|
|
|
|
@ -0,0 +1,79 @@
|
|
|
|
|
二次型的题目有以下几种基本考点：
|
|
|
|
|
>1. 求标准型（规范型）；
|
|
|
|
|
>2. 求把二次型变为标准型的正交变换矩阵；
|
|
|
|
|
>3. 求一定条件下二次型函数的最值；
|
|
|
|
|
>4. 正定性。
|
|
|
|
|
|
|
|
|
|
最基本的方法就是：
|
|
|
|
|
>1. 求特征值和特征向量；
|
|
|
|
|
>2. 把特征向量拼接起来成为变换矩阵；
|
|
|
|
|
>3. 或者把特征向量标准正交化，再拼接起来成为正交变换矩阵。
|
|
|
|
|
|
|
|
|
|
但以上方法均是针对已知二次型的，如果题目给的二次型是一个抽象的，就需要更加灵活地运用不同的方法。
|
|
|
|
|
|
|
|
|
|
>[!example] 例题
|
|
|
|
|
>证明：已知实二次型 $\displaystyle f(x_1,x_2,x_3,x_4)=\boldsymbol x^T\boldsymbol A \boldsymbol x$ 中，$\displaystyle \boldsymbol A^T=\boldsymbol A,\boldsymbol A$ 的各行元素之和等于 $6$ ，$\boldsymbol A$ 的秩等于 $1$,则 $\displaystyle f(x_1,x_2,x_3)$ 在正交变换 $\boldsymbol x=\boldsymbol{Cy}$ 作用下可得到标准型 $6y_1^2$.
|
|
|
|
|
|
|
|
|
|
>[!note] 证明：
|
|
|
|
|
>$\boldsymbol A$ 的各行元素之和等于 $6$，即 $\boldsymbol A\begin{bmatrix}1\\1\\1\end{bmatrix}=\begin{bmatrix}6\\6\\6\end{bmatrix}=6\begin{bmatrix}1\\1\\1\end{bmatrix}$，于是 $6$ 是矩阵 $\boldsymbol A$ 对应向量 $\begin{bmatrix}1\\1\\1\end{bmatrix}$ 的特征值，其代数重数至少为 $1$。
|
|
|
|
|
>又 $\boldsymbol A$ 的秩为 $1$，所以齐次线性方程组 $\boldsymbol{Ax}=\boldsymbol 0$ 解空间的维数是 $2$，故 $0$ 也是矩阵 $\boldsymbol A$ 的特征值，几何重数为 $2$，代数重数也至少为 $2$。由上可知，矩阵 $\boldsymbol A$ 的特征值为 $6,0,0$，故二次型 $f$ 可以由正交变换得到标准型 $6y_1^2$.
|
|
|
|
|
|
|
|
|
|
**题后总结：** 这道题的关键就在于怎么理解 “$\boldsymbol A$ 的各行元素之和等于 $6$” ，如果能正确地翻译这个条件，那这道题就迎刃而解了。至于怎么想到这一点，我可以提供一个思路：对矩阵 $\boldsymbol A$ 右乘一个向量，可以理解为是对 $\boldsymbol A$ 的列向量组进行线性组合；而题目中说各行元素之和为 $6$，这就是说把矩阵的三个列向量加在一起等于 $\begin{bmatrix}6\\6\\6\end{bmatrix}$，这样就能很顺利地解决这道题目了。
|
|
|
|
|
|
|
|
|
|
>[!example] 例题
|
|
|
|
|
>已知实二次型 $f(x_1,x_2,x_3)=\boldsymbol x^T \boldsymbol A \boldsymbol x$ 在可逆线性变换 $\begin{bmatrix}x_1\\ x_2\\ x_3\end{bmatrix}=\begin{bmatrix}1& 2&2\\0&1&2\\0&2&1\end{bmatrix}\begin{bmatrix}y_1\\ y_2\\ y_3\end{bmatrix}$ 的作用下得到标准型 $\displaystyle 4y_1^2-\frac{1}{2}y_2^2$，则二次型 $f(x_1,x_2,x_3)$ 在可逆线性变换 $\begin{bmatrix}x_1\\x_2\\x_3\end{bmatrix}=\begin{bmatrix}-2 & -1 & 2\\-1 & 0 & 2\\-2 & 0 & 1\end{bmatrix}\begin{bmatrix}z_1\\z_2\\z_3\end{bmatrix}$ 的作用下可以得到标准型$\underline{\qquad}$.
