{
  "id": "quadratic-form",
  "title": "二次型",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "二次型是二次齐次多项式，其分类与应用联系着线性代数、几何、数论、统计学和物理学。",
  "category": "mathematics",
  "subcategory": "algebra",
  "type": "concept",
  "aliases": [],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/quadratic-form/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/quadratic-form/",
      "json": "https://aiwiki.page/en/quadratic-form.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "二次型是多个变量的二次齐次多项式。在实数范围内，它可以写成\n\n\\[q(x_1,\\ldots,x_n)=\\sum_{i,j=1}^{n}a_{ij}x_ix_j =\\mathbf{x}^{T}A\\mathbf{x},\\]\n\n其中，\\(A\\) 是对称矩阵，\\(\\mathbf{x}\\) 是列向量。常见的例子包括 \\(x^2+y^2\\)，它表示到原点的距离的平方；以及 \\(x^2-y^2\\)，它既可以取正值，也可以取负值。更一般地，二次型定义在域上的向量空间中，其定义方式即使在无法进行除以二的运算时也仍然适用。\n\n二次型为长度的平方、圆锥曲线、二阶近似、能量以及算术表示问题提供了统一的语言。二次型的分类从根本上取决于允许采用的变量变换，以及系数所属的数系。在实数范围内，决定分类的关键信息是对角表达式中正平方项、负平方项和零系数平方项的个数。在整数或有理数范围内，整除性和局部算术则带来了细致得多的区别。"
    },
    {
      "heading": "代数定义与矩阵表示",
      "text": "设 \\(V\\) 是 域 \\(F\\) 上的有限维向量空间。二次型是映射 \\(q:V\\to F\\)，它对每个 \\(a\\in F\\) 都满足 \\(q(av)=a^2q(v)\\)，并且使\n\n\\[b_q(u,v)=q(u+v)-q(u)-q(v)\\]\n\n成为双线性形式。这意味着 \\(b_q\\) 对每个自变量分别都是线性的。二元组 \\((V,q)\\) 称为二次空间。当 \\(F\\) 的特征不为二时，采用归一化的伴随形式往往更为方便：\n\n\\[B(u,v)=\\frac12 b_q(u,v).\\]\n\n此时 \\(B\\) 是对称的，且 \\(q(v)=B(v,v)\\)。因此，在这种情形下，二次型与对称双线性形式可以相互唯一确定。\n\n选定一组基后，便可将 \\(V\\) 与 \\(F^n\\) 等同，并将二次型写成 \\(q(\\mathbf{x})=\\mathbf{x}^{T}A\\mathbf{x}\\)，其中 \\(A\\) 为对称矩阵。\\(x_i^2\\) 的系数为 \\(a_{ii}\\)，而当 \\(i\\ne j\\) 时，\\(x_ix_j\\) 的系数为 \\(2a_{ij}\\)。例如，\n\n\\[q(x,y)=3x^2+4xy+2y^2\\]\n\n对应的矩阵为\n\n\\[A=\\begin{pmatrix}3&2\\\\2&2\\end{pmatrix}.\\]\n\n在特征不为二的域上，任意矩阵 \\(M\\) 与其对称部分 \\((M+M^T)/2\\) 定义相同的二次多项式，因为反对称部分的贡献为零。\n\n可逆线性变量替换 \\(\\mathbf{x}=P\\mathbf{y}\\) 使矩阵按下式变换：\n\n\\[A\\longmapsto P^TAP.\\]\n\n这种关系称为合同。它不同于矩阵相似，后者的变换形式为 \\(A\\mapsto P^{-1}AP\\)。相似描述同一个线性算子在不同基下的表示；合同则描述同一个二次型在不同基下的表示。