【同济线性代数第五版】第五章相似矩阵及二次型

最新推荐文章于 2026-07-02 02:25:06 发布

原创最新推荐文章于 2026-07-02 02:25:06 发布 · 置顶 · 585 阅读

36 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

数学

本文涉及知识点

数学

1 向量的内积、长度及正交性

本书用[x,y]表示向量x和向量y的内积（点乘）。

定理1：若n维向量 $a_1,a_2,\cdots a_r$ 是一组两两正交的非零向量，则 $a_1,a_2\cdots a_r$ 线性无关。
证：设有 $\lambda1,lambda2,\cdots,\lambda_r$ 使
$\lambda_1a_1+\lambda_2a_2+\cdots \lambda_ra_r=0$
以 $a_1^T左乘上式两端，因当i \ge 2时，a_1^Ta_i=0故得：\lambda_i a_i^Ta_i=0,故\lambda_1 a_1^Ta_1=0,因为a_i\neq 0,故a_1^Ta_1=||a_1||^2\neq 0,故\lambda_1 =0$
同理 $\lambda_i 全部为0$ 故线性无关。

例1 已知3维向量空间 $R^3中两个向量$
$a_1=\begin{pmatrix} 1\\1\\1\\ \end{pmatrix}, a_2=\begin{pmatrix} 1\\-2\\1\\ \end{pmatrix}$
正交，试求一个非零向量a_3，使得 $a_1,a_2,a_3$ 两两正交。
解：此向量就是 $a_1^T,a_2^T)x=0$ 的任意非零解。
定义3 设n维向量 $e_1,e_2\cdots e_r$ 是向量空间V $(V\sub \R^n)$ 的一个基，如果 $e_1,e_2,\cdots e_r$ 两两正交，且都是单位向量，则称 $e1,\cdots ,e_r$ 是V的一个规范正交基。

例2 设 $a_1=\begin{pmatrix}1\\2\\-1\end{pmatrix},a_2=\begin{pmatrix}-1\\3\\1\end{pmatrix},a_3=\begin{pmatrix}4\\-1\\0\end{pmatrix}$ 试用施密特正交化过程把这组向量规范正交化。
解： $b_1=a_1$
$b_2=a_2-\frac{[a_2,b_1]}{||b1||^2}b_1=\begin{pmatrix}-1\\3\\1\end{pmatrix}-\frac 4 6 \begin{pmatrix}1\\2\\-1\end{pmatrix}=\frac 5 3\begin{pmatrix}-1\\1\\1\end{pmatrix}$
$b_3=a_3-\frac{[a_3,b_1]}{||b1||^2}b_1-\frac{[a_3,b_2]}{||b2||^2}b_2$
$\begin{pmatrix}4\\-1\\0\end{pmatrix}-\frac 1 3 \begin{pmatrix}1\\2\\-1\end{pmatrix}+ \frac 3 5 \begin{pmatrix}-1\\1\\1\end{pmatrix}$
$=2\begin{pmatrix}1\\0\\1\end{pmatrix}$

定义4 如果n阶矩阵A满足 $A^TA=E，即A^{-1}=A^T$ ,那么称A为正交矩阵，简称正交阵。
$(a_1^T,a_2^T,\cdots a_n^T)(a_1,a_2,\cdots a_n)=E$
即 $[a_i^T,a_j]=\begin{cases}1&i==j& a_i是单位向量\\0&i\neq 0& a_i和a_j正交 \end{cases}$
一，若A为正交矩阵，则 $A^{-1}=A^T$ 也是正交矩阵，且|A|=1或-1。
证： $|A^TA|=|E|=1，|A^TA|=|A^T||A|,故|A|等于\pm 1$ 。
二，若A和B都是正交阵，则AB也是正交阵。
证明： $AB(AB)^T=ABB^TA^T=AEA^T=AA^T=E$
定义5：若P为正交矩阵，则线性变换 $y = P x$ 称为正交变换。
$||y||=\sqrt{y^Ty}=\sqrt{x^TP^TPx}=\sqrt{x^Tx}=||x||$

