系列文章目录
- 学习高等数学和线性代数需要的初等数学知识
- 线性代数——行列式
- 线性代数——矩阵
- 线性代数——向量
- 线性代数——线性方程组
- 线性代数——特征值和特征向量
- 线性代数——二次型
版权声明
本文大部分内容皆来自李永乐老师考研教材和视频课。
二次型
将含有
n
n
n个变量
x
1
,
x
2
,
…
,
x
n
x_1,x_2,\dots,x_n
x1,x2,…,xn的二次齐次函数
f
(
x
1
,
x
2
,
…
,
x
n
)
f(x_1,x_2,\dots,x_n)
f(x1,x2,…,xn)称为
n
n
n元二次型。现有一二次型
x
1
2
+
5
x
2
2
−
4
x
3
2
−
2
x
1
x
2
+
6
x
2
x
3
=
x
1
2
−
x
1
x
2
−
x
1
x
2
+
5
x
2
2
+
3
x
2
x
3
+
3
x
2
x
3
−
4
x
3
2
=
x
1
(
x
1
−
x
2
)
+
x
2
(
−
x
1
+
5
x
2
+
3
x
3
)
+
x
3
(
3
x
2
−
4
x
3
)
=
[
x
1
x
2
x
3
]
[
x
1
−
x
2
−
x
1
+
5
x
2
+
3
x
3
3
x
2
−
4
x
3
]
=
[
x
1
x
2
x
3
]
[
1
−
1
0
−
1
5
3
0
3
−
4
]
[
x
1
x
2
x
3
]
x_1^2+5x_2^2-4x_3^2-2x_1x_2+6x_2x_3\\ =x_1^2-x_1x_2-x_1x_2+5x_2^2+3x_2x_3+3x_2x_3-4x_3^2\\ =x_1(x_1-x_2)+x_2(-x_1+5x_2+3x_3)+x_3(3x_2-4x_3)\\ {=} \begin{bmatrix} x_1&x_2&x_3 \end{bmatrix} \begin{bmatrix} x_1-x_2\\ -x_1+5x_2+3x_3\\ 3x_2-4x_3 \end{bmatrix}\\ {=} \begin{bmatrix} x_1&x_2&x_3 \end{bmatrix} \begin{bmatrix} 1&-1&0\\ -1&5&3\\ 0&3&-4 \end{bmatrix} \begin{bmatrix} x_1\\ x_2\\ x_3 \end{bmatrix}
x12+5x22−4x32−2x1x2+6x2x3=x12−x1x2−x1x2+5x22+3x2x3+3x2x3−4x32=x1(x1−x2)+x2(−x1+5x2+3x3)+x3(3x2−4x3)=[x1x2x3]
x1−x2−x1+5x2+3x33x2−4x3
=[x1x2x3]
1−10−15303−4
x1x2x3
那么对于
n
n
n元二次型有矩阵表示
f
(
x
1
,
x
2
,
…
,
x
n
)
=
x
T
A
x
f(x_1,x_2,\dots,x_n)=x^TAx
f(x1,x2,…,xn)=xTAx
其中
x
=
(
x
1
,
x
2
,
…
,
x
n
)
T
,
A
=
[
a
i
j
]
x=(x_1,x_2,\dots,x_n)^T,A=[a_{ij}]
x=(x1,x2,…,xn)T,A=[aij],并且规定将
A
A
A化为对称矩阵,因为对称矩阵是唯一的,所以就能唯一确认一个二次型,那么就称
A
A
A为二次型的矩阵,
r
(
A
)
r(A)
r(A)称为二次型的秩,记为
r
(
f
)
r(f)
r(f)。 如果二次型中只含有变量的平方项,所有混合项
x
i
x
j
(
i
≠
j
)
x_ix_j(i\neq j)
xixj(i=j)的系数全为零,即
x
T
A
x
=
d
1
x
1
2
+
d
2
x
2
2
+
⋯
+
d
n
x
n
2
x^TAx=d_1x_1^2+d_2x_2^2+\dots+d_nx_n^2
xTAx=d1x12+d2x22+⋯+dnxn2
则称这样的二次型为标准型,在标准型中,若平方项的系数
d
j
d_j
dj为
1
,
−
1
1,-1
1,−1或
0
0
0,即
x
T
A
x
=
x
1
2
+
x
2
2
+
⋯
+
x
p
2
−
x
p
+
1
2
−
⋯
−
x
p
+
q
2
x^TAx=x_1^2+x_2^2+\dots+x_p^2-x_{p+1}^2-\dots-x_{p+q}^2
xTAx=x12+x22+⋯+xp2−xp+12−⋯−xp+q2
则称其为二次型的规范型。在标准型中,正平方项的个数
p
p
p称为二次型的正惯性指数,负平方项的个数
q
q
q称为二次型的负惯性指数。
