第2讲矩阵+第3讲向量:知识点带题重写完成(64+47题),旧版归档快照目录

This commit is contained in:
2026-10-23 23:46:41 +08:00
parent b4f2588895
commit 021c5e552c
52 changed files with 7532 additions and 1188 deletions
@@ -2,22 +2,75 @@
tags: [数学一, 在学练习, 线性代数, 向量, 内积, 正交, 施密特]
专题: 线性代数 第3讲 · 点6 内积、正交与施密特
日期: 2026-10-23
状态: 知识点带题(6.1—6.5 五小节,5 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 6 · 内积、正交与施密特正交化
# 点 6 内积、正交与施密特正交化
> 真题 2021·6、2023·15(各 5 分,合计 10 分)|重要度 ★★★|题量 3
> 依赖:点 1(无关)。
> 盘点对应:§6 全节。
> 真题 2021·6、2023·15(各 5 分,合计 10 分)|重要度 ★★★
> 依赖:点 1(无关)。盘点对应:§6 全节。
10 分,是本讲第二块肉。但真正的价值不在分数,而在**它是第 5 讲的前置**:实对称矩阵的正交对角化($Q^{\mathrm T}AQ=\Lambda$ )就是"求特征向量 → 施密特正交化 → 单位化 → 拼成 $Q$ ,这一节学不牢,第 5 讲那 21 题 83 分写不出来。
**组织原则**:以知识点为单位,题目按知识点内部顺序对应。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
施密特的算法只有一句话:**每一步都减掉它在前面每个已得方向上的投影**。
10 分,是本讲第二块肉。真正的价值在它是**第 5 讲的前置**:实对称矩阵的正交对角化($Q^{\mathrm T}AQ=\Lambda$)就是"求特征向量 → 施密特正交化 → 单位化 → 拼成 $Q$",这一节学不牢,第 5 讲那 21 题 83 分写不出来。施密特的算法只有一句话:**每一步都减掉它在前面每个已得方向上的投影**。
> 注:参考仓库向量章**未收录**本节(盘点 §9 参考仓库列为 —,知识章只写到 §5 向量空间)。本节知识点由大纲与真题补全,出处见 [盘点 §6](01-知识点盘点.md#user-content-6-内积正交与施密特正交化)——上方入口从 `01` 进入。
## 知识点 6.1 内积与四条性质(出处:[盘点 §6.1 内积与四条性质](01-知识点盘点.md#user-content-61-内积与四条性质);参考仓库无对应条目)
- **定义**:$\langle\alpha,\beta\rangle=\sum_i a_i b_i$。
- **四条性质**:对称 $\langle\alpha,\beta\rangle=\langle\beta,\alpha\rangle$;线性 $\langle k_1\alpha_1+k_2\alpha_2,\beta\rangle=k_1\langle\alpha_1,\beta\rangle+k_2\langle\alpha_2,\beta\rangle$;正定性 $\langle\alpha,\alpha\rangle\ge 0$,等号仅当 $\alpha=0$。
- **双线性展开**:$\langle a\alpha+b\beta,\ c\gamma+d\delta\rangle=ac\langle\alpha,\gamma\rangle+ad\langle\alpha,\delta\rangle+bc\langle\beta,\gamma\rangle+bd\langle\beta,\delta\rangle$——这是所有"组合的内积"题的起手式。
## 知识点 6.2 长度与单位化(出处:[盘点 §6.2](01-知识点盘点.md#user-content-62-长度单位化夹角))
- $\lVert\alpha\rVert=\sqrt{\langle\alpha,\alpha\rangle}$;单位化 $\alpha/\lVert\alpha\rVert$。
- 夹角 $\cos\theta=\dfrac{\langle\alpha,\beta\rangle}{\lVert\alpha\rVert\lVert\beta\rVert}$。
## 知识点 6.3 正交组与规范正交基(出处:[盘点 §6.3 正交组与正交基](01-知识点盘点.md#user-content-63-正交组与正交基))
- **两两正交的非零向量组必线性无关**(正交 ⟹ 无关,逆不成立)。
