【考研数学一·线性代数(6)】二次型

1.二次型及其标准形、规范形

1.1.二次型的矩阵表示

含有$n$个变量$x_1,x_2,\cdots ,x_n$的二次齐次函数
$$f(x_1,x_2,\cdots ,x_n)=a_{11}{x}_1^2+a_{22}{x}_2^2+\cdots +a_{nn}{x}_n^2+2a_{12}{x}_1{x}_2+2a_{13}{x}_1{x}_3+\cdots +2a_{n-1,n}{x}_{n-1}{x}_n$$
称为二次型.

当$j>i$时，取$a_{ji}=a_{ij}$，则$2a_{ij}{x}_i{x}_j=a_{ijj}{x}_i{x}_j+a_{j}i{x}_i{x}_j$，故上式可写成
$$f(x_1,x_2,\cdots ,x_n)=\sum _{i=1}^n\sum _{j=1}^n{a}_{ij}{x}_i{x}_j$$
当$a_{ij}$为实数时，$f$称为实二次型.记
$$A=\left[\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ a_{21}& a_{22}& \cdots & a_{2n}\\ ⋮& ⋮& & ⋮\\ a_{n1}& a_{n2}& \cdots & a_{nn}\end{array}\right],x=\left[\begin{array}{c}{x}_1\\ x_2\\ ⋮\\ x_n\end{array}\right]$$
则二次型$f$可表示为$f=x^{T}Ax$，其中$A$为$n$阶实对称矩阵，即$A^T=A$，$A$称为二次型$f$的矩阵，$A$的秩称为二次型$f$的秩.

1.2.线性变换

对于$n$元二次型$f(x_1,x_2,\cdots ,x_n)$，若令
$$\{\begin{array}{l}{x}_1=c_{11}{y}_1+c_{12}{y}_2+\cdots +c_{1n}{y}_n\\ x_2=c_{21}{y}_1+c_{22}{y}_2+\cdots +c_{2n}{y}_n\\ \cdots \cdots \\ x_n=c_{n1}{y}_1+c_{n2}{y}_2+\cdots +c_{nn}{y}_n\end{array}(\ast )$$
记
$$x=\left[\begin{array}{c}{x}_1\\ x_2\\ ⋮\\ x_n\end{array}\right],C=\left[\begin{array}{cccc}{c}_{11}& c_{12}& \cdots & a{c}_{1n}\\ c_{21}& c_{22}& \cdots & c_{2n}\\ ⋮& ⋮& & ⋮\\ c_{n1}& c_{n2}& \cdots & c_{nn}\end{array}\right],y=\left[\begin{array}{c}{y}_1\\ y_2\\ ⋮\\ y_n\end{array}\right]$$
则$(\ast )$式可写为$x=Cy$，$(\ast )$式称为线性变换.

• 若$C$可逆，则称为可逆线性变换（配方法）
• 若$C$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$d_1{x}_1^2+d_2{x}_2^2+\cdots +d_n{x}_n^2$（只有平方项，没有交叉项）
  • 规范形——形如$x_1^2+\cdots +x_p^2-x_{p+1}^2-\cdots -x_{p+q}^2$（标准形中系数$d_i$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
  1. 任何二次型$f=x^{T}Ax$均可通过配方法（作可逆线性变换$x=Cy$）化为标准形$k_1{y}_1^2+k_2{y}_2^2+\cdots +k_n{y}_n^2$或规范形$y_1^2+\cdots +y_p^2-y_{p+1}^2-\cdots -y_{p+q}^2$
  2. 任何二次型$f=x^{T}Ax$可以通过正交变换$x=Qy$化成标准形${\lambda }_1{y}_1^2+{\lambda }_2{y}_2^2+\cdots +{\lambda }_n{y}_n^2$
     • 此处$Q$的列向量均是$A$的特征向量${\lambda }_i$均是A的特征值
  3. （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$p$，负项个数$q$都是不变的，$p$称为正惯性指数，$q$称为负惯性指数.
     • $r(A)=p+q$

2.配方法

1. 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.
2. 不含平方项
   • 创造平方项，如含有$x_1{x}_2$项，令$\{\begin{array}{l}{x}_1=y_1+y_2\\ x_2=y_1-y_2\end{array}$，使$x_1{x}_2=y_1^2-y_2^2$.
3. 矩阵语言
   • 对实对称矩阵$A$，必存在可逆矩阵$C$，使得$C^{T}AC=\Lambda$.