合同变换保持矩阵的秩，但未必保持其特征值。例如，在实数域上，一元二次型 \\(x^2\\) 与 \\(4y^2\\) 可通过 \\(x=2y\\) 相互转换，因而是等价的。\n\n伴随双线性形式的根空间由所有满足如下条件的向量 \\(v\\) 组成：对每个 \\(w\\in V\\)，都有 \\(B(v,w)=0\\)。在坐标表示下，它就是 \\(A\\) 的零空间。若这一根空间为零空间 \\(\\{0\\}\\)，则称该形式非退化；等价地，\\(\\det A\\ne0\\)。在特征不为二的域上，每个二次型都可以通过合同变换对角化：\n\n\\[q=a_1y_1^2+\\cdots+a_ry_r^2, \\qquad a_i\\ne0.\\]\n\n配方法给出了这一结论的构造性证明，不过，如果最初所有对角元都为零，可能需要先作一次基变换。此后哪些非零系数能够通过缩放变量化为一，取决于 \\(F\\) 中哪些元素是平方元。"
    },
    {
      "heading": "实数域与复数域上的分类",
      "text": "对于实二次型，谱定理保证存在一个正交矩阵 \\(Q\\)，使得\n\n\\[Q^TAQ=\\operatorname{diag}(\\lambda_1,\\ldots,\\lambda_n).\\]\n\n其中，\\(\\lambda_i\\) 是 \\(A\\) 的实特征值。因此，正交变量替换可以消去交叉项，同时保持通常的欧几里得长度不变。对每个非零特征值所对应的坐标进行缩放，可得\n\n\\[q=y_1^2+\\cdots+y_p^2 -y_{p+1}^2-\\cdots-y_{p+r}^2,\\]\n\n其中有 \\(z=n-p-r\\) 个坐标未出现在表达式中。\n\n西尔维斯特惯性定律确立于十九世纪，以詹姆斯·约瑟夫·西尔维斯特命名。该定律指出，数值 \\(p,r,z\\) 不随所采用的可逆实坐标变换而改变。它们分别称为正惯性指数、负惯性指数和零度。这一三元组称为惯性；“符号差”的含义则依约定而异，可以指二元组 \\((p,r)\\)，也可以指差值 \\(p-r\\)。两个维数相同的实二次型合同，当且仅当它们的惯性相同。\n\n若对每个非零的 \\(x\\) 都有 \\(q(x)>0\\)，则称该二次型为正定二次型；若恒有 \\(q(x)\\ge0\\)，则称为半正定二次型；若既取正值又取负值，则称为不定二次型。将上述不等号反向，就得到负定二次型和半负定二次型的定义。正定性等价于所有特征值均为正，也等价于其表示矩阵是正定矩阵。西尔维斯特判据给出了另一种检验方法：所有顺序主子式都必须为正。而半正定性要求所有主子式均非负；只检查顺序主子式是不够的。\n\n例如，\n\n\\[q(x,y)=3x^2+4xy+2y^2 =3\\left(x+\\frac23y\\right)^2+\\frac23y^2\\]\n\n是正定二次型。它的顺序主子式为 \\(3\\) 和 \\(2\\)。相比之下，\\(x^2-y^2\\) 的惯性为 \\((1,1,0)\\)，虽然它非退化，却在两条直线 \\(x=\\pm y\\) 上都取零值。因此，非退化并不意味着只有零向量的取值为零。\n\n在复数域上，每个非零标量都有平方根。因此，每个秩为 \\(r\\) 的对称二次型都合同于 \\(z_1^2+\\cdots+z_r^2\\)；仅凭秩就能对这类二次型进行分类。这里没有相应的正负之分。此外，还必须区分复二次型与埃尔米特型 \\(z^*Hz\\)：后者使用复共轭，可以定义正的长度。事实上，\\(z_1^2+z_2^2\\) 在非零向量 \\((1,i)\\) 处取零值，而正定的埃尔米特表达式 \\(|z_1|^2+|z_2|^2\\) 则不会。"
    },
    {
      "heading": "几何解释与变换群",