- 在求解二次型的矩阵时,如果得出的矩阵
B
B
B不是对称矩阵,那么可通过以下方法将该矩阵化为对称矩阵
A
A
A:
- a i i = b i i a_{ii}=b_{ii} aii=bii
- a i j = 1 2 ( b i j + b j i ) a_{ij}=\frac{1}{2}(b_{ij}+b_{ji}) aij=21(bij+bji)
坐标变换
如果
[
x
1
x
2
x
3
]
=
[
c
11
c
12
c
13
c
21
c
22
c
23
c
31
c
32
c
33
]
[
y
1
y
2
y
3
]
⇓
x
=
C
y
\begin{bmatrix} x_1\\ x_2\\ x_3 \end{bmatrix} \ = \begin{bmatrix} c_{11}&c_{12}&c_{13}\\ c_{21}&c_{22}&c_{23}\\ c_{31}&c_{32}&c_{33}\\ \end{bmatrix} \begin{bmatrix} y_1\\ y_2\\ y_3 \end{bmatrix}\\ \Downarrow\\ x=Cy
x1x2x3
=
c11c21c31c12c22c32c13c23c33
y1y2y3
⇓x=Cy
满足
|
C
∣
≠
0
\colorbox{axqua}|C|\neq 0
|C∣=0,则称上式为
x
=
(
x
1
,
x
2
,
x
3
)
T
x=(x_1,x_2,x_3)^T
x=(x1,x2,x3)T到
y
=
(
y
1
,
y
2
,
y
3
)
T
y=(y_1,y_2,y_3)^T
y=(y1,y2,y3)T的坐标变换。任何一个二次型
x
T
A
x
x^TAx
xTAx都可以通过坐标变换化成标准型,通常有以下两种方法:
- 配方法
例:将二次型 f ( x 1 , x 2 , x 3 ) = x 1 2 + 2 x 2 2 + 5 x 3 2 + 2 x 1 x 2 + 2 x 1 x 3 + 6 x 2 x 3 f(x_1,x_2,x_3)=x_1^2+2x_2^2+5x_3^2+2x_1x_2+2x_1x_3+6x_2x_3 f(x1,x2,x3)=x12+2x22+5x32+2x1x2+2x1x3+6x2x3化为标准型。
解:
f ( x 1 , x 2 , x 3 ) = [ x 1 2 + 2 x 1 ( x 2 + x 3 ) + ( x 2 + x 3 ) 2 ] − ( x 2 + x 3 ) 2 + 2 x 2 2 + 5 x 3 2 + 6 x 2 x 3 = ( x 1 + x 2 + x 3 ) 2 + x 2 2 + 4 x 2 x 3 + 4 x 3 2 = ( x 1 + x 2 + x 3 ) 2 + ( x 2 + x 3 ) 2 f(x_1,x_2,x_3)=[x_1^2+2x_1(x_2+x_3)+(x_2+x_3)^2]-(x_2+x_3)^2+2x_2^2+5x_3^2+6x_2x_3\\ =(x_1+x_2+x_3)^2+x_2^2+4x_2x_3+4x_3^2\\ =(x_1+x_2+x_3)^2+(x_2+x_3)^2 f(x1,x2,x3)=[x12+2x1(x2+x3)+(x2+x3)2]−(x2+x3)2+2x22+5x32+6x2x3=(x1+x2+x3)2+x22+4x2x3+4x32=(x1+x2+x3)2+(x2+x3)2
令
{ y 1 = x 1 + x 2 + x 3 y 2 = x 2 + x 3 y 3 = x 3 ⇒ { x 1 = y 1 − y 2 + y 3 x 2 = y 2 − 2 y 3 x 3 = y 3 \begin{cases} y_1=x_1+x_2+x_3\\ y_2=x_2+x_3\\ y_3=x_3 \end{cases} \Rightarrow \begin{cases} x_1=y_1-y_2+y_3\\ x_2=y_2-2y_3\\ x_3=y_3 \end{cases} ⎩ ⎨ ⎧y1=x1+x2+x3y2=x2+x3y3=x3⇒⎩ ⎨ ⎧x1=y1−y2+y3x2=y2−2y3x3=y3
即 x = C y , C = [ 1 − 1 1 0 1 − 2 0 0 1 ] x=Cy,C=\begin{bmatrix}1&-1&1\\0&1&-2\\0&0&1\end{bmatrix} x=Cy,C= 100−1101−21 - 正交变换法
当且仅当 A A A为 n n n阶实对称矩阵时, A A A必可对角化,且总存在正交矩阵 Q Q Q,使得
