Linear Algebra-对称矩阵及正定性-26

一、知识概要

本节从对称矩阵的特征值和特征向量出发,介绍对称矩阵在之前所学内容中的特殊性质,并借此引出正定矩阵。

二、对称矩阵

如同之前学习的许多特殊矩阵(如马尔科夫矩阵)一样,对称矩阵具有诸多特殊性质。我们注意到,一个矩阵的很多特殊性质往往体现在特征值与特征向量上,对于对称矩阵,我们也从其特征值和特征向量的特殊性开始探讨。

对称矩阵满足以下性质:

(1)

(2) 有正交的特征向量。

这里需要注意,对于特征值重复的情况,会存在一整个平面的特征向量,那么我们只要挑选出一组垂直的向量,“有正交的特征向量”这一定理依然成立;而对于特征值不重复的情况,其对应的特征向量相互垂直。

2.1 对称矩阵的分解

基于上述两个性质,能发现对称矩阵的诸多特点。由性质(2)可知,其特征向量必然全部线性无关,而这是矩阵可被对角化的前提条件。根据矩阵对角化的知识:

  • 通常情况:是由特征向量组成的矩阵)。
  • 对称情况(有正交特征向量):

另外, 本身就是对称的,因为 。所以,给定一个对称矩阵,就可以将其分解成这种形式。在力学上,这被称为主轴定理,意味着在合适的轴上观察某种材料时,它会变成对角化形式,方向不会重复;在数学上,这被称为“谱定理”。

2.2 对称矩阵的特征值

回忆之前介绍的旋转矩阵,存在使特征值为虚数的情况,但对称矩阵不会出现这种情况,即对称矩阵特征值均为实数。下面证明这一结论:

由特征值公式

  • 对该公式取共轭,因为是实矩阵,所以得到:
  • 对其两侧同时取转置: ,又因为 ,所以
  • 两侧同时乘上构造方程,可得:

注意到这时左边的等式出现了 ,如果构造一个新的等式,将 代入,可以得到另一个关系式:

  • 对比上面的两个式子(2.2.1)与(2.2.2),可以得到:不为零时),这就证明了特征值是一个实数。

计算

其中 ,均为实数且大于 。仅当为零向量时,其内积为 ,而对称矩阵的特征向量不是零向量,所以情况不存在,即对称矩阵特征值均为实数。

同时需要强调,复数矩阵也可能特征值均为实数,只要满足(共轭转置等于其本身),此时推理过程和对称矩阵无异,可将运算后的代换为

在知道对称矩阵特征值为实数之后,探究其正负性。

对称矩阵具有以下特殊性质:

(1) 对称矩阵的主元正负个数与特征值的正负个数对应一致,即:

  • 正主元个数 = 正特征值个数
  • 负主元个数 = 负特征值个数

(2) 对称矩阵的主元的乘积等于特征值的乘积(它们都等于矩阵行列式的值)。

这为了解对称矩阵的特征值正负情况提供了一种更简便的方式。因为在矩阵规模较大时,求矩阵的主元只需进行消元操作,比求解特征值要简单得多。

2.3 对称矩阵的另一种理解

根据 ,将其展开,采用另一种矩阵乘法方式(列乘行再相加)来分析:

中间的对角阵可视为常数,将按这种方式计算后相加,得到:

由于是列向量,且(单位向量性质),所以可将这些改写为 ,这明显是投影矩阵的形式,可以理解为向方向投影的投影矩阵。

于是从另一个角度理解谱定理:每一个对称矩阵都是一些互相垂直的投影矩阵的线性组合

三、正定矩阵简介

本节提前介绍一些正定矩阵的内容,后续第 27、28 课会详细讲解。

正定矩阵是一类对称矩阵,满足:

(1) 所有的特征值是正数。

(2) 所有主元为正。

(3) 所有的子行列式都为正。

子行列式概念:从原行列式左上角开始依次划分出 的一块,的一块,……得到的这些子块对应的行列式就称之为“子行列式”。

【例】对于矩阵

解:对该矩阵进行消元,可求得其主元为 ,皆为正。而且该矩阵是对称矩阵,所以它也是正定矩阵。

同时,计算它的特征值可得: (和主元一样,皆为正)。

所以正定矩阵的行列式值是正数,但要注意,行列式为正数的矩阵不一定都是正定矩阵,必须满足“所有的子行列式都为正”才行。例如反例:

从主元到行列式再到特征值,这些性质将本课程的主要内容紧密融合在一起。例如,矩阵的特征值在计算微分方程时是关键条件,根据特征值的正负可以判断其稳定性。

四、学习感悟

本节从对称矩阵入手,介绍了对称矩阵的一些基本性质,并进而引出了正定矩阵。可以看到,正定矩阵将矩阵的特征值、主元、行列式都联系起来,简化了很多问题的探讨。在后续学习正定矩阵时,能更深刻地体会到这一点。

五、学习总结

  1. 每个对称矩阵都有实特征值正交的特征向量;
  2. 因为对称矩阵特征向量互相正交,因此对称矩阵的对角化可以用正交特征向量矩阵表示为
  3. 所有的对称矩阵都可以被对角化,即使有重复的特征值;
  4. 正定矩阵是特殊的对称矩阵,其所有的特征值均为正数;