6-5-二次型与标准形
本篇讲什么
二次型(quadratic form)是只含二次项的多元多项式,写成矩阵形式就是 。
本篇讲清:二次型与对称矩阵的一一对应、配方法与正交变换法两种化标准形的路径、惯性定理(为什么要化标准形、化出来的结果唯一到什么程度)、与正定性判定的衔接,以及二次曲面分类这个典型应用。
这一篇是国内教材(同济版第五章)的重点,也是 Strang 体系中对称矩阵谱分解的直接应用。
一、定义
1.1 二次型
只含二次项(不含量的一次项与常数项)的 元多项式称为二次型。任意二次型都可写成
其中 是 阶方阵,。
1.2 关键约定:取 对称
同一个二次型可以由不同的矩阵表示。因为 与 是同一项,我们总可以把系数平分:
为什么总是取对称矩阵
令 ,则 对称且 对一切 成立。
于是二次型与对称矩阵一一对应。此后凡说"二次型 的矩阵",一律指那个对称矩阵。
这条约定不是形式主义:只有对称矩阵才有实特征值与正交特征向量(谱定理),而这正是下一篇要用的全部工具。
交叉项的系数要平分
的矩阵是
不是 。交叉项 要拆成 ,所以 。
二、几何直观
2.1 二次型是"沿各方向的伸缩量"
对对称矩阵做谱分解 ,令 (正交变换,不改变长度),则
右边没有交叉项——这就是"标准形"。
一句话理解标准形
化标准形 = 换一组坐标轴,让它们正好是二次型的主轴(特征向量方向)。
在新坐标系下,二次型退化成各方向独立的平方项之和,伸缩比例就是特征值。
2.2 水平集就是二次曲线/曲面
方程 的图像完全由特征值的符号决定:
| 特征值符号 | 的图像 | 的图像 |
|---|---|---|
| 全正 | 椭圆 | 椭球 |
| 全负 | 空集(因为 ) | 空集 |
| 一正一负 | 双曲线 | 单叶双曲面 |
| 有零 | 抛物线/平行直线族(退化) | 柱面/锥面(退化) |
这就是二次曲面分类的全部依据
判断 是椭球还是双曲面,不需要画出图形——只看特征值的符号(即惯性指数)。
而"化标准形"就是把这句话变成可计算的流程。
三、性质与定理
3.1 矩阵的合同关系
定义(合同)
若存在可逆矩阵 使 ,称 与 合同(congruent)。
性质:合同是等价关系(自反、对称、传递);合同的矩阵秩相同。
与相似的区别(这是最容易混淆的地方):
| 关系 | 定义 | 保持什么 | 出现场景 |
|---|---|---|---|
| 相似 | 特征值、迹、行列式 | 同一个线性变换换基 | |
| 合同 | 秩、惯性指数(特征值符号个数) | 二次型换坐标 |
相似不一定合同,合同不一定相似
- 相似只要求 可逆;合同额外要求 以转置形式出现,因此合同的矩阵必须同阶且对称性保持。
- 但当 取为正交矩阵 时,,此时既相似又合同——这就是正交变换法的特殊之处:它同时保持特征值和惯性。
3.2 标准形与规范形
定义
- 标准形:只含平方项的形式 ( 是任意实数)。
- 规范形:平方项系数只取 、、 的形式。由惯性定理,规范形唯一。
3.3 惯性定理
惯性定理(Sylvester 惯性定律)
二次型经任意可逆线性变换化为标准形后,正平方项的个数 与负平方项的个数 都是不变的。
- 称为正惯性指数, 称为负惯性指数;
- (二次型的秩,即矩阵 的秩);
- 称为符号差。
为什么重要:它说明"标准形不唯一(系数可以随便缩放),但正负项的个数唯一"。所以二次型的本质分类量是 ,而不是具体系数。
证明思路:用秩与正定性两件事夹逼。设同一个二次型有两种化法,正项个数分别为 。考虑两个对应子空间的交,其维数至少是 ,于是存在非零向量使 与 同时成立,矛盾。
与特征值符号的对应
由正交变换法, = 正特征值的个数, = 负特征值的个数, = 非零特征值的个数。
惯性定理说的其实就是"特征值的符号个数不随坐标变换改变"——这从谱定理看是显然的,但在不知道谱定理的年代它需要单独证明。
3.4 正定二次型
定义
对一切 都有 ,称二次型正定,对应的对称矩阵正定。
判定条件(与 6-4-对称矩阵与正定矩阵 完全一致,此处按二次型语言重述):
| 判定 | 表述 |
|---|---|
| 特征值法 | 全部特征值 |
| 配方法 | 配方后全部平方项系数 |
| 顺序主子式 | 各阶顺序主子式全 (Sylvester 判据) |
