二次型及其标准型：给初学者的深度解析#

一、一句话定义#

二次型就是”每个项都是二次的多元多项式”。比如 $f(x,y) = 3x^2 + 2xy + 5y^2$ ，每一项的次数都是 2（ $x^2$ 是二次， $xy$ 也是 $1+1=2$ 次）。

标准型就是把上面那个复杂的式子，通过”换一套坐标系”，变成只有平方项、没有交叉项的简单形式，比如 $f = 4u^2 + 6v^2$ 。

二、两个生活化类比#

类比 1：椭圆 vs 正椭圆#

想象你站在山坡上拍一张斜着放的椭圆照片。照片里椭圆是歪的，方程很复杂： $3x^2 + 2xy + 5y^2 = 1$ 。

但如果你走到山坡正面，正对椭圆拍摄，它看起来就是一个标准的正椭圆： $4u^2 + 6v^2 = 1$ 。

二次型就是”斜椭圆”的数学表达式，标准型就是你找到最佳拍摄角度后看到的”正椭圆”。坐标变换 = 换个角度观察。

类比 2：方言 vs 普通话#

二次型像是一堆方言在说同一件事： $3x^2 + 2xy + 5y^2$ 里， $x$ 和 $y$ “互相纠缠”（交叉项 $xy$ ），像两个人说话互相打断。

标准型就是普通话版本： $4u^2 + 6v^2$ ，每个变量”各说各的”，互不干扰。我们要做的，就是找到那套”普通话规则”（新的坐标系），让表达最清晰。

三、核心内涵深入解析#

1. 本质：它研究的是”弯曲的程度”#

线性代数前面学的线性变换 $Ax = b$ 描述的是直线、平面、 flat 的东西。但现实世界是弯曲的——山坡、碗、马鞍面。

二次型是描述”弯曲”的最简单工具。它只保留到二次项，就像用放大镜看曲面， locally 它近似一个抛物面。

2. 为什么要消去交叉项？#

看 $3x^2 + 2xy + 5y^2$ ， $xy$ 项的存在意味着 $x$ 和 $y$ 耦合在一起：改变 $x$ 会影响 $y$ 方向的弯曲程度。

标准型 $4u^2 + 6v^2$ 中， $u$ 和 $v$ 解耦了。这让你能一眼看出：

在 $u$ 方向，弯曲系数是 4
在 $v$ 方向，弯曲系数是 6

没有交叉项 = 看清各个方向的独立特性。这在物理、工程、优化中至关重要。

3. 矩阵视角（进阶一点）#

二次型可以写成 $x^T A x$ ，其中 $A$ 是对称矩阵。求标准型的过程，本质上就是把对称矩阵 $A$ 对角化：

$x^T A x \xrightarrow{\text{正交变换}} y^T D y = \lambda_1 y_1^2 + \lambda_2 y_2^2 + \cdots$

对角矩阵 $D$ 上的元素 $\lambda_i$ 就是 $A$ 的特征值。所以学二次型，其实是在用另一种语言重新理解”特征值”。

四、与相关概念的区别#

概念	形式	区别要点
线性型	$ax + by$	一次式，描述直线/平面，没有弯曲
二次型	$ax^2 + bxy + cy^2$	二次式，描述曲率，有交叉项
标准型	$a'u^2 + b'v^2$	二次型的简化版，无交叉项
规范型	$\pm z_1^2 \pm z_2^2$	标准型再归一化，系数只保留 $\pm1$

关键区分：线性型是”直的”，二次型是”弯的”；标准型是二次型”摆正了”的样子；规范型是标准型”压缩到单位长度”的样子。

五、在学科体系中的位置#

二次型位于线性代数知识树的顶端附近：

1
向量与矩阵 → 线性方程组 → 行列式
2
    ↓
3
特征值与特征向量 ← 线性变换
4
    ↓
5
    二次型及其标准型 ← 你在这里
6
    ↓
7
    正定二次型 → 多元函数极值、优化理论
8
    ↓
9
    内积空间、几何应用

承上：#

它直接依赖特征值理论（求标准型需要求特征值）
它深化了矩阵对角化的理解（对称矩阵必可对角化）

启下：#

正定/负定判别：判断 $x^T A x$ 是否恒正，这在判断多元函数极值（Hessian 矩阵）时直接用到
主成分分析（PCA）：数据降维的核心就是找二次型的主轴
物理中的惯性张量、几何中的二次曲面分类：都是二次型的直接应用

六、给初学者的一句话总结#

二次型是”弯曲的度量”，标准型是”把弯曲摆正后的度量”。学它的意义在于：复杂的现象换个角度（坐标系），就能变成简单到一眼看穿的形式——这是数学最美的思想之一。

如果教材接下来要讲”正定二次型”，记住：正定 = 无论你怎么取值（除了零），结果总是正的——就像碗总是朝上开口，球放在里面只会滚到碗底，不会跑掉。这是判断”有没有最小值”的数学工具。

