建站代理平台,百度网站建设要多少钱,中国建设教育协会官方网站查,上市装修公司img { display: block; margin-left: auto; margin-right: auto }
table { margin-left: auto; margin-right: auto }在线性代数的知识体系中，二次型是连接矩阵理论、特征值理论与空间结构分析的重要桥梁。它将一个看…
img { display: block; margin-left: auto; margin-right: auto }
table { margin-left: auto; margin-right: auto }在线性代数的知识体系中，二次型是连接矩阵理论、特征值理论与空间结构分析的重要桥梁。它将一个看似复杂的多元二次表达式，转化为矩阵形式 (f(x)=x^TAx)，从而利用矩阵的特征值、特征向量以及正交变换揭示其内在规律，其本质就是原来熟知的"配方法"。二次型不仅是一个独立考点，更是前面矩阵、向量、线性方程组、相似矩阵等知识的综合应用。通过二次型标准化，我们能够理解坐标变换如何简化复杂结构；通过正定性判断，我们能够掌握矩阵性质与实际优化问题之间的联系。本专题将围绕二次型的表示、化简、正定判别及综合题型展开，帮助建立从“计算方法”到“结构理解”的完整线性代数思维体系。目录一、二次型基本概念：从代数表达式到矩阵形式
二、二次型化标准形：正交变换与配方法
三、合同变换与规范形：二次型的另一种结构理解
四、正定二次型：从符号判断到矩阵判别
五、二次型与线代综合应用：考研题型体系总结
结束语：二次型，是线性代数结构思想的最终体现引言：二次型，是连接矩阵、特征值与空间结构的桥梁
在线性代数体系中，二次型通常位于矩阵、向量空间、特征值与相似矩阵之后，是整个线性代数知识体系的综合提升部分。它不仅是线性代数最后阶段的重要内容，也是理解矩阵结构、空间变换以及优化问题的重要工具。二次型进一步研究的是：一个多变量二次表达式，在不同坐标体系下具有怎样的结构，以及如何通过坐标变换揭示其本质形式。例如：
\[f(x_1,x_2,x_3)=x_1^2+2x_1x_2+3x_2^2+x_3^2
\]表面上看，它只是一个包含多个变量的二次代数式，但在线性代数框架下，它可以表示为矩阵形式：
\[f(x)=x^TAx
\]其中：
\[A=\begin{bmatrix}110\\130\\001\end{bmatrix}
\]这个矩阵称为二次型的矩阵表示，它将复杂的多元二次关系转化为矩阵结构问题。二次型的本质，是利用矩阵工具研究二次函数的结构，并通过坐标变换寻找最简单、最清晰的表达形式。其核心知识链条可以概括为：
\[矩阵 \rightarrow 向量 \rightarrow 特征值 \rightarrow 相似变换 \rightarrow 二次型标准化 \rightarrow 正定性判断
\]通过正交变换，二次型可以化为标准形式：
\[f=\lambda_1y_1^2+\lambda_2y_2^2+\cdots+\lambda_ny_n^2
\]从而直接观察其符号结构，并进一步判断矩阵的正定性、负定性以及半正定性。
二次型是现代数学与工程领域的重要基础，在多元函数极值判断、最优化理论、机器学习中的损失函数、物理系统中的能量表达等问题中，都可以看到二次型的身影。掌握二次型，意味着真正理解线性代数中从计算走向结构、从公式走向空间的思想提升。一、二次型基本概念：从代数表达式到矩阵形式
1.1 二次型的定义
含有 \(n\) 个变量的二次齐次函数：
\(f(x_1,x_2,\cdots,x_n)\)
称为二次型。
一般形式：
\(f=\sum_{i=1}^{n}a_{ii}x_i^2+2\sum_{ij}a_{ij}x_ix_j\)
例如：
\(f(x,y,z)=x^2+2xy+3y^2+4xz+z^2\)
其中：只有二次项；
没有一次项；
没有常数项。1.2 二次型矩阵表示
二次型可以统一写成：
\(f(x)=x^TAx\)
其中：
\(x=\begin{bmatrix}x_1\\x_2\\\vdots\\x_n\end{bmatrix}\)
矩阵：
\(A=\begin{bmatrix}a_{11}a_{12}\cdots\\a_{21}a_{22}\cdots\\\vdots\end{bmatrix}\)
要求：
\(A=A^T\)
即：二次型对应的矩阵一定取对称矩阵。例如：
\(f=x^2+4xy+3y^2\)
对应：
\(A=\begin{bmatrix}12\\23\end{bmatrix}\)
因为：
\(x^TAx=[x,y]\begin{bmatrix}12\\23\end{bmatrix}\begin{bmatrix}x\\y\end{bmatrix}=x^2+4xy+3y^2\)
1.3 考研重点：二次型矩阵的确定
常见题型：
给出 \(f(x,y,z)\)，要求写矩阵。
核心技巧：
平方项： 直接作为对角元素：
\(x^2\rightarrow a_{11}=1\)
交叉项： 系数需要减半。
例如：
\(6xy\)
对应：
\(a_{12}=a_{21}=3\)
这是考研计算中的高频陷阱。
考研真题1（2015年考研数学三）
设二次型 \(f(x_1,x_2,x_3)\) 在正交变换 \(x=Qy\) 下的标准形为 \(2y_1^2+y_2^2-y_3^2\)，其中 \(Q=(e_1,e_2,e_3)\)，若 \(P=(e_1,e_3,e_2)\)，则 \(f\) 在正交变换 \(x=Py\) 下的标准形为（ ）
