有关分块正定矩阵和分块负定矩阵的一些结论
矩阵分块知识点总结
矩阵分块知识点总结一、矩阵分块的基本概念1.1 矩阵分块的定义矩阵分块是一种对矩阵进行分割的方法，将一个大的矩阵分割成若干个较小的子矩阵，这些子矩阵可以是行向量、列向量或者更小的矩阵。
矩阵分块的表示形式可以是方括号、圆括号或者其他符号，不同的表示形式能够提供更加清晰和易于理解的矩阵分块结构。
1.2 矩阵分块的表示形式矩阵分块可以采用不同的表示形式，其中包括方括号表示、圆括号表示和其他符号表示。
以方括号表示为例，一个矩阵可以分割成四个子矩阵，如下所示：A = [ A11, A12A21, A22 ]其中A11、A12、A21、A22为子矩阵，分别表示矩阵A的四个子块。
1.3 矩阵分块的基本性质矩阵分块具有很多基本的性质，其中包括可交换性、可加性、可乘性等。
具体而言，如果矩阵A和B可以进行相应的分块操作，则有以下性质：可交换性：A和B的分块顺序可以交换，即A*B = B*A。
可加性：矩阵A和B的分块和形式，若A和B可以相应分块，则有(A + B) = A + B。
可乘性：矩阵A和B的分块和形式，若A和B可以相应分块，则有(A * B) = A * B。
1.4 矩阵分块的应用矩阵分块在实际中有着广泛的应用，其中包括矩阵的运算、方程组的求解、特征值与特征向量的计算等方面。
矩阵分块能够简化问题的处理过程，提高计算的效率，使得矩阵的性质更加清晰和易于理解，因此在很多领域中得到了广泛的应用。
二、矩阵分块的基本类型2.1 行分块矩阵行分块矩阵是将一个大的矩阵按照行进行分块，将每一行的元素划分成若干个较小的行向量，从而形成一个行分块矩阵。
行分块矩阵的表示形式可以是方括号、圆括号或者其他符号，不同的表示形式能够提供更加清晰和易于理解的矩阵分块结构。
2.2 列分块矩阵列分块矩阵是将一个大的矩阵按照列进行分块，将每一列的元素划分成若干个较小的列向量，从而形成一个列分块矩阵。
列分块矩阵的表示形式可以是方括号、圆括号或者其他符号，不同的表示形式能够提供更加清晰和易于理解的矩阵分块结构。
线性代数期末知识点总结
线性代数期末知识点总结1、行列式1.行列式共有个元素，展开后有项，可分解为行列式；2.代数余子式的性质：①、和的大小无关；②、某行（列）的元素乘以其它行（列）元素的代数余子式为0；③、某行（列）的元素乘以该行（列）元素的代数余子式为；3.代数余子式和余子式的关系：4.设行列式：将上、下翻转或左右翻转，所得行列式为，则；将顺时针或逆时针旋转，所得行列式为，则；将主对角线翻转后（转置），所得行列式为，则；将主副角线翻转后，所得行列式为，则；5.行列式的重要公式：①、主对角行列式：主对角元素的乘积；②、副对角行列式：副对角元素的乘积；③、上、下三角行列式（）：主对角元素的乘积；④、和：副对角元素的乘积；⑤、拉普拉斯展开式：、⑥、范德蒙行列式：大指标减小指标的连乘积；⑦、特征值；6.对于阶行列式，恒有：，其中为阶主子式；7.证明的方法：①、；②、反证法；③、构造齐次方程组，证明其有非零解；④、利用秩，证明；⑤、证明0是其特征值；2、矩阵1.是阶可逆矩阵：（是非奇异矩阵）；（是满秩矩阵）的行（列）向量组线性无关；齐次方程组有非零解；，总有唯一解；与等价；可表示成若干个初等矩阵的乘积；的特征值全不为0；是正定矩阵；的行（列）向量组是的一组基；是中某两组基的过渡矩阵；2.对于阶矩阵：无条件恒成立；3.4.矩阵是表格，推导符号为波浪号或箭头；行列式是数值，可求代数和；5.关于分块矩阵的重要结论，其中均、可逆：若，则：Ⅰ、；Ⅱ、；②、；（主对角分块）③、；（副对角分块）④、；（拉普拉斯）⑤、；（拉普拉斯）3、矩阵的初等变换与线性方程组1.一个矩阵，总可经过初等变换化为标准形，其标准形是唯一确定的：；等价类：所有与等价的矩阵组成的一个集合，称为一个等价类；标准形为其形状最简单的矩阵；对于同型矩阵、，若；2.行最简形矩阵：①、只能通过初等行变换获得；②、每行首个非0元素必须为1；③、每行首个非0元素所在列的其他元素必须为0；3.初等行变换的应用：（初等列变换类似，或转置后采用初等行变换）①、若，则可逆，且；②、对矩阵做初等行变化，当变为时，就变成，即：；③、求解线形方程组：对于个未知数个方程，如果，则可逆，且；4.初等矩阵和对角矩阵的概念：①、初等矩阵是行变换还是列变换，由其位置决定：左乘为初等行矩阵、右乘为初等列矩阵；②、，左乘矩阵，乘的各行元素；右乘，乘的各列元素；③、对调两行或两列，符号，且，例如：；④、倍乘某行或某列，符号，且，例如：；⑤、倍加某行或某列，符号,且，如：；5.矩阵秩的基本性质：①、；②、；③、若，则；④、若、可逆，则；（可逆矩阵不影响矩阵的秩）⑤、；（※）⑥、；（※）⑦、；（※）⑧、如果是矩阵，是矩阵，且，则：（※）Ⅰ、的列向量全部是齐次方程组解（转置运算后的结论）；Ⅱ、⑨、若、均为阶方阵，则；6.三种特殊矩阵的方幂：①、秩为1的矩阵：一定可以分解为列矩阵（向量）行矩阵（向量）的形式，再采用结合律；②、型如的矩阵：利用二项展开式；二项展开式：；注：Ⅰ、展开后有项；Ⅱ、Ⅲ、组合的性质：；③、利用特征值和相似对角化：7.伴随矩阵：①、伴随矩阵的秩：；②、伴随矩阵的特征值：；③、、8.关于矩阵秩的描述：①、，中有阶子式不为0，阶子式全部为0；（两句话）②、，中有阶子式全部为0；③、，中有阶子式不为0；9.线性方程组：，其中为矩阵，则：①、与方程的个数相同，即方程组有个方程；②、与方程组得未知数个数相同，方程组为元方程；10.线性方程组的求解：①、对增广矩阵进行初等行变换（只能使用初等行变换）；②、齐次解为对应齐次方程组的解；③、特解：自由变量赋初值后求得；11.由个未知数个方程的方程组构成元线性方程：①、；②、（向量方程，为矩阵，个方程，个未知数）③、（全部按列分块，其中）；④、（线性表出）⑤、有解的充要条件：（为未知数的个数或维数）4、向量组的线性相关性1.个维列向量所组成的向量组：构成矩阵；个维行向量所组成的向量组：构成矩阵；含有有限个向量的有序向量组与矩阵一一对应；2.①、向量组的线性相关、无关有、无非零解；（齐次线性方程组）②、向量的线性表出是否有解；（线性方程组）③、向量组的相互线性表示是否有解；（矩阵方程）3.矩阵与行向量组等价的充分必要条件是：齐次方程组和同解；(例14)4.；(例15)5.维向量线性相关的几何意义：①、线性相关；②、线性相关坐标成比例或共线（平行）；③、线性相关共面；6.