Files
MathNotesVersion2/基于考研的学习/数学一/知识点/线代-定理总表.md
T

20 KiB
Raw Blame History

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
数学一
知识点
线性代数
定理总表
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)
行列式
矩阵
矩阵-初等变换与秩
线代-常见证明题
线代专题练习
2016·20 克拉默法则/解判定
2017·20 不同特征值特征向量线性无关
2020·21 可逆等价条件
2021·21 实对称正交对角化

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。)∎

复习动作

  • 对每章表格先盖住"陈述"列,凭记忆复述 80% 以上
  • 独立写出 P1(分块证明)、P3、P5、P9 四个证明
  • 把证明题笔记 线代-常见证明题 的 6 道题与上表编号互挂(如 2020·21 → M4 + P4)
  • 完成 线代专题练习 后,错题定位到本表定理编号
  • 精读阶段:重点补 P12a/P12b 的完整书写(正定与惯性是解答题常客)