- 规范正交基:两两正交 + 长度全为 1。
- **规范正交基下坐标就是内积**:$x_i=\langle\delta,e_i\rangle$,$\delta=\sum\langle\delta,e_i\rangle e_i$——不必解方程组。
## 知识点 6.4 施密特正交化(出处:[盘点 §6.4 施密特正交化(算法)](01-知识点盘点.md#user-content-64-施密特正交化算法))
$$u_k=\alpha_k-\sum_{i<k}\frac{\langle\alpha_k,u_i\rangle}{\langle u_i,u_i\rangle}u_i.$$
- **分母是长度平方,单位化才除长度**——两个分母混用是本点最常见的失分点。
- 不改变张成空间:$L(u_1,\cdots,u_k)=L(\alpha_1,\cdots,\alpha_k)$;某步得零向量说明原组相关。
## 知识点 6.5 正交矩阵(出处:[盘点 §6.5 正交矩阵](01-知识点盘点.md#user-content-65-正交矩阵))
$$Q^{\mathrm T}Q=E\iff Q^{\mathrm T}=Q^{-1}\iff QQ^{\mathrm T}=E\iff \text{列是规范正交基}\iff \text{行是规范正交基}\iff \lVert Qx\rVert=\lVert x\rVert.$$
最常用"列是规范正交基"——验算只算列内积,比矩阵乘法快。$\lvert Q\rvert=\pm1$ 只是**必要不充分**。
---
## 问题 1 · 正交、长度、规范正交基与坐标(★★☆)
## 题目(按知识点顺序对应)
### 题 1 · 6.1:组合的内积,展开再消(★☆☆)
> 设 $\alpha=(1,2,2)^{\mathrm T}$,$\beta=(2,-2,1)^{\mathrm T}$。
>
> (Ⅰ)求 $\langle\alpha,\beta\rangle$、$\lVert\alpha\rVert$、$\lVert\beta\rVert$;
> (Ⅱ)求 $\langle 2\alpha+\beta,\ \alpha-\beta\rangle$。
**怎么想**:第(Ⅱ)问别逐分量乘——用双线性展开成四项,分别代内积。$\lVert\alpha\rVert^2=\langle\alpha,\alpha\rangle$ 直接给长度平方。
**解**:(Ⅰ)$\langle\alpha,\beta\rangle=2-4+2=0$(两向量正交);$\lVert\alpha\rVert=\lVert\beta\rVert=\sqrt{1+4+4}=3$。
(Ⅱ)展开:
$$\langle 2\alpha+\beta,\ \alpha-\beta\rangle=2\langle\alpha,\alpha\rangle-2\langle\alpha,\beta\rangle+\langle\beta,\alpha\rangle-\langle\beta,\beta\rangle=2\cdot9-0+0-9=9.$$
**带走结论**:**内积只留同项**——正交的向量对展开后直接消失。看到"组合的内积"先展开,比硬算快一个量级,也是题 2(Ⅲ)的省时核心。
---
### 题 2 · 6.2 + 6.3 + 6.5:正交、长度、规范正交基与坐标(★★☆)
> 【2023·15 骨架】设
>
@@ -25,115 +78,56 @@ tags: [数学一, 在学练习, 线性代数, 向量, 内积, 正交, 施密特]
>
> (Ⅰ)验证三者两两正交,并求各自的长度;
> (Ⅱ)写出 $\mathbb{R}^3$ 的一组规范正交基,并验证由它们按列拼成的矩阵 $Q$ 是正交矩阵;
> (Ⅲ)求 $\langle\alpha+2\beta,\ \gamma-\beta\rangle$ ;
> (Ⅲ)求 $\langle\alpha+2\beta,\ \gamma-\beta\rangle$;
> (Ⅳ)求 $\delta=(3,0,0)^{\mathrm T}$ 在这组规范正交基下的坐标。
### 怎么想
**怎么想**:(Ⅰ)内积逐个算,为零即正交;长度 $=\sqrt{\langle\alpha,\alpha\rangle}$。(Ⅱ)三个非零向量两两正交 ⟹ 无关(6.3),在三维里就是基;单位化后按列拼成 $Q$,$Q^{\mathrm T}Q=E$ 自动成立。(Ⅲ)双线性展开,正交项消掉。(Ⅳ)规范正交基下**坐标就是内积**:$x_i=\langle\delta,e_i\rangle$,不必解方程组。
- **(Ⅰ)** 内积逐个算,为零即正交。长度 $=\sqrt{\langle\alpha,\alpha\rangle}$ 。