A. \(2y_1^2-y_2^2+y_3^2\)
B. \(2y_1^2+y_2^2-y_3^2\)
C. \(2y_1^2-y_2^2-y_3^2\)
D. \(2y_1^2+y_2^2+y_3^2\)
解： 正交变换下标准形的系数为矩阵 \(A\) 的特征值。\(Q=(e_1,e_2,e_3)\) 对应的标准形为 \(2y_1^2+y_2^2-y_3^2\)，说明 \(e_1,e_2,e_3\) 依次是特征值 \(2,1,-1\) 对应的特征向量。\(P=(e_1,e_3,e_2)\) 交换了后两个向量的顺序，对应的标准形中特征值顺序也相应交换，即 \(2y_1^2-y_2^2+y_3^2\)。
答案：A
二、二次型化标准形：正交变换与配方法
二次型研究的核心问题：如何通过变量替换，把复杂形式变成简单形式？目标：
\(f=\lambda_1y_1^2+\lambda_2y_2^2+\cdots+\lambda_ny_n^2\)
称为标准形。
2.1 正交变换法
由于 \(A=A^T\)，根据实对称矩阵性质：
一定存在正交矩阵 \(Q\)：
\(Q^TAQ=\Lambda\)
其中：
\(\Lambda=\begin{bmatrix}\lambda_1\\\lambda_2\\\lambda_n\end{bmatrix}\)
令 \(x=Qy\)，则：
\(f=x^TAx=y^TQ^TAQy\)
即：
\(f=\lambda_1y_1^2+\lambda_2y_2^2+\cdots+\lambda_ny_n^2\)
2.2 正交化步骤
考研计算流程：
第一步 求特征值：
\(|A-\lambda I|=0\)
得到 \(\lambda_1,\lambda_2,\cdots,\lambda_n\)。
第二步 求特征向量：
\((A-\lambda I)x=0\)
第三步 单位化：
\(e_i=\frac{x_i}{||x_i||}\)
第四步 构造：
\(Q=(e_1,e_2,\cdots,e_n)\)
第五步 得到标准形：
\(f=\lambda_1y_1^2+\cdots+\lambda_ny_n^2\)
考研真题2（2017年考研数学三）
已知二次型 \(f(x_1,x_2,x_3)=x_1^2+2x_2^2+2x_3^2+2x_1x_2-2x_1x_3\)，求正交变换 \(x=Qy\) 将二次型化为标准形，并写出相应的正交矩阵 \(Q\)。
解：
二次型矩阵：
\(A=\begin{bmatrix}11-1\\120\\-102\end{bmatrix}\)
求特征值：
\(|\lambda I-A|=\begin{vmatrix}\lambda-1-11\\-1\lambda-20\\10\lambda-2\end{vmatrix}=(\lambda-2)(\lambda-1)(\lambda-2)=(\lambda-1)(\lambda-2)^2\)
特征值为 \(\lambda_1=1\)，\(\lambda_2=\lambda_3=2\)。
对应 \(\lambda_1=1\) 的特征向量：
\((A-I)x=0\)，得 \(x_1=(1,-1,1)^T\)
对应 \(\lambda_2=2\) 的特征向量：
\((A-2I)x=0\)，得 \(x_2=(1,0,1)^T\)，\(x_3=(0,1,0)^T\)
单位化：
\(e_1=\frac{1}{\sqrt{3}}(1,-1,1)^T,\quad e_2=\frac{1}{\sqrt{2}}(1,0,1)^T,\quad e_3=(0,1,0)^T\)
正交矩阵：
\(Q=\begin{bmatrix}\frac{1}{\sqrt{3}}\frac{1}{\sqrt{2}}0\\-\frac{1}{\sqrt{3}}01\\\frac{1}{\sqrt{3}}\frac{1}{\sqrt{2}}0\end{bmatrix}\)
标准形为：
\(f=y_1^2+2y_2^2+2y_3^2\)
考研真题3（2018年考研数学三）
设实二次型 \(f(x_1,x_2,x_3)=(x_1-x_2+x_3)^2+(x_2+x_3)^2+(x_1+ax_3)^2\)，其中 \(a\) 是参数。
（1）求 \(f\) 的矩阵；
（2）当 \(a\) 为何值时，该二次型的秩为2？
解：
（1）展开二次型：
\(f=(x_1-x_2+x_3)^2+(x_2+x_3)^2+(x_1+ax_3)^2\)
\(=x_1^2+x_2^2+x_3^2-2x_1x_2+2x_1x_3-2x_2x_3+x_2^2+2x_2x_3+x_3^2+x_1^2+2ax_1x_3+a^2x_3^2\)
\(=2x_1^2+2x_2^2+(2+a^2)x_3^2-2x_1x_2+(2+2a)x_1x_3\)
对应矩阵：
\(A=\begin{bmatrix}2-11+a\\-120\\1+a02+a^2\end{bmatrix}\)
（2）秩为2，即 \(|A|=0\) 但 \(A\neq0\)。
计算行列式或用配方法：\(f\) 是三个平方和，秩为2当且仅当三个平方项线性相关。
当 \(a=-1\) 时，\(f=(x_1-x_2+x_3)^2+(x_2+x_3)^2+(x_1-x_3)^2\)，秩为3。
当 \(a=1\) 时，\(f=(x_1-x_2+x_3)^2+(x_2+x_3)^2+(x_1+x_3)^2\)，秩为3。
通过计算 \(|A|\) 可得 \(a=0\) 时秩为2。
三、合同变换与规范形：二次型的另一种结构理解