Q − 1 A Q = Q T A Q = Λ = [ λ 1 λ 2 ⋱ λ n ] Q^{-1}AQ=Q^TAQ=\Lambda= \begin{bmatrix} \lambda_1&&&\\ &\lambda_2&&\\ &&\ddots&\\ &&&\lambda_n\\ \end{bmatrix} Q−1AQ=QTAQ=Λ= λ1λ2⋱λn
那么令 x = Q y x=Qy x=Qy,则
x T A x = ( Q y ) T A ( Q y ) = y T Q T A Q y = y T Λ y = λ 1 y 1 2 + λ 2 y 2 2 + ⋯ + λ n y n 2 x^TAx=(Qy)^TA(Qy)\\ =y^TQ^TAQy\\ =y^T\Lambda y\\ =\lambda_1y_1^2+\lambda_2y_2^2+\dots+\lambda_ny_n^2 xTAx=(Qy)TA(Qy)=yTQTAQy=yTΛy=λ1y12+λ2y22+⋯+λnyn2
即对任意一个 n n n元二次型 x T A x x^TAx xTAx,其中 A A A是 n n n阶实对称矩阵,必存在正交变换 x = Q y x=Qy x=Qy( Q Q Q是正交矩阵),使得 x T A x x^TAx xTAx化成标准型
λ 1 y 1 2 + λ 2 y 2 2 + ⋯ + λ n y n 2 \lambda_1y_1^2+\lambda_2y_2^2+\dots+\lambda_ny_n^2 λ1y12+λ2y22+⋯+λnyn2
这里 λ 1 , λ 2 , … λ n \lambda_1,\lambda_2,\dots\lambda_n λ1,λ2,…λn是 A A A的 n n n个特征值。对标准型再次进行坐标变换即可化为规范型。
坐标变换的性质如下:
- 二次型 x T A x x^TAx xTAx经坐标变换 x = C y x=Cy x=Cy得到二次型 y T B y y^TBy yTBy,其中 B = C T A C B=C^TAC B=CTAC
- 惯性定理:对于一个二次型,不论选取怎样的坐标变换使其化为标准型,其中正平方项的个数 p p p,负平方项的个数 q q q都是由所给二次型唯一确定的。即二次型的规范型是唯一确认的。
矩阵合同
两个
n
n
n阶矩阵
A
A
A和
B
B
B,如果存在可逆矩阵
C
C
C,使得
B
=
C
T
A
C
B=C^TAC
B=CTAC就称矩阵
A
A
A和
B
B
B合同,记作
A
≃
B
A\simeq B
A≃B,并称由
A
A
A到
B
B
B的变换为合同变换,称
C
C
C为合同变换的矩阵。 给定一个二次型
f
(
x
1
,
x
2
,
x
3
)
=
x
T
A
x
f(x_1,x_2,x_3)=x^TAx
f(x1,x2,x3)=xTAx
对其进行一次任意的
x
=
C
y
x=Cy
x=Cy坐标变换:
f
(
x
1
,
x
2
,
x
3
)
=
x
T
A
x
=
(
C
y
)
T
A
(
C
y
)
=
y
T
C
T
A
C
y
=
y
T
B
y
f(x_1,x_2,x_3)=x^TAx\\ =(Cy)^TA(Cy)\\ =y^TC^TACy\\ =y^TBy
f(x1,x2,x3)=xTAx=(Cy)TA(Cy)=yTCTACy=yTBy
其中
B
=
C
T
A
C
B^=C^TAC
B=CTAC,即
A
≃
B
⇔
A\simeq B\Leftrightarrow
A≃B⇔对二次型
x
T
A
x
x^TAx
xTAx做一次
x
=
C
y
x=Cy
x=Cy坐标变换。合同的性质如下:
- A ≃ A A\simeq A A≃A
- A ≃ B ⇒ B ≃ A A\simeq B\Rightarrow B\simeq A A≃B⇒B≃A
- A ≃ B , B ≃ C ⇒ A ≃ C A\simeq B,B\simeq C\Rightarrow A\simeq C A≃B,B≃C⇒A≃C
- 对于实对称矩阵而言:
- A ≃ B ⇔ x T A x A\simeq B\Leftrightarrow x^TAx A≃B⇔xTAx 与 x T B x x^TBx xTBx有相同的正、负惯性指数。
- 若 A ≃ B A\simeq B A≃B,其中一个为实对称矩阵,则另一个必为实对称矩阵。
正定二次型
设二次型 x T A x x^TAx xTAx,如果对任何 x ≠ O x\neq O x=O,恒有 x T A x > 0 x^TAx>0 xTAx>0,则称二次型 x T A x x^TAx xTAx为正定二次型,并称矩阵 A A A是正定矩阵。文章来源:https://www.toymoban.com/news/detail-615325.html