2 方阵的特征值与特征向量

定义6 设A是n阶矩阵，如果数 $\lambda和n维非零列向量x使关系式$
$Ax=\lambda x$ 成立，那么，这样的数 $\lambda$ 称为矩阵A的特征值，非零向量x称为A的对应与特征值 $\lambda$ 的特征向量。
上式也可写成(A- $\lambda E)x=0$
$\begin{vmatrix} a_{11}-\lambda&a_{12}&\cdots& a_{1n}\\ a_{21}&a_{22}-\lambda&\cdots& a_{2n}\\ \vdots&\vdots&&\vdots\\ a_{31}&a_{32}&\cdots& a_{3n}-\lambda\\ \end{vmatrix}$
上式是以 $\lambda$ 为未知数的一元n次方程，称为矩阵A的特征方程。其左端是|A-
$\lambda$ E|是 $\lambda$ 的n次多项式，记作 $f(\lambda)$ ，称为矩阵A的特征多项式。A的特征值就是特征方程的解。特征方程在复数范围内恒有解，其个数为方程的次数（重根重复记数），因此，n阶矩阵A在复数范围内有n个特征值。
设n阶矩阵A= $(a_ij)的特征值为\lambda_1,\lambda_2\cdots,\lambda_n$
一， $\lambda_1+\lambda_2+\cdots+\lambda_n=a_{11}+a_{22}+\cdots a_{nn}$
二， $\lambda_1 \lambda_2 \cdots \lambda_n=|A|$

定理2：设 $\lambda_1,\lambda_2,\cdots ,\lambda_m$ 是方阵A的m个特征值， $p_1,p_2,\cdots p_m依次是与之对应的特征向量，如果\lambda1,lambda_2,\cdots,\lambda_m各不相等，则p_1,p_2,\cdots p_m$ 线性无关。
m=1 特征向量不为0，故线性无关。
假定m=k-1线性无关，则m=k线性无关。
$a_1p_1+a_2p_2+\cdots a_kp_k=0 式子一$ 假定式子一成立。
式子一左乘以A， $a_1Ap_1+a_2Ap_2+\cdots a_kAp_k=0即a_1\lambda_1 p_1+a_2\lambda_2p_2+\cdots a_k\lambda_k p_k=0 式子二$
式子二-式子一乘以 $\lambda_k$ = $a_1p_1(\lambda_1-\lambda_k)+a_2p_2(\lambda_2-\lambda_k)+\cdots+a_{k-1}p_{k-1}(\lambda_{k-1}-\lambda_k)=0式子3$
由于前k-1个向量线性无关，故 $a_{i}(\lambda_i-\lambda_k)=0,i< k，由于特征值各不相等，故a_i=0,i<k$
故式子一可以简化为： $a_kp_k=0$ ，即 $a_k=0$ ，即式子一成立，则 $a_i全为0$ ，故前k个特征向量也线性无关。

相似矩阵

定义7 设A,B都是n阶矩阵，若有可逆矩阵P，使 $P^{-1}AP=B$ 则称B是A的相似矩阵，或说矩阵A与B相似。对A进行运算 $P^{-1}AP=B$ 称为对A进行相似变换。可逆矩阵P称为把A变成B的相似变换矩阵。
自己想到的引理：n阶方阵AB的特征多项式相同，则特征值相同。如果 $\lambda$ 是A的特征值，则特征多项式为0，故也是B的特征值。 $\lambda$ 不是A的特征值，则特征多项式不为0，故不是B的特征值。
定理3：若n阶可逆矩阵A与B相似，则A与B的特征多项式相同，从而A与B的特征值亦相同。
证明：对于任意 $\lambda \begin{vmatrix}B- \lambda E\end{vmatrix}= \begin{vmatrix}P^{-1}AP-P^{-1}\lambda E P\end{vmatrix}= \begin{vmatrix}P^{-1}(A-\lambda E)P\end{vmatrix}$
$=|P^{-1}||A-\lambda E||P|=|A-\lambda E|$
推论若n阶矩阵A与对角阵 $\Lambda=\begin{pmatrix} \lambda_1\\&\lambda_2\\&&\cdots\\&&&\lambda_n \end{pmatrix}$ 相似，则 $\lambda_1,\lambda_2 \cdots \lambda_n$ 即A的n个特征值。

