20 KiB
tags, 状态, 扩散率, 关联笔记, 真题样本
| tags | 状态 | 扩散率 | 关联笔记 | 真题样本 | |||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
已盘点(六大章 60 条定理 + 12 个重要定理证明) | 高(精读阶段总表,做题随时回查) |
|
|
线性代数 · 定理总表(含重要定理证明)
定位:考研数学一线代六章全部核心定理,按"章 → 编号 → 陈述 → 备注"组织。标 ★ 的为重要定理,证明见文末"第二部分"。做题时回到对应编号定位。
第一部分 · 定理总表
一、行列式(D 系列)
| 编号 | 定理 | 备注 |
|---|---|---|
| D1 | 行列式与转置行列式相等:\lvert A^T\rvert=\lvert A\rvert |
行/列对称 |
| D2 | 交换两行(列),行列式变号 | 两次交换复原 |
| D3 | 某行(列)乘 k = 用 k 乘行列式 |
推论:公因子可提出 |
| D4 | 两行(列)相同或成比例 \Rightarrow 行列式 =0 |
D2+D3 推论 |
| D5 | 某行(列)为两数之和 \Rightarrow 拆成两行列式之和 |
一次只拆一行 |
| D6 | 某行(列)乘 k 加到另一行(列),值不变 |
行倍加 |
| D7 | 按行(列)展开:D=\sum_{j}a_{ij}A_{ij}=\sum_i a_{ij}A_{ij} |
代数余子式 A_{ij}=(-1)^{i+j}M_{ij} |
| D8 | 异行乘积和为零:\sum_k a_{ik}A_{jk}=\delta_{ij}D |
推导 AA^* 的根基 |
| D9 | 乘积定理:$\lvert AB\rvert=\lvert A\rvert\lvert B\rvert$(A,B 同阶方阵)★ |
见 P1 |
| D10 | 克拉默法则:\lvert A\rvert\ne0 时 Ax=b 唯一解 x_j=\frac{\lvert A_j\rvert}{\lvert A\rvert} ★ |
见 P2 |
| D11 | 范德蒙德:V_n=\prod_{1\le i<j\le n}(x_j-x_i) |
x_i 互异 \iff V_n\ne0 |
| D12 | 上/下三角、对角行列式 = 主对角元素之积 | 计算主力 |
| D13 | $\lvert kA\rvert=k^n\lvert A\rvert$;分块:$\begin{vmatrix}A&O\O&B\end{vmatrix}=\lvert A\rvert\lvert B\rvert$,\begin{vmatrix}O&A\\B&O\end{vmatrix}=(-1)^{mn}\lvert A\rvert\lvert B\rvert |
A 为 m 阶 |
二、矩阵(M 系列)
| 编号 | 定理 | 备注 |
|---|---|---|
| M1 | 乘法结合律、分配律;$(AB)C=A(BC)$,A(B+C)=AB+AC |
可乘条件:列数=行数 |
| M2 | 转置反序:$(AB)^T=B^TA^T$,(ABC)^T=C^TB^TA^T |
高频考点 |
| M3 | 逆矩阵反序:$(AB)^{-1}=B^{-1}A^{-1}$;$(A^T)^{-1}=(A^{-1})^T$;$(kA)^{-1}=\frac1kA^{-1}$;(A^{-1})^{-1}=A |
A,B 可逆 |
| M4 | 可逆等价条件:A 可逆 \iff\lvert A\rvert\ne0\iff r(A)=n\iff Ax=0 仅零解 \iff 列(行)向量线性无关 \iff 特征值全非零 \iff\exists B,\ AB=E ★ |
见 P4 |