- **(Ⅱ)** 三个非零向量两两正交,故无关(§6.3 的结论),在三维里就是基;单位化得规范正交基,按列拼成 $Q$ 后 $Q^{\mathrm T}Q=E$ 自动成立。
- **(Ⅲ)** **不要展开硬算**。用双线性拆成四项,正交项直接消掉——这是本题最省时的一步。
- **(Ⅳ)** 规范正交基下**坐标就是内积**:$x_i=\langle\delta,e_i\rangle$ ,不必解方程组。这是规范正交基相对一般基的最大优势。
**解**:(Ⅰ)
### 解
$$\langle\alpha,\beta\rangle=2-4+2=0,\qquad \langle\alpha,\gamma\rangle=2+2-4=0,\qquad \langle\beta,\gamma\rangle=4-2-2=0,$$
(Ⅰ)
两两正交;$\lVert\alpha\rVert=\lVert\beta\rVert=\lVert\gamma\rVert=3$。
$$\langle\alpha,\beta\rangle=2-4+2=0,\qquad \langle\alpha,\gamma\rangle=2+2-4=0,\qquad \langle\beta,\gamma\rangle=4-2-2=0.$$
两两正交,且三者长度
$$\lVert\alpha\rVert=\lVert\beta\rVert=\lVert\gamma\rVert=\sqrt{1+4+4}=3 .$$
(Ⅱ)单位化:
$$e_1=\tfrac13(1,2,2)^{\mathrm T},\quad e_2=\tfrac13(2,-2,1)^{\mathrm T},\quad e_3=\tfrac13(2,1,-2)^{\mathrm T}.$$
三者长度为 1、两两内积为 0,故为规范正交基。按列拼成
(Ⅱ)单位化:$e_1=\tfrac13(1,2,2)^{\mathrm T},\ e_2=\tfrac13(2,-2,1)^{\mathrm T},\ e_3=\tfrac13(2,1,-2)^{\mathrm T}$。按列拼成
$$Q=\frac13\begin{pmatrix}1&2&2\\2&-2&1\\2&1&-2\end{pmatrix}.$$
直接验证列的内积:$Q^{\mathrm T}Q$ 的第 $(i,j)$ 元是 $\langle e_i,e_j\rangle$ ,对角为 1、非对角为 0,故 $Q^{\mathrm T}Q=E$ ,$Q$ 是正交矩阵。又
$Q^{\mathrm T}Q$ 的第 $(i,j)$ 元是 $\langle e_i,e_j\rangle$,对角 1、非对角 0,故 $Q^{\mathrm T}Q=E$,$Q$ 是正交矩阵(且 $\lvert Q\rvert=1$,与"正交矩阵行列式为 $\pm1$"一致)。
$$\lvert Q\rvert=\frac1{27}\begin{vmatrix}1&2&2\\2&-2&1\\2&1&-2\end{vmatrix}=\frac{27}{27}=1,$$
(Ⅲ)
与"正交矩阵行列式为 $\pm1$ "一致。
$$\langle\alpha+2\beta,\gamma-\beta\rangle=\langle\alpha,\gamma\rangle-\langle\alpha,\beta\rangle+2\langle\beta,\gamma\rangle-2\langle\beta,\beta\rangle=0-0+0-2\cdot9=-18.$$
(Ⅲ)用双线性展开,凡不同向量之间的内积都为零:
(Ⅳ)$x_1=\langle\delta,e_1\rangle=1,\ x_2=\langle\delta,e_2\rangle=2,\ x_3=\langle\delta,e_3\rangle=2$,坐标 $(1,2,2)^{\mathrm T}$,即 $\delta=e_1+2e_2+2e_3$。(验算:$\tfrac13\alpha+\tfrac23\beta+\tfrac23\gamma=(3,0,0)^{\mathrm T}$。)
$$
\langle\alpha+2\beta,\ \gamma-\beta\rangle
=\langle\alpha,\gamma\rangle-\langle\alpha,\beta\rangle+2\langle\beta,\gamma\rangle-2\langle\beta,\beta\rangle
=0-0+0-2\cdot9=-18 .
