二次型的矩阵表示与标准形化方法详解

1. 二次型的定义与矩阵表示

二次型是线性代数中一个非常重要的概念，它本质上是一个关于n个变量的二次齐次多项式。在实际应用中，二次型广泛出现在优化问题、物理系统能量描述、统计学中的方差分析等领域。

1.1 二次型的数学定义

一个n元二次型可以表示为：
f(x₁, x₂, ..., xₙ) = a₁₁x₁² + 2a₁₂x₁x₂ + ... + 2a₁ₙx₁xₙ
+ a₂₂x₂² + ... + 2a₂ₙx₂xₙ
+ ...
+ aₙₙxₙ²

这个表达式有几个关键特点：

1. 每一项都是二次的（要么是变量的平方，要么是两个变量的乘积）
2. 所有项都是齐次的（每一项的总次数相同，都是2次）
3. 交叉项的系数通常写成2aᵢⱼ的形式，这是为了后续矩阵表示的方便

在实际应用中，我们常常会遇到需要将二次型表示为矩阵形式的情况，这种表示方法不仅简洁，而且便于进行各种运算和分析。

1.2 二次型的矩阵表示

任何二次型都可以表示为矩阵形式f(x) = xᵀAx，其中：

• x是变量组成的列向量：x = [x₁, x₂, ..., xₙ]ᵀ
• A是一个对称矩阵，其元素由二次型的系数决定

矩阵A的构造规则如下：

1. 对角线元素aᵢᵢ对应xᵢ²项的系数
2. 非对角线元素aᵢⱼ = aⱼᵢ对应xᵢxⱼ项系数的一半

例如，对于三元二次型：
f(x₁, x₂, x₃) = 2x₁² + 2x₂² + 2x₃² - 2x₁x₂ - 2x₂x₃ + 2x₁x₃

对应的矩阵A为：
┌ ┐
│ 2 -1 1 │
│ -1 2 -1 │
│ 1 -1 2 │
└ ┘

1.3 二次型的秩

二次型的秩定义为其矩阵表示A的秩。在上面的例子中，矩阵A的秩为3，因此这个二次型的秩也是3。

理解二次型的秩非常重要，因为它决定了二次型的一些基本性质：

• 满秩的二次型称为非退化二次型
• 不满秩的二次型称为退化二次型
• 秩的大小反映了二次型"真正"涉及的变量维度

在实际应用中，我们常常需要判断一个二次型是否退化，这直接影响后续的分析和处理方法。

2. 合同变换与标准形

2.1 线性变换与合同关系

对于一个n元二次型f(x) = xᵀAx，如果我们做一个可逆的线性变换x = Cy（其中C是可逆矩阵），那么变换后的二次型可以表示为：
f(x) = (Cy)ᵀA(Cy) = yᵀ(CᵀAC)y = yᵀBy

这里B = CᵀAC，我们称矩阵A和B是合同的，记作A ≃ B。

合同关系有几个重要性质：

1. 反身性：任何矩阵与自己合同
2. 对称性：如果A与B合同，那么B也与A合同
3. 传递性：如果A与B合同，B与C合同，那么A与C合同

2.2 标准形与规范形

通过适当的合同变换，我们可以将二次型化为更简单的形式：

标准形：只含平方项，没有交叉项的二次型，形如：
d₁y₁² + d₂y₂² + ... + dₙyₙ²

规范形：标准形中系数只能是1、-1或0的特殊形式，形如：
y₁² + ... + yₚ² - yₚ₊₁² - ... - yₚ₊q²

规范形的重要性在于：

1. 它揭示了二次型的本质特征
2. 通过规范形可以直观看出二次型的正定性
3. 在几何应用中，规范形对应着标准的二次曲面

2.3 合同变换的意义

合同变换在实际中有多种应用：

1. 简化计算：将复杂二次型化为简单形式
2. 分类研究：通过规范形对二次型进行分类
3. 优化问题：在约束优化中寻找极值点
4. 物理应用：在力学系统中寻找主方向

