对称矩阵 :线性代数特殊矩阵 .

1. 对称矩阵

定义

对称矩阵是指满足 $A=A^T$ 的方阵，其中 $A^T$ 表示 $A$ 的转置矩阵。用元素表示，对于任意位置 $(i,j)$，有 $a_{ij}=a_{ji}$。这意味着对称矩阵关于主对角线是对称的。

例如，下面是一个 $3\times 3$ 的对称矩阵： $$A=\left[\begin{array}{ccc}1& 2& 3\\ 2& 4& 5\\ 3& 5& 6\end{array}\right]$$

对称矩阵的性质

1. 特征值都是实数：任何实对称矩阵的所有特征值都是实数。这是对称矩阵最重要的性质之一。

2. 特征向量正交：不同特征值对应的特征向量是相互正交的。对于重复特征值，我们总能找到一组相互正交的特征向量。

3. 可正交对角化：任何实对称矩阵都可以被正交矩阵对角化。即存在正交矩阵 $P$（满足 $P^{T}P=P{P}^T=I$），使得 $P^{T}AP=D$，其中 $D$ 是对角矩阵，对角线元素是 $A$ 的特征值。

4. 谱分解：任何 $n\times n$ 实对称矩阵都可以写成 $A={\sum }_{i=1}^n{\lambda }_i{v}_i{v}_i^T$，其中 ${\lambda }_i$ 是特征值，$v_i$ 是对应的单位特征向量。

5. 二次型：对称矩阵可以用来表示二次型 $Q(x)=x^{T}Ax$，且每个二次型都可以用对称矩阵表示。

对称矩阵的应用

1. 协方差矩阵：在统计学中，协方差矩阵是对称的，其对角化可以用于主成分分析(PCA)。
2. 惯性张量：在物理学中，刚体的惯性张量是对称矩阵。
3. 图论：无向图的邻接矩阵是对称的。
4. 二次型：在优化问题中，目标函数的二阶导数（Hessian矩阵）是对称的。
5. 量子力学：量子系统的哈密顿算符通常表示为对称矩阵。

对称正定矩阵

对称正定矩阵是一类特殊的对称矩阵，满足对任意非零向量 $x$，$x^{T}Ax>0$。

对称正定矩阵的性质：

1. 所有特征值都是正数
2. 可以进行Cholesky分解：$A=L{L}^T$，其中$L$是下三角矩阵
3. 在最优化问题中，如果Hessian矩阵是正定的，则该点是局部最小值

对称矩阵的计算

对于对称矩阵，很多计算可以简化：

1. 求特征值和特征向量时，可以使用专门的算法（如雅可比方法、QR算法）
2. 存储时只需存储上（或下）三角部分
3. 矩阵运算通常具有更好的数值稳定性

示例

考虑对称矩阵 $$A=\left[\begin{array}{cc}4& 1\\ 1& 3\end{array}\right]$$

求解特征值和特征向量：

1. 特征多项式：$\det (A-\lambda I)=(4-\lambda )(3-\lambda )-1={\lambda }^2-7\lambda +11$
2. 特征值：${\lambda }_1=\frac{7+\sqrt{5}}{2}\approx 4.618$, ${\lambda }_2=\frac{7-\sqrt{5}}{2}\approx 2.382$
3. 特征向量：对应于 ${\lambda }_1$ 的是 $v_1=(1,\frac{{\lambda }_1-4}{1}{)}^T$，对应于 ${\lambda }_2$ 的是 $v_2=(1,\frac{{\lambda }_2-4}{1}{)}^T$
4. 正交化后得到单位正交特征向量

对称矩阵是线性代数中最重要的矩阵类型之一，其性质使它在许多应用领域中具有核心地位。