      "text": "正定实二次型通过极化定义一个内积，并通过下式定义一个范数：\n\n\\[\\|x\\|_q=\\sqrt{q(x)}.\\]\n\n它的单位等值集 \\(q(x)=1\\) 是一个椭球面。在由标准正交特征向量构成的坐标系中，其主半轴的长度为 \\(1/\\sqrt{\\lambda_i}\\)。因此，特征向量描述各轴的方向，而特征值描述各轴的相对尺度。例如，二次型 \\(4x^2+y^2\\) 对应一个半轴长分别为 \\(1/2\\) 和 \\(1\\) 的椭圆。\n\n不定二次型会产生不同的等值集。方程 \\(x^2-y^2=1\\) 定义一条双曲线，而 \\(x^2+y^2-z^2=0\\) 定义一个双锥面。更一般地，由二次方程确定的代数轨迹称为二次曲面。仿射二次方程具有如下形式：\n\n\\[x^TAx+2b^Tx+c=0.\\]\n\n若 \\(A\\) 可逆，作平移变换 \\(x=y-A^{-1}b\\) 即可消去一次项，得到\n\n\\[y^TAy+c-b^TA^{-1}b=0.\\]\n\n此时，它的几何性质由 \\(A\\) 的惯性及剩余的常数项决定。若 \\(A\\) 奇异，则某些一次项可能无法通过任何平移消去，从而产生抛物型而非中心型的二次曲面。\n\n在射影几何中，二次型在齐次坐标下定义轨迹 \\(q(x)=0\\)。将 \\(q\\) 乘以非零标量不会改变这一轨迹，因此射影分类与二次型本身的分类并不相同。当底域的特征不为二时，非退化二次型定义一个非奇异射影二次曲面。正定实二次型没有实射影零点，但其复化后可能有许多零点。\n\n满足 \\(q(v)=0\\) 的向量称为迷向向量；若一个二次型存在这样的非零向量，就称其为迷向二次型，否则称为非迷向二次型。正定实二次型是非迷向的，但在一般域上，非迷向性并不等同于正定性。有理二次型 \\(x^2-2y^2\\) 在有理数域上是非迷向的，因为 \\(\\sqrt2\\) 是无理数；但它在实数域上是迷向的。\n\n保持 \\(q\\) 不变的可逆变换构成它的正交群：\n\n\\[O(q)=\\{P:P^TAP=A\\}.\\]\n\n对于通常的平方和二次型，这个群就是 \\(O(n)\\)；对于惯性为 \\((p,r,0)\\) 的非退化实二次型，则记作 \\(O(p,r)\\)。这些群保持的是二次型所确定的几何结构，而不一定保持欧氏距离。反射是其中的基本例子：当 \\(B(v,v)\\ne0\\) 时，\n\n\\[s_v(x)=x-2\\frac{B(x,v)}{B(v,v)}v\\]\n\n保持 \\(q\\) 不变。在特征不为二的域上，非退化有限维二次空间的每个等距变换都可表示为这类反射的乘积。"
    },
    {
      "heading": "优化、曲率与数值计算",
      "text": "二次型描述可微函数的局部曲率。对于二阶连续可微的实值函数 \\(f\\)，在 \\(x\\) 处的二阶泰勒级数展开为\n\n\\[f(x+h)=f(x)+\\nabla f(x)^Th +\\frac12h^TH(x)h+o(\\|h\\|^2),\\]\n\n其中 \\(H(x)\\) 是海森矩阵。在驻点处，海森矩阵正定意味着该点是严格局部极小值点，负定意味着该点是严格局部极大值点，不定则意味着该点是鞍点。海森矩阵半定时则无法据此判定：\\(x^4+y^4\\) 和 \\(x^4-y^4\\) 在原点处的海森矩阵均为零矩阵，但局部性质不同。\n\n二次目标函数通常写成\n\n\\[f(x)=\\frac12x^TAx-b^Tx+c,\\]\n\n其中 \\(A\\) 为对称矩阵。它的梯度为 \\(Ax-b\\)，海森矩阵为 \\(A\\)。若 \\(A\\) 正定，则唯一的极小值点满足 \\(Ax=b\\)。若 \\(A\\) 半正定，则极小值存在的充要条件是 \\(b\\) 属于 \\(A\\) 的像空间；此时，极小值点集是其零空间的一个仿射平移。若 \\(A\\) 有负特征值，则无约束目标函数沿相应方向无下界。\n\n二次规划在此基础上加入约束，通常是线性等式和不等式。当 \\(A\\) 半正定时，问题是凸优化问题；而不定二次规划可能有多个局部极小值，通常也难解得多。在等式约束优化中，曲率只需在可行方向上为正。对于约束 \\(Cx=d\\)，这些方向满足 \\(Ch=0\\)，因此，将二次型限制在 \\(\\ker C\\) 上得到的约化二次型决定了驻点是否为约束极小值点。\n\n瑞利商\n\n\\[R_A(x)=\\frac{x^TAx}{x^Tx},\\qquad x\\ne0,\\]\n\n将优化与谱理论直接联系起来。对于实对称矩阵，瑞利商的最小值和最大值分别是该矩阵的最小特征值和最大特征值。