1 二次型的基本概念
二次型是代数学与线性代数中的基本对象，通常用来描述变量之间的二次关系。它既可以看作二次齐次多项式，也可以从向量空间与双线性形式的角度加以理解。由于其结构清晰、可通过矩阵统一表示，二次型在分类问题、几何分析和优化理论中都占有重要地位。
1.1 二次型的定义
二次型一般指关于若干变量的二次齐次多项式，即各项次数都为 2，且不含常数项和一次项。在实数域上，常见形式为多个变量平方项与交叉项的线性组合。它的基本特征是齐次性，即当变量整体按同一比例缩放时，函数值按比例的平方变化。
1.1.1 二次齐次多项式
二次齐次多项式是二次型最直接的表达方式。以二维情形为例，常写成 \[ ax^2+2bxy+cy^2 \] 其中系数通常取实数。三元或更高维情形下，则包含更多平方项与交叉项。由于所有项的次数一致，这类多项式在代换和缩放下具有较好的代数性质。
1.1.2 与线性代数中的向量表示
在线性代数中，二次型常写成向量与矩阵的乘积形式。设列向量为 \(x\)，则二次型可表示为 \[ Q(x)=x^\mathrm{T}Ax \] 其中 \(A\) 是一个方阵。这样的写法把多项式问题转化为矩阵运算问题，使二次型能够与向量空间结构直接对应，也便于讨论正定性、秩和标准形等性质。
1.2 二次型的矩阵表示
矩阵表示是研究二次型的核心工具。通过把系数安排到矩阵中，可以将复杂的代数表达压缩为简洁的二次矩阵形式，并借助矩阵理论进行分析。
1.2.1 系数矩阵与对称矩阵
对于实二次型，交叉项系数通常可以平均分配到对应的对称位置，从而得到对称矩阵。也就是说，二次型总能用某个对称矩阵表示。对称性不是偶然的，而是因为 \(x^\mathrm{T}Ax\) 中只有矩阵的对称部分真正参与计算，反对称部分不会贡献数值。
1.2.2 矩阵表示的唯一性与约定
在固定变量顺序的前提下，二次型对应的对称矩阵是唯一的。通常约定交叉项 \(x_ix_j\) 的系数平均分配给 \(a_{ij}\) 与 \(a_{ji}\)，即若项为 \(2b_{ij}x_ix_j\)，则矩阵中相应位置取 \(b_{ij}\)。这种约定使得从多项式到矩阵的转换具有统一标准。
1.3 二次型与双线性形式
二次型与双线性形式之间关系紧密，二者可以相互诱导。许多二次型的性质实际上来自其背后的双线性结构。
1.3.1 由双线性形式诱导二次型
若给定一个双线性形式 \(B(x,y)\)，则可定义二次型 \[ Q(x)=B(x,x) \] 当 \(B\) 是对称双线性形式时，这种构造尤其自然。反过来，许多二次型也能恢复出对应的对称双线性形式，从而在形式上建立一一对应。
1.3.2 极化恒等式
极化恒等式提供了由二次型重建双线性形式的方法。对实向量空间中的对称情形，常用公式为 \[ B(x,y)=\frac{1}{2}\bigl(Q(x+y)-Q(x)-Q(y)\bigr) \] 该恒等式说明，二次型并不只是单独的函数值，还包含了变量之间的相互作用信息。
2 二次型的分类与标准化
研究二次型时，常希望通过适当变量替换把它化为更简单的形式。标准化过程不仅便于计算，也能揭示二次型的本质特征。
2.1 配方法
配方法是化简二次型的经典手段，常用于消去交叉项并整理成平方和的形式。
2.1.1 变量消去与平方完成
通过选取合适的线性组合，可以将某些交叉项吸收到平方项中。例如在二元情形中，利用 \[ ax^2+2bxy+cy^2 \] 可把关于 \(x\) 或 \(y\) 的部分整理为完全平方，再配合新变量替换，达到消去交叉项的目的。
2.1.2 由配方得到标准形
经过配方后，二次型通常可化为若干平方项之和，外加少量简单系数。这样的结果往往比原式更易分析，也有助于判断正负性、秩以及几何类型。标准形的获得，是理解二次型结构的重要步骤。
2.2 正交变换与合同变换
二次型在不同坐标系下的表现会改变，但其内在性质在特定变换下保持不变。正交变换与合同变换是两类最重要的变换方式。
2.2.1 正交变换下的不变量
