正交矩阵的性质
正交矩阵运算法则

正交矩阵运算法则正交矩阵是线性代数中的一种重要概念,它在许多领域中都有广泛的应用。
在本文中,我们将介绍正交矩阵的定义和性质,并探讨如何使用正交矩阵进行运算。
一、正交矩阵的定义正交矩阵是指满足以下条件的方阵:其转置矩阵等于其逆矩阵。
换句话说,对于一个n阶正交矩阵A,有A^T * A = I,其中I是单位矩阵。
二、正交矩阵的性质1. 正交矩阵的行列式的绝对值等于1。
这是由于行列式的性质以及正交矩阵的逆矩阵等于其转置矩阵。
2. 正交矩阵的行(列)向量是单位向量且两两正交。
这是由于正交矩阵的定义以及其转置矩阵等于其逆矩阵。
3. 正交矩阵的行(列)向量构成一组正交归一基。
这是由于正交矩阵的定义以及其行(列)向量是单位向量且两两正交。
4. 正交矩阵的转置矩阵也是正交矩阵。
这是由于正交矩阵的定义以及转置矩阵的转置等于原矩阵。
5. 两个正交矩阵的乘积仍然是正交矩阵。
这是由于正交矩阵的定义以及矩阵乘法的性质。
三、正交矩阵的运算法则1. 正交矩阵与向量的乘积对于一个n阶正交矩阵A和一个n维列向量x,它们的乘积Ax表示将向量x绕原点进行旋转和伸缩的变换。
由于正交矩阵的行(列)向量是单位向量且两两正交,所以乘积Ax后的向量也是单位向量。
同时,由于正交矩阵的逆矩阵等于其转置矩阵,所以可以通过A^T * Ax = x来恢复原始向量x。
2. 正交矩阵的乘法两个正交矩阵的乘积仍然是正交矩阵。
这是由于正交矩阵的定义以及矩阵乘法的性质。
例如,设A和B都是n阶正交矩阵,则有(A * B)^T * (A * B) = B^T * A^T * A * B = B^T * B = I。
这说明了两个正交矩阵的乘积仍然是正交矩阵。
3. 正交矩阵的转置正交矩阵的转置矩阵也是正交矩阵。
这是由于正交矩阵的定义以及转置矩阵的转置等于原矩阵。
例如,设A是一个n阶正交矩阵,则有(A^T)^T * A^T = A * A^T = I。
这说明了正交矩阵的转置矩阵也是正交矩阵。
正交矩阵的证明

正交矩阵的证明正交矩阵是线性代数中一个重要的概念,它具有许多重要的性质和应用。
本文将介绍正交矩阵的定义、性质以及如何证明一个矩阵是正交矩阵。
我们来定义正交矩阵。
一个n阶方阵A称为正交矩阵,如果它的转置矩阵等于它的逆矩阵,即A的转置矩阵AT等于A的逆矩阵A-1。
接下来,我们来看一些正交矩阵的性质。
首先,正交矩阵的行向量和列向量都是单位向量,并且两两正交。
其次,正交矩阵的行向量和列向量都是线性无关的。
此外,正交矩阵保持向量的长度和夹角不变,即对于任意向量x,有||Ax|| = ||x||,以及向量x和y之间的夹角等于向量Ax和Ay之间的夹角。
接下来,我们来证明一个矩阵是正交矩阵的方法。
首先,我们需要证明矩阵的行向量和列向量都是单位向量。
设A是一个n阶矩阵,它的第i行为a1i,第j列为aj1。
由正交矩阵的定义可知,A的转置矩阵AT等于A的逆矩阵A-1,即ATA = I,其中I是单位矩阵。
那么,我们有a1i·aj1 = 0 (i ≠ j),即第i行向量和第j列向量正交。
另一方面,a1i·a1i = 1,即第i行向量的长度为1。
所以,我们可以得出结论:矩阵的行向量和列向量都是单位向量,并且两两正交。
我们需要证明矩阵的行向量和列向量都是线性无关的。
假设存在一个非零向量x,使得Ax = 0。
那么,我们有||Ax|| = ||0|| = 0,根据正交矩阵的性质可知||Ax|| = ||x||,所以||x|| = 0。
由向量的长度定义可知,只有零向量的长度为0,所以x必须是零向量。
因此,我们可以得出结论:矩阵的行向量和列向量都是线性无关的。
我们需要证明正交矩阵保持向量的长度和夹角不变。