|
|
|
|
|
|
|
|
|
|
>[!note] 解：
|
|
|
|
|
>记 $\boldsymbol x=(x_1,x_2,x_3)^T,\boldsymbol y=(y_1,y_2,y_3)^T,\boldsymbol z=(z_1,z_2,z_3)^T,\boldsymbol C=\begin{bmatrix}1&2&2\\0&1&2\\0&2&1\end{bmatrix}$，于是 $\boldsymbol x=\boldsymbol{Cy},\boldsymbol x=\boldsymbol C\begin{bmatrix}0&-1&0\\-1&0&0\\0&0&1\end{bmatrix}\boldsymbol z$，从而$$\boldsymbol x=\boldsymbol C\begin{bmatrix}0&-1&0\\-1&0&0\\0&0&1\end{bmatrix}\begin{bmatrix}z_1\\z_2\\z_3\end{bmatrix}=\boldsymbol C\begin{bmatrix}-z_2\\-z_1\\z_3\end{bmatrix},$$于是此变换下标准型为$\displaystyle f(x_1,x_2,x_3)=4(-z_2)^2-\frac{1}{2}(-z_1)^2=-\frac{1}{2}z_1^2+4z_2^2.$
|
|
|
|
|
|
|
|
|
|
**题后总结：** 此题关键在于理解可逆矩阵与初等变换之间的关系。如果能看到前一个线性变换和后一个线性变换之间只差了两次初等变换，把初等变换写成矩阵的形式，并运用矩阵乘法的结合律，就能够解出这道题了。
|
|
|
|
|
|
|
|
|
|
>[!example] 例题（配方法）
|
|
|
|
|
>把二次型 $\displaystyle f(x_1,x_2,x_3)=x_1^2+2x_1x_2+2x_1x_3+2x_2^2+6x_2x_3+100x_3^2$ 通过配方法化为标准型。
|
|
|
|
|
|
|
|
|
|
>[!example] 解：
|
|
|
|
|
>$\displaystyle f=(x_1+x_2+x_3)^2+(x_2+2x_3)^3+95{x_3}^2$，令 $\displaystyle y_1=x_1+x_2+x_3,y_2=x_2+2x_3,y_3=x_3$，得 $\displaystyle f={y_1}^2+{y_2}^2+95{y_3}^2$
|
|
|
|
|
|
|
|
|
|
**题后总结：** 配方法主要要注意，第一次配要把 $x_1$ 配干净，即在括号外面没有含 $x_1$ 的项，第二次就是 $x_2$，以此类推。
|
|
|
|
|
|
|
|
|
|
>[!example] 例题
|
|
|
|
|
>设二次型 $\displaystyle f(x_1,x_2,x_3)=ax_1^2+2x_2^2-2x_3^2+2bx_1x_3,(b>0),$ 其中二次型的矩阵特征值之和为 $1$，之积为 $-12$. 求正交变换将二次型化为标准型.
|
|
|
|
|
|
|
|
|
|
>[!note] 解：
|
|
|
|
|
>二次型的矩阵为 $\displaystyle \boldsymbol A=\begin{bmatrix}1&0&b\\0&2&0\\b&0&-2\end{bmatrix}$，设其特征值分别为 $\lambda_1,\lambda_2,\lambda_3$, 则有$$\lambda_1\lambda_2\lambda_3=|\boldsymbol A|=2(-2a-b^2)=-12,\lambda_1+\lambda_2+\lambda_3=a+2-2=1\implies a=1,b=2.$$从而有$\displaystyle|\lambda\boldsymbol E-\boldsymbol A|=(\lambda-2)^2(\lambda-3)=0\implies \lambda_1=\lambda_2=2,\lambda_3=-3.$
|
|
|
|
|
>考虑 $\lambda=2$，则 $\displaystyle 2\boldsymbol E-\boldsymbol A=\begin{bmatrix}1&0&-2\\0&0&0\\-2&0&4\end{bmatrix}\rightarrow\begin{bmatrix}1&0&-2\\0&0&0\\0&0&0\end{bmatrix}$, 于是特征值 $2$ 的几何重数为 $2$, 对应的线性无关的特征向量可以为 $\displaystyle\xi_1=(2,0,1)^T,\xi_2=(0,1,0)^T$.