- 正定二次型经坐标变换其正定性保持不变。
-
n
n
n元二次型
x
T
A
x
x^TAx
xTAx正定
⇔ A \Leftrightarrow A ⇔A的正惯性指数是 n n n
⇔ A \Leftrightarrow A ⇔A与 E E E合同
⇔ A \Leftrightarrow A ⇔A的所有特征值均为正数
⇔ A \Leftrightarrow A ⇔A的各阶顺序主子式均大于零
⇒ a i i > 0 \Rightarrow a_{ii}>0 ⇒aii>0
⇒ ∣ A ∣ > 0 \Rightarrow |A|>0 ⇒∣A∣>0
⇒ \Rightarrow ⇒ 平方项系数大于零
偏导法求解二次型
在使用配方法求解二次型的规范型时,极其需要技巧性,而偏导法求是一种通用型的简易方法,它将求解二次型分为以下两种情形:文章来源地址https://www.toymoban.com/news/detail-615325.html
- 情形一:如果
f
(
x
1
,
…
,
x
n
)
f(x_1,\dots,x_n)
f(x1,…,xn)中含有某变量的平方项,即
a
i
i
(
i
=
1
,
…
,
n
)
a_{ii}(i=1,\dots,n)
aii(i=1,…,n)中至少有一个不为零,不妨设
a
11
≠
0
a_{11}\neq0
a11=0,记
f
1
=
1
2
∂
f
∂
x
1
f_1=\frac{1}{2} \frac{\partial f}{\partial x_1}
f1=21∂x1∂f,令
f ( x 1 , … , x n ) = 1 a 11 ( f 1 ) 2 + g f(x_1,\dots,x_n)=\frac{1}{a_{11}}(f_1)^2+g f(x1,…,xn)=a111(f1)2+g
求得 g g g,此时 g g g中已不含 x 1 x_1 x1,再记 g 1 = 1 2 ∂ g ∂ x 2 g_1=\frac{1}{2} \frac{\partial g}{\partial x_2} g1=21∂x2∂g,并令
f ( x 1 , … , x n ) = 1 a 11 ( f 1 ) 2 + 1 a 22 ( g 1 ) 2 + h f(x_1,\dots,x_n)=\frac{1}{a_{11}}(f_1)^2+\frac{1}{a_{22}}(g_1)^2+h f(x1,…,xn)=a111(f1)2+a221(g1)2+h
此时 h h h中已不含 x 1 x_1 x1和 x 2 x_2 x2,按照这种步骤继续运算,可将二次型转换为标准型。 - 情形二:如果
f
(
x
1
,
…
,
x
n
)
f(x_1,\dots,x_n)
f(x1,…,xn)中不含有任一变量的平方项,即
a
i
i
=
0
(
i
=
1
,
…
,
n
)
a_{ii}=0(i=1,\dots,n)
aii=0(i=1,…,n),但至少有一个
a
1
j
≠
0
(
j
>
1
)
a_{1j}\neq0(j>1)
a1j=0(j>1)不为零
(
a
i
j
(a_{ij}
(aij是
x
1
x
2
x_1x_2
x1x2项的系数),不妨设
a
12
≠
0
a_{12}\neq0
a12=0,记
f
1
=
1
2
∂
f
∂
x
1
,
f
2
=
1
2
∂
f
∂
x
2
f_1=\frac{1}{2}\frac{\partial f}{\partial x_1},f_2=\frac{1}{2}\frac{\partial f}{\partial x_2}
f1=21∂x1∂f,f2=21∂x2∂f,令
f ( x 1 , … , x n ) = 1 a 12 [ ( f 1 + f 2 ) 2 − ( f 1 − f 2 ) 2 ] + ψ f(x_1,\dots,x_n)=\frac{1}{a_{12}}[(f_1+f_2)^2-(f_1-f_2)^2]+\psi f(x1,…,xn)=a121[(f1+f2)2−(f1−f2)2]+ψ
求得 ψ \psi ψ,此时 ψ \psi ψ中已不含 x 1 x_1 x1和 x 2 x_2 x2,观察 ψ \psi ψ的结构,如果 ψ \psi ψ中含有变量的平方项,则按照情形1中的方法进行,否则按照情形2中的方法进行,直至二次型化为标准型。
到了这里,关于线性代数——二次型的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!