二次型及其标准型 — 从零基础到考试水平#

一、基础层次：认识二次型#

例题 1：写出二次型的矩阵#

题目：写出二次型 $f(x_1,x_2,x_3) = x_1^2 + 2x_2^2 + 3x_3^2 + 4x_1x_2 + 6x_1x_3 + 8x_2x_3$ 的矩阵 $\boldsymbol{A}$ 。

解析：

二次型的矩阵 $\boldsymbol{A}$ 必须是对称矩阵，即 $a_{ij} = a_{ji}$ 。

第一步：确定矩阵阶数。（二次型有 3 个变量 $x_1, x_2, x_3$ ，所以矩阵是 $3 \times 3$ 阶，目的是建立与变量个数匹配的方阵框架。）

第二步：写出主对角线元素。 $a_{11} = 1,\quad a_{22} = 2,\quad a_{33} = 3$ （主对角线元素 $a_{ii}$ 就是 $x_i^2$ 项的系数，目的是直接提取平方项的”自作用”强度。）

第三步：写出非对角线元素。

$x_1x_2$ 的系数是 $4$ ，所以 $a_{12} = a_{21} = \frac{4}{2} = 2$
$x_1x_3$ 的系数是 $6$ ，所以 $a_{13} = a_{31} = \frac{6}{2} = 3$
$x_2x_3$ 的系数是 $8$ ，所以 $a_{23} = a_{32} = \frac{8}{2} = 4$

（交叉项 $x_ix_j$ 的系数要平分给 $a_{ij}$ 和 $a_{ji}$ ，目的是保证矩阵对称，这是二次型矩阵表示的核心约定： $\boldsymbol{A}$ 必须对称才能唯一确定。）

第四步：组装矩阵。 $\boldsymbol{A} = \begin{pmatrix} 1 & 2 & 3 \\ 2 & 2 & 4 \\ 3 & 4 & 3 \end{pmatrix}$

（验证对称性 $a_{ij}=a_{ji}$ ，目的是确保矩阵表示正确无误。）

结论：二次型可写成 $f = \boldsymbol{x}^\mathrm{T}\boldsymbol{A}\boldsymbol{x}$ ，其中 $\boldsymbol{A}$ 如上。

例题 2：由矩阵写出二次型#

题目：已知对称矩阵 $\boldsymbol{A} = \begin{pmatrix} 2 & -1 & 0 \\ -1 & 3 & 1 \\ 0 & 1 & 4 \end{pmatrix}$ ，写出对应的二次型。

解析：

第一步：确认矩阵对称。 $\boldsymbol{A}^\mathrm{T} = \boldsymbol{A}$ ，满足二次型矩阵的前提条件。（目的是验证矩阵合法性，非对称矩阵不直接对应标准二次型。）

第二步：写出平方项。 $2x_1^2 + 3x_2^2 + 4x_3^2$ （主对角线元素 $a_{ii}$ 直接作为 $x_i^2$ 的系数，目的是还原”自作用”项。）

第三步：写出交叉项。

$a_{12} = -1$ ，交叉项系数为 $2 \times (-1) = -2$ ，即 $-2x_1x_2$
$a_{13} = 0$ ，交叉项为 $0$
$a_{23} = 1$ ，交叉项系数为 $2 \times 1 = 2$ ，即 $2x_2x_3$

（非对角线元素 $a_{ij}$ 要乘以 2 才得到 $x_ix_j$ 的系数，目的是还原矩阵到二次型的展开式。）

结论： $f(x_1,x_2,x_3) = 2x_1^2 + 3x_2^2 + 4x_3^2 - 2x_1x_2 + 2x_2x_3$

例题 3：求二次型的秩#

题目：求 $f(x_1,x_2,x_3) = x_1^2 + 2x_1x_2 + 2x_1x_3 + x_2^2 + 2x_2x_3 + x_3^2$ 的秩。

解析：

第一步：写出二次型矩阵。 $\boldsymbol{A} = \begin{pmatrix} 1 & 1 & 1 \\ 1 & 1 & 1 \\ 1 & 1 & 1 \end{pmatrix}$

（将交叉项系数平分写入对称位置，目的是建立矩阵与二次型的对应关系。）

第二步：对 $\boldsymbol{A}$ 作初等行变换。 $\boldsymbol{A} = \begin{pmatrix} 1 & 1 & 1 \\ 1 & 1 & 1 \\ 1 & 1 & 1 \end{pmatrix} \xrightarrow{R_2-R_1,\,R_3-R_1} \begin{pmatrix} 1 & 1 & 1 \\ 0 & 0 & 0 \\ 0 & 0 & 0 \end{pmatrix}$

（用行变换化为行阶梯形，目的是计算矩阵的秩。）

第三步：数非零行数。非零行有 1 行，所以 $r(\boldsymbol{A}) = 1$ 。

（二次型的秩定义为其矩阵的秩，目的是给出最终答案。）

结论：该二次型的秩为 $\boxed{1}$ 。

二、进阶层次：化标准型#

例题 4：正交变换法化标准型（完整流程）#

题目：用正交变换法将二次型 $f(x_1,x_2,x_3) = 2x_1^2 + 5x_2^2 + 5x_3^2 + 4x_1x_2 - 4x_1x_3 - 8x_2x_3$ 化为标准型。

