线性代数 05.08 正定二次型

$\color{blue}{\S 第五章 第八节 正定二次型}$

$\color{blue}{一、惯性律}$

$\color{blue}{1.惯性定律}$

$\color{blue}{定理11.设二次型f= x^TAx的秩为r.若可逆线性变换\\ x = Cy及x = Pz分别将二次型f化成标准型:\\ f = k_1y_1^2 + k_2y^2 + \cdots + k_ry_r^2 \quad (k_i \neq 0, i = 1, 2, \cdots, r)\\ 及f = \lambda_1 z_1^2 + \lambda_2 z_2^2 + \cdots + \lambda_r z_r^2 (\lambda_i \neq 0, i = 1, 2, \cdots, r)\\ 则k_1, k_2, \cdots, k_r与\lambda_1, \lambda_2, \cdots, \lambda_r中带正号的个数相同. }$

$\color{blue}{2.惯性定律的几何解释}$

惯性定律反应到几何上，就是经过可逆的线性变换把二次曲线方程化成标准方程。方程系数与所作的线性变换有关;而曲线的类型(是椭圆型、双曲线型等)是不会因为所作的线性变换的不同而改变的.

$\color{blue}{3.惯性指数}$

(1) 称二次型标准形的项数为二次型的惯性指数r.
(2) 称二次型标准形的正项个数为二次型的正惯性指数p.
(3) 称二次型标准形的负项数为二次型的负惯性指数q.
$显然 r = p + q = R(A)$

$\color{blue}{二、二次型的正定性}$

$\color{blue}{1.二次型正定性的概念}$

$\color{blue}{定义11.设有二次型f = x^TAx,若对任何x \neq 0,都有f > 0,\\ 则称f为正定二次型,并称对称矩阵A为正定矩阵,记为A > 0;\\ 对于任何x \neq 0,都有f < 0,则称f为负定二次型,并称对称矩阵\\ A为负定矩阵,记为A < 0.}$

$\color{blue}{2.二次型正定性的判定}$

$\color{blue}{定理12.实二次型f = x^TAx为正定二次型的充分必要条件\\ 是它的标准形的n个系数全为正数. }$
$证:设可逆变换x = Cy,使\\ f(x) = f(Cy) = k_1y_1^2 + k_2y_2^2 + \cdots + k_ny_n^2. \\ 先证充分性.设k_i > 0(i = 1, 2, \cdots, n).任给 x \neq 0,则 \\ y = C^{-1}x \neq 0, 故\\ f(x) = f(Cy) = k_1y_1^2 + k_2y_2^2 + \cdots + k_ny_n^2 > 0. \\ 故f是正定的. \\ 再证必要性.用反证法. \\ 假设k_s \leq 0,则当y = e_s(单位坐标向量)时,\\ f(x) = k_se_s = k_s \leq 0,这与f正定相矛盾.\\ 故k_s > 0, 从而k_i > 0(i = 1, 2, \cdots, n).$

$\color{blue}{推论：对称矩阵A为正定矩阵的充分必要条件\\ 是A的特征值全为正数. }$

$\color{blue}{定理13.堆成矩阵A为正定矩阵的充分必要条件\\ 是A的各阶顺序主子式全大于零.即\\ |a_{11}| > 0, \begin{vmatrix} a_{11} & a_{12} \\ a_{21} & a_{22} \end{vmatrix} > 0, \cdots, \begin{vmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \cdots & \cdots & \cdots & \cdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \\ \end{vmatrix} > 0 \\ 对称矩阵A为负定矩阵的充分必要条件是A的奇数阶顺序\\ 主子式全小于零,而偶数阶的顺序主子式全大于零.即 \\ (-1)^r\begin{vmatrix} a_{11} & \cdots & a_{1r} \\ \vdots & \cdots & \vdots \\ a_{r1} & \cdots & a_{rr} \\ \end{vmatrix} > 0 (r = 1, 2, \cdots, n)}$

$\color{blue}{3.正定二次型的几何意义}$

1) 二维正定二次型f(x, y) = c(c> 0为常数)是以原点为中心的椭圆.
当c为任意常数时,f是一族椭圆,当c = 0时,这些椭圆收缩到原点.
2) 三维正定二次型f(x, y, z) = c(c > 0为常数)是一族椭球.

$\color{blue}{二、正定二次型的判别方法}$

1.对于抽象的二次型用定义;
2.对于具体的二次型用定理.

$例1.判别二次型 f = -5x^2 -6y^2 -4z^2 - 4xy + 4xz 的正定性.$
$解: \\ f的矩阵为: A = \begin{pmatrix} -5 & 2 & 2 \\ 2 & -6 & 0 \\ 2 & 0 & -4 \\ \end{pmatrix} \\ 因为 |-5| = -5 < 0, \begin{vmatrix} -5 & 2 \\ 2 & -6 \end{vmatrix} = 26 > 0, |A| = -80 < 0. \\ 由定理13可知:f为负定的.$