|
|
|
|
|
>考虑 $\lambda=-3$，则 $\displaystyle -3\boldsymbol E-\boldsymbol A=\begin{bmatrix}-4&0&-2\\0&-5&0\\-2&0&-1\end{bmatrix}\rightarrow\begin{bmatrix}2&0&1\\0&1&0\\0&0&0\end{bmatrix}$，则特征值 $-3$ 几何重数为 $1$, 对应的特征向量为 $\xi_3=(-1,0,2)^T$.
|
|
|
|
|
>对上述三个特征向量正交化得 $\displaystyle\varepsilon_1=(2/\sqrt{5},0,1/\sqrt{5})^T,\varepsilon_2=(0,1,0)^T,\varepsilon_3=(-1/\sqrt{5},0,2/\sqrt{5})^T,$ 故正交变换为 $\boldsymbol C=\begin{bmatrix}2/\sqrt{5}&0&1/\sqrt{5}\\0&1&0\\-1/\sqrt{5}&0&2/\sqrt{5}\end{bmatrix},$ 标准型为 $\displaystyle f=2y_1^2+2y_2^2-3y_3^2.$
|
|
|
|
|
|
|
|
|
|
**题后总结：** 当二次型当中有参数的时候，要利用特征值的性质（和、积）把参数算出来，然后就是正常流程。
|
|
|
|
|
|
|
|
|
|
>[!example] 例题
|
|
|
|
|
>证明：已知实二次型 $\displaystyle f(x_1,x_2,x_3,x_4)=\boldsymbol x^T\boldsymbol A \boldsymbol x$ 中，$\displaystyle \boldsymbol A^T=\boldsymbol A, |\boldsymbol A|<0,$ 则必存在非零向量 $\displaystyle\boldsymbol c=(c_1,c_2,c_3,c_4)^T$，使得 $\displaystyle f(c_1,c_2,c_3,c_4)=0$.
|
|
|
|
|
|
|
|
|
|
>[!note] 证明：
|
|
|
|
|
>设 $\displaystyle \boldsymbol A$ 的特征值分别为 $\lambda_1,\lambda_2,\lambda_3,\lambda_4$,则有 $|\boldsymbol A|=\lambda_1\lambda_2\lambda_3\lambda_4<0$，故四个特征值中有奇数个负数，故必定有正有负，从而二次型 $f$ 是不定的，故存在非零向量 $\displaystyle\boldsymbol c=(c_1,c_2,c_3,c_4)^T$，使得 $\displaystyle f(c_1,c_2,c_3,c_4)=0$.
|
|
|
|
|
|
|
|
|
|
**题后总结：** 利用特征值正负与正定性的关系，以及特征值之积等于行列式，可以得出结论。**补充：** 正定 $\Leftrightarrow$ 二次型恒大于零（在 $x_i$ 不全为 $0$ 的时候）$\Leftrightarrow$ 特征值全正；半正定 $\Leftrightarrow$ 二次型恒大于等于零（在 $x_i$ 不全为 $0$ 的时候）$\Leftrightarrow$ 特征值全非负；负定 $\Leftrightarrow$ 二次型恒小于零（在 $x_i$ 不全为 $0$ 的时候）$\Leftrightarrow$ 特征值全负；半负定 $\Leftrightarrow$ 二次型恒小于等于零（在 $x_i$ 不全为 $0$ 的时候）$\Leftrightarrow$ 特征值全非正；不定 $\Leftrightarrow$ 二次型有正有负也有零（在 $x_i$ 不全为 $0$ 的时候）$\Leftrightarrow$ 特征值有正有负（可以有零也可以没有）
|
|
|
|
|
|
|
|
|
|
>[!example] 例题
|
|
|
|
|
>证明：已知 $n$ 阶方阵 $\boldsymbol A$ 的特征值全大于 $0$, $\boldsymbol B$ 为 $n$ 半正定矩阵，则对任意 $k>0,l\ge0$，$k\boldsymbol A+l\boldsymbol B$ 正定.