$$
**带走结论**:三件事一次记牢——① **正交组的好处是"内积只留同项"**;② **规范正交基下坐标就是内积**(傅里叶级数、最小二乘同一原理);③ **正交矩阵 ⟺ 列向量组是规范正交基**,$\lvert Q\rvert=\pm1$ 只是必要不充分。
(Ⅳ)坐标分量就是内积:
$$x_1=\langle\delta,e_1\rangle=\tfrac13(1\cdot3)=1,\qquad x_2=\langle\delta,e_2\rangle=\tfrac13(2\cdot3)=2,\qquad x_3=\langle\delta,e_3\rangle=\tfrac13(2\cdot3)=2 .$$
故坐标为 $(1,2,2)^{\mathrm T}$ ,即
$$\delta=e_1+2e_2+2e_3=\tfrac13\alpha+\tfrac23\beta+\tfrac23\gamma.$$
代回验算:$\tfrac13(1,2,2)+\tfrac23(2,-2,1)+\tfrac23(2,1,-2)=(3,0,0)$ 。
### 带走的结论
三件事一次记牢:
1. **正交组的最大好处是"内积只留同项"**。题目给了正交条件又要求组合的内积,先拆开消项,比逐分量算快得多。
2. **规范正交基下坐标就是内积**:$x_i=\langle\delta,e_i\rangle$ ,$\delta=\sum\langle\delta,e_i\rangle e_i$ 。这一条在傅里叶级数、最小二乘里都是同一个原理。
3. **正交矩阵 $\iff Q^{\mathrm T}Q=E\iff$ 列向量组是规范正交基**,行列式 $\pm1$ 只是必要不充分。
### 一个常见误区
$\lvert Q\rvert=\pm1$ **不能**推出 $Q$ 正交。例如 $\begin{pmatrix}1&1\\0&1\end{pmatrix}$ 行列式为 1,但列向量 $(1,0)$ 与 $(1,1)$ 内积为 1。判正交永远要回到 $Q^{\mathrm T}Q=E$ 或"列是规范正交基"。
> **关联** · 盘点 [§6.1 内积与四条性质](01-知识点盘点.md#user-content-61-内积与四条性质) [§6.2 长度与单位化](01-知识点盘点.md#user-content-62-长度单位化夹角) | 上游 [点 1 题 1](02-点1-线性相关与无关.md#user-content-问题-1--具体向量组判相关并写出关系式) | 下游 [点 6 题 2 施密特](#问题-2--两向量施密特) | 速查 [正交矩阵六等价](10-速查卡.md#user-content-五正交矩阵六等价)
**常见误区**:$\lvert Q\rvert=1$ 不能推出正交。$\begin{pmatrix}1&1\\0&1\end{pmatrix}$ 行列式为 1,但列内积为 1。判正交永远回到 $Q^{\mathrm T}Q=E$ 或"列是规范正交基"。
---
## 问题 2 · 两向量施密特(★☆☆)
### 题 3 · 6.4:两向量施密特(★☆☆)
> 设 $\alpha_1=(1,1,0)^{\mathrm T}$ ,$\alpha_2=(1,0,1)^{\mathrm T}$ 。将它们正交化、单位化。
> 设 $\alpha_1=(1,1,0)^{\mathrm T}$,$\alpha_2=(1,0,1)^{\mathrm T}$。将它们正交化、单位化。
### 怎么想
**怎么想**:第一个方向原样保留;第二个减去它在第一个方向上的**投影**。投影系数 $\dfrac{\langle\alpha_2,u_1\rangle}{\langle u_1,u_1\rangle}$,**分母是长度平方,不是长度**。
第一个方向原样保留;第二个减去它在第一个方向上的**投影**。投影系数是
**解**:取 $u_1=\alpha_1=(1,1,0)^{\mathrm T}$,则
$$\frac{\langle\alpha_2,u_1\rangle}{\langle u_1,u_1\rangle},$$
$$u_2=\alpha_2-\frac{\langle\alpha_2,u_1\rangle}{\langle u_1,u_1\rangle}u_1=(1,0,1)^{\mathrm T}-\frac12(1,1,0)^{\mathrm T}=\Bigl(\tfrac12,-\tfrac12,1\Bigr)^{\mathrm T}.$$
分母是**长度平方**,不是长度。
### 解
取 $u_1=\alpha_1=(1,1,0)^{\mathrm T}$ 。则
$$
u_2=\alpha_2-\frac{\langle\alpha_2,u_1\rangle}{\langle u_1,u_1\rangle}u_1
=(1,0,1)^{\mathrm T}-\frac{1}{2}(1,1,0)^{\mathrm T}
=\Bigl(\tfrac12,-\tfrac12,1\Bigr)^{\mathrm T}.