解析：

第一步：写出二次型矩阵。 $\boldsymbol{A} = \begin{pmatrix} 2 & 2 & -2 \\ 2 & 5 & -4 \\ -2 & -4 & 5 \end{pmatrix}$

（交叉项系数平分，目的是建立对称矩阵表示。）

第二步：求特征值，解 $|\lambda\boldsymbol{E} - \boldsymbol{A}| = 0$ 。

$|\lambda\boldsymbol{E} - \boldsymbol{A}| = \begin{vmatrix} \lambda-2 & -2 & 2 \\ -2 & \lambda-5 & 4 \\ 2 & 4 & \lambda-5 \end{vmatrix}$

按第一行展开或利用行列式性质：

观察到第 2、3 行有对称结构，将第 3 列加到第 2 列： $\begin{vmatrix} \lambda-2 & 0 & 2 \\ -2 & \lambda-1 & 4 \\ 2 & \lambda-1 & \lambda-5 \end{vmatrix} = (\lambda-1)\begin{vmatrix} \lambda-2 & 0 & 2 \\ -2 & 1 & 4 \\ 2 & 1 & \lambda-5 \end{vmatrix}$

（提取公因子 $(\lambda-1)$ ，目的是简化行列式计算。）

继续计算： $= (\lambda-1)\left[(\lambda-2)\begin{vmatrix}1&4\\1&\lambda-5\end{vmatrix} - 0 + 2\begin{vmatrix}-2&1\\2&1\end{vmatrix}\right]$ $= (\lambda-1)\left[(\lambda-2)(\lambda-9) + 2(-4)\right]$ $= (\lambda-1)\left[\lambda^2 - 11\lambda + 18 - 8\right]$ $= (\lambda-1)(\lambda^2 - 11\lambda + 10)$ $= (\lambda-1)(\lambda-1)(\lambda-10) = (\lambda-1)^2(\lambda-10)$

（因式分解求根，目的是得到所有特征值。）

特征值： $\lambda_1 = \lambda_2 = 1$ （二重）， $\lambda_3 = 10$ 。

第三步：求特征向量。

对于 $\lambda = 1$ ：解 $(\boldsymbol{E} - \boldsymbol{A})\boldsymbol{x} = \boldsymbol{0}$ ： $\boldsymbol{E} - \boldsymbol{A} = \begin{pmatrix} -1 & -2 & 2 \\ -2 & -4 & 4 \\ 2 & 4 & -4 \end{pmatrix} \xrightarrow{\text{行变换}} \begin{pmatrix} 1 & 2 & -2 \\ 0 & 0 & 0 \\ 0 & 0 & 0 \end{pmatrix}$

得方程 $x_1 + 2x_2 - 2x_3 = 0$ ，即 $x_1 = -2x_2 + 2x_3$ 。

（化为行阶梯形，目的是求基础解系。）

取自由变量 $(x_2, x_3)$ ：

令 $(x_2, x_3) = (1, 0)$ ，得 $\boldsymbol{\xi}_1 = (-2, 1, 0)^\mathrm{T}$
令 $(x_2, x_3) = (0, 1)$ ，得 $\boldsymbol{\xi}_2 = (2, 0, 1)^\mathrm{T}$

（选取自由变量赋值，目的是得到线性无关的特征向量组。）

对于 $\lambda = 10$ ：解 $(10\boldsymbol{E} - \boldsymbol{A})\boldsymbol{x} = \boldsymbol{0}$ ： $10\boldsymbol{E} - \boldsymbol{A} = \begin{pmatrix} 8 & -2 & 2 \\ -2 & 5 & 4 \\ 2 & 4 & 5 \end{pmatrix} \xrightarrow{\text{行变换}} \begin{pmatrix} 2 & 4 & 5 \\ 0 & 9 & 9 \\ 0 & -18 & -18 \end{pmatrix} \rightarrow \begin{pmatrix} 2 & 4 & 5 \\ 0 & 1 & 1 \\ 0 & 0 & 0 \end{pmatrix}$

回代得 $x_2 = -x_3$ ， $2x_1 = -4x_2 - 5x_3 = 4x_3 - 5x_3 = -x_3$ ，即 $x_1 = -\frac{1}{2}x_3$ 。

取 $x_3 = 2$ ，得 $\boldsymbol{\xi}_3 = (-1, -2, 2)^\mathrm{T}$ （或简化为 $(1, 2, -2)^\mathrm{T}$ ）。

（选取整数解，目的是避免分数运算，方便后续单位化。）

第四步：对重根特征向量正交化（Schmidt 正交化）。

$\boldsymbol{\xi}_1 = (-2, 1, 0)^\mathrm{T}$ ， $\boldsymbol{\xi}_2 = (2, 0, 1)^\mathrm{T}$

$\boldsymbol{\eta}_1 = \boldsymbol{\xi}_1 = (-2, 1, 0)^\mathrm{T}$

$\boldsymbol{\eta}_2 = \boldsymbol{\xi}_2 - \frac{(\boldsymbol{\xi}_2, \boldsymbol{\eta}_1)}{(\boldsymbol{\eta}_1, \boldsymbol{\eta}_1)}\boldsymbol{\eta}_1$

