两个矩阵是否正交的判断方法是什么？
将两向量做内积，得出结果为0则两特征向量正交。
例子：
设向量m=(x1,x2,x3),n=(y1,y2,y3)那么m*n=x1y1+x2y2+x3y3如果m*n=0,那么称m和n正交。
矩阵的特征向量是矩阵理论上的重要概念之一，它有着广泛的应用。数学上，线性变换的特征向量（本征向量）是一个非简并的向量，其方向在该变换下不变。该向量在此变换下缩放的比例称为其特征值（本征值）。
扩展资料：
求特征值
描述正方形矩阵的特征值的重要工具是特征多项式，λ是A的特征值等价于线性方程组(A – λI) v = 0 （其中I是单位矩阵）有非零解v (一个特征向量)，因此等价于行列式|A – λI|=0 [1] 。
函数p(λ) = det(A – λI)是λ的多项式，因为行列式定义为一些乘积的和，这就是A的特征多项式。矩阵的特征值也就是其特征多项式的零点。
一个矩阵A的特征值可以通过求解方程pA(λ) = 0来得到。 若A是一个n×n矩阵，则pA为n次多项式，因而A最多有n个特征值。
反过来，代数基本定理说这个方程刚好有n个根，如果重根也计算在内的话。所有奇数次的多项式必有一个实数根，因此对于奇数n，每个实矩阵至少有一个实特征值。在实矩阵的情形，对于偶数或奇数的n，非实数特征值成共轭对出现。
求特征向量
一旦找到两两互不相同的特征值λ，相应的特征向量可以通过求解方程(A – λI) v = 0 得到，其中v为待求特征向量，I为单位阵。
当特征值出现重根时，如λ1=λ2，此时，特征向量v1的求解方法为(A-λ1I)v1=0，v2为(A-λ2I)v2=v1，依次递推。
没有实特征值的一个矩阵的例子是顺时针旋转90度。
数值计算
在实践中，大型矩阵的特征值无法通过特征多项式计算，计算该多项式本身相当费资源，而精确的“符号式”的根对于高次的多项式来说很难计算和表达：阿贝尔－鲁费尼定理显示高次（5次或更高）多项式的根无法用n次方根来简单表达。
对于估算多项式的根的有效算法是有的，但特征值的小误差可以导致特征向量的巨大误差。求特征多项式的零点，即特征值的一般算法，是迭代法。最简单的方法是幂法：取一个随机向量v，然后计算一系列单位向量。
这个序列几乎总是收敛于绝对值最大的特征值所对应的特征向量。这个算法很简单，但是本身不是很有用。但是，象QR算法这样的算法正是以此为基础的。
参考资料：百度百科-特征向量
绛旓細鎬庝箞鍒ゆ柇姝ｄ氦鐭╅樀濡備笅锛1銆佸垪鍚戦噺鍜岃鍚戦噺鍧囦负鍗曚綅鍚戦噺锛氭浜ょ煩闃电殑姣忎釜鍒楀悜閲忓拰琛屽悜閲忕殑鑼冩暟锛堥暱搴︼級閮戒负1銆2銆佸垪鍚戦噺涓や袱姝ｄ氦锛氭浜ょ煩闃电殑姣忎袱涓笉鍚岀殑鍒楀悜閲忓唴绉负0锛屽嵆褰兼鍨傜洿銆3銆佽鍚戦噺涓や袱姝ｄ氦锛氭浜ょ煩闃电殑姣忎袱涓笉鍚岀殑琛屽悜閲忓唴绉负0锛屽嵆褰兼鍨傜洿銆4銆佸垪鍚戦噺鍜岃鍚戦噺鐨勪箻绉负鍗曚綅鐭╅樀锛氭浜...
