Files
MathNotesVersion1/公式笔记/线性代数/Ch05_相似矩阵及二次型/题型1_向量内积与正交.md
T
2026-10-04 11:44:56 +08:00

4.2 KiB
Raw Blame History

题型一:向量内积与正交

识别特征

  • 求两向量的内积或夹角
  • 涉及Schmidt 正交化过程
  • 判断或构造正交矩阵 $Q$($Q^T Q = E$)

解题流程

flowchart TD
    A[识别:内积/正交问题] --> B{已知什么?}
    B -->|两向量| C["[α,β] = αᵀβ<br>cos θ = [α,β]/|α||β|"]
    B -->|线性无关向量组| D[Schmidt 正交化]
    B -->|正交矩阵| E[验证 QᵀQ = E]
    C --> F[得结果]
    D --> G["β₁=α₁<br>βₖ=αₖ-Σ[αₖ,βⱼ]/[βⱼ,βⱼ]·βⱼ<br>ηⱼ=βⱼ/|βⱼ|"]
    G --> F
    E --> H[列向量组 = 标准正交基]
    H --> F

通法步骤

1. 内积计算

[\boldsymbol{\alpha}, \boldsymbol{\beta}] = \sum_{i=1}^n a_i b_i = \boldsymbol{\alpha}^T \boldsymbol{\beta}

2. 夹角公式

\cos\theta = \dfrac{[\boldsymbol{\alpha}, \boldsymbol{\beta}]}{\|\boldsymbol{\alpha}\| \cdot \|\boldsymbol{\beta}\|}

3. Schmidt 正交化

将 \boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \ldots, \boldsymbol{\alpha}_r 化为标准正交组:


\begin{aligned}
\boldsymbol{\beta}_1 &= \boldsymbol{\alpha}_1 \\
\boldsymbol{\beta}_k &= \boldsymbol{\alpha}_k - \sum_{j=1}^{k-1} \dfrac{[\boldsymbol{\alpha}_k, \boldsymbol{\beta}_j]}{[\boldsymbol{\beta}_j, \boldsymbol{\beta}_j]} \boldsymbol{\beta}_j \quad (k=2,3,\ldots,r) \\
\boldsymbol{\eta}_k &= \dfrac{\boldsymbol{\beta}_k}{\|\boldsymbol{\beta}_k\|} \quad \text{(单位化)}
\end{aligned}

4. 正交矩阵的判定与构造

判定:

  • Q^T Q = E
  • 列向量组是 \mathbb{R}^n 的标准正交基
  • |Q| = \pm 1

构造:对实对称矩阵求正交特征向量组即得正交矩阵 $Q$。

常见陷阱

  • Schmidt 正交化要先正交化再单位化(顺序不能反)
  • 正交矩阵的列向量必须单位化——只两两正交还不够
  • 正交矩阵的逆矩阵 = 转置矩阵($Q^{-1} = Q^T$)
  • |\boldsymbol{\alpha}| = 0 \iff \boldsymbol{\alpha} = \boldsymbol{0}
  • 夹角公式只对非零向量有意义

经典母题

题目:已知 \boldsymbol{\alpha}_1 = \begin{pmatrix} 1 \\ 1 \\ 1 \end{pmatrix}, \boldsymbol{\alpha}_2 = \begin{pmatrix} 1 \\ 2 \\ 3 \end{pmatrix}, $\boldsymbol{\alpha}_3 = \begin{pmatrix} 1 \ 0 \ 0 \end{pmatrix}$,试用 Schmidt 正交化过程将其化为标准正交组。

解:

Step 1:$\boldsymbol{\beta}_1 = \boldsymbol{\alpha}_1 = (1, 1, 1)^T$,\|\boldsymbol{\beta}_1\| = \sqrt{3}

Step 2:


\boldsymbol{\beta}_2 = \boldsymbol{\alpha}_2 - \dfrac{[\boldsymbol{\alpha}_2, \boldsymbol{\beta}_1]}{[\boldsymbol{\beta}_1, \boldsymbol{\beta}_1]} \boldsymbol{\beta}_1 = \begin{pmatrix} 1 \\ 2 \\ 3 \end{pmatrix} - \dfrac{6}{3} \begin{pmatrix} 1 \\ 1 \\ 1 \end{pmatrix} = \begin{pmatrix} -1 \\ 0 \\ 1 \end{pmatrix}

\|\boldsymbol{\beta}_2\| = \sqrt{2}

Step 3:


\begin{aligned}
\boldsymbol{\beta}_3 &= \boldsymbol{\alpha}_3 - \dfrac{[\boldsymbol{\alpha}_3, \boldsymbol{\beta}_1]}{[\boldsymbol{\beta}_1, \boldsymbol{\beta}_1]} \boldsymbol{\beta}_1 - \dfrac{[\boldsymbol{\alpha}_3, \boldsymbol{\beta}_2]}{[\boldsymbol{\beta}_2, \boldsymbol{\beta}_2]} \boldsymbol{\beta}_2 \\
&= \begin{pmatrix} 1 \\ 0 \\ 0 \end{pmatrix} - \dfrac{1}{3} \begin{pmatrix} 1 \\ 1 \\ 1 \end{pmatrix} - \dfrac{-1}{2} \begin{pmatrix} -1 \\ 0 \\ 1 \end{pmatrix} \\
&= \begin{pmatrix} 1 - 1/3 - 1/2 \\ -1/3 \\ -1/3 + 1/2 \end{pmatrix} = \begin{pmatrix} 1/6 \\ -1/3 \\ 1/6 \end{pmatrix} = \dfrac{1}{6} \begin{pmatrix} 1 \\ -2 \\ 1 \end{pmatrix}
\end{aligned}

\|\boldsymbol{\beta}_3\| = \dfrac{1}{6}\sqrt{6} = \dfrac{\sqrt{6}}{6}

单位化:


\boldsymbol{\eta}_1 = \dfrac{1}{\sqrt{3}} \begin{pmatrix} 1 \\ 1 \\ 1 \end{pmatrix}, \quad
\boldsymbol{\eta}_2 = \dfrac{1}{\sqrt{2}} \begin{pmatrix} -1 \\ 0 \\ 1 \end{pmatrix}, \quad
\boldsymbol{\eta}_3 = \dfrac{1}{\sqrt{6}} \begin{pmatrix} 1 \\ -2 \\ 1 \end{pmatrix}

复盘:Schmidt 公式的核心是"减去在前面所有正交向量上的投影"。计算 [\boldsymbol{\alpha}_k, \boldsymbol{\beta}_j] 时注意内积的代数运算。


变式:设 A 是 n 阶正交矩阵,证明 $|A| = \pm 1$。

证:$Q^T Q = E \Rightarrow \det(Q^T Q) = \det E = 1 \Rightarrow \det Q^T \cdot \det Q = 1 \Rightarrow (\det Q)^2 = 1 \Rightarrow \det Q = \pm 1$。