线性代数 第七讲 二次型_标准型_规范型_坐标变换_合同_正定二次型详细讲解_重难点题型总结

文章目录

  • 1.二次型
    • 1.1 二次型、标准型、规范型、正负惯性指数、二次型的秩
    • 1.2 坐标变换
    • 1.3 合同
    • 1.4 正交变换化为标准型
    • 1.5 可逆线性变换和正交变换
    • 1.6 二次型化标准形,二次型化规范形的联系思考
    • 1.8 两个二次型联系的思考
    • 1.9 对于配方法问题的深入思考
  • 2.二次型的主要定理
  • 3.正定二次型与正定矩阵
  • 4.重难点题型总结
    • 4.1 配方法将二次型化为标准型
    • 4.2 正交变换法将二次型化为标准型
    • 4.3 规范型确定取值范围问题
    • 4.4 已知两个二次型f和g,求正否能通过正交变换使得f转换为g
    • 4.5 由已知条件,反求二次型f(x~1~,x~2~....)的表达式(反求矩阵问题)
    • 4.6 【经典例题】判断两个矩阵是否相似,是否合同
    • 4.7 求正惯性指数_结合正定二次型定义和非齐次线性方程组
    • 4.7 【真题改编】二次型f和g,做可逆线性变换将f转换为g,做正交变换将f转换为g
    • 4.8 二次型f=0的全部解问题
    • 4.9 已知矩阵A的正交变换的标准型,求A^*^的正交变换的标准形

1.二次型

1.1 二次型、标准型、规范型、正负惯性指数、二次型的秩

二次型:

二次型中的矩阵A是实对称矩阵,实对称矩阵天然的可相似对角化。

在这里插入图片描述

小补充:实对称矩阵,意思是矩阵中的元素都是实数,不是虚数之类的。而且是对称矩阵。对称矩阵意味着AT=A

如何证明一个矩阵是二次型矩阵?(2013年真题)
首先证明矩阵A,满足XTAX=二次型,形式正确
其次证明矩阵A是对称矩阵,即AT=A

解释说明:
二次型其实是一个由二次的项组成的式子
它可以写成XTAX的形式,其中A矩阵是对称阵
其中A矩阵是怎么写出来的?
1.A的对角线元素是由xn的平方决定,a11是x12前的系数,a22是x22前的系数,以此类推
2. 对称位置a12,a21 这种由混合项x1x2的系数决定,以此类推

标准型:

在这里插入图片描述

解释说明:
标准型就是去掉了混合项,二次型矩阵A变成了对角矩阵
注意:一个二次型的标准型并不唯一,在选择题中,我们求出的标准型和答案给出的标准型不一定一样,但是正负项数肯定一样,即规范型一样。

规范型:

规范型就是在标准型的基础上,平方项的次数是1或-1或0
规范型能确定什么?
不同的标准型能被化成相同的规范型的形式。
所以说,规范型能确定的东西有限,我们只能通过规范型得到正负系数,正负惯性指数

正惯性指数 负惯性指数:

在这里插入图片描述

解释说明:
正惯性指数就是标准型中平方项系数为正数的个数
负惯性指数就是标准型中平方项系数为负数的个数
正惯性指数 负惯性指数是对标准型而言的,只有处理成标准型才能看见正负惯性指数

二次型的秩:

二次型的秩就是二次型矩阵A的秩
r(f)=r(A)

1.2 坐标变换

坐标变换,其实我们可以理解为换元,在高等数学的学习中,我们经常利用换元法将复杂的式子通过换元来变成简单的式子,在二次型中也同样如此,
x=Cy的形式换元,重要的是C矩阵 |C|≠0

在这里插入图片描述

1.3 合同

如CTAC=B,C可逆,称矩阵A和B合同

合同的内涵就是:做一组相同的行列变换,比如做倍加合同变换,第一行加到第一行,那么第一列也要加到第二列,一组操作才算一个完整的合同变换。

合同的性质:

  1. A合同于A
  2. A合同于B,则B合同于A
  3. 合同具有传递性,A合同于B,B合同于C,A合同于C
  4. 一个方阵合同于一个对称矩阵,那么它也是对称的。

假如两个矩阵合同,有什么性质?