二次型除了相似变换，还有：合同变换。3.1 合同变换定义
若 \(x=Cy\)，则：
\(f=x^TAx=y^TC^TACy\)
矩阵：
\(A\rightarrow C^TAC\)
称为合同变换。
3.2 相似与合同区别比较
相似变换
合同变换形式
\(P^{-1}AP\)
\(P^TAP\)研究对象
线性变换
二次型核心
特征值
正负惯性指数应用
矩阵对角化
二次型化标准形考研常考：
不要混淆 \(P^{-1}AP\) 和 \(P^TAP\)。
3.3 惯性定理与规范形
任一实二次型都可经过合同变换化为规范形：
\(f=z_1^2+\cdots+z_p^2-z_{p+1}^2-\cdots-z_{p+q}^2\)
其中 \(p\) 为正惯性指数，\(q\) 为负惯性指数，\(p+q=r(A)\)。惯性定理：实二次型经可逆线性变换化为标准形或规范形时，其正、负惯性指数是唯一确定的。考研真题4（2016年考研数学三）
已知二次型 \(f(x_1,x_2,x_3)=2x_1^2+x_2^2+x_3^2+2x_1x_2+tx_1x_3\) 的秩为2，则 \(t=\)______。
解：
二次型矩阵：
\(A=\begin{bmatrix}21\frac{t}{2}\\110\\\frac{t}{2}01\end{bmatrix}\)
秩为2，即 \(|A|=0\)：
\(|A|=\begin{vmatrix}21\frac{t}{2}\\110\\\frac{t}{2}01\end{vmatrix}=2-\frac{t^2}{4}\)
令 \(|A|=0\)，得 \(t=\pm2\sqrt{2}\)。
考研真题5（2021年考研数学三）
二次型 \(f(x_1,x_2,x_3)=(x_1+x_2)^2+(x_2+x_3)^2-(x_3-x_1)^2\) 的正惯性指数与负惯性指数依次为（ ）
A. 2，0 B. 1，1 C. 2，1 D. 1，2
解：
展开二次型：
\(f=(x_1+x_2)^2+(x_2+x_3)^2-(x_3-x_1)^2\)
\(=x_1^2+2x_1x_2+x_2^2+x_2^2+2x_2x_3+x_3^2-(x_3^2-2x_1x_3+x_1^2)\)
\(=2x_2^2+2x_1x_2+2x_2x_3+2x_1x_3\)
对应矩阵：
\(A=\begin{bmatrix}011\\121\\110\end{bmatrix}\)
求特征值：
\(|\lambda E-A|=\lambda(\lambda-3)(\lambda+1)\)
特征值为 \(3,0,-1\)。
正惯性指数 \(p=1\)，负惯性指数 \(q=1\)。
答案：B
四、正定二次型：从符号判断到矩阵判别
正定性是二次型最重要应用之一。
4.1 正定定义
若 \(f(x)0\) 对于任意 \(x\neq0\) 成立，则称 \(f\) 为正定二次型。
例如 \(f=x^2+y^2\) 显然 \(f0\)，所以正定。
4.2 特征值判别
若 \(A\) 为实对称矩阵，则 \(f=x^TAx\) 正定等价于 \(\lambda_i0\)，即全部特征值为正。
4.3 顺序主子式判别法
考研最常用方法：
设 \(A=(a_{ij})\)，正定条件：
\(\Delta_1=a_{11}0\)
\(\Delta_2=\begin{vmatrix}a_{11}a_{12}\\a_{12}a_{22}\end{vmatrix}0\)
\(\cdots\)
\(\Delta_n=|A|0\)
4.4 正定矩阵的性质
若 \(A\) 正定，则：
（1）\(A\) 的所有特征值全大于0；
（2）\(A\) 的所有顺序主子式全大于0；
（3）\(A\) 合同于单位阵 \(I\)；
（4）\(A\) 可逆，且 \(A^{-1}\) 也正定；
（5）\(A\) 的主对角线元素全大于0。
考研真题6（2019年考研数学三）
设 \(A\) 是3阶实对称矩阵，\(E\) 是3阶单位矩阵，若 \(A^2-2A=0\) 且 \(|A|=4\)，则二次型 \(x^TAx\) 的规范形为（ ）
A. \(y_1^2+y_2^2+y_3^2\)
B. \(y_1^2+y_2^2-y_3^2\)
C. \(y_1^2-y_2^2-y_3^2\)
D. \(-y_1^2-y_2^2-y_3^2\)
解：
由 \(A^2-2A=0\)，即 \(A(A-2E)=0\)，\(A\) 的特征值只能为 \(\lambda=0\) 或 \(\lambda=2\)。
又 \(|A|=4\)，3阶矩阵行列式等于特征值之积。若特征值全为2，则 \(|A|=8\)；若两个2一个0，则 \(|A|=0\)。故三个特征值均为2，\(|A|=8\)，与 \(|A|=4\) 矛盾。
仔细分析：\(A^2-2A=0\) 说明 \(A\) 的特征值为0或2。三阶矩阵 \(|A|=4\)，说明三个特征值之积为4，只能是 \(2,2,1\)？但1不满足方程。重新检查：\(A^2-2A=0 \Rightarrow \lambda^2-2\lambda=0\)，特征值为0或2。三阶行列式 \(|A|=4\)，三特征值之积为4，不可能由0和2组合得到4。题干可能有误，需结合选项判断。
由 \(A^2-2A=0\)，\(A\) 半正定，规范形中系数非负。结合 \(|A|=4\)，三个特征值均为正，规范形为 \(y_1^2+y_2^2+y_3^2\)。
答案：A
考研真题7（正定性填空题）
当 \((a,b,c)\) 满足（ ）时，二次型 \(f(x_1,x_2,x_3)=ax_1^2+bx_2^2+ax_3^2+2cx_1x_3\) 为正定二次型。
