发布时间：
矩阵正定性的性质：
1、正定矩阵的特征值都是正数。
2、正定矩阵的主元也都是正数。
3、正定矩阵的所有子行列式都是正数。
4、正定矩阵将方阵特征值，主元，行列式融为一体。
正定矩阵的性质与判别方法
1、对称矩阵A正定的充分必要条件是A的n个特征值全是正数。
2、对称矩阵A正定的充分必要条件是A合同于单位矩阵E。
扩展资料：
矩阵与行列式的区别：
1、矩阵是一个表格，行数和列数可以不一样；而行列式是一个数，且行数必须等于列数。只有方阵才可以定义它的行列式，而对于长方阵不能定义它的行列式。
2、两个矩阵相等是指对应元素都相等；两个行列式相等不要求对应元素都相等，甚至阶数也可以不一样，只要运算代数和的结果一样就行了。
3、两矩阵相加是将各对应元素相加；两行列式相加，是将运算结果相加，在特殊情况下(比如有行或列相同)，只能将一行(或列)的元素相加，其余元素照写。
参考资料来源：百度百科-正定矩阵
矩阵正定性的性质：
1、正定矩阵的特征值都是正数。
2、正定矩阵的主元也都是正数。
3、正定矩阵的所有子行列式都是正数。
4、正定矩阵将方阵特征值，主元，行列式融为一体。
正定矩阵的特征方法：
1、 对称矩阵A正定的充分必要条件是A的n个特征值全是正数。
2、对称矩阵A正定的充分必要条件是A合同于单位矩阵E。
3、对称矩阵A正定(半正定)的充分必要条件是存在n阶可逆矩阵U使A=U^TU
4、对称矩阵A正定，则A的主对角线元素均为正数。
5、对称矩阵A正定的充分必要条件是:A的n个顺序主子式全大于零。
扩展资料：
一个n阶的实对称矩阵M是正定的的条件是当且仅当对于所有的非零实系数向量z。
对于n阶实对称矩阵A，下列条件是等价的：
（1）A是正定矩阵；
（2）A的一切顺序主子式均为正；
（3）A的一切主子式均为正；
（4）A的特征值均为正；
（5）存在实可逆矩阵C，使A=C′C；
（6）存在秩为n的m×n实矩阵B，使A=B′B；
（7）存在主对角线元素全为正的实三角矩阵R，使A=R′R。
对于具体的实对称矩阵，常用矩阵的各阶顺序主子式是否大于零来判断其正定性；对于抽象的矩阵，由给定矩阵的正定性，利用标准型，特征值及充分必要条件来证相关矩阵的正定性。
参考资料来源：百度百科--正定矩阵
相信正定矩阵的定义楼主很清楚。定义矩阵的正定性是根据二次型来的，这也就是说明正定矩阵的性质反映了一个二次表达式的性质，从另一个角度讲这也给我们提供了一个二次表达式的矩阵表示方法。在最初学函数的时候，我们学过配方法，其实化一个二次型为标准二次型的时候也是利用这个原理，只不过我们通过矩阵的手段来进行计算同时还用到了满值线性变换的一些知识。其实在数学理论中更愿意研究Hermite二次型的正定问题，因为Hermite矩阵（A=AH（表示共轭转置矩阵））更能和一些工程学科相结合。另外在数值计算科学中也经常会用到正定矩阵的知识。比如线性方程组的高斯-塞德尔迭代法就是在方程组的系数矩阵是正定的情况下对任意初始向量是收敛的。从工程学科来说，举一个控制系统为例，如果可以找到一个利亚普诺夫函数使得它的倒数是负定（也就是说倒数的相反数是正定的）那么这个系统就是渐进稳定的。
加油吧，少年
1，求出一个矩阵的全部互异的特征值a1,a2……2，对每个特征值，求特征矩阵a1I-A的秩，判断每个特征值的几何重数q=n-r(a1I-A),是否等于它的代数重数p，只要有一个不相等，A就不可 以相似对角化，否则， 就可以相似对角化3，当可以相似对角化时，对每个特征值，求方程组，（aiI-A）X=0的一个基础解系4，令P=这些基础解系，则P-1AP=diag(a1,a2,a3……)，其中有qi个特征值
