赫尔维茨定理/正定矩阵的充要条件是顺序主子式大于0

前置知识

正惯性指数:正特征值个数
负惯性指数:负特征值个数

合同:如果存在可逆矩阵 P \mathbf{P} P,使得 P T A P = B \mathbf{P}^T\mathbf{A}\mathbf{P}=\mathbf{B} PTAP=B,则 A \mathbf{A} A合同于 B \mathbf{B} B,记为 A ≃ B \mathbf{A}\simeq \mathbf{B} AB

合同不改变矩阵的惯性指数

赫尔维茨定理

A \mathbf{A} A是实对称矩阵
A ≻ 0 \mathbf{A}\succ 0 A0的充要条件是顺序主子式大于0

证明:
A k = ( a 11 a 12 ⋯ a 1 k a 21 a 22 ⋯ a 2 k ⋯ ⋯ ⋯ ⋯ a k 1 a k 2 ⋯ a k k ) \mathbf{A}_k =\begin{pmatrix} a_{11}&a_{12}&\cdots & a_{1k}\\ a_{21}&a_{22}&\cdots & a_{2k}\\ \cdots & \cdots & \cdots & \cdots\\ a_{k1}&a_{k2}&\cdots & a_{kk}\\ \end{pmatrix} Ak= a11a21ak1a12a22ak2a1ka2kakk
Δ k = ∣ A k ∣ \mathbf{\Delta}_k=\left| \mathbf{A}_k\right| Δk=Ak

必要性:
x k = ( x 1 , x 2 , … , x k ) T ≠ 0 \mathbf{x}_k=(x_1,x_2,\dots,x_k)^T \neq 0 xk=(x1,x2,,xk)T=0
x = ( x 1 , x 2 , … , x k , … , x n ) T \mathbf{x}= (x_1,x_2,\dots,x_k,\dots,x_n)^T x=(x1,x2,,xk,,xn)T,其中 x k + 1 = ⋯ = x n = 0 x_{k+1}=\cdots=x_{n}=0 xk+1==xn=0
A ≻ 0 ⇒ ∀ x ≠ 0 , x T A x = x k T A k x k > 0 ⇒ A k ≻ 0 \mathbf{A}\succ 0\Rightarrow \forall \mathbf{x}\neq \mathbf{0} , \mathbf{x}^T \mathbf{A} \mathbf{x}= \mathbf{x}_k^T \mathbf{A}_k \mathbf{x}_k>0\Rightarrow \mathbf{A}_k \succ 0 A0x=0,xTAx=xkTAkxk>0Ak0
所以 A k ≻ 0 \mathbf{A}_k\succ 0 Ak0
由行列式等于特征值的乘积,以及正定矩阵的特征值大于0,所以行列式也大于0
Δ k = ∣ A k ∣ > 0 \mathbf{\Delta}_k=\left|\mathbf{A}_k\right| >0 Δk=Ak>0

充分性:
方法1比较暴力,好懂,
方法2,感觉稍微花了点,但是也还好

方法1:
n = 1 n=1 n=1时,显然成立
假设 n = k − 1 n=k-1 n=k1时成立
A = ( A n − 1 α α T a n n ) \mathbf{A}=\begin{pmatrix} \mathbf{A}_{n-1}& \mathbf{\alpha} \\ \mathbf{\alpha}^T & a_{nn}\\ \end{pmatrix} A=(An1αTαann)
A n − 1 \mathbf{A}_{n-1} An1是一个实对称矩阵,并且根据假设所有的顺序主子式大于0
所以一定合同于单位矩阵
即存在可逆 C \mathbf{C} C
使得
C T A n − 1 C = I n − 1 \mathbf{C}^T \mathbf{A}_{n-1}\mathbf{C} =\mathbf{I}_{n-1} CTAn1C=In1
P = ( I n − 1 − A n − 1 − 1 α 0 T 1 ) \mathbf{P}=\begin{pmatrix} \mathbf{I}_{n-1} & -\mathbf{A}_{n-1}^{-1}\mathbf{\alpha}\\ \mathbf{0}^T& 1\\ \end{pmatrix} P=(In10TAn11α1),显然可逆