$$
自检:$\langle u_2,u_1\rangle=\tfrac12-\tfrac12+0=0$ 。
长度 $\lVert u_1\rVert=\sqrt2$ ,$\lVert u_2\rVert=\sqrt{\tfrac14+\tfrac14+1}=\sqrt{\tfrac32}=\tfrac{\sqrt6}{2}$ 。单位化:
自检 $\langle u_2,u_1\rangle=0$。$\lVert u_1\rVert=\sqrt2$,$\lVert u_2\rVert=\tfrac{\sqrt6}{2}$,单位化:
$$e_1=\frac{(1,1,0)^{\mathrm T}}{\sqrt2},\qquad e_2=\frac{(1,-1,2)^{\mathrm T}}{\sqrt6}.$$
($u_2$ 乘 2 得 $(1,-1,2)$ ,单位化时约掉了,所以直接写这个更整齐。)
($u_2$ 乘 2 得 $(1,-1,2)$,单位化时约掉,直接写更整齐。)
### 带走的结论
**减投影时除长度平方,单位化时才除长度。** 这两个分母混用是本点最常见的失分点。写完用"内积为零"自检一次,立刻能抓住。
小技巧:正交化过程中可以把 $u_k$ 乘一个正常数化简(不改变方向),单位化前再除掉——这样分数少一半。
> **关联** · 盘点 [§6.4 施密特](01-知识点盘点.md#user-content-64-施密特正交化算法) | 上游 [点 6 题 1](#问题-1--正交长度规范正交基与坐标) | 下游 [点 6 题 3 三向量](#问题-3--三向量施密特) | 速查 [施密特三个分母](10-速查卡.md#user-content-六施密特三个分母)
**带走结论**:**减投影除长度平方,单位化才除长度**。写完用"内积为零"自检一次,立刻抓住错误。技巧:正交化过程中把 $u_k$ 乘正常数化简(不改变方向),分数少一半。
---
## 问题 3 · 三向量施密特(★★☆)
### 题 4 · 6.4:三向量施密特(★★☆)
> 【2021·6 骨架】设
>
@@ -141,91 +135,33 @@ $$e_1=\frac{(1,1,0)^{\mathrm T}}{\sqrt2},\qquad e_2=\frac{(1,-1,2)^{\mathrm T}}{
>
> 求与之等价的正交向量组和规范正交向量组。
### 怎么想
**怎么想**:前两步与题 3 完全一样;第三步要**分别**减掉在 $u_1$、$u_2$ 上的**两个**投影,漏任何一个就不与那个方向正交。题目说"等价",即**不改变张成空间**:$L(u_1,u_2,u_3)=L(\alpha_1,\alpha_2,\alpha_3)$。
前两步与问题 2 完全一样(注意 $\alpha_1,\alpha_2$ 与上一题相同),第三步要**分别**减掉在 $u_1$ 、$u_2$ 上的两个投影。漏掉任何一个,第三个向量就不与那个方向正交。
**解**:前两步:$u_1=(1,1,0)^{\mathrm T}$,$u_2=\bigl(\tfrac12,-\tfrac12,1\bigr)^{\mathrm T}$。投影系数:
题目说"等价",意思是**不改变张成空间**:$L(u_1,u_2,u_3)=L(\alpha_1,\alpha_2,\alpha_3)$ 。这也是施密特正确性的判据之一。
