\pmb{B}_{s\times n}+\pmb{C}_{s\times n}) = \pmb{A}_{m\times s}\pmb{B}_{s\times n}+\pmb{A}_{m\times s}\pmb{C}_{s\times n} Am×s(Bs×n+Cs×n)=Am×sBs×n+Am×sCs×n
- 数乘与矩阵乘积的结合律: ( k A m × s ) B s × n = A m × s ( k B s × n ) = k ( A m × s B s × n ) (k\pmb{A}_{m\times s})\pmb{B}_{s\times n} = \pmb{A}_{m\times s}(k\pmb{B}_{s\times n})=k(\pmb{A}_{m\times s}\pmb{B}_{s\times n}) (kAm×s)Bs×n=Am×s(kBs×n)=k(Am×sBs×n)
-
矩阵乘法通常不满足交换律:
- 给上面(3)举个例子,比如 A = [ 1 0 0 1 ] , B = [ − 1 0 0 − 1 ] , C = [ 0 0 0 0 ] \pmb{A}=\begin{bmatrix} 1 & 0 \\ 0 & 1\end{bmatrix},\pmb{B} = \begin{bmatrix} -1 & 0 \\ 0 & -1\end{bmatrix},\pmb{C} = \begin{bmatrix} 0 & 0 \\ 0 & 0\end{bmatrix} A=[1001],B=[−100−1],C=[0000],此时 A B = A C = [ 0 0 0 0 ] \pmb{A}\pmb{B}=\pmb{A}\pmb{C} = \begin{bmatrix} 0 & 0 \\ 0 & 0\end{bmatrix} AB=AC=[0000]
2.3.4 矩阵转置
- 设
A
\pmb{A}
A 是
m
×
n
m\times n
m×n 矩阵
- ( A T ) T = A (\pmb{A}^T)^T = \pmb{A} (AT)T=A
- ( k A ) T = k A T (k\pmb{A})^T = k\pmb{A}^T (kA)T=kAT
- ( A + B ) T = A T + B T (\pmb{A}+\pmb{B})^T = \pmb{A}^T+\pmb{B}^T (A+B)T=AT+BT
- ( A B ) T = B T A T (\pmb{A}\pmb{B})^T = \pmb{B}^T\pmb{A}^T (AB)T=BTAT
- m=n时, A \pmb{A} A是方阵,此时根据行列式性质,有 ∣ A T ∣ = ∣ A ∣ |\pmb{A}^T|=|\pmb{A}| ∣AT∣=∣A∣
3. 几种重要矩阵
- 零矩阵 ( 0 \pmb{0} 0):每个元素均为0的矩阵
- 单位矩阵 ( E \pmb{E} E 或 I \pmb{I} I):主对角线全为1,其余元素全为0的n阶方阵
- 数量矩阵:数 k k k 和单位矩阵的乘积称为数量矩阵,主对角线全为 k k k,其余元素全为 0 的n阶方阵
- 对角矩阵:非主对角线元素均为 0 的矩阵
- 上(下)三角矩阵:当 i > ( < ) j i>(<)j i>(<)j 时, a i j = 0 a_{ij}=0 aij=0 的矩阵称为上(下)三角矩阵
- 对称矩阵:满足条件
A
T
=
A
\pmb{A}^T = \pmb{A}
AT=A 的矩阵
A
\pmb{A}
A 称为对称矩阵,
A T = A ⇔ a i j = a j i 例如 A = [ 1 2 3 2 7 9 3 9 6 ] \pmb{A}^T = \pmb{A} \Leftrightarrow a_{ij}=a_{ji}\\ \\\space\\ 例如A = \begin{bmatrix} 1 & 2 & 3 \\ 2 & 7 & 9 \\ 3 & 9 & 6 \end{bmatrix} AT=A⇔aij=aji 例如A= 123279396 - 反对称矩阵:满足条件
A
T
=
−
A
\pmb{A}^T = -\pmb{A}
AT=−A 的矩阵
A
\pmb{A}
A 称为反对称矩阵
A T = − A ⇔ { a i j = − a j i , i ≠ j a i i = 0 例如 A = [ 0 2 3 − 2 0 9 − 3 − 9 0 ] \pmb{A}^T = -\pmb{A} \Leftrightarrow \left\{ \begin{aligned} &a_{ij} = -a_{ji}&,i\neq j \\ &a_{ii} = 0 \end{aligned} \right. \\\space\\ 例如A = \begin{bmatrix} 0 & 2 & 3 \\ -2 & 0& 9 \\ -3 & -9 & 0 \end{bmatrix} AT=−A⇔{aij=−ajiaii=0,i=j 例如A= 0−2−320−9390 - 正交矩阵:设
