6、线性代数之二次型(知识总结)

1、二次型的定义及其矩阵表达式

定义:

元变量的二次齐次多项式

称为**元二次型** ,简称二次型

矩阵表达式:

则二次型可表示为(矩阵表达式)

例题:

写出三元二次型的二次型矩阵

系数矩阵的秩称为二次型的秩,比如本题中,,其秩为,故其对应的二次型的秩也是3。

2、合同变换,二次型的合同标准型、规范形

2.1、线性变换的定义

对于n元二次型,若令

可写成

若其中可逆,则称为可逆的线性变换 ,现给出,令,则

2.2、矩阵合同的定义与性质

上述二次型系数矩阵有下述关系,C是可逆矩阵

则称为合同,记作,此时称其对应的二次型为合同二次型

2.3、二次型的标准形、规范形

若二次型中只含有平方项,没有交叉项(即所有交叉项的系数全为零),即形如

的二次型称为标准形

若标准形中,系数的取值范围为,即形如的二次型称为规范形

3、实对称矩阵化为标准形、规范形的两种方法

定理一:配方法

任何二次型均可通过配方法 (作可逆线性变换)化成标准形及规范形,用矩阵语言来表述:任何实对称矩阵,必存在可逆矩阵(不是唯一的),使得

其中

例题1: 化二次型为标准形,并写出所作的可逆线性变换。

解: 先对所有含 的混合项陪完全平方,有

作线性变换

把二次型化为标准形

将线性变换表示成矩阵的形式,即

其实可逆,故是可逆的线性变换。

例题2: 将二次型化为规范形,并求所用的可逆线性变换

解:

得二次型的规范形为

所用线性变换为

其中C可逆,故是可逆线性变换

定理二:正交变换法

任何二次型也可以通过正交变换 化成标准型,用矩阵语言表述:任何是对承矩阵,一定存在正交矩阵(不是唯一的),使得

其中

**例题:**用正交变换化二次型

为标准形,并求所作的正交变换

**解:**二次型对应的矩阵为

可得A有特征值

时,基础解析为

,基础解系为

对应的特征向量标准正交化

不妨取,再把单位化

得正交矩阵,则原二次型化为标准形

其中正交变换为

4、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,负项个数都是不变的,称为正惯性指数称为负惯性指数

相似变换 下不变的是k阶主子式之和 = k个特征值乘积的和

注:若二次型的秩为,则,可逆线性变换不改变正、负惯性指数

5、正定二次型及其判别

定义:n元二次型,若任意的,均有,则称为正定二次型,称二次型的对应矩阵A为正定矩阵

5.1、二次型正定的充要条件

①对任意的,均有

的正惯性指数

③存在可逆矩阵,使得

的特征值

的全部顺序主子式均大于0

额为补充:

是正定矩阵

5.2、二次型正定的必要条件

是正定矩阵

5.3、如何判断一个矩阵是不是正定矩阵

①一定是一个对称矩阵

②再用充要条件

相关推荐
剑穗挂着新流苏3124 小时前
201_深度学习的数学底座:PyTorch 线性代数与范数实战
pytorch·深度学习·线性代数
ryrhhhh18 小时前
多平台同步优化技术:矩阵跃动小陌GEO如何实现一次配置、全端搜索曝光
人工智能·线性代数·矩阵
别或许1 天前
5、线性代数之特征值、矩阵相似(知识总结)
线性代数
scx_link2 天前
矩阵的总结
线性代数·矩阵
闲人不梦卿2 天前
矩阵多项式的定义
线性代数
链巨人2 天前
海森矩阵(Hessian矩阵)及其应用
线性代数·机器学习·矩阵·概率论
链巨人2 天前
通俗理解模型梯度、海森矩阵、模型参数,以及它们之间的关系
人工智能·线性代数·矩阵
听风吹等浪起2 天前
【SwinTransformer 全维度改进方案矩阵】—— 覆盖注意力、多尺度、通道/空间增强,适配CV全场景的工业级优化库
人工智能·深度学习·线性代数·计算机视觉·矩阵
放下华子我只抽RuiKe52 天前
文本处理与RNN:硬核实战笔记
人工智能·rnn·深度学习·神经网络·线性代数·机器学习·矩阵