$$\frac{\langle\alpha_3,u_1\rangle}{\langle u_1,u_1\rangle}=\frac12,\qquad \frac{\langle\alpha_3,u_2\rangle}{\langle u_2,u_2\rangle}=\frac{1/2}{3/2}=\frac13.$$
### 解
$$u_3=\alpha_3-\tfrac12u_1-\tfrac13u_2=(0,1,1)^{\mathrm T}-\tfrac12(1,1,0)^{\mathrm T}-\tfrac13\Bigl(\tfrac12,-\tfrac12,1\Bigr)^{\mathrm T}=\Bigl(-\tfrac23,\tfrac23,\tfrac23\Bigr)^{\mathrm T}.$$
前两步:$u_1=(1,1,0)^{\mathrm T}$ ,$u_2=(\tfrac12,-\tfrac12,1)^{\mathrm T}$ 。
验算 $\langle u_3,u_1\rangle=-\tfrac23+\tfrac23+0=0$,$\langle u_3,u_2\rangle=-\tfrac13-\tfrac13+\tfrac23=0$。单位化:
先算两个投影系数:
$$e_1=\frac{(1,1,0)^{\mathrm T}}{\sqrt2},\quad e_2=\frac{(1,-1,2)^{\mathrm T}}{\sqrt6},\quad e_3=\frac{(-1,1,1)^{\mathrm T}}{\sqrt3}.$$
$$
\frac{\langle\alpha_3,u_1\rangle}{\langle u_1,u_1\rangle}=\frac{0+1+0}{2}=\frac12,\qquad
\frac{\langle\alpha_3,u_2\rangle}{\langle u_2,u_2\rangle}=\frac{0-\tfrac12+1}{\tfrac32}=\frac{1/2}{3/2}=\frac13 .
$$
于是
$$
u_3=\alpha_3-\tfrac12 u_1-\tfrac13 u_2
=(0,1,1)^{\mathrm T}-\tfrac12(1,1,0)^{\mathrm T}-\tfrac13\Bigl(\tfrac12,-\tfrac12,1\Bigr)^{\mathrm T}
=\Bigl(-\tfrac23,\tfrac23,\tfrac23\Bigr)^{\mathrm T}.
$$
验算两个内积:
$$\langle u_3,u_1\rangle=-\tfrac23+\tfrac23+0=0,\qquad \langle u_3,u_2\rangle=-\tfrac13-\tfrac13+\tfrac23=0 .$$
长度:$\lVert u_1\rVert=\sqrt2$ ,$\lVert u_2\rVert=\tfrac{\sqrt6}{2}$ ,$\lVert u_3\rVert=\sqrt{\tfrac49\cdot3}=\tfrac{2\sqrt3}{3}$ 。单位化:
$$
e_1=\frac{(1,1,0)^{\mathrm T}}{\sqrt2},\quad
e_2=\frac{(1,-1,2)^{\mathrm T}}{\sqrt6},\quad
e_3=\frac{(-1,1,1)^{\mathrm T}}{\sqrt3}.