| 惯性指数 | 正惯性指数 (即规范形为 ) |
| 分解法 | 存在可逆 使 |
四、计算方法与步骤
4.1 方法一:配方法(Lagrange 配方法)
适用:任意二次型,国内考试首选,不需要求特征值。
步骤:
- 若存在某个 (有平方项),以 为主元配方:把含 的全部项集中,配成完全平方,余下部分不再含 。
- 对余下部分重复第 1 步。
- 若所有 但存在 (只有交叉项),先做一次"造平方项"的可逆变换(例如令 ,),再回到第 1 步。
- 最后写出所用的可逆变换 ,并验证 可逆。
配方法最常见的失分点
变换矩阵 必须可逆,否则化出的标准形不合法(惯性定理的前提就是可逆变换)。
写完 一定要检查 。
4.2 方法二:正交变换法
适用:需要同时知道几何形状(主轴方向与半轴长)时;也是理论推导的标准工具。
步骤:
- 写出二次型的对称矩阵 。
- 求 的特征值 。
- 求对应的特征向量,做 Schmidt 正交化并单位化,得到正交矩阵 。
- 令 ,则
- 由惯性定理,正项个数即正特征值个数。
两种方法怎么选
- 只要标准形/判正定 → 配方法(快,不用解特征方程)。
- 要问主轴、要画图、要解释几何 → 正交变换法。
- 考试中"求正交变换化二次型为标准形"是固定题型,必须用方法二。
五、例题
5.1 例题 1:配方法化标准形(完整不跳步)
题目
用配方法化二次型 为标准形,并写出所用的可逆变换。
第 1 步:写出对称矩阵。
注意交叉项系数平分:,,。
第 2 步:以 为主元配方。 集中所有含 的项:
代回原式:
展开 并整理余项:
第 3 步:写出变换。
令
即 ,其中 。反解得到 :
第 4 步:验证与结论。
所以变换可逆,标准形为
从这个结果能立刻读出三件事
正惯性指数 ,负惯性指数 ,秩 。
由 且 ,该二次型是半正定的(不是正定,因为秩不足)。
这与 的秩 一致:。
5.2 例题 2:正交变换法化标准形
题目
求正交变换把 化为标准形,并判断二次曲面的类型。
第 1 步:矩阵。
第 2 步:特征值。
得 ,。(验算:,,均正确。)
第 3 步:特征向量与单位化。
对 :,取 ,单位化得 。
对 :,取 ,单位化得 。
(对称矩阵自动给出正交特征向量:,无需额外 Schmidt 正交化。)
第 4 步:正交矩阵与标准形。
第 5 步:曲面类型。
在 坐标下是 ,即半轴长为 与 的椭圆。
主轴方向是 与 ,即旋转了 。
用特征值直接读出半轴长
椭球 ( 正定)的半轴长是 ——最大特征值对应最短半轴。
这是 7-1-SVD的构造与几何意义 中"单位圆映成椭圆、奇异值是半轴长"的同一件事。
5.3 例题 3:没有平方项时怎么配方(造平方项)
题目
用配方法化 为标准形。
第 1 步:先造出平方项。 二次型里一个平方项都没有,配方无从下手。这时先做一次可逆线性变换把交叉项"拆"成平方项。取
用意是让 直接产生两个平方项。代入:
合并同类项:
第 2 步:以 为主元配方。
所以
第 3 步:对剩下的 配方。
代回得
其中已令 ,,。
第 4 步:写出总的变换矩阵并验证可逆。 把两步变换串起来:
即 ,其中
变换可逆,故
读结论:正惯性指数 ,负惯性指数 ,秩 。用特征值核对: 的特征值约为 、、,同样是两正一负,与惯性定理一致。
"没有平方项"的处理口诀
先做一次 组合把交叉项变成平方项,再按常规配方。
不要试图把某个变量解出来代入——那个变换往往不可逆(解出一个变量等于丢掉一个自由度)。
5.4 例题 4:由标准形写规范形
题目
把例题 3 的结果化为规范形,并写出惯性指数与符号差。
做法:标准形 的各项系数都非零,直接用缩放把系数变成 。令
三个替换都可逆,代回得
这就是规范形:只含系数 与 。
| 量 | 值 |
|---|---|
| 正惯性指数 | |
| 负惯性指数 | |
| 秩 | |
| 符号差 |
标准形不唯一,规范形唯一
例题 3 用配方法得到系数 ;换成正交变换法,得到的系数是三个特征值 。
两组标准形的系数完全不同,但正负项个数都是"两正一负"——这正是惯性定理的内容。
而规范形 是唯一的,与用什么变换无关。
5.5 例题 5:含参数的正定性讨论(考试高频题型)
题目
问 取何值时,二次型 正定?