设x和y是两个向量,我们有||Ax|| = ||x||,以及x·y = (Ax)·(Ay)。
根据向量的长度定义可知,如果两个向量的长度相等,则它们的平方和也相等。
所以,我们可以得出结论:正交矩阵保持向量的长度和夹角不变。
正交矩阵及其性质

定理5 设A,B皆是n阶正交矩阵, 则: (i) det A=1或-1; (ii) A-1=AT(充要条件); (iii) AT(即A-1)也是正交矩阵; (iv) AB也是正交矩阵. 证 (i) det(ATA)=det(I)=1=(det(A))2, 所以成立, (ii) ATA=I, 当然就是A-1=AT, (iii) (AT)TAT=AAT=AA-1=I, 所以AT(即A-1)也 是正交矩阵, 从而A的行向量组也是Rn的一组标 准正交基, (iv) 由(AB)T(AB)=BT(ATA)B=BTB=I, 即得 AB也是正交矩阵. 4
a1Ta n T a2 an
T an an
因此ATA=I的充分必要条件是 a iTa i (a i ,a i ) 1, i 1,2, , n;
且 a iTa j (a i ,a j ) 0,
n
j i, i, j 1,2, , n.
即A的向量组 {a1 ,a 2 , ,a n } 为R 的一组标准正交基 . 此定理可作为判定正交矩阵的一种方法
4.3 正交矩阵及其性质
1 2018/1/4
定义6 设A为n阶方阵, 如果ATA=I或AAT=I, 就 称A为正交矩阵.(A-1=AT ) 定理4 A为n阶正交矩阵的充分必要条件是A 的列(行)向量组为Rn的一组标准正交基. 证 设
a11 a21 A an1
a12 a22
an 2
2018/1/4
定理
方阵A为正交矩阵的充分必要条件是A的列 向量构成标准正交组。 方阵A为正交矩阵的充分必要条件是A的行 向量构成标准正交组。
推论1
A是正交矩阵
A A
T
正交矩阵知识点总结

正交矩阵知识点总结正交矩阵是线性代数中的重要概念,它具有许多特殊的性质和应用。
本文将从定义、性质和应用三个方面对正交矩阵进行总结。
一、定义正交矩阵是指满足以下条件的方阵:它的转置等于它的逆矩阵。
换句话说,设A是一个n阶方阵,若满足AT·A=AA·T=I(其中I是单位矩阵),则称A为正交矩阵。
二、性质1. 正交矩阵的行(列)向量是单位向量且两两正交。
具体来说,设A是一个n阶正交矩阵,其第i行(列)向量记作ai(aiT),则有ai·aiT=1,ai·ajT=0(i≠j)。
这意味着正交矩阵的行(列)向量长度为1且彼此垂直。
2. 正交矩阵的行列式的值只能是±1。
这是由于正交矩阵的行(列)向量长度为1,所以它们的行列式值为1或-1,从而整个矩阵的行列式值也只能是这两个值。
3. 正交矩阵的逆矩阵也是正交矩阵。
设A是一个n阶正交矩阵,则A的逆矩阵A-1也是正交矩阵。
这是因为(A-1)T·(A-1)=A-1·AT=I,满足正交矩阵的定义。
4. 两个正交矩阵的乘积仍然是正交矩阵。
设A和B分别是n阶和m阶正交矩阵,它们的乘积AB是一个n阶正交矩阵。
这是由于(AB)T·(AB)=BTA·AB=BT·(A·A)·B=BT·IB=B·B=I。
5. 正交矩阵的转置也是正交矩阵。
设A是一个n阶正交矩阵,则它的转置AT也是正交矩阵。
这是因为(AT)T·(AT)=A·A=I。
三、应用1. 坐标系变换:正交矩阵可以用于坐标系的旋转和变换。
设A是一个二维正交矩阵,它的列向量表示一个坐标系的基向量,那么对于一个向量x,通过矩阵乘法Ax即可得到它在新坐标系下的表示。
2. 正交变换:正交矩阵可以保持向量的长度和夹角不变。
例如,对于一个二维向量x,若A是一个正交矩阵,那么||Ax||=||x||,且x·y=(Ax)·(Ay),其中||·||表示向量的长度,·表示向量的内积。