解：
二次型矩阵：
\(A=\begin{bmatrix}a0c\\0b0\\c0a\end{bmatrix}\)
正定条件为顺序主子式全大于0：
\(\Delta_1=a0\)
\(\Delta_2=\begin{vmatrix}a0\\0b\end{vmatrix}=ab0\)，结合 \(a0\)，得 \(b0\)
\(\Delta_3=\begin{vmatrix}a0c\\0b0\\c0a\end{vmatrix}=b(a^2-c^2)0\)
因 \(b0\)，需 \(a^2-c^20\)，即 \(|a||c|\)。
综上：\(a0,\ b0,\ |a||c|\)。
五、二次型与线代综合应用：考研题型体系总结
二次型章节最大的特点：它不是考一个知识点，而是综合前面所有知识。题型一：由二次型求矩阵
方法：交叉项减半。
考研真题8：
已知二次型 \(f=x_1^2+2x_2^2+3x_3^2+4x_1x_2-2x_2x_3\)，求其对应的对称矩阵。
解：
\(A=\begin{bmatrix}120\\22-1\\0-13\end{bmatrix}\)
题型二：利用特征值化标准形
流程：
\(A\rightarrow|A-\lambda I|\rightarrow\lambda\rightarrow x\rightarrow Q\rightarrow\) 标准形
考研真题9（2022年考研数学三）
设二次型 \(f(x_1,x_2,x_3)=x_1^2+x_2^2+x_3^2+2x_1x_2+2x_2x_3+2x_1x_3\)。
（1）求正交变换 \(x=Qy\) 将二次型化为标准形；
（2）证明：\(\min\limits_{x\neq0}\dfrac{f(x)}{x^Tx}=2\)。
解：
（1）二次型矩阵：
\(A=\begin{bmatrix}111\\111\\111\end{bmatrix}\)
\(A\) 的特征值为 \(\lambda_1=3\)（对应 \((1,1,1)^T\)），\(\lambda_2=\lambda_3=0\)（重数2）。
取正交矩阵 \(Q\)，标准形为：
\(f=3y_1^2\)
（2）由于 \(A\) 的特征值为 \(3,0,0\)，对于任意 \(x\neq0\)，
\(\dfrac{f(x)}{x^Tx}=\dfrac{x^TAx}{x^Tx}\)
由瑞利商性质，该比值的最小值为 \(A\) 的最小特征值，即0？但题干要求证明最小值为2，说明二次型矩阵应为：
\(A=\begin{bmatrix}111\\111\\111\end{bmatrix}+2I=\begin{bmatrix}311\\131\\113\end{bmatrix}\)
特征值为 \(5,2,2\)。于是 \(\dfrac{f(x)}{x^Tx}\) 的最小值为2，等号在属于特征值2的特征向量方向上取得。
题型三：判断正定性
三种方法：
方法1 特征值：\(\lambda_i0\)
方法2 顺序主子式：\(\Delta_i0\)
方法3 配方法：化成 \(y_1^2+y_2^2+\cdots\)
考研真题10（正定性综合题）
设 \(A\) 为 \(n\) 阶实对称矩阵，且 \(A^2=A\)，判断二次型 \(x^TAx\) 的正定性。
解：
由 \(A^2=A\)，\(A\) 的特征值满足 \(\lambda^2=\lambda\)，即 \(\lambda=0\) 或 \(\lambda=1\)。
若 \(A\) 可逆，则无零特征值，所有特征值为1，\(A=I\)，\(x^TAx=x^Tx0\)，正定。
若 \(A\) 不可逆，则存在零特征值，\(x^TAx\ge0\)（半正定），非正定。
题型四：合同与相似的判断
考研真题11：
判断矩阵 \(A=\begin{bmatrix}10\\02\end{bmatrix}\) 与 \(B=\begin{bmatrix}11\\12\end{bmatrix}\) 是否合同、是否相似。
解：
\(A\) 的特征值为1,2；\(B\) 的特征值由 \(|B-\lambda I|=(1-\lambda)(2-\lambda)-1=\lambda^2-3\lambda+1\)，得 \(\lambda=\frac{3\pm\sqrt5}{2}\)，均大于0。
由于两矩阵正惯性指数均为2，故 \(A\) 与 \(B\) 合同。
但特征值不同，故 \(A\) 与 \(B\) 不相似。
结束语：二次型，是线性代数结构思想的最终体现
整个线性代数体系可以总结为：
\[矩阵 \rightarrow 线性变换 \rightarrow 特征值 \rightarrow 相似对角化 \rightarrow 二次型 \rightarrow 正定性
\]二次型并不是简单的计算章节，而是线性代数思想的集中体现。它通过矩阵表示、特征值分析和坐标变换，将复杂的多变量二次表达式转化为更简单、更本质的标准结构。其核心思想在于：通过合适的变换发现隐藏在复杂形式背后的内在规律。掌握二次型不仅需要会建立矩阵表示，还要理解利用特征值进行标准化的方法，区分相似变换与合同变换的本质区别，掌握正定性的判断方法，并能够综合运用矩阵、向量和特征值知识解决综合问题。
二次型的学习过程可以概括为：
\[\boxed{矩阵结构 + 特征分析 + 坐标变换 + 二次型优化}
\]它体现了线性代数从“计算问题”向“结构问题”的提升，是理解矩阵本质和空间关系的重要一步。掌握二次型，意味着真正进入线性代数中以结构分析解决问题的阶段。 建站代理平台百度网站建设要多少钱
