线性代数笔记24--对称矩阵、正定型

1. 对称矩阵

$A=A^{\top }$

性质

• 特征值都是实数
• 可选择一组正交的特征向量

通常情况下
$$A=S\Lambda S^{-1}$$
对称矩阵
$$A=Q\Lambda Q^{-1}$$
$Q$为标准正交矩阵

为什么特征值为实数

$$AX=\lambda X⟺\overline{A}\overline{X}=\overline{\lambda }\overline{X}$$

如果$A$为实矩阵
$$AX=\lambda X⟺A\overline{X}=\overline{\lambda X}$$
将其转置一下
$$\overline{X^{\top }}{A}^{\top }=\overline{X^{\top }}\overline{{\lambda }^{\top }}$$
根据对称性
$$A^{\top }=A$$
得到
$$\overline{X^{\top }}A=\overline{X^{\top }}\overline{{\lambda }^{\top }}$$
两边同乘$X$
$$\overline{X^{\top }}AX=\overline{X^{\top }}\overline{{\lambda }^{\top }}X$$
转换一下
$$\overline{X^{\top }}\lambda X=\overline{X^{\top }}\overline{{\lambda }^{\top }}X$$
又有
$$\overline{X^{\top }}X\ne 0$$
所以
$$\lambda ={\overline{\lambda }}^{\top }$$
所以
$$\lambda \in R$$

对于复数来说
$$\overline{X^{\top }}X=\left[\begin{array}{c}\overline{X1}\overline{X2}\cdots \end{array}\right]\left[\begin{array}{c}X1\\ X2\\ \cdots \end{array}\right]=\overline{X1}X1+\overline{X2}X2+\cdots =(length{)}^2>0$$

好矩阵

• real $\lambda$
• perp X

即$A={\overline{A}}^{\top }$

对于每个对称矩阵
$$A=A^{\top }$$

可以分解为
$$\begin{array}{rlr}A& =Q\Lambda Q^{\top }& =[q_1{q}_2\cdots ]\left[\begin{array}{cccc}{\lambda }_1& & & \\ & {\lambda }_2& & \\ & & \cdots & \end{array}\right]\left[\begin{array}{c}{q}_1^{\top }\\ q_2^{\top }\\ \cdots \end{array}\right]\end{array}={\lambda }_1{q}_1{q}_1^{\top }+{\lambda }_2{q}_2{q}_2^{\top }+\cdots$$
每个对称矩阵都是一组投影矩阵的组合。

主元符号与特征值符号一致。

2. 正定矩阵

正定矩阵是对称矩阵。

• $\forall \lambda >0$
• $\forall pivot>0$
• $\forall k\times k行列式>0$

例子
$$\left[\begin{array}{cc}5& 2\\ 2& 3\end{array}\right]$$
主元$511/5$
$\lambda =4\pm \sqrt[]{5}$