各种矩阵汇总

满秩矩阵

一个满秩矩阵是指其行秩等于列秩的矩阵，也就是说，矩阵中的行或列之间没有冗余或线性相关关系，行和列都是线性无关的。一个 m × n 的矩阵，如果其行秩（行向量组的秩）等于其列秩（列向量组的秩），且行秩（列秩）等于矩阵中较小的值（min(m, n)），那么这个矩阵就是满秩矩阵。

举个简单的例子：

考虑一个 3 × 3 的矩阵：
$$A=\left[\begin{array}{ccc}1& 2& 3\\ 4& 5& 6\\ 7& 8& 9\end{array}\right]$$

我们可以使用行变换或者观察矩阵中的向量来确定其秩。这导致矩阵的秩小于3，实际上这个矩阵的秩为2。因此，矩阵 A 并不是一个满秩矩阵，因为其秩小于最小的维度（3）。

一个满秩矩阵的重要特性在于它可以被视为没有冗余信息的矩阵，这使得它在很多数学和工程问题中非常有用，比如求解线性方程组、矩阵求逆等。

正定矩阵

正定矩阵是指对称矩阵中的所有特征值都为正数的矩阵。对于一个 n × n 的实对称矩阵 A，如果对于所有非零的实向量 x，都有$x^{T}Ax>0$，则称矩阵 A 是正定矩阵。

简单来说，对于一个正定矩阵，当任意非零的实向量 x 被矩阵 A 左乘两次（$x^{T}Ax$）时，结果总是一个正数。

举个例子：

$$A=\left[\begin{array}{cc}2& -1\\ -1& 4\end{array}\right]$$

对于这个 2 × 2 的矩阵 A，它是一个正定矩阵。我们可以进行如下验证：

1. 计算矩阵 A 的特征值：$\text{det}(A-\lambda I)=0$，解特征方程可以得到特征值：${\lambda }_1=1$ 和${\lambda }_2=5$，两个特征值都大于零。
2. 对于任意非零的实向量 x（例如，$x=\left[\begin{array}{c}1\\ 1\end{array}\right]$），计算 $x^{T}Ax$，结果为正数：$x^{T}Ax=\left[\begin{array}{cc}1& 1\end{array}\right]\left[\begin{array}{cc}2& -1\\ -1& 4\end{array}\right]\left[\begin{array}{c}1\\ 1\end{array}\right]=5>0$。

因此，矩阵 A 是一个正定矩阵，因为它的特征值都为正数，且对于所有非零的实向量 x，$x^{T}Ax$始终大于零。