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)。
9.3 KiB
tags, 专题, 日期, 关联笔记
| tags | 专题 | 日期 | 关联笔记 | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
线性代数 第3讲 · 点6 内积、正交与施密特 | 2026-10-23 |
|
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:
- 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。
- 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。 - 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 :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 §6 | 知识地图,查定义与判据 |
| 上游 | 点 1 · 线性相关与无关 | 读本点前应先会 |
| 下游 | 点 5 · 基、坐标与过渡矩阵、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 | 考前十分钟 |