1 基本定义
1.1 矩阵与子矩阵的定义
矩阵是由元素按行与列排列形成的矩形数组，通常记作 \(A=(a_{ij})\)。在线性代数中，矩阵常用来表示线性映射、线性方程组系数以及二次型等对象。
子矩阵是从原矩阵中选取若干行与若干列后得到的矩阵。若保留所选行与列的原有相对顺序，则所得矩阵仍保持与原矩阵元素对应关系。子矩阵可以是任意形状，不一定为方阵。
1.2 主子矩阵的定义
主子矩阵通常指在一个矩阵中，选取同一组指标对应的行与列所形成的子矩阵。也就是说，若选取指标集 \(I=\{i_1,i_2,\dots,i_k\}\)，则由第 \(i_1,\dots,i_k\) 行与第 \(i_1,\dots,i_k\) 列共同构成的 \(k\) 阶方阵，称为主子矩阵。
在不同文献中，“主子矩阵”有时被更宽泛地用来指一般子矩阵，但在线性代数和矩阵理论中，最常见、最严格的含义是“行列指标一致”的方阵子矩阵。
1.2.1 同阶行列选择的规则
主子矩阵的核心规则是：所选行号与列号必须来自同一个指标集合，并且阶数相同。若选取 \(k\) 个行指标，就必须选取同样的 \(k\) 个列指标，且二者一一对应。这样得到的矩阵才符合主子矩阵的定义。
这种规则保证了主子矩阵与原矩阵在局部结构上具有直接对应关系，尤其便于研究对称性、正定性以及特征值性质。
1.2.2 方阵情形下的主子矩阵
当原矩阵本身是 \(n\) 阶方阵时，主子矩阵通常从中抽取若干行和相同编号的若干列得到。若保留第 \(i_1,\dots,i_k\) 行与第 \(i_1,\dots,i_k\) 列，则形成一个 \(k\) 阶方阵。
在方阵情形下，主子矩阵尤其常用于定义主子式、研究顺序主子矩阵以及分析矩阵的正定性与秩。
1.3 相关概念辨析
主子矩阵与若干相关概念密切相连，但并不完全等同。理解这些差别，有助于在不同语境下准确使用术语。
1.3.1 一般子矩阵与主子矩阵
一般子矩阵可以从原矩阵中任意选择若干行和若干列，不要求所选行号与列号一致。主子矩阵则要求行与列来自同一组指标，因此是子矩阵中的特殊类型。
换言之，所有主子矩阵都是子矩阵，但并非所有子矩阵都是主子矩阵。
1.3.2 主子矩阵与主子式
主子矩阵是由同一指标集选出的方阵，而主子式通常指该主子矩阵的行列式。二者关系紧密：主子矩阵是对象，主子式是其行列式值。
在许多定理中，真正起作用的是主子式的数值，例如正定性判别、秩的刻画等。
2 分类与表示
2.1 按阶数分类
主子矩阵可按照其阶数进行分类，即按所选指标个数划分。
2.1.1 一阶主子矩阵
一阶主子矩阵由单个行指标与同一个列指标对应得到，本质上就是原矩阵的某个对角元。对于方阵而言，一阶主子矩阵共有若干个，分别对应各个对角元素。
2.1.2 二阶主子矩阵
二阶主子矩阵由两个相同指标的行与列组成，是一个 \(2\times 2\) 方阵。它能够反映矩阵局部的二元相互关系，在讨论秩、正定性与特征值时经常出现。
2.1.3 k阶主子矩阵
k阶主子矩阵是从原矩阵中选出 \(k\) 个指标形成的 \(k\times k\) 方阵。随着阶数增加，主子矩阵逐渐捕捉更大范围的结构信息，常用于刻画全局性质。
2.2 按选取方式分类
根据指标选择的顺序与排列方式，主子矩阵还可作进一步区分。
2.2.1 顺序主子矩阵
若选取的指标按自然顺序排列，如前 \(k\) 个指标对应的行与列构成的主子矩阵，通常称为顺序主子矩阵。它在理论分析中很常见，尤其是在递推证明和判别准则中占有重要位置。
2.2.2 非顺序主子矩阵
若所选指标不是简单的前缀集合，而是任意挑选的一组指标，则得到非顺序主子矩阵。这类主子矩阵在更一般的结构分析中更灵活，也更能体现矩阵的局部差异。
2.3 按矩阵类型分类
不同类型的矩阵，其主子矩阵在结构和性质上可能有所不同。
2.3.1 实矩阵中的主子矩阵
对于实矩阵，主子矩阵仍是实矩阵，元素全部来自实数域。其研究重点通常集中在秩、行列式符号以及正定性等性质上。