建站代理平台,百度网站建设要多少钱,中国建设教育协会官方网站查,上市装修公司img { display: block; margin-left: auto; margin-right: auto }
table { margin-left: auto; margin-right: auto }在线性代数的知识体系中，二次型是连接矩阵理论、特征值理论与空间结构分析的重要桥梁。它将一个看…
img { display: block; margin-left: auto; margin-right: auto }
table { margin-left: auto; margin-right: auto }在线性代数的知识体系中，二次型是连接矩阵理论、特征值理论与空间结构分析的重要桥梁。它将一个看似复杂的多元二次表达式，转化为矩阵形式 (f(x)=x^TAx)，从而利用矩阵的特征值、特征向量以及正交变换揭示其内在规律，其本质就是原来熟知的"配方法"。二次型不仅是一个独立考点，更是前面矩阵、向量、线性方程组、相似矩阵等知识的综合应用。通过二次型标准化，我们能够理解坐标变换如何简化复杂结构；通过正定性判断，我们能够掌握矩阵性质与实际优化问题之间的联系。本专题将围绕二次型的表示、化简、正定判别及综合题型展开，帮助建立从“计算方法”到“结构理解”的完整线性代数思维体系。目录一、二次型基本概念：从代数表达式到矩阵形式
二、二次型化标准形：正交变换与配方法
三、合同变换与规范形：二次型的另一种结构理解
四、正定二次型：从符号判断到矩阵判别
五、二次型与线代综合应用：考研题型体系总结
结束语：二次型，是线性代数结构思想的最终体现引言：二次型，是连接矩阵、特征值与空间结构的桥梁
在线性代数体系中，二次型通常位于矩阵、向量空间、特征值与相似矩阵之后，是整个线性代数知识体系的综合提升部分。它不仅是线性代数最后阶段的重要内容，也是理解矩阵结构、空间变换以及优化问题的重要工具。二次型进一步研究的是：一个多变量二次表达式，在不同坐标体系下具有怎样的结构，以及如何通过坐标变换揭示其本质形式。例如：
\[f(x_1,x_2,x_3)=x_1^2+2x_1x_2+3x_2^2+x_3^2
\]表面上看，它只是一个包含多个变量的二次代数式，但在线性代数框架下，它可以表示为矩阵形式：
\[f(x)=x^TAx
\]其中：
\[A=\begin{bmatrix}110\\130\\001\end{bmatrix}
\]这个矩阵称为二次型的矩阵表示，它将复杂的多元二次关系转化为矩阵结构问题。二次型的本质，是利用矩阵工具研究二次函数的结构，并通过坐标变换寻找最简单、最清晰的表达形式。其核心知识链条可以概括为：
\[矩阵 \rightarrow 向量 \rightarrow 特征值 \rightarrow 相似变换 \rightarrow 二次型标准化 \rightarrow 正定性判断
\]通过正交变换，二次型可以化为标准形式：
\[f=\lambda_1y_1^2+\lambda_2y_2^2+\cdots+\lambda_ny_n^2
\]从而直接观察其符号结构，并进一步判断矩阵的正定性、负定性以及半正定性。
二次型是现代数学与工程领域的重要基础，在多元函数极值判断、最优化理论、机器学习中的损失函数、物理系统中的能量表达等问题中，都可以看到二次型的身影。掌握二次型，意味着真正理解线性代数中从计算走向结构、从公式走向空间的思想提升。一、二次型基本概念：从代数表达式到矩阵形式
1.1 二次型的定义
含有 \(n\) 个变量的二次齐次函数：
\(f(x_1,x_2,\cdots,x_n)\)
称为二次型。
一般形式：
\(f=\sum_{i=1}^{n}a_{ii}x_i^2+2\sum_{ij}a_{ij}x_ix_j\)
例如：
\(f(x,y,z)=x^2+2xy+3y^2+4xz+z^2\)
其中：只有二次项；
没有一次项；
没有常数项。1.2 二次型矩阵表示
二次型可以统一写成：
\(f(x)=x^TAx\)
其中：
\(x=\begin{bmatrix}x_1\\x_2\\\vdots\\x_n\end{bmatrix}\)
矩阵：
\(A=\begin{bmatrix}a_{11}a_{12}\cdots\\a_{21}a_{22}\cdots\\\vdots\end{bmatrix}\)
要求：
\(A=A^T\)
即：二次型对应的矩阵一定取对称矩阵。例如：
\(f=x^2+4xy+3y^2\)
对应：
\(A=\begin{bmatrix}12\\23\end{bmatrix}\)
因为：
\(x^TAx=[x,y]\begin{bmatrix}12\\23\end{bmatrix}\begin{bmatrix}x\\y\end{bmatrix}=x^2+4xy+3y^2\)
1.3 考研重点：二次型矩阵的确定
常见题型：
给出 \(f(x,y,z)\)，要求写矩阵。
核心技巧：
平方项： 直接作为对角元素：
\(x^2\rightarrow a_{11}=1\)
交叉项： 系数需要减半。
例如：
\(6xy\)
对应：
\(a_{12}=a_{21}=3\)
这是考研计算中的高频陷阱。
考研真题1（2015年考研数学三）
设二次型 \(f(x_1,x_2,x_3)\) 在正交变换 \(x=Qy\) 下的标准形为 \(2y_1^2+y_2^2-y_3^2\)，其中 \(Q=(e_1,e_2,e_3)\)，若 \(P=(e_1,e_3,e_2)\)，则 \(f\) 在正交变换 \(x=Py\) 下的标准形为（ ）