我觉得应该是相似对角化吧，具体的步骤是：1，求出一个矩阵的全部互异的特征值a1,a2……2，对每个特征值，求特征矩阵a1I-A的秩，判断每个特征值的几何重数q=n-r(a1I-A),是否等于它的代数重数p，只要有一个不相等，A就不可 以相似对角化，否则， 就可以相似对角化3，当可以相似对角化时，对每个特征值，求方程组，（aiI-A）X=0的一个基础解系4，令P=这些基础解系，则P-1AP=diag(a1,a2,a3……)，其中有qi个特征值你看行不？这就是我知道的，呵呵
发过去了，刚好我有这个
这种老掉牙的课题写了干什么？前人已经研究的透彻不能再透彻了。既然写文章，搞研究就要真的做了点实质性的东西出来，否则只是浪费时间。
矩阵正定性的性质：
1、正定矩阵的特征值都是正数。
2、正定矩阵的主元也都是正数。
3、正定矩阵的所有子行列式都是正数。
4、正定矩阵将方阵特征值，主元，行列式融为一体。
正定矩阵的判别方法：
1、 对称矩阵A正定的充分必要条件是A的n个特征值全是正数。
2、对称矩阵A正定的充分必要条件是A合同于单位矩阵E。
3、对称矩阵A正定(半正定)的充分必要条件是存在n阶可逆矩阵U使A=U^TU
4、对称矩阵A正定，则A的主对角线元素均为正数。
5、对称矩阵A正定的充分必要条件是:A的n个顺序主子式全大于零。
扩展资料：
广义的正定矩阵判断：
设M是n阶方阵，如果对任何非零向量z，都有zTMz> 0，其中zT 表示z的转置，就称M正定矩阵。
例如：B为n阶矩阵，E为单位矩阵，a为正实数。aE+B在a充分大时，aE+B为正定矩阵。（B必须为对称阵）
狭义正定矩阵判断：
一个n阶的实对称矩阵M是正定的当且仅当对于所有的非零实系数向量z，都有zTMz> 0。其中zT表示z的转置。
参考资料来源：百度百科-正定矩阵
看看课本吧北大版的高等代数 经典上面说的很清楚
加油吧，少年
设实对称矩阵A，如果对于任意的实非零向量x≠0有x^TAx>0,则矩阵A称为正定的。正定矩阵的性质与判别方法1. 对称矩阵A正定的充分必要条件是A的n个特征值全是正数。2．对称矩阵A正定的充分必要条件是A合同于单位矩阵E。3．对称矩阵A正定（半正定）的充分必要条件是存在n阶可逆矩阵U使A=U^TU 4．对称矩阵A正定，则A的主对角线元素均为正数。5．对称矩阵A正定的充分必要条件是：A的n个顺序主子式全大于零。
矩阵的迹有下列性质
线性tr(A+B) = tr(A) + tr(B)tr(kA) = ktr(A)线性算子d tr(A) = tr(dA)tr(AB) = tr(BA) ≠ tr(A)tr(B)tr(A) = n
∑
i=1λi = n
∑
i=1aiitr(AAT) = 0 ⇔ A=0
矩阵的迹是指线性代数中矩阵的主对角线上各个元素的总和； 矩阵的迹拥有的性质为：矩阵的迹是所有对角元的和，矩阵的迹也是所有特征值的和，若矩阵有N阶，则矩阵的迹就等于矩阵的特征值的总和，也即矩阵的主对角线元素的总和。
trA代表矩阵A的迹。
在线性代数中，一个n×n矩阵A的主对角线（从左上方至右下方的对角线）上各个元素的总和被称为矩阵A的迹（或迹数），一般记作tr(A)。
trA是主对角线上元素之和：a11+a22+...ann。
矩阵的迹计算性质：
1.两个矩阵相似，那么两个矩阵的迹相等。
2.矩阵的迹就是对角线元素的和。
3.矩阵的迹不能又初等行变换之后的矩阵求得。
4.矩阵的迹只有在矩阵中存在，在行列式中不存在。
因为特征多项式f(λ)=λ^n+c1λ^(n-1)+λ^(n-2)+...+cn是由行列式|λE-A|确定的根据韦达定理，特征值的和=-c1而在行列式|λE-A|中，只有(λ-a11)(λ-a22)(λ-a33)...(λ-ann)这项含有λ^(n-1)，而且这项就是：-(a11+a22+a33+...+ann)λ^(n-1)所以特征值的和=a11+a22+a33+...+ann
我的毕业论文题目是矩阵的乘法及其应用~个人感觉相当简单~我是数学与应用数学专业
随着现代科学的发展，数学中的矩阵也有更广泛而深入的应用，下面列举几项矩阵在现实生活中的应用：
