什么是矩阵的惯性？
source link: https://itlanyan.com/what-is-the-inertia-of-a-matrix/
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
什么是矩阵的惯性？
对于一个 n 阶 实对称矩阵(real symmetric) A，其惯性(Inertia)是一个三元数组：In(A) = (i+(A), i–(A), i0(A))。其中 i+(A) 是矩阵 A 正特征值的个数，i–(A) 是负特征值的个数，i0(A) 是零特征值的个数，并且有 i+(A) + i–(A) + i0(A) = n。
根据特征值的关系，矩阵的秩 rank(A) = i+(A) + i–(A)。矩阵的签名定义为 signature(A) = i+(A) – i–(A)。
根据对称矩阵的性质，存在可逆矩阵(非奇异，满秩) P，使得 A = P B Pt， Pt 是 P 的转置变换。在这种变化下，又称 A 与 B 合同( congruence，相合)。关于矩阵合同有西尔维斯特惯性定理（Sylvester’s law of inertia）：
Let A be a symmetric square matrix of order n with real entries. Any non-singular matrix S of the same size is said to transform Ainto another symmetric matrix B = S A ST, also of order n, where ST is the transpose of S.
任意两个合同矩阵的惯性指数相同，即它们具有相同数目的正特征值、负特征值和零特征值。
西尔维斯特惯性定理给出了无需求得特征值获取矩阵惯性的方法：找到一个容易获取惯性的合同矩阵。对称矩阵可以做 LDLt分解，其中 D 是对角矩阵，因此我们可以容易的获取对称矩阵的惯性。但是需要注意的是，这种分解不一定总是存在，并且可能数值不稳定。
矩阵合同只适用于对称的方阵(n x n)，强调特征值特征相同。比合同更弱的概念是 矩阵等价(Matrix equivalence)：对于同阶矩阵 A B，存在可逆矩阵 P 和 Q，使得 B = P A Q。矩阵等价的充要条件是秩相同。
比矩阵合同更强的概念是矩阵相似(Matrix similarity)：对于方阵 A B，存在可逆矩阵 P，使得 B = P A P-1。矩阵相似要求矩阵A B有相同的特征值。
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK