本文介绍了正定矩阵的定义、判定条件（包括主元条件和迹大于零），并通过实例说明了如何通过特征值和矩阵乘法判断正定性。此外，还讨论了极小值问题以及正定矩阵的性质，如正定矩阵加法的性质和对称矩阵正定性的判别方法。
1. 正定矩阵
判断正定矩阵
对于二阶的来说
A = [ a b c d ] A= \begin{bmatrix} a & b \\ c & d \end{bmatrix} A=[acbd]
判定条件
- λ 1 > 0 , λ 2 > 0 \lambda_1 \gt 0,\lambda_2 \gt 0 λ1>0,λ2>0
- a > 0 , a c − b 2 > 0 a \gt0,ac-b^2 \gt0 a>0,ac−b2>0
- 主元 a > 0 , a c − b 2 a > 0 a\gt0 ,\frac{ac-b^2}{a} \gt 0 a>0,aac−b2>0
- X ⊤ A X = 0 X^{\top}AX=0 X⊤AX=0
前三个都是验证的条件，最后一个为实际使用的条件。
例子
[
2
6
6
19
]
\begin{bmatrix} 2 & 6\\ 6 & 19\\ \end{bmatrix}
[26619]
为正定矩阵。
而
[
2
6
6
18
]
\begin{bmatrix} 2 & 6\\ 6 & 18\\ \end{bmatrix}
[26618]
为半正定、奇异矩阵。
(
λ
=
0
,
20
;
p
i
v
o
t
:
2
\lambda=0,20;pivot:2
λ=0,20;pivot:2)
X ⊤ A X = [ X 1 X 2 ] [ 2 6 6 18 ] [ x 1 x 2 ] = [ x 1 x 2 ] [ 2 x 1 + 6 x 2 6 x 1 + 18 x 2 ] = 2 x 1 2 + 12 x 1 x 2 + 18 x 2 2 X^{\top}AX=[X_1 X_2] \begin{bmatrix} 2 & 6\\ 6 & 18 \end{bmatrix} \begin{bmatrix} x_1\\x_2 \end{bmatrix}= \begin{bmatrix} x_1\ x_2 \end{bmatrix} \begin{bmatrix} 2x_1+6x_2\\6x_1+18x_2 \end{bmatrix}= 2x_1^2+12x_1x_2+18x_2^2 X⊤AX=[X1X2][26618][x1x2]=[x1 x2][2x1+6x26x1+18x2]=2x12+12x1x2+18x22
A = L U A = [ 2 6 6 20 ] A = L U = [ 1 0 3 1 ] [ 2 6 0 2 ] A=LU\\ A= \begin{bmatrix} 2 & 6 \\6 & 20 \end{bmatrix}\\ A=LU=\begin{bmatrix} 1 & 0\\ 3 & 1\\ \end{bmatrix} \begin{bmatrix} 2 & 6\\0 & 2 \end{bmatrix} A=LUA=[26620]A=LU=[1301][2062]
刚好对应
2
(
x
+
3
y
)
2
+
2
y
2
2(x+3y)^2+2y^2
2(x+3y)2+2y2
消元过程对应配方。
2. 极小值
极小值：
一阶导为0，二阶导
d
2
y
d
x
2
>
0
\frac{d^2y}{dx^2}\gt0
dx2d2y>0
3 × 3 3\times3 3×3的例子
A = [ 2 − 1 0 − 1 2 − 1 0 − 1 2 ] A= \begin{bmatrix} 2 & -1 & 0\\ -1 & 2 & -1\\ 0 & -1 & 2\\ \end{bmatrix} A= 2−10−12−10−12
- d e t 2 , 3 , 4 det\ 2,3,4 det 2,3,4
- p i v o t 2 , 3 / 2 , 4 / 3 pivot 2,3/2,4/3 pivot2,3/2,4/3
- e i g e n v a l u e 2 − 2 , 2 , 2 + 2 eigenvalue\ 2-\sqrt[]{2},2,2+\sqrt[]{2} eigenvalue 2−2,2,2+2
X ⊤ A X = 2 x 1 2 + 2 x 2 2 + 2 x 3 2 − 2 x 1 x 2 − 2 x 2 x 3 X^{\top}AX=2x_1^2+2x_2^2+2x_3^2-2x_1x_2-2x_2x_3 X⊤AX=2x12+2x22+2x32−2x1x2−2x2x3
3. 正定矩阵判断
正定矩阵
X ⊤ A X > 0 ( e x c e p t f o r X = 0 ) X^{\top}AX>0(except\ for\ X=0) X⊤AX>0(except for X=0)
A B A\ B A B正定，则 A + B A+B A+B正定
X ⊤ A X > 0 X ⊤ B X > 0 X ⊤ A X + X ⊤ B X > 0 ( X ⊤ A + X ⊤ B ) X > 0 X ⊤ ( A + B ) X > 0 X^{\top}AX \gt 0\\ X^{\top}BX \gt 0\\ X^{\top}AX+X^{\top}BX \gt 0\\ (X^{\top}A+X^{\top}B)X \gt 0\\ X^{\top}(A+B)X \gt 0\\ X⊤AX>0X⊤BX>0X⊤AX+X⊤BX>0(X⊤A+X⊤B)X>0X⊤(A+B)X>0
对于对称矩阵
A ⊤ A = ( A ⊤ A ) ⊤ = A ⊤ A ⊤ ⊤ = A ⊤ A A^{\top}A=(A^{\top}A)^{\top}=A^{\top}A^{\top^{\top}}=A^{\top}A A⊤A=(A⊤A)⊤=A⊤A⊤⊤=A⊤A
是否正定呢？
判别式
X
⊤
(
A
⊤
A
)
X
=
(
A
X
)
⊤
(
A
X
)
=
∣
A
X
∣
2
≥
0
X
=
0
,
A
X
=
0
X^{\top}(A^{\top}A)X=(AX)^{\top}(AX)=\lvert AX\rvert^2 \ge0\\ X=0,\quad AX=0
X⊤(A⊤A)X=(AX)⊤(AX)=∣AX∣2≥0X=0,AX=0
5808
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