$例2.设二次型\\ f = x_1^2 + 2x_1x_2 + 4x_1x_3 + 2x_2^2 + 6x_2x_3 + tx_3^2 \\ 为正定的,求t的取值范围.$
$解: \\ 二次型f的矩阵为A = \begin{pmatrix} 1 & 1 & 2 \\ 1 & 2 & 3 \\ 2 & 3 & t \\ \end{pmatrix}, \\ 而|1| = 1 > 0, \begin{vmatrix} 1 & 1 \\ 1 & 2 \end{vmatrix} = 1 > 0, \begin{vmatrix} 1 & 1 & 2 \\ 1 & 2 & 3 \\ 2 & 3 & 5 \\ \end{vmatrix} = t - 5. \\ 所以,若t > 5时, A的全部顺序主子式都大于零,从而A为正定的.\\ 而A所对应的二次型f为正定的.$

$例3.已知方阵\\ A = \begin{pmatrix} 3 & 2 & 0 \\ 2 & 4 & -2 \\ 0 & -2 & 5 \\ \end{pmatrix} \\ 为正定矩阵,与A相似的对角矩阵是(\ \ {\color{blue}{C} }\ \ ).$
$A. \begin{pmatrix} 1 & & \\ & 1 & \\ & & 1 \end{pmatrix} \quad B. \begin{pmatrix} 2 & & \\ & 0 & \\ & & 10 \end{pmatrix} \\ C. \begin{pmatrix} 1 & & \\ & 4 & \\ & & 7 \end{pmatrix} \quad D. \begin{pmatrix} -1 & & \\ & 6 & \\ & & 7 \end{pmatrix}$
$解： \\因A为正定的,所以A的特征值全为正.\\ 而A的相似对角矩阵的主对角线上的元素恰是A的特征值.\\ 所以B和D去除;又因为所有的特征值之和等于A的迹,\\ 故C入选.$

$例4.设对称矩阵A是正定的,试证:A的伴随矩阵A^{*}也是正定的.$
$证:因为A > 0,所以A的特征值\lambda_i > 0 (i = 1, 2, \cdots, n), \\ A ^ { -1 } 的特征值\dfrac{1}{\lambda_i} > 0(i = 1, 2, \cdots, n), \\ 而A ^ { * } = |A|A ^ { -1 }的特征值为\dfrac{|A|}{\lambda_i}(i = 1, 2, \cdots, n),\\ 于是A ^ { * }的特征值均大于零.故A ^ { * }为正定矩阵.$

$例5.设A是n阶的正定矩阵,证明:|A + 2E| > 2^n.$
$证: 因A为n阶的正定矩阵,故存在正交矩阵P,使\\ P^{-1}AP = P^TAP = \Lambda, 其中 \\ \Lambda = \begin{pmatrix} \lambda_1 & & & \\ & \lambda_2 & & \\ & & \ddots & \\ & & & \lambda_n \\ \end{pmatrix} \\ 且\lambda_i > 0(i = 1, 2, \cdots, n) 是A的特征值,因此, \\ |A + 2E | = |P \Lambda P^{-1} + P (2E) P^{-1} | \\ = |P(\Lambda + 2E)P^{-1} | \\ = |P| |\Lambda + 2E| |P^{-1}| \\ = |\Lambda + 2E| \\ = \begin{vmatrix}\lambda_1 + 2 & & & \\ & \lambda_2 + 2 & & \\ & & \ddots & \\ & & & \lambda_n + 2 \end{vmatrix} \\ = (\lambda_1 + 2)(\lambda_2 + 2) \cdots (\lambda_n + 2) > 2^n .$

$例6.设A为m \times n矩阵,E是n阶单位矩阵,已知矩阵B = \lambda E + A^TA,\\ 试证:当\lambda > 0时, B为正定矩阵.$
$证: \\ 因为:B^T = (\lambda E + A^TA)^T \\ = (\lambda E)^T + (A^TA)^T \\ = \lambda E + A^T(A^T)^T \\ = \lambda E + A^T A \\ = B \\ 所以B是对称矩阵. \\ 对任意n维实向量x,有 \\ x^TBx = x^T(\lambda E + A^TA)x \\ = x^T\lambda E x + x^T A^T A x \\ = \lambda x^T x + (Ax)^T(Ax) \\ = \lambda \Vert x \Vert ^2 + \Vert Ax \Vert ^2 \\ 若 x \neq 0, 则有 \Vert x \Vert > 0, \Vert Ax \Vert \geq 0,\\ 所以当 \lambda > 0时, x^TBx > 0 \\ 故 B为正定的.$

$例7.设A是m阶的实对称矩阵,且正定,B为m \times n实矩阵,\\ 试证:B^TAB为正定矩阵的充分必要条件是R(B) = n.$
$证:\\ 必要性:设B^TAB为正定矩阵,\\ 则对于任意n维实向量x \neq 0,有\\ x^T(B^TAB)x > 0 \\ 即 (Bx)^TA(Bx) > 0 \\ 又因为A是正定的,于是 Bx \neq 0, \\因此 Bx = 0只有零解,\\ 从而 R(B) = n. \\ 充分性: 因为(B^TAB)^T = B^TA^T(B^T)^T = B^TAB \\ 若R(B) = n, 则线性方程组Bx = 0只有零解,\\ 从而对任意n维向量x \neq 0,有Bx \neq 0, \\ 又因为A为正定矩阵,所以对于 \\ Bx \neq 0，\\ 有 (Bx)^T A (Bx) > 0. \\ 于是当Bx \neq 0时, x^T(B^TAB)x > 0 \\ 故B^TAB为正定矩阵.$