将瑞利商限制在子空间上，可以得到中间特征值的极小极大刻画。这些原理是振动分析和许多数值特征值算法的基础。\n\n计算时通常避免显式求出 \\(A\\) 的逆矩阵。正定二次型允许进行 Cholesky分解 \\(A=LL^T\\)，从而得到 \\(q(x)=\\|L^Tx\\|^2\\)。对称不定矩阵通常采用带主元选取的 \\(LDL^T\\) 分解处理，其中对角块的大小为 \\(1\\times1\\) 或 \\(2\\times2\\)。根据这些对角块的惯性指数，可以求得原二次型的惯性指数。接近零的特征值会使定性判别对舍入误差十分敏感，因此，数值分类需要采用与矩阵尺度和条件性相适应的容差，而不能仅与零作精确比较。"
    },
    {
      "heading": "概率、统计推断与数据几何",
      "text": "将多个相关变量的离差平方综合起来时，二次型便自然出现。若随机向量 \\(X\\) 的均值为 \\(\\mu\\)，协方差矩阵为 \\(\\Sigma\\)，则对于给定的对称矩阵 \\(A\\)，有\n\n\\[\\mathbb E[X^TAX] =\\operatorname{tr}(A\\Sigma)+\\mu^TA\\mu.\\]\n\n这一恒等式要求二阶矩有限，但不要求服从正态分布。将 \\(X=\\mu+(X-\\mu)\\) 代入并展开，再利用中心化向量的期望为零这一事实，即可得到此式。迹项衡量随机波动的贡献，第二项则衡量均值偏离原点的贡献。\n\n当 \\(\\Sigma\\) 非奇异时，\n\n\\[d_M(x,\\mu)^2=(x-\\mu)^T\\Sigma^{-1}(x-\\mu)\\]\n\n是马哈拉诺比斯距离的平方。与普通欧氏距离不同，它考虑了各变量方差的差异以及变量间的相关性。若 \\(\\Sigma=Q\\Lambda Q^T\\)，将 \\(x-\\mu\\) 变换为 \\(\\Lambda^{-1/2}Q^T(x-\\mu)\\)，就能把这一表达式化为普通的平方和。这一操作称为白化。多元正态分布的概率密度与 \\(\\exp(-d_M^2/2)\\) 成正比，因此其等密度面是由协方差结构决定的椭球面。\n\n若 \\(Z\\) 的各分量是相互独立的标准正态随机变量，且 \\(A=Q\\Lambda Q^T\\)，则由正交不变性可得\n\n\\[Z^TAZ\\ \\overset{d}{=}\\ \\sum_i\\lambda_iU_i^2,\\]\n\n其中 \\(U_i\\) 是相互独立的标准正态随机变量。对于秩为 \\(r\\) 的对称幂等矩阵 \\(A\\)，非零特征值均为一，因此所得二次型服从自由度为 \\(r\\) 的卡方分布。一般的半正定二次型给出的是独立卡方随机变量的加权和，通常并不服从单一卡方分布。不定二次型则既可取正值，也可取负值。\n\n对于高斯随机向量 \\(X\\)，方差有如下显式表达式：\n\n\\[\\operatorname{Var}(X^TAX) =2\\operatorname{tr}(A\\Sigma A\\Sigma) +4\\mu^TA\\Sigma A\\mu.\\]\n\n非高斯向量的高阶矩未必满足这一公式。在零均值标准正态情形下，两个对称二次型 \\(Z^TAZ\\) 和 \\(Z^TBZ\\) 相互独立，当且仅当 \\(AB=0\\)。这一结果将概率意义上的独立性与二次型所作用的子空间之间的正交性联系起来。\n\n在普通最小二乘法中，残差平方和是二次型 \\(Y^T(I-H)Y\\)，其中 \\(H\\) 是投影到设计矩阵列空间上的正交投影矩阵。在误差方差为 \\(\\sigma^2\\)、设计矩阵秩为 \\(p\\) 的高斯线性模型下，残差平方和与 \\(\\sigma^2\\) 的比值服从自由度为 \\(n-p\\) 的卡方分布。这类二次型的正交分解也为经典方差分析提供了精确的分布理论基础。"
    },
    {
      "heading": "整系数二次型、表示问题与历史发展",
