第六节 实对称矩阵的标准形

代数中“合同”与“相似”概念的区别辨析在《高等代数》中队与多个矩阵有“合同”与“相似”的概念，关于这两组概念在定义上有很多相似的地方（合同——'B C AC =，相似——-1B C AC =），并且在《高等代数》在讲到“（欧式空间下）实对称矩阵的标准形”时有如下的定理：因此在这里给我们一种印象，即矩阵间的合同与相似在某种条件下画了=“”，这究竟是怎么回事，为此我们应该去深入的探求矩阵“合同”与“相似”之间的联系。

这个过称是循序渐进的，在学习“双线性函数”后，又对这个问题有了更深刻的理解，并且大胆的估计，“合同”与“相似”在概念上的区别会是代数问题上的一类大问题，现在对这个问题的思考结果归纳如下让我们先从线性变换这一概念出发，我们知道在对线性空间上的线性变换的有关性质直接的进行研究是不好做的，为此我们引进了“线性变换的矩阵”这一概念，即在一个线性变换，n 维空间的一组基，一个n 阶矩阵之间建立起了一对一的关系，关系如图而我们知道同一个线性变换在不同的一组基下，它所对应的矩阵是不同的，而这些矩阵之间的关系我们把它定义为“相似”，并且我们可以知道这些相似矩阵之间有这样的关系1B X AX -=,X 为这两组基之间的过渡矩阵，回顾“相似”概念，我们可以看出，“相似”的提出时基于“线性变换”。

“相似”是同一个线性变换在不同基下的矩阵之间的关系，我们在提炼一下，“相似”的出现是同一个线性变换在不同背景之下的不同的表现形式之间的关系，这对后面区别“合同”与“相似”有很重要的意义下面我们再来看看“合同”概念。

《高等代数》在二次型的章节中对二次型化标准形的过程中首次提出了“合同“的概念。

对一个二次型进行非退化的线性替换，这样的二次型的不同矩阵之间的关系定义为“合同”，即'B C AC =。

而回顾“合同”的概念，我们可以发现，“合同”的概念是基于二次型的化简中产生的概念，而当我们学习了双线性函数的内容后就会发现“合同”的概念是基于双线性函数提出的,因此在这里我们有必要提出双线性函数的有关内容：双线性函数类比欧式空间中的线性变换是线性空间上的一种映射，所谓的“双线性”是指在固定一个自变量的情况下，另一个自变量满足“线性”的关系。

线性代数知识点总结（第6章）（一）二次型及其标准形1、二次型：（1）一般形式（2）矩阵形式（常用）2、标准形：如果二次型只含平方项，即f（x1，x2，…，x n）=d1x12+d2x22+…+d n x n2这样的二次型称为标准形（对角线）3、二次型化为标准形的方法：（1）配方法：通过可逆线性变换x=Cy（C可逆），将二次型化为标准形。

其中，可逆线性变换及标准形通过先配方再换元得到。

★（2）正交变换法：通过正交变换x=Qy，将二次型化为标准形λ1y12+λ2y22+…+λn y n2其中，λ1，λ2，…，λn是A的n个特征值，Q为A的正交矩阵注:正交矩阵Q不唯一，γi与λi对应即可。

（二）惯性定理及规范形4、定义：正惯性指数：标准形中正平方项的个数称为正惯性指数，记为p；负惯性指数：标准形中负平方项的个数称为负惯性指数，记为q；规范形：f=z12+…z p2-z p+12-…-z p+q2称为二次型的规范形。

5、惯性定理：二次型无论选取怎样的可逆线性变换为标准形，其正负惯性指数不变。

注：（1）由于正负惯性指数不变，所以规范形唯一。

（2）p=正特征值的个数，q=负特征值的个数，p+q=非零特征值的个数=r（A）（三）合同矩阵6、定义：A、B均为n阶实对称矩阵，若存在可逆矩阵C，使得B=C T AC，称A与B合同△7、总结：n阶实对称矩阵A、B的关系（1）A、B相似（B=P-1AP）←→相同的特征值（2）A、B合同（B=C T AC）←→相同的正负惯性指数←→相同的正负特征值的个数（3）A、B等价（B=PAQ）←→r（A）=r（B）注：实对称矩阵相似必合同，合同必等价（四）正定二次型与正定矩阵8、正定的定义二次型x T Ax，如果任意x≠0，恒有x T Ax＞0，则称二次型正定，并称实对称矩阵A是正定矩阵。