线性相关与无关的两套定理：若线性相关，则必线性相关；若线性无关，则必线性无关；（向量的个数加加减减，二者为对偶）若维向量组的每个向量上添上个分量，构成维向量组：若线性无关，则也线性无关；反之若线性相关，则也线性相关；（向量组的维数加加减减）简言之：无关组延长后仍无关，反之，不确定；7.向量组（个数为）能由向量组（个数为）线性表示，且线性无关，则(二版定理7)；向量组能由向量组线性表示，则；（定理3）向量组能由向量组线性表示有解；（定理2）向量组能由向量组等价（定理2推论）8.方阵可逆存在有限个初等矩阵，使；①、矩阵行等价：（左乘，可逆）与同解②、矩阵列等价：（右乘，可逆）；③、矩阵等价：（、可逆）；9.对于矩阵与：①、若与行等价，则与的行秩相等；②、若与行等价，则与同解，且与的任何对应的列向量组具有相同的线性相关性；③、矩阵的初等变换不改变矩阵的秩；④、矩阵的行秩等于列秩；10.若，则：①、的列向量组能由的列向量组线性表示，为系数矩阵；②、的行向量组能由的行向量组线性表示，为系数矩阵；（转置）11.齐次方程组的解一定是的解，考试中可以直接作为定理使用，而无需证明；①、只有零解只有零解；②、有非零解一定存在非零解；12.设向量组可由向量组线性表示为：（题19结论）（）其中为，且线性无关，则组线性无关；（与的列向量组具有相同线性相关性）（必要性：；充分性：反证法）注：当时，为方阵，可当作定理使用；13.①、对矩阵，存在，、的列向量线性无关；（）②、对矩阵，存在，、的行向量线性无关；14.线性相关存在一组不全为0的数，使得成立；（定义）有非零解，即有非零解；，系数矩阵的秩小于未知数的个数；15.设的矩阵的秩为，则元齐次线性方程组的解集的秩为：；16.若为的一个解，为的一个基础解系，则线性无关；（题33结论）5、相似矩阵和二次型1.正交矩阵或（定义），性质：①、的列向量都是单位向量，且两两正交，即；②、若为正交矩阵，则也为正交阵，且；③、若、正交阵，则也是正交阵；注意：求解正交阵，千万不要忘记施密特正交化和单位化；2.施密特正交化：；;3.对于普通方阵，不同特征值对应的特征向量线性无关；对于实对称阵，不同特征值对应的特征向量正交；4.①、与等价经过初等变换得到；，、可逆；，、同型；②、与合同，其中可逆；与有相同的正、负惯性指数；③、与相似；5.相似一定合同、合同未必相似；若为正交矩阵，则，（合同、相似的约束条件不同，相似的更严格）；6.为对称阵，则为二次型矩阵；7.元二次型为正定：的正惯性指数为；与合同，即存在可逆矩阵，使；的所有特征值均为正数；的各阶顺序主子式均大于0；；(必要条件)。
正定矩阵的性质和判定方法及应用
内蒙古财经大学本科毕业论文正定矩阵的性质及应用作者郝芸芸系别统计与数学学院专业信息与计算科学年级10级学号102093113指导教师高菲菲导师职称讲师答辩日期成绩内容提要矩阵是数学中的一个重要基本概念，也是一个主要研究对象，同时矩阵论又是研究线性代数的一个有力工具．而矩阵的正定性是矩阵论中的一个重要概念．正定矩阵是一种特殊的矩阵,其等价定理在解题过程中可以灵活使用．且正定矩阵具有一般矩阵不具有的特殊性质,尤其是这些性质广泛地应用于各个领域．本文在第一部分介绍了实矩阵的正定性的相关定义以及其等价条件．在第二部分列举了正定矩阵的一系列性质，主要介绍了正定矩阵的关联矩阵的正定性．本文在第三部分介绍了正定矩阵的相关定理．本文在第四部分介绍了矩阵正定性的判定方法：定义法、主子式法、特征值法、与单位矩阵合同法．且简单地举了一些实例来阐述实矩阵正定性的判定．最后本文分别从不等式的证明和多元函数的极值两个方面介绍了正定矩阵的实际应用．关键词：二次型正定矩阵判定方法应用AbstractMatrix is an important basic concepts in mathematics，but also a main research object，at the same time matrix theory is a powerful tool for the study of linear algebra。
At the same time，the positive definiteness of matrix is an important concept in the matrix theory。
The positive definite matrix is a special matrix, the equivalence theorem in the problem solving process can be used flexibly。
线性代数重点知识总结
说明：1.本总结只是把课本的重点知识总结了一下，我没有看到期末考试题，所以考着了算是侥幸，考不着也正常。
2.知识点会了不一定做的对题，所以还要有相应的练习题。
3.前后内容要贯穿起来，融汇贯通，建立自己的知识框架。
第一章行列式1.行列式的定义式（两种定义式）-->行列式的性质-->对行列式进行行、列变换化为上下三角（求行列式的各种方法逐行相加、倒叙相减、加行加列、递推等方法，所有方法是使行列式出现尽可能多的0为依据的）。
2.行列式的应用——>克拉默法则（成立的前提、描述的内容、用途，简单的证明可从逆矩阵入手）。
总结：期末第一章可能不再单独考，但会在求特征值/判断正定性等内容时顺便考察行列式的求解。
第二章矩阵1.矩阵是一个数组按一定的顺序排列，和行列式（一个数）具有天壤之别。
2.高斯消元法求线性方程组的解—>唯一解、无解、无穷解时阶梯型的样子(与第三章解存在的条件以及解的结构联系在一起)3.求逆矩阵的方法（初等变换法，I起到记录所有初等变换的作用）、逆矩阵与伴随矩阵的关系。
4.初等矩阵和初等变换的一一对应关系，学会由初等变换找出与之对应的初等矩阵。
5.分块矩阵（运用分块矩阵有时可以很简单的解决一些复杂问题）记得结论A 可逆，则)A -(1|A |A -1T T αααα=+。
第三章 线性方程组第三章从向量组的角度入手，把线性方程组的系数矩阵的每一列看作一个列向量，从而得到一个向量组假设为n 21,,,ααα ，右边常则看作一个向量β，1）若向量β被向量组n 21,,,ααα 表出唯一（即满足关系：n n n ==),,,,(r ),,,(r 2121βαααααα 时，因为只有向量组n 21,,,ααα 线性无关才表出唯一），则只有唯一解；2）若β不能由向量组n 21,,,ααα 线性表出（即满足条件),,,,(r 1),,,(r 2121βααααααn n =+时）则无解；3）若β由向量组n 21,,,ααα 表出不唯一（即满足条件n n n <=),,,,(r ),,,(r 2121βαααααα 时，只有n 21,,,ααα 线性相关才表出不唯一）有无穷解。