线性代数中的正交变换与正交矩阵

线性代数中的正交变换与正交矩阵线性代数是一门研究向量空间及其运算规律的数学学科,正交变换和正交矩阵是其中重要的概念之一。
本文将介绍正交变换和正交矩阵的定义、性质以及其在线性代数中的应用。
一、正交变换的定义与性质正交变换是指一种保持向量内积不变的线性变换。
设V是一个n维向量空间,线性变换A:V→V是一个正交变换,当且仅当满足以下条件:1. 对于V中任意两个向量u、v,有(Au)·(Av) = u·v,其中·表示两个向量的内积;2. A是一个满秩的矩阵,即A的行与列都线性无关。
正交变换具有以下重要性质:1. 正交变换保持向量的长度不变,即对于任意向量v,有||Av|| = ||v||,其中||v||表示向量的长度;2. 正交变换保持向量之间的夹角不变,即对于任意向量u、v,有夹角(Au, Av) = 夹角(u, v),其中夹角(u, v)表示向量u和v之间的夹角;3. 正交变换的逆变换也是正交变换,即如果A是一个正交变换,则存在一个矩阵B,使得AB = BA = I,其中I是单位矩阵;4. 正交变换的矩阵表示是一个正交矩阵。
二、正交矩阵的定义与性质正交矩阵是指行列式的值为1或-1的实矩阵。
设A是一个n×n的矩阵,如果A满足以下条件,则称A是一个正交矩阵:1. A的转置矩阵A^T与A的乘积等于单位矩阵,即A^T × A = I;2. A的行(或列)向量构成一组标准正交基。
正交矩阵具有以下重要性质:1. 正交矩阵乘积依然是一个正交矩阵,即如果A和B都是正交矩阵,则AB也是正交矩阵;2. 正交矩阵的逆矩阵等于其转置矩阵,即如果A是一个正交矩阵,则A^T是其逆矩阵;3. 正交矩阵的行(或列)向量是一组标准正交基,即正交矩阵的行(或列)向量互相正交且长度为1;4. 正交矩阵的行列式的值为1或-1,即|A| = 1或|A| = -1。
三、正交变换与正交矩阵的应用正交变换和正交矩阵在线性代数中有着广泛的应用。
正交变换与正交矩阵

正交变换与正交矩阵正交变换是线性代数中的重要概念,它在图像处理、三维计算机图形学和信号处理等领域中得到广泛应用。
而正交矩阵则是与正交变换密切相关的基本概念。
本文将详细介绍正交变换和正交矩阵的概念、性质以及应用,并探讨它们之间的关系。
一、正交变换的概念正交变换是指保持向量内积和向量长度不变的线性变换。
假设$V$是一个$n$维实内积空间,对于任意的向量$\mathbf{x},\mathbf{y} \in V$和标量$a$,满足以下条件的线性变换$T$称为正交变换:1. 向量内积不变:$(T\mathbf{x}) \cdot (T\mathbf{y}) = \mathbf{x} \cdot \mathbf{y}$2. 向量长度不变:$||T\mathbf{x}|| = ||\mathbf{x}||$二、正交矩阵的定义与性质正交矩阵是一种特殊的方阵,满足以下条件:1. 矩阵的列向量是正交的单位向量。
2. 矩阵的行向量也是正交的单位向量。
3. 矩阵的转置等于其逆矩阵。
正交矩阵的性质如下:1. 正交矩阵的行列式的绝对值等于1。
2. 正交矩阵的逆矩阵是它的转置矩阵。
3. 正交矩阵乘积仍为正交矩阵。
4. 正交矩阵具有保持向量内积和向量长度不变的性质。
三、正交变换与正交矩阵的关系正交变换可以用正交矩阵来表示,反之亦然。
对于给定的正交变换$T$,存在一个正交矩阵$Q$,使得$\mathbf{x}=Q\mathbf{y}$,其中$\mathbf{x}$和$\mathbf{y}$表示向量。
四、正交变换与正交矩阵的应用正交变换与正交矩阵在许多领域中有着广泛的应用。
以下列举了几个典型的应用:1. 图像处理:正交变换可以用于图像的平移、旋转和缩放等操作,以及图像的主成分分析等。