3.正交变换法

3.1.基本步骤

对于$f=x^{T}Ax$

1. 在确定$A$是实对称矩阵的条件下，求$A$的特征值${\lambda }_1,{\lambda }_2,\cdots ,{\lambda }_n$
   • 若$A$不是实对称矩阵，令$B=\frac{1}{2}(A+A^T)$
2. 求$A$对应于特征值${\lambda }_1,{\lambda }_2,\cdots ,{\lambda }_n$的特征向量${\xi }_1,{\xi }_2,\cdots ,{\xi }_n$
3. 将${\xi }_1,{\xi }_2,\cdots ,{\xi }_n$正交化、单位化为${\eta }_1,{\eta }_2,\cdots ,{\eta }_n$
4. 令$Q=[{\eta }_1,{\eta }_2,\cdots ,{\eta }_n]$，则$Q$为正交矩阵，且$Q^{-1}AQ=Q^{T}AQ=\Lambda$

于是$f=x^{T}Ax\stackrel{x=Qy}{=}(Qy{)}^{T}A(Qy)=y^T{Q}^{T}AQy=y^T\Lambda y$

3.2.应用

1. 反求参数，$A$或$f$

2. 最值问题

   • 若$A$的特征值大小排序为${\lambda }_1⩽{\lambda }_2⩽\cdots ⩽{\lambda }_n$
     • ${\lambda }_1{x}^{T}x⩽x^{T}Ax⩽{\lambda }_n{x}^{T}x$
     • 若$x^{T}x=1$，则$f_{\min }={\lambda }_1,f_{\max }={\lambda }_n$

3. 几何应用

   • 二次曲面$f(x_1,x_2,x_3)=1$的类型

     ${\lambda }_1,{\lambda }_2,{\lambda }_3$的符号	$f(x_1,x_2,x_3)=1$
     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$A,B$合同的判定

• 用定义法：$A\simeq B$$\iff$存在可逆矩阵$C$，使得$C^{T}AC=B$
• 用正负惯性指数：$A\simeq B\iff p_A=p_B,q_A=q_B$
• 用传递性：$A\simeq C,C\simeq B\Rightarrow A\simeq B$
• 用相似：相似必合同$\{\begin{array}{l}A\sim B\Rightarrow A\simeq B\\ A\simeq B\nRightarrow A\sim B\end{array}$

5.正定二次型

$n$元二次型$f(x_1,x_2,\cdots ,x_n)=x^{T}Ax$.若对任意的$x=[x_1,x_2,\cdots ,x_n{]}^T\ne 0$，均有$x^{T}Ax>0$，则称$f$为正定二次型，称二次型对应的矩阵$A$为正定矩阵.

1. 前提——$A=A^T$
2. 充要条件
   • $n$元二次型$f=x^{T}Ax$正定$\{\begin{array}{l}\iff 对任意的x\ne 0,有x^{T}Ax>0\\ \iff A的特征值{\lambda }_i>0\\ \iff f的正惯性指数p=n\\ \iff 存在可逆矩阵D,使得A=D^{T}D\\ \iff A与E合同\\ \iff A的各阶顺序主子式均大于0\end{array}$
3. 必要条件
   • $a_{ii}>0$
   • $|A|>0$
4. 重要结论
   • $A$正定$\Rightarrow A^{-1},A^{\ast },A^m,kA,C^{T}AC$均正定（$m$为正整数，$C$可逆）
   • $A,B$正定$\Rightarrow A+B$正定，$\left[\begin{array}{cc}A& O\\ O& B\end{array}\right]$正定
   • $A,B$正定，则$AB$正定$\iff AB=BA$
   • $A$正定且是正交矩阵$\Rightarrow A=E$