      "text": "二次型的算术理论研究哪些整数能由整系数二次型表示，以及如何对这类二次型进行分类。如果 \\(q(x)=m\\) 有整数解，就称二次型 \\(q\\) 表示整数 \\(m\\)。等价通常指通过可逆的整系数变量替换相互转化；这种替换由 \\(GL_n(\\mathbb Z)\\) 中的矩阵表示，其行列式为 \\(1\\) 或 \\(-1\\)。这比实数域或有理数域上的等价严格得多：通过实数缩放来简化系数，未必能保持整数点。\n\n二元二次型的形式为\n\n\\[ax^2+bxy+cy^2, \\qquad a,b,c\\in\\mathbb Z,\\]\n\n其判别式为 \\(D=b^2-4ac\\)。整系数变量替换不改变判别式。当 \\(\\gcd(a,b,c)=1\\) 时，称该二次型为本原二次型。正常等价要求变量替换的行列式为 \\(1\\)，这一区别在复合理论中十分重要。如果 \\(D<0\\) 且 \\(a>0\\)，该二次型就是正定的；如果 \\(D\\) 为正且不是完全平方数，则该二次型是不定的。\n\n对于正定二元二次型，约化理论选取满足如下不等式的代表元：\n\n\\[|b|\\le a\\le c,\\]\n\n并对边界情形作出约定。由于 \\(4ac-b^2=|D|\\)，这些不等式蕴含 \\(3a^2\\le |D|\\)，因此，对于固定的负判别式，约化二次型只有有限种可能。不定二次型的约化具有不同的结构，其中的循环与周期连分数和佩尔型方程相关。约化使等价问题和表示问题能够通过计算求解，但并不意味着算术分类可以归结为实数域上的对角化。\n\n关于平方和的研究远早于二次型的一般理论。费马两平方定理指出，一个奇素数能够表示为两个整数的平方和，当且仅当它模 \\(4\\) 同余于 \\(1\\)。约瑟夫-路易·拉格朗日于1770年证明，每个非负整数都能表示为四个整数的平方和。阿德里安-马里·勒让德的三平方定理指出，不能表示为三个整数的平方和的非负整数，恰好是形如 \\(4^a(8b+7)\\) 的数。这些结果研究的是特定的二次型，却体现了多项式恒等式与同余障碍之间的相互作用。\n\n卡尔·弗里德里希·高斯在1801年的《算术研究》中对二元二次型作了系统论述。他提出的复合律使具有固定判别式的本原二次型的正常等价类构成一个阿贝尔群。这一构造后来与二次数域中的理想类建立了密切联系。在更高维的情形中，1993年的康威—施内贝格十五定理和2005年的巴尔加瓦—汉克290定理，为判定正定二次型能否表示所有正整数提供了有限检验准则。两者界限的差异反映了对整性要求的不同约定：取整数值的二次多项式，其对称表示矩阵的元素未必都是整数。"
    },
    {
      "heading": "有理二次型与局部–整体原理",
      "text": "在有理数域上，二次型可以对角化，但一般不能将所有非零系数都化为 \\(1\\) 或 \\(-1\\)。通过变量的缩放，对角项系数只能乘以一个有理数的平方。因此，对于非退化二次型，行列式给出了取值于\n\n\\[\\mathbb Q^\\times/(\\mathbb Q^\\times)^2.\\]\n\n的不变量。行列式的这一平方类与实符号差都很重要，但仅凭两者还不足以对有理二次型进行分类。\n\n要组织其余的分类信息，需要考察实数域以及p进数域 \\(\\mathbb Q_p\\)，其中每个素数 \\(p\\) 对应一个域。这些域分别是 \\(\\mathbb Q\\) 关于阿基米德绝对值和各素数进绝对值的完备化。在 \\(\\mathbb Q_p\\) 上，二次型由维数、行列式平方类和哈塞不变量分类。对于对角型 \\(\\langle a_1,\\ldots,a_n\\rangle\\)，哈塞不变量由各对系数的希尔伯特符号 \\((a_i,a_j)_p\\) 构造而成；这些符号编码了局部范数条件与可解性条件。\n\n由赫尔曼·闵可夫斯基和赫尔穆特·哈塞的工作确立的哈塞–闵可夫斯基定理指出，有理二次型存在非零有理零点，当且仅当它在实数域和每个 \\(\\mathbb Q_p\\) 上都存在非零零点。等价地，两个非退化有理二次型等距，当且仅当它们在所有这些完备化上都等距。这是一个格外有力的局部–整体原理：\\(\\mathbb Q\\) 上的整体问题由一组局部问题决定。\n\n例如，考虑方程\n\n\\[x^2+y^2=3z^2.\\]\n\n若存在非零有理解，就可以消去分母，再除以公因子，得到一个本原整数解。