计算内积： $(\boldsymbol{\xi}_2, \boldsymbol{\eta}_1) = 2 \times (-2) + 0 \times 1 + 1 \times 0 = -4$ $(\boldsymbol{\eta}_1, \boldsymbol{\eta}_1) = 4 + 1 + 0 = 5$

$\boldsymbol{\eta}_2 = (2, 0, 1)^\mathrm{T} - \frac{-4}{5}(-2, 1, 0)^\mathrm{T} = (2, 0, 1)^\mathrm{T} - \left(\frac{8}{5}, -\frac{4}{5}, 0\right)^\mathrm{T} = \left(\frac{2}{5}, \frac{4}{5}, 1\right)^\mathrm{T}$

为去分母，乘以 5： $(2, 4, 5)^\mathrm{T}$ ，验证与 $\boldsymbol{\eta}_1$ 正交： $(-2)\times 2 + 1 \times 4 + 0 \times 5 = 0$ ✓

（Schmidt 正交化，目的是将重根对应的线性无关特征向量改造成两两正交的向量组，这是构造正交矩阵的必要步骤。）

第五步：单位化。

$\boldsymbol{p}_1 = \frac{\boldsymbol{\eta}_1}{\|\boldsymbol{\eta}_1\|} = \frac{1}{\sqrt{5}}(-2, 1, 0)^\mathrm{T}$

$\boldsymbol{p}_2 = \frac{\boldsymbol{\eta}_2}{\|\boldsymbol{\eta}_2\|} = \frac{1}{\sqrt{45}}(2, 4, 5)^\mathrm{T} = \frac{1}{3\sqrt{5}}(2, 4, 5)^\mathrm{T}$

$\boldsymbol{p}_3 = \frac{\boldsymbol{\xi}_3}{\|\boldsymbol{\xi}_3\|} = \frac{1}{3}(1, 2, -2)^\mathrm{T}$ （注意 $\|\boldsymbol{\xi}_3\| = \sqrt{1+4+4} = 3$ ）

（单位化，目的是得到标准正交基，使变换矩阵 $\boldsymbol{P}$ 成为正交矩阵，满足 $\boldsymbol{P}^\mathrm{T} = \boldsymbol{P}^{-1}$ 。）

第六步：构造正交矩阵 $\boldsymbol{P}$ 并写出标准型。

$\boldsymbol{P} = \begin{pmatrix} -\frac{2}{\sqrt{5}} & \frac{2}{3\sqrt{5}} & \frac{1}{3} \\[6pt] \frac{1}{\sqrt{5}} & \frac{4}{3\sqrt{5}} & \frac{2}{3} \\[6pt] 0 & \frac{5}{3\sqrt{5}} & -\frac{2}{3} \end{pmatrix}$

令 $\boldsymbol{x} = \boldsymbol{P}\boldsymbol{y}$ ，则

$f = \boldsymbol{x}^\mathrm{T}\boldsymbol{A}\boldsymbol{x} = \boldsymbol{y}^\mathrm{T}(\boldsymbol{P}^\mathrm{T}\boldsymbol{A}\boldsymbol{P})\boldsymbol{y} = \boldsymbol{y}^\mathrm{T}\begin{pmatrix} 1 & & \\ & 1 & \\ & & 10 \end{pmatrix}\boldsymbol{y}$

（正交变换保持几何形状不变，标准型系数就是特征值，目的是完成合同对角化。）

标准型： $\boxed{f = y_1^2 + y_2^2 + 10y_3^2}$

例题 5：配方法化标准型#

题目：用配方法将 $f(x_1,x_2,x_3) = x_1^2 + 2x_2^2 + 5x_3^2 + 2x_1x_2 + 2x_1x_3 + 6x_2x_3$ 化为标准型。

解析：

第一步：按 $x_1$ 配方，提取含 $x_1$ 的所有项。 $f = x_1^2 + 2x_1(x_2 + x_3) + 2x_2^2 + 5x_3^2 + 6x_2x_3$

（选择有平方项的变量开始配方，目的是利用完全平方公式 $a^2 + 2ab = (a+b)^2 - b^2$ 。）

第二步：补全平方。 $= \left[x_1 + (x_2 + x_3)\right]^2 - (x_2 + x_3)^2 + 2x_2^2 + 5x_3^2 + 6x_2x_3$ $= (x_1 + x_2 + x_3)^2 - x_2^2 - 2x_2x_3 - x_3^2 + 2x_2^2 + 5x_3^2 + 6x_2x_3$ $= (x_1 + x_2 + x_3)^2 + x_2^2 + 4x_2x_3 + 4x_3^2$

