#

正交与二次型


正交与二次型

正交矩阵其实就是空间的旋转,先说结论:
椭圆的长短轴分别沿着矩阵A\boldsymbol{A}的两个特征向量的方向,而两个与之对应的特征值分别是半长轴和半短轴的长度的平方的倒数。

拿我们最熟悉的椭圆方程举例:

ax2+2bxy+cy2=1ax^2+2bxy+cy^2=1

化为矩阵形式:

[xy]T[abbc][xy]=xTAx=1\left[\begin{array}{l} x \\ y \end{array}\right]^{T}\left[\begin{array}{ll} a & b \\ b & c \end{array}\right]\left[\begin{array}{l} x \\ y \end{array}\right]=x^{T} A x=1

这个方程可能是双曲线也可能是椭圆或抛物线,如果是椭圆,则A\boldsymbol{A}是正定矩阵,举例:

5x2+8xy+5y2=15x^2+8xy+5y^2=1

可以转化为:

[xy]T[5445][xy]=xTAx=1\left[\begin{array}{l} x \\ y \end{array}\right]^{T}\left[\begin{array}{ll} 5 & 4 \\ 4 & 5 \end{array}\right]\left[\begin{array}{l} x \\ y \end{array}\right]=x^{T} A x=1

A\boldsymbol{A}的特征值为:

λ1=1,λ2=9\lambda_1=1, \lambda_2=9

A\boldsymbol{A}的归一化特征向量为:

μ1=[1/21/2]μ2=[1/21/2]\mu_{1}=\left[\begin{array}{c} 1 / \sqrt{2} \\ -1 / \sqrt{2} \end{array}\right] \mu_{2}=\left[\begin{array}{c} 1 / \sqrt{2} \\ 1 / \sqrt{2} \end{array}\right]

于是可以将A\boldsymbol{A}正交分解:

A=QΛQ1=QΛQT=[1/21/21/21/2][1009][1/21/21/21/2]A=Q \Lambda Q^{-1}=Q \Lambda Q^{T}=\left[\begin{array}{cc} 1 / \sqrt{2} & 1 / \sqrt{2} \\ -1 / \sqrt{2} & 1 / \sqrt{2} \end{array}\right]\left[\begin{array}{cc} 1 & 0 \\ 0 & 9 \end{array}\right]\left[\begin{array}{cc} 1 / \sqrt{2} & -1 / \sqrt{2} \\ 1 / \sqrt{2} & 1 / \sqrt{2} \end{array}\right]

因此:

P(f)=xTAx=xTQΛQTx=(QTx)TΛ(QTx)=1(xy2)2+9(x+y2)2=m2+9n2\begin{aligned} P(f) &=x^{T} A x=x^{T} Q \Lambda Q^{T} x \\ &=\left(Q^{T} x\right)^{T} \Lambda\left(Q^{T} x\right) \\ &=1\left(\frac{x-y}{\sqrt{2}}\right)^{2}+9\left(\frac{x+y}{\sqrt{2}}\right)^{2}\\ &=m^2+9n^2 \end{aligned}

且:

{m=12x12yn=12x+12y\begin{cases} m=\frac{1}{\sqrt{2}}x-\frac{1}{\sqrt{2}}y\\ n=\frac{1}{\sqrt{2}}x+\frac{1}{\sqrt{2}}y\\ \end{cases}

相当于(x,y)(x,y)逆时针旋转了45°得到(m,n)(m,n),这样就得到了旋转后的方程,以及旋转方向。

  • 注意:二维的旋转矩阵是:

{m=cosθxsinθyn=sinθx+cosθy\begin{cases} m=\cos \theta \cdot x-\sin \theta \cdot y\\ n=\sin \theta \cdot x+\cos \theta \cdot y\\ \end{cases}


文章作者: 王胜鹏
版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 王胜鹏 !
评论
 上一篇
组合数 组合数
组合数一列等式 求解: ∑k=1n−1k(n−1k−1)mn−k\sum_{k=1}^{n-1}{k\left( \begin{array}{c} n-1\\ k-1\\ \end{array} \right)}m^{n-k} k=1∑
2021-10-20
下一篇 
SVD奇异分解 SVD奇异分解
SVD奇异分解 SVD也是对矩阵进行分解,但是和特征分解不同,SVD并不要求要分解的矩阵为方阵。假设我们的矩阵A是一个m×n的矩阵,那么我们定义矩阵A的SVD为: A=UΣVTA=U\varSigma V^T A=UΣVT 其中UUU是一个
2021-08-26
  目录