2. 三维计算机图形学:正交变换可以实现三维物体的旋转、平移和投影等操作,用于生成逼真的视觉效果。
3. 信号处理:正交变换可以用于信号的滤波、降噪和频谱分析等,提高信号的质量和准确性。
正交矩阵的性质以及在物理中的应用

正交矩阵的性质以及在物理中的应用正交矩阵被广泛地应用在数学和物理学中。
正交矩阵是一种特殊的矩阵,它可以用来表示旋转或变形。
这种特殊的矩阵在多个领域中都有着重要的应用。
正交矩阵在旋转、变换、编码、谱分析等领域中都有广泛的应用。
特别是在物理学中,正交矩阵的应用非常广泛,下文就探讨正交矩阵的性质以及在物理中的应用。
正交矩阵的性质正交矩阵是一种特殊的矩阵,它有很多重要的性质。
首先,正交矩阵中的所有列和行都是单位向量。
其次,正交矩阵的行和列都是正交的。
另外,正交矩阵的行列式的值为 1 或 -1,这意味着对于任何一个正交矩阵,其行列式的值一定是 ±1。
正交矩阵还具有下面的性质:1. 正交矩阵的逆矩阵等于它的转置矩阵。
2. 任何两个相同大小的正交矩阵的乘积也是正交矩阵。
3. 对于任何一个正交矩阵,它的每个元素的平方加起来等于1。
正交矩阵在物理中的应用正交矩阵在物理中有着广泛的应用。
下面将介绍正交矩阵在物理中的应用。
1. 旋转变换正交矩阵最常见的应用是进行旋转变换。
在三维空间中,我们可以用一个 3x3 的正交矩阵来表示一个旋转变换。
对于任何一个旋转矩阵 Q,可以使用它来将一个向量 x 旋转一定的角度θ,公式如下:y = Qx其中,y 是旋转变换之后的向量,x 是原始向量,Q 是旋转矩阵。
2. 相对论物理学中的洛伦兹变换在相对论物理学中,一个参考系可以被视为是在另一个参考系下运动的坐标系。
当两个参考系的相对速度不同时,它们之间的关系可以用洛伦兹变换来描述。
洛伦兹变换可以被表示为一个特殊的正交矩阵。
3. 量子力学中的波函数量子力学中的波函数也可以用正交矩阵来表示。
在量子力学中,波函数是描述粒子在空间中的概率分布的函数。
为了计算波函数,我们需要将一个三维空间中的向量投影到一个称为 Hilbert 空间的无限维向量空间中。
这个过程可以用一个正交矩阵来实现。
4. 编码与解码在数字通信中,为了保证通信的可靠性和隐私性,我们需要对数据进行编码和解码。
正交矩阵公式

正交矩阵公式正交矩阵是线性代数中的一个重要概念,它在许多领域中都有广泛的应用。
正交矩阵具有许多有趣的性质和特点,本文将介绍正交矩阵的定义、性质以及相关应用。
一、正交矩阵的定义正交矩阵是指矩阵的转置与逆矩阵相等的方阵。
具体而言,对于一个n阶矩阵A,如果有A^T*A=I,其中I为单位矩阵,则称A为正交矩阵。
二、正交矩阵的性质1. 正交矩阵的行(列)向量是单位向量,并且两两正交。
2. 正交矩阵的行(列)向量构成一组标准正交基。
3. 正交矩阵的逆矩阵也是正交矩阵。
4. 两个正交矩阵的乘积仍然是正交矩阵。
5. 正交矩阵的行列式的值只能为1或-1。
三、正交矩阵的应用1. 旋转变换正交矩阵可以表示空间中的旋转变换。
例如,对于二维平面上的一个向量进行逆时针旋转θ度,可以通过乘以一个二阶正交矩阵来实现。
同样地,对于三维空间中的向量进行旋转变换也可以利用正交矩阵来表示。
2. 坐标系变换正交矩阵还可以用于不同坐标系之间的变换。
例如,对于二维平面上的一个向量,可以通过乘以一个二阶正交矩阵来实现从笛卡尔坐标系到极坐标系的转换。
3. 图像处理在图像处理中,正交矩阵常用于图像的压缩和变换。
例如,离散余弦变换(DCT)是一种常用的图像压缩方法,其中正交矩阵被用来将图像从空域转换到频域,实现对图像数据的压缩和编码。
4. 物理学中的对称性正交矩阵在物理学中的对称性研究中有重要的应用。
例如,对称矩阵的特征向量是正交的,可以通过正交矩阵的对角化来研究对称矩阵的性质和特征。
5. 数值计算正交矩阵在数值计算中也有广泛的应用。
