第七章,相似矩阵及其应用,3-二次型、合同矩阵与合同变换

第七章,相似矩阵及其应用,3-二次型、合同矩阵与合同变换

玩转线性代数(38)二次型概念、合同矩阵与合同变换的笔记,相关证明以及例子见原文

二次型相关概念

二次型

含有n个变量 x 1 , x 2 , . . . x n x_1,x_2,...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,...x_n)=a_{11}x_1^2+a_{22}x_2^2+...+a_{nn}x_n^2+2a_{12}x_1x_2+2a_{13}x_1x_3+...+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。

二次型的标准形和规范形

f = k 1 y 1 2 + k 2 y 2 2 + . . . + k n y n 2 f=k_1y_1^2+k_2y_2^2+...+k_ny_n^2 f=k1y12+k2y22+...+knyn2

这种只含平方项的二次型,称为二次型的标准形

如果二次型的标准形形如:
f = y 1 2 + . . . + y p 2 − y p + 1 2 − . . . − y r 2 f = y_1^2+...+y_p^2-y_{p+1}^2-...-y_r^2 f=y12+...+yp2−yp+12−...−yr2

即系数只有-1,1,0三个取值,称为二次型的规范形

表示形式

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,...x_n)=a_{11}x_1^2+a_{22}x_2^2+...+a_{nn}x_n^2+2a_{12}x_1x_2+2a_{13}x_1x_3+...+2a_{n-1,n}x_{n-1}x_n f(x1,x2,...xn)=a11x12+a22x22+...+annxn2+2a12x1x2+2a13x1x3+...+2an−1,nxn−1xn

取 a i j = a j i a_{ij}=a_{ji} aij=aji(对称矩阵),则 2 a i j x i x j = a i j x i x j + a j i x j x i 2a_{ij}x_ix_j=a_{ij}x_ix_j+a_{ji}x_jx_i 2aijxixj=aijxixj+ajixjxi,于是
f = ∑ i , j = 1 n a i j x i x j = ( x 1 , x 2 , . . . , x n ) ( a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋯ ⋯ ⋯ ⋯ a n 1 a n 2 ⋯ a n n ) ( x 1 x 2 ⋮ x n ) = x T A x f=\sum_{i,j=1}^na_{ij}x_ix_j = (x_1,x_2,...,x_n)\begin{pmatrix} 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{pmatrix}\begin{pmatrix} x_1 \\ x_2 \\ \vdots \\ x_n \end{pmatrix}=x^TAx f=i,j=1∑naijxixj=(x1,x2,...,xn) a11a21⋯an1a12a22⋯an2⋯⋯⋯⋯a1na2n⋯ann x1x2⋮xn =xTAx

把对称矩阵A叫做二次型f的矩阵 ,f叫做对称矩阵A的二次型,对称矩阵A的秩叫做二次型f的秩

合同矩阵与合同变换

设有可逆线性变换x=Cy,将x=Cy代入 f = x T A x f=x^TAx f=xTAx,有
f = = x T A x = ( C y ) T A ( C y ) = y T ( C T A C ) y = y T B y f==x^TAx=(Cy)^TA(Cy)=y^T(C^TAC)y=y^TBy f==xTAx=(Cy)TA(Cy)=yT(CTAC)y=yTBy

理解:线性变换后,将向量的坐标由x变换为了y,令原坐标系为 E = ( e 1 , e 2 , . . . , e n ) E=(e_1,e_2,...,e_n) E=(e1,e2,...,en),变换之后, E C = C EC=C EC=C,过渡矩阵为C,则新基为 C = ( c 1 , c 2 , . . . , c n ) C=(c_1,c_2,...,c_n) C=(c1,c2,...,cn),向量在新基下的坐标为y, y = C − 1 x y=C^{-1}x y=C−1x是坐标变换公式

定义 合同

设A与B为n阶方阵,若有可逆矩阵C,使 B = C T A C B=C^TAC B=CTAC,则称矩阵A与B合同

本质:是同一个二次型在不同基下的矩阵,对比相似矩阵,相似矩阵是同一个线性变换在不同基下的表示矩阵,合同矩阵首先都是对称的,又因 B = C T A C B=C^TAC B=CTAC,C可逆,故合同矩阵又是等价的。

合同矩阵的性质

(1)自反性 任意方阵A与其自身合同: E T A E = A E^TAE=A ETAE=A

(2)对称性 若A与B合同,则B与A合同:若A与B合同,则存在可逆阵C使得 C T A C = B C^TAC=B CTAC=B,则 A = ( C T ) − 1 B ( C − 1 ) = ( C − 1 ) T B ( C − 1 ) A=(C^T)^{-1}B(C^{-1})=(C^{-1})^TB(C^{-1}) A=(CT)−1B(C−1)=(C−1)TB(C−1),即B与A合同

(3)传递性 若A与B合同,B与C合同,则A与C合同:由 B = C 1 T A C 1 , C = C 2 T B C 2 B=C_1^TAC_1,C=C_2^TBC_2 B=C1TAC1,C=C2TBC2,得 C = C 2 T ( C 1 T A C 1 ) C 2 = ( C 1 C 2 ) T A ( C 1 C 2 ) C=C_2^T(C_1^TAC_1)C_2=(C_1C_2)^TA(C_1C_2) C=C2T(C1TAC1)C2=(C1C2)TA(C1C2),故A与C合同。

等价、相似、合同三种关系的对比

等价

A经过若干次初等行变换或初等列变换得到B,则A与B等价 ⇔ \Leftrightarrow ⇔ 存在可逆阵P,A,使 P A Q = B PAQ=B PAQ=B成立

相似

A与B相似 ⇔ \Leftrightarrow ⇔存在可逆阵P,使 P − 1 A P = B P^{-1}AP=B P−1AP=B。(同一个线性变换在不同基下的表示矩阵)

合同

A与B合同 ⇔ \Leftrightarrow ⇔存在可逆阵P,使 P T A P = B P^TAP=B PTAP=B。(同一个二次型在不同可逆线性变换下的矩阵)

通过以上三个定义可以看出,相似矩阵一定是等价矩阵,合同矩阵一定是等价矩阵.但等价矩阵不一定是相似矩阵,也不一定是合同矩阵.

相关推荐
星沁城2 小时前
240. 搜索二维矩阵 II
java·线性代数·算法·leetcode·矩阵
幼儿园园霸柒柒15 小时前
第七章: 7.3求一个3*3的整型矩阵对角线元素之和
c语言·c++·算法·矩阵·c#·1024程序员节
星沁城20 小时前
73. 矩阵置零
java·算法·矩阵
jndingxin1 天前
OpenCV视觉分析之目标跟踪(11)计算两个图像之间的最佳变换矩阵函数findTransformECC的使用
opencv·目标跟踪·矩阵
pen-ai2 天前
【机器学习】21. Transformer: 最通俗易懂讲解
人工智能·神经网络·机器学习·矩阵·数据挖掘
会写代码的饭桶2 天前
【C++刷题】力扣-#566-重塑矩阵
c++·leetcode·矩阵
君臣Andy2 天前
【矩阵的大小和方向的分解】
线性代数·矩阵
勤劳的进取家2 天前
利用矩阵函数的导数公式求解一阶常系数微分方程组的解
线性代数
武子康2 天前
大数据-207 数据挖掘 机器学习理论 - 多重共线性 矩阵满秩 线性回归算法
大数据·人工智能·算法·决策树·机器学习·矩阵·数据挖掘
玛卡巴卡(努力学习版)2 天前
矩阵特殊打印方式
c++·算法·矩阵