深入理解线代惯性定理：从二次型到规范形
在线性代数的学习与考研复习中，惯性定理（Sylvester's Law of Inertia）是二次型理论的核心基石。它揭示了实二次型在合同变换下的不变量性质，是判断矩阵合同、正定性以及求解规范形的关键工具。许多同学在处理复杂的二次型标准化问题时，往往陷入繁琐的计算而忽略了定理背后的几何意义与代数本质。
惯性定理的定义与内涵
1.1 二次型的标准形与规范形
任何实二次型 都可以通过非退化的线性变换 化为只含有平方项的形式，称为标准形：
f = d₁y₁² + d₂y₂² + ... + dₙyₙ²
进一步，若规定系数 只能取 ，则得到的形式称为规范形。惯性定理保证了规范形的唯一性。
1.2 正负惯性指数的唯一性
西尔维斯特惯性定理指出：
- 实二次型的规范形是唯一的。
- 规范形中正系数的个数 称为正惯性指数。
- 规范形中负系数的个数 称为负惯性指数。
- 秩 。
这意味着，虽然不同的变换方法（如配方法、正交变换法）可能得到不同的标准形（系数 不同），但其中正系数的个数和负系数的个数是固定不变的。
配方法 (Lagrange)
适用于任意实对称矩阵，计算量相对较小，无需特征值。重点在于“配方”技巧，适合手算。
优点： 通用性强，步骤固定。
缺点： 变换矩阵可能复杂，不保持向量长度。
正交变换法
通过求特征值 ，标准形系数即为特征值。几何意义明确，保持向量夹角和长度。
优点： 变换矩阵为正交矩阵，性质优良。
缺点： 求特征值计算量大，可能涉及无理数。
计算惯性指数的实战技巧
在实际解题中，快速确定正负惯性指数是高分关键。以下是几种常用方法的对比与适用场景。
配方法步骤详解
配方法是处理惯性定理问题最直观的方法。其核心思想是逐步消除交叉项。
示例：f = 2x₁² + 2x₂² - 2x₁x₂
1. 集中含x₁项：2(x₁² - x₁x₂) + 2x₂²
2. 配方：2(x₁ - 0.5x₂)² - 0.5x₂² + 2x₂²
3. 整理：2y₁² + 1.5y₂²
4. 结论：正惯性指数 p=2, 负惯性指数 q=0
注意： 若二次型中不含平方项（如 ），需先作变换 引入平方项后再配方。
特征值法（谱定理）
利用实对称矩阵必可正交对角化的性质。
- 写出二次型的矩阵 。
- 计算特征多项式 。
- 求出所有特征值 。
- 统计正特征值个数即为 ，负特征值个数即为 。
优势： 无需进行复杂的代数变形，只需解方程。特别适合矩阵阶数较低或特征值易求的情况。
初等变换法（合同变换）
对矩阵 进行合同变换 ，其中 为对角阵。
具体操作：构造分块矩阵 ，仅对 进行行变换，同时对 进行相同的列变换（或反之，保持合同性），最终将 化为对角阵。对角线上的非零元素符号即为惯性指数的依据。
惯性定理的核心应用场景
3.1 判断矩阵的合同关系
两个实对称矩阵 和 合同的充要条件是它们的正惯性指数和负惯性指数分别相等。即：
这比直接验证是否存在可逆矩阵 使得 要简单得多。
3.2 判定二次型的正定性
根据惯性定理，一个实二次型是正定的，当且仅当其正惯性指数等于变量的个数 （即负惯性指数为0，且秩为n）。这也是判断正定矩阵的重要判据之一。
3.3 求解参数范围
在含参二次型问题中，若题目要求“正定”或“负定”，通常转化为要求所有特征值大于0，或正/负惯性指数达到极值。结合行列式符号或主子式符号，可反推参数范围。
经典例题解析
例题 1：利用配方法求规范形
题目： 将二次型 化为规范形，并写出正负惯性指数。
解析：
1. 集中 项：
f = 2[x₁² + 2x₁x₂ - 2x₁x₃] + 3x₂² + 3x₃² - 4x₂x₃
= 2[x₁ + (x₂ - x₃)]² - 2(x₂ - x₃)² + 3x₂² + 3x₃² - 4x₂x₃
2. 展开剩余部分：
-2(x₂² - 2x₂x₃ + x₃²) + 3x₂² + 3x₃² - 4x₂x₃
= -2x₂² + 4x₂x₃ - 2x₃² + 3x₂² + 3x₃² - 4x₂x₃
= x₂² + x₃²
3. 综合：
f = 2y₁² + y₂² + y₃²
结论： 规范形为 。正惯性指数 ，负惯性指数 。该二次型为正定二次型。
例题 2：利用特征值判断正定性
题目： 设矩阵 ，判断其正定性。
解析：
计算特征多项式 ：
|λ-2 1 0 |
| 1 λ-2 1 | = 0
| 0 1 λ-2 |
展开可得特征值为 。
由于 ，故 。
所有特征值均大于0，根据惯性定理推论，矩阵 正定。
网友们还关心：与惯性定理紧密相关的周边知识
在深入学习线代惯性定理的过程中，以下概念往往相伴出现，掌握它们能帮助你构建更完整的知识体系。
雅可比准则（Jacobi's Method）
如果实对称矩阵 的所有顺序主子式 ，则二次型可以通过配方法化为标准形，且标准形中各项系数 的符号与比值 的符号一致。这提供了一种快速判断惯性指数的方法，无需完整配方。
矩阵的合同对角化
惯性定理是合同对角化理论的顶峰。理解合同变换 与相似变换 的区别至关重要。合同变换保持对称性和惯性指数，而相似变换保持特征值和迹。两者在正定性判断上殊途同归。
二次型与几何曲面
三元二次型 代表二次曲面。正负惯性指数决定了曲面的类型：
- : 椭球面
- : 单叶双曲面
- : 双叶双曲面
- 含0: 柱面或锥面
常见问答 (FAQ)
Q1: 正交变换法和配方法得到的标准形一样吗？
A: 通常不一样。正交变换法得到的标准形系数是矩阵的特征值，而配方法得到的系数取决于配方过程。但是，它们的正惯性指数和负惯性指数必然相同，这是惯性定理的直接结论。
Q2: 惯性定理适用于复数域吗？
A: 惯性定理主要针对实二次型。在复数域中，任何非退化二次型都可以化为 的形式，此时只区分秩，不区分正负惯性指数（因为 ，负号可以被吸收到变量中）。
Q3: 如何快速判断一个矩阵是否合同于单位矩阵？
A: 如果矩阵 合同于单位矩阵 ，则说明存在 使得 。这意味着 的正惯性指数为 （满秩且全正），即 是正定矩阵。
线代惯性定理不仅是线性代数中的一个重要定理，更是连接代数计算与几何性质的桥梁。掌握正负惯性指数的计算方法，灵活运用配方法与特征值法，将极大地提升解决二次型相关问题的效率与准确性。希望本文的梳理能帮助你攻克这一学习难点。