A
\pmb{A}
A 是n阶方阵,满足
A
T
A
=
E
\pmb{A}^T\pmb{A} = \pmb{E}
ATA=E,则称
A
\pmb{A}
A 是正交矩阵。
A 是正交矩阵 ⇔ A T A = E ⇔ A 的行(列)向量是标准正交向量组 \pmb{A}是正交矩阵 \Leftrightarrow \pmb{A}^T\pmb{A} = \pmb{E} \Leftrightarrow \pmb{A}的行(列)向量是标准正交向量组 A是正交矩阵⇔ATA=E⇔A的行(列)向量是标准正交向量组
分析:设 A = [ a 1 a 2 a 3 b 1 b 2 b 3 c 1 c 2 c 3 ] \pmb{A} = \begin{bmatrix}a_1 & a_2 & a_3 \\b_1 & b_2 & b_3 \\c_1 & c_2 & c_3\end{bmatrix} A= a1b1c1a2b2c2a3b3c3 ,且记
α = [ a 1 , a 2 , a 3 ] T , β = [ b 1 , b 2 , b 3 ] T , γ = [ c 1 , c 2 , c 3 ] T ∴ A T A = [ a 1 a 2 a 3 b 1 b 2 b 3 c 1 c 2 c 3 ] [ a 1 b 1 c 1 a 2 b 2 c 2 a 3 b 3 c 3 ] = E = [ 1 0 0 0 1 0 0 0 1 ] ∴ { α T α = 1 ⇒ ∣ ∣ α ∣ ∣ = 1 β T β = 1 ⇒ ∣ ∣ β ∣ ∣ = 1 γ T γ = 1 ⇒ ∣ ∣ γ ∣ ∣ = 1 α T β = 0 ⇒ ( α , β ) = 0 , 即 α , β 正交 α T γ = 0 ⇒ ( α , γ ) = 0 , 即 α , γ 正交 β T γ = 0 ⇒ ( β , γ ) = 0 , 即 β , γ 正交 \pmb{\alpha} = [a_1,a_2,a_3]^T,\pmb{\beta} = [b_1,b_2,b_3]^T,\pmb{\gamma} = [c_1,c_2,c_3]^T \\ \\\space \\ \therefore \pmb{A}^T\pmb{A} = \begin{bmatrix} a_1 & a_2 & a_3 \\ b_1 & b_2 & b_3 \\ c_1 & c_2 & c_3 \end{bmatrix} \begin{bmatrix} a_1 & b_1 & c_1 \\ a_2 & b_2 & c_2 \\ a_3 & b_3 & c_3 \end{bmatrix} = \pmb{E} = \begin{bmatrix} 1& 0& 0\\ 0& 1& 0\\ 0& 0& 1 \end{bmatrix} \\\space \\ \therefore \left\{ \begin{aligned} & \pmb{\alpha}^T\pmb{\alpha} = 1 \Rightarrow ||\pmb{\alpha}|| = 1 \\ & \pmb{\beta}^T\pmb{\beta} = 1 \Rightarrow ||\pmb{\beta}|| = 1 \\ & \pmb{\gamma}^T\pmb{\gamma} = 1 \Rightarrow ||\pmb{\gamma}|| = 1 \\ & \pmb{\alpha}^T\pmb{\beta} = 0 \Rightarrow (\pmb{\alpha},\pmb{\beta}) = 0,即\pmb{\alpha},\pmb{\beta}正交\\ & \pmb{\alpha}^T\pmb{\gamma} = 0 \Rightarrow (\pmb{\alpha},\pmb{\gamma}) = 0,即\pmb{\alpha},\pmb{\gamma}正交\\ & \pmb{\beta}^T\pmb{\gamma} = 0 \Rightarrow (\pmb{\beta},\pmb{\gamma}) = 0,即\pmb{\beta},\pmb{\gamma}正交 \end{aligned} \right. α=[a1,a2,a3]T,β=[b1,b2,b3]T,γ=[c1,c2,c3]T ∴ATA= a1b1c1a2b2c2a3b3c3 a1a2a3b1b2b3c1c2c3 =E= 100010001 ∴⎩ ⎨ ⎧αTα=1⇒∣∣α∣∣=1βTβ=1⇒∣∣β∣∣=1γTγ=1⇒∣∣γ∣∣=1αTβ=0⇒(α,β)=0,即α,β正交αTγ=0⇒(α,γ)=0,即α,γ正交βTγ=0⇒(β,γ)=0,即β,γ正交
则 A \pmb{A} A 是由两两正交的单位向量组(称为规范正交基)组成 - 分块矩阵:
- 矩阵的分块
- 分块矩阵的基本运算(以
2
×
2
2\times 2
2×2型分块矩阵为例)
- 矩阵的分块