第四节 分块矩阵 小结
A11
A1
A21 O
As1
(2) 若A、B是两个分块对角矩阵，且 Ai 与 Bi 是
同阶方阵
则
A1 B1
A B
A2 B2 O
As
Bs
A1B1
AB
A2 B2
O
As
Bs
由上可以看出，对于能划分为分块对角矩阵的矩阵，
若采用分块来求逆阵或进行行运算是非常方便的
例2 设 求 A1
则
C11 L
AB
C
M
Cs1 L
t
C1r
M Csr
其中 Cij Aik Bkj
k 1
(i 1, 2,L , s; j 1, 2,L , r)
例1 设
1 0 0 0 0
0
1
0
0
0
A 0 1 1 0 0
1
2
0
1
0
2 0 0 0 1
1 2 1 0
4
0
0
1
B 0 1 0 0
A2－1
－1 2
5 －2
－1
0
－－521
－
1 2
0
故
A1
A11
A21
1 3
0
0 0 0
0 0
E21
0
52
1 2
0
0
1 0 0 0
0 0 1 0
0 0 0 0 1
例3 设 A,C分别为 r 阶和 s 阶可逆矩阵，求分块
矩阵
的逆矩阵.
X
A 0
B
C
分析：对于这类不是分块对角矩阵求逆矩阵时， 可先设它的逆矩阵，然后利用它们相乘等于单 位矩阵，两边对应的子块相等而求得.
实正定矩阵的判定及其重要结论
摘要:本文将运用高等代数中一系列矩阵理论的相关知识，给出了实对称矩阵的若干个判定定理及其证明，并且得到了实对称正定矩阵的若干重要结论.关键词:实对称正定矩阵;等价定理;充分条件Decision of Real Positive Definite Matrixand Its Important ConclusionAbstract:This paper provide a series of matrix theory knowledge of higher algebra ，give some of the equivalence theorem of real symmetric matrix and its proof and obtain some of the important conclusions of real symmetry positive definite matrix .Keywords:real symmetry positive definite matrix, equivalence theorem , sufficient condition禄 鹏（天水师范学院数学与统计学院，甘肃天水，741000）摘 要: 本文将运用高等代数中一系列矩阵理论的相关知识，给出了实对称矩阵的若干个判定定理及其证明，并且得到了实对称正定矩阵的若干重要结论.关键词: 实对称正定矩阵; 等价定理; 充分条件1 引言矩阵理论是数学的一个重要分支，它不仅是一门基础学科，也是最具有使用价值、应用广泛的数学理论[]2,1，现已成为处理有限维空间形式和数量关系的强有力的工具. 正定矩阵作为一类常用矩阵，其在数学学科和其他学科技术领域的应用也非常广泛[]4,3，因此它的判断问题一直倍受关注.虽然个别判定条件已被人们所熟知，但缺少系统的总结，本文将尽可能给出多个实对称正定矩阵的判定定理和重要结论，从而使人们能够更好地使用正定矩阵这个工具.2 实正定矩阵的等价定理定义1[]5 实二次型()n x x x f ,,,21 称为正定的，如果对于任意一组不全为零的实数n c c c ,,,21 都有()n c c c f ,,,21 0>.定义2[]5 实对称矩阵A 称为正定的，如果二次型AX X T 正定.引理1[]5 n 元实二次型()n x x x f ,,,21 是正定的充分必要条件是它的正惯性指数等于n .引理2[]5 任意一个实数域上的二次型，经过一适当的非退化线性替换可以变成规范形，且规范形是唯一的.引理3[]6 设A 是n 阶实对称矩阵，则存在正交矩阵T 使得()n T diag AT T AT T λλλ,,,211 ==-， ()1 其中n λλλ,,,21 为A 的特征值. 引理4[]7 任何可逆实方阵都可以分解为正交矩阵Q 和上三角矩阵R 的乘积,其中R 的主对角元均为正.定理1 实对称矩阵n n R A ⨯∈为正定矩阵的充要条件是对于任意的n 维非零列向量X ,即10⨯∈≠n R X ，使0>AX X T .证明 由定义1和定义2可证.定理2 实对称矩阵n n R A ⨯∈为正定矩阵的充要条件是A 的一切顺序主子式大于0.证明[]5 必要性, 因为A 是实对称正定矩阵，由定义2知，存在二次型 ()n x x x f ,,,21 ∑∑===ni nj j i ij x x a 11是正定的.对于每个k ,,1n k ≤≤令()k k x x f ,,1 ∑∑===ki kj j i ij x x a 11.我们来证明k f 是一个k 元的正定二次型. 对于任意一组不全为零的实数,,,1k c c 有()k k c c f ,,1 ∑∑===ki kj j i ij c c a 11=()0,,0,,,1 k c c f .0>因此()k k x x f ,,1 是正定的. 由正定矩阵的行列式大于零可知，k f 的行列式,01111>kk k ka a a an k ,,1 =. 这就证明了矩阵A 的一切顺序主子式大于0.充分性, 对n 作数学归纳法. 当1=n 时, ().21111x a x f = 由条件011>a ，显然有()1x f 是正定的.假设充分性的论断对于1-n 元二次型成立,现在来证明n 元的情形.令 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=----1,11,11,1111n n n n a a a a A ,=α⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-n n n a a ,11 ,于是矩阵A 可以分块写成A ⎥⎦⎤⎢⎣⎡=nn T a A αα1. 既然A 的顺序主子式全大于零，当然1A 的顺序主子式也全大于零. 由归纳法假定, 1A 是正定矩阵，换句话说，有可逆的1-n 阶矩阵G 使 11-=n T E G A G ,这里1-n E 代表1-n 阶单位矩阵. 令⎥⎦⎤⎢⎣⎡=1001G C , 于是 =11AC C T ⎥⎦⎤⎢⎣⎡100T G ⎥⎦⎤⎢⎣⎡nn T a A αα1⎥⎦⎤⎢⎣⎡100G ⎥⎦⎤⎢⎣⎡=-nn T T n a G G E αα1. 