P T A P = ( A n − 1 0 0 T a n n − α T A n − 1 − 1 α ) \mathbf{P}^T \mathbf{A}\mathbf{P}=\begin{pmatrix} \mathbf{A}_{n-1} &\mathbf{0}\\ \mathbf{0}^T& a_{nn}-\mathbf{\alpha}^T A_{n-1}^{-1} \mathbf{\alpha} \\ \end{pmatrix} PTAP=(An10T0annαTAn11α)
b = a n n − α T A n − 1 − 1 α b=a_{nn}-\mathbf{\alpha}^T \mathbf{A}_{n-1}^{-1} \mathbf{\alpha} b=annαTAn11α
⇒ A ≃ ( A n − 1 0 0 T b ) \Rightarrow \mathbf{A} \simeq \begin{pmatrix} \mathbf{A}_{n-1} &\mathbf{0}\\ \mathbf{0}^T& b \\ \end{pmatrix} A(An10T0b)
同取行列式
∣ A ∣ = ∣ P T ∣ ∣ A ∣ ∣ P ∣ = ∣ P T A P ∣ = ∣ A n − 1 ∣ b > 0 ⇒ b > 0 \left|\mathbf{A}\right|=\left|\mathbf{P}^T\right|\left|\mathbf{A}\right|\left|\mathbf{P}\right|=\left|\mathbf{P}^T \mathbf{A}\mathbf{P}\right| =\left| \mathbf{A}_{n-1}\right| b>0 \Rightarrow b>0 A= PT AP= PTAP =An1b>0b>0
( C 0 0 T 1 ) T ( A n − 1 0 0 T b ) ( C 0 0 T 1 ) = ( I n − 1 0 0 T b ) \begin{pmatrix} \mathbf{C}& \mathbf{0}\\ \mathbf{0}^T & 1 \end{pmatrix}^T \begin{pmatrix} \mathbf{A}_{n-1} &\mathbf{0}\\ \mathbf{0}^T& b \\ \end{pmatrix} \begin{pmatrix} \mathbf{C}& \mathbf{0}\\ \mathbf{0}^T & 1 \end{pmatrix}=\begin{pmatrix} \mathbf{I}_{n-1} &\mathbf{0}\\ \mathbf{0}^T& b \\ \end{pmatrix} (C0T01)T(An10T0b)(C0T01)=(In10T0b)
( A n − 1 0 0 T b ) ≃ ( I n − 1 0 0 T b ) \begin{pmatrix} \mathbf{A}_{n-1} &\mathbf{0}\\ \mathbf{0}^T& b \\ \end{pmatrix} \simeq \begin{pmatrix} \mathbf{I}_{n-1} &\mathbf{0}\\ \mathbf{0}^T& b \\ \end{pmatrix} (An10T0b)(In10T0b)
由合同传递性
A \mathbf{A} A的正惯性指数为 n n n A ≻ 0 \mathbf{A}\succ 0 A0

方法2:

n = 1 n=1 n=1时,显然成立
假设 n = k − 1 n=k-1 n=k1时成立
n = k n=k n=k
f ( x 1 , x 2 , … , x k ) = ∑ i = 1 k ∑ j = 1 k a i j x i x j f(x_1,x_2,\dots,x_k)=\sum_{i=1}^{k}\sum_{j=1}^{k}a_{ij}x_{i}x_{j} f(x1,x2,,xk)=i=1kj=1kaijxixj
由假设, a 11 > 0 a_{11}>0 a11>0
f t = f ( x 1 , … , x t , 0 , 0 , … , 0 ) = ∑ i = 1 t ∑ j = 1 t a i j x i x j ( 1 < t ≤ k ) f_t=f(x_1,\dots , x_t,0,0,\dots,0)=\sum_{i=1}^{t}\sum_{j=1}^{t}a_{ij}x_{i}x_{j}(1<t\le k) ft=f(x1,,xt,0,0,,0)=i=1tj=1taijxixj(1<tk)
由假设, a 11 > 0 a_{11}>0 a11>0
f t = 1 a 11 ( a 11 x 1 + a 12 x 2 + x 2 ⋯ + a 1 t x t ) 2 + ∑ i = 2 t ∑ j = 2 t b i j x i x j f_t=\frac{1}{a_{11}}(a_{11} x_{1} +a_{12}x_{2}+x_{2}\dots + a_{1t} x_{t})^2+\sum_{i=2}^{t}\sum_{j=2}^{t}b_{ij}x_{i}x_{j} ft=a111(a11x1+a12x2+x2+a1txt)2+i=2tj=2tbijxixj
其中 b i j = a i j − a 1 i a 1 j a 11 b_{ij}=a_{ij}-\frac{a_{1i} a_{1j}}{a_{11}} bij=aija11a1ia1j
a i j = a j i ⇒ b i j = b j i a_{ij}=a_{ji}\Rightarrow b_{ij}=b_{ji} aij=ajibij=bji

