事实上,当我们谈论(半)正定阵,都要求矩阵是对称的。
尽管正定矩阵的定义并没有这一要求,如正定阵的定义:M是n阶方阵,如果对任何非零向量z,都有zTMz>0,就称M为正定矩阵。M是n阶方阵,如果对任何非零向量z,都有z^TMz> 0,就称M为正定矩阵。M是n阶方阵,如果对任何非零向量z,都有zTMz>0,就称M为正定矩阵。并且我们有一些判定矩阵正定的条件,如:
- 所有特征值大于零
- 各阶主子式大于零
- 等等
需要注意的是,这些条件都是针对对称阵的!
举个简单的例子:A=[1042]
A = \left[\begin{matrix}
1 & 0 \\
4 & 2
\end{matrix}
\right]
A=[1402]
A 的特征值为1和2,各阶主子式也大于零。但是取 x=[1  −1]Tx = [1 \;-1]^Tx=[1−1]T,xTAx=[1    −1][1042][1−1]=−1<0,\\x^TAx = [1\;\;-1]\left[\begin{matrix}1 & 0 \\4 & 2\end{matrix} \right]\left[\begin{matrix}1 \\-1 \end{matrix} \right]=-1<0,xTAx=[1−1][1402][1−1]=−1<0,说明 A 不是正定阵。另一个例子:
B=[2−13      1]B = \left[\begin{matrix}
2 & -1 \\
3 & \;\;\;1
\end{matrix}
\right]
B=[23−11]B是正定的,但其特征值为复数。

本文探讨了正定矩阵的定义与判定条件,强调了这些条件仅适用于对称矩阵。通过实例说明即使某些非对称矩阵的部分条件满足,也不能断定其为正定矩阵。
1121

被折叠的 条评论
为什么被折叠?



