• 【线性代数基础进阶】二次型-补充+练习


    正交变换法

    用矩阵语言表达,即对任意一个 n n n阶实对称阵 A A A,必存在正交阵 Q Q Q,使得
    Q − 1 A Q = Q T A Q = Λ Q^{-1}AQ=Q^{T}AQ=\Lambda Q1AQ=QTAQ=Λ
    其中 Λ = ( λ 1 0 ⋯ 0 0 λ 2 ⋯ 0 ⋮ ⋮ ⋮ 0 0 ⋯ λ n ) , λ i ( i = 1 , 2 , ⋯   , n ) \Lambda=

    (λ1000λ2000λn)" role="presentation" style="position: relative;">(λ1000λ2000λn)
    ,\lambda_{i}(i=1,2,\cdots ,n) Λ= λ1000λ2000λn ,λi(i=1,2,,n) A A A特征值,即 A A A必既相似又合同于对角阵

    注:正交变换法只能化二次型为标准形,平方项的系数即是特征值

    标准形

    例1:二次型 f ( x 1 , x 2 , x 3 ) = x 1 2 + 3 x 2 2 + x 3 2 + 2 a x 1 x 2 + 2 x 1 x 3 + 2 x 2 x 3 f(x_{1},x_{2},x_{3})=x_{1}^{2}+3x_{2}^{2}+x_{3}^{2}+2a x_{1}x_{2}+2x_{1}x_{3}+2x_{2}x_{3} f(x1,x2,x3)=x12+3x22+x32+2ax1x2+2x1x3+2x2x3,经正交变换 x = P y x=Py x=Py化为标准形 y 1 2 + 4 y 2 2 y_{1}^{2}+4y_{2}^{2} y12+4y22,则 a = ( ) a=() a=()

    正交变换法中有
    x T A x = x = Q y y T Q T A Q y x^{T}Ax \overset{x=Qy}{=}y^{T}Q^{T}AQy xTAx=x=QyyTQTAQy
    只看系数矩阵,有
    ∣ Q T A Q ∣ = ∣ Q T ∣ ∣ A ∣ ∣ Q ∣ = ∣ A ∣ |Q^{T}AQ|=|Q^{T}||A||Q|=|A| QTAQ=QT∣∣A∣∣Q=A
    即正交变换前后,系数矩阵行列式相等
    一定注意是正交变换的行列式,一般的合同矩阵之间没有这个关系


    A = ( 1 a 1 a 3 1 1 1 1 ) A=

    (1a1a31111)" role="presentation" style="position: relative;">(1a1a31111)
    A= 1a1a31111
    标准形中已知 ∣ Q T A Q ∣ = 0 |Q^{T}AQ|=0 QTAQ=0,则
    ∣ A ∣ = ∣ 1 a 1 a 3 1 1 1 1 ∣ = − ( a − 1 ) 2 = 0 |A|=
    |1a1a31111|" role="presentation" style="position: relative;">|1a1a31111|
    =-(a-1)^{2}=0
    A= 1a1a31111 =(a1)2=0

    a = 1 a=1 a=1

    合同

    证明:矩阵 A = ( 1 2 0 2 1 0 0 0 2 ) A=

    (120210002)" role="presentation" style="position: relative;">(120210002)
    A= 120210002 ( 1 0 0 0 1 0 0 0 − 1 )
    (100010001)" role="presentation" style="position: relative;">(100010001)
    100010001
    合同,与 ( 1 1 0 0 1 0 0 0 0 )
    (110010000)" role="presentation" style="position: relative;">(110010000)
    100110000

    是否合同的充要条件是 A ≃ B ⇔ p A = p B , q A = q B A \simeq B \Leftrightarrow p_{A}=p_{B},q_{A}=q_{B} ABpA=pB,qA=qB,两个矩阵特征值只是符号相同的数量相同,值之间没有必然关系

    由特征值
    ∣ λ E − A ∣ = ∣ λ − 1 − 2 0 − 2 λ − 1 0 0 0 λ − 2 ∣ = ( λ − 2 ) ( λ − 3 ) ( λ + 1 ) |\lambda E-A|=

    |λ1202λ1000λ2|" role="presentation" style="position: relative;">|λ1202λ1000λ2|
    =(\lambda-2)(\lambda-3)(\lambda+1) λEA= λ1202λ1000λ2 =(λ2)(λ3)(λ+1)
    知二次型标准形为 2 y 1 2 + 3 y 2 2 − y 3 2 2y_{1}^{2}+3y_{2}^{2}-y_{3}^{2} 2y12+3y22y32,即 p = 2 , q = 1 p=2,q=1 p=2,q=1,得证