例如,正交矩阵可以用于求解线性方程组、矩阵的特征值和特征向量等问题,通过正交矩阵的特殊性质可以提高计算的效率和稳定性。
四、总结正交矩阵是一类特殊的方阵,具有许多有趣的性质和应用。
它在几何、物理学和计算机科学等领域中都有广泛的应用。
通过研究正交矩阵的定义、性质和应用,我们可以更好地理解线性代数的概念和方法,并将其应用于实际问题的求解中。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
专题:正交矩阵的性质及其应用 证明:(1)略. (2)由于A的特征值为1, λ1 , λ2 ,且|λ1 | = |λ2 | = 1.于是A的特征多项式 f (λ) = (λ − 1)(λ − λ1 )(λ − λ2 ) = λ3 − aλ2 + aλ − λ1 λ2 , 其中a = 1 + λ1 + λ2 .由于λ1 , λ2 只能都为−1或互为共轭复数,因此 −1 ≤ a = 1 + λ1 + λ2 ≤ 3, λ1 λ2 = 1. 从而结论成立. (3)由条件知A的特征值都是1,从而A的特征多项式为 f (λ) = λ3 − 3λ2 + 3λ − 1, 于是 0 = A3 − 3A2 + 3A − E, 即 E = A(A2 − 3A + 3E ), 于是 AT = A−1 = A2 − 3A + 3E. 注:正交矩阵特征多项式的系数是有规律的,有兴趣的可以参看:
专题:正交矩阵的性质及其应用
高等代数资源网 May 17, 2012
1 声明
您现在看到的这份文件来自.本站原创的内容,采用创作共用组 织(Creative Commons)的“公共领域”(Public Domain)许可。即放弃一切权利,全 归公共领域。但涉及到其他版权人的摘录、转载、投稿、翻译等类内容不在此列。 本文的内容仅供学习参考之用,作者不对内容的正确性作任何承诺,作者不对因使用本 文而造成的一切后果承担任何责任. 关于如何使用本文的建议:首先保证自己认真做了一遍题目,否则请不要查看本文.记 住: 别人做是别人的,自己做才是自己的 . 作者水平有限,错误不可避免,欢迎您来信指出:www52gdorg@. 休息一下,欣赏美图,马上开始。
张德菊,张晓敏.正交矩阵的特征多项式及特征根.大学数学.2007,23(1):151-154. 例 3.13 设3阶正交阵A的行列式为−1,证明 trA2 = 2trA + (trA)2 证明:由条件可知A的特征值为 −1, a + bi, a − bi(a2 + b2 = 1, a, b ∈ R) 从而A2 的特征值为 1, (a + bi)2 , (a − bi)2 从而计算可得. 例 3.14 (北京邮电07)A ∈ Rn×n , A ̸= 0, n ≥ 3.则A为正交阵的充要条件为 AT = A∗ 或AT = −A∗ 即 aij = Aij 或aij = −Aij
专题:正交矩阵的性质及其应用 两式相加,由a2 + b2 = 1可得 aα + bβ = AT α, 两边取转置可得 aαT + bβ T = αT A, 于是 aαT α + bβ T α = αT Aα = αT (aα − bβ ) = aαT α − bαT β, 由于β T α = αT β,故由上式可得αT β = 0.即α, β 正交. 因为 aαT β + bβ T β = αT Aβ = αT (aβ + bα) = aαT β + bαT α, 所以αT α = β T β.即α, β 长度相等. (法2)由(2)有
