1.二次型及其标准形、规范形
1.1.二次型的矩阵表示
含有
n
n
n个变量
x
1
,
x
2
,
⋯
,
x
n
x_1,x_2,\cdots,x_n
x1,x2,⋯,xn的二次齐次函数
f
(
x
1
,
x
2
,
⋯
,
x
n
)
=
a
11
x
1
2
+
a
22
x
2
2
+
⋯
+
a
n
n
x
n
2
+
2
a
12
x
1
x
2
+
2
a
13
x
1
x
3
+
⋯
+
2
a
n
−
1
,
n
x
n
−
1
x
n
f(x_1,x_2,\cdots,x_n)=a_{11}x_1^2+a_{22}x_2^2+\cdots+a_{nn}x_n^2+2a_{12}x_1x_2+2a_{13}x_1x_3+\cdots+2a_{n-1,n}x_{n-1}x_n
f(x1,x2,⋯,xn)=a11x12+a22x22+⋯+annxn2+2a12x1x2+2a13x1x3+⋯+2an−1,nxn−1xn
称为二次型.
当
j
>
i
j>i
j>i时,取
a
j
i
=
a
i
j
a_{ji}=a_{ij}
aji=aij,则
2
a
i
j
x
i
x
j
=
a
i
j
j
x
i
x
j
+
a
j
i
x
i
x
j
2a_{ij}x_ix_j=a_{ijj}x_ix_j+a_jix_ix_j
2aijxixj=aijjxixj+ajixixj,故上式可写成
f
(
x
1
,
x
2
,
⋯
,
x
n
)
=
∑
i
=
1
n
∑
j
=
1
n
a
i
j
x
i
x
j
f(x_1,x_2,\cdots,x_n)=\sum\limits_{i=1}^n\sum\limits_{j=1}^na_{ij}x_ix_j
f(x1,x2,⋯,xn)=i=1∑nj=1∑naijxixj
当
a
i
j
a_{ij}
aij为实数时,
f
f
f称为实二次型.记
A
=
[
a
11
a
12
⋯
a
1
n
a
21
a
22
⋯
a
2
n
⋮
⋮
⋮
a
n
1
a
n
2
⋯
a
n
n
]
,
x
=
[
x
1
x
2
⋮
x
n
]
A=\begin{bmatrix} a_{11}&a_{12}&\cdots&a_{1n} \\a_{21}&a_{22}&\cdots&a_{2n} \\\vdots&\vdots&&\vdots \\a_{n1}&a_{n2}&\cdots&a_{nn} \end{bmatrix}, x=\begin{bmatrix} x_1\\x_2\\\vdots\\x_n \end{bmatrix}
A=
a11a21⋮an1a12a22⋮an2⋯⋯⋯a1na2n⋮ann
,x=
x1x2⋮xn
则二次型
f
f
f可表示为
f
=
x
T
A
x
f=x^TAx
f=xTAx,其中
A
A
A为
n
n
n阶实对称矩阵,即
A
T
=
A
A^T=A
AT=A,
A
A
A称为二次型
f
f
f的矩阵,
A
A
A的秩称为二次型
f
f
f的秩.