$\Lambda是n阶对角矩阵,A是n阶矩阵,假定存在可逆矩阵P，使得P^{-1}AP=\Lambda$ 。式子左乘P，得 $AP=P\Lambda$ 。将前式的第二个矩阵按列拆开，分别处理。 $AP_i=P\Lambda_i$ 右式的(j,0)元= $a(j,i)\lambda_i即P_i\lambda_i$ 。即 $P_i$ 是特征向量， $\lambda_i$ 是特征值。 $P_i之间一定线性无关，否则没有逆矩阵$ 。
定理4 n阶矩阵A与对角线阵相似(即A能对角化)的充分必要条件是A有n个线性无关的特征向量。
推论如果n阶矩阵A的n个特征值互不相等，则A与对角阵相似。
否命题不一定成立。特征值相等，也可能对角化。
特征值不同，则特征向量一定不同，用反证发证明。令 $特征值\lambda_1 \neq \lambda_2,对应的特征向量都是p,\lambda_1 p \neq \lambda_2,\lambda_1p=Ap,\lambda_2p=Ap$ 矛盾。

4 对称矩阵的对角化

定理5：对称矩阵的特征值为实数。
定理6：设 $\lambda_1,\lambda_2$ 是对称矩阵A的两个特征值， $p_1,p_2$ 是对应的特征向量。若 $\lambda_1\neq \lambda_2,$ 则 $p_1与p_2$ 正交。
证: $\lambda_1 p_1^T=(\lambda_1 p_1)^T=(Ap_1)^T=p_1^TA^T=p_1^TA$
$\lambda_1p_1^Tp_2=p_1^TAp_2=p_1^T(\lambda_2p_2)=\lambda_2p_1^Tp_2$
即： $(\lambda_1-\lambda_2)p_1^Tp_2=0$
但 $\lambda_1\neq \lambda_2,故p_1^Tp_2=0即p_1与p_2正交$ 。
定理7 设A为n阶对称阵，则必有正交阵P，使得 $P^{-1}AP=P^TAP=\Lambda,其中\Lambda是以A的n个特征值为对角元的对角阵$ 。

推论设A为n阶段对称阵, $\lambda是A的特征方程的重根，则矩阵A-\lambda E的秩=n-k,从而对应的特征值\lambda 恰有k个线性无关的特征向量$ 。

一，求出A的全部互不相等的特征值 $\lambda_1,\cdots ,\lambda_s$ ,它的重数分别为 $k_1,k_2,\cdots k_s(k_1+\cdots +k+s=n)$ 。
二，对每个 $k_i$ 重特征值 $\lambda_i$ ，求方程 $(A-\lambda_iE)x=0$ 的基础解系，得 $k_i个线性无关的特征向量。在把它们正交化、单位化，得k_i个两两正交的特征向量。共得到n个两两正交的单位特征向量$ 。
三，把这n个两两正交的单位特征向量构成的正交阵P，便有 $P^{-1}AP=P^TAP=\Lambda.注意\Lambda中对角元的排列顺序与P中列向量的排列次序相对应。$

5 二次型及其标准形

定义8：含有n个变量 $x_1,x_2,\cdots x_n$ 的二次齐次函数
$f(x_1,x_2,\cdots ,x_n)=a_{11}x_1^2+a_{22}x_2^2+\cdots + a_{nn}x_n^2$
$+2a_{12}x_1x_2+2a_{13}x_1x_3+\cdots+2a_{n-1,n}x_{n-1}x_n$ 称为二次型。式子5
取 $a_{ji}=a_{ij},则2a_{ij}x_ix_j=a_{ij}x_ix_j+a_{ji}x_ix_j$ 则上式可写成：
$=\sum\limits_{i,j=1}^na_{ij}x_ix_j$ 式子6
对于二次型，我们讨论的主要问题是：寻求可逆的线性变换
$\begin{cases} x_1=c_{11}y_1+c_{12}y_2+\cdots+ c_{1n}y_n,\\ x_2=c_{21}y_1+c_{22}y_2+\cdots + c_{2n}y_n,\\ \cdots\cdots\cdots\\ x_n=c_{n1}y_1+c_{n2}y_2+\cdots +c_{nn}y_n \end{cases}$ 式子7
使得二次型只含平方项，也就是式子7带入式子5，能使
$f=k_1y_1^2+k_2y_2^2+\cdots +k_ny_n^2$
这种只含平方项的二次型，称为二次型的标准型（或法式）。
如果标准型的系数 $k_1,k_2\cdots k_n$ 只有1,-1,0三个数中取值，则称二次型的规范型。