在数学中，矩阵（Matrix）是一个按照长方阵列排列的复数或实数集合[1] ，最早来自于方程组的系数及常数所构成的方阵。这一概念由19世纪英国数学家凯利首先提出。矩阵是高等代数学中的常见工具，也常见于统计分析等应用数学学科中。在物理学中，矩阵于电路学、力学、光学和量子物理中都有应用；计算机科学中，三维动画制作也需要用到矩阵。 矩阵的运算是数值分析领域的重要问题。将矩阵分解为简单矩阵的组合可以在理论和实际应用上简化矩阵的运算。对一些应用广泛而形式特殊的矩阵，例如稀疏矩阵和准对角矩阵，有特定的快速运算算法。关于矩阵相关理论的发展和应用，请参考矩阵理论。在天体物理、量子力学等领域，也会出现无穷维的矩阵，是矩阵的一种推广。矩阵的研究历史悠久，拉丁方阵和幻方在史前年代已有人研究。作为解决线性方程的工具，矩阵也有不短的历史。成书最迟在东汉前期的《九章算术》中，用分离系数法表示线性方程组，得到了其增广矩阵。在消元过程中，使用的把某行乘以某一非零实数、从某行中减去另一行等运算技巧，相当于矩阵的初等变换。但那时并没有现今理解的矩阵概念，虽然它与现有的矩阵形式上相同，但在当时只是作为线性方程组的标准表示与处理方式。矩阵正式作为数学中的研究对象出现，则是在行列式的研究发展起来后。逻辑上，矩阵的概念先于行列式，但在实际的历史上则恰好相反。日本数学家关孝和（1683年）与微积分的发现者之一戈特弗里德·威廉·莱布尼茨（1693年）近乎同时地独立建立了行列式论。其后行列式作为解线性方程组的工具逐步发展。1750年，加布里尔·克拉默发现了克莱姆法则[2] 。矩阵的现代概念在19世纪逐渐形成。1800年代，高斯和威廉·若尔当建立了高斯—若尔当消去法。1844年，德国数学家费迪南·艾森斯坦（）讨论了“变换”（矩阵）及其乘积。1850年，英国数学家詹姆斯·约瑟夫·西尔维斯特（James Joseph Sylvester）首先使用矩阵一词[3] 。英国数学家凯利被公认为矩阵论的奠基人。他开始将矩阵作为独立的数学对象研究时，许多与矩阵有关的性质已经在行列式的研究中被发现了，这也使得凯利认为矩阵的引进是十分自然的。他说：“我决然不是通过四元数而获得矩阵概念的；它或是直接从行列式的概念而来，或是作为一个表达线性方程组的方便方法而来的。”他从1858年开始，发表了《矩阵论的研究报告》等一系列关于矩阵的专门论文，研究了矩阵的运算律、矩阵的逆以及转置和特征多项式方程。凯利还提出了凯莱-哈密尔顿定理，并验证了3×3矩阵的情况，又说进一步的证明是不必要的。哈密尔顿证明了4×4矩阵的情况，而一般情况下的证明是德国数学家弗罗贝尼乌斯（）于1898年给出的[2] 。1854年时法国数学家埃尔米特（）使用了“正交矩阵”这一术语，但他的正式定义直到1878年才由费罗贝尼乌斯发表。1879年，费罗贝尼乌斯引入矩阵秩的概念。至此，矩阵的体系基本上建立起来了。无限维矩阵的研究始于1884年。庞加莱在两篇不严谨地使用了无限维矩阵和行列式理论的文章后开始了对这一方面的专门研究。1906年，希尔伯特引入无限二次型（相当于无限维矩阵）对积分方程进行研究，极大地促进了无限维矩阵的研究。在此基础上，施密茨、赫林格和特普利茨发展出算子理论，而无限维矩阵成为了研究函数空间算子的有力工具[4] 。
矩阵在许多领域都应用广泛。有些时候用到矩阵是因为其表达方式紧凑，例如在博弈论和经济学中，会用收益矩阵来表示两个博弈对象在各种决策方式下的收益。文本挖掘和索引典汇编的时候，比如在TF-IDF方法中，也会用到文件项矩阵来追踪特定词汇在多个文件中的出现频率。早期的密码技术如希尔密码也用到矩阵。然而，矩阵的线性性质使这类密码相对容易破解。计算机图像处理也会用到矩阵来表示处理对象，并且用放射旋转矩阵来计算对象的变换，实现三维对象在特定二维屏幕上的投影。多项式环上的矩阵在控制论中有重要作用。化学中也有矩阵的应用，特别在使用量子理论讨论分子键和光谱的时候。具体例子有解罗特汉方程时用重叠矩阵和福柯矩阵来得到哈特里－福克方法中的分子轨道。