1.2.线性变换
对于
n
n
n元二次型
f
(
x
1
,
x
2
,
⋯
,
x
n
)
f(x_1,x_2,\cdots,x_n)
f(x1,x2,⋯,xn),若令
{
x
1
=
c
11
y
1
+
c
12
y
2
+
⋯
+
c
1
n
y
n
x
2
=
c
21
y
1
+
c
22
y
2
+
⋯
+
c
2
n
y
n
⋯
⋯
x
n
=
c
n
1
y
1
+
c
n
2
y
2
+
⋯
+
c
n
n
y
n
(
∗
)
\begin{cases} x_1=c_{11}y_1+c_{12}y_2+\cdots+c_{1n}y_n \\x_2=c_{21}y_1+c_{22}y_2+\cdots+c_{2n}y_n \\\cdots\cdots \\x_n=c_{n1}y_1+c_{n2}y_2+\cdots+c_{nn}y_n \end{cases}~~~~~~~(*)
⎩
⎨
⎧x1=c11y1+c12y2+⋯+c1nynx2=c21y1+c22y2+⋯+c2nyn⋯⋯xn=cn1y1+cn2y2+⋯+cnnyn (∗)
记
x
=
[
x
1
x
2
⋮
x
n
]
,
C
=
[
c
11
c
12
⋯
a
c
1
n
c
21
c
22
⋯
c
2
n
⋮
⋮
⋮
c
n
1
c
n
2
⋯
c
n
n
]
,
y
=
[
y
1
y
2
⋮
y
n
]
x=\begin{bmatrix} x_1\\x_2\\\vdots\\x_n \end{bmatrix}, C=\begin{bmatrix} c_{11}&c_{12}&\cdots&ac_{1n} \\c_{21}&c_{22}&\cdots&c_{2n} \\\vdots&\vdots&&\vdots \\c_{n1}&c_{n2}&\cdots&c_{nn} \end{bmatrix}, y=\begin{bmatrix} y_1\\y_2\\\vdots\\y_n \end{bmatrix}
x=
x1x2⋮xn
,C=
c11c21⋮cn1c12c22⋮cn2⋯⋯⋯ac1nc2n⋮cnn
,y=
y1y2⋮yn
则
(
∗
)
(*)
(∗)式可写为
x
=
C
y
x=Cy
x=Cy,
(
∗
)
(*)
(∗)式称为线性变换.
- 若 C C C可逆,则称为可逆线性变换(配方法)
- 若 C C C为正交矩阵,则称为正交变换(正交变换法)
1.3.二次型的标准形、规范形
- 定义
- 标准形——形如 d 1 x 1 2 + d 2 x 2 2 + ⋯ + d n x n 2 d_1x_1^2+d_2x_2^2+\cdots+d_nx_n^2 d1x12+d2x22+⋯+dnxn2(只有平方项,没有交叉项)
- 规范形——形如 x 1 2 + ⋯ + x p 2 − x p + 1 2 − ⋯ − x p + q 2 x_1^2+\cdots+x_p^2-x_{p+1}^2-\cdots-x_{p+q}^2 x12+⋯+xp2−xp+12−⋯−xp+q2(标准形中系数 d i d_i di取值范围为 { 1 , − 1 , 0 } \{1,-1,0\} {1,−1,0}
- 标准形一般不唯一,规范形在不考虑系数的顺序时是唯一的
- 重要结论
- 任何二次型 f = x T A x f=x^TAx f=xTAx均可通过配方法(作可逆线性变换 x = C y x=Cy x=Cy)化为标准形 k 1 y 1 2 + k 2 y 2 2 + ⋯ + k n y n 2 k_1y_1^2+k_2y_2^2+\cdots+k_ny_n^2 k1y12+k2y22+⋯+knyn2或规范形 y 1 2 + ⋯ + y p 2 − y p + 1 2 − ⋯ − y p + q 2 y_1^2+\cdots+y_p^2-y_{p+1}^2-\cdots-y_{p+q}^2 y12+⋯+yp2−yp+12−⋯−yp+q2
- 任何二次型
f
=
x
T
A
x
f=x^TAx
f=xTAx可以通过正交变换
x
=
Q
y
x=Qy
x=Qy化成标准形
λ
1
y
1
2
+
λ
2
y
2
2
+
⋯
+
λ
n
y
n
2
\lambda_1y_1^2+\lambda_2y_2^2+\cdots+\lambda_ny_n^2
λ1y12+λ2y22+⋯+λnyn2
- 此处 Q Q Q的列向量均是 A A A的特征向量 λ i \lambda_i λi均是A的特征值
- (惯性定理)无论选取什么样的可逆线性变换,将二次型化成标准形或规范形,其正项个数
p
p
p,负项个数
q
q
q都是不变的,
p
p
p称为正惯性指数,
q
q
q称为负惯性指数.