| M5 | $AA^*=\lvert A\rvert E$;$\lvert A^*\rvert=\lvert A\rvert^{n-1}$;r(A^*)=\begin{cases}n,&r(A)=n\\1,&r(A)=n-1\\0,&r(A)<n-1\end{cases} ★ |
见 P3 |
| M6 | 初等矩阵:左乘=行变换,右乘=列变换;初等矩阵可逆且逆为初等矩阵 | 变换矩阵化 |
| M7 | 等价标准形:$\forall A_{m\times n}$,\exists 可逆 P,Q 使 $PAQ=\begin{pmatrix}E_r&O\O&O\end{pmatrix}$,r=r(A) |
初等变换 |
| M8 | 等价 \iff 同型且秩相等:A\sim B\iff r(A)=r(B) |
秩是唯一不变量 |
| M9 | 秩不等式:$0\le r(A)\le\min{m,n}$;$r(A^T)=r(A)$;$r(PAQ)=r(A)$(P,Q 可逆);$r(A+B)\le r(A)+r(B)$;$r(AB)\le\min{r(A),r(B)}$;Sylvester $r(A)+r(B)-n\le r(AB)$;AB=O\Rightarrow r(A)+r(B)\le n ★ |
见 P5 |
| M10 | 分块乘法、分块对角/三角的行列式与逆 | 计算工具 |
| M11 | $A^k=O$(幂零)$\Rightarrow(E-A)^{-1}=E+A+\cdots+A^{k-1}$;AB=BA\Rightarrow(A+B)^n=\sum\binom nk A^{n-k}B^k |
二项式条件 |
三、向量(V 系列)
| 编号 | 定理 | 备注 |
|---|---|---|
| V1 | \alpha_1,\cdots,\alpha_n 线性相关 \iff 存在不全为零的 k_i 使 $\sum k_i\alpha_i=0$;n 个 n 维向量相关 \iff\lvert\alpha_1\cdots\alpha_n\rvert=0 |
行列式判据 |
| V2 | 部分组相关 \Rightarrow 整体相关;整体无关 \Rightarrow 部分组无关 |
扩充/截取 |
| V3 | 线性相关 \iff 至少有一个向量可由其余向量线性表示 |
系数非零者 |
| V4 | 无关组 \alpha_1,\cdots,\alpha_n 添加 \beta 后仍无关 \iff\beta 不能由该组表示;若可表示则表示唯一 |
唯一性 |
| V5 | 任意向量组存在极大线性无关组,所含向量个数(秩)唯一 | 秩的定义 |
| V6 | r(A) = 行秩 = 列秩;等价向量组秩相等 ★ |
见 P6 |
| V7 | 柯西-施瓦茨:$\lvert\alpha\cdot\beta\rvert\le\lvert\alpha\rvert\lvert\beta\rvert$,等号 \iff 共线 ★ |
见 P7 |
| V8 | 正交向量组(不含零向量)必线性无关;施密特正交化 \beta_k=\alpha_k-\sum_{i<k}\frac{(\alpha_k,\beta_i)}{(\beta_i,\beta_i)}\beta_i |
正交化公式 |
| V9 | 过渡矩阵可逆;坐标变换 $x=Py$($P$:新基→旧基) | 见 矩阵 第四节 |
四、线性方程组(E 系列)
| 编号 | 定理 | 备注 |
|---|---|---|
| E1 | $Ax=0$(n 个未知数)有非零解 \iff r(A)<n |
齐次 |
| E2 | 基础解系存在:Ax=0 的解空间维数 $=n-r(A)$,即恰有 n-r(A) 个线性无关解 ★ |
见 P8 |
| E3 | Ax=b 有解 $\iff r(A)=r(A,b)$;唯一解 \iff r(A)=n |
增广矩阵 |
| E4 | 非齐次通解 = 特解 + 齐次通解:x=x^*+\sum k_i\xi_i |
解的结构 |
| E5 | Ax=0 与 Bx=0 同解 $\Rightarrow r(A)=r(B)$(反之不成立) |
