二次型惯性定理-二次型惯性定理

二次型这东西，说白了就是把一堆数给“捏”成一坨，让那些长得不一样的数变得一样，像把揉成一团的泥巴强行塞进模具，把形状改得千篇一律。拿矩阵来说，一个对称矩阵就像个三棱镜，它不管从哪个角度看，都能折射出确定的光——这光就是那个正交标准形。
这个标准形里的系数就是惯性指数，正的和负的加起来跟原矩阵的行列式、秩彻底是一回事。
你看，不管你是用复数还是实数，不管矩阵是正定的还是半正定的，只要它是实对称矩阵，这套规则就稳得像座山。 为啥非得如此干？出于要是不做这种变形，选一个正交矩阵去对角化，那东西就得花代价。你需求凑出一个正交矩阵 $Q$，只要 $Q^T A Q = Lambda$。
这时候 $Lambda$ 里的对角线元素就是 $a_{i,i}$ 罢了。
要是不小心选错了角度，比如把两个本来的特征值挤在了一起，要么把负号弄错了位置，那剩下的那个“残留”局部就成了一个惯性指数为 0 的二次型。
这就好比你在泥地里打滚，你捏出来的是个圆锥体，但你捏不出个球体。
这时候，惯性定理就登场了，它告诉你：不管你如何动，那两个正负号加起来一辈子是定值。
这听起来有点玄乎，实际上就挺好办。 最好办的例子，假设你手里有个矩阵 $A = begin{pmatrix} 2 & 1 \ 1 & 2 end{pmatrix}$。你自己算算它的特征多项式 $2lambda^2 - 6lambda + 3 = 0$，解下来是 $lambda_1 = 1.5, lambda_2 = 1.5$。特征值如此巧，说明它正定的。
那它的惯性指数就是正负号个数，这里两个都是正的，故此是 $(1,1)$。
要是你随意找一个正交矩阵去对角化，只要保证对角线是非负的，它依然是 $(1,1)$。
哪怕你把矩阵里的数字改成 $-1, 0, 0$，只要它半正定，那它的惯性号就是 $(0,1)$。
这个定理的核心就在这个不变性上，它不关心你用了啥坐标系，只关心你最终抓住了啥“本质”。 再举个生活化的例子，想象一下商场里的打折活动。原价买一件衣服 100 块，目前打八折，200 块。你不管你是用“半价券”还是“买一送一”的方式，只要最终拿到手的权益总和没变，那你心里盘算的账目就是没变的。二次型的判别式就是个通用的计算器，甭管你用哪种特殊形式来表示，只要最终凑出了平方和的形式，正负号之和就是固定的。
这就像是在不同的Currency Exchange Rate 下，别看汇率波动了，但你知道只要把所有钱换算成美元，总金额是不变的。 为了更直观地理解，我们能够算一组具体的数。设二次型 $f(x_1, x_2) = x_1^2 + 4x_2^2 - 6x_1x_2$。
这里有个系数是负的，看起来像是个负定的要么半负定的形式。我们试着把它化成标准形。先看向量 $begin{pmatrix} 1 \ -3 end{pmatrix}$，算一下内积 $x_1^2 - 6x_1x_2 + 9x_2^2 = (x_1 - 3x_2)^2$。
这忒妙了，原来的式子里有个 $-6x_1x_2$，实际上是被我们给补上了一个 $9x_2^2$，凑成了一个彻底平方式。
这样，整个式子就变成了 $x_1^2 + 4x_2^2 - 3(x_1^2 + 2x_1x_2 + x_2^2) + 3x_2^2 = x_1^2 + 4x_2^2 - 3(x_1 + x_2)^2 + 3x_2^2$。再整理一下，发现 $x_1^2 - 3x_1^2 = -2x_1^2$ 这种操作忒乱了，还是用配方式最靠谱。 我们把它写成 $Q$ 个平方项的跟号。假设变成 $y_1^2 - y_2^2$。
这步实际上挺难直接看出来，得用拉格朗日配方式一步步演。把 $x_1$ 的项先收拢，拿到 $x_1^2(1-3) + x_2^2(4) + 2x_1x_2(-6)$。配方发现 $x_1^2 - 6x_1x_2 + 9x_2^2 = (x_1 - 3x_2)^2$。
故此原式简化为 $(x_1 - 3x_2)^2 + 4x_2^2 - 3(x_1^2 + 2x_1x_2 + x_2^2) + 3x_2^2$。
什么的，这里我脑子短路了，重新来。原式 $x_1^2 - 6x_1x_2 + 4x_2^2$。取 $x_1$ 的系数，配出 $(x_1 - 3x_2)^2 = x_1^2 - 6x_1x_2 + 9x_2^2$。
那么原式 $= (x_1 - 3x_2)^2 - 5x_2^2 + 4x_2^2 = (x_1 - 3x_2)^2 - x_2^2$。
这才是标准形！
你看，原来 $1$ 是正惯性指标，$-1$ 是负惯性指标，加起来是 0。
不管你如何换坐标，反正就是两个平方项，一正一负。 再试一个带负号的，比如 $f(x) = x_1^2 + 2x_1x_2 + x_2^2 - 4x_2^2$。化简一下，$x_1^2 + 2x_1x_2 - 3x_2^2$。配方：$(x_1 + x_2)^2 - 4x_2^2$。开根号就是 $(x_1 + x_2 - 2x_2)(x_1 + x_2 + 2x_2) = (x_1 - x_2)(x_1 + 3x_2)$。
这步看起来有点发散，实际上本质就是惯性定理在起功能。它告诉我们，甭管你如何旋转坐标轴，这个式子必然能变成 $y_1^2 - y_2^2$ 的形式。
哪怕你把系数搞成 $100x_1^2 + 200x_1x_2 + 100x_2^2 - 400x_2^2$，只要它是实对称的，最终出来的正负号个数一辈子是不变的。 还有一点务必强调，这就是“奇零性”。在配方式的过程中，我们可能会引入一些含交叉项的“余数”，比如刚刚的 $-5x_2^2$ 加上 $4x_2^2$ 变没了，但在不同配方里，这个余数可能会变成 $x_1x_2$ 要么 $x_2^2$ 这种交叉项。
这时候，我们得小心，不能在配的过程中把二次型弄坏。惯性定理保证的是最终结局的性质，而不是中间过程的细节。它就像一个物理定律，不管中间经历了啥复杂的化学反应，最终产物的质量守恒。 最终总结一下，二次型这事儿，核心就三个字：不变。正负号之和，叫惯性指数，也是个定值。
这个性质在数学上叫惯性定理。它揭示了二次型的灵魂，告诉我们它本质上是由正负主子对角线元素构成的，哪位也没错。
不用去纠结具体的系数如何算，也不用管正交矩阵如何选，反正只要它是实对称的，这个结论就铁板钉钉。
这就好比你甭管如何打麻将，一副牌里红桃和黑桃的数量一辈子是固定的，哪怕你换了桌底牌，这一层道理是不会变。