再令 ⎥⎦⎤⎢⎣⎡-=-1012αT n G E C , 有 2112C AC C C T T ⎥⎦⎤⎢⎣⎡-=-101G E T n α⎥⎦⎤⎢⎣⎡-nn T T n a G G E αα1⎥⎦⎤⎢⎣⎡--101αT n G E ⎥⎦⎤⎢⎣⎡-=-ααT T nn n GG a E 001. 令 21C C C =, ,ααT T nn GG a a -=就有 ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=a AC C T 11 . 两边取行列式, a A C =2. 由条件,0>A ,因此0>a . 显然⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡a 11 =⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡a 11⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡111 ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡a 11 . 这就是说，矩阵A 与单位矩阵合同，所以A 是正定矩阵.定理3 实对称矩阵n n R A ⨯∈为正定矩阵的充要条件是A 的一切顺序主子矩阵都是正定矩阵.证明 由定理2可证.定理4 实对称矩阵n n R A ⨯∈为正定矩阵的充要条件是A 的特征值全大于0.证明 必要性,A 为正定矩阵,若A 的全部特征值为n λλλ,,,21 不全大于0,不妨设01≤λ.由引理3存在正交矩阵T 使得()1式成立.令 (),,,,21n T ααα = 则i i i A αλα=()n i ,,2,1 =，即i α为A 的属于特征值i λ的特征向量. 特别的，取单位特征向量01≠β，即111βλβ=A .于是有 11111βλβββT T A =01≤=λ，这与A 为正定矩阵相矛盾，故A 的全部特征值为n λλλ,,,21 都大于0.充分性: 设A 的特征值为n λλλ,,,21 ，由引理3知存在正交矩阵T ，使得 ()n T diag AT T AT T λλλ,,,211 ==-. 从而有 ()T n T Tdiag A λλλ,,,21 =.任取0≠X ，则AX X T ()X T Tdiag X T n T λλλ,,,21 =()Y diag Y n T λλλ,,,21 =，其中 T X Y T T =()0,,,21≠n y y y ，于是AX X T 02222211>+++=n n y y y λλλ ，即A 为正定矩阵.定理5 实对称矩阵n n R A ⨯∈为正定矩阵的充要条件是A 合同与E .证明 必要性, 由引理1和引理2知正定二次型()n x x x f ,,,21 可经过一适当的非退化线性替换TY X =化为规范形 22221ny y y +++ .其对应的矩阵为单位矩阵E . 即()()TY A TY T EY Y T =⇒()EY Y Y AT T Y T T T =，故A 合同与E .充分性, 由于A 合同与E ，即存在可逆矩阵C 使得C C EC C A T T ==.任取0≠X ，令()Tn y y y Y CX ,,,21 ==，则0≠Y ，于是Y Y CX C X AX X T T T T ===22221ny y y +++ 0>. 故A 是正定矩阵. 定理6 实对称矩阵n n R A ⨯∈为正定矩阵的充要条件是A 的一切主子式都大于0. 证明 必要性，A 正定,令 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=nn n n a a a a A 1111,⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=k k k k i i i i i i i i k a a a a A 1111, 其中 k A 为A 的主子矩阵, n i i k ≤<<≤ 11()n k ,,2,1 =.设矩阵A 与k A 的二次型分别为AY Y T 和X A X k T . 对任意(),0,,10≠=Ti i mb b X 存在(),0,,10≠=Tn c c Y 其中⎩⎨⎧==.;,,,0,1other i i k b c k k k 由A 正定,00AY Y T ,0>得00X A X k T是正定的, 故存在实可逆矩阵k T , 使⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=k k k T k T A T λλ 1， 其中(),,,10k i i =>λ 从而k k k k T k T A T A T λλ 12==0>. 又 02>k T ,故 0>k A ()n k ,,2,1 =.充分性, 实对称矩阵A 的一切主子式都大于0, 所以A 的一切顺序主子式都大于0. 由定理2可证A 为正定矩阵.定理7 实对称矩阵n n R A ⨯∈为正定矩阵的充要条件是A 的一切主子矩阵都是正定矩阵.证明 必要性,A 正定,令 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=nn n n a a a a A 1111,⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=k k k k i i i i i i i i k a a a a A 1111, 其中 k A 为A 的主子矩阵, n i i k ≤<<≤ 11()n k ,,2,1 =.显然 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=k k k k i i i i i i i i k a a a a A 1111()n k ,,2,1 =也是实对称矩阵.又因为 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=k k k k i i i i i i i i k a a a a A 1111的k 个顺序主子式均为A 的k 个主子式,由定理6知k 个主子式都大于零, 从而⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=k k k k i i i i i i i i k a a a a A 1111()n k ,,2,1 =为正定矩阵.