$$
($u_3$ 乘 $\tfrac32$ 得 $(-1,1,1)$ 。)
### 带走的结论
第 $k$ 步要减 $k-1$ 个投影,**逐项验算"与前面每一个的内积都为零"**,比回头检查算术省时间。
两个异常情形要会处理:
| 情形 | 含义 | 处理 |
|---|---|---|
| 某步得零向量 | 原组本来相关 | 停止,剔除该向量,继续对余下的做 |
| 某步得"几乎零" | 原组接近相关,数值不稳 | 检查是否算错,或先用整数化化简 |
**施密特与第 5 讲的接口**:实对称矩阵 $A$ 求出特征向量后,属于不同特征值的向量已自动正交,只需对**同一特征值**对应的那几个做施密特;再全体单位化,拼成 $Q$ ,即得 $Q^{\mathrm T}AQ=\Lambda$ 。所以本点是第 5 讲的"手",不是"脑"。
> **关联** · 盘点 [§6.4 施密特](01-知识点盘点.md#user-content-64-施密特正交化算法) [§6.5 正交矩阵](01-知识点盘点.md#user-content-65-正交矩阵) | 上游 [点 6 题 2](#问题-2--两向量施密特) | 下游 第 6 讲 正交变换化标准形 | 速查 [施密特三个分母](10-速查卡.md#user-content-六施密特三个分母)
**带走结论**:第 $k$ 步减 $k-1$ 个投影,**逐项验算"与前面每一个的内积都为零"**。两个异常情形:某步得零向量 ⟹ 原组本来相关,剔除该向量继续;某步"几乎零" ⟹ 数值不稳,检查算错或先整数化。**施密特是第 5 讲的"手"**:实对称矩阵只需对**同一特征值**的若干特征向量做施密特,再全体单位化拼成 $Q$。
---
## 本点定式
### 题 5 · 6.5:正交矩阵的判断(★★☆)
> $u_k=\alpha_k-\sum_{i<k}\dfrac{\langle\alpha_k,u_i\rangle}{\langle u_i,u_i\rangle}u_i$ ,分母是长度平方;规范正交基下坐标就是内积。
> 判断下列矩阵是否为正交矩阵,说明理由:
>
> (1)$A=\begin{pmatrix}0&1\\1&0\end{pmatrix}$;
> (2)$B=\begin{pmatrix}\cos\theta&-\sin\theta\\ \sin\theta&\cos\theta\end{pmatrix}$;
> (3)$C=\begin{pmatrix}1&1\\0&1\end{pmatrix}$;
> (4)$D=\begin{pmatrix}1&0&0\\0&-1&0\\0&0&2\end{pmatrix}$。
## 三个公式的对照
**怎么想**:判据用"列是规范正交基"最省——两个二维向量:① 长度都 1;② 内积 0。满足即正交。(3)(4)分别踩"行列式为 $\pm1$ 但不正交"和"列长度不为 1"两个坑。
| 要做的事 | 公式 | 分母 |
|---|---|---|
| 求投影系数 | $\langle\alpha,u\rangle/\langle u,u\rangle$ | 长度**平方** |
| 单位化 | $\alpha/\lVert\alpha\rVert$ | **长度** |
| 规范正交基下求坐标 | $x_i=\langle\delta,e_i\rangle$ | 无(长度已为 1) |
**解**:(1)列 $(0,1)$、$(1,0)$:长度 1、内积 0,正交。(2)$(\cos\theta,\sin\theta)$、$(-\sin\theta,\cos\theta)$:长度 1、内积 $-\cos\theta\sin\theta+\sin\theta\cos\theta=0$,正交。(3)列 $(1,0)$ 长度 1,但 $(1,1)$ 长度 $\sqrt2\ne1$,且两列内积 1,**不是**(尽管 $\lvert C\rvert=1$)。(4)第三列长度 $\sqrt{1+0+4}=\sqrt5\ne1$,**不是**($\lvert D\rvert=-2\ne\pm1$ 也露馅)。
## 正交矩阵六条等价条件(背下来)
$$A^{\mathrm T}A=E\iff A^{\mathrm T}=A^{-1}\iff AA^{\mathrm T}=E\iff \text{列是规范正交基}\iff \text{行是规范正交基}\iff \lVert Ax\rVert=\lVert x\rVert .$$
六条里最常用的是"列是规范正交基"——验算时只算列内积,比矩阵乘法快。
---
下一站 [点 7 · 子空间的和与交](08-点7-子空间和与交.md) :把"表示"升级成"两个空间的重叠部分"。
---
## 本点关联
| 关系 | 文件 | 用途 |
|---|---|---|
| 盘点 | [01-知识点盘点](01-知识点盘点.md) §6 | 知识地图,查定义与判据 |
| 上游 | [点 1 · 线性相关与无关](02-点1-线性相关与无关.md) | 读本点前应先会 |
| 下游 | [点 5 · 基、坐标与过渡矩阵](06-点5-基坐标与过渡矩阵.md)、第 5 讲特征值(正交对角化) | 本点的结论在哪儿用 |
| 速查 | [10-速查卡](10-速查卡.md) | 考前十分钟 |
**带走结论**:判正交两步走——**列两两内积为零 + 列长全为 1**。$\lvert Q\rvert=\pm1$ 只是必要条件,$\lvert Q\rvert=1$ 的反例(如 (3))是选择题常客。