第五章补 相似矩阵及二次型.docVIP

第一节 向量的内积，长度及正交性 定义1 设n维向量 令。称为向量x与y的内积。内积的结果是一个实数，用矩阵记号表示，当x与y都是列向量，有。 性质： 当x=0，；当x≠0时， 施瓦茨不等式 定义2 令，则称为n维向量x的长度或范数。当=1时，称x是单位向量。 性质：非负性：当x≠0时，0；当x=0时，=0 齐次性： 三角不等式： 由施瓦茨不等式，有，因为，故可定义为n维向量x与y的夹角。当时，称x与y正交。此时夹角为90°。 正交向量组的性质：正交的两个向量线性无关。但线性无关的两个向量未必正交。 定义3 设n维向量是向量空间V（，即V的向量是n维的）的一个基，若两两正交，且都是单位向量（模=1），则称是V的一个规范正交基。如果得到了V的一组规范正交基，因为V中的任意向量a都可以被基表示，故也可以被规范正交基线性表示： 那么如何求得表示的坐标（即系数）？这就是规范正交基的优点，它在求坐标时十分简单， 如果知道V的一个基，如何化成规范正交基？ 化为正交基（施密特正交化）： ... 注意：最后一项是br-1 再化为标准正交基（即单位化） 定义4 n阶矩阵A满足，称A是正交矩阵，简称正交阵。 为什么称之为正交阵？显然根据定义有，即： 显然，方阵A是正交阵的充分必要条件是A的列向量都是单位向量（即）（这样保证主对角线结果为1），且两两正交（保证其它元素值为0）。因此称为正交阵。 由此可见，n阶正交阵A的所有（n个）列向量（行向量也一样，可以）构成了向量空间的一个规范正交基。 正交矩阵的性质：1、若A是正交阵，也是正交阵，且； 若A和B都是正交阵，则AB也是正交阵。 定义5 若P是正交阵，则线性变换y=Px称为正交变换。若y=Px，有 ，即一个向量正交变换得到的新向量长度相等（正交变换等于图形旋转，从而三角形形状不变）。这是正交变换的优良特性。 第二节 方阵的特征值和特征向量 定义6 若n阶方阵A，n维非零列向量x，数存在如下关系： 则称是A的特征值（有限多个），x是A对应某个的特征向量（一个特征值对应无限多个特征向量）。 注意x是非零的。 性质： A的特征值之和等于A的迹 A的特征值之积等于A的行列式值 若是A的一个（对应的）特征向量，则也是A的（对应的）特征向量。 A的特征值是，则的特征值是 如何求特征值？显然这是一个关于解为x的齐次方程，且x非零，那么就是求非零解。而非零解应有系数矩阵不满秩（如果满秩只有0解），故系数矩阵为奇异矩阵，因此可以直接令，求出。我们称是A的特征方程，一定是的n次多项式，反正结果是个值，我们于是记作，称为A的特征多项式。显然A的特征值就是A的特征多项式的解。因此，n阶矩阵A一定有n个特征值。只是可能有些是重复的。 第三节 相似矩阵 定义7 设A、B都是n阶矩阵，若存在可逆矩阵P，使得，则称B是A的相似矩阵，A与B相似。对A进行的运算称为对A进行相似变换，P是对应的相似变换矩阵。 定理3 若A与B相似，则其特征多项式相同，因此特征值也是相同的。 对角阵的特征值就是主对角线的数。 那么若n阶矩阵A与相似，则特征值就可以肉眼看出来了。因此，我们希望让A与相似，即。这个过程称为把矩阵A对角化。经过计算，得到P中的任意向量其实就是特征值对应的特征向量。这n个特征向量组成了相似变换矩阵P，恰好满足。这样就能求P了。有那么P是否可逆呢？如果不可逆，即不满秩，即奇异，即线性相关，那么前功尽弃。因此，P必须是可逆的，也即P必须是线性无关的。 定理4 n阶矩阵A与对角阵相似，或者说A能对角化的充分必要条件是A有n个线性无关的特征向量。 推论：n阶矩阵A的n个特征值互不相等，则A与对角阵相似。 这说明，n阶A的n个特征值互不相等，则A有n个线性无关的特征向量。但是。如果n阶矩阵A的n个特征值相等，不能说明A的n个向量一定线性相关，也可能是线性无关的。 第四节 对称矩阵的对角化 本节课学习一下当方阵是对称阵的时候，对角化后的特点。 定理6 对称阵A的某两个特征值若不等，则对应的一定正交。 （正交一定线性无关，但反之不成立） 定理7 设A为n阶对称阵，则必有正交阵P（单位的正交矩阵），使得，其中的是以A的n个特征值为对角元的对角阵。 推论：设A为n阶对称阵，是A的特征方程的k重根，则矩阵的秩，从而对应特征值恰有k个线性无关的特征向量。 这段推论的意思是，假如是的重根，那么矩阵的秩就是。比如5阶矩阵A的特征值为，，那么显然矩阵的秩为3，的秩为2 据此得到对称阵A求正交阵P的方法：1、求出n阶对称阵A的n个特征值。2、根据特征值求出对应的n个线性无关的特征向量（这些向量组成的矩阵，因此这个矩阵P不是单位阵，也不是正交阵。但是只要每个向量除以模，即可得到一个单位正交阵P。即：）。将这些特征向量规范正交化，可得到单位的