|
|
|
|
|
|
|
|
|
|
>[!note] 证明：
|
|
|
|
|
>由题意，$\boldsymbol A$ 正定，于是 $\boldsymbol x^T\boldsymbol A\boldsymbol x>0,\boldsymbol x\neq\boldsymbol 0$；$\boldsymbol B$ 正定，于是 $\boldsymbol x^T\boldsymbol B\boldsymbol x\ge0,\boldsymbol x\neq\boldsymbol 0$. 则 $\boldsymbol x^T(k\boldsymbol A+l\boldsymbol B)\boldsymbol x=k\boldsymbol x^T\boldsymbol A\boldsymbol x+l\boldsymbol x^T\boldsymbol B\boldsymbol x>0$，于是由定义，$k\boldsymbol A+l\boldsymbol B$ 正定.
|
|
|
|
|
|
|
|
|
|
**题后总结：** 正定性很多时候都需要用定义来判断。
|
|
|
|
|
|
|
|
|
|
>[!example] 例题
|
|
|
|
|
>已知二次型 $\displaystyle f(x_1,x_2,x_3)=x_1^2+2x_2^2+ax_3^2+2x_1x_3$ 经可逆线性变换 $\boldsymbol x=\boldsymbol P \boldsymbol y$ 化为 $\displaystyle y_1^2+y_2^2$.
|
|
|
|
|
>（1）求 $a$ 的值及可逆矩阵 $\boldsymbol P$；
|
|
|
|
|
>（2）当 $\boldsymbol x=(x_1,x_2,x_3)^T$ 且 $\boldsymbol x^T\boldsymbol x=1$ 时，求 $f(x_1,x_2,x_3)$ 的最大值，并求满足 $x_1=x_2>0$ 的最大值点.
|
|
|
|
|
|
|
|
|
|
>[!note] 解：
|
|
|
|
|
>（1）由题意知 $f$ 的正惯性指数为 $2$，负惯性指数为 $0$. 二次型的矩阵为 $\boldsymbol A=\begin{bmatrix}1&0&1\\0&2&0\\1&0&a\end{bmatrix}$, 则 $\boldsymbol A$ 有特征值 $0$，所以 $|\boldsymbol A|=0\implies2(a-1)=0\implies a=1$, 故 $\boldsymbol A=\begin{bmatrix}1&0&1\\0&2&0\\1&0&1\end{bmatrix}.$
|
|
|
|
|
>考虑特征多项式 $|\lambda\boldsymbol E-\boldsymbol A|=\lambda(\lambda-2)^2=0 \implies \lambda_1=0,\lambda_2=\lambda_3=2.$
|
|
|
|
|
>$\lambda=0$ 时，$-\boldsymbol A\rightarrow \begin{bmatrix}1&0&1\\0&1&0\\0&0&0\end{bmatrix}$, 取 $\eta_1=(1,0,-1)^T$；
|
|
|
|
|
>$\lambda=2$ 时，$2\boldsymbol E-\boldsymbol A\rightarrow \begin{bmatrix}1&0&-1\\0&0&0\\0&0&0\end{bmatrix}$, 取 $\eta_2=(1,0,1)^T,\eta_3=(0,1,0)^T$.
|
|
|
|
|
>取 $\boldsymbol P_1=\begin{bmatrix}\eta_3\ \eta_2\ \eta_1\end{bmatrix}$, 则有 $\boldsymbol P_1^T\boldsymbol A\boldsymbol P_1=\begin{bmatrix}2&0&0\\0&2&0\\0&0&0\end{bmatrix},$ 再取 $\boldsymbol P_2=\begin{bmatrix}1/\sqrt{2}&0&0\\0&1/\sqrt{2}&0\\0&0&1\end{bmatrix}$, 有$\boldsymbol P_2^T\boldsymbol P_1^T\boldsymbol A\boldsymbol P_1\boldsymbol P_2=(\boldsymbol P_1\boldsymbol P_2)^T\boldsymbol A(\boldsymbol P_1\boldsymbol P_2)=\begin{bmatrix}1&0&0\\0&1&0\\0&0&0\end{bmatrix}$, 所以 $\boldsymbol P=\boldsymbol P_1\boldsymbol P_2=\begin{bmatrix}0&1/\sqrt{2}&1\\1/\sqrt{2}&0&0\\0&1/\sqrt{2}&-1\end{bmatrix}$.
|
|
|
|
|
>（2）由 $\boldsymbol x^T\boldsymbol x=1$ 知 $x_1^2+x_2^2+x_3^2=1$.
|
|
|
|
|
|
|
|
|
|
|