同解条件 |
| E6 | 三平面位置关系:唯一交点 / 交线 / 无解,对应 r(A) 与 r(A,b) |
几何意义 |
| E7 | 克拉默法则(见 D10):n 元 n 方程 r(A)=n 时唯一解 |
理论价值 |
五、特征值与特征向量(G 系列)
| 编号 | 定理 | 备注 |
|---|---|---|
| G1 | 特征值满足特征方程 $\lvert\lambda E-A\rvert=0$;(\lambda E-A)x=0 的非零解为特征向量 |
定义 |
| G2 | $\sum\lambda_i=\operatorname{tr}A$;\prod\lambda_i=\lvert A\rvert |
求参利器 |
| G3 | 不同特征值的特征向量线性无关 ★ | 见 P9 |
| G4 | 实对称矩阵特征值均为实数;不同特征值的特征向量正交 ★ | 见 P10 |
| G5 | f(A) 的特征值为 $f(\lambda)$;A 可逆 \iff0 非特征值;A^{-1} 特征值 $\frac1\lambda$;A^k 特征值 $\lambda^k$;A^* 特征值 \frac{\lvert A\rvert}{\lambda} |
特征值运算 |
| G6 | 相似矩阵:特征多项式相同,迹、行列式、秩均相同 | 必要条件 |
| G7 | 可对角化充要条件:n 个线性无关特征向量 \iff 每个特征值几何重数 = 代数重数 ★ |
见 P11 |
| G8 | 实对称矩阵必可正交对角化:\exists 正交 $Q$,Q^TAQ=\mathrm{diag}(\lambda_1,\cdots,\lambda_n) ★ |
数一核心定理 |
| G9 | $A^2=A$(幂等)\Rightarrow 特征值 $\in{0,1}$;A^k=O \Rightarrow 特征值全 0 |
恒等式类 |
六、二次型(Q 系列)
| 编号 | 定理 | 备注 |
|---|---|---|
| Q1 | 二次型唯一对应实对称矩阵:$f=\boldsymbol x^TA\boldsymbol x$,a_{ij}= 交叉项系数一半 |
矩阵表示 |
| Q2 | 合同:$B=C^TAC$(C 可逆);实对称矩阵合同 \iff 秩相同且正负惯性指数相同 |
合同判据 |
| Q3 | 惯性定理:规范形唯一,正惯性指数 $p$、负惯性指数 q 由 f 唯一确定 ★ |
见 P12a |
| Q4 | 实对称 A 经正交变换可化为标准形 $\sum\lambda_i y_i^2$(\lambda_i 为特征值) |
G8 应用 |
| Q5 | 正定判定:正惯性指数 =n \iff 特征值全正 \iff 顺序主子式全正 \iff\exists 可逆 C,\ A=C^TC ★ |
见 P12b |
| Q6 | 负定 \iff-A 正定;半正定 \iff 特征值 \ge0 |
判别延伸 |
| Q7 | 配方法(可逆线性变换)化标准形:平方和/差个数 = 惯性指数 | 计算 |
第二部分 · 重要定理证明(12 个)
证明给到"考试可写程度":结论成立的关键步骤完整,细节计算略写。
P1 乘积定理 $\lvert AB\rvert=\lvert A\rvert\lvert B\rvert$(D9)
证明:构造 2n 阶分块矩阵 $M=\begin{pmatrix}A&O\-E&B\end{pmatrix}$。
-
分块下三角:$\lvert M\rvert=\lvert A\rvert\lvert B\rvert$。
-
对
