2.4 投影与二次型

在赫尔伯特空间，投影可以确定二次型的最小化，在2.4.1中会简短说明。但是在Krein space，我们仅仅断言投影可以得到二次型的驻点，然后证明该驻点是极值。这会在2.4.1中阐述，我们叫做随机最小化问题。在2.4.2中，我们会研究一个紧密相关的二次型，它产生与我们所谓的部分等价确定性最小化问题中。

目录

2.4.1 Hilbert空间与Krein空间中的随机最小化

定理2.4.1  误差Gramian矩阵的驻点（Krein空间）

 推论2.4.1（最小值条件）

2.4.2 部分等效的确定性问题

定理2.4.2 （确定性问题的驻点）

 推论2.4.2（最小值的条件）

备注：从确定性问题到Krein空间问题的思路

总结

2.4.3 可供选择的最小化的惯性指数条件

引理2.4.3  确定问题最小化的惯性指数条件

---

2.4.1 Hilbert空间与Krein空间中的随机最小化

考虑一个拥有不定内积的Krein空间中的元素集和，设

 是Krein空间中的一些列向量的集和，考虑的任意线性组合，称为，这里，一个自然的研究对象是误差Gramian矩阵 

 为了引起后面的讨论，我们先假设属于一个均值为0的Hilbert空间，而且他们的协方差已知。在这种情况下（E表示期望值，H表示Hilbert空间），P(k)为估计的均方误差矩阵

 总所周知，使P(k)最小的线性均方估计由z在y上的投影给出

 然而，这个结论在Krein空间中并不成立，因为

 上式的结果可以从Krein空间定义的第三条得到。

定义2.4.1   驻点的定义

引理2.4.1   最小化的条件   二阶导大于0.

定理2.4.1  误差Gramian矩阵的驻点（Krein空间）

当非奇异，是z在y上投影的唯一系数矩阵

 得到误差Gramian矩阵的唯一驻点

 并且，P(k)在驻点的值为

 推论2.4.1（最小值条件）

在定理2.4.1中，是P(k)唯一的最小值，当且仅当

 也就是说，不仅非奇异，而且正定。

总结一下目前所展示的内容。每当我们确定一个投影（z在y上的），我们实际上是将（1.3）中由(z,y)的Gramian矩阵和交叉Gramian矩阵构造的矩阵二次型平稳化（或者最小化，如果可以满足正定的条件）。许多读者已经熟悉了Hilbert空间中投影使矩阵二次型（即误差Gramian矩阵）最小化的事实。我们已经证明了 这个命题的Krein空间泛化。、

2.4.2 部分等效的确定性问题

 现在我们考虑所谓的部分等效确定性问题。我们称它为确定性的，因为它涉及到在普通复变量（而不是Krein空间的复变量）上计算某个标量二次形式的驻点。此外，由于其解（即驻点）由一个适当定义的Krein空间向量在另一个空间上的投影的相同表达式给出，而最小值的条件与Krein空间投影的条件不同，因此叫部分等价。

 为此，考虑一个标量二次型

 其中中间的矩阵为定理（2.4.1）中Gramian矩阵的逆。假设我们在给定的y下寻找稳定的元素

（当然，我们不仅假设是非奇异的，而且假设（1.4）中的块矩阵也是非奇异的） 

参考2.4.1节中关于Hilbert空间的描述，这个问题的动机是基于这样一个事实。如果对于联合高斯随机向量（z，y）。线性最小均方估计可以被表示为条件密度的条件均值。因此，研究（z，y）非高斯的二次型问题

定理2.4.2 （确定性问题的驻点）

 假设是和（1.4）中的块矩阵是非奇异的。

1、在z上的驻点为

 2、在驻点处的值为

 推论2.4.2（最小值的条件）

 在定理2.4.2中，确定的唯一的最小值，当且仅当

备注：从确定性问题到Krein空间问题的思路

备注1：比较定理2.4.1和2.4.2可以发现如（1.4）所示的标量二次型的驻点Z0的计算等式，与定理2.4.1中的Krein空间中的投影算式完全相同。但是，定理2.4.2中不是在Krein空间中得到的。z和y只是欧几里得空间的向量，而且也不是z在y上的投影。我们在2.4.2中展示的是通过正确定义如（1.4）的标量二次型，利用系数矩阵，可以认为其来自Krein空间向量（z，y）的Gramian和误差Gramian矩阵。然后我们就可以使用定理2.4.1计算驻点了。

（备注1说明了解决H无穷滤波的思路，将确定性的二次型等效为一个Krein空间问题，再解决）

备注2：然鹅，尽管通过相同的计算找到了P(k）和的驻点，但是这两种形式不一定同时有最小值。因为它们最小值存在的条件不一样（推论2.4.1和推论2.4.2）。这是与经典Hilbert空间最大的不同，在Hilbert空间中，有

 如果上式成立，则定理2.4.1与2.4.2有相同的结果（即推论2.4.1和推论2.4.2的条件同时成立）。

总结

本节给出的结果非常重要，在下表中总结。简而言之，对于任意的确定性二次型，我们可以构建一个部分等效的Krein空间模型{z，y}，误差Gramian矩阵由的中间矩阵的逆给出，这样在z上的驻点可以通过Krein空间中z在y上的投影计算。而且，在z上有最小值的条件可以通过检测Krein空间Gramian矩阵的正性得到。（这是我们在各种H无穷、博弈论、自适应滤波问题中使用的关键事实，因为它们都可能与不等二次型有关）

2.4.3 可供选择的最小化的惯性指数条件

在很多情况下，直接计算确定问题（Hilbert）的最小化条件的正定性是很复杂的。但是计算惯性指数（特征值为正或负的个数）是比较简单地

引理2.4.3  确定问题最小化的惯性指数条件