  • 合同矩阵的秩相同
  • 正负惯性指数相同

二次型与正交变换与合同之间的联系:
在这里插入图片描述
补充:通过坐标变换,可以得到A合同于一个对角矩阵

1.4 正交变换化为标准型

核心:通过求二次型矩阵A的特征值,就可得出二次型的标准型。通过求二次型矩阵A的特征向量,得到坐标变换x=Qy,其中Q是由A的特征向量经过施密特正交化组成的。

在这里插入图片描述

二次型化标准型就转变成了求特征值求特征向量的问题。

1.5 可逆线性变换和正交变换

在具体问题中,有如下的经典问题
求可逆线性变换x=By,将f(x1,x2,x3)化为标准形
求正交变换x=Qy,将二次型f(x1,x2,x3)化为标准形

配方法化为标准形,得到的是可逆线性变换
正交变换法,得到的正交变换,是一种特殊的可逆线性变换
配方法和正交变换法得到的标准形不同
化为规范型不能用正交变换法,规范型是唯一的。

类型可逆线性变换正交变换
P可逆矩阵正交矩阵
A与对角阵的关系合同合同且相似
A特征值与对角阵的特征值不同相同

表格第二条最为重要,有两个二次型,f和g,可逆线性变换一般来说是,f和g合同但不相似,可以做可逆线性变换将f转换为g,正交变换是指,f和g相似,f可以正交变换为g

1.6 二次型化标准形,二次型化规范形的联系思考

每一个二次型都可以化成标准形和规范形
不管是二次型化标准形还是二次型化规范型,都是通过CX=Y,通过可逆线性变换化成标准形或者规范形,意味着C必须是可逆的,这个C是不唯一的,也说明,可逆线性变换有多种。合同变换(正交变换)也是可逆线性变换的一种。

实例如下:
在这里插入图片描述

1.8 两个二次型联系的思考

思考一:
假如有两个二次型f和g,对应的二次型矩阵A和B:
f能通过可逆线性变换变为g,意味着A和B合同,它们的正负惯性指数相同,它们有相同的规范型。
f能通过正交变换变为g,意味着A和B相似。

思考二:
假如A和B相似,意味着,二次型f和g有相同的标准型和规范型。

问题实例抽象:
假如有两个二次型f和g,对应的二次型矩阵A和B:
f能通过可逆线性变换x=py变为g,问你这个可逆矩阵p是什么?

从上面的问题分析可知,A和B合同,有相同的规范型,所以规范型就是中间桥梁。
在这里插入图片描述

1.9 对于配方法问题的深入思考

在这里插入图片描述

2.二次型的主要定理

定理1:
见二次型与正交变换与合同之间的联系的结论

定理2:
任一个二次型XTAX都存在坐标变换x=cy化成标准型

3.正定二次型与正定矩阵

n元二次型f(x1,x2…)=xTAx,若对任意的x[x1,x2,…,xn]T≠0,均有xTAx>0,则称f为正定二次型,A为正定矩阵。

正定二次型的充要条件:
1.定义法 任意x, xTAx>0
2.f的正惯性指数p=n
3.A的特征值λi均>0
4.A的全部顺序主子式均>0

正定二次型的必要条件:
1.aii>0
2.|A|>0

正定矩阵的充要条件:
矩阵A的特征值全大于0---->单向可推出,|A|>0
顺序主子式大于0

在判断是否是正定矩阵的题目中,常用充要条件是2-4或必要条件1得出

补充一个小知识:反对称矩阵AT=-A

4.重难点题型总结

4.1 配方法将二次型化为标准型

配方法将含有平方项的二次型化为标准型:

