Déjà, le choix de la convention ne pose pas de problème.
"Comment justement on peut écrire le produit scalaire avec deux conventions différentes et obtenir la même invariance ?"
Quand on parle d'invariance, c'est sous changement de référentiel. Si tu regardes le système d'un autre point de vue et que tu fais les mesures d'un évènement sur x,y,z,t, tu verras que l'intervalle ds^2 ne change pas. Et ce peu importe de la convention que tu choisis pour la métrique (on s'en fiche du signe en fait).
Ca se vérifie en disant que les transformations de Lorentz sont des matrices qui préservent la métrique de Minkowski (dans R^3 par exemple, on a l'équivalent des matrices de rotation qui préservent la métrique qui n'est que l'identité). Avec quelques manipulations on s'aperçoit que le produit scalaire de deux quadrivecteurs est invariant sous TL.
Enfin bref ce qui est intéressant est de savoir d'où vient ce truc. A mon avis, l'origine vient des premiers travaux sur la relativité restreinte par Lorentz, qui ont mené aux transformations de Lorentz sur les coordonnées d'espace-temps. http://fr.wikipedia.org/wiki/Transformations_de_Lorentz
Et vu la forme qu'elles avaient, en l'écrivant sous forme matricielle, ça laissait déjà présager que le temps et l'espace pouvaient être réunis dans un quadrivecteur, qui est un vecteur d'un espace à 4 dimensions, mais pas euclidien. A mon avis c'est ça qui a poussé Minkowsi a formaliser un peu tout ça mathématiquement 