1. 从矩阵长得像说起二次型为什么需要一套专门的变换语言很多人学线性代数到二次型这一章第一反应是这不就是把矩阵换成对称的再算一遍吗。我当年也是这么想的直到真正动手处理一个多元函数的极值判定问题才发现事情没那么简单。二次型表面上是一个关于变量的二次齐次多项式比如 $f(x_1, x_2) 2x_1^2 4x_1x_2 5x_2^2$但它背后藏着一个对称矩阵而这个矩阵的形状直接决定了这个函数在几何上到底是个椭圆、双曲线还是退化成两条直线。问题的核心在于同一个二次型换一组变量去描述它的矩阵会变。就像同一个人穿不同衣服看起来不一样但本质没变。我们真正关心的不是矩阵长什么样而是这个二次型到底属于哪一类——正定、负定、不定还是半正定。而合同变换就是帮我们剥掉外表、看清本质的那把刀。这一章要解决的核心问题可以概括成三件事第一二次型和对称矩阵之间怎么一一对应第二什么样的两个矩阵算合同合同和相似到底差在哪第三怎么通过合同变换把二次型化成最简形式标准形或规范形从而一眼看出它的类型。这三件事串起来就是二次型理论的主干。我写这篇东西不是要复述教材定义而是想把我在实际推导和做题中踩过的坑、总结的捷径、以及那些教材一笔带过但考试和工程里特别容易出错的地方讲清楚。适合正在学线性代数的大学生、准备考研的读者也适合工作中需要用到二次型判定比如优化、控制、数据分析但当年没学扎实的从业者。下面我会从矩阵对应关系讲起一路走到合同变换的实操中间穿插大量对比和避坑经验。2. 二次型与对称矩阵的对应为什么偏偏要对称2.1 一个二次型对应唯一对称矩阵的推导逻辑给定二次型 $f(x_1, x_2, \dots, x_n) \sum_{i1}^{n}\sum_{j1}^{n} a_{ij}x_ix_j$如果直接把它写成矩阵形式 $f x^T A x$这个 $A$ 其实不唯一。原因很简单$x_ix_j$ 和 $x_jx_i$ 是同一个项它们的系数可以任意拆分到 $a_{ij}$ 和 $a_{ji}$ 上只要加起来等于原来那个系数就行。那为什么教材统一规定用对称矩阵因为对称矩阵是最公平的拆分方式——把 $x_ix_j$ 的系数平均分给 $a_{ij}$ 和 $a_{ji}$各拿一半。这样做的好处是对称矩阵在合同变换下保持对称性而且它的特征值全是实数对角化性质好后续判定正定性时可以直接用顺序主子式或特征值。如果允许非对称矩阵同一个二次型会有无穷多种矩阵表示讨论就没法统一了。具体操作上规则是这样的平方项 $x_i^2$ 的系数直接放在对角线位置 $a_{ii}$交叉项 $x_ix_j$$i \neq j$的系数除以 2分别放在 $a_{ij}$ 和 $a_{ji}$。举个例子$f x_1^2 6x_1x_2 3x_2^2$对应的对称矩阵是$$ A \begin{pmatrix} 1 3 \ 3 3 \end{pmatrix} $$注意那个 6 变成了两个 3。这是最容易出错的地方我见过太多人直接把 6 塞进 $a_{12}$结果算出来的矩阵不对称后面全错。提示写完矩阵后一定要回头验算一遍 $x^T A x$ 是否等于原二次型尤其是交叉项系数有没有除以 2。这个检查花不了十秒钟但能救回一整道大题。2.2 秩、正定性这些概念为什么都挂在矩阵头上二次型的秩定义成它对应对称矩阵的秩。这个定义不是随便定的因为合同变换不改变矩阵的秩所以秩是二次型的内在属性跟你选哪组变量无关。同样正定性也是通过矩阵来判定的$f$ 正定等价于 $A$ 正定等价于 $A$ 的所有特征值大于零等价于 $A$ 的各阶顺序主子式全大于零。这里有个我踩过的坑顺序主子式和主子式是两回事。顺序主子式是取左上角 $1\times1$、$2\times2$、…、$n\times n$ 的那一串行列式必须从左上角开始连续取。而主子式是任意选取相同行号和列号组成的子式。判正定只用顺序主子式判半正定才需要所有主子式非负。当年我做题时把半正定的判定也套顺序主子式结果遇到一个反例直接懵了。判定目标判据常见误用正定各阶顺序主子式全大于 0误用所有主子式浪费时间负定奇数阶顺序主子式小于 0偶数阶大于 0忘记交替符号半正定所有主子式非负只查顺序主子式漏判不定存在正、负特征值或顺序主子式符号混乱只看一阶就下结论这张表建议直接背下来。