我们把对称阵A叫做二次型f的矩阵，也把f叫做对称阵A的二次型。对称阵A的秩就叫做二次型f的秩。

定义9 设A和B的n阶矩阵，若有可逆矩阵C，使得B= $C^TAC$ ,则称矩阵A与B合同。

若A为对称阵，则 $B=C^TAC$ 也为对称阵，且R(B)=R(A)。
$B^T=(C^TAC)^T=C^TAC=B$
因为C可逆，故 $C^T$ 可逆，故AB等价，故秩相等。

定理8 任何二次型 $f=\sum\limits_{i,j=1}^na_{ij}x_ix_y$ ,总有正交变换 $x = P y$ ，使f化为标准形 $f=\lambda_1y_1^2+\lambda_2y_2^2+\cdots \lambda_ny_n^2$ 其中 $\lambda_1,labmda_2,\cdots,\lambda_n$ 是f的矩阵 $A=(a_ij)的特征值$ 。
推论任给n元二次型 $f(x)=x^TAx(A^T)=A$ ,总有可逆变换x=Cz，使得f(Cz)为规范型。

例14：求一个正交变换 $x = P y$ ，把二次型 $f=-2x_1x_2+2x_1x_3+2x_2x_3$ 为化标准形。
二次型的矩阵为： $A=\begin{pmatrix}0&-1&1\\ -1&0&1\\ 1&1&0\\ \end{pmatrix}$ 此矩阵即例12的矩阵，有正交阵：
$P=\begin{pmatrix}-\frac 1 {\sqrt 3}&-\frac 1 {\sqrt 2}&\frac 1 {\sqrt 6}\\ -\frac 1 {\sqrt 3}&\frac 1 {\sqrt 2}&\frac 1 {\sqrt 6}\\ \frac 1 {\sqrt 3}&0&\frac 2 {\sqrt 6}\\ \end{pmatrix}$ 使得 $P^TAP=\Lambda=\begin{pmatrix}-2&0&0\\ 0&1&0\\ 0&0&1\\ \end{pmatrix}$
把二次型f化成标准形 $f=-2y_1^2+y_2^2+y_3^2$
如果要把二次型f化成规范型，只需令
$\begin{cases} y1 = \frac 1 {\sqrt 2}z_1,\\ y_2=z2,\\ y3 = z3,\\ \end{cases}$
f= $z_1^2+z_2^2+z_3^2$

6 用配方发化二次型称标准型

例15 化二次型 $f=x_1^2+2x_2^2+5x_3^2+2x_1x_2+2x_1x_3+6x_2x_3$ 称标准形，并求所用的变换矩阵。
解： $x_1+x_2+x_3)^2-x_2^2-x_3^2-2x_2x_3+2x_2^2+5x_3^2+6x_2x_3$
= $x_1+x_2+x_3)^2+x_2^2+4x_2x_3+4x_3^2$
= $x_1+x_2+x_3)^2+(x_2+2x_3^2)^2$

$\begin{cases} y_1=x_1+&x_2+&x_3,\\ y_2= &x_2+2&x_3,\\ y_3=&&x_3\\ \end{cases}\to\begin{cases} x_1=y_1-y_2+y_3\\ x_2=y_2-2y_3\\ x_3=y_3\\ \end{cases}$
$f=y_1^2+y_2^2$ ,所用变换矩阵为：
$C=\begin{pmatrix}1&-1&1\\ 0 & 1&-2\\ 0 & 0 &1\\ \end{pmatrix}$
例16 化二次型 $f=2x_1x_2+2x_1x_3-6x_2x_3$ 称规范型，并求所用的变换矩阵。

解：在f中不包含平方项，由于含有 $x_1x_2$ 乘积项，故令
$\begin{cases} x_1=y_1+y_2,\\ x_2=y_1-y_2,\\ x_3=y_3, \end{cases}$
带入可得： $f=2y_1^2-2y_2^2+2y_1y_3+2y_2y_3-6y_1y_3+6y_2y_3$
= $2y_1^2-2y_2^2-4y_1y_3+8y_2y_3$
= $2(y_1-y_3)^2-2(y_2-2y_3)^2+6y_3^2$