理解合同变换的关键在于认识到它保持了二次型的许多本质特征，同时简化了形式，便于分析。

3. 化二次型为标准形的方法

3.1 配方法

配方法是将二次型化为标准形的一种基本技术，特别适用于手工计算。其核心思想是通过逐步配方，消除交叉项。

具体步骤：

1. 选择一个包含平方项的变量（如x₁）
2. 将所有含这个变量的项集中，配成完全平方
3. 对剩余部分重复上述过程
4. 最后通过变量替换得到标准形

示例：
考虑二次型：
f(x₁,x₂,x₃) = x₁² + 2x₁x₂ + 2x₁x₃ - x₂² - 2x₂x₃ - x₃²

配方过程：

1. 将含x₁的项集中：x₁² + 2x₁x₂ + 2x₁x₃ = (x₁ + x₂ + x₃)² - (x₂ + x₃)²
2. 剩余部分：-x₂² - 2x₂x₃ - x₃² = - (x₂ + x₃)²
3. 合并得：f = (x₁ + x₂ + x₃)² - 2(x₂ + x₃)²

作变换：
y₁ = x₁ + x₂ + x₃
y₂ = x₂ + x₃
y₃ = x₃

则标准形为：f = y₁² - 2y₂²

配方法虽然直观，但在处理复杂二次型时可能显得繁琐，且变换矩阵C的形式不如正交变换那样有明确的几何意义。

3.2 正交变换法

正交变换法是另一种将二次型化为标准形的重要方法，它基于实对称矩阵的对角化理论。

理论基础：
任何实对称矩阵A都可以通过正交矩阵Q对角化：
Q⁻¹AQ = QᵀAQ = Λ = diag(λ₁, λ₂, ..., λₙ)