第 1 步:写出对称矩阵。 交叉项系数平分:
第 2 步:用顺序主子式判据(含参数问题最快的路径,不必求特征值):
第 3 步:解不等式组。
因为 ,取交集得
第 4 步:数值复核。 取 (区间内),特征值为 ,全正 → 正定;取 (区间外),特征值出现 → 不正定; 恰为边界,特征值为 ,出现零 → 半正定但不正定,与 吻合。
含参数正定题最常见的两个失分点
1. 只算 就下结论。必须全部顺序主子式都大于零。
2. 把"半正定"当成"正定"。 时 ,存在非零向量使 ,不是正定。端点一律不取。
5.6 例题 6:判断两个矩阵是否合同
题目
判断 与 是否合同;若是,求可逆矩阵 使 。
第 1 步:用惯性指数判断(不必真的找 )。
两者的特征值都是一正一负,故惯性指数都是 。由惯性定理,它们合同。
第 2 步:显式构造 。 先把 正交对角化。 的单位特征向量为 (对应 )与 (对应 ),于是
取 ,则 。
再把 变成 :取 ,验算
所以取 ,且 。数值复核:,代入得 ✓
合同与相似的判别路径完全不同
- 判相似:比特征值、迹、行列式、秩,还要看能否对角化(见 6-2-矩阵的对角化)。
- 判合同:只看惯性指数 ,即只看特征值的正负个数,不看具体数值。
上例中 的特征值是 , 的是 ——特征值都不同,却仍然合同。
5.7 例题 7(证明):合同的不变量
题目
设 与 合同。证明 ,且两者的正惯性指数相同。
证明(秩)。 由合同的定义,存在可逆矩阵 使 。可逆矩阵左乘或右乘都不改变秩(左乘可逆矩阵相当于若干次初等行变换),故
证明(惯性指数)。 设 经可逆变换化为规范形( 个 、 个 、其余为 )。由合同的传递性, 也能化为同一个规范形:先用 把 变回 ,再作 的那组变换。而规范形唯一,故 的正负惯性指数与 相同。
三个关系不要再混
| 关系 | 定义 | 不变量 |
|---|---|---|
| 等价 | ( 可逆) | 秩 |
| 合同 | ( 可逆) | 秩 + 惯性指数 |
| 相似 | ( 可逆) | 秩 + 特征值(含重数) |
层次是:等价 ⊃ 合同、等价 ⊃ 相似;合同与相似互不包含。
但当 是正交矩阵时 ,此时正交相似就是正交合同,两者重合——这正是实对称矩阵谱分解的优点。
六、应用
6.1 多元函数极值的二阶条件
在临界点处,,其中 是 Hessian 矩阵。于是:
| Hessian 的正定性 | 结论 |
|---|---|
| 正定 | 极小值 |
| 负定 | 极大值 |
| 不定(有正有负特征值) | 鞍点 |
| 半定但奇异 | 失效,需更高阶信息 |
为什么这比"逐变量求二阶偏导"更本质
逐变量判别只对二元情形方便;用二次型语言,任意维数下结论都一致,而且"鞍点"的含义变得清楚:存在一个方向上升、另一个方向下降。
6.2 二次曲面与二次曲线的分类
把 化标准形后,符号与零的分布直接决定曲面类型,见第二节的表格。
6.3 统计与优化中的二次型
- 协方差矩阵给出的 是组合方差(见 12-2-协方差矩阵)
- 最小二乘的残差平方和 是二次型(见 4-3-最小二乘逼近)
- 带约束的二次优化(Rayleigh 商)的极值就是特征值
6.4 用 numpy 验证本篇结论
数值验证:惯性指数、标准形与正定性
本示例只需要 numpy:
```bash
pip install numpy
```
```python
import numpy as np
# 例题 1 的矩阵
A = np.array([[1., 1., 1.],
[1., 2., 2.],
[1., 2., 2.]])
print("A 对称?", np.allclose(A, A.T))
print("rank(A) =", np.linalg.matrix_rank(A)) # 秩应为 2
print("det(A) =", round(float(np.linalg.det(A)), 10)) # 秩不足 -> det = 0
w = np.linalg.eigvalsh(A) # 对称矩阵用 eigvalsh,返回实特征值且升序
print("特征值 =", np.round(w, 6))
p = int((w > 1e-9).sum()) # 正惯性指数
q = int((w < -1e-9).sum()) # 负惯性指数
print(f"正惯性指数 p = {p}, 负惯性指数 q = {q}, 秩 r = {p + q}")
# 预期 p = 2, q = 0 -> 半正定(秩不足,不是正定)
# 例题 2:椭圆的半轴长 = 1/sqrt(特征值)
B = np.array([[2., 1.],
[1., 2.]])
wb = np.linalg.eigvalsh(B)
print("B 特征值 =", wb) # [1. 3.]
print("半轴长 =", 1.0 / np.sqrt(wb)) # [1. 0.5774]
print("正定?", bool((wb > 0).all()))
# Sylvester 判据:全部顺序主子式 > 0
lead = [float(np.linalg.det(B[:k, :k])) for k in (1, 2)]
print("顺序主子式 =", lead, "-> 正定?", all(d > 0 for d in lead))
```
为什么每个结论都值得数值验一遍
惯性指数、半轴长、正定性这些结论都是可以立刻用几行代码查证的。
手算容易在"交叉项系数是否平分""特征值是否排序""判据用顺序主子式还是全部主子式"这几处出错——
数值验证能让这些错误当场暴露。
七、易错点
六个高频错误
1. 交叉项系数忘记平分。 对应 ,写成 会使矩阵不对称,后续全部失效。
2. 配方法给出的变换矩阵不可逆。化标准形要求可逆线性变换;写出 必须验证 。
3. 把"合同"与"相似"混用。合同是 ,保持惯性指数;相似是 ,保持特征值。只有正交变换同时满足两者。
4. 以为标准形唯一。标准形不唯一(系数可以缩放),唯一的是规范形(正负项个数由惯性定理固定)。
5. 用正交变换法时忘记单位化。只正交化不单位化得到的 不是正交矩阵,此时 不保长度,几何结论(半轴长)会错。
6. 判断正定时只检查 。必须检查全部顺序主子式(Sylvester 判据),只查最高阶是不够的。
八、练习题
- 基础题:写出 的对称矩阵,并说明矩阵的秩。
- 进阶题:用配方法化 为标准形(注意没有平方项,需要先做"造平方项"的变换),写出可逆变换矩阵并验证其行列式非零。
- 进阶题:用正交变换法化 为标准形,写出正交矩阵,并判断 的曲面类型。
- 证明题:设 是 阶实对称矩阵,证明" 正定"与"存在可逆矩阵 使 "等价。
- 思考题:同一个二次型用配方法与正交变换法得到的两组标准形系数不同(例如例题 2 中配方法可能得到 )。请解释为什么这不违反惯性定理。
九、常见问题(FAQ) Q:为什么要化标准形?直接用原式不行吗?
A:原式含交叉项,各变量耦合在一起,看不出形状也求不了极值。化标准形后各项独立,符号直接给出几何类型与极值性质——这正是"标准形"的意义。
Q:配方法和正交变换法结果不一样,哪个对?