正交变换保持向量长度与夹角，因此在几何上尤为自然。对称矩阵在正交相似变换下可以对角化，二次型也常借此化为无交叉项的形式。与此相关的特征值信息和惯性特征在正交变换下保持不变。
2.2.2 合同关系与等价关系
若两个二次型可通过可逆线性代换互相转换，则称它们合同或等价于某种对应关系下的同类对象。合同变换比单纯的相似变换更适合描述二次型，因为它直接反映变量替换对形式的影响。许多分类结果都建立在合同关系之上。
2.3 二次型的标准形
标准形是二次型分类的核心结果，常见类型包括规范形、对角化形式和符号标准形。
2.3.1 规范形
规范形通常指经过适当线性代换后，仅保留若干平方项，且系数尽可能简化的形式。它突出二次型的基本结构，使非零项的数量与正负分布一目了然。
2.3.2 对角化形式
对角化形式是指二次型写成 \[ \lambda_1 y_1^2+\lambda_2 y_2^2+\cdots+\lambda_n y_n^2 \] 而不再含有交叉项。对角化后，每个变量的作用彼此分离，便于研究其性质。对称矩阵的对角化通常与特征值分解直接相关。
2.3.3 符号标准形
符号标准形进一步将对角项系数归一为 \(1\)、\(-1\) 或 \(0\)。这种形式不仅简洁，而且能够直接反映二次型的正负惯性结构，是分类讨论中最常用的表达之一。
3 二次型的重要不变量
二次型在变量替换下虽可改变具体表达，但某些数值性质保持不变。秩、惯性指数和判别式就是其中最重要的几类不变量。
3.1 秩
秩用于衡量二次型中真正起作用的独立方向数，是判断其简化结构的基础指标。
3.1.1 秩的定义
二次型的秩通常指在某种标准化后，非零平方项的个数。它也可从矩阵角度理解为对应对称矩阵的秩。秩越大，二次型所包含的独立信息通常越多。
3.1.2 秩与矩阵秩的关系
二次型的秩与其系数矩阵的秩一致，前提是矩阵采用标准对称表示。因而，研究二次型的秩可直接转化为研究矩阵秩。这个联系使得线性代数中的秩理论可以直接应用于二次型分析。
3.2 惯性指数
惯性指数描述标准形中正平方项、负平方项与零项的数量，是二次型分类的关键不变量。
3.2.1 正惯性指数
正惯性指数是标准形中系数为正的平方项个数。它反映二次型在若干方向上表现为“向上开口”的特征，常与正定性相关联。
3.2.2 负惯性指数
负惯性指数指标准形中系数为负的平方项个数。它表示二次型中存在向下弯曲的方向，对判断曲面类型和极值性质十分重要。
3.2.3 零惯性指数
零惯性指数是标准形中系数为零的平方项个数。它对应二次型退化的程度，也常与矩阵奇异性、秩不足等现象相联系。
3.3 判别式
判别式常用于粗略判断二次型的基本性质，尤其在低维情形中非常实用。
3.3.1 行列式判别
二次型对应矩阵的行列式若为零，通常意味着二次型退化；若非零，则矩阵可逆，二次型在某些方向上具有完整的二次信息。行列式虽不能单独决定全部分类，但在结构判断中具有重要作用。
3.3.2 主子式与顺序主子式
主子式，尤其是顺序主子式，在判断二次型正定性和相关性质时非常有用。通过考察逐步增加的子矩阵行列式，可以获得比单个行列式更细致的信息。对于对称矩阵，这类判别法具有明确的理论基础。
4 二次型的正定性
正定性是二次型最常见、也最重要的性质之一。它直接关系到极值、距离度量和稳定性分析。
4.1 正定二次型
正定二次型在非零向量处总取正值，因而在几何和优化中具有特殊意义。
4.1.1 定义与几何意义
若对任意非零向量 \(x\)，都有 \(Q(x)>0\)，则称该二次型为正定。几何上，它常对应“始终向上”的曲面形态，类似于椭球型结构。在优化中，正定性意味着局部二次近似具有良好的最小值特征。
4.1.2 正定矩阵的对应关系
二次型正定当且仅当其对应对称矩阵是正定矩阵。于是，判断二次型正定性可以转化为矩阵性质判断。这一对应关系是线性代数中最经典的桥梁之一。
4.2 半正定与负定
除了严格正定外，二次型还可能呈现“非负”或“非正”的退化情形。
4.2.1 半正定二次型