充分性, 实对称矩阵A 的一切主子矩阵都是正定矩阵, 则矩阵A 的一切主子式都大于零, 由定理6即证A 是正定矩阵.定理8 实对称矩阵n n R A ⨯∈为正定矩阵的充要条件是A 半正定且0≠A .证明 必要性, 因为A 正定，则显然A 一定半正定，且0≠A .充分性, 设A 的特征值为n λλλ,,,21 ,由A 半正定可知，i λ(),,,2,10n i =≥又021≠⋅⋅⋅=n A λλλ ，故(),,,2,10n i i =>λ 由定理4可知A 正定.定理9 实对称矩阵n n R A ⨯∈为正定矩阵的充要条件是对于任意的实列满秩矩阵m n C ⨯, 都有AC C T 为正定矩阵.证明 必要性, 首先()TT ACC AC C T =,对任意的1⨯∈m R X ,0≠X ,由秩C n =, 知,0≠CX 而A 为正定矩阵, 故()()(),0>=CX A CX X AC C X TT T即 AC C T 为正定矩阵.充分性, AC C T 正定, 则对任意的1⨯∈m R X ,0≠X , 由秩C n =, 知,0≠CX 并且 ()()CX A CX T=()0>X AC C X T T , 即A 为正定矩阵.定理10 实对称矩阵n n R A ⨯∈为正定矩阵的充要条件是对于任意的实可逆矩阵T , 都有AT T T 为正定矩阵.证明 必要性,首先()TT ATT AT T T =, 对任意的1⨯∈n R X ,0≠X ,由秩T n =, 知,0≠TX 而A 为正定矩阵, 故()()(),0>=TX A TX X AT T X TT T即 AT T T 为正定矩阵.充分性,AT T T 正定, 则对任意的1⨯∈n R X , 0≠X , 由秩T n =,知,0≠TX 并且 ()()TX A TX T=()0>X AT T X T T , 即A 为正定矩阵.定理11 实对称矩阵n n R A ⨯∈为正定矩阵的充要条件是存在正定矩阵B ,使2B A =. 证明 必要性, 设A 的全部特征值为n λλλ,,,21 全大于0，由引理3得 ()121,,,-=T Tdiag A n λλλ=()],,,[121-T Tdiag n λλλ ()],,,[121-T Tdiag n λλλ =2B ，其中 =B ()],,,[121-TTdiag nλλλ .因为B 为实对称矩阵，且特征值0>i λ(),,,2,1n i = 所以B 为正定矩阵.充分性, 由于B 为正定矩阵, 使2B A =，则B 为实对称可逆矩阵，且有 2B A =B B T =EB B T =，即A 合同与E .再由定理5得A 为正定矩阵.定理12 实对称矩阵n n R A ⨯∈为正定矩阵的充要条件是存在实可逆矩阵P ,使得P P A T =.证明 必要性,A 是实对称正定矩阵，则存在实可逆矩阵P 使得 EP P A T =P P T =, 其中E 为n 阶单位矩阵.充分性, 因为存在实可逆矩阵P , 使得P P A T =,并且P P A T =EP P T =, 其中E 为n 阶单位矩阵. 即实对称矩阵A 合同与E ，所以A 为正定矩阵.定理13 实对称矩阵n n R A ⨯∈为正定矩阵的充要条件是存在实列满秩矩阵n m Q ⨯, 使Q Q A T =.证明 必要性, 因为A 为正定矩阵, 则存在n 阶实可逆矩阵P , 使得 P P A T =()()n m n T nn P -⨯⨯=0()⎪⎪⎭⎫⎝⎛⨯-⨯n n m n n P 0. 令 =Q ()⎪⎪⎭⎫⎝⎛⨯-⨯n n m n n P 0, 则 Q Q A T=, 其中Q 为n m ⨯列满秩矩阵.充分性,n m Q ⨯为实列满秩矩阵,则Q Q T 为n 阶可逆矩阵,故对任意的1⨯∈n R X ,0≠X , 由秩Q m =, 知,0≠QX 并且=AX X T QX Q X T T ()()QX QX T=,0>即A 为正定矩阵.定理14 实对称矩阵n n R A ⨯∈为正定矩阵的充要条件是存在n 阶主对角元素都大于零的上三角矩阵R ，使得R R A T =.证明 必要性, 因为A 是实对称正定矩阵,则存在实可逆矩阵P ,使得P P A T =. 又由引理4知,存在矩阵Q 和P 使得 QR P =, 其中Q 为n 阶正交矩阵,R 为n 阶主对角元素都大于零的上三角矩阵, 从而P P A T =QR Q R T T =R R T =.充分性, 因为存在n 阶主对角元素都大于零的上三角矩阵R ，使得R R A T =. 则显然矩阵R 可逆, 由定理12即可证A 是正定矩阵.定理15 实对称矩阵n n R A ⨯∈为正定矩阵的充要条件是存在n 阶主对角元素都大于零的下三角矩阵U ,U U A T =.证明 类似于定理14.定理16 实对称矩阵=A ⎥⎦⎤⎢⎣⎡3221A A A A T为正定矩阵的充要条件是1A 和21123A A A A T --为正定矩阵.证明 当1A 可逆时，有⎥⎦⎤⎢⎣⎡--E A A ET 1120⎥⎦⎤⎢⎣⎡3221A A A A T ⎥⎦⎤⎢⎣⎡--E A A E0211⎥⎦⎤⎢⎣⎡-=-21123100A A A A A T ()2 必要性, 若A 正定，那么1A 也正定，11-A 存在. 令⎥⎦⎤⎢⎣⎡-=-E A A E T 0211，则T 可逆，所以AT T T 也正定.从而⎥⎦⎤⎢⎣⎡--2112310A A A A AT 为正定矩阵，因此它的主子矩阵1A 和21123A A A A T --为正定矩阵.充分性, 由1A 和21123A A A A T--为正定矩阵.且两个正定矩阵的和也是正定矩阵知⎥⎦⎤⎢⎣⎡--2112310A A A A AT 为正定矩阵. 再由()2式得⎥⎦⎤⎢⎣⎡=3221A A A A A T=()TT 1-⎥⎦⎤⎢⎣⎡--2112300A A A A A T 1-T ，即A 为正定矩阵.定理17 实对称矩阵n n R A ⨯∈为正定矩阵的充要条件是A 的正惯性指数等于A 的维数n .证明 由引理1和定义2显然可证.定理18 实对称矩阵n n R A ⨯∈为正定矩阵的充要条件是存在正交向量组,,,,21n ααα 使.2211Tn n T T A αααααα+++=证明必要性,A 是正定矩阵,则由引理3可知,存在正定矩阵,U 使 ()U diag U A n T λλλ,,,21 =,()Tn U βββ,,,21 =,令 i i i βλα=()n i ,,2,1 =，为正交向量组, 即得.2211Tn n T T A αααααα+++=充分性,T n n T T A αααααα+++= 2211=[]T n TT ααα 21⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡n ααα 21 U U T = （U 为正交矩阵）, 显然A 是正定矩阵.3 实正定矩阵的重要结论对于实对称正定矩阵除了上面的一些充要条件用于判定一个矩阵是否为正定矩阵外, 还有一些很重要的结论,下面给出详细内容及其证明. ()1 若A 是n 阶实对称正定矩阵, 则0>A .