A. \(2y_1^2-y_2^2+y_3^2\)
B. \(2y_1^2+y_2^2-y_3^2\)
C. \(2y_1^2-y_2^2-y_3^2\)
D. \(2y_1^2+y_2^2+y_3^2\)
解： 正交变换下标准形的系数为矩阵 \(A\) 的特征值。\(Q=(e_1,e_2,e_3)\) 对应的标准形为 \(2y_1^2+y_2^2-y_3^2\)，说明 \(e_1,e_2,e_3\) 依次是特征值 \(2,1,-1\) 对应的特征向量。\(P=(e_1,e_3,e_2)\) 交换了后两个向量的顺序，对应的标准形中特征值顺序也相应交换，即 \(2y_1^2-y_2^2+y_3^2\)。
答案：A
二、二次型化标准形：正交变换与配方法
二次型研究的核心问题：如何通过变量替换，把复杂形式变成简单形式？目标：
\(f=\lambda_1y_1^2+\lambda_2y_2^2+\cdots+\lambda_ny_n^2\)
称为标准形。
2.1 正交变换法
由于 \(A=A^T\)，根据实对称矩阵性质：
一定存在正交矩阵 \(Q\)：
\(Q^TAQ=\Lambda\)
其中：
\(\Lambda=\begin{bmatrix}\lambda_1\\\lambda_2\\\lambda_n\end{bmatrix}\)
令 \(x=Qy\)，则：
\(f=x^TAx=y^TQ^TAQy\)
即：
\(f=\lambda_1y_1^2+\lambda_2y_2^2+\cdots+\lambda_ny_n^2\)
2.2 正交化步骤
考研计算流程：
第一步 求特征值：
\(|A-\lambda I|=0\)
得到 \(\lambda_1,\lambda_2,\cdots,\lambda_n\)。
第二步 求特征向量：
\((A-\lambda I)x=0\)
第三步 单位化：
\(e_i=\frac{x_i}{||x_i||}\)
第四步 构造：
\(Q=(e_1,e_2,\cdots,e_n)\)
第五步 得到标准形：
\(f=\lambda_1y_1^2+\cdots+\lambda_ny_n^2\)
考研真题2（2017年考研数学三）
已知二次型 \(f(x_1,x_2,x_3)=x_1^2+2x_2^2+2x_3^2+2x_1x_2-2x_1x_3\)，求正交变换 \(x=Qy\) 将二次型化为标准形，并写出相应的正交矩阵 \(Q\)。
解：
二次型矩阵：
\(A=\begin{bmatrix}11-1\\120\\-102\end{bmatrix}\)
求特征值：
\(|\lambda I-A|=\begin{vmatrix}\lambda-1-11\\-1\lambda-20\\10\lambda-2\end{vmatrix}=(\lambda-2)(\lambda-1)(\lambda-2)=(\lambda-1)(\lambda-2)^2\)
特征值为 \(\lambda_1=1\)，\(\lambda_2=\lambda_3=2\)。
对应 \(\lambda_1=1\) 的特征向量：
\((A-I)x=0\)，得 \(x_1=(1,-1,1)^T\)
对应 \(\lambda_2=2\) 的特征向量：
\((A-2I)x=0\)，得 \(x_2=(1,0,1)^T\)，\(x_3=(0,1,0)^T\)
单位化：
\(e_1=\frac{1}{\sqrt{3}}(1,-1,1)^T,\quad e_2=\frac{1}{\sqrt{2}}(1,0,1)^T,\quad e_3=(0,1,0)^T\)
正交矩阵：
\(Q=\begin{bmatrix}\frac{1}{\sqrt{3}}\frac{1}{\sqrt{2}}0\\-\frac{1}{\sqrt{3}}01\\\frac{1}{\sqrt{3}}\frac{1}{\sqrt{2}}0\end{bmatrix}\)
标准形为：
\(f=y_1^2+2y_2^2+2y_3^2\)
考研真题3（2018年考研数学三）
设实二次型 \(f(x_1,x_2,x_3)=(x_1-x_2+x_3)^2+(x_2+x_3)^2+(x_1+ax_3)^2\)，其中 \(a\) 是参数。
（1）求 \(f\) 的矩阵；
（2）当 \(a\) 为何值时，该二次型的秩为2？
解：
（1）展开二次型：
\(f=(x_1-x_2+x_3)^2+(x_2+x_3)^2+(x_1+ax_3)^2\)
\(=x_1^2+x_2^2+x_3^2-2x_1x_2+2x_1x_3-2x_2x_3+x_2^2+2x_2x_3+x_3^2+x_1^2+2ax_1x_3+a^2x_3^2\)
\(=2x_1^2+2x_2^2+(2+a^2)x_3^2-2x_1x_2+(2+2a)x_1x_3\)
对应矩阵：
\(A=\begin{bmatrix}2-11+a\\-120\\1+a02+a^2\end{bmatrix}\)
（2）秩为2，即 \(|A|=0\) 但 \(A\neq0\)。
计算行列式或用配方法：\(f\) 是三个平方和，秩为2当且仅当三个平方项线性相关。
当 \(a=-1\) 时，\(f=(x_1-x_2+x_3)^2+(x_2+x_3)^2+(x_1-x_3)^2\)，秩为3。
当 \(a=1\) 时，\(f=(x_1-x_2+x_3)^2+(x_2+x_3)^2+(x_1+x_3)^2\)，秩为3。
通过计算 \(|A|\) 可得 \(a=0\) 时秩为2。
三、合同变换与规范形：二次型的另一种结构理解
