定义 7.1 欧氏空间
V(R)
的一个线性变换
σ
称为正交变换,如果
∀α,β∈V
,都有
(σ(α),σ(β))=(α,β)
或者
|σ(α)|=|α|
原内积=像的内积
原长度=像的长度
<α,β>=arccos(α,β)|α||β|
,所以夹角不变
定义 7.2 欧氏空间V(R)的正交变换
σ
关于V的单位正交基所对应的矩阵A称为正交矩阵
定义 7.3 n阶实矩阵A称为正交矩阵,如果
ATA=E
。
正交矩阵相关性质:
(1)
A−1=AT
,且
AT
也是正交矩阵
(2)
|A|=1或−1
(3)AB是正交矩阵,则BA也是
Schmidt正交化
定理 7.1 若A可逆,则存在正交矩阵Q和主对角为正数的上三角矩阵R,使得
A=QR
通过Schmidt正交化证明
定理 7.4 设线性变换
σ∈L(V,V)
,
B1={α1,⋯,αn}
和
B2={β1,⋯,βn}
是线性空间V(F)的两组基,基
B1
变为基
B2
的变换矩阵是C,如果
σ
在基
B1
下的矩阵是A,则
σ
在基
B2
下的矩阵是
B=C−1AC
,称A相似于B,记作
A∼B
定义 7.5 设
σ
是线性空间V(F)的一个线性变换,如果存在数
λ
和非零向量
ζ∈V
,使得
σ(ζ)=λζ
则称数
λ
是
σ
的一个特征值,
ζ
是
σ
的属于其特征值
λ
的特征向量。
定理 7.6 若矩阵A与B相似,则它们的特征多项式相等,即
|λE−A|=|λE−B|
矩阵相似可以看作同一映射在不同基下的矩阵表示。特征值肯定是相同的。
m个特征子空间的和是直和,即
dim(Vλ1+⋯+Vλm)=∑j=1mdimVλj
直和:
W1∩W2
=0,则
W1+W2={α|α=α1+α2,α1∈W1,α2∈W2}
叫做
W1与W2
的直和
α=α1+α2
唯一
交0
分解只能
0=0+0
dim(W1+W2)=dim(W1)+dim(W2)
这四个命题等价
如果有限维线性空间V(F)的线性变换
σ
在V的某个基下的对应矩阵是对角阵,则称
σ
是可对角化的线性变换。同样与对角阵相似的矩阵A称为可对角化矩阵。
定理7.8 A可对角化
⟺
A有n个线性无关的特征向量
实对称矩阵A的特征值都是实数
实对称矩阵A的属于不同特征值的特征向量是正交的
若A是一个n阶实对称矩阵,则存在正交矩阵Q,使得
Q−1AQ=diag(λ1,⋯,λn)
证明:A至少存在一个特征值(且是实数)(
|λE−A|=0
,至少有n个根,包括重根。肯定有解
λ1
。有解就表明零空间维度>0,存在非零的特征向量),所以至少存在相应的非零特征向量。之后用归纳法证明。
说明实对称矩阵一定可对角化
实对称矩阵A有
XTAX>0
恒成立,则A是正定矩阵。其相合于对角元大于0的对角阵。
做坐标变换
X=CY
,得到二次型
f=YT(CTAC)Y
,不影响正定性。C是可逆矩阵
正定
⟺
A的n个顺序主子式都大于0