其中λᵢ是A的特征值，Q的列向量是对应的单位正交特征向量。

实施步骤：

1. 写出二次型的矩阵A
2. 求A的特征值和特征向量
3. 将特征向量正交化和单位化
4. 构造正交矩阵Q
5. 作正交变换x = Qy，得到标准形

示例：
考虑二次型：
f = 2x₁² + 5x₂² + 5x₃² + 4x₁x₂ - 4x₁x₃ - 8x₂x₃

1. 矩阵A为：
   ┌ ┐
   │ 2 2 -2 │
   │ 2 5 -4 │
   │ -2 -4 5 │
   └ ┘

2. 求得特征值：λ₁=λ₂=1，λ₃=10

3. 对应特征向量：ξ₁=[-2,1,0]ᵀ，ξ₂=[2,0,1]ᵀ，ξ₃=[1,2,-2]ᵀ

4. 正交化并单位化特征向量

5. 构造正交矩阵Q

6. 作变换x = Qy，得到标准形：y₁² + y₂² + 10y₃²

正交变换法的优势在于：

1. 变换矩阵Q是正交的，保持向量长度和角度不变
2. 标准形中的系数就是特征值，有明确的数学意义
3. 在物理应用中，特征值常对应系统的固有频率等物理量

4. 惯性定理与二次型的分类

4.1 惯性定理

惯性定理是二次型理论中的一个重要结果，它指出：

对于任意一个二次型，无论通过何种可逆线性变换将其化为标准形或规范形，其中：

• 正平方项的个数p（正惯性指数）
• 负平方项的个数q（负惯性指数）

都是唯一确定的。这个不变量(p,q)称为二次型的惯性指数。

推论：

1. 二次型的秩r = p + q
2. 可逆线性变换不改变惯性指数
3. 规范形是唯一的（不考虑变量的排列顺序）

4.2 二次型的分类

根据惯性指数，我们可以对二次型进行分类：

1. 正定二次型：p = n（所有平方项系数为正）

   • 几何意义：表示一个"碗"状的曲面
   • 应用：在优化问题中对应严格凸函数

2. 负定二次型：q = n（所有平方项系数为负）

   • 几何意义：表示一个"倒扣的碗"
   • 应用：对应严格凹函数

3. 半正定/半负定：p + q = n且q=0或p=0

   • 可能存在平坦方向
   • 在优化中可能出现多个极值点

4. 不定二次型：p > 0且q > 0

   • 曲面有"马鞍点"特征
   • 在优化中对应非凸非凹情况

理解这些分类对于分析多元函数的极值问题、研究物理系统的稳定性等都非常重要。

5. 正定二次型及其判别

5.1 正定二次型的定义

一个n元二次型f(x) = xᵀAx称为正定的，如果对于所有非零向量x，都有f(x) > 0。对应的矩阵A称为正定矩阵。

正定二次型在实际中有广泛应用：

• 在优化中，正定Hessian矩阵保证局部极小值
• 在统计学中，正定矩阵用于协方差描述
• 在物理中，正定能量函数表示稳定系统

5.2 正定的判别方法

判断二次型是否正定有多种等价条件：

1. 定义法：对所有x≠0，xᵀAx > 0
2. 惯性指数：p = n
3. 特征值：所有特征值大于0
4. 主子式：所有顺序主子式大于0
5. 分解法：存在可逆矩阵D，使A = DᵀD

顺序主子式判别法特别实用：
对于矩阵A，计算其各阶顺序主子式：
Δ₁ = a₁₁
Δ₂ = |a₁₁ a₁₂|
|a₂₁ a₂₂|
...
Δₙ = |A|

如果所有Δᵢ > 0，则A正定。

5.3 正定矩阵的性质

正定矩阵有许多良好性质：

1. 必为对称矩阵
2. 对角线元素全为正
3. 行列式大于0
4. 逆矩阵也是正定的
5. 任意主子矩阵也是正定的

这些性质在理论分析和实际计算中都很有用。例如，在解线性方程组时，正定性保证了迭代法的收敛性。

6. 应用实例与常见问题

6.1 典型例题解析

例题1：判断二次型f = x₁² + 2x₂² + 3x₃² + 2x₁x₂ + 2x₁x₃是否正定。

解法：

1. 写出矩阵A：
   ┌ ┐
   │ 1 1 1 │
   │ 1 2 0 │
   │ 1 0 3 │
   └ ┘

2. 计算顺序主子式：
   Δ₁ = 1 > 0
   Δ₂ = |1 1| = 1 > 0
   |1 2|
   Δ₃ = |A| = 2 > 0

因此二次型正定。

例题2：将f = x₁x₂ + x₁x₃ - x₂x₃化为规范形。

解法：

1. 先作线性变换：
   x₁ = y₁ + y₂
   x₂ = y₁ - y₂
   x₃ = y₃

2. 代入得：f = y₁² - y₂² + 2y₂y₃

3. 再配方：f = y₁² - (y₂ - y₃)² + y₃²

4. 作变换：
   z₁ = y₁
   z₂ = y₂ - y₃
   z₃ = y₃

最终规范形：z₁² - z₂² + z₃²

6.2 常见错误与注意事项

在处理二次型时，容易犯以下错误：

1. 混淆合同变换与相似变换

   • 合同：B = CᵀAC
   • 相似：B = C⁻¹AC
     两者概念不同，性质也不同

2. 忽视矩阵的对称性

   • 二次型对应矩阵必须对称
   • 如果题目给出的矩阵不对称，需要先对称化

3. 配方顺序不当

   • 应优先选择平方项明显的变量开始配方
   • 避免同时引入多个新变量

4. 正交变换计算错误

   • 特征向量需要正确正交化
   • 特别是重特征值情况

6.3 实际应用建议

1. 对于小型矩阵（n≤3），配方法通常更直接
2. 对于较大矩阵或需要精确分析时，正交变换法更可靠
3. 判断正定性时，顺序主子式法计算量通常最小
4. 在编程实现时，可借助数值线性代数库（如LAPACK）处理特征值问题
5. 注意数值稳定性问题，特别是接近退化的情况

二次型理论是线性代数的一个优美而实用的部分，它不仅具有数学美感，还在众多领域有广泛应用。掌握好二次型的标准形化方法和正定性判别，将为后续的数学学习和工程应用打下坚实基础。