2.3.2 复矩阵中的主子矩阵
复矩阵的主子矩阵由复数元素组成。此时不仅要考虑一般代数性质，还常涉及共轭转置、厄米性质及相关谱理论问题。
2.3.3 对称矩阵与厄米矩阵中的主子矩阵
若原矩阵是对称矩阵或厄米矩阵，则其主子矩阵通常仍保持相同类型，即分别仍为对称矩阵或厄米矩阵。这种性质使主子矩阵在研究正定性和特征值分布时尤为重要。
3 性质
3.1 基本代数性质
主子矩阵具有若干直接的代数性质，这些性质来源于其作为原矩阵局部截取结果的结构特点。
3.1.1 尺寸与秩的关系
主子矩阵的阶数不超过原矩阵的行数和列数。其秩也不会超过该阶数，并且通常不大于原矩阵的秩。通过比较不同阶数的主子矩阵，可以获得关于原矩阵秩的信息。
3.1.2 子矩阵之间的包含关系
较小阶的主子矩阵可视为较大阶主子矩阵的进一步截取结果。若某一主子矩阵取自更大指标集，则它与更大主子矩阵之间存在自然的层级关系，这种嵌套结构在递推分析中很常见。
3.2 行列式性质
主子矩阵的行列式，即主子式，是矩阵理论中的核心量之一。
3.2.1 主子矩阵行列式的计算
主子矩阵的行列式可以直接按普通方阵行列式方法计算，如展开法、消元法或分解法。对于低阶情形，可直接写出显式表达式；对于高阶情形，则通常借助结构简化。
3.2.2 主子式与展开关系
主子式常与行列式展开、递推公式以及按块分解的公式联系在一起。某些整体行列式的表达可以写成若干主子式的组合，因此主子矩阵在计算与理论证明中都很关键。
3.3 矩阵结构性质
主子矩阵能够反映原矩阵的若干结构特征，尤其是在特殊矩阵类中表现明显。
3.3.1 对称性保留
若原矩阵是对称矩阵，则其任意主子矩阵依旧对称；厄米矩阵亦然。这一保留性来自行列指标的一致选择，使得对应元素关系在截取后仍然成立。
3.3.2 正定性与半正定性的局部反映
对称矩阵或厄米矩阵的主子矩阵常用于判断整体正定性或半正定性。一般来说，整体矩阵的正定性质会在其顺序主子矩阵中留下明显痕迹，因此主子矩阵可视为局部性质的“窗口”。
4 典型定理与判别准则
4.1 Sylvester 判别法
Sylvester 判别法是利用主子式判断矩阵正定性的经典方法之一。
4.1.1 顺序主子式判别正定性
对于实对称矩阵，若其所有顺序主子式都为正，则该矩阵正定。这里的顺序主子式对应前 \(1\) 阶、前 \(2\) 阶直到前 \(n\) 阶的主子矩阵行列式。
这一准则在二次型理论和优化中经常使用，因为它提供了一个明确的代数判别条件。
4.1.2 半正定性的相关条件
半正定性的判别比正定性更细致，常涉及全部主子式或特定主子式的非负条件。在不同场景下，常需要结合矩阵类型与附加结构来使用相应的判别方式。
4.2 秩与主子矩阵
主子矩阵与秩之间存在紧密联系，尤其是在确定矩阵最大非退化子结构时。
4.2.1 最大非零主子式与秩
矩阵的秩可由非零主子式的最高阶数来刻画：若某矩阵存在一个 \(r\) 阶非零主子式，而所有更高阶主子式都为零，则该矩阵的秩通常为 \(r\)。这一结论是线性代数中的基本结果。
4.2.2 主子矩阵对秩的刻画
通过考察不同阶数的主子矩阵，可以判断原矩阵是否存在某种局部满秩结构。主子矩阵的秩信息常作为消元过程和结构分析的辅助依据。
4.3 特征值相关结果
主子矩阵与特征值之间的联系在谱理论中占有重要地位。
4.3.1 主子矩阵与特征值分布
对于某些特殊矩阵，主子矩阵的特征值会与原矩阵特征值呈现可比较关系。主子矩阵可以保留原矩阵部分谱信息，从而反映局部扰动对整体谱结构的影响。
4.3.2 Cauchy 型交错定理
Cauchy 型交错定理描述了实对称矩阵与其主子矩阵之间特征值的交错关系。该结果表明，主子矩阵的特征值并非任意，而是在原矩阵特征值之间按一定顺序分布。
这一结论在谱估计、数值分析和矩阵不等式中都很常用。
5 计算方法
5.1 直接提取法
主子矩阵最直接的构造方式，就是按照选定指标从原矩阵中提取对应元素。