证明 设A 是一正定矩阵,因为A 与单位矩阵合同,所以有实可逆矩阵C 使 C C EC C A T T ==. 两边取行列式, 就有02>==C C C A T.()2 若A 是n 阶实对称正定矩阵,则1-A 也是实对称正定矩阵. 证明 因为A 是实对称正定矩阵, 则0>A , 所以A 可逆. 又因为 ()(),111---==A A A T T所以1-A 也是实对称矩阵.设A 定特征值为,,,,21n λλλ 则由A 正定有 ()n i i ,,2,10 =>λ, 但1-A 的全部特征值为01>iλ()n i ,,2,1 =, 即1-A 为正定矩阵.()3 若A 是n 阶实对称正定矩阵, 则*A 也是正定矩阵（其中*A 表示A 的伴随矩阵）.证明 已知*A =,1n n R A A ⨯-∈ 且()(),***==A A A T T又A 是正定矩阵, 所以0>A .设A 的特征值为,,,,21n λλλ 则由A 正定有 ()n i i ,,2,10 =>λ,于是*A 的n 个特征值为11211,,,---n A A A λλλ 也都大于零, 即*A 也是正定矩阵.()4 若A 是n 阶实对称正定矩阵,则k A （k 是正整数）也是正定矩阵.证明 设A 的全部特征值为,,,,21n λλλ 则由A 正定有 ()n i i ,,2,10 =>λ,则k A 对全部特征值为,,,,21knk k λλλ 也都大于零, 即k A 也是正定矩阵. ()5 若A 是n 阶实对称正定矩阵,则必有nn a a a ,,,2211 都大于零,即主对角线上的元素都大于零.证明 根据定义1和定义2可知，对任意的1⨯∈n R X ,且0≠X 有0>AX X T ,故依次令,100,,001⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡= X可得,011>a ,022>a , ,0>nn a 即证主对角线上的元素都大于零.()6 若A 是n 阶实对称正定矩阵,则存在实数,a 使得A aE -是正定矩阵. 证明 设A 的全部特征值为,,,,21n λλλ 则由A 正定有 ()n i i ,,2,10 =>λ, 则A aE -的特征值为 .,,1n a a λλ--令 {}1,,2,1,max +==n i a i λ, 则有()n i a i ,,2,10 =>-λ从而A aE -是正定矩阵, 即证存在实数a 使得A aE -是正定矩阵.()7 若A 是n 阶实对称矩阵,E 为n 阶单位矩阵, 证明:存在正数ε,是得A E ε+为正定矩阵.证明 可证A E ε+为实对称矩阵, 且存在正交矩阵T ,使得⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=n T AT T λλ 1, 其中n λλλ,,,21 为A 的全部特征值,令 {}n λλλλ,,,max 210 =.不妨设0λ0>（因为,若0λ0=,则01===n λλ ,0=A ,结论已证）. 再令 110+=λε, 那么110<+λλi ()n i ,,2,1 =.所以 ()⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡++=-110011λλλλεn T A T⇒()⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡++++=+-11110011λλλλεn T A E T ，其中0110>++λλi ()n i ,,2,1 =, 故A E ε+为正定矩阵.()8 若B A ,都是n 阶实对称矩阵,A 是正定矩阵, 证明: 存在实可逆矩阵T , 使得AT T T 与BT T T 同时为对角形.证明 由于A 是正定矩阵,则A 合同与单位矩阵E ,即存在实可逆矩阵,P 使得 E AP P T =.而且BP P T 仍为实对称矩阵, 从而存在正交矩阵,Q 使得(),1⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=n T T Q BP P Q λλ 其中n λλλ,,,21 是BP P T 对特征值.令 PQ T =,则AT T T ()()()E Q AP P Q PQ A PQ T T T===,=BT T T ()()()===Q BP P Q PQ B PQ T T T ,1⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡n λλ其中E 为n 阶单位矩阵.()9 若B A ,都是n 阶实对称正定矩阵,证明 .B A B A +>+证明 由于A 是正定矩阵,则A 合同与单位矩阵E ,即存在实可逆矩阵,P 使得 E AP P T =.而且BP P T 仍为实对称正定矩阵, 从而存在正交矩阵,Q 使得(),1⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=n T T Q BP P Q λλ 其中n λλλ,,,21 都大于零是BP P T 对特征值.令 PQ T =, 则 AT T T ()()()E Q AP P Q PQ A PQ T T T===,其中E 为n 阶单位矩阵,=BT T T ()()()===Q BP P Q PQ B PQ T T T ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡n λλ 1, ()⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++=+n T T B A T λλ111 , 有 ()()()n T B A λλλ+++=+111212.又知 12=P A ,n P B λλ 12=. 而PQ T =,其中Q 为正交矩阵, 则1±=Q , 且2222P Q P T ==.所以 ()()()n P B A λλλ+++=+111212n λλλ 211+≥,而 []n P B A λλλ 2121+=+, 即证 B A B A +>+.