CP.26对称矩阵及正定性

本部分从对称矩阵的特征值、特征向量为出发点，并引出正定矩阵

1.对称矩阵

对称矩阵有如下两个性质：
$(1)\text{A}={\text{A}}^T$
(2)有正交的特征向量
其中第二点说的是，可以挑的出来一组正交特征向量，例如重特征根的情况。

1.1对称矩阵分解

从对称矩阵性质二可知，其特征向量必然线性无关，这是矩阵对角化分解的条件，对于对角化而言，通常我们表达为$A=S\wedge S^{-1}$其中S是特征向量组成的矩阵。
对于对称矩阵的对角分解表达为$A=Q\wedge Q^{-1}=Q\wedge Q^T$其中W的列向量标准正交$Q^T=Q^{-1}$.
其实本身$$\mathbf{A}=\mathbf{Q}\Lambda {\mathbf{Q}}^T$$形式就是对称的$(\mathbb{Q}\Lambda Q^T{)}^T=\mathbb{Q}\Lambda Q^T$。所以一旦确定某个矩阵是征订的，就可以将其分解成上述形式。

1.2对称矩阵的特征值

对称矩阵的特征值都是实数，但是为什么？
$$Ax=\lambda x$$
对该公式取共轭可得：
$$A\stackrel{-}{x}=\stackrel{-}{\lambda }\stackrel{-}{x}$$
然后再转置：
$$\begin{array}{c}{}_{{-}^T}\\ x\end{array}A=\begin{array}{c}{}_{{-}^T}\\ x\end{array}\overline{\lambda }$$
然后再左乘x:
$$\stackrel{-T}{x}Ax=\stackrel{-T}{x}\overline{\lambda }x$$
因为本身$$Ax=\lambda x$$
所以左乘x后的式子可以变成：
$${\bar{x}}^T\mathrm{A}\mathrm{x}=\lambda {\bar{x}}^{T}x$$继而推出：
$$\lambda =\overline{\lambda }$$因此$\lambda$是实数。那么知道了对称矩阵特征值是实数之后，有没有办法判断是正实数还是负实数？
对称矩阵的性质：
（1）对称矩阵的主元正负个数与特征值的正负个数一致
有几个正的主元，特征值就有几个正的。
（2）对称矩阵的主元乘积等于特征值的乘积（行列式的值）

2.正定矩阵

正定矩阵就是一类对称矩阵，在对称的前提下满足下列条件：
（1）所有特征值都是正实数
（2）所有主元为正
（3）所有子行列式为正
例如：
$$\left[\begin{array}{cc}5& 2\\ 2& 3\end{array}\right]$$
对矩阵消元可以得到主元分别为：5，11/5都是证书，而且这个矩阵是对称矩阵，所以该矩阵正定。
求取其特征值为：$\lambda =4\pm \sqrt{5}$
特征值的积等于矩阵行列式，所以这个矩阵的行列式也是正的。但反过来不一定成立，并非所有特征值为正的矩阵都是正定矩阵，例如$\left[\begin{array}{cc}-1& 0\\ 0& -3\end{array}\right]$