由于模 \\(3\\) 的平方剩余只有 \\(0\\) 和 \\(1\\)，将方程模 \\(3\\) 化简可知，\\(x\\) 和 \\(y\\) 都必须被 \\(3\\) 整除。由原方程进而可知，\\(z\\) 也必须被 \\(3\\) 整除，这与解的本原性矛盾。相应的障碍在 \\(\\mathbb Q_3\\) 上也能看出；仅在实数域上可解并不足够。\n\n整数表示问题则更为微妙。如果一个非退化整二次型在实数域和每个 \\(p\\) 进整数环上都表示 \\(m\\)，就称它局部表示 \\(m\\)。这些条件是必要的，但未必足以保证某个指定的整二次型表示 \\(m\\)。不同的整等价类可能属于同一个亏格，这意味着它们在每个这样的局部环上以及实数域上都变得等价。因此，有理等价、整等价以及是否属于同一亏格，是不同的分类问题。有理二次型的局部–整体定理并不能消除这些整数层面的区别。"
    },
    {
      "heading": "特征为二的情形、维特分解与相关代数",
      "text": "特征为二的情形需要单独表述，因为此时 \\(2=0\\)，极化时无法除以二。极化形式仍为\n\n\\[b_q(u,v)=q(u+v)-q(u)-q(v),\\]\n\n但此时对每个 \\(v\\) 都有 \\(b_q(v,v)=0\\)，即它是交替的。它不再能确定 \\(q\\)。例如，在 \\(\\mathbb F_2\\) 上，二次型\n\n\\[q_1(x,y)=xy,\\qquad q_2(x,y)=x^2+xy+y^2\\]\n\n具有相同的极化形式。然而，\\(q_1\\) 存在非零迷向向量，而 \\(q_2\\) 在每个非零向量处的取值都是 \\(1\\)。\n\n在特征为二时，由对称矩阵给出的表达式 \\(x^TAx\\) 不含混合项，因为两个非对角元的贡献相互抵消。一般的二次齐次多项式可以改用上三角系数矩阵表示，但这并不能恢复特征不为二时二次型与对称双线性形式之间的对应关系。此外，非退化交替双线性形式的维数必为偶数。因此，在特征为二时，使用有关二次型正则性和非奇异性的术语需要谨慎，尤其是在奇数维的情形下。\n\n在特征不为二的域上，非退化的迷向二次型包含一个双曲平面，可用 \\(xy\\) 表示，也可等价地用 \\(x^2-y^2\\) 的非零标量倍数表示。反复分离出这样的平面，就得到维特分解\n\n\\[q\\cong H^{\\perp w}\\perp q_{\\mathrm{an}},\\]\n\n其中 \\(q_{\\mathrm{an}}\\) 是非迷向的。整数 \\(w\\) 称为维特指数，等于全迷向子空间的最大维数。非迷向部分在等距意义下唯一。恩斯特·维特在其1937年关于二次型的研究中建立了这一结构理论。\n\n维特群记录的是舍去双曲直和项之后的二次型。正交直和给出加法，而将 \\(q\\) 换为 \\(-q\\) 则给出其加法逆元。张量积进一步将这一结构扩展为维特环。在实数域上，正惯性指数与负惯性指数之差给出了维特群与 \\(\\mathbb Z\\) 的同构。在其他域上，维特群保留了仅凭秩无法揭示的算术信息。\n\n另一种构造为 \\(q\\) 赋予一个克利福德代数。它由 \\(V\\) 中的向量生成，并满足关系\n\n\\[v^2=q(v)1.\\]\n\n在特征不为二时，采用归一化极化形式，由此可得\n\n\\[uv+vu=2B(u,v)1.\\]\n\n克利福德代数刻画了反射，并引出与特殊正交群密切相关的旋量群。它们将二次型理论与表示论、几何以及用于描述旋量的代数结构联系起来。"
    },
    {
      "heading": "能量、微分几何与无限维二次型",
      "text": "在经典力学中，动能是速度的正定二次型。对于质量固定的粒子，\n\n\\[T=\\frac12\\sum_i m_i\\|\\dot r_i\\|^2.\\]\n\n在广义坐标下，它变为\n\n\\[T=\\frac12\\dot q^TM(q)\\dot q,\\]\n\n其中，质量矩阵 \\(M(q)\\) 依赖于系统的构型；当坐标描述的是彼此独立的物理自由度时，该矩阵为正定矩阵。在稳定平衡位置附近，势能可用以刚度矩阵 \\(K\\) 表示的二次型来近似。此时，简正模频率满足广义特征值方程\n\n\\[Ku=\\omega^2Mu.