上海理工大学 2025年高等代数第5题

考研真题

📝 题目

5. (1)二次型 $\displaystyle f\left(x_{1}, x_{2}, x_{3}\right)=-x_{1}^{2}+x_{2}^{2}+3 x_{3}^{2}+4 x_{2} x_{3}+2 x_{1} x_{3}$ ,当 $\displaystyle x_{1}^{2}+x_{2}^{2}+x_{3}^{2}=1$ 时,求该二次型的最大值。 (2)二次型 $\displaystyle f\left(x_{1}, x_{2}, \ldots, x_{n}\right)=\sum_{i=1}^{n}\left(x_{i}-\bar{x}\right)^{2}$ ,其中: $\displaystyle \bar{x}=\frac{x_{1}+x_{2}+\cdots+x_{n}}{n}$ ,求此二次型的矩阵和秩

💡 答案解析

暂无答案解析

📋 详细解题步骤

步骤 1/8
目标:写出二次型的矩阵
二次型 $f(x_1,x_2,x_3) = -x_1^2 + x_2^2 + 3x_3^2 + 4x_2x_3 + 2x_1x_3$ 的矩阵 $A$ 是对称矩阵,其中 $a_{ii}$ 为 $x_i^2$ 的系数,$a_{ij}$ 为 $x_ix_j$ 系数的一半。因此 $A = \begin{pmatrix} -1 & 0 & 1 \\ 0 & 1 & 2 \\ 1 & 2 & 3 \end{pmatrix}$。
公式:二次型 $f = \mathbf{x}^T A \mathbf{x}$,$A$ 对称
提示:注意交叉项系数要除以2,例如 $4x_2x_3$ 对应 $a_{23}=a_{32}=2$。
步骤 2/8
目标:将条件极值转化为特征值问题
在约束 $x_1^2+x_2^2+x_3^2=1$ 下,二次型 $f$ 的最大值等于矩阵 $A$ 的最大特征值。这是因为 $f = \mathbf{x}^T A \mathbf{x}$,且 $\|\mathbf{x}\|^2=1$,由 Rayleigh 商性质,最大值即为最大特征值。
公式:$\max_{\|\mathbf{x}\|=1} \mathbf{x}^T A \mathbf{x} = \lambda_{\max}(A)$
提示:确保矩阵 $A$ 是对称的,否则需考虑对称化。
步骤 3/8
目标:计算特征多项式
计算 $\det(\lambda I - A) = \begin{vmatrix} \lambda+1 & 0 & -1 \\ 0 & \lambda-1 & -2 \\ -1 & -2 & \lambda-3 \end{vmatrix}$。按第一行展开:$(\lambda+1)\begin{vmatrix} \lambda-1 & -2 \\ -2 & \lambda-3 \end{vmatrix} - (-1)\begin{vmatrix} 0 & -1 \\ \lambda-1 & -2 \end{vmatrix}$。计算得 $(\lambda+1)[(\lambda-1)(\lambda-3)-4] + [0 - (-1)(\lambda-1)] = (\lambda+1)(\lambda^2-4\lambda-1) + (\lambda-1) = \lambda^3 - 3\lambda^2 - 4\lambda -2$。
公式:特征多项式 $p(\lambda)=\det(\lambda I - A)$
提示:行列式计算要仔细,符号容易出错。
步骤 4/8
目标:求解特征值
解特征方程 $\lambda^3 - 3\lambda^2 - 4\lambda -2 = 0$。尝试有理根,发现 $\lambda = -1$ 是根,因式分解得 $(\lambda+1)(\lambda^2 - 4\lambda -2)=0$。解二次方程得 $\lambda = 2 \pm \sqrt{3}$。因此特征值为 $\lambda_1 = -1$,$\lambda_2 = 2+\sqrt{3}$,$\lambda_3 = 2-\sqrt{3}$。
公式:因式分解与求根公式
提示:注意检查计算,特征值之和等于迹($\text{tr}(A)=1$),乘积等于行列式($\det(A)=2$),可验证。
步骤 5/8
目标:确定最大值
最大特征值为 $\lambda_2 = 2+\sqrt{3}$,因此二次型在单位球面上的最大值为 $2+\sqrt{3}$。
提示:不要忘记最大值是特征值,而不是特征向量。
步骤 6/8
目标:化简二次型表达式
对于 $f = \sum_{i=1}^n (x_i - \bar{x})^2$,展开得 $f = \sum_{i=1}^n x_i^2 - 2\bar{x}\sum_{i=1}^n x_i + n\bar{x}^2$。由于 $\sum_{i=1}^n x_i = n\bar{x}$,所以 $f = \sum_{i=1}^n x_i^2 - 2n\bar{x}^2 + n\bar{x}^2 = \sum_{i=1}^n x_i^2 - n\bar{x}^2$。
公式:$\bar{x} = \frac{1}{n}\sum_{i=1}^n x_i$
提示:注意 $\sum_{i=1}^n x_i = n\bar{x}$ 的代入。
步骤 7/8
目标:写出二次型矩阵
将 $\bar{x}^2 = \frac{1}{n^2}\left(\sum_{i=1}^n x_i\right)^2 = \frac{1}{n^2}\sum_{i,j} x_i x_j$ 代入得 $f = \sum_{i=1}^n x_i^2 - \frac{1}{n}\sum_{i,j} x_i x_j$。因此二次型矩阵 $B$ 的对角元 $b_{ii}=1-\frac{1}{n}$,非对角元 $b_{ij}=-\frac{1}{n}$($i\neq j$)。即 $B = I_n - \frac{1}{n} J_n$,其中 $J_n$ 为全1矩阵。
公式:$f = \mathbf{x}^T B \mathbf{x}$,$B = I_n - \frac{1}{n} J_n$
提示:注意 $\sum_{i,j}$ 包括 $i=j$ 项,因此 $x_i^2$ 的系数为 $1 - \frac{1}{n}$。
步骤 8/8
目标:求矩阵的秩
矩阵 $B$ 的特征值:由于 $J_n$ 的特征值为 $n$(对应特征向量 $(1,1,\ldots,1)^T$)和 $0$($n-1$ 重),因此 $B$ 的特征值为 $1 - \frac{1}{n}\cdot n = 0$(一重)和 $1 - \frac{1}{n}\cdot 0 = 1$($n-1$ 重)。所以秩为 $n-1$。
公式:$\text{rank}(B) = n-1$
提示:秩等于非零特征值的个数,注意 $B$ 是实对称矩阵。

📷 拍照上传批改

拍照上传批改功能已预留入口,后续接入图片上传、OCR识别与AI批改。