绛旓細灏嗕袱鍚戦噺鍋氬唴绉紝寰楀嚭缁撴灉涓0鍒欎袱鐗瑰緛鍚戦噺姝ｄ氦銆備緥瀛愶細璁惧悜閲弇=(x1,x2,x3),n=(y1,y2,y3)閭ｄ箞m*n=x1y1+x2y2+x3y3濡傛灉m*n=0,閭ｄ箞绉癿鍜宯姝ｄ氦銆傜煩闃电殑鐗瑰緛鍚戦噺鏄煩闃电悊璁轰笂鐨勯噸瑕佹蹇典箣涓锛屽畠鏈夌潃骞挎硾鐨勫簲鐢ㄣ傛暟瀛︿笂锛岀嚎鎬у彉鎹㈢殑鐗瑰緛鍚戦噺锛堟湰寰佸悜閲忥級鏄竴涓潪绠骞剁殑鍚戦噺锛屽叾鏂瑰悜鍦ㄨ鍙樻崲涓...
绛旓細姝ｄ氦鐭╅樀鐨勫垽鏂柟娉曪細鍚勫垪鍚戦噺涔嬮棿鍒嗗埆姝ｄ氦锛堝唴绉负0锛屽嵆涓嶅悓鍒楀悜閲忕浉搴斿厓绱犲垎鍒浉涔樺悗姹傚拰涓0锛夊悇鍒楀悜閲锛岄兘鏄崟浣嶅悜閲忥紙鑷韩鍐呯Н涓1锛屽嵆鍚勫垪鍚戦噺锛屽厓绱犲钩鏂瑰拰涓1锛夊鏋滐細AAT=E锛圗涓哄崟浣嶇煩闃碉紝AT琛ㄧず鈥滅煩闃礎鐨勮浆缃煩闃碘濄傦級鎴朅TA=E锛屽垯n闃跺疄鐭╅樀A绉颁负姝ｄ氦鐭╅樀锛岃嫢A涓烘浜ら樀锛屽垯婊¤冻浠ヤ笅鏉′欢锛1...
绛旓細姝ｄ氦鐭╅樀涓嶄竴瀹氭槸瀹炵煩闃銆傚疄姝ｄ氦鐭╅樀锛堝嵆璇ユ浜ょ煩闃典腑鎵鏈夊厓閮芥槸瀹炴暟锛夊彲浠ョ湅鍋氭槸涓绉嶇壒娈婄殑閰夌煩闃碉紝浣嗕篃瀛樺湪涓绉嶅姝ｄ氦鐭╅樀锛岃繖绉嶅姝ｄ氦鐭╅樀涓嶆槸閰夌煩闃点
绛旓細AAT鐨勮浆缃=E锛圗涓哄崟浣嶇煩闃碉紝AT琛ㄧず鈥滅煩闃礎鐨勮浆缃煩闃碘濄傦級鎴朅TA=E锛屽垯n闃跺疄鐭╅樀A绉颁负姝ｄ氦鐭╅樀銆傚彲浠ョ洿鎺ヨ绠桝涓嶢杞疆鐨勪箻绉紝濡傛灉绠楀嚭鏉ユ槸鍗曚綅闃碉紝鍒橝鏄浜ら樀銆傛洿鏂逛究鍦板仛娉曟槸鍒╃敤姝ｄ氦鐨勭瓑浠锋潯浠讹細鍚勫垪涓虹浉浜掓浜ょ殑鍗曚綅鍚戦噺銆傛墍浠ョ涓涓笉鏄浜ら樀锛堝垪鍚戦噺涓嶆槸鍗曚綅鍚戦噺锛夛紝绗簩涓槸姝ｄ氦闃点
绛旓細涓や釜鏂规硶:1. 鐢ㄥ畾涔 鐩存帴璁＄畻 AA^T, 鑻 绛変簬鍗曚綅鐭╅樀E, 灏鏄浜ょ煩闃 2. 鐢ㄥ畾鐞 A鏄痭闃姝ｄ氦鐭╅樀鐨鍏呭垎蹇呰鏉′欢鏄 A 鐨勫垪(鎴栬)鍚戦噺缁勬槸R^n鐨勬爣鍑嗘浜ゅ熀.鍗冲垪鍚戦噺鐨勯暱搴﹂兘鏄1, 涓涓や袱姝ｄ氦.婊℃剰璇烽噰绾砠_^
绛旓細姝ｄ氦鐭╅樀閫氬父鐢ㄥ瓧姣峇琛ㄧず銆備妇渚嬶細A=[r11 r12 r13;r21 r22 r23;r31 r32 r33]鍒欐湁锛歳11^2+r12^2+r13^2=r21^2+r22^2+r23^2=r31^2+r32^2+r33^2=1 r11*r12+r21*r22+r31*r32=0绛夋ц川 骞夸箟瀹氫箟 璁綧鏄痭闃鏂归樀锛屽鏋滃浠讳綍闈為浂鍚戦噺z锛岄兘鏈 z'Mz > 0锛屽叾涓瓃' 琛ㄧずz鐨勮浆缃紝灏辩ОM...
