矩阵合同与相似究竟有何不同？5大核心性质与判定方法全解析

问题更新日期：

问题描述

精选答案

在学习线性代数时，很多人会对“矩阵合同”和“矩阵相似”这两个概念感到困惑。它们看起来都与矩阵的某种等价关系有关，但内在逻辑和应用场景却大不相同。今天，我们就来彻底厘清矩阵合同的核心性质，并重点探讨它与矩阵相似的本质区别，同时提供实用的判定方法。

一、合同矩阵的“身份证”：五大核心性质

我们明确一下合同矩阵的定义：对于数域P上的两个n阶方阵A和B，如果存在一个可逆矩阵C，使得 B = C^T A C，则称A与B合同。从这个定义出发，我们可以推导出合同矩阵的几个关键性质：

• 性质一：自反性、对称性与传递性。合同关系是一种等价关系。任何矩阵与自己合同；如果A合同于B，那么B也合同于A；如果A合同于B，B合同于C，那么A也合同于C。这为我们分类研究矩阵提供了基础。
• 性质二：秩的不变性。这是合同矩阵一个非常直观的性质。合同矩阵的秩一定是相等的。因为可逆矩阵C和它的转置C^T都不会改变矩阵的秩。如果你发现两个矩阵的秩不同，它们绝不可能合同。
• 性质三：对称性的保持。如果A是对称矩阵，那么与它合同的B也一定是对称矩阵。这一点至关重要，因为它将合同关系主要限定在了对称矩阵的讨论范围内，尤其是二次型理论中。
• 性质四：惯性定理的体现（针对实对称矩阵）。对于实数域上的对称矩阵，合同关系更深刻地表现为“惯性指数”相同。即正惯性指数和负惯性指数在合同变换下保持不变。这是判定实对称矩阵是否合同的最强准则。
• 性质五：矩阵特征的关联性。合同矩阵不保证特征值相同，但会保持矩阵的“正定性”、“负定性”等定性性质。例如，正定矩阵只与正定矩阵合同。

为了更清晰地理解，我们可以将合同与相似的核心差异进行对比：

对比维度	矩阵合同	矩阵相似
定义公式	B = C^T A C (C可逆)	B = P^{-1} A P (P可逆)
核心关注点	二次型的化简，几何上的“度量形状”	线性变换在不同基下的表示
不变量	秩、对称性、惯性指数（实对称）、正定性	秩、行列式、迹、特征值、特征多项式、Jordan标准型
主要应用领域	二次型理论、优化问题、物理学中的惯性张量	微分方程求解、系统稳定性分析、矩阵对角化

二、实战演练：如何判定两个矩阵是否合同？

理解了性质，我们来看看具体怎么操作。判定步骤可以遵循以下路径：

1. 第一步：基础筛查

   • 检查是否为方阵？不是方阵则无合同概念。
   • 检查秩是否相等？这是最快排除的方法。
   • 检查是否均为（实）对称矩阵？对于非对称矩阵，合同讨论较少，通常需先转化为对称部分。

2. 第二步：计算惯性指数（针对实对称矩阵）

   这是最关键的判定步骤。对于实对称矩阵A和B：

   • 将它们分别通过合同变换（注意：是初等变换法化二次型，而非相似变换）化为标准形或规范形。
   • 标准形是只含平方项的形式，规范形是系数仅为1，-1，0的形式。
   • 统计正平方项的个数（正惯性指数p）和负平方项的个数（负惯性指数q）。
   • 判定定理：两个实对称矩阵合同的充要条件是它们有相同的正惯性指数和相同的负惯性指数（亦即相同的秩和符号差）。

3. 第三步：特殊性质辅助判断

   • 利用正定性：若A正定，B不正定，则必然不合同。
   • 观察特征值符号：对于实对称矩阵，合同虽不保特征值相同，但保特征值符号的个数（正、负、零的个数）。这其实是惯性定理的另一种表述。

为了让大家更明白，我们来看一个简单的判定流程表：

判定步骤	具体操作	是/否合同？
1. 查秩	计算矩阵A和B的秩	若秩(A) ≠ 秩(B)，则 否
2. 查对称性	查看A^T=A, B^T=B是否成立	对于非实对称矩阵，需谨慎，方法可能不同
3. 化规范形（针对实对称）	分别对A, B用配方法或初等变换化二次型为规范形	若规范形相同（即p,q相同），则 是
4. 查特征值符号	求实对称矩阵A, B的特征值	若正、负、零特征值个数不一致，则 否

我的观点：许多人觉得矩阵合同抽象，是因为脱离了其几何与物理背景。合同本质上描述的是，在坐标变换（未必是正交变换）下，一个二次曲面（如椭圆、双曲面）的形状类别是否发生改变。它关注的是“形状”本身，而非摆放的角度（那是相似变换更关注的）。抓住这个几何直观，理解其性质就会容易得多。

---

相似问题解答

1. 用户“代数小白”提问： 老师，我总记混。合同要求C的转置，相似要求C的逆，为什么有这种区别？能不能通俗点讲？

   回答： 这个区别源于它们要“保持”的东西不同。你可以这样想：相似变换（P^{-1}AP）像是给一个物体换一个角度观察和描述，物体的内在特性（如特征值代表的拉伸因子）不能变。合同变换（C^TAC）则像是给一个橡皮泥做的几何体进行按压、拉伸（但不用刀子切断或粘连），它的“度量结构”（比如各方向的曲正负、是否退化）必须保持。转置运算与内积运算相关（想想x^T A x），而逆运算与线性映射相关，这就导致了公式的根本不同。

2. 用户“考研冲刺中”提问： 如果两个矩阵既相似又合同，这说明了什么？有没有快速判断的例子？

   回答： 这说明这个矩阵“很特别”。一个常见的充分条件是：对于一个实对称矩阵A，如果存在正交矩阵Q使得B=Q^{-1}AQ，那么由于Q^{-1}=Q^T，这个变换同时是相似变换也是合同变换。 也就是说，对于实对称矩阵，如果存在正交相似关系，那么它们必然也合同。快速判断：若A是实对称矩阵，且能与一个对角矩阵对角化（这是相似），同时这个对角化过程所用的变换矩阵是正交矩阵（这是合同），那么它们就同时满足。例如，任何实对称矩阵都正交相似（也即正交合同）于一个由其特征值构成的对角阵。

3. 用户“应用爱好者”提问： 合同矩阵在机器学习或实际工程里到底用在哪里？光讲理论感觉用不上。

   回答： 一个核心应用是在优化和信号处理中。例如，在判断一个多元二次函数是否有唯一最小值（即最优化问题中的海森矩阵是否正定）时，正定性就是在合同意义下不变的。在信号处理中，协方差矩阵描述了信号各分量之间的关系，对数据进行白化处理（Whitening）本质上就是寻找一个变换，使得新数据的协方差矩阵合同于单位矩阵（即各分量不相关且方差为1）。合同的概念是分析系统“能量”形态和进行坐标归一化的基础工具。