尤其是负定的交替符号规则很多人记成全小于零那是错的。3. 合同矩阵和相似矩阵到底差在哪为什么容易混3.1 合同的定义与相似的本质区别合同的定义是存在可逆矩阵 $C$使得 $B C^T A C$就称 $A$ 与 $B$ 合同。相似的定义是存在可逆矩阵 $P$使得 $B P^{-1} A P$。两者长得像但一个用转置夹一个用逆夹这个差别决定了它们的性质完全不同。相似变换保持特征值不变因为 $P^{-1}AP$ 和 $A$ 是同一个线性变换在不同基下的表示。合同变换不保持特征值但它保持二次型的类型——正定还是负定、秩是多少这些不变。换句话说相似关心的是变换本身合同关心的是二次型这个函数。我打个比方相似就像同一个人换了个坐标系站着身高体重没变合同就像给这个人换了套衣服衣服变了但人的骨架类型高矮胖瘦的定性判断没变。这个类比不严谨但能帮你快速区分该用哪个工具。一个关键结论实对称矩阵一定可以正交相似对角化而正交矩阵满足 $Q^{-1} Q^T$所以对实对称矩阵来说正交相似变换同时也是合同变换。这就是为什么实对称矩阵这么好用——相似和合同在它身上统一了。但一般的矩阵相似和合同是两条路不能混用。3.2 合同变换保持什么、不保持什么合同变换保持的性质矩阵的秩、对称性、正定性负定性、半正定性、惯性指数。不保持的性质特征值、行列式会变因为 $\det(C^TAC) \det(C)^2 \det(A)$、迹。这里有个特别容易错的点合同变换下行列式的符号不变因为 $\det(C)^2 0$。所以如果两个矩阵合同它们的行列式要么同号要么同为零。这个性质可以用来快速排除一些选项——如果两个矩阵行列式一正一负它们一定不合同。我在做选择题时经常用这招秒杀。还有一个惯性定理必须记住任何实二次型经过合同变换化成标准形后正平方项的个数 $p$ 和负平方项的个数 $q$ 是唯一确定的与所用的变换无关。$p$ 叫正惯性指数$q$ 叫负惯性指数$p - q$ 叫符号差。这个定理是二次型分类的理论基石也是规范形唯一性的保证。注意惯性指数是合同的完全不变量。也就是说两个同阶实对称矩阵合同当且仅当它们有相同的正惯性指数和负惯性指数。这个判据比直接找合同变换矩阵 $C$ 方便得多考试里优先用。4. 化二次型为标准形的两条路配方法与正交变换法4.1 配方法手算最快但顺序有讲究配方法的核心思路是逐个消灭交叉项。具体做法是先挑一个含平方项的变量把含它的所有项凑成完全平方剩下的部分再递归处理。如果一开始没有平方项全是交叉项就先做一个简单的变量替换造出一个平方项。我拿一个具体例子走一遍。$f 2x_1^2 4x_1x_2 5x_2^2$。先处理 $x_1$把含 $x_1$ 的项凑平方$2x_1^2 4x_1x_2 2(x_1 x_2)^2 - 2x_2^2$。代回去$f 2(x_1x_2)^2 - 2x_2^2 5x_2^2 2(x_1x_2)^2 3x_2^2$。令 $y_1 x_1 x_2$$y_2 x_2$就得到标准形 $f 2y_1^2 3y_2^2$。配方法的坑在于每一步的变量替换要写清楚最后要能反推出变换矩阵 $C$。很多人配方配得飞起但让他写出 $x Cy$ 里的 $C$ 就卡壳了。我的建议是每做一次替换就记一笔最后把替换关系代回去整理成矩阵形式。如果遇到没有平方项的情况比如 $f 2x_1x_2$先令 $x_1 y_1 y_2$$x_2 y_1 - y_2$则 $f 2(y_1y_2)(y_1-y_2) 2y_1^2 - 2y_2^2$。这个造平方项的技巧要熟练考试里出现频率不低。4.2 正交变换法计算量大但结果最规范正交变换法的步骤是写出对称矩阵 $A$求特征值求对应特征向量施密特正交化加单位化拼成正交矩阵 $Q$则 $Q^TAQ \Lambda$ 是对角矩阵对角线就是特征值。标准形就是 $\lambda_1 y_1^2 \lambda_2 y_2^2 \dots \lambda_n y_n^2$。这个方法的好处是变换矩阵是正交矩阵几何意义清晰就是旋转加反射而且标准形的系数直接就是特征值不用额外计算。坏处是计算量大尤其是三阶以上矩阵求特征向量和正交化手算容易出错。