一步一步来,先配x1,再配x2,这样就能防止|c|=0,使得坐标变换失败

在这里插入图片描述

题目来源:李永乐线代辅导讲义 例 6.4

配方法将不含有平方项的二次型化为标准型:
在这里插入图片描述

题目来源:李永乐线代辅导讲义 例 6.5

4.2 正交变换法将二次型化为标准型

在写出二次型矩阵出过程中,非常值得注意的是平方项不用除以2,混合项除以2

在这里插入图片描述

题目来源:李永乐线代辅导讲义 例 6.6-6.7

4.3 规范型确定取值范围问题

在这里插入图片描述

4.4 已知两个二次型f和g,求正否能通过正交变换使得f转换为g

思路:
相似的传递性 合同的传递性
f相似且合同于一个对角阵,g也相似且合同于一个对角阵,他俩相似且合同的对角阵是同一个对角阵,那么f与g相似且合同,所以必有一个正交变换能使得f可以变成g。
综上本质就是,f和g有相同的特征值
一些细节:x=Q1z 得到对角阵,y=Q

例题 4.7为该问题的完全解答

在这里插入图片描述

题目来源:李永乐线代辅导讲义 例 6.9

4.5 由已知条件,反求二次型f(x1,x2…)的表达式(反求矩阵问题)

思路如下:
求二次型表达式,也就是求二次型矩阵A,也就是方程组应用那节中的反求矩阵问题,反求矩阵问题两大核心利器,一是矩阵乘法,二是相似
在这里插入图片描述

在这里插入图片描述

题目来源:李永乐线代辅导讲义 例 6.13

4.6 【经典例题】判断两个矩阵是否相似,是否合同

大观:
如果两个矩阵都是实对称矩阵,它们天然的满足可以相似对角化,所以

  • A合同于B⇔A,B特征值的正、负号个数相同
  • A相似于B ⇔A,B的特征值相同

如果两个矩阵不是实对称矩阵,那么判断相似有3种方法

  • 1.根据必要条件排除
    • 主要看秩是否相同,如果秩判断不了,改造矩阵为A+kE或者A-kE,因为A相似于B,A+kE相似于A-kE
  • 2.判断是否相似对角化同一个对角矩阵
    • 判断是否可以相似对角化,然后计算特征值,判断是否相似于同一个对角矩阵
  • 3.利用定义
    • 手动进行初等行变换列变换判断相似,进行一组或多组行列同时变换判断合同。

一些必要条件说明:
两个矩阵合同:意味着

  • 行列式正负相等
  • 正负惯性指数相同
  • 矩阵的秩序相同

4.7 求正惯性指数_结合正定二次型定义和非齐次线性方程组

正定二次型的定义 x≠0,XTAX>0,则说明A是正定矩阵。正惯性指数=n

在这里插入图片描述

4.7 【真题改编】二次型f和g,做可逆线性变换将f转换为g,做正交变换将f转换为g

改编自2021年考研数学一

问题分析:
明确f和g如果能存在可逆(非正交)线性变换,f和g是合同的,正负惯性指数是相等的(充要条件),特征值是不同的,为什么特意说了非正交?因为正交是一种特殊的可逆线性变换。
明确f和g如果能存在正交变换,f和g是相似的,特征值是相同的。
该问题中存在未知系数a,也就意味着,a取不同值时,存在不同的情况,如仅合同或合同且相似。

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

4.8 二次型f=0的全部解问题

常规两种方法:

  • 配方法
  • 正交变换法

在这里插入图片描述

4.9 已知矩阵A的正交变换的标准型,求A*的正交变换的标准形

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/17277.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

vue学习9

1.文章分类页面-element-plus表格 基本架子-PageContainer封装 按需引入的彩蛋&#xff0c;components里面的内容都会自动注册 用el-card组件&#xff0c;里面使用插槽或具名插槽 文章分类渲染 & loading处理 序号&#xff1a; <el-table-column type"index"…

Spring Boot整合DeepSeek实现AI对话(API调用和本地部署)