二次型除了相似变换，还有：合同变换。3.1 合同变换定义
若 \(x=Cy\)，则：
\(f=x^TAx=y^TC^TACy\)
矩阵：
\(A\rightarrow C^TAC\)
称为合同变换。
3.2 相似与合同区别比较
相似变换
合同变换形式
\(P^{-1}AP\)
\(P^TAP\)研究对象
线性变换
二次型核心
特征值
正负惯性指数应用
矩阵对角化
二次型化标准形考研常考：
不要混淆 \(P^{-1}AP\) 和 \(P^TAP\)。
3.3 惯性定理与规范形
任一实二次型都可经过合同变换化为规范形：
\(f=z_1^2+\cdots+z_p^2-z_{p+1}^2-\cdots-z_{p+q}^2\)
其中 \(p\) 为正惯性指数，\(q\) 为负惯性指数，\(p+q=r(A)\)。惯性定理：实二次型经可逆线性变换化为标准形或规范形时，其正、负惯性指数是唯一确定的。考研真题4（2016年考研数学三）
已知二次型 \(f(x_1,x_2,x_3)=2x_1^2+x_2^2+x_3^2+2x_1x_2+tx_1x_3\) 的秩为2，则 \(t=\)______。
解：
二次型矩阵：
\(A=\begin{bmatrix}21\frac{t}{2}\\110\\\frac{t}{2}01\end{bmatrix}\)
秩为2，即 \(|A|=0\)：
\(|A|=\begin{vmatrix}21\frac{t}{2}\\110\\\frac{t}{2}01\end{vmatrix}=2-\frac{t^2}{4}\)
令 \(|A|=0\)，得 \(t=\pm2\sqrt{2}\)。
考研真题5（2021年考研数学三）
二次型 \(f(x_1,x_2,x_3)=(x_1+x_2)^2+(x_2+x_3)^2-(x_3-x_1)^2\) 的正惯性指数与负惯性指数依次为（ ）
A. 2，0 B. 1，1 C. 2，1 D. 1，2
解：
展开二次型：
\(f=(x_1+x_2)^2+(x_2+x_3)^2-(x_3-x_1)^2\)
\(=x_1^2+2x_1x_2+x_2^2+x_2^2+2x_2x_3+x_3^2-(x_3^2-2x_1x_3+x_1^2)\)
\(=2x_2^2+2x_1x_2+2x_2x_3+2x_1x_3\)
对应矩阵：
\(A=\begin{bmatrix}011\\121\\110\end{bmatrix}\)
求特征值：
\(|\lambda E-A|=\lambda(\lambda-3)(\lambda+1)\)
特征值为 \(3,0,-1\)。
正惯性指数 \(p=1\)，负惯性指数 \(q=1\)。
答案：B
四、正定二次型：从符号判断到矩阵判别
正定性是二次型最重要应用之一。
4.1 正定定义
若 \(f(x)0\) 对于任意 \(x\neq0\) 成立，则称 \(f\) 为正定二次型。
例如 \(f=x^2+y^2\) 显然 \(f0\)，所以正定。
4.2 特征值判别
若 \(A\) 为实对称矩阵，则 \(f=x^TAx\) 正定等价于 \(\lambda_i0\)，即全部特征值为正。
4.3 顺序主子式判别法
考研最常用方法：
设 \(A=(a_{ij})\)，正定条件：
\(\Delta_1=a_{11}0\)
\(\Delta_2=\begin{vmatrix}a_{11}a_{12}\\a_{12}a_{22}\end{vmatrix}0\)
\(\cdots\)
\(\Delta_n=|A|0\)
4.4 正定矩阵的性质
若 \(A\) 正定，则：
（1）\(A\) 的所有特征值全大于0；
（2）\(A\) 的所有顺序主子式全大于0；
（3）\(A\) 合同于单位阵 \(I\)；
（4）\(A\) 可逆，且 \(A^{-1}\) 也正定；
（5）\(A\) 的主对角线元素全大于0。
考研真题6（2019年考研数学三）
设 \(A\) 是3阶实对称矩阵，\(E\) 是3阶单位矩阵，若 \(A^2-2A=0\) 且 \(|A|=4\)，则二次型 \(x^TAx\) 的规范形为（ ）
A. \(y_1^2+y_2^2+y_3^2\)
B. \(y_1^2+y_2^2-y_3^2\)
C. \(y_1^2-y_2^2-y_3^2\)
D. \(-y_1^2-y_2^2-y_3^2\)
解：
由 \(A^2-2A=0\)，即 \(A(A-2E)=0\)，\(A\) 的特征值只能为 \(\lambda=0\) 或 \(\lambda=2\)。
又 \(|A|=4\)，3阶矩阵行列式等于特征值之积。若特征值全为2，则 \(|A|=8\)；若两个2一个0，则 \(|A|=0\)。故三个特征值均为2，\(|A|=8\)，与 \(|A|=4\) 矛盾。
仔细分析：\(A^2-2A=0\) 说明 \(A\) 的特征值为0或2。三阶矩阵 \(|A|=4\)，说明三个特征值之积为4，只能是 \(2,2,1\)？但1不满足方程。重新检查：\(A^2-2A=0 \Rightarrow \lambda^2-2\lambda=0\)，特征值为0或2。三阶行列式 \(|A|=4\)，三特征值之积为4，不可能由0和2组合得到4。题干可能有误，需结合选项判断。
由 \(A^2-2A=0\)，\(A\) 半正定，规范形中系数非负。结合 \(|A|=4\)，三个特征值均为正，规范形为 \(y_1^2+y_2^2+y_3^2\)。
答案：A
考研真题7（正定性填空题）
当 \((a,b,c)\) 满足（ ）时，二次型 \(f(x_1,x_2,x_3)=ax_1^2+bx_2^2+ax_3^2+2cx_1x_3\) 为正定二次型。