若对任意向量 \(x\)，都有 \(Q(x)\ge 0\)，则称为半正定二次型。此时可能存在非零向量使函数值为零，因此它比正定更弱，但在协方差分析、最小二乘与能量估计中十分常见。
4.2.2 负定与半负定二次型
若对任意非零向量 \(x\)，有 \(Q(x)<0\)，则称为负定；若仅满足 \(Q(x)\le 0\)，则称为半负定。它们分别对应正定和半正定的相反情形，在符号分析上具有对偶关系。
4.3 判定方法
判断二次型的正定性通常有多种途径，不同方法适用于不同场景。
4.3.1 特征值判定
对于实对称矩阵，二次型的正定性等价于全部特征值为正。类似地，半正定要求特征值非负，负定则要求全部特征值为负。特征值法直观且统一，但在手算中有时较为繁琐。
4.3.2 顺序主子式判定法
顺序主子式判定法是正定性检验的常用工具。对于实对称矩阵，若所有顺序主子式都满足相应正号条件，则可判定正定。该方法在中小规模矩阵中尤其实用。
4.3.3 配方法判定法
通过配方法把二次型化为平方和的形式，也可直接观察其符号。若化简后所有非零平方项系数均为正，则二次型正定；若出现负系数，则需进一步分析。此法直观，适合与标准形结合使用。
5 二次型的几何解释
二次型不仅是代数表达式，也对应着几何对象。二次曲线与二次曲面正是二次型在低维空间中的典型表现。
5.1 平面二次曲线
平面上由二次方程表示的曲线通常可归入二次曲线范畴，其类型可通过化简后的二次型加以识别。
5.1.1 椭圆
椭圆对应于某类正定或半正定结构的平面二次曲线。经过坐标变换后，常可写成标准方程，显示出闭合曲线的特征。它的几何形状稳定，中心对称性明显。
5.1.2 双曲线
双曲线对应含有一正一负平方项的二次型结构。其标准方程通常表现为两个分支，几何上具有开口方向明确、渐近线显著等特点。
5.1.3 抛物线
抛物线通常出现在退化的二次型情形中。其标准形式往往含有一个平方项与一次项的组合，反映出曲线在某一方向上的特殊伸展方式。
5.2 空间二次曲面
在三维空间中，二次型决定的曲面种类更为丰富。通过标准化，可以将曲面划分为若干典型类型。
5.2.1 椭球面
椭球面是三维正定型的典型几何对应。其标准方程中各平方项系数同号，截面通常为椭圆，整体呈封闭曲面。
5.2.2 单叶双曲面
单叶双曲面对应一类具有一个负号、两个正号的二次型。它的几何形态连通，且在不同方向的截面中表现出不同曲率特征，常带有“腰身”样式。
5.2.3 双叶双曲面
双叶双曲面通常对应另一类符号分布的二次型。其几何上分为两个不相连的叶片，反映出某一方向上截断后的分离结构。
5.2.4 抛物面
抛物面是三维中常见的二次曲面之一，通常与退化或半退化的二次型相关。它在某些方向上呈抛物线截面，在另一些方向上则保持开放结构。
5.3 坐标变换下的几何不变性
虽然坐标变换会改变方程的外观，但曲线或曲面的本质类型往往保持不变。通过平移、旋转和正交变换，可以把复杂方程化为标准形式。几何对象的分类，本质上依赖于二次型的内在不变量，而非某一固定坐标表示。
6 二次型的计算方法
二次型的实际处理离不开具体计算。矩阵对角化、高斯消元和变量替换是最常见的三类方法。
6.1 矩阵对角化
矩阵对角化把二次型转化为独立平方项的组合，是处理对称二次型的重要途径。
6.1.1 特征值法
对称矩阵可通过求特征值与特征向量进行对角化。对角矩阵中的元素即为特征值，二次型也因此写成若干独立平方项的和。该方法结构清晰，适合理论分析。
6.1.2 正交相似变换
正交相似变换保持对称矩阵的本质结构，并可将其化为对角矩阵。由于正交矩阵的逆等于转置，这类变换在计算中具有较高稳定性，也与几何旋转密切相关。
6.2 高斯消元与化简
高斯消元不仅适用于线性方程组，也可用于二次型的整理和降阶处理。
6.2.1 变量替换
通过引入新变量，可以把原变量的线性组合重写为更简洁的坐标。若选择得当，部分交叉项会被吸收，从而简化整个表达式。这种思路与线性代数中的基变换一致。
6.2.2 消去交叉项
交叉项是二次型复杂性的主要来源之一。通过逐步选取合适替换，可以将二次项间的耦合消除，使最终形式只剩平方项。消去交叉项后，二次型的结构更加透明，便于分类和判断。
