【线性代数笔记】正定矩阵及其性质

定义（正定二次型与正定矩阵） 设$f(\mathbf{x})={\mathbf{x}}^{T}A\mathbf{x}$是一个$n$元二次型，如果对于任意非零向量$\mathbf{x}=(x_1,x_2,\dots ,x_n{)}^T\in {\mathbf{R}}^n$，都有${\mathbf{x}}^{T}A\mathbf{x}>0$，则称$f$为正定二次型，并称实对称矩阵$A$为正定矩阵。
定义（半正定、负定、半负定、不定）
(1) 半正定：$\forall \mathbf{x}\in {\mathbf{R}}^n$，$\mathbf{x}\ne 0$，都有${\mathbf{x}}^{T}A\mathbf{x}\ge 0$，且$\exists {\mathbf{x}}_0\ne 0$，使得${\mathbf{x}}_0^{T}A{\mathbf{x}}_0=0$。
(2) 负定：$\forall \mathbf{x}\in {\mathbf{R}}^n$，$\mathbf{x}\ne 0$，都有${\mathbf{x}}^{T}A\mathbf{x}<0$。
(3) 半负定：$\forall \mathbf{x}\in {\mathbf{R}}^n$，$\mathbf{x}\ne 0$，都有${\mathbf{x}}^{T}A\mathbf{x}\le 0$，且$\exists {\mathbf{x}}_0\ne 0$，使得${\mathbf{x}}_0^{T}A{\mathbf{x}}_0=0$。
(4) 不定：${\mathbf{x}}^{T}A\mathbf{x}$既能取到正值，又能取到负值。

定理1 二次型经可逆线性变换，其正定性不变。
即：设$\mathbf{x}=C\mathbf{y}$，$C$可逆，则${\mathbf{x}}^{T}A\mathbf{x}$与${\mathbf{y}}^{T}A\mathbf{y}$正定性一致。
等价于：若实对称矩阵$A$与$B$合同（存在可逆矩阵$C$使得$C^{T}AC=B$），则$A$和$B$的正定性一致。

定理2 $n$阶实对称矩阵$A$为正定矩阵$⟺$$A$的所有特征值都大于$0$。

推论 $n$元二次型$f$是正定二次型$⟺$$f$的正惯性指数为$n$。

定理3 实对称矩阵$A$为正定矩阵$⟺$$\exists$可逆矩阵$M$，使得$A=M^{T}M$。

推论 若$A$为正定矩阵，则$\det (A)>0$。

推论 $A$为正定矩阵当且仅当它与单位矩阵合同。

推论 若$A$为正定矩阵，则$\exists$正定矩阵$S$使$A=S^2$。
证明：
$\because A$为正定矩阵
$\therefore A$的特征值${\lambda }_1,{\lambda }_2,\dots ,{\lambda }_n$均大于$0$，且$\exists$正交矩阵$P$，使得$A=P\Lambda P^T$，其中$\Lambda =\text{diag}({\lambda }_1,{\lambda }_2,\dots ,{\lambda }_n)$。
令${\Lambda }^{\prime }=\text{diag}(\sqrt{{\lambda }_1},\sqrt{{\lambda }_2},\dots ,\sqrt{{\lambda }_n})$，则${\Lambda }^{\prime 2}=\Lambda$，$A=P{\Lambda }^{\prime }{\Lambda }^{\prime }{P}^T=P{\Lambda }^{\prime }{P}^{T}P{\Lambda }^{\prime }{P}^T=(P{\Lambda }^{\prime }{P}^T{)}^2$。令$S=P{\Lambda }^{\prime }{P}^T$，证毕。

定义（顺序主子式） 对于$n$阶矩阵$A=(a_{ij})$，称它的左上角的$r$阶主子方阵的行列式为$A$的$r$阶顺序主子式。
定理4（赫尔维茨定理） $n$阶实对称矩阵$A$为正定矩阵$⟺$$A$的各阶顺序主子式都为正。
证明过于繁琐，从略。

---

综上，判断一个矩阵$A$正定的条件有：
(1) 定义：二次型${\mathbf{x}}^{T}A\mathbf{x}$的值恒为正；
(2) 与另一个正定矩阵合同；
(3) 特征值都大于零；
(4) $\exists$可逆矩阵$M$使得$A=M^{T}M$；
(5) 各阶顺序主子式都大于零。
其中(5)尤其有用，可快速判断一个给定的矩阵是否为正定矩阵。

---

例题

1. 若$A,B$都是$n$阶正定矩阵，且$AB=BA$，证明：$AB$也是正定矩阵。
   证明：$\because A,B$正定，$\therefore A,B$是实对称矩阵，$A^T=A,B^T=B$。
   $(AB{)}^T=(BA{)}^T=A^T{B}^T=AB$，$\therefore AB$是实对称矩阵。
   由定理3知，$\exists$可逆矩阵$M,N$使得$A=M^{T}M,B=N^{T}N$。
   则$AB=M^{T}M{N}^{T}N=N^{-1}(N{M}^{T}M{N}^T)N=N^{-1}[(M{N}^T{)}^T(M{N}^T)]N$。
   由定理3知$(M{N}^T{)}^T(M{N}^T)$是正定矩阵，则$(M{N}^T{)}^T(M{N}^T)$的特征值皆为正。而$AB$与它相似，因此有相同的特征值，所以特征值也都为正，即$AB$正定。
2. 判断矩阵$A=\left[\begin{array}{ccc}2& -1& -1\\ -1& 2& -1\\ -1& -1& 2\end{array}\right]$是不是正定矩阵。
   解：$A$的$1,2$阶顺序主子式的值为$2,3$，皆为正。
   $\left|\begin{array}{ccc}2& -1& -1\\ -1& 2& -1\\ -1& -1& 2\end{array}\right|=\left|\begin{array}{ccc}0& 3& -3\\ -1& 2& -1\\ 0& -3& 3\end{array}\right|=0$，即$A$的$3$阶顺序主子式非正，故$A$不正定。
3. 证明：若$A,B$为$n$阶正定矩阵，则$A+B$也是正定矩阵。
   证明：由定义， ∀ x ∈ R n ∖ { 0 } \forall\bm x\in R^n\setminus\{\bm 0\} ∀x∈Rn∖{0}，${\mathbf{x}}^{T}A\mathbf{x}>0$，${\mathbf{x}}^{T}B\mathbf{x}>0$。故${\mathbf{x}}^T(A+B)\mathbf{x}={\mathbf{x}}^{T}A\mathbf{x}+{\mathbf{x}}^{T}B\mathbf{x}>0$，即$A+B$正定。