本篇文章会分基于DeepSeek开放平台上的API&#xff0c;以及本地私有化部署DeepSeek R1模型两种方式来整合使用。 本地化私有部署可以参考这篇博文 全面认识了解DeepSeek利用ollama在本地部署、使用和体验deepseek-r1大模型 Spring版本选择 根据Spring官网的描述 Spring AI是一…

硬件电路(10)-二极管

一、概述 二极管是用半导体材料(硅、硒、锗等)制成的一种电子器件。它具有单向导电性能&#xff0c; 即给二极管阳极和阴极加上正向电压时&#xff0c;二极管导通。 当给阳极和阴极加上反向电压时&#xff0c;二极管截止。 因此&#xff0c;二极管的导通和截止&#xff0c;则相…

智慧农业-虫害及生长预测

有害生物防控系统是一个综合性的管理体系&#xff0c;旨在预防和控制对人类生活、生产甚至生存产生危害的生物。这些生物可能包括昆虫、动物、植物、微生物乃至病毒等。 一、系统构成 1、监测预警系统&#xff1a;利用智能传感器、无人机、遥感技术等手段&#xff0c;实时监测…

在 PyCharm 中接入deepseek的API的各种方法

在 PyCharm 中接入 DeepSeek 的 API&#xff0c;通常需要以下步骤&#xff1a; 1. 获取 DeepSeek API 密钥 首先&#xff0c;确保你已经在 DeepSeek 平台上注册并获取了 API 密钥&#xff08;API Key&#xff09;。如果没有&#xff0c;请访问 DeepSeek 的官方网站注册并申请 …

DeepSeek 助力 Vue 开发:打造丝滑的返回顶部按钮(Back to Top)

前言&#xff1a;哈喽&#xff0c;大家好&#xff0c;今天给大家分享一篇文章&#xff01;并提供具体代码帮助大家深入理解&#xff0c;彻底掌握&#xff01;创作不易&#xff0c;如果能帮助到大家或者给大家一些灵感和启发&#xff0c;欢迎收藏关注哦 &#x1f495; 目录 Deep…

Github自定义readme文件 个人主页简介 模版

自己写的 样式 # &#x1f44b; Hi bro , Im Dduo ! Glad to meet you &#x1f601;&#x1f60d;&#x1f61c;- &#x1f4da; Im Dduo, a student. Feel free to reach out if youd like to chat or collaborate! &#x1f60a; - &#x1f4ac; Dont hesitate to reach …

【工业安全】-CVE-2022-35561- Tenda W6路由器 栈溢出漏洞

文章目录 1.漏洞描述 2.环境搭建 3.漏洞复现 4.漏洞分析 4.1&#xff1a;代码分析 4.2&#xff1a;流量分析 5.poc代码&#xff1a; 1.漏洞描述 漏洞编号&#xff1a;CVE-2022-35561 漏洞名称&#xff1a;Tenda W6 栈溢出漏洞 威胁等级&#xff1a;高危 漏洞详情&#xff1…

CondaValueError: Malformed version string ‘~‘: invalid character(s)

CondaValueError: Malformed version string ‘~‘: invalid character(s) 送一张 GPT plus 、 deepseek-R1 满血 体验卡&#xff5e; https://bbs.csdn.net/topics/619568415 ​ 报错原因 使用conda安装一些库时出现以下报错&#xff1a; CondaValueError: Malformed versio…

渗透利器:YAKIT 工具-基础实战教程.

YAKIT 工具-基础实战教程. YAKIT&#xff08;Yak Integrated Toolkit&#xff09;是一款基于Yak语言开发的集成化网络安全单兵工具&#xff0c;旨在覆盖渗透测试全流程&#xff0c;提供从信息收集、漏洞扫描到攻击实施的自动化支持。其核心目标是通过GUI界面降低Yak语言的使用…

【Git版本控制器】:第一弹——Git初识,Git安装,创建本地仓库,初始化本地仓库,配置config用户名,邮箱信息

&#x1f381;个人主页&#xff1a;我们的五年 &#x1f50d;系列专栏&#xff1a;Linux网络编程 &#x1f337;追光的人&#xff0c;终会万丈光芒 &#x1f389;欢迎大家点赞&#x1f44d;评论&#x1f4dd;收藏⭐文章 ​ 相关笔记&#xff1a; https://blog.csdn.net/dj…