()10 若B A ,都是n 阶实对称正定矩阵,则B A +也正定.证明 B A ,都是n 阶实对称正定矩阵, 则()B A B A T +=+, 且对任意的1⨯∈n R X ,0≠X 有()0>+=+BX X AX X X B A X T T T , 所以B A +也正定.()11 若A 是n 阶实对称正定矩阵,证明:nn a a a A 2211≤, 其中()n i a ii ,,2,1 =为A 的主对角元素.证明 设 ⎥⎦⎤⎢⎣⎡=nn Ta A A αα1, 其中1A 为A 的1-n 阶顺序主子阵, ()n n n n T a a a ,121,,,-= α因为A 正定, 所以1A 正定,11-A 存在,于是⎥⎦⎤⎢⎣⎡---10111A E T n α⎥⎦⎤⎢⎣⎡nn Ta A αα1⎥⎦⎤⎢⎣⎡---1111αA E n ⎥⎦⎤⎢⎣⎡-=-αα11100A a A T nn ,两边取行列式得()αα111--=A a A A T nn .因为1A 正定, 所以11-A 正定,011≥-ααA T ,01>A , 则由上式可得 nn a A A 1≤.同理1,121--≤n n a A A , 其中2A 为A 的2-n 阶顺序主子阵, 这样继续下去,可得 nn a A A 1≤nn n n a a A 1,12--≤≤≤ nn a a a 2211.()12 若B A ,都是n 阶实对称正定矩阵,证明:AB 的特征值均大于零.证明 由于A 是正定矩阵, 则A 合同与单位矩阵E , 即存在实可逆矩阵,P 使得 E PAP T =.()()()11111-----==P B P BP P PAP PABP TTT .因为B 为正定矩阵, ()()11--P B P T也正定, 从而它的特征值全大于零. 再由上式可知AB 与()()11--P B P T相似, 所以它们有相同的特征值, 因此AB 的特征值均大于零.()13 若B A ,都是n 阶实对称正定矩阵, 且BA AB =, 证明AB 为正定矩阵. 证明 见参考文献[]7第273271-页.参考文献[1] Pullman NP. Matrix Theory and its Applications[M]，Academic Press,1976. [2] COM PA. Principles and Practice of Mathematics[M]，SpringerVerlag,Berlin Heidelberg,1998.[3] Johnson CR. Positive definite matrices[J]，AmerMathMothly ,1970.[4] 胡跃进. 广义正定矩阵的一个不等式[J]，阜阳师范学院学报（自然科学版），2001. [5] 北京大学数学系几何与代数教研室前代数小组. 高等代数（第三版）[M]，北京:高等教 育出版社，2003.[6] 张禾瑞,郝镔新. 高等代数（第三版）[M]，北京:高等教育出版社，1983. [7] 钱吉林. 高等代数解题精粹（修订版）[M]，北京:中央民族大学出版社,2002.。
正定矩阵的性质及应用论文
正定矩阵的性质及应用论文正定矩阵是线性代数中一个重要的概念，它具有许多重要的性质和广泛的应用。
在本篇论文中，将详细介绍正定矩阵的性质以及其在实际应用中的一些重要应用。
首先，我们来了解一下正定矩阵的定义。
对于一个n阶矩阵A，如果对于任意非零向量x，都有x^T*A*x > 0，那么这个矩阵就是正定矩阵。
也就是说，正定矩阵对于任意非零向量x，都将其映射到一个大于零的数。
因此，正定矩阵是一个非常重要的概念。
下面，我们来介绍一下正定矩阵的性质。
1. 正定矩阵的特征值都是正数。
这是正定矩阵的一个重要性质，它决定了正定矩阵的行列式大于0。
2. 正定矩阵的行列式大于0。
这是由于根据性质1，正定矩阵的特征值都是正数，因此其行列式大于0。
3. 正定矩阵的逆矩阵也是正定矩阵。
这是因为对于任意非零向量x，有x^T*A*x > 0，那么x^T*A^(-1)*x = (A^(-1)*x)^T*A*(A^(-1)*x) > 0。
4. 正定矩阵可以通过Cholesky分解进行分解。
Cholesky分解是将正定矩阵分解为一个下三角矩阵和其转置的乘积。
5. 正定矩阵的逆矩阵也是正定矩阵。
这是因为对于任意非零向量x，有x^T*A*x > 0，那么x^T*A^(-1)*x = (A^(-1)*x)^T*A*(A^(-1)*x) > 0。
现在，让我们来了解一些正定矩阵在实际应用中的一些重要应用。
1. 在数学和物理建模中，正定矩阵常常被用来描述能量、势能、距离等非负量。
例如，在分子动力学模拟中，正定矩阵可以用来描述原子之间的势能，从而模拟分子在空间中的运动。
2. 在机器学习中，正定矩阵也有重要的应用。
在支持向量机（SVM）中，正定矩阵被用来构建二次规划问题的对偶问题，从而实现机器学习模型的训练。
3. 在优化问题中，正定矩阵也经常被用来描述目标函数的二次项。
例如在最小二乘法中，正定矩阵被用来描述模型的误差项，从而求出最优的模型参数。
浅谈分块矩阵的性质及应用doc
浅谈分块矩阵的性质及应用doc分块矩阵是由几个矩阵块组成的矩阵，它的出现主要是为了更好地解决某些复杂的数学问题。
在实际应用中，分块矩阵既可以用于表示线性系统，也可以用于表示迭代算法的计算过程。
本文将从性质和应用两个方面对分块矩阵进行浅谈。
1. 分块矩阵的性质分块矩阵的一些性质能够帮助我们更好的理解它的本质。
下面将介绍几个较为常见的性质。
(1) 直和分块矩阵：如果一个分块矩阵的所有矩阵块都是对角矩阵，那么我们称这个分块矩阵为直和分块矩阵。
直和分块矩阵与对角矩阵非常相似，都具有稳定的性质和巨大的计算优势。
(2) 块矩阵的转置：对于一个分块矩阵A，通常有以下转置公式：(A^T)_i,j=A_j,i。
也就是说，分块矩阵的转置相当于交换原矩阵的每一块。
(3) 块矩阵的乘法：设A和B是两个分块矩阵，当且仅当A的列数等于B的行数时，我们才可以进行矩阵乘法AB。
具体方法是将A中的每一块分别与B中的每一列乘起来，然后对结果进行相加。
另外还有两个性质需要注意。
首先，如果A和B都是直和分块矩阵，则它们的乘积也是直和分块矩阵。
其次，如果A和B都是分块对称矩阵，那么它们的乘积也是分块对称矩阵。
(1) 线性系统求解：分块矩阵可以用于求解大规模的线性系统，它的基本思想是将系统分成若干个小规模的子系统，利用线性代数中的基本定理，通过求解小系统的逆矩阵逐步求解全局矩阵的逆矩阵。