（展开并合并同类项，目的是消去 $x_1$ 的交叉项，将问题降维到 $x_2, x_3$ 。）

第三步：对剩余项继续配方。 $= (x_1 + x_2 + x_3)^2 + (x_2 + 2x_3)^2$

（对 $x_2^2 + 4x_2x_3 + 4x_3^2$ 识别为完全平方，目的是完成全部配方。）

第四步：作可逆线性变换。

令 $\begin{cases} y_1 = x_1 + x_2 + x_3 \\ y_2 = x_2 + 2x_3 \\ y_3 = x_3 \end{cases}$

（引入新变量，目的是将配方结果直接表示为新变量的平方和。）

即 $\boldsymbol{y} = \boldsymbol{C}\boldsymbol{x}$ ，其中 $\boldsymbol{C} = \begin{pmatrix} 1 & 1 & 1 \\ 0 & 1 & 2 \\ 0 & 0 & 1 \end{pmatrix}$

由于 $\det(\boldsymbol{C}) = 1 \neq 0$ ，变换可逆。

（验证变换矩阵可逆，目的是保证合同变换的合法性，标准型在可逆变换下保持秩不变。）

标准型： $\boxed{f = y_1^2 + y_2^2}$

（注意： $y_3$ 的系数为 0，说明二次型秩为 2。）

例题 6：无平方项时的配方法#

题目：用配方法将 $f(x_1,x_2,x_3) = 2x_1x_2 + 2x_1x_3 - 6x_2x_3$ 化为标准型。

解析：

第一步：观察到没有平方项，先作变换产生平方项。

令 $\begin{cases} x_1 = y_1 + y_2 \\ x_2 = y_1 - y_2 \\ x_3 = y_3 \end{cases}$

（利用 $x_1x_2 = y_1^2 - y_2^2$ 产生平方项，这是处理无平方项二次型的标准技巧，目的是创造配方条件。）

第二步：代入原式。 $f = 2(y_1+y_2)(y_1-y_2) + 2(y_1+y_2)y_3 - 6(y_1-y_2)y_3$ $= 2(y_1^2 - y_2^2) + 2y_1y_3 + 2y_2y_3 - 6y_1y_3 + 6y_2y_3$ $= 2y_1^2 - 2y_2^2 - 4y_1y_3 + 8y_2y_3$

（展开并合并同类项，目的是整理成有平方项的形式以便后续配方。）

第三步：按 $y_1$ 配方。 $= 2(y_1^2 - 2y_1y_3) - 2y_2^2 + 8y_2y_3$ $= 2(y_1 - y_3)^2 - 2y_3^2 - 2y_2^2 + 8y_2y_3$

（对 $y_1$ 配方，目的是消去 $y_1$ 的交叉项。）

第四步：按 $y_2$ 配方。 $= 2(y_1 - y_3)^2 - 2(y_2^2 - 4y_2y_3) - 2y_3^2$ $= 2(y_1 - y_3)^2 - 2(y_2 - 2y_3)^2 + 8y_3^2 - 2y_3^2$ $= 2(y_1 - y_3)^2 - 2(y_2 - 2y_3)^2 + 6y_3^2$

（对 $y_2$ 配方，目的是完成全部配方过程。）

第五步：令新变量。 $\begin{cases} z_1 = y_1 - y_3 \\ z_2 = y_2 - 2y_3 \\ z_3 = y_3 \end{cases}$

（引入最终标准型变量，目的是得到平方和形式。）

标准型： $\boxed{f = 2z_1^2 - 2z_2^2 + 6z_3^2}$

三、考试层次：综合应用#

例题 7：已知标准型反求参数（高频考点）#

题目：设二次型 $f(x_1,x_2,x_3) = ax_1^2 + ax_2^2 + (a-1)x_3^2 + 2x_1x_3 - 2x_2x_3$ 。

(1) 求该二次型的矩阵的所有特征值； (2) 若此二次型的规范型为 $y_1^2 + y_2^2$ ，求 $a$ 的值。

解析：

第一步：写出二次型矩阵。 $\boldsymbol{A} = \begin{pmatrix} a & 0 & 1 \\ 0 & a & -1 \\ 1 & -1 & a-1 \end{pmatrix}$

（交叉项系数平分， $x_1x_3$ 系数为 2，所以 $a_{13}=a_{31}=1$ ； $x_2x_3$ 系数为 $-2$ ，所以 $a_{23}=a_{32}=-1$ ，目的是正确建立矩阵。）

第二步：求特征多项式。 $|\lambda\boldsymbol{E} - \boldsymbol{A}| = \begin{vmatrix} \lambda-a & 0 & -1 \\ 0 & \lambda-a & 1 \\ -1 & 1 & \lambda-a+1 \end{vmatrix}$

按第一行展开： $= (\lambda-a)\begin{vmatrix} \lambda-a & 1 \\ 1 & \lambda-a+1 \end{vmatrix} - (-1)\begin{vmatrix} 0 & \lambda-a \\ -1 & 1 \end{vmatrix}$ $= (\lambda-a)\left[(\lambda-a)(\lambda-a+1) - 1\right] + (\lambda-a)$ $= (\lambda-a)\left[(\lambda-a)^2 + (\lambda-a) - 1 + 1\right]$ $= (\lambda-a)\left[(\lambda-a)^2 + (\lambda-a)\right]$ $= (\lambda-a)(\lambda-a)(\lambda-a+1) = (\lambda-a)^2(\lambda-a+1)$