绛旓細鏇存柟渚垮湴鍋氭硶鏄埄鐢姝ｄ氦鐨绛変环鏉′欢锛氬悇鍒椾负鐩镐簰姝ｄ氦鐨勫崟浣嶅悜閲忋傛墍浠ョ涓涓笉鏄浜ら樀锛堝垪鍚戦噺涓嶆槸鍗曚綅鍚戦噺锛夛紝绗浜屼釜鏄浜闃点姝ｄ氦鐭╅樀鐨勫垽鏂柟娉锛氬悇鍒楀悜閲忎箣闂村垎鍒浜わ紙鍐呯Н涓0锛屽嵆涓嶅悓鍒楀悜閲忕浉搴斿厓绱犲垎鍒浉涔樺悗姹傚拰涓0锛夊悇鍒楀悜閲忥紝閮芥槸鍗曚綅鍚戦噺锛堣嚜韬唴绉负1锛屽嵆鍚勫垪鍚戦噺锛屽厓绱犲钩鏂瑰拰涓1锛
绛旓細0 1 1 0 A鐨勮浆缃細0 1 1 0 姝ゆ椂 AA^T=E锛屾晠A鏈韩鏄浜ょ煩闃 鐢变簬AA^锛-1锛=E 鐢遍嗙煩闃靛畾涔 鑻B=E 鍒橞涓篈鐨勯嗙煩闃 鍙互鐭ラ亾 A^锛-1锛変负A鐨勯嗙煩闃碉紝涔熷氨鏄姝ｄ氦鐭╅樀鏈韩蹇呯劧鏄彲閫嗙煩闃 鍗宠嫢A鏄浜ょ煩闃靛垯A鐨刵涓锛堝垪)鍚戦噺鏄痭缁村悜閲忕┖闂寸殑涓缁勬爣鍑嗘浜ゅ熀銆愬嵆绾挎т笉鐩稿叧銆...
绛旓細(鏍瑰彿3/2)x(-1/2)+(1/2)x(鏍瑰彿3/2)=0锛屽苟涓旀瘡涓垪鍚戦噺閮芥槸鍗曚綅鍚戦噺锛屾墍浠涓烘浜ょ煩闃 瀵圭涓鍒楀拰绗笁鍒楁眰鍐呯Н锛(鏍瑰彿2/2)x(鏍瑰彿2/3)+0x(1/3)+(-鏍瑰彿2/2)x(2/3)涓嶇瓑浜0锛屾墍浠ヤ笉姝ｄ氦锛屽浜庣涓鍒楀拰绗浜鍒椾箻锛岀浜屽垪瀵逛簬绗笁鍒楁垚閮戒负0锛屽氨涓嶅啓鍑烘潵浜嗭紝鍙鏈変竴瀵瑰垪鍚戦噺涓...