我对比一下两种方法的适用场景方法优点缺点适用场景配方法计算快步骤少变换矩阵不唯一不一定是正交的只需标准形、判惯性指数正交变换法结果规范系数即特征值计算量大需正交化需要正交变换、求特征值初等变换法程序化强适合大矩阵容易漏乘、顺序易乱编程实现、高阶矩阵实际做题时如果题目只要求标准形或惯性指数配方法最快如果明确要求正交变换那就只能老老实实求特征值。我个人的习惯是先用配方法快速判断惯性指数再用正交变换法验证两边对得上才放心。4.3 初等变换法把合同变换写成矩阵乘法链初等变换法的原理是对 $A$ 做一次初等行变换紧接着做一次对应的初等列变换这样得到的矩阵与原矩阵合同。把这一系列操作记录下来就得到合同变换矩阵 $C$。具体操作时把 $A$ 和单位矩阵 $E$ 上下拼成 $\begin{pmatrix} A \ E \end{pmatrix}$对 $A$ 做行变换的同时对整体做列变换当 $A$ 变成对角矩阵时下面的 $E$ 就变成了 $C^T$注意是转置。这个方法程序化程度高适合写成代码但手算时特别容易在行列变换的对应上出错。提示初等变换法里行变换和列变换必须成对出现且列变换要作用在整个矩阵上。我见过有人只对 $A$ 做列变换忘了对下面的 $E$ 做结果 $C$ 全错。记住列变换是全局的。5. 规范形与惯性定理二次型的身份证5.1 规范形的唯一性与惯性指数规范形是标准形的进一步简化把正平方项的系数全变成 1负平方项的系数全变成 -1零项保留为零。比如标准形 $2y_1^2 3y_2^2 - 5y_3^2$ 的规范形是 $z_1^2 z_2^2 - z_3^2$。惯性定理保证了规范形是唯一的在忽略变量顺序的意义下。也就是说不管你怎么变换正项个数 $p$ 和负项个数 $q$ 都不会变。这两个数就是二次型的身份证号。两个二次型合同当且仅当它们的 $p$ 和 $q$ 分别相等。这个定理的实用价值在于判断两个二次型是否合同不用去找变换矩阵直接算各自的惯性指数对比就行。我在做选择题时经常用这招排除选项——先算秩$pq$再算正惯性指数两个都对上才可能是答案。5.2 用惯性指数快速判定合同与相似这里要特别强调合同看惯性指数相似看特征值或 Jordan 标准形。两个矩阵合同不一定相似相似也不一定合同。只有实对称矩阵在正交变换下两者才统一。举个容易混的例子$A \begin{pmatrix} 1 0 \ 0 2 \end{pmatrix}$ 和 $B \begin{pmatrix} 1 0 \ 0 4 \end{pmatrix}$。它们都是正定的正惯性指数都是 2所以合同。但特征值不同所以不相似。反过来$A \begin{pmatrix} 1 1 \ 0 1 \end{pmatrix}$ 和 $B \begin{pmatrix} 1 0 \ 0 1 \end{pmatrix}$ 相似都是特征值 1 的二阶 Jordan 块但 $A$ 不是对称矩阵讨论合同意义不大。我总结一个判断流程先看是不是实对称矩阵是的话合同和相似可以一起考虑不是的话合同只对对称矩阵有完整理论相似则用特征值。这个流程能帮你避免在选择题里绕晕。6. 实操中那些教材不写但考试常考的细节6.1 配方法里变量替换矩阵的还原技巧配方法最后要写出 $x Cy$这个 $C$ 的还原是很多人的痛点。我的做法是把每一步的替换关系写成 $x C_1 y_1$$y_1 C_2 y_2$…最后 $x C_1C_2\cdots C_k y$乘起来就是 $C$。关键是每一步的替换要写成矩阵形式不要用代数式硬代。比如前面那个例子$y_1 x_1 x_2$$y_2 x_2$反解出 $x_1 y_1 - y_2$$x_2 y_2$所以 $C \begin{pmatrix} 1 -1 \ 0 1 \end{pmatrix}$。验证一下 $C^TAC$ 是否等于对角矩阵对上了就说明没算错。注意配方法得到的 $C$ 不唯一因为配方顺序可以不同。但不管怎么配对角矩阵的对角线元素的正负号个数惯性指数是一样的。所以如果你算出来的惯性指数和用特征值法算的不一致那一定是某一步算错了。6.2 正交变换中特征向量正交化的常见失误正交变换法里如果遇到重根特征值对应的特征向量需要施密特正交化。