αT α = αT AT Aα = (aα − bβ )T (aα − bβ ) = a2 αT α − 2abαT β + b2 β T β, β T β = β T AT Aβ = (aβ + bα)T (aβ + bα) = b2 αT α + 2abαT β + a2 β T β, 两式相减可得 (a2 − b2 − 1)(αT α − β T β ) − 4abαT β = 0. 另外, αT β = αT AT Aβ = (aα − bβ )T (aβ + bα) = (a2 − b2 )αT β + ab(αT α − β T β ), 于是有 { (a2 − b2 − 1)(αT α − β T β ) − 4abαT β = 0 ab(αT α − β T β ) + (a2 − b2 − 1)αT β = 0 将其视为关于(αT α − β T β ), αT β 的方程组,其系数行列式不为0,所以方程组只有零解, 故αT β = 0, αT α = β T β. 1 例 3.11 设A为n阶正交矩阵,λ为A的一个特征值,则 也是A的特征值. λ 证明:由于A的特征值只能1或−1,或模为1的共轭复数,从而易知结论成立. 例 3.12 (南京大学07)设A为三阶正交阵且|A| = 1.求证: (1)1是A的一个特征值; (2)A的特征多项式为 f (λ) = λ3 − aλ2 + aλ − 1 其中a为某个实数; (3)若A的特征值全为实数,并且|A + E | ̸= 0,则 AT = A2 − 3A + 3E ◇※☆■◇◇※☆■◇ 5 高等代数资源网
(法2)|AB T | = 1,而AB T 为正交矩阵,又AB T 的实特征值为1或−1,虚特征值成对出现, 故AB T 必有特征值−1, 从而 | − E − AB T | = 0 即 | − B − A||B T | = 0 从而结论成立. (2)由 |A − B | = |BB T A − BAT A| = |B ||B T − AT ||A| = |B |2 |B T − AT | = | − (A − B )T | = (−1)n |A − B | 知n为奇数时,|A − B | = −|A − B |,即|A − B | = 0. (3)一方面 |(A + B )(A − B )| = |A + B ||A − B | = |(A + B )T ||A − B | = |AT + B T ||A − B | = |(AT + B T )(A − B )| = |B T A − AT B |, 另一方面 |(A + B )(A − B )| = |A − B ||A + B | = |(A − B )T ||(A + B )| = |AT − B T ||A + B | = |(AT − B T )(A + B )| = |AT B − B T A|, 于是 |(A + B )(A − B )| = (−1)n |(A + B )(A − B )|, 由n为奇数,故|(A + B )(A − B )| = 0. (4)考虑C = AB −1 ,则 r(A + B ) = r(C + E ) 而n − r(C + E )就是C 的特征值中−1的个数,所以|C | = 1当且仅当特征值−1的个数为偶数. (5)可知|A−1 B | = 1.故(A + B )x = 0等价于(A−1 B )x = −x.即x是A−1 B 的属于特征 值−1的特征空间.只需证明行列式为1的正交阵,特征值−1的特征空间V−1 是偶数维的. 例 3.7 设A, B 都是n阶正交矩阵. (1)当|A| + |B | = 0时,|A + B |的值为多少?说明理由. (2)当n是奇数时,|(A − B )(A + B )|的值为多少?说明理由. 特别的,有 ◇※☆■◇◇※☆■◇ 3 高等代数资源网
2 正交矩阵的定义
定义 2.1 设A ∈ Rn×n ,若AT A = E,则称A为正交矩阵.