5.1.1 行列索引的选取
先确定一个指标集合，再同步取出这些指标对应的行和列。若指标按升序排列，所得主子矩阵的顺序通常更清晰，便于后续计算与比较。
5.1.2 符号与记号约定
文献中常用 \(A[I]\)、\(A_{I,I}\) 或类似记号表示由指标集 \(I\) 选出的主子矩阵。不同作者的写法略有差异，但核心含义一致：行、列索引相同。
5.2 递推与展开
对于较大阶主子矩阵，常借助递推或分块思想进行计算。
5.2.1 按行列展开求值
主子矩阵的行列式可通过按某一行或列展开计算。若矩阵具有稀疏结构或零元素较多，展开法能显著减少计算量。
5.2.2 利用分块矩阵计算
当主子矩阵具有分块结构时，可使用分块行列式公式或Schur补等工具进行求值。该方法在理论推导与算法实现中都很有效。
5.3 数值计算中的处理
在数值线性代数中，主子矩阵经常出现在消元、分解和稳定性分析中。
5.3.1 消元法中的主子矩阵
高斯消元及其变体会逐步处理不同阶数的主子矩阵。若某个主子矩阵可逆，往往意味着相关消元步骤可以继续进行。
5.3.2 计算稳定性与误差
主子矩阵的数值计算可能受到舍入误差影响，特别是在病态矩阵中更为明显。实际计算时常结合主元选择、缩放与分解技术，以提高稳定性。
6 应用
6.1 线性方程组
主子矩阵在分析线性方程组时具有直接作用。
6.1.1 可逆性判断
某些主子矩阵是否可逆，能够反映线性方程组局部求解结构。特别是当高阶主子式非零时，常意味着相关变量子系统具有较好的独立性。
6.1.2 局部结构分析
通过观察不同变量组对应的主子矩阵，可以分析方程组中局部耦合关系，判断哪些变量之间关联更强，哪些部分可能近似解耦。
6.2 正定矩阵理论
正定矩阵理论与主子矩阵关系极为密切。
6.2.1 二次型判别
二次型的正定性可借助对应矩阵的主子式进行判断。主子矩阵的行列式符号常直接反映二次型在不同子空间上的表现。
6.2.2 优化问题中的应用
在凸优化与约束优化中，Hessian 矩阵及其主子矩阵常用于判断极值点性质。若相关主子矩阵满足特定条件，则可辅助确认局部极小、鞍点或其他性质。
6.3 图论与组合数学
主子矩阵在图论中也有明确用途，尤其与邻接矩阵和拉普拉斯矩阵相关。
6.3.1 邻接矩阵的主子矩阵
从图的邻接矩阵中抽取某些行列形成的主子矩阵，可以对应于图中部分顶点之间的连接关系。它能够反映局部子结构的相邻模式。
6.3.2 子图结构的表示
主子矩阵常用于表示诱导子图的邻接关系。选取同一组顶点对应的行与列，就能得到与该顶点集对应的子图信息。
6.4 数值线性代数
在算法设计中，主子矩阵是重要的中间结构。
6.4.1 预条件与截断
某些预条件技术会围绕主子矩阵构造近似系统，以改善迭代方法的收敛性。截断计算中也常保留某些主要主子结构，以平衡精度与效率。
6.4.2 矩阵分块与降阶
通过选取关键主子矩阵，可以对大型矩阵进行分块和降阶处理，使问题转化为较小规模的子问题。这在大规模计算中尤为实用。
7 相关概念与扩展
7.1 主子式
主子式是主子矩阵的行列式。它是判断正定性、秩以及特征值性质的重要工具，也是主子矩阵理论中的核心数值对象。
7.2 余子矩阵
余子矩阵通常指由删去某些行和列后得到的矩阵，常与代数余子式和行列式展开有关。它与主子矩阵在选取方式上有明显区别，但在计算中经常同时出现。
7.3 伴随矩阵
伴随矩阵由各个代数余子式组成，并与原矩阵的逆矩阵计算密切相关。虽然它不等同于主子矩阵，但二者都来源于原矩阵的局部子结构。
7.4 分块矩阵与块主子矩阵
分块矩阵将大矩阵划分为若干矩阵块，块主子矩阵则是在块层面上取相同指标的块所形成的子矩阵。该概念适合处理结构化矩阵和大规模问题。
7.5 特殊矩阵中的主子结构
在Toeplitz矩阵、带状矩阵、稀疏矩阵等特殊矩阵中，主子矩阵往往继承部分结构特征，从而简化分析与计算。不同特殊矩阵的主子结构差异，也构成了相关研究的重要内容。