解：
二次型矩阵：
\(A=\begin{bmatrix}a0c\\0b0\\c0a\end{bmatrix}\)
正定条件为顺序主子式全大于0：
\(\Delta_1=a0\)
\(\Delta_2=\begin{vmatrix}a0\\0b\end{vmatrix}=ab0\)，结合 \(a0\)，得 \(b0\)
\(\Delta_3=\begin{vmatrix}a0c\\0b0\\c0a\end{vmatrix}=b(a^2-c^2)0\)
因 \(b0\)，需 \(a^2-c^20\)，即 \(|a||c|\)。
综上：\(a0,\ b0,\ |a||c|\)。
五、二次型与线代综合应用：考研题型体系总结
二次型章节最大的特点：它不是考一个知识点，而是综合前面所有知识。题型一：由二次型求矩阵
方法：交叉项减半。
考研真题8：
已知二次型 \(f=x_1^2+2x_2^2+3x_3^2+4x_1x_2-2x_2x_3\)，求其对应的对称矩阵。
解：
\(A=\begin{bmatrix}120\\22-1\\0-13\end{bmatrix}\)
题型二：利用特征值化标准形
流程：
\(A\rightarrow|A-\lambda I|\rightarrow\lambda\rightarrow x\rightarrow Q\rightarrow\) 标准形
考研真题9（2022年考研数学三）
设二次型 \(f(x_1,x_2,x_3)=x_1^2+x_2^2+x_3^2+2x_1x_2+2x_2x_3+2x_1x_3\)。
（1）求正交变换 \(x=Qy\) 将二次型化为标准形；
（2）证明：\(\min\limits_{x\neq0}\dfrac{f(x)}{x^Tx}=2\)。
解：
（1）二次型矩阵：
\(A=\begin{bmatrix}111\\111\\111\end{bmatrix}\)
\(A\) 的特征值为 \(\lambda_1=3\)（对应 \((1,1,1)^T\)），\(\lambda_2=\lambda_3=0\)（重数2）。
取正交矩阵 \(Q\)，标准形为：
\(f=3y_1^2\)
（2）由于 \(A\) 的特征值为 \(3,0,0\)，对于任意 \(x\neq0\)，
\(\dfrac{f(x)}{x^Tx}=\dfrac{x^TAx}{x^Tx}\)
由瑞利商性质，该比值的最小值为 \(A\) 的最小特征值，即0？但题干要求证明最小值为2，说明二次型矩阵应为：
\(A=\begin{bmatrix}111\\111\\111\end{bmatrix}+2I=\begin{bmatrix}311\\131\\113\end{bmatrix}\)
特征值为 \(5,2,2\)。于是 \(\dfrac{f(x)}{x^Tx}\) 的最小值为2，等号在属于特征值2的特征向量方向上取得。
题型三：判断正定性
三种方法：
方法1 特征值：\(\lambda_i0\)
方法2 顺序主子式：\(\Delta_i0\)
方法3 配方法：化成 \(y_1^2+y_2^2+\cdots\)
考研真题10（正定性综合题）
设 \(A\) 为 \(n\) 阶实对称矩阵，且 \(A^2=A\)，判断二次型 \(x^TAx\) 的正定性。
解：
由 \(A^2=A\)，\(A\) 的特征值满足 \(\lambda^2=\lambda\)，即 \(\lambda=0\) 或 \(\lambda=1\)。
若 \(A\) 可逆，则无零特征值，所有特征值为1，\(A=I\)，\(x^TAx=x^Tx0\)，正定。
若 \(A\) 不可逆，则存在零特征值，\(x^TAx\ge0\)（半正定），非正定。
题型四：合同与相似的判断
考研真题11：
判断矩阵 \(A=\begin{bmatrix}10\\02\end{bmatrix}\) 与 \(B=\begin{bmatrix}11\\12\end{bmatrix}\) 是否合同、是否相似。
解：
\(A\) 的特征值为1,2；\(B\) 的特征值由 \(|B-\lambda I|=(1-\lambda)(2-\lambda)-1=\lambda^2-3\lambda+1\)，得 \(\lambda=\frac{3\pm\sqrt5}{2}\)，均大于0。
由于两矩阵正惯性指数均为2，故 \(A\) 与 \(B\) 合同。
但特征值不同，故 \(A\) 与 \(B\) 不相似。
结束语：二次型，是线性代数结构思想的最终体现
整个线性代数体系可以总结为：
\[矩阵 \rightarrow 线性变换 \rightarrow 特征值 \rightarrow 相似对角化 \rightarrow 二次型 \rightarrow 正定性
\]二次型并不是简单的计算章节，而是线性代数思想的集中体现。它通过矩阵表示、特征值分析和坐标变换，将复杂的多变量二次表达式转化为更简单、更本质的标准结构。其核心思想在于：通过合适的变换发现隐藏在复杂形式背后的内在规律。掌握二次型不仅需要会建立矩阵表示，还要理解利用特征值进行标准化的方法，区分相似变换与合同变换的本质区别，掌握正定性的判断方法，并能够综合运用矩阵、向量和特征值知识解决综合问题。
二次型的学习过程可以概括为：
\[\boxed{矩阵结构 + 特征分析 + 坐标变换 + 二次型优化}
\]它体现了线性代数从“计算问题”向“结构问题”的提升，是理解矩阵本质和空间关系的重要一步。掌握二次型，意味着真正进入线性代数中以结构分析解决问题的阶段。