4、数学预备知识（二）：矩阵的正定性判定、Sylvester准则
好，咱们接着聊。上一节我们把向量和矩阵的基本运算捋了一遍，这一节要啃的，是李雅普诺夫稳定性理论里最核心的数学工具之一——矩阵的正定性。
说实话，我刚入行做控制系统仿真的时候，对“正定矩阵”的理解就停留在“特征值大于零”这个层面。直到有一次，我搭建了一个非线性系统的李雅普诺夫函数，怎么仿真都不收敛，折腾了两天。最后老工程师看了一眼我的矩阵，说：“小伙子，你这矩阵不是正定的。” 我拿Sylvester准则一验算，果然，二阶顺序主子式是负的。嗯，从那以后，我再也不敢小看这个准则了。
4.1 为什么我们需要判断矩阵的正定性？
在李雅普诺夫稳定性理论中，我们经常需要构造一个能量函数 V(x)。这个函数必须满足：
- V(x) > 0 对于所有 x ≠ 0
- V(0) = 0
说白了，这个能量函数必须是“正定”的。而二次型函数 V(x) = xᵀPx 是最常用的形式。这时候，矩阵 P 的正定性就直接决定了 V(x) 是不是一个合格的能量函数。
你想想看，如果 P 不是正定的，那 V(x) 在某些方向上可能是负的。这就好比你说“系统的能量在减少”，结果能量本身是负的——这物理意义就乱套了。
4.2 什么是正定矩阵？
定义其实很简单：一个 n×n 的实对称矩阵 P，如果对于任意非零向量 x ∈ ℝⁿ，都有 xᵀPx > 0，那么 P 就是正定矩阵。
我个人的习惯是，把正定矩阵想象成一个“凸碗”的形状。你往碗里扔一个小球，它总会滑到底部。这个“底部”就是系统的平衡点。
常见的等价条件有：
- 所有特征值 λᵢ > 0
- 所有顺序主子式 > 0（这就是Sylvester准则）
- 存在可逆矩阵 Q，使得 P = QᵀQ
重要提醒： 正定性只针对对称矩阵定义。如果矩阵不对称，我们通常用它的对称部分 (P + Pᵀ)/2 来判断。
4.3 Sylvester准则：实战中最常用的工具
Sylvester准则，说白了就是：一个对称矩阵是正定的，当且仅当它的所有顺序主子式都大于零。
什么叫顺序主子式？就是矩阵左上角 k×k 子矩阵的行列式，k = 1, 2, ..., n。
举个例子，对于矩阵：
P = [4 2]
[2 3]一阶顺序主子式：Δ₁ = 4 > 0 ✓
二阶顺序主子式：Δ₂ = det(P) = 4×3 - 2×2 = 8 > 0 ✓
所以 P 是正定的。
再来看一个我踩过的坑：
P = [1 2]
[2 1]Δ₁ = 1 > 0 ✓
Δ₂ = 1×1 - 2×2 = -3 < 0 ✗
你看，一阶主子式是正的，但二阶是负的。这个矩阵就不是正定的。我当时就是犯了这种错误，只检查了特征值没检查全，结果仿真数据全错了。
4.4 半正定、负定与不定矩阵
除了正定，我们还会遇到其他情况：
| 类型 | 定义 | Sylvester准则 |
|---|---|---|
| 正定 | xᵀPx > 0, ∀x ≠ 0 | 所有顺序主子式 > 0 |
| 半正定 | xᵀPx ≥ 0, ∀x | 所有主子式 ≥ 0 |
| 负定 | xᵀPx < 0, ∀x ≠ 0 | (-1)ᵏ × 第k阶顺序主子式 > 0 |
| 不定 | 有正有负 | 不满足以上任何条件 |
实战技巧： 我在做LQR控制器设计时，经常需要验证Riccati方程的解是否正定。我的习惯是先用Sylvester准则快速过一遍，如果发现某个主子式接近零，就说明数值稳定性可能有问题，需要改用更稳定的求解算法。
4.5 知识体系结构图
下面这张图，是我自己总结的矩阵正定性判定逻辑。你照着这个流程走，基本不会出错：
4.6 实战中的注意事项
最后，分享几个我这些年积累的经验：
- 数值稳定性： 实际计算中，主子式接近零的情况很常见。我建议设置一个容差 ε = 1e-8，小于这个值就视为零。
- 大矩阵怎么办？ 对于 10×10 以上的矩阵，手动计算主子式不现实。直接用 MATLAB 的
chol(P)函数，如果 Cholesky 分解成功，就是正定的。 - 对称性检查： 我见过太多人忘了检查矩阵是否对称。记住，非对称矩阵没有正定性一说。
曾经踩过的坑： 有一次我在做卫星姿态控制，用了一个 6×6 的矩阵。Sylvester准则算到第5阶主子式都是正的，第6阶突然变成负的。我查了三天代码，最后发现是数据采集时有一个传感器的单位搞错了。所以，矩阵正定性检查也是数据质量检查的一种手段。
好了，这一节的内容就到这里。矩阵正定性是李雅普诺夫方法的基石，你把它吃透了，后面讲稳定性定理的时候就会轻松很多。