数据结构(6)

注意&#xff1a;只有前序和中序或者后序和中序才能还原二叉树。 1.创建一个二叉树 2.遍历一个二叉树&#xff08;前序遍历&#xff0c;后序和中序遍历与此类似&#xff09; 3.寻找二叉树的节点个数和层数 4.销毁二叉树 5.层序遍历

LabVIEW用户界面设计原则

在LabVIEW开发中&#xff0c;用户界面&#xff08;UI&#xff09;设计不仅仅是为了美观&#xff0c;它直接关系到用户的操作效率和体验。一个直观、简洁、易于使用的界面能够大大提升软件的可用性&#xff0c;尤其是在复杂的实验或工业应用中。设计良好的UI能够减少操作错误&am…

大语言模型入门

大语言模型入门 1 大语言模型步骤1.1 pre-training 预训练1.1.1 从网上爬数据1.1.2 tokenization1.1.2.1 tokenization using byte pair encoding 1.3 预训练1.3.1 context1.3.2 training1.3.3 输出 1.2 post-training1.2.1 token 1.2 SFT监督微调1.3 人类反馈强化学习1.3.1 人…

Windows 11 下 Ollama 安装与 OpenWebUI 调用 DeepSeek-R1 的详细指南

文章目录 Windows 11 下 Ollama 安装与 OpenWebUI 调用 DeepSeek-R1 的详细指南一、Ollama 的安装与配置1. 下载 Ollama2. 安装 Ollama3. 验证 Ollama 安装 二、部署 DeepSeek-R1 模型1. 拉取 DeepSeek-R1 模型2. 启动 DeepSeek-R1 模型 三、OpenWebUI 的安装与配置1. 安装 Pyt…

JVM ②-双亲委派模型 || 垃圾回收GC

这里是Themberfue 在上节课对内存区域划分以及类加载的过程有了简单的了解后&#xff0c;我们再了解其他两个较为重要的机制&#xff0c;这些都是面试中常考的知识点&#xff0c;有必要的话建议背出来&#xff0c;当然不是死记硬背&#xff0c;而是要有理解的背~~~如果对 JVM …

君海游戏岗位,需要私我

游戏岗位内推啦&#xff0c;需要找我哈 共14个职位 广告投放主管 社会招聘全国 广告投放 社会招聘全国 设计主管 社会招聘全国 海外投放 社会招聘广东省广州市 海外运营 社会招聘广东省广州市 产品运营专员 社会招聘广东省广州市 平台运营 社会招聘广东…

制药行业 BI 可视化数据分析方案

一、行业背景 随着医药行业数字化转型的深入&#xff0c;企业积累了海量的数据&#xff0c;包括销售数据、生产数据、研发数据、市场数据等。如何利用这些数据&#xff0c;挖掘其价值&#xff0c;为企业决策提供支持&#xff0c;成为医药企业面临的重大挑战。在当今竞争激烈的…

【BUUCTF逆向题】[WUSTCTF2020]level3(魔改base64)

一.[WUSTCTF2020]level3 打开IDA反汇编&#xff0c;发现就是base64加密 这里rand就是与&搭配设置奇偶数2分随机 但是根据提示不是标准base64加密 首先想到魔改密码表&#xff0c;追踪进去&#xff0c;发现没有什么变化啊 尝试对Base64字符串解码也不对 追踪密码表CtrlX发…

文字转语音(三)FreeTTS实现

项目中有相关的功能&#xff0c;就简单研究了一下。 说明 FreeTTS 是一个基于 Java 的开源文本转语音&#xff08;TTS&#xff09;引擎&#xff0c;旨在将文字内容转换为自然语音输出。 FreeTTS 适合对 英文语音质量要求低、预算有限且需要离线运行 的场景&#xff0c;但若需…