M作分块行变换:将第一行块左乘A加到第二行块,得 $\begin{pmatrix}A&O\O&AB\end{pmatrix}$,其行列式为 $\lvert A\rvert\lvert AB\rvert$?——注意第二行块 $(-E,B)+A(A,O)=(-E+AA,\ B+AO)$?行块变换是左乘A加到第二行:$[-E,\ B]+A\cdot[A,\ O]=[-E+AA,\ B+AO]$,不是 $O$。正确做法:列块变换:第二列块左乘A加到第一列块:第一列块 $=\binom{A}{-E}+\binom{O}{B}A=\binom{A}{BA-E}$?列变换第二列块左乘 A 后加到第一列:第一列块 = $\begin{pmatrix}A\-E\end{pmatrix}+\begin{pmatrix}O\B\end{pmatrix}A=\begin{pmatrix}A\-E+BA\end{pmatrix}$,第二列块不变 $\begin{pmatrix}O\B\end{pmatrix}$。新矩阵 $\begin{pmatrix}A&O\-E+BA&B\end{pmatrix}$。 -
再行变换:第二行块左乘
A加到第一行块:第一行块 $=(A,O)+A(-E+BA,B)=(A-A+ABA,\ 0+AB)=(ABA,AB)$?也不对。 -
标准做法(同济):$\begin{pmatrix}A&O\-E&B\end{pmatrix}\xrightarrow{\text{列块}}\begin{pmatrix}O&AB\-E&B\end{pmatrix}$(第一列块 + 第二列块 $\times A$:$\binom{A}{-E}+\binom{O}{B}A=\binom{A}{-E+BA}$?)—— 正确:列变换:第二列块右乘?列变换只能整体:第一列块
=\binom{A}{-E}与第二列块\binom{O}{B}的组合是 $\binom{A}{-E}+\binom{O}{B}\cdot M'$(右乘矩阵)——取 $M'=A$:$\binom{A+OA}{-E+BA}=\binom{A}{-E+BA}$。不干净。 -
换用标准证明:
\begin{pmatrix}A&O\\-E&B\end{pmatrix}先作行块变换(第一行块左乘B加到第二行): 第二行块 $=[-E,B]+B[A,O]=[-E+BA,\ B]$。新矩阵 $\begin{pmatrix}A&O\-E+BA&B\end{pmatrix}$。 再作列块变换(第二列块右乘A加到第一列块): 第一列块 $=\binom{A}{-E+BA}+\binom{O}{B}A=\binom{A}{-E+BA+BA}$?还是不对——列变换右乘:第一列块 $=\binom{A}{-E+BA}+\binom{O}{B}\cdot A=\binom{A}{-E+2BA}$。 -
最简证法:先证明
A可逆情形:$\lvert AB\rvert=\lvert A\rvert\lvert A^{-1}AB\rvert$?不对。用:\begin{pmatrix}A&O\\-E&B\end{pmatrix}左乘 $\begin{pmatrix}E&O\-A&E\end{pmatrix}$(分块初等行变换)得 $\begin{pmatrix}A&O\-E+B A? ...直接采用初等变换证明:对
A用初等行变换化上三角 $U$($PA=U$),则 $\lvert A\rvert=\lvert U\rvert/\lvert P\rvert$…… 复杂。最稳妥可写版(考研证明题常见):对
A施行初等行变换化为行阶梯 $U$(U上三角),记变换矩阵 $P$(可逆),$PA=U$。则PB由B经同样行变换得到,$\lvert AB\rvert=\lvert P^{-1}UB\rvert=\lvert P\rvert^{-1}\lvert UB\rvert$。再对U用列变换化为对角:$UQ=D$。行、列变换对行列式的影响已知,逐步推出 $\lvert AB\rvert=\lvert A\rvert\lvert B\rvert$。思路完整但繁琐。分块技巧证(清晰可写):利用 $\begin{pmatrix}E&O\-A&E\end{pmatrix}\begin{pmatrix}A&B\B&? ...
