线性代数系列（十六）--对称矩阵及其正定性

主要内容

• 对称矩阵

正文

对称矩阵

我们研究一个矩阵，通常就是研究这个矩阵的特征值和特征向量，矩阵的特殊性会在特征值和特征向量上体现出来，这是很重要的一种方法。对于对称矩阵$A$，根据定义有这样的描述$A=A^T$。首先我们有这样的事实：

• 特征值是实数
• 能够选择出一组相互垂直的特征向量。如果特征值不是重复的话，那么特征向量都是相互垂直的。

这是经过严格证明的，这里不做具体的证明，证明细节参考其他资料。不过我们可以给出一个特殊的例子，那就是单位矩阵，单位矩阵是一个对称矩阵，它有重复的特征值，但是他的特征向量都是相互垂直的。

通常的，我们有$A=S\Lambda S^{-1}$。在对称矩阵中，特征向量都是相互垂直的，所以特征矩阵$S$是一个正交矩阵，可以记为$Q$，因此我们又有下面的公式：$$A=Q\Lambda Q^{-1}=Q\Lambda Q^T$$这个公式在数学中叫做谱定理，所谓谱就是矩阵的特征值集合，意味着矩阵是一些纯元素的组合。这种将矩阵分解成特征值和特征向量在力学上常称之为主轴定理。

现在我们考虑为什么特征值是实数。对于实矩阵$A$，首先有这样的事实$Ax=\lambda x\Rightarrow A\bar{x}=\bar{\lambda }\bar{x}$，将它转置之后得到${\bar{x}}^T{A}^T={\bar{x}}^T\bar{\lambda }$，将$Ax=\lambda x$左乘${\bar{x}}^T$，将${\bar{x}}^T{A}^T={\bar{x}}^T\bar{\lambda }$右乘$x$得到：$${\bar{x}}^{T}Ax={\bar{x}}^T\lambda x{\bar{x}}^T{A}^{T}x={\bar{x}}^T\bar{\lambda }x$$ $$hasA=A^T$$ $$weget{\bar{x}}^T\lambda x={\bar{x}}^T\bar{\lambda }x\Rightarrow \bar{\lambda }{\bar{x}}^{T}x=\lambda {\bar{x}}^{T}x$$${\bar{x}}^{T}x$表示特征向量的长度，它不为零，于是我们有$\bar{\lambda }=\lambda$，这里$\lambda$只能是实数。在这个证明过程中主要使用了$A=A^T$这一对称矩阵的特性。如果$A$为复矩阵，那么会有这样的特性$A={\bar{A}}^T$，结合这个特性一样可以证明特征值为实数，由于复矩阵出现的非常少，这里就省略了证明。

我们再次将$A=Q\Lambda Q^T$展开：$$\left[\begin{array}{cccc}{q}_1& q_2& ...& q_n\end{array}\right]\left[\begin{array}{cccc}{\lambda }_1& & & \\ & {\lambda }_2& & \\ & & ...& \\ & & & {\lambda }_n\end{array}\right]\left[\begin{array}{c}{q}_1^T\\ q_2^T\\ :\\ q_n^T\end{array}\right]={\lambda }_1{q}_1{q}_1^T+{\lambda }_2{q}_2{q}_2^T+...+{\lambda }_n{q}_n{q}_n^T$$在投影矩阵的时候我们就见过这种形式$q_n{q}_n^T$，这是一个投影矩阵，它是对称的。从这个展开式上来看，每一个对称矩阵都是相互垂直的投影矩阵的组合。

行列式计算特征值的方式在低阶是不错的，当阶数为4的时候就有些困难了，更高阶的时候会更加的困难。不过对于对称矩阵而言，它提供了一些线索，对称矩阵的主元的符合与特征值的符号是一致的。此外， 主元的乘积等于行列式等于特征值的乘积。

正定矩阵

正定矩阵是对称矩阵的一个子类，它首先是对称矩阵，其次是正定矩阵。所谓正定就是指矩阵的特征值都是正的。因此所有的主元都是正的，这对微分方程比较重要，因为通过特征值的符号（对于对称矩阵还可以通过主元的符号）来判断微分方程是否稳定。所有的主元都是正的，从而造成了所有的子行列式（$n$个）都是正的。

这一节的重点在于将前后讲的所有内容融合到了一起，当然不仅仅限于对称矩阵。