    只需要正负惯性指数可以考虑配方法,这里不做演示

    配方法

    例:用配方法化成二次型, f ( x 1 , x 2 , x 3 ) = 2 x 1 x 2 + 4 x 1 x 3 f(x_{1},x_{2},x_{3})=2x_{1}x_{2}+4x_{1}x_{3} f(x1,x2,x3)=2x1x2+4x1x3为标准形,并写出所用的坐标变换

    对于没有平方项只有交叉项的,先做辅助坐标变换


    { x 1 = y 1 + y 2 x 2 = y 1 − y 2 x 3 = y 3 \left\{

    x1=y1+y2x2=y1y2x3=y3" role="presentation" style="position: relative;">x1=y1+y2x2=y1y2x3=y3
    \right. x1=y1+y2x2=y1y2x3=y3

    该变换既能配方又能保证系数行列式不为 0 0 0
    这是对没有平方项只有交叉项的,如果有任意一个 x x x的平方项,那就可以从这个 x x x起手,进行配方
    对于更高元二次型没有平方项只有交叉项的可以用
    { x 1 = y 1 + y 2 x 2 = y 1 − y 2 x 3 = y 3 ⋮ x n = y n \left\{

    x1=y1+y2x2=y1y2x3=y3xn=yn" role="presentation" style="position: relative;">x1=y1+y2x2=y1y2x3=y3xn=yn
    \right. x1x2x3xn=y1+y2=y1y2=y3=yn
    来做辅助坐标变换


    f = 2 ( y 1 + y 2 ) ( y 1 − y 2 ) + 4 ( y 1 + y 2 ) y 3 = 2 y 1 2 − 2 y 2 2 + 4 y 1 y 2 + 4 y 2 y 3 = 2 ( y 1 2 + 2 y 1 y 3 + y 3 2 ) − 2 y 2 2 + 4 y 2 y 3 − 2 y 3 2 = 2 ( y 1 + y 3 ) 2 − 2 ( y 2 − y 3 ) 2

    f=2(y1+y2)(y1y2)+4(y1+y2)y3=2y122y22+4y1y2+4y2y3=2(y12+2y1y3+y32)2y22+4y2y32y32=2(y1+y3)22(y2y3)2" role="presentation" style="position: relative;">f=2(y1+y2)(y1y2)+4(y1+y2)y3=2y122y22+4y1y2+4y2y3=2(y12+2y1y3+y32)2y22+4y2y32y32=2(y1+y3)22(y2y3)2
    f=2(y1+y2)(y1y2)+4(y1+y2)y3=2y122y22+4y1y2+4y2y3=2(y12+2y1y3+y32)2y22+4y2y32y32=2(y1+y3)22(y2y3)2

    有平方项有时也需要辅助坐标变换

    例: f ( x 1 , x 2 , x 3 ) = 2 x 2 2 + 2 x 1 x 3 f(x_{1},x_{2},x_{3})=2x_{2}^{2}+2x_{1}x_{3} f(x1,x2,x3)=2x22+2x1x3用配方法化为标准形

    显然直接的配方不好进行,考虑坐标变换
    { x 1 = y 1 + y 3 x 2 = y 2 x 3 = y 1 − y 3 \left\{

    x1=y1+y3x2=y2x3=y1y3" role="presentation" style="position: relative;">x1=y1+y3x2=y2x3=y1y3
    \right. x1=y1+y3x2=y2x3=y1y3
    代入
    f ( x 1 , x 2 , x 3 ) = 2 y 1 2 + 2 y 2 2 − 2 y 3 2 f(x_{1},x_{2},x_{3})=2y_{1}^{2}+2y_{2}^{2}-2y_{3}^{2} f(x1,x2,x3)=2y12+2y222y32

    有时也可能出现用 x 1 x_{1} x1起手不合适的情况,可以换其他含有平方项的 x x x,没有太固定的变换模板,需要灵活

    例: f ( x 1 , x 2 , x 3 ) = x 1 2 + x 2 2 + 2 x 1 x 2 + x 2 x 3 f(x_{1},x_{2},x_{3})=x_{1}^{2}+x_{2}^{2}+2x_{1}x_{2}+x_{2}x_{3} f(x1,x2,x3)=x12+x22+2x1x2+x2x3化为标准形