具体而言，我们可以将原矩阵A分解为A=BCD，其中B和D都是对角矩阵，C是一般的矩阵。
然后，我们可以将原始线性系统Ax=b转化为一个新的线性系统(D^-1CB)x=D^-1b。
由于B和D都是对角矩阵，所以它们的逆矩阵很容易求得。
接下来，我们只需要在新的线性系统中解x即可。
(2) 特征值计算：分块矩阵也可以用于特征值问题的求解，尤其是在计算大规模稀疏矩阵的特征值时特别有效。
具体而言，我们可以采用分块对角化的方法，将原矩阵A分解为A=BCD，其中B和D都是对角矩阵，C是一般的矩阵。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ａ
＜， 。 注意到 是 《 任意的一个特征值且 和 ４ 具
都是正定矩阵。
４ ４ … ４
…
性质 ２ ： 设 Ａ＝
。 …
是正定矩 阵，
４ ４ … ４ ｊ
则
…
ｊ
也是正定矩阵 ， 其中 ｋ 口。
有相 同的特征值 ， 由Ａ ＜ｘ Ｔ ｘ， 可以得到 Ａ ｍ ｏ ｘ （ Ａ ｌ 。 ） －－ …（ ）＜ Ｉ 。 注： 由性质 １ 至性质 ４ ， 我们可以类 似地得 到分块负定矩 阵的一 些相关结论。上述知识在线性 代数 中教材很少提及。根据矩阵的一 些性质和线性代数教材 中有关正定矩阵和负定矩阵的知识 ， 我们不 难得到上述关于分块正定矩阵和分块负定矩阵 的结论 ， 这些结论 在 研究 马尔科夫跳变系统 、 时滞系统 、 广义系统等 系统 的稳定性等 问 题 中有着非常广泛的应用 。 参 考 文 献 ［ １ 】 同济大学数学 系． 工程数 学： 线性代数（ 第 ５版） ［ Ｍ ］ ． 北京 ： 高等教 育
ｆ Ａ １
ｎ
４１ ｍ
１ 瑚 。们
Ｌ
ｍ
…
，
其 中ｋ ｌ ＜ｋ ２ ＜… 且ｋ ｌ ， ｋ ２ ， …， 取 值 于｛ ｌ ， ｚ ， … ， 口 ｝ 。
性 质 ｓ ： 设 兰 】 是 正 定 矩 阵 且 测 ４ ＜ 。
矩 阵。
Ｉ
的证 明相类似 ， 我们容易得到 Ｈ ｒ Ａ Ｉ Ｉ ＞０ ， 即 一 ４ 《 ＞０ 。 １ 。 ｝ 是正定矩阵， 则Ａ 。 和Ａ 都是正定 和性质 Ｉ 。 Ｊ 由４ 《＞ （ ） （ ４ 。 ） 和４ ＜ （ ４ ） ， 可得
证明： 令 ＝ Ｉ 。 通过计算， 容易得到
证 明 ： 设 ＝ ｌ 一 ∥ Ｊ 。 通 过 计 算 容 易 得 到 ４ ｚ ～ ４ 。
ｋ （ Ａ 甚 ） （ ２ Ａ ） ＜ Ａ ｚ ２ Ａ ｉ 《 ２ ＜ ｉ ‘ Ａ （ ｉ ） Ｊ 鄙 Ａ ！ ： ２ ＜ 争 ！ Ｉ 。
性质 １ ： 设 Ａ：
＝
ｆ 厂 １
Ｈ＝４ 。 对于任
～
由４ ・ ＜ ， 可得 （ ４ 。 ） ＜ （ ） ， 进一步可得 。 《 ＜， 。 意 的具有适 当维数 的向量 ≠ ０， 式子 胁 ≠ ０成立。 不然 ， 假设 ０， 那 么 Ｈ Ｔ Ｈ ｘ＝ ＝ ０， 这 与 善 ０相 矛 盾 ， 所 以 对 于任意 的具有适 当维数 的向量 ≠ ０， 式子 Ｈ ｘ ≠ ０成立 。 注意到 阵 ，贝 Ｕ （ ） ・ （ 。 ）＜ １。 Ａ是正定 矩 阵 ， 我们可得 Ｉ Ｉ Ｍｉ ｘ ＞ ０， 即 Ａ Ｈ ｘ＝ ４， 是正 定 矩阵 。利用类似 的方法 ， 我们 同样可得 如 是正定矩阵。 证明： 由性质 ３ ， 我们可得４ 《＜ 。设 是 任意的一个
４ ，４ …
…
性 质 ４ ： 设 乏 Ｊ 是 正 定 矩 阵 ， 其 中 ４ ＜ ｚ 且 Ａ ｚ 是 方
Ｊ。 ， 即
推论 １ ： 设
。 …
是正定矩阵 ， 则
特 征值 ， 存在一个具 有适 当维数 的 向量 ≠ ０， 满足 由４ 。 ＜ （ 通过性质 ３ 很 容易看出 ） ， 我们可得 ４ ： 《 ＜ ＝ｌ ， ２ ， …， 刀 ）
科技 论坛
・ １ ０ １ ・
有关分块正定矩阵和分块负 定矩阵的一些结论
龙 少 华
（ 重庆理 工大学数学与统计学院 ， 重庆 ４ ０ ０ ０ ０ ０ ）
摘 要： 矩阵的正定性是矩 阵理论 中一个很重要的理论 。矩阵的正定性在 系统科学的研 究中 占有非常重要的地位 。本 文借助 于线性 代数教材上的有关矩 阵和二次型的知识 ， 对分块正定矩阵和分块 负定矩 阵进行 了一些探 讨， 得到 了一些相 关的结论。 关键词 ： 分块矩阵； 正定矩阵 ； 负定矩 阵 线性代数是高 等学校 电子 、 机械 、 化工 、 会计和经管等很 多专业 的具有适 当维数的 向量 ≠ ０ ，式子 放 ≠ ０成立。不然 ，假设 的一 门非 常重 要的基础课 。在我们现实世界里 ， 线性 问题广泛存在 ＝ ０ 那 么可 以推 出 Ｈ 肋 ＝ Ｘ ＝ ０， 这 与 ≠ ０ 相 于科学技术 的各个领域 。对 于某些非线性 问题 ， 我们常 常通过一些 矛盾 ， 所 以对于任意 的具有适 当维数的 向量 ≠ Ｏ ， 式子 ≠ ０ 成 线性化 的方法将非线性 问题转化成线性 问题进行研究 。因此 ， 线性 立 。注意到 Ａ是正定矩阵 ， 我们可得 Ｊ ｒ Ｈ ｒ Ａ Ｈ ｘ ＞０ ， 即Ｈ ｒ ￣ Ｈ ｘ： 代数在数学 、 物理学 、 医学和工程技术等学科 中有非 常重要 的应用 。 是正定矩阵。 线性代数课程 的学 习非 常有助于 以后专业课程 的学 习 ， 也非常有助 。 … ４ 于 以后 的一些相关研究工作 。 线性代数的研究对象包括矩 阵、 向量 、 ： … 推论 ２ ： 设 ： 是正定矩阵， 向量空间 （ 或称线性 空间 ） 、 线性变换 、 线性方程组 和二次型等 。 线性 代数将几何观念和代数方法结合起来 ， 对于强化人 们严 谨的逻辑推 Ａ ｎ Ａ ２ … Ａ
，
理能力和归纳综合能力等有非常重要的作用。
二次型在线性代数 中具有非常重要 的地位 。 通过对二次型的学 习， 除 了能进 一步加深对线性 代数 中的一些 概念 的理解外 ， 还 能为 学习空间解析几何 ， 特别是空 间解析几何 的二 次曲面等打下 一定 的 基础。 另外 ， 二次型 中的正定矩阵 、 负定矩 阵等理论也被广泛应用 于 对 系统科学的研 究中。在 研究 一个系统时 ， 我们 常常需要研究这 个 系统的稳定性。 李亚普诺夫函数方法是研究系统 的稳定性的一个 重 要 的方 法。 我们通常希望所 构造 的李亚普诺夫 函数 的导数是一个 负 定 的二次型。因此 ， 正定矩阵和负定矩阵在对 系统科学 的研究 中 占 有非常重要的地位 。 但是 ， 在线性代数教材 中， 一般都很少对分块正 定 矩阵和分块负定矩阵进行进 一步地分析和讨论 。 本文对分块 正定 矩 阵和分块 负定 矩阵进行 了一些讨论 ， 得 到如 下的一些结论 。