\\]\n\n在微分几何中，黎曼度量为每个切空间赋予一个随位置光滑变化的正定二次型。其坐标表达式\n\n\\[ds^2=g_{ij}\\,dx^i\\,dx^j\\]\n\n给出了无穷小长度的平方，而矩阵 \\((g_{ij})\\) 在坐标变换下按合同变换规律变化。不定的非退化度量给出伪黎曼几何。在时空模型中，洛伦兹度量的一个符号与其余三个不同；它的零值集合确定的是零方向，而非单位球面。二次型取正值、负值和零值的区别，由此获得了与度量符号差相关的几何解释。\n\n二次型也决定了许多二阶偏微分方程的主部类型。对于主部为\n\n\\[L u=\\sum_{i,j}a_{ij}(x)\\partial_i\\partial_j u,\\]\n\n的算子，其主符号是二次型\n\n\\[\\sigma_L(x,\\xi)=\\sum_{i,j}a_{ij}(x)\\xi_i\\xi_j,\\]\n\n整体上可能因约定而相差一个符号。正定性或负定性对应于椭圆性。洛伦兹型的符号差是波动型双曲方程的基本模式。热方程则需要采用抛物型分类，将时间导数与空间二阶导数区别对待，而不能简单地给整个算子赋予一个非退化的符号差。\n\n在无限维分析中，二次型不一定定义在整个希尔伯特空间上。能量\n\n\\[q[u]=\\int_\\Omega |\\nabla u(x)|^2\\,dx\\]\n\n自然地定义在适当的索博列夫空间上，边界条件则体现在其定义域中。一个稠密定义、闭且半有界的对称型，确定了唯一一个与之关联的自伴算子。因此，即便难以直接指定算子的定义域，也能严格构造拉普拉斯算子和薛定谔算子。\n\n狄利克雷型是具有额外收缩性质的闭非负对称型。这类形式将能量最小化与马尔可夫半群及扩散过程联系起来。在加权无向图上，有一个有限维的类似形式：\n\n\\[x^TLx=\\sum_{\\{i,j\\}\\in E}w_{ij}(x_i-x_j)^2.\\]\n\n这里，\\(L\\) 是图拉普拉斯矩阵，每条边只计数一次。该二次型非负，其零空间由在每个连通分量上取常值的向量组成，从而将代数上的退化性与图的连通性直接联系起来。"
    }
  ],
  "links": [
    "polynomial",
    "real-number",
    "matrix",
    "field-mathematics",
    "vector-space",
    "basis-linear-algebra",
    "matrix-similarity",
    "null-space",
    "spectral-theorem",
    "eigenvalues-and-eigenvectors",
    "positive-definite-matrix",
    "complex-number",
    "inner-product",
    "norm-mathematics",
    "projective-geometry",
    "orthogonal-group",
    "taylor-series",
    "hessian-matrix",
    "gradient",
    "quadratic-programming",
    "cholesky-decomposition",
    "covariance-matrix",
    "mahalanobis-distance",
    "multivariate-normal-distribution",
    "chi-squared-distribution",
    "ordinary-least-squares",
    "discriminant",
    "carl-friedrich-gauss",
    "rational-number",
    "clifford-algebra",
    "classical-mechanics",
    "differential-geometry",
    "partial-differential-equation",
    "hilbert-space"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}