    如果用 x 1 x_{1} x1起手
    f ( x 1 , x 2 , x 3 ) = ( x 1 + x 2 ) 2 + x 2 x 3

    f(x1,x2,x3)=(x1+x2)2+x2x3" role="presentation" style="position: relative;">f(x1,x2,x3)=(x1+x2)2+x2x3
    f(x1,x2,x3)=(x1+x2)2+x2x3
    到此已经无法继续配方了,换 x 2 x_{2} x2起手
    f ( x 1 , x 2 , x 3 ) = [ x 2 2 + 2 x 2 ( x 1 + 1 2 x 3 ) ] + x 1 2 = ( x 2 + x 1 + 1 2 x 3 ) 2 − ( x 1 + 1 2 x 3 ) 2 + x 1 2 = ( x 2 + x 1 + 1 2 x 3 ) 2 − x 1 2 − 1 4 x 3 2 − x 1 x 3 + x 1 = ( x 2 + x 1 + 1 2 x 3 ) 2 − ( 1 4 x 3 2 + 2 x 1 ⋅ 1 2 x 3 ) = ( x 2 + x 1 + 1 2 x 3 ) 2 − ( 1 2 x 3 + x 1 ) 2 + x 1 2
    f(x1,x2,x3)=[x22+2x2(x1+12x3)]+x12=(x2+x1+12x3)2(x1+12x3)2+x12=(x2+x1+12x3)2x1214x32x1x3+x1=(x2+x1+12x3)2(14x32+2x112x3)=(x2+x1+12x3)2(12x3+x1)2+x12" role="presentation" style="position: relative;">f(x1,x2,x3)=[x22+2x2(x1+12x3)]+x12=(x2+x1+12x3)2(x1+12x3)2+x12=(x2+x1+12x3)2x1214x32x1x3+x1=(x2+x1+12x3)2(14x32+2x112x3)=(x2+x1+12x3)2(12x3+x1)2+x12
    f(x1,x2,x3)=[x22+2x2(x1+21x3)]+x12=(x2+x1+21x3)2(x1+21x3)2+x12=(x2+x1+21x3)2x1241x32x1x3+x1=(x2+x1+21x3)2(41x32+2x121x3)=(x2+x1+21x3)2(21x3+x1)2+x12

    关于配方法和辅助坐标变换是很灵活的,这仅是自己的总结,我觉得应该有更加普适的方法,但个人能力就到这里了,如果有好的方法可以私信我,我加上

    正定二次型

    定理:经坐标变换不改变二次型的正定性

    官方表述:经可逆线性变换不改变二次型的正定性

    例:判断二次型 f ( x 1 , x 2 , x 3 ) = ( x 1 − x 2 ) 2 + ( x 2 − x 3 ) 2 + ( x 3 − x 2 ) 2 f(x_{1},x_{2},x_{3})=(x_{1}-x_{2})^{2}+(x_{2}-x_{3})^{2}+(x_{3}-x_{2})^{2} f(x1,x2,x3)=(x1x2)2+(x2x3)2+(x3x2)2的正定性

    A = ( 2 − 1 − 1 − 1 2 − 1 − 1 − 1 2 ) , ∣ A ∣ = 0 A=

    (211121112)" role="presentation" style="position: relative;">(211121112)
    ,|A|=0 A= 211121112 ,A=0
    一定不是正定二次型

    此处注意如果想用坐标变换法,要保证变换的系数矩阵对应行列式不为 0 0 0

    { y 1 = x 1 − x 2 y 2 = x 2 − x 1 y 3 = − x 1 + x 3 \left\{

    y1=x1x2y2=x2x1y3=x1+x3" role="presentation" style="position: relative;">y1=x1x2y2=x2x1y3=x1+x3
    \right. y1=x1x2y2=x2x1y3=x1+x3
    对应行列式
    ∣ 1 − 1 0 0 1 − 1 − 1 0 1 ∣ = 0
    |110011101|" role="presentation" style="position: relative;">|110011101|
    =0
    101110011 =0

    因此该变换不是坐标变换

    【线性代数基础进阶】到此结束,如果笔记有问题私信我,一定会及时更改
    然后下一个线性代数系列应该是【线性代数基础强化】,还会开始【概率论基础进阶】,同时继续之前的【高等数学基础进阶】
    【线性代数基础强化】主要目的是尽自己能力推一下之前很多只是为了做题,但没有说明为什么的定理、推广、结论等等
    然后关于660,暂定一时半会不会更,大概三个月以后?

  • 相关阅读:
    阿里云云安全中心有必要买吗? 这些功能值得吗?
    Paper Time|开放式时空大数据助力智能公交路线规划
    火绒安全个人版使用体验
    sftp文件上传uploadFile
    服务与发现
    循环神经网络RNNLM续写“The meaning of life“
    PenTool:一个基于Qt的仿真软件Demo
    RationalDMIS 2020 叶片检测 -快速定义叶片截面线方法
    体验第一个spark程序(第四弹)
    SSM+网上书店管理系统 毕业设计-附源码082255
  • 原文地址:https://blog.csdn.net/liu20020918zz/article/details/126621526