t = k t=k t=k的时候
可以看出前半部分时大于等于0的
现在证明后半部分大于0
Δ t = ∣ a 11 a 12 ⋯ a 1 t a 21 a 22 ⋯ a 2 t ⋯ ⋯ ⋯ ⋯ a t 1 a t 2 ⋯ a t t ∣ = i = 2 , 3 , … , t r i − a i 1 a 11 r 1 ∣ a 11 a 12 ⋯ a 1 t 0 b 22 ⋯ b 2 t ⋯ ⋯ ⋯ ⋯ 0 b t 2 ⋯ b t t ∣ = a 11 ∣ b 22 ⋯ b 2 t ⋯ ⋯ ⋯ b t 2 ⋯ b t t ∣ > 0 \begin{aligned} \mathbf{\Delta}_t &=\left| \begin{array}{cccc} a_{11}&a_{12}&\cdots & a_{1t}\\ a_{21}&a_{22}&\cdots & a_{2t}\\ \cdots & \cdots & \cdots & \cdots\\ a_{t1}&a_{t2}&\cdots & a_{tt}\\ \end{array}\right|\\ &\xlongequal[i=2,3,\dots,t]{r_{i} -\frac{a_{i1}}{a_{11}}r_1} \left| \begin{array}{cccc} a_{11}&a_{12}&\cdots & a_{1t}\\ 0&b_{22}&\cdots & b_{2t}\\ \cdots & \cdots & \cdots & \cdots\\ 0&b{t2}&\cdots & b_{tt}\\ \end{array}\right|\\ &=a_{11}\left| \begin{array}{cccc} b_{22}&\cdots & b_{2t}\\ \cdots & \cdots & \cdots\\ b_{t2}&\cdots & b_{tt}\\ \end{array}\right|\\ &>0 \end{aligned} Δt= a11a21at1a12a22at2a1ta2tatt ria11ai1r1 i=2,3,,t a1100a12b22bt2a1tb2tbtt =a11 b22bt2b2tbtt >0
⇒ ∣ b 22 ⋯ b 2 t ⋯ ⋯ ⋯ b k 2 ⋯ b t t ∣ > 0 \Rightarrow \left| \begin{array}{cccc} b_{22}&\cdots & b_{2t}\\ \cdots & \cdots & \cdots\\ b_{k2}&\cdots & b_{tt}\\ \end{array}\right|>0 b22bk2b2tbtt >0
显然对于所有的 t = 2 , 3 , … , k t=2,3,\dots,k t=2,3,,k都成立

B = ( b 22 ⋯ b 2 t ⋯ ⋯ ⋯ b t 2 ⋯ b t t ) \mathbf{B}=\begin{pmatrix} b_{22}&\cdots & b_{2t}\\ \cdots & \cdots & \cdots\\ b_{t2}&\cdots & b_{tt}\\ \end{pmatrix} B= b22bt2b2tbtt
因为 B \mathbf{B} B是一个 k − 1 k-1 k1阶实对称矩阵, B \mathbf{B} B所有顺序主子式大于0
由假设
B ≻ 0 \mathbf{B}\succ 0 B0
所以
A ≻ 0 \mathbf{A}\succ 0 A0
由数学归纳法,成立

评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Nightmare004

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值