二次型

二次型及其矩阵

  1. 二次型的定义:n个变量的二次多项式称为二次型,即在一个多项式中,未知数的个数为任意多个,但每一项的次数都为2的多项式。
  2. 二次型的标准形的定义:只含平方项的二次型。
  3. 二次型的矩阵表示法:在这里插入图片描述
    其中A称为二次型的矩阵,A一定是实对称矩阵(一定能够正交相似与标准形)
  4. 二次型的秩:其实就是二次型的矩阵的秩
  5. 二次型的线性变换的定义:
    在这里插入图片描述
  6. 合同的定义:若有 n n n阶可逆阵 P P P使得
    P T A P = B P^TAP=B PTAP=B
    则称矩阵A与B合同,记做 A ≃ B A\simeq B AB
    (i)等价、合同、相似的关系:合同一定等价、相似一定等价,但反之均不成立
    (ii)正交相似=合同
    (iii)实对称矩阵一定与某一对角阵合同,而二次型矩阵一定是实对称矩阵,所以二次型矩阵一定与某一对角阵合同
  7. 定理:二次型 f = X T A X f=X^TAX f=XTAX经过可逆线性变换 X = C Y X=CY X=CY后变成 f = Y T B Y f=Y^TBY f=YTBY,则矩阵 B B B= C T A C C^TAC CTAC r ( A ) = r ( B ) r(A)=r(B) r(A)=r(B)

正交变换法

  1. 作用:化二次型为标准形
  2. 步骤:
    (i)写出原矩阵 A A A
    (ii)求出所有特征值
    (iii)求出所有特征向量
    (iv)施密特正交化,获得所有正交单位向量
    (v)写出正交方阵 Q Q Q,其由正交单位向量构成
    (vi)做正交变换 X = Q Y X=QY X=QY或者 Y = Q − 1 X Y=Q^{-1}X Y=Q1X即可
    正交变换保持向量长度不变

配方法

  1. 作用:化二次型为标准形
  2. 注意点:有平方项先集中平方项(例如有 x 1 2 x_1^2 x12先集中所有含 x 1 x_1 x1的项),然后凑成完全平方项(例如 ( x 1 + x 2 ) 2 (x_1+x_2)^2 (x1+x2)2),最终构成完全平方项相加的形式;如果没有平方项需要先凑出平方项的形式(例如 x i = y i + y j x_i=y_i+y_j xi=yi+yj x j = y i − y j x_j=y_i-y_j xj=yiyj
  3. 适用于简单的二次型

二次型的分类

  1. 正定二次型:对于x取任意实数,二次型的值均大于0,则称为正定二次型,其对应矩阵称为正定矩阵,反之称为负定二次型,其矩阵称为负定矩阵。诸如此类的还有准正定二次型(大于等于零),不定二次型(大于零小于零都有可能)
  2. 正定的判别法1:使用定义 f = X T A T > 0 f=X^TAT>0 f=XTAT>0
  3. 正定的判别法2:使用标准形,标准形正定的充要条件是对角线上的值都要大于零
    可逆线性变换不改变二次型的正定性
    推论1:若 A A A正定,则 ∣ A ∣ > 0 \left|A\right|>0 A>0
    推论2:若 A A A正定,则 A A A与单位阵合同
  4. 正定的判别法3:使用特征值,二次型如果正定则其特征值全部大于零(特征值就是标准形对角线上的元素)
  5. 正定的判别法4:使用顺序主子式
    定义:位于矩阵 A A A左上角的1,2,3,…,n阶子式的行列式就叫做矩阵 A A A的第i阶顺序主子式
    定理:正定的充要条件是矩阵 A A A的各阶顺序主子式都大于零
    这种方法最为推荐
### 酉矩阵的二次型转换为标准型 对于给定的一个酉矩阵 \( U \),以及相应的二次型 \( X^*UX \),其中 \( X \) 是列向量,\( * \) 表示共轭转置。为了将此二次型转化为标准形式,可以通过对角化过程来实现。 由于酉矩阵具有特殊的性质——其特征向量构成一组正交基底,并且这些特征向量也是单位长度的,这意味着存在一个由该组特征向量组成的酉矩阵 \( V \)[^1]。通过这个酉矩阵 \( V \),可以完成如下操作: \[ U = VDV^* \] 这里 \( D \) 是包含 \( U \) 的所有特征值的对角矩阵;而 \( V^*V = I \),表示 \( V \) 和它的共轭转置相乘得到单位矩阵。因此,当我们将原始变量替换为新的坐标系下的表达式时, \[ Y = VX \] 则原二次型变为: \[ (VX)^*(VDV^*)(VX)=Y^*DY=\sum_{i=1}^{n}\lambda_i|y_i|^2 \] 这表明新坐标的各个分量之间相互独立,从而实现了标准化的过程[^3]。 在这个过程中,关键是找到合适的酉矩阵 \( V \),它是由原来的酉矩阵 \( U \) 的特征向量组成。一旦找到了这样的 \( V \),就可以很容易地写出上述的标准形式。 ```python import numpy as np def convert_to_standard_form(U): eigenvalues, eigenvectors = np.linalg.eig(U) # 构建D和V D = np.diag(eigenvalues) V = eigenvectors return D, V U = ... # 定义具体的酉矩阵 D, V = convert_to_standard_form(U) print("Diagonal matrix D:\n", D) print("\nUnitary transformation matrix V:\n", V) ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值