- r ( A ) = p + q r(A)=p+q r(A)=p+q
2.配方法
- 含平方项
- 将某个变量的平方项及==与其有关的混合项(全部)==合并在一起,配成一个完全平方项,重复直至配完.
- 不含平方项
- 创造平方项,如含有 x 1 x 2 x_1x_2 x1x2项,令 { x 1 = y 1 + y 2 x 2 = y 1 − y 2 \begin{cases}x_1=y_1+y_2\\x_2=y_1-y_2\end{cases} {x1=y1+y2x2=y1−y2,使 x 1 x 2 = y 1 2 − y 2 2 x_1x_2=y_1^2-y_2^2 x1x2=y12−y22.
- 矩阵语言
- 对实对称矩阵 A A A,必存在可逆矩阵 C C C,使得 C T A C = Λ C^TAC=\Lambda CTAC=Λ.
3.正交变换法
3.1.基本步骤
对于 f = x T A x f=x^TAx f=xTAx
- 在确定
A
A
A是实对称矩阵的条件下,求
A
A
A的特征值
λ
1
,
λ
2
,
⋯
,
λ
n
\lambda_1,\lambda_2,\cdots,\lambda_n
λ1,λ2,⋯,λn
- 若 A A A不是实对称矩阵,令 B = 1 2 ( A + A T ) B=\frac{1}{2}(A+A^T) B=21(A+AT)
- 求 A A A对应于特征值 λ 1 , λ 2 , ⋯ , λ n \lambda_1,\lambda_2,\cdots,\lambda_n λ1,λ2,⋯,λn的特征向量 ξ 1 , ξ 2 , ⋯ , ξ n \xi_1,\xi_2,\cdots,\xi_n ξ1,ξ2,⋯,ξn
- 将 ξ 1 , ξ 2 , ⋯ , ξ n \xi_1,\xi_2,\cdots,\xi_n ξ1,ξ2,⋯,ξn正交化、单位化为 η 1 , η 2 , ⋯ , η n \eta_1,\eta_2,\cdots,\eta_n η1,η2,⋯,ηn
- 令 Q = [ η 1 , η 2 , ⋯ , η n ] Q=[\eta_1,\eta_2,\cdots,\eta_n] Q=[η1,η2,⋯,ηn],则 Q Q Q为正交矩阵,且 Q − 1 A Q = Q T A Q = Λ Q^{-1}AQ=Q^TAQ=\Lambda Q−1AQ=QTAQ=Λ
于是 f = x T A x = x = Q y ( Q y ) T A ( Q y ) = y T Q T A Q y = y T Λ y f=x^TAx\stackrel{x=Qy}{=}(Qy)^TA(Qy)=y^TQ^TAQy=y^T\Lambda y f=xTAx=x=Qy(Qy)TA(Qy)=yTQTAQy=yTΛy
3.2.应用
-
反求参数, A A A或 f f f
-
最值问题
- 若
A
A
A的特征值大小排序为
λ
1
⩽
λ
2
⩽
⋯
⩽
λ
n
\lambda_1\leqslant\lambda_2\leqslant\cdots\leqslant\lambda_n
λ1⩽λ2⩽⋯⩽λn
- λ 1 x T x ⩽ x T A x ⩽ λ n x T x \lambda_1x^Tx\leqslant x^TAx\leqslant\lambda_nx^Tx λ1xTx⩽xTAx⩽λnxTx
- 若 x T x = 1 x^Tx=1 xTx=1,则 f min = λ 1 , f max = λ n f_{\min}=\lambda_1,f_{\max}=\lambda_n fmin=λ1,fmax=λn
- 若
A
A
A的特征值大小排序为
λ
1
⩽
λ
2
⩽
⋯
⩽
λ
n
\lambda_1\leqslant\lambda_2\leqslant\cdots\leqslant\lambda_n
λ1⩽λ2⩽⋯⩽λn
-
几何应用
-
二次曲面 f ( x 1 , x 2 , x 3 ) = 1 f(x_1,x_2,x_3)=1 f(x1,x2,x3)=1的类型