等等，让我重新仔细计算：

$\begin{vmatrix} \lambda-a & 1 \\ 1 & \lambda-a+1 \end{vmatrix} = (\lambda-a)(\lambda-a+1) - 1 = (\lambda-a)^2 + (\lambda-a) - 1$

$\begin{vmatrix} 0 & \lambda-a \\ -1 & 1 \end{vmatrix} = 0 \cdot 1 - (\lambda-a)(-1) = \lambda-a$

所以： $= (\lambda-a)\left[(\lambda-a)^2 + (\lambda-a) - 1\right] + (\lambda-a)$ $= (\lambda-a)\left[(\lambda-a)^2 + (\lambda-a) - 1 + 1\right]$ $= (\lambda-a)\left[(\lambda-a)^2 + (\lambda-a)\right]$ $= (\lambda-a)^2(\lambda-a+1)$

（因式分解，目的是得到特征值与参数 $a$ 的关系。）

特征值： $\lambda_1 = \lambda_2 = a$ ， $\lambda_3 = a-1$ 。

第三步：分析规范型的含义。

规范型为 $y_1^2 + y_2^2$ ，说明：

正惯性指数 $p = 2$
负惯性指数 $q = 0$
秩 $r = 2$

（规范型直接反映正负惯性指数，目的是建立特征值符号与规范型系数的对应关系：规范型系数只能是 $\pm 1$ 或 $0$ ，其个数对应非零特征值的正负个数。）

第四步：确定 $a$ 的值。

特征值为 $a, a, a-1$ 。要使正惯性指数为 2、负惯性指数为 0、秩为 2，需要：

两个正特征值，一个零特征值
没有负特征值

情况分析：

若 $a > 0$ 且 $a-1 = 0$ ，即 $a = 1$ ：特征值为 $1, 1, 0$ 。正惯性指数 $p=2$ ，秩 $r=2$ 。✓
若 $a = 0$ ：特征值为 $0, 0, -1$ 。秩 $r=1$ ，且有一个负特征值。✗
若 $a > 0$ 且 $a-1 > 0$ ：三个正特征值， $p=3$ 。✗
若 $a < 0$ ：至少有两个负特征值。✗

（分类讨论特征值符号，目的是找到满足惯性指数要求的唯一参数值。）

结论： (1) 特征值为 $\boxed{a, a, a-1}$ ； (2) $\boxed{a = 1}$ 。

例题 8：正定性的判定#

题目：判定二次型 $f(x_1,x_2,x_3) = 2x_1^2 + x_2^2 + x_3^2 + 2x_1x_2 + 2tx_2x_3$ 何时正定。

解析：

第一步：写出二次型矩阵。 $\boldsymbol{A} = \begin{pmatrix} 2 & 1 & 0 \\ 1 & 1 & t \\ 0 & t & 1 \end{pmatrix}$

（交叉项 $2x_1x_2$ 系数平分， $2tx_2x_3$ 系数平分，目的是建立矩阵。）

第二步：利用顺序主子式判定法。

二次型正定的充要条件是所有顺序主子式大于 0。

（选择顺序主子式法，原因是矩阵元素简单，计算量小，且是判定正定的常用方法。）

一阶顺序主子式： $\Delta_1 = |2| = 2 > 0$ （恒成立）

二阶顺序主子式： $\Delta_2 = \begin{vmatrix} 2 & 1 \\ 1 & 1 \end{vmatrix} = 2 - 1 = 1 > 0$ （恒成立）

三阶顺序主子式： $\Delta_3 = \begin{vmatrix} 2 & 1 & 0 \\ 1 & 1 & t \\ 0 & t & 1 \end{vmatrix} = 2(1-t^2) - 1(1) + 0 = 2 - 2t^2 - 1 = 1 - 2t^2$

（按第一行展开计算行列式，目的是得到关于 $t$ 的表达式。）

第三步：解不等式。正定要求 $\Delta_3 > 0$ ： $1 - 2t^2 > 0 \Rightarrow t^2 < \frac{1}{2} \Rightarrow -\frac{\sqrt{2}}{2} < t < \frac{\sqrt{2}}{2}$

（结合前两个主子式恒正，只需第三个大于零，目的是确定参数范围。）

结论：当 $\boxed{-\dfrac{\sqrt{2}}{2} < t < \dfrac{\sqrt{2}}{2}}$ 时，二次型正定。

例题 9：正交变换下的参数确定（考研难度）#

题目：设二次型 $f(x_1,x_2,x_3) = \boldsymbol{x}^\mathrm{T}\boldsymbol{A}\boldsymbol{x}$ 的秩为 2，且 $\boldsymbol{A}$ 的每行元素之和均为 3，又满足 $\boldsymbol{A}\begin{pmatrix}1\\-1\\0\end{pmatrix} = \begin{pmatrix}-1\\1\\0\end{pmatrix}$ 。