9、n元二次型x T Ax正定充要条件：（1）A的正惯性指数为n（2）A与E合同，即存在可逆矩阵C，使得A=C T C或C T AC=E（3）A的特征值均大于0（4）A的顺序主子式均大于0（k阶顺序主子式为前k行前k列的行列式）10、n元二次型x T Ax正定必要条件：（1）a ii＞0（2）|A|＞011、总结：二次型x T Ax正定判定（大题）（1）A为数字：顺序主子式均大于0（2）A为抽象：①证A为实对称矩阵：A T=A；②再由定义或特征值判定12、重要结论：（1）若A是正定矩阵，则kA（k＞0），A k，A T，A-1，A*正定（2）若A、B均为正定矩阵，则A+B正定。

2. n 维欧氏空间 中的线性变换 σ 是正交变换 维欧氏空间V中的线性变换 交矩阵． 交矩阵．
(α , β ) ≤ α β
三、欧氏空间中向量的夹角（续） 欧氏空间中向量的夹角（
〈α , β 〉 = arc cos (α , β )
α β
( 0 ≤ 〈α , β 〉 ≤ π )
(α , β ) = 0
定义： 为欧氏空间中两个向量， 定义：设 α、β为欧氏空间中两个向量，若内积
正交或互相垂直， 则称 α 与 β 正交或互相垂直，记作 α ⊥ β . 注： ① 零向量与任意向量正交 零向量与任意向量正交.
3) 非零向量 α 的单位化： α α . 的单位化：
1
三、欧氏空间中向量的夹角
1. 柯西－布涅柯夫斯基不等式 柯西－ 对欧氏空间V中任意两个向量 α、β 对欧氏空间V
线性相关时等号成立. 当且仅当 α、β 线性相关时等号成立. 2. 欧氏空间中两非零向量的夹角 定义: 为欧氏空间， 中任意两非零向量， 夹角定义为 α 定义: 设V为欧氏空间， 、β 为V中任意两非零向量，α、β 的夹角定义为 ，有
π α ⊥ β ⇔ 〈α , β 〉 = 即 cos〈α , β 〉 .= 0 , ② 2
3. 勾股定理 为欧氏空间， 设V为欧氏空间，∀α , β ∈ V , α ⊥ β ⇔ α + β 2 = α 2 + β 为欧氏空间 推广：若欧氏空间V中向量 两两正交， 推广：若欧氏空间 中向量 α 1 ,α 2 ,⋯ ,α m 两两正交， 即 (α i ,α j ) = 0, i ≠ j , i , j = 1, 2,⋯ , m 2 2 2 2 α1 + α 2 + ⋯ + α m = α1 + α 2 + ⋯ + α m . 则

标准形矩阵的定义标准形矩阵是线性代数中的一个重要概念，它在矩阵理论和计算机科学中具有广泛的应用。

标准形矩阵是一种特殊的方阵，具有一些特定的性质和特征。

在本文中，我们将对标准形矩阵的定义进行详细的介绍，包括其性质、特征和相关概念。

首先，我们来看一下标准形矩阵的定义。

标准形矩阵是指一个方阵，它满足以下两个条件，一是矩阵是对称的，即矩阵的转置等于其本身；二是矩阵的元素只能取0或1，即矩阵中的元素只能是二进制数。

换句话说，标准形矩阵是一个对称的二进制矩阵。

标准形矩阵具有一些独特的性质。

首先，由于标准形矩阵是对称的，所以它的主对角线上的元素都是0。

其次，标准形矩阵的转置等于其本身，这意味着矩阵中任意两个元素a[i][j]和a[j][i]相等。

另外，标准形矩阵的元素只能取0或1，这使得它在计算机科学中具有重要的应用，例如在图论和网络分析中。

除了以上的性质外，标准形矩阵还具有一些特征。

首先，标准形矩阵是一种特殊的对称矩阵，它具有对称矩阵的所有性质，例如对角化、特征值等。

其次，标准形矩阵在图论和网络分析中具有广泛的应用，例如在邻接矩阵和关联矩阵中。

另外，标准形矩阵还在密码学和信息安全领域有重要的应用，例如在置换密码和置换网络中。

在研究标准形矩阵时，还涉及到一些相关的概念。

例如，标准形矩阵可以通过对角化得到对角矩阵，这是矩阵理论中的一个重要概念。

另外，标准形矩阵还与图论和网络分析中的邻接矩阵、关联矩阵等有密切的联系，它们在实际问题中经常一起出现。

综上所述，标准形矩阵是一种特殊的对称二进制矩阵，具有一些特定的性质和特征。

它在矩阵理论、图论、网络分析、密码学和信息安全等领域具有广泛的应用。

通过深入研究标准形矩阵的定义、性质和特征，可以更好地理解和应用它在实际问题中的作用，为相关领域的研究和应用提供理论基础和方法支持。