好吧,用最常用的行列式乘积分块证法,同济教材的证明其实是: 构造 $M=\begin{pmatrix}A&O\-E&B\end{pmatrix}$。① 分块三角:$\lvert M\rvert=\lvert A\rvert\lvert B\rvert$。 ② 对
M作列块变换:第一列块加上第二列块与A的乘积(左乘 $A$):M=\begin{pmatrix}A&O\\-E&B\end{pmatrix}\xrightarrow{c_1\leftarrow c_1+Ac_2}\begin{pmatrix}A+OA&O\\-E+BA&B\end{pmatrix}=\begin{pmatrix}A&O\\BA-E&B\end{pmatrix}第一列块现在 $(A, BA-E)^T$。注意这里列变换是"第一列块
+第二列块 $\times A$",行列式不变。 ③ 再作行块变换:第二行块+第一行块左乘 $A$:(BA-E,\ B)+A(A,\ O)=(BA-E+A^2,\ B)也不对。
算了,采用交换列块证明(等价但简短): 对
\begin{pmatrix}A&O\\-E&B\end{pmatrix}作列块变换 $c_1\leftarrow c_1 + c_2A$(第一列块加第二列块右乘 A——列变换允许右乘可逆矩阵吗?列变换的"倍加"是"某一列块加另一列块的(右)倍数",c_2A中A是矩阵,这相当于连续做若干次单列倍加,允许):c_1: \binom{A}{-E}\to\binom{A}{-E}+\binom{O}{B}A=\binom{A}{-E+BA}M_1=\begin{pmatrix}A&O\\-E+BA&B\end{pmatrix}再做列块变换 $c_2\leftarrow c_2+c_1(-A)$?$c_2: \binom{O}{B}\to\binom{O}{B}+\binom{A}{-E+BA}(-A)=\binom{-A^2}{B+EA-A^2B}$……乱。
放弃构造,用标准教材证明(最被认可):
\begin{vmatrix}A&O\\-E&B\end{vmatrix}用行展开(分块三角):$=\lvert A\rvert\lvert B\rvert$。 另一方面,把这个行列式按"交换行"处理:把M的后n行整体搬到前n行,需n^2次相邻交换(符号 $(-1)^{n^2}=(-1)^n$):\begin{vmatrix}A&O\\-E&B\end{vmatrix}=(-1)^n\begin{vmatrix}-E&B\\A&O\end{vmatrix}对
\begin{pmatrix}-E&B\\A&O\end{pmatrix}作列块变换 $c_2\leftarrow c_2+c_1B$(第二列块加第一列块右乘 B):c_2:\ \binom{B}{O}\to\binom{B}{O}+\binom{-E}{A}B=\binom{B-B}{AB}=\binom{O}{AB}=\begin{vmatrix}-E&O\\A&AB\end{vmatrix}=\lvert-E\rvert\lvert AB\rvert=(-1)^n\lvert AB\rvert于是 $\lvert A\rvert\lvert B\rvert=(-1)^n\cdot(-1)^n\lvert AB\rvert=\lvert AB\rvert$。∎
检查:分块三角
\begin{vmatrix}A&O\\-E&B\end{vmatrix}=\lvert A\rvert\lvert B\rvert✓。c_2\leftarrow c_2+c_1B中列变换c_1是 $\binom{-E}{A}$,右乘B得 $\binom{-EB}{AB}=\binom{-B}{AB}$,加到 $c_2=\binom{B}{O}$:\binom{B-B}{AB}=\binom{O}{AB}✓。好,这个证明是对的且可写!
P2 克拉默法则(D10)
证明:\lvert A\rvert\ne0\Rightarrow A 可逆,$x=A^{-1}b=\frac{A^*}{\lvert A\rvert}b$。
第 j 个分量:$x_j=\frac{1}{\lvert A\rvert}(A_{1j}b_1+\cdots+A_{nj}b_n)$。
而 $\lvert A_j\rvert$(第 j 列换为 $b$)按第 j 列展开恰为 $b_1A_{1j}+\cdots+b_nA_{nj}$。
故 $x_j=\frac{\lvert A_j\rvert}{\lvert A\rvert}$。∎(唯一性:若 x,y 都是解,则 $A(x-y)=0$,A 可逆推 $x=y$。)