(1) 求正交变换 $\boldsymbol{x} = \boldsymbol{Q}\boldsymbol{y}$ 将 $f$ 化为标准型； (2) 求 $\boldsymbol{A}$ 。

解析：

第一步：分析条件，提取特征值信息。

条件一： $\boldsymbol{A}$ 的每行元素之和为 3。即 $\boldsymbol{A}\begin{pmatrix}1\\1\\1\end{pmatrix} = \begin{pmatrix}3\\3\\3\end{pmatrix} = 3\begin{pmatrix}1\\1\\1\end{pmatrix}$ 。

（每行元素之和为 $k$ 等价于 $(1,1,\dots,1)^\mathrm{T}$ 是特征值 $k$ 对应的特征向量，这是矩阵行和性质的标准结论。）

所以 $\lambda_1 = 3$ ，对应特征向量 $\boldsymbol{\xi}_1 = (1,1,1)^\mathrm{T}$ 。

条件二： $\boldsymbol{A}\begin{pmatrix}1\\-1\\0\end{pmatrix} = \begin{pmatrix}-1\\1\\0\end{pmatrix} = -1\begin{pmatrix}1\\-1\\0\end{pmatrix}$ 。

所以 $\lambda_2 = -1$ ，对应特征向量 $\boldsymbol{\xi}_2 = (1,-1,0)^\mathrm{T}$ 。

（直接读取特征值和特征向量，目的是利用已知条件减少计算量。）

第二步：利用秩为 2 确定第三个特征值。

$r(\boldsymbol{A}) = 2$ ，而 $\boldsymbol{A}$ 是 $3 \times 3$ 实对称矩阵，所以 $|\boldsymbol{A}| = 0$ 。

（秩为 2 意味着矩阵不满秩，行列式为零，目的是推断存在零特征值。）

$|\boldsymbol{A}| = \lambda_1 \lambda_2 \lambda_3 = 3 \times (-1) \times \lambda_3 = 0$ ，所以 $\lambda_3 = 0$ 。

第三步：求 $\lambda_3 = 0$ 对应的特征向量。

实对称矩阵不同特征值的特征向量正交。设 $\boldsymbol{\xi}_3 = (x_1, x_2, x_3)^\mathrm{T}$ ，则：

$(\boldsymbol{\xi}_3, \boldsymbol{\xi}_1) = x_1 + x_2 + x_3 = 0$
$(\boldsymbol{\xi}_3, \boldsymbol{\xi}_2) = x_1 - x_2 = 0$

（利用对称矩阵特征向量的正交性，目的是不解方程组直接求第三个特征向量。）

由 $x_1 = x_2$ 代入第一式： $2x_1 + x_3 = 0$ ，取 $x_1 = 1$ ，得 $x_3 = -2$ 。

所以 $\boldsymbol{\xi}_3 = (1, 1, -2)^\mathrm{T}$ 。

第四步：正交化和单位化。

$\boldsymbol{\xi}_1, \boldsymbol{\xi}_2, \boldsymbol{\xi}_3$ 已经两两正交（验证： $(1,1,1)\cdot(1,-1,0)=0$ ， $(1,1,1)\cdot(1,1,-2)=0$ ， $(1,-1,0)\cdot(1,1,-2)=0$ ），只需单位化。

（验证正交性，目的是确认无需 Schmidt 正交化，简化计算。）

$\boldsymbol{q}_1 = \frac{1}{\sqrt{3}}(1,1,1)^\mathrm{T},\quad \boldsymbol{q}_2 = \frac{1}{\sqrt{2}}(1,-1,0)^\mathrm{T},\quad \boldsymbol{q}_3 = \frac{1}{\sqrt{6}}(1,1,-2)^\mathrm{T}$

第五步：写出正交矩阵和标准型。

$\boldsymbol{Q} = \begin{pmatrix} \frac{1}{\sqrt{3}} & \frac{1}{\sqrt{2}} & \frac{1}{\sqrt{6}} \\[4pt] \frac{1}{\sqrt{3}} & -\frac{1}{\sqrt{2}} & \frac{1}{\sqrt{6}} \\[4pt] \frac{1}{\sqrt{3}} & 0 & -\frac{2}{\sqrt{6}} \end{pmatrix}$

标准型： $\boxed{f = 3y_1^2 - y_2^2}$

（注意： $\lambda_3 = 0$ 对应的项 $0 \cdot y_3^2$ 不出现，目的是反映秩为 2 的事实。）

第六步：求矩阵 $\boldsymbol{A}$ 。

利用 $\boldsymbol{A} = \boldsymbol{Q}\boldsymbol{\Lambda}\boldsymbol{Q}^\mathrm{T}$ ，其中 $\boldsymbol{\Lambda} = \mathrm{diag}(3, -1, 0)$ 。

或者利用谱分解： $\boldsymbol{A} = 3\boldsymbol{q}_1\boldsymbol{q}_1^\mathrm{T} - \boldsymbol{q}_2\boldsymbol{q}_2^\mathrm{T} + 0\cdot\boldsymbol{q}_3\boldsymbol{q}_3^\mathrm{T}$