A:都对。标准形不唯一(系数可缩放),但正负项个数(惯性指数)必然相同——这就是惯性定理的内容。要唯一结果就用规范形。
Q:二次型一定要对称矩阵表示吗?
A:二次型本身只对应唯一的对称矩阵。非对称矩阵也能算出同一个二次型,但那只是表示冗余,且非对称矩阵没有谱定理可用。
Q: 意味着什么?
A:如果 正定,只有 ;如果半正定, 是 的零空间(非平凡);如果不定,这个集合是一个锥面。
本篇小结
一张表:正定的八个等价条件
设 是 阶实对称矩阵,以下条件互相等价(考试里哪个好用就用哪个):
| 序号 | 条件 | 适用场合 |
|---|---|---|
| 1 | 对一切 有 | 定义,理论上用 |
| 2 | 全部特征值 | 矩阵小、易求特征值时 |
| 3 | 全部顺序主子式 | 含参数问题首选 |
| 4 | 正惯性指数 (规范形为 ) | 已化成标准形时 |
| 5 | 存在可逆矩阵 使 | 证明题、构造性 |
| 6 | 与 合同 | 概念题 |
| 7 | 存在可逆 使 且 为上三角(即 Cholesky) | 数值计算 |
| 8 | 的各阶主子式之和为正(等价于特征值的初等对称函数全正) | 了解即可 |
条件 3 必须是顺序主子式,不能换成"全部主子式"
判断正定用顺序主子式(左上角 );
判断半正定才用全部主子式()。这两个判据混用是最常见的错误之一。
本篇的六个核心结论
- 二次型与对称矩阵一一对应。写矩阵时交叉项系数必须平分: 对应 。
- 化标准形有两条路:配方法(快,任意二次型都行)与正交变换法(能同时给出主轴与半轴长)。要"正交变换"时只能用后者。
- 标准形不唯一,规范形唯一。不变量是惯性指数 ,不是具体系数。
- 惯性定理:可逆变换不改变正、负平方项的个数。等价说法是"特征值的正负个数不变"。
- 三种关系的层次:等价(保秩)⊃ 合同(保秩 + 惯性指数);相似(保秩 + 特征值)与合同互不包含,但正交时重合。
- 正定 ⟺ 二次曲面是椭球 ⟺ 临界点是极小值。这条把代数判据与几何、优化三件事连起来了。
最容易混的三组概念 | 容易混 | 区别 |
| --- | --- |
|---|---|
| 标准形 / 规范形 | 系数任意 / 系数只能是 ;前者不唯一,后者唯一 |
| 合同 / 相似 | 保惯性指数 / 保特征值;判法完全不同 |
| 正定 / 半正定 | 全部顺序主子式 / 全部主子式 ;端点取不取的区别 |
相关笔记
- 6-4-对称矩阵与正定矩阵:谱定理与正定判别的完整基础
- 6-2-矩阵的对角化:正交对角化与相似变换
- 6-1-特征值引论:特征值与特征向量的求法
- 4-3-最小二乘逼近:残差平方和就是一个二次型
- 7-1-SVD的构造与几何意义:椭圆半轴与奇异值的同一件事
- 附录-矩阵分解总览: 与其他分解的关系
- 常用公式速查:正定判定与二次型公式汇总
参考来源
- Gilbert Strang《Introduction to Linear Algebra》第 5 版,§6.4 正定矩阵、§6.5 二次型与曲面
- 同济大学数学系《线性代数》(第七版)第五章 §5.5–§5.7,高等教育出版社
- MIT 18.06 Linear Algebra 公开课(第 27 讲 Positive Definite Matrices 及相关讲次):<https://ocw.mit.edu/courses/18-06-linear-algebra-spring-2010/>
- Strang 教材配套主页:<https://math.mit.edu/~gs/linearalgebra/>
- NumPy 对称矩阵特征值文档(
eigh返回实特征值且升序):<https://numpy.org/doc/stable/reference/generated/numpy.linalg.eigh.html>
关于符号与教材差异
国内教材把"正惯性指数/负惯性指数"记作 / ,有些教材用 / ;Strange 教材不使用惯性指数这个术语,而是直接用特征值的符号个数。
两种说法等价。遇到与所用教材不一致的记号时,以授课教材为准。