P3 AA^*=\lvert A\rvert E 与 $\lvert A^*\rvert=\lvert A\rvert^{n-1}$(M5)
证明:AA^* 的 (i,j) 元 $=\sum_k a_{ik}A_{jk}$。由 D7、D8:
\sum_k a_{ik}A_{jk}=\begin{cases}\lvert A\rvert,&i=j\\0,&i\ne j\end{cases}\Rightarrow AA^*=\lvert A\rvert E
取行列式:$\lvert A\rvert\lvert A^\rvert=\lvert\lvert A\rvert E\rvert=\lvert A\rvert^n$。若 $\lvert A\rvert\ne0$,约去得 $\lvert A^\rvert=\lvert A\rvert^{n-1}$(A 不可逆时由 r(A^*) 直接验证亦成立)。∎
P4 可逆等价条件(M4)
证明(链条):
- $\lvert A\rvert\ne0\Rightarrow A^{-1}=\frac{A^*}{\lvert A\rvert}$(P3 给出)。
A可逆\Rightarrow Ax=0仅零解(左乘 $A^{-1}$);反之Ax=0仅零解 $\Rightarrow r(A)=n\Rightarrow\lvert A\rvert\ne0$。r(A)=n\iff列向量线性无关(列秩 $=n$)。Ax=0仅零解\iff特征值全非零(0不是特征值)。AB=E\Rightarrow由\lvert AB\rvert=1\ne0得 $\lvert A\rvert\ne0$。∎
P5 秩不等式(M9)
证明(三条核心):
- $r(A+B)\le r(A)+r(B)$:
A+B的每一列是A的列与B的列之和,故列空间 $C(A+B)\subseteq C(A)+C(B)$,维数 $\le r(A)+r(B)$。∎ - $r(AB)\le\min{r(A),r(B)}$:
AB的每列是A的列的线性组合 $\Rightarrow r(AB)\le r(A)$;$r(AB)=r((AB)^T)=r(B^TA^T)\le r(B^T)=r(B)$。∎ - $AB=O\Rightarrow r(A)+r(B)\le n$:
B的每列都是Ax=0的解,故列空间\subseteq解空间,$r(B)\le n-r(A)$。∎
P6 行秩 = 列秩(V6)
证明:设 $r(A)=r$(列秩),A 经初等行变换化行最简形,非零行数 $=r$;初等行变换不改变列秩(列向量组的线性关系不变),故列秩 = 行阶梯非零行数 = 行秩。∎(推论:$r(A^T)=r(A)$)
P7 柯西-施瓦茨(V7)
证明:对任意 $t$,$\lvert\alpha+t\beta\rvert^2=\lvert\alpha\rvert^2+2t(\alpha\cdot\beta)+t^2\lvert\beta\rvert^2\ge0$。关于 t 的二次三项式判别式 $\le0$:$4(\alpha\cdot\beta)^2-4\lvert\alpha\rvert^2\lvert\beta\rvert^2\le0$,即 $\lvert\alpha\cdot\beta\rvert\le\lvert\alpha\rvert\lvert\beta\rvert$。等号 \iff 判别式 =0\iff 存在 t 使 $\alpha+t\beta=0$(共线)。∎
P8 基础解系个数 $=n-r(A)$(E2)
证明:对 A 作初等行变换化行最简形,设 $r(A)=r$,则有 r 个主元列、n-r 个自由未知量。令自由未知量依次取 $e_1,\cdots,e_{n-r}$(标准基),解出主元,得到 n-r 个线性无关解 $\xi_1,\cdots,\xi_{n-r}$;任一解由其自由未知量唯一决定,即唯一表示为这些 \xi_i 的线性组合。故解空间维数恰为 $n-r$。∎
P9 不同特征值的特征向量线性无关(G3)
证明(归纳法):设 \lambda_1,\cdots,\lambda_m 互异,对应特征向量 $\xi_1,\cdots,\xi_m$。
设 $k_1\xi_1+\cdots+k_m\xi_m=0$。(①)
左乘 $A$:$k_1\lambda_1\xi_1+\cdots+k_m\lambda_m\xi_m=0$。(②)
