线性代数中的核心基石：从合同变换到矩阵正定性的全方位理解
在高等数学与线性代数的广阔领域中，二次型作为一个承上启下的核心概念，不仅连接着矩阵理论与几何空间，更是优化理论、物理学及工程学中稳定性分析的重要工具。而在二次型的众多性质中，惯性定理与正定二次型的关系尤为引人注目。许多同学在考研复习或工程应用中，往往混淆了“规范形”、“标准形”与“正定性”之间的逻辑界限。本文将深入剖析这两者之间的内在联系，通过理论推导、算法实现及实际案例，为您构建一个清晰、严谨的知识体系。
我们将首先回顾惯性定理的本质，它揭示了二次型在合同变换下的不变量；随后深入探讨正定二次型的判定准则，特别是如何利用惯性指数快速判断矩阵的正定性。最后，通过一系列典型例题和网友关心的周边问题，帮助您彻底攻克这一难点。
1826年，法国数学家卡尔·古斯塔夫·雅可比（Carl Gustav Jacob Jacobi）证明了著名的惯性定理。该定理指出：对于一个实二次型 ，无论通过何种非退化的线性变换将其化为标准形（即只含平方项的形式），其中正平方项的个数 和负平方项的个数 都是不变量。
这里， 被称为正惯性指数， 被称为负惯性指数，而 称为二次型的秩。特别地，当我们将二次型化为规范形（系数仅为 1, -1, 0）时，其形式是唯一的（在不考虑变量顺序的情况下）。
若实对称矩阵 合同于对角矩阵 ，其中 个 1 和 个 -1，则：
| 变换方法 | 是否保持惯性指数不变？ | 说明 |
|---|---|---|
| 配方法 | 是 | 通过初等配方得到的标准形，其正负系数个数符合惯性定理。 |
| 正交变换法 | 是 | 化为特征值形式，特征值的正负个数即为惯性指数。 |
| 初等行变换法 | 是 | 对矩阵 进行相同的行列变换，最终 变为对角阵，对角元符号即为惯性。 |
正定二次型是二次型中最为特殊且应用最广的一类。在物理系统中，它往往对应着势能的最小值；在经济学中，它对应着效用函数的凸性。
对于 元实二次型 ，如果对于任意非零向量 ，都有 ，则称该二次型为正定二次型，矩阵 称为正定矩阵。
从几何上看，方程 在三维空间中表示一个椭球面。如果矩阵不是正定的，图形可能是双曲面或抛物面，这在物理稳定性分析中通常意味着系统是不稳定的。
直接根据定义验证：对于任意 ，是否恒有 。
优点：理论依据最直接。
缺点：计算量极大，难以直接用于高维矩阵判定，通常仅用于理论证明或低维简单示例。
示例：f(x1, x2) = x1^2 + x2^2
显然对任意 (x1, x2) != (0,0)，f > 0。
故为正定。
实对称矩阵 正定的充要条件是： 的所有特征值 均严格大于零。
优点：逻辑清晰，结合惯性定理，特征值的正负个数直接对应正负惯性指数。
缺点：求解高次特征方程 可能较复杂。
矩阵 正定的充要条件是：其各阶顺序主子式均大于零。
即：。
优点：无需解方程，只需计算行列式，适合手算。
注意：必须是“顺序”主子式，而非任意主子式。
理解了上述两个概念后，我们来揭示它们之间的核心纽带。惯性定理提供了判断二次型性质的宏观视角，而正定性则是惯性定理在特定条件下的极端表现。
惯性定理告诉我们，任何实二次型都可以通过合同变换化为唯一的规范形。这意味着二次型的“正负性”是矩阵固有的属性，不随坐标系的改变而改变。
根据惯性定理，若一个二次型是正定的，则其规范形中不能有负系数，也不能有零系数（否则存在非零向量使函数值为0或负）。因此，正定二次型的正惯性指数 必须等于变量的个数 。
这就是为什么我们可以通过计算正惯性指数来判定正定性：
1. 若 ，则正定。
2. 若 且 ，则正定。
3. 若 ，则不定。
4. 若 ，则负定。
| 正惯性指数 p | 负惯性指数 q | 秩 r | 二次型类型 |
|---|---|---|---|
| n | 0 | n | 正定 |
| 0 | n | n | 负定 |
| n | 0 | n | 半正定 (若允许x=0则=0) |
| 0 < p < n | q > 0 | n | 不定 |
| p < n | q = 0 | p < n | 半正定 |
题目：设矩阵 正定，求 的取值范围。
解析： 利用顺序主子式全大于0的性质： 1. （恒成立） 2. 3. 由 可知，这要求 ，但在实数范围内平方不可能为负。 结论：不存在这样的实数 使得该矩阵正定。此题考察了对正定定义的深刻理解，而非盲目计算。
题目：求二次型 的正惯性指数。
解析： 使用配方法： 展开剩余部分： 继续配方 ： 最终标准形系数为：。 全部为正，故正惯性指数 p = 3，负惯性指数 q = 0。
除了核心的理论关系，我们在搜索数据和论坛讨论中发现，学习者往往对以下延伸知识点存在困惑：
答案：是的。若 正定，则其特征值 。 的特征值为 ，依然大于0，故 也正定。
答案：是的。设 正定，则对任意 ，。
答案：在大多数线性代数教材（如考研数学）中，默认正定矩阵必须是对称矩阵。若矩阵非对称，通常讨论其对称部分 的正定性。
答案：所有特征值 且至少有一个为0；或者所有主子式（注意是任意主子式，不仅是顺序）。注意：顺序主子式 不足以判定半正定（反例：diag(0, -1)）。
是的，在不考虑变量排列顺序的前提下，实二次型的规范形是唯一的。这是因为正惯性指数 和负惯性指数 是由矩阵 唯一确定的不变量。无论使用配方法、正交变换法还是初等变换法，最终得到的正负系数个数必然相同。
行列式 仅意味着所有特征值的乘积为正，这可能意味着所有特征值都为正（正定），也可能意味着所有特征值都为负（偶数阶时，负定），或者两两互为负数等复杂情况。例如，矩阵 的行列式为 1，但它是负定的。因此，必须检查所有顺序主子式或所有特征值。
合同变换：，其中 可逆。合同变换保持矩阵的对称性和惯性指数（正负特征值个数），但不保持特征值的具体数值。相似变换：。相似变换保持矩阵的特征值不变（包括重数）。对于实对称矩阵，正交变换既是合同变换也是相似变换。
在数值计算中，通常使用 Cholesky 分解。如果矩阵 可以进行 Cholesky 分解（即 ，其中 为下三角矩阵），则 是正定的。这是比计算特征值或行列式更稳定、更高效的方法。在NumPy中可以使用 `numpy.linalg.cholesky` 尝试分解，若报错则非正定。
惯性定理为我们提供了分析二次型结构的强大工具，它揭示了二次型在合同变换下的本质不变量。而正定二次型则是惯性定理在 时的特例，具有极其重要的理论和应用价值。掌握两者之间的关系，不仅有助于解决线性代数中的理论问题，更为后续学习多元函数微积分、优化算法及信号处理打下了坚实的基础。希望本文能为您理清思路，助您在数学学习的道路上更进一步。