1
专题:正交矩阵的性质及其应用
3 正交矩阵的性质
例 3.1 设A为n阶实矩阵,则以下几条等价: (1)A为正交矩阵; (2)AAT = E ; (3)AT = A−1 ; (4)A的行(列)向量是两两正交的单位向量,即为欧氏空间Rn (标准内积)的一组标准正 交基. 例 3.2 (1)交换单位矩阵的行或列得到的矩阵(置换矩阵)是正交矩阵; (2)置换矩阵与任一正交矩阵的乘积还是正交矩阵,即交换正交矩阵的行或列得到的矩 阵还是正交矩阵; (3)正交矩阵的一行(列)乘以−1得到的矩阵仍为正交矩阵. 例 3.3 (1)上三角的正交矩阵必为对角矩阵,且对角元为1或−1. (2)如果正交矩阵 A是分块上三角矩阵,则 A 是分块对角矩阵,且 A 的主对角线上 的所有子矩阵都是正交矩阵。 例 3.4 设A为正交矩阵,则 (1)|A| = 1或−1; (2)A可逆,A−1 = AT 也是正交矩阵; (3)A∗ 是正交矩阵. 例 3.5 设A, B 都是正交矩阵,则 (1)AB, Am , AT B = A−1 B, AB T = AB −1 , AT BA = A−1 BA都是正交矩阵.其中m为正 整数. ( ) ( ) 1 A 0 A A (2) ,√ 都是正交矩阵. 0 B 2 −A A 例 3.6 (1)(北京理工04,太原科技06)设A, B 均为n阶正交矩阵,且|A| = −|B |,证明: |A + B | = 0.(r(A + B )∗ ≤ 1). (2)设A, B 均为n阶正交矩阵,n为奇数且|A| = |B |,证明:|A − B | = 0; (3)设A, B 均为n阶正交矩阵,n为奇数.则(A + B )(A − B )不可逆. (4)设A, B 为n阶正交阵,则|A| = |B |当且仅当n − r(A + B )为偶数. (5)设A, B 为n阶正交阵,|A||B | = 1.则 ker(A + B ) = {x ∈ Rn |(A + B )x = 0} 的维数是偶数. ◇※☆■◇◇※☆■◇ 2 高等代数资源网ຫໍສະໝຸດ 专题:正交矩阵的性质及其应用
例 3.8 (1)(武汉大学,上海交大)设A为n阶实方阵,AT A = E, |A| = −1,求证|A + E | = 0,即−1是A的特征值. (2)设A为奇数阶正交矩阵,|A| = −1,证明:A有特征值−1,即|A − E | = 0. 证明:(法1)参看例3.6. (法2)由于A的特征值只能为1, −1或a + bi(a2 + b2 = 1, b ̸= 0),且复特征值成对出现互为 共轭,因此可设A有2s个复特征值 a1 + b1 i, a1 − b1 i, · · · , as + bs i, as − bs i, r个特征值为1,m个特征值为−1,这里2s + r + m = n.由于 |A| = 1r (−1)m (a1 + b1 i)(a1 − b1 i) · · · (as + bs i)(as − bs i) = (−1)m , 从而可得. 例 3.9 (1)A为正交阵,|A| = −1的充要条件为A有奇数个特征值为−1. (1)A为正交阵,则|A| = 1的充要条件为A有偶数个特征值为−1. 例 3.10 设A为n阶正交矩阵,则 (1)A的复特征值的模为1,从而A的实特征值只能为1或−1,虚特征值成对互为共轭. (2)若λ = a + bi(a, b ∈ R, b ̸= 0)是A的特征值,ξ = α + βi(α, β ∈ Rn )是A的属于特征 值λ的特征向量,则β ̸= 0, α, β 长度相等且正交. 证明:(1)设λ ∈ C 是A的任一复特征值,α = (a1 + b1 i, · · · , an + bn i)(aj , bj ∈ R)为A的属 于特征值λ的特征向量,即Aα = λα,则 ¯ )¯ ¯ )(λα)αT AT Aα = α (λλ αα = (λα ¯ α, ¯ = 1,即结论成立. 但是α ¯ α ̸= 0,故λλ (2)由 A(α + βi) = (a + bi)(α + βi) 可得 Aα = aα − bβ, Aβ = aβ + bα. 若β = 0,则由Aβ = aβ + bα可得bα = 0,而b ̸= 0,故α = 0.这样ξ = 0.矛盾 . 下面证明α, β 长度相等且正交. (法1)由(2)左乘AT 可得 α = aAT α − bAT β, β = aAT β + bAT α, 于是 aα = a2 AT α − abAT β, bβ = abAT β + b2 AT α, ◇※☆■◇◇※☆■◇ 4 高等代数资源网 (1)