②$-\lambda_m$①:$k_1(\lambda_1-\lambda_m)\xi_1+\cdots+k_{m-1}(\lambda_{m-1}-\lambda_m)\xi_{m-1}=0$。
由归纳假设 \xi_1,\cdots,\xi_{m-1} 无关,且 $\lambda_i-\lambda_m\ne0$,得 $k_1=\cdots=k_{m-1}=0$;代回①得 $k_m=0$。∎
P10 实对称矩阵特征值性质(G4)
证明(实性):设 $A^T=A$,$A\alpha=\lambda\alpha$($\alpha\ne0$)。两边取共轭转置:$\overline\alpha^T A=\bar\lambda\overline\alpha^T$。右乘 $\alpha$:$\overline\alpha^TA\alpha=\bar\lambda\lvert\alpha\rvert^2$;左边 $=\overline\alpha^T\lambda\alpha=\lambda\lvert\alpha\rvert^2$。故 $(\lambda-\bar\lambda)\lvert\alpha\rvert^2=0\Rightarrow\lambda=\bar\lambda$,\lambda 为实数。∎
证明(正交性):$A\alpha=\lambda_1\alpha$,$A\beta=\lambda_2\beta$,$\lambda_1\ne\lambda_2$。则 $\lambda_1(\alpha\cdot\beta)=(A\alpha)\cdot\beta=\alpha\cdot(A\beta)=\lambda_2(\alpha\cdot\beta)$(A 对称),故 $(\lambda_1-\lambda_2)(\alpha\cdot\beta)=0\Rightarrow\alpha\cdot\beta=0$。∎
P11 可对角化充要条件(G7)
证明(要点):
- ($\Rightarrow$)
A可对角化,则A相似于 $\Lambda$,特征值的代数重数与几何重数不变;对角阵\Lambda中\lambda_i出现次数=代数重数=几何重数(对角阵的\lambda_i E-\Lambda零空间维数恰为出现次数)。 - ($\Leftarrow$)每个特征值的几何重数
=代数重数:不同特征值的特征向量组线性无关(P9),合并后共 $\sum$(几何重数)$=\sum$(代数重数)=n个线性无关特征向量,拼成P使 $P^{-1}AP=\Lambda$。∎
P12a 惯性定理(Q3)
陈述:任意实二次型经可逆线性变换化成的规范形 y_1^2+\cdots+y_p^2-y_{p+1}^2-\cdots-y_{p+q}^2 中,p,q 唯一(不随变换改变)。
证明(反证要点):若两种变换给出 (p,q) 与 $(p',q')$,$p<p'$。取两次变换复合 z=Cw 使
z_1^2+\cdots+z_p^2-z_{p+1}^2-\cdots-z_{p+q}^2=w_1^2+\cdots+w_{p'}^2-w_{p'+1}^2-\cdots
考虑使 z_{p+1}=\cdots=z_n=0 且 w_1=\cdots=w_{p'}=0 的非零解空间:前者 p 维、后者 n-p' 维,交集非空(维数和 $p+n-p'>n$),代入得 0= 负数平方和,矛盾。∎(数一按"了解证明、会用结论"掌握)
P12b 正定判定四条件等价(Q5)
证明(要点):
- 特征值全正
\iff正惯性指数 $=n$(正交变换化标准形\sum\lambda_i y_i^2且惯性指数即正特征值个数)。 - 正惯性指数
=n\iff规范形 $=\sum y_i^2=y^Ty$,即 $f=x^T(C^{-1})^TC^{-1}x=(C^{-1}x)^T(C^{-1}x)$,取A=(C^{-1})^T C^{-1}型:$A=B^TB$,B=C^{-1}可逆。反之A=C^TC时f=\lvert Cx\rvert^2\ge0且等号仅 $x=0$。 - 顺序主子式全正
\Rightarrow正定:对n阶归纳,A的n-1阶顺序主子式全正\Rightarrow左上角A_{n-1}正定,分块消元得A=\begin{pmatrix}A_{n-1}&*\\*&*\end{pmatrix}合同于 $\begin{pmatrix}A_{n-1}&O\O&d\end{pmatrix}$,$d=\frac{\lvert A\rvert}{\lvert A_{n-1}\rvert}>0$,故合同于单位阵,正定。(正定\Rightarrow顺序主子式全正:主子式=顺序主子式限制下二次型仍正定。)∎