不使用NumPy.linalg，如何判断矩阵对称正定？numpy.isclose是否可用？

1. 不使用NumPy检查矩阵是否为正定矩阵 #

对于实矩阵，正定的核心判定逻辑是矩阵对称，且所有顺序主子式的行列式值均大于0；也可通过手动实现Cholesky分解验证：若能成功分解出下三角矩阵且对角元全为正，则矩阵正定。具体实现思路如下：

步骤1：验证矩阵对称性 #

遍历矩阵元素，检查 matrix[i][j] 与 matrix[j][i] 是否相等（浮点矩阵需设置精度阈值，如1e-8，判断两者差值绝对值小于阈值即可）。

步骤2：检查所有顺序主子式 #

顺序主子式指n阶矩阵前k行k列构成的子矩阵（k从1到n），计算每个子矩阵的行列式，若全部大于0则矩阵正定。

手动实现示例（纯Python代码） #

def is_symmetric(matrix, tol=1e-8):
    n = len(matrix)
    for i in range(n):
        for j in range(i+1, n):
            if abs(matrix[i][j] - matrix[j][i]) > tol:
                return False
    return True

def determinant(mat):
    n = len(mat)
    if n == 1:
        return mat[0][0]
    det = 0
    for col in range(n):
        sign = (-1) ** col
        sub_mat = [row[:col] + row[col+1:] for row in mat[1:]]
        det += sign * mat[0][col] * determinant(sub_mat)
    return det

def is_positive_definite(matrix, tol=1e-8):
    if not is_symmetric(matrix, tol):
        return False
    n = len(matrix)
    for k in range(1, n+1):
        sub_mat = [row[:k] for row in matrix[:k]]
        det = determinant(sub_mat)
        if det <= tol:
            return False
    return True

2. 使用numpy.isclose检查矩阵对称是否可行？ #

完全可行。实际计算中矩阵常因浮点精度问题无法做到严格的matrix == matrix.T，numpy.isclose可通过设置合理容差（默认rtol=1e-05, atol=1e-08）忽略微小误差，准确判断矩阵对称性。

对称检查示例 #

import numpy as np

def is_symmetric_np(matrix):
    return np.all(np.isclose(matrix, matrix.T))

正定检查（不依赖numpy.linalg） #

确认矩阵对称后，仍需通过顺序主子式大于0或手动实现Cholesky分解判定正定：

• 手动Cholesky分解逻辑：构造下三角矩阵L，使得L @ L.T = matrix，若分解过程中所有对角元平方根为实数（即对角元为正），则矩阵正定。

示例代码（结合numpy.isclose的对称检查）：

def cholesky_decompose(matrix, tol=1e-8):
    n = matrix.shape[0]
    L = np.zeros_like(matrix)
    for i in range(n):
        for j in range(i+1):
            sum_val = np.sum(L[i, :j] * L[j, :j])
            if i == j:
                diag_val = matrix[i, i] - sum_val
                if diag_val <= tol:
                    return None  # 分解失败，非正定
                L[i, j] = np.sqrt(diag_val)
            else:
                L[i, j] = (matrix[i, j] - sum_val) / L[j, j]
    return L

def is_positive_definite_np(matrix, tol=1e-8):
    if not np.all(np.isclose(matrix, matrix.T)):
        return False
    L = cholesky_decompose(matrix, tol)
    return L is not None

内容的提问来源于stack exchange，提问作者Suyog Srivatsa