《应用多元统计分析》的马氏距离

《应用多元统计分析》例2.3.1（有用结论）

设x是一个p维随机向量，E(x)=μ,V(x)=Σ>0,c为一整数，试证到μ的马氏距离固定为c的x集合，即
$$\left\{x:{\left(x-\mu \right)}^{\prime }{\Sigma }^{-1}\left(x-\mu \right)\right\}=c^2（2.3.6）$$
是一个椭圆（p=2)或椭球面（p=3）或者超椭球面（p>3)。

书本的证明过程

 证明   存在正交矩阵T和对角线元素皆为正的对角矩阵Λ=diag(λ1​,λ2​,⋯,λp​)，使得Σ=TΛT′。令y=T′(x−μ)，于是
$$c^2=\left\{x:{\left(x-\mu \right)}^{\prime }{\Sigma }^{-1}\left(x-\mu \right)\right\}$$

$$=y^{\prime }{\Lambda }^{-1}y$$

$$=\frac{y_1^2}{{\lambda }_1}+\frac{y_2^2}{{\lambda }_2}+\cdots +\frac{y_p^2}{{\lambda }_p}$$
故（2.3.6）式当p=2时是一个椭圆，当p=3时是一个椭球面，当p>3时是一个超椭球面。

详细的证明过程补充

逆矩阵的基本性质：${\left(A^{-1}\right)}^{{}^{\prime }}={\left(A^{\prime }\right)}^{-1}$，
若A是正交矩阵，则$A^{-1}=A^{\prime }$。
则详细过程换算为：

c 2 = ( x − μ ) ′ Σ − 1 (