$令\begin{cases}z_1=\sqrt 2(y_1-y_3), \\ z_2 =\sqrt 2(y_2-2y_3),\\ z_3=\sqrt 6 y_3,\\ \end{cases}即 \begin{cases} y_1=\frac 1 {\sqrt 2}z_1 + \frac 1 {\sqrt 6}z_3,\\ y_2=\frac 1 {\sqrt 2}z_2+\frac 2 {\sqrt 6}z_3\\ y_3 = \frac 1 {\sqrt 6}z_3 \end{cases}\\$ 就把f化成规范行 $f=z_1^2-z_2^2+z_3^2$
在这里插入图片描述
$C=\begin{pmatrix} 1&1&0\\ 1&-1&0\\ 0&0&1\\ \end{pmatrix} \begin{pmatrix} \frac 1 {\sqrt 2}&0&\frac 1 {\sqrt 6}\\ 0&\frac 1 {\sqrt 2}&\frac 2 {\sqrt 6}\\ 0&0&\frac 1 {\sqrt 6}\\ \end{pmatrix}= \begin{pmatrix} \frac 1 {\sqrt 2}&\frac 1 {\sqrt 2}&\frac 3 {\sqrt 6}\\ \frac 1 {\sqrt 2}&-\frac 1 {\sqrt 2}&-\frac 1 {\sqrt 6}\\ 0&0&\frac 1 {\sqrt 6}\\ \end{pmatrix}$

7 正定二次型

定理9（惯性定理） 设有二次型 $f=x^TAx$ ，它的秩为r，有两个可逆变换
$x = C y 及 x = P z$
使 $f=k_1y_1^2+k_2y_2^2+\cdots +k_ry_r^2,(k_i\neq 0)$
使 $f=\lambda_1z_1^2+\lambda_2z_2^2+\cdots +\lambda_rz_r^2,(\lambda_i \neq 0)$
则 $k_1,\cdots ,k_r中正数的个数与\lambda_1,\lambda_2,\cdots \lambda_r$ 中正数的个数相等。
二次型的标准形中正系数的个数称为二次型的正惯性指数，负系数的个数称为负惯性指数。若二次型f的正惯性指数为p，秩为r，则f的规范型便可确定为
$f=y_1^2+\cdots+y_p^2-y_{p+1}^2-\cdots y_r^2$

定义10：设有二次型f(x)= $x^TAx，如果对任何x \neq 0，都有f(x)>0，则称f正定二次型，并称对称阵A是正定的；如果对任何x \neq 0，都有f(x)<0，则称f为负定二次型，并称对称阵A是负定的$ 。
定理10 n元二次型f= $x^TAx$ 为正定的重复必要条件是：它的标准型的n个系统全为正，即它的规范型的n个系数全为1，亦即它的正惯性指数等于n。
推论对称阵A为正定的重复必要条件是：A的特征值全为正。

定理11（赫尔维茨定理） 对称阵A为正定的充分必要条件是：A的各阶主子式都为正，即： $a_{11}>0,\begin{vmatrix}a_{11}&a_{12}\\ a_{21}&a_{22}\end{vmatrix}>0 \cdots \begin{vmatrix}a_{11}&\cdots& a_{1n}\\ \vdots&\vdots&\vdots\\ a_{n1}&\cdots&a_{nn}\end{vmatrix}>0 对称阵负定的充分必要条件是：奇数阶主子式为负，而偶数阶主子式为正，$
$(-1)^r\begin{vmatrix} a_{11}&\cdots&a_{1r}\\ \vdots&&\vdots\\ a_{r1}&\cdots&a_{rr}\\ \end{vmatrix}>0(r=1,2,3\cdots n)$

扩展阅读

算法为骨，CAD为魂
亲士工具箱：支持中望CAD2024、AutoCad2013及以上，多年承接CAD项目的精华
工作中遇到的问题，可以按类别查阅鄙人的算法文章，请点击《算法与数据汇总》。
学习算法：按章节学习《喜缺全书算法册》，大量的题目和测试用例，打包下载。重视操作
活到老，学到老。明朝中后期，大约50%的进士能当上堂官(副部及更高)；能当上堂官的举人只有十余人。
子墨子言之：事无终始，无务多业。也就是我们常说的专业的人做专业的事。