λ 1 , λ 2 , λ 3 \lambda_1,\lambda_2,\lambda_3 λ1,λ2,λ3的符号 f ( x 1 , x 2 , x 3 ) = 1 f(x_1,x_2,x_3)=1 f(x1,x2,x3)=1 3正 椭球面 2正1负 单叶双曲面 1正2负 双叶双曲面 2正1零 椭圆柱面 1正1负1零 双曲柱面
-
4.实对称矩阵的合同
同阶实对称矩阵 A , B A,B A,B合同的判定
- 用定义法: A ≃ B A\simeq B A≃B ⇔ \Leftrightarrow ⇔存在可逆矩阵 C C C,使得 C T A C = B C^TAC=B CTAC=B
- 用正负惯性指数: A ≃ B ⇔ p A = p B , q A = q B A\simeq B\Leftrightarrow p_A=p_B,q_A=q_B A≃B⇔pA=pB,qA=qB
- 用传递性: A ≃ C , C ≃ B ⇒ A ≃ B A\simeq C,C\simeq B\Rightarrow A\simeq B A≃C,C≃B⇒A≃B
- 用相似:相似必合同 { A ∼ B ⇒ A ≃ B A ≃ B ⇏ A ∼ B \begin{cases}A\sim B\Rightarrow A\simeq B\\A\simeq B\nRightarrow A\sim B\end{cases} {A∼B⇒A≃BA≃B⇏A∼B
5.正定二次型
n n n元二次型 f ( x 1 , x 2 , ⋯ , x n ) = x T A x f(x_1,x_2,\cdots,x_n)=x^TAx f(x1,x2,⋯,xn)=xTAx.若对任意的 x = [ x 1 , x 2 , ⋯ , x n ] T ≠ 0 x=[x_1,x_2,\cdots,x_n]^T\ne0 x=[x1,x2,⋯,xn]T=0,均有 x T A x > 0 x^TAx>0 xTAx>0,则称 f f f为正定二次型,称二次型对应的矩阵 A A A为正定矩阵.
- 前提—— A = A T A=A^T A=AT
- 充要条件
- n n n元二次型 f = x T A x f=x^TAx f=xTAx正定 { ⇔ 对任意的 x ≠ 0 , 有 x T A x > 0 ⇔ A 的特征值 λ i > 0 ⇔ f 的正惯性指数 p = n ⇔ 存在可逆矩阵 D , 使得 A = D T D ⇔ A 与 E 合同 ⇔ A 的各阶顺序主子式均大于 0 \begin{cases}\Leftrightarrow对任意的x\ne0,有x^TAx>0\\\Leftrightarrow A的特征值\lambda_i>0\\\Leftrightarrow f的正惯性指数p=n\\\Leftrightarrow存在可逆矩阵D,使得A=D^TD\\\Leftrightarrow A与E合同\\\Leftrightarrow A的各阶顺序主子式均大于0\end{cases} ⎩ ⎨ ⎧⇔对任意的x=0,有xTAx>0⇔A的特征值λi>0⇔f的正惯性指数p=n⇔存在可逆矩阵D,使得A=DTD⇔A与E合同⇔A的各阶顺序主子式均大于0
- 必要条件
- a i i > 0 a_{ii}>0 aii>0
- ∣ A ∣ > 0 |A|>0 ∣A∣>0
- 重要结论
- A A A正定 ⇒ A − 1 , A ∗ , A m , k A , C T A C \Rightarrow A^{-1},A^*,A^m,kA,C^TAC ⇒A−1,A∗,Am,kA,CTAC均正定( m m m为正整数, C C C可逆)
- A , B A,B A,B正定 ⇒ A + B \Rightarrow A+B ⇒A+B正定, [ A O O B ] \begin{bmatrix}A&O\\O&B\end{bmatrix} [AOOB]正定
- A , B A,B A,B正定,则 A B AB AB正定 ⇔ A B = B A \Leftrightarrow AB=BA ⇔AB=BA
- A A A正定且是正交矩阵 ⇒ A = E \Rightarrow A=E ⇒A=E