6.3 实际计算示例
在具体问题中，二次型化简往往以低维示例最具代表性。
6.3.1 二元二次型化简
对于二元二次型，通常先将一个变量的平方项与交叉项配成完全平方，再对剩余部分进行整理。最终得到的结果常可直接判断其图形类型，如椭圆、双曲线或抛物线。
6.3.2 三元二次型化简
三元二次型的化简通常更具层次性，需要多次变量替换或矩阵对角化。通过逐步消去交叉项，常能将其化为三个平方项之和的标准形，从而判定其秩和惯性指数。
7 二次型的应用
二次型在理论和应用两方面都十分广泛，尤其在矩阵分析、几何分类与极值理论中作用突出。
7.1 线性代数中的应用
二次型是连接向量空间、矩阵和几何度量的重要纽带。
7.1.1 内积空间中的度量
在内积空间中，长度与角度的计算常可借助二次型表达。某些度量形式本质上就来自正定二次型，因此二次型可以视为度量结构的代数载体。
7.1.2 矩阵分类问题
二次型有助于研究矩阵的合同分类。通过将矩阵对应到二次型，可以把矩阵之间的关系转化为标准形与惯性指数的比较，从而实现对称矩阵的归类。
7.2 几何与解析几何中的应用
二次型是二次曲线和二次曲面的统一语言。
7.2.1 二次曲线分类
平面解析几何中，许多曲线可由二次方程描述。通过化简对应二次型，可以判断其属于椭圆、双曲线还是抛物线，并进一步识别是否退化。
7.2.2 二次曲面分类
三维空间中的二次曲面同样可依据二次型的符号结构进行分类。不同的惯性指数组合对应不同的曲面类型，因此二次型是曲面分类的基础工具。
7.3 优化与极值问题
在优化理论中，二次型常作为局部近似或判别工具出现。
7.3.1 无约束极值判断
函数在某点附近的二阶展开中，二次项决定了局部曲率特征。若对应二次型正定，则该点往往是局部极小值；若负定，则可能对应局部极大值。若二次型不定，则通常说明该点不是极值点。
7.3.2 拉格朗日乘子法中的二次近似
在约束优化中，拉格朗日乘子法常结合二阶条件使用。此时，约束下的二次近似可以写成二次型形式，用于判断候选点的稳定性与极值性质。二次型因此成为二阶最优性分析的重要组成部分。
8 二次型的扩展与相关概念
二次型并不局限于低维实数空间，还可推广到更一般的代数与几何结构中。
8.1 多元二次型
多元二次型是二次型在高维空间中的自然推广，变量数目增多后，结构更复杂，但基本原理保持一致。
8.1.1 高维情形下的表示
在高维中，二次型仍可写成矩阵形式 \(x^\mathrm{T}Ax\)。只是矩阵阶数增加，交叉项数量也随之增多。尽管计算复杂度上升，标准化与分类的思路并未改变。
8.1.2 变量个数与秩
变量个数决定了二次型的潜在维度，而秩则反映其中实际参与的独立方向数。即使变量很多，若秩较低，二次型的有效结构仍相对简单。二者结合起来，才能较完整地描述二次型的复杂程度。
8.2 Hermite二次型
在复数情形中，二次型需要考虑共轭与复内积结构，Hermite形式由此出现。
8.2.1 复向量空间中的形式
在复向量空间里，若直接沿用实数中的写法，往往无法保留良好的几何性质。因此通常引入含共轭的形式，使其适配复空间中的长度与正交概念。Hermite二次型在这一背景下具有自然地位。
8.2.2 共轭对称矩阵
Hermite二次型对应共轭对称矩阵，即矩阵满足 \(A^\ast=A\)。这类矩阵在复空间中具有与实对称矩阵类似的重要性质，并可通过适当变换化为实数对角形式，便于分析其正定性和谱结构。
8.3 二次型与二次空间
二次型还可作为更一般几何结构的一部分，用于定义二次空间。
8.3.1 二次空间的定义
二次空间通常指配备了二次型的向量空间。二次型赋予空间一种额外结构，使空间中的向量不只是线性对象，也具有“长度平方”或“曲率表达”的含义。该概念在代数和几何之间搭建了桥梁。
8.3.2 线性变换下的保持性质
研究二次空间时，常关心线性变换是否保持二次型的某些性质。若某变换保持二次型不变，则它属于相应的保形或保度量变换。此类变换在分类和对称性研究中具有重要作用。