计算： $\boldsymbol{q}_1\boldsymbol{q}_1^\mathrm{T} = \frac{1}{3}\begin{pmatrix}1\\1\\1\end{pmatrix}\begin{pmatrix}1&1&1\end{pmatrix} = \frac{1}{3}\begin{pmatrix}1&1&1\\1&1&1\\1&1&1\end{pmatrix}$

$\boldsymbol{q}_2\boldsymbol{q}_2^\mathrm{T} = \frac{1}{2}\begin{pmatrix}1\\-1\\0\end{pmatrix}\begin{pmatrix}1&-1&0\end{pmatrix} = \frac{1}{2}\begin{pmatrix}1&-1&0\\-1&1&0\\0&0&0\end{pmatrix}$

$\boldsymbol{A} = \begin{pmatrix}1&1&1\\1&1&1\\1&1&1\end{pmatrix} - \frac{1}{2}\begin{pmatrix}1&-1&0\\-1&1&0\\0&0&0\end{pmatrix} = \begin{pmatrix} \frac{1}{2} & \frac{3}{2} & 1 \\[4pt] \frac{3}{2} & \frac{1}{2} & 1 \\[4pt] 1 & 1 & 1 \end{pmatrix}$

（谱分解法比直接矩阵乘法更简洁，目的是利用已单位化的特征向量快速重构矩阵。）

验证行和：第 1 行 $\frac{1}{2}+\frac{3}{2}+1 = 3$ ✓

结论： $\boxed{\boldsymbol{A} = \begin{pmatrix} \frac{1}{2} & \frac{3}{2} & 1 \\[4pt] \frac{3}{2} & \frac{1}{2} & 1 \\[4pt] 1 & 1 & 1 \end{pmatrix}}$

四、核心概念速查表#

概念	要点
二次型矩阵	必须对称， $a_{ij} = a_{ji} = \frac{1}{2} \times$ （ $x_ix_j$ 系数）
秩	矩阵 $\boldsymbol{A}$ 的秩
标准型	只含平方项，系数不一定是特征值
规范型	标准型系数化为 $\pm 1$ 或 $0$ ，即 $y_1^2+\dots+y_p^2-y_{p+1}^2-\dots-y_r^2$
正交变换法	$\boldsymbol{x} = \boldsymbol{P}\boldsymbol{y}$ ， $\boldsymbol{P}$ 正交，标准型系数 = 特征值
配方法	可逆线性变换，标准型系数 ≠ 特征值，但正负惯性指数相同
惯性定理	标准型中正、负系数的个数（正负惯性指数）是唯一的不变量
正定	$\Leftrightarrow$ 所有特征值 $> 0$ $\Leftrightarrow$ 所有顺序主子式 $> 0$

如需继续深入惯性定理的证明、二次型的几何意义（椭球面、双曲面等），或更多考研真题训练，随时告诉我！

Music

Music

二次型及其标准型：给初学者的深度解析#

一、一句话定义#

二、两个生活化类比#

类比 1：椭圆 vs 正椭圆#

类比 2：方言 vs 普通话#

三、核心内涵深入解析#

1. 本质：它研究的是”弯曲的程度”#

2. 为什么要消去交叉项？#

3. 矩阵视角（进阶一点）#

四、与相关概念的区别#

五、在学科体系中的位置#

承上：#

启下：#

六、给初学者的一句话总结#

二次型及其标准型 — 从零基础到考试水平#

一、基础层次：认识二次型#

例题 1：写出二次型的矩阵#

例题 2：由矩阵写出二次型#

例题 3：求二次型的秩#

二、进阶层次：化标准型#

例题 4：正交变换法化标准型（完整流程）#

例题 5：配方法化标准型#

例题 6：无平方项时的配方法#

三、考试层次：综合应用#

例题 7：已知标准型反求参数（高频考点）#

例题 8：正定性的判定#

例题 9：正交变换下的参数确定（考研难度）#

四、核心概念速查表#

Share Article

Comments

Music

18二次型及其标准型：给初学者的深度解析

二次型及其标准型：给初学者的深度解析#

一、一句话定义#

二、两个生活化类比#

类比 1：椭圆 vs 正椭圆#

类比 2：方言 vs 普通话#

三、核心内涵深入解析#

1. 本质：它研究的是”弯曲的程度”#

2. 为什么要消去交叉项？#

3. 矩阵视角（进阶一点）#

四、与相关概念的区别#

五、在学科体系中的位置#

承上：#

启下：#

六、给初学者的一句话总结#

二次型及其标准型 — 从零基础到考试水平#

一、基础层次：认识二次型#

例题 1：写出二次型的矩阵#

例题 2：由矩阵写出二次型#

例题 3：求二次型的秩#

二、进阶层次：化标准型#

例题 4：正交变换法化标准型（完整流程）#

例题 5：配方法化标准型#

例题 6：无平方项时的配方法#

三、考试层次：综合应用#

例题 7：已知标准型反求参数（高频考点）#

例题 8：正定性的判定#

例题 9：正交变换下的参数确定（考研难度）#

四、核心概念速查表#

Share Article

Comments