这里最常见的错误是只对重根的特征向量正交化忘了不同特征值之间的特征向量本来就正交实对称矩阵的性质不需要再处理。另一个坑是单位化。正交矩阵要求每列都是单位向量所以正交化之后必须单位化。我见过有人正交化完就直接拼矩阵结果 $Q^TAQ$ 不是对角矩阵因为 $Q$ 不是正交矩阵。记住正交化 单位化两步都不能少。还有一点特征向量的顺序要和特征值的顺序对应。如果你把 $\lambda_1$ 的特征向量放在第二列那对角矩阵的第二个元素就得是 $\lambda_1$。这个对应关系错了最后的标准形系数就全乱了。6.3 含参数二次型的讨论策略考试里经常出现含参数的二次型问参数取什么值时正定、什么值时不定。这类题的策略是先写出对称矩阵然后算各阶顺序主子式令它们满足相应条件解不等式组。关键是不要一上来就展开所有行列式先观察矩阵的结构。如果矩阵是稀疏的很多零顺序主子式往往有简单的递推关系。如果矩阵是稠密的可以考虑先做行变换简化但注意行变换会改变行列式的值不能直接用于判定正定——判定正定必须用原矩阵的顺序主子式。我踩过的一个坑对矩阵做了行变换之后再用顺序主子式判定结果全错。因为行变换不保持合同关系也不保持正定性判据。正确做法是要么不做变换直接算要么用合同变换行列成对化成对角矩阵后再看对角元素符号。7. 二次型在优化与数据分析中的实际身影7.1 多元函数极值判定中的二次型多元函数 $f(x)$ 在驻点处的 Hessian 矩阵就是一个对称矩阵它对应的二次型就是 $f$ 在该点的二阶近似。Hessian 正定意味着该点是极小值点负定是极大值点不定是鞍点。这就是二次型正定性判定最直接的应用。实际计算时Hessian 矩阵往往是含参数的需要讨论参数范围。这时候顺序主子式法就特别顺手。我处理过一个三变量的优化问题Hessian 是三阶对称矩阵算三个顺序主子式解出参数范围整个过程不到十分钟。如果去求特征值三个特征值带参数解起来会痛苦得多。7.2 协方差矩阵与正定性在数据分析里协方差矩阵必须是半正定的这是它作为方差推广的必然要求。如果算出来的协方差矩阵出现负特征值说明数据或计算有问题。实际中经常遇到的是近似半正定——由于浮点误差最小特征值是个很小的负数。这时候需要做修正比如把负特征值截断为零或者加一个小的对角扰动。判断协方差矩阵是否正定用 Cholesky 分解比算特征值快得多。Cholesky 分解成功的充要条件就是矩阵正定。我在处理高维数据时习惯先跑一遍 Cholesky失败了再去看是哪一阶顺序主子式出了问题这样能快速定位是哪个变量导致了不正定。7.3 二次型在控制理论中的能控性与能观性在控制理论里李雅普诺夫方程 $A^TP PA -Q$ 的解 $P$ 必须是正定的才能保证系统稳定。这里的 $P$ 就是一个对称矩阵判定它正定用的就是二次型的理论。实际工程中$Q$ 通常取单位矩阵解出 $P$ 后检查正定性正定则系统渐近稳定。这个应用场景里矩阵阶数可能很高几十阶手算不现实必须用数值方法。但理解二次型正定性的理论能帮你判断数值结果的可靠性——如果解出来的 $P$ 有负特征值要么是数值误差要么是系统本身不稳定两者需要区分。8. 我整理的一套二次型判定速查流程把上面所有内容串起来我整理了一个实操流程遇到二次型问题按这个顺序走基本不会卡壳第一步写出对称矩阵。交叉项系数除以 2平方项直接放对角线。写完验算一遍。第二步看题目要求。只要标准形或惯性指数用配方法要求正交变换用正交变换法高阶矩阵考虑初等变换法。第三步算惯性指数。配方法直接读正负项个数正交变换法看特征值符号。两个方法结果必须一致。第四步判定类型。正惯性指数等于阶数则正定负惯性指数等于阶数则负定两者都大于零则不定有零项则半定需进一步查主子式。第五步验证。用行列式符号、秩、迹等不变量交叉验证。合同看惯性指数相似看特征值别混。这套流程我在考研复习时反复用后来工作中处理优化问题也一直在用。核心就一句话二次型的本质是分类合同变换是分类的工具惯性指数是分类的标签。把这三者的关系理清楚这一章就不会再觉得乱了。最后分享一个小心得二次型这一章的计算量集中在配方和求特征值上但概念题的分值往往更高。我建议先把合同、相似、惯性指数这些概念的区别和联系彻底搞懂再去做计算题。概念清楚了计算题只是体力活概念不清楚计算对了也不知道自己在算什么。