Files
MathNotesVersion2/基于考研的学习/数学一/在学练习/线性代数-第3讲-向量/07-点6-内积正交与施密特.md
T
Yimu 285220fc96 第3讲向量重构:知识点盘点 + 八点分册 + 双向链接
按反馈调整三件事:补知识点盘点、拆分文件避免内容被压缩、不再出 PDF。

结构(1 个文件 → 11 个文件):
- 01-知识点盘点:十节纯盘点(定义/定理/六条判据/秩的性质/等价/基与坐标/
  内积正交/和交与维数公式/知识地图/大纲覆盖对照),约 1.25 万字符
- 02~09 八个点分册:每册 3 题、4—6 千字符,节奏统一为
  「问题(标难度)→ 怎么想 → 解 → 带走的结论 → 换问法/错法」
- 10-速查卡:十个判据 + 四条方向 + 六条秩运算 + 四处失分点 + 回查表

题量 19 → 24,新增 5 道:
- 含参表示三分类(唯一/无穷多/无解,a≠7 与 a=7 判 b)
- AB=O 的秩结论(r(A)+r(B)≤n,串起第 4/5 讲)
- 单向表示 + 同秩 → 等价的证明
- R^4 中和空间维数与是否直和
- 含参直和判定(b1 是否属于 V1)

双向链接(每个点底部「本点关联」表):
盘点 / 上游 / 下游 / 速查 四个方向,相对路径链接,Gitea 可点、
Obsidian 进反链面板。盘点 §0.4 补「章节 ↔ 练习」对照表反向查。

校验:
- 全部数值用 Fraction + 高斯消元重算(行列式、秩、坐标、施密特、
  C^-1、通解),修正两处算术(含参直和 det 应为 1-a、通解特解)
- fix_gitea_math.py --check 归零:18 处 $..$** 死局改写 + 38 处补空格
  + 3 处多行 $$ 独占行

不再生成 PDF:删除本讲 PDF 目录,README 记入两条写作约定
(不出 PDF、单文件不超 1.3 万字符)。
2026-10-23 17:15:51 +08:00

226 lines
9.3 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
---
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
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 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。
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。
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**。
---
## 问题 1 · 正交、长度、规范正交基与坐标(★★☆)
> 【2023·15 骨架】设
>
> $$\alpha=(1,2,2)^{\mathrm T},\quad \beta=(2,-2,1)^{\mathrm T},\quad \gamma=(2,1,-2)^{\mathrm T}.$$
>
> (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 $\langle\alpha+2\beta,\ \gamma-\beta\rangle$ ;
> (Ⅳ)求 $\delta=(3,0,0)^{\mathrm T}$ 在这组规范正交基下的坐标。
### 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,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)
$$\langle\alpha,\beta\rangle=2-4+2=0,\qquad \langle\alpha,\gamma\rangle=2+2-4=0,\qquad \langle\beta,\gamma\rangle=4-2-2=0.$$
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
$$Q=\frac13\begin{pmatrix}1&2&2\\2&-2&1\\2&1&-2\end{pmatrix}.$$
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
$$\lvert Q\rvert=\frac1{27}\begin{vmatrix}1&2&2\\2&-2&1\\2&1&-2\end{vmatrix}=\frac{27}{27}=1,$$
与"正交矩阵行列式为 $\pm1$ "一致。
(Ⅲ)用双线性展开,凡不同向量之间的内积都为零:
$$
\langle\alpha+2\beta,\ \gamma-\beta\rangle
=\langle\alpha,\gamma\rangle-\langle\alpha,\beta\rangle+2\langle\beta,\gamma\rangle-2\langle\beta,\beta\rangle
=0-0+0-2\cdot9=-18 .
$$
(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"。
---
## 问题 2 · 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。
### 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**。投影系数是
$$\frac{\langle\alpha_2,u_1\rangle}{\langle u_1,u_1\rangle},$$
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:
$$e_1=\frac{(1,1,0)^{\mathrm T}}{\sqrt2},\qquad e_2=\frac{(1,-1,2)^{\mathrm T}}{\sqrt6}.$$
($u_2$ 乘 2 得 $(1,-1,2)$ ,单位化时约掉了,所以直接写这个更整齐。)
### 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。
---
## 问题 3 · 三向量施密特(★★☆)
> 【2021·6 骨架】设
>
> $$\alpha_1=(1,1,0)^{\mathrm T},\quad \alpha_2=(1,0,1)^{\mathrm T},\quad \alpha_3=(0,1,1)^{\mathrm T}.$$
>
> 求与之等价的正交向量组和规范正交向量组。
### 怎么想
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。
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。
### 解
前两步:$u_1=(1,1,0)^{\mathrm T}$ ,$u_2=(\tfrac12,-\tfrac12,1)^{\mathrm T}$ 。
先算两个投影系数:
$$
\frac{\langle\alpha_3,u_1\rangle}{\langle u_1,u_1\rangle}=\frac{0+1+0}{2}=\frac12,\qquad
\frac{\langle\alpha_3,u_2\rangle}{\langle u_2,u_2\rangle}=\frac{0-\tfrac12+1}{\tfrac32}=\frac{1/2}{3/2}=\frac13 .
$$
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"。
---
## 本点定式
> $u_k=\alpha_k-\sum_{i<k}\dfrac{\langle\alpha_k,u_i\rangle}{\langle u_i,u_i\rangle}u_i$ ,分母是长度平方;规范正交基下坐标就是内积。
## 三个公式的对照
| 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) |
## 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 |