线性代数——理解向（5）

最新推荐文章于 2024-07-02 03:01:17 发布

MUTA️

最新推荐文章于 2024-07-02 03:01:17 发布

阅读量3.6k

点赞数 3

分类专栏：线性代数文章标签：线性代数矩阵 python

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_50645064/article/details/126890442

版权

线性代数专栏收录该内容

6 篇文章 4 订阅

订阅专栏

麻省理工学院 - MIT - 线性代数（我愿称之为线性代数教程天花板）_哔哩哔哩_bilibili

MIT—线性代数笔记00 - 知乎 (zhihu.com)

一、正定矩阵

给定一个2x2矩阵 A= $\begin{bmatrix} a &b \\ c& d \end{bmatrix}$ ，有四个途径判定矩阵是否正定矩阵：

特征值： λ1>0,λ2>0;
行列式（所有子行列式）：， $a> 0,ac-b^{2}>0$ ;
主元： $a> 0,\left ( ac-b^{2} \right )/a> 0$ ，
表达式 $x^{T}Ax>0$ （x=0除外）。通常这就是正定的定义，而前三条是用来验证正定性的条件。

半正定矩阵

矩阵 $\begin{bmatrix} 2 & 6\\ 6 &18 \end{bmatrix}$ 正好处在判定为正定矩阵的临界点上，称之为半正定矩阵，它具有一个特征值0，是奇异矩阵，只有一个主元，而行列式为0。半正定矩阵特征值大于等于0。

设A为实对称矩阵，若对于每个非零实向量X，都有X'AX≥0，则称A为半正定矩阵，称X'AX为半正定二次型。（其中，X'表示X的转置。）

若对于每个非零实向量X，都有X'AX>0，则称A为正定矩阵，称X'AX为正定二次型。

（正定是大于，半正定是大于等于）

正定矩阵和最小值

如果将矩阵变为 $\begin{bmatrix} 2& 6\\ 6 & 7 \end{bmatrix}$ ，二次型为 $f(x,y)=2x^{2}+12xy+7y^{2}$ ，从几何图像上看没有最小值点，在原点处有一鞍点。鞍点在某个方向上看是极大值点，在另一方向上是极小值点，实际上最佳观测角度是特征向量的方向。

如果将矩阵变为 $\begin{bmatrix} 2 &6 \\ 6& 20 \end{bmatrix}$ ，主元为正；特征值之积为行列式的值4，特征值和为矩阵的迹22，因此特征值为正；子行列式均为正。矩阵为正定矩阵。

二次型 $f(x,y)=2x^{2}+12xy+20y^{2}$ ，其图像最小值点为原点，一阶偏导数为0，二阶偏导数为正。

微积分中判定最小值点的判据：一阶导数等于零 $\frac{du}{dx}=0$ ，二阶导数为正 $\frac{d^{2}u}{dx^{2}}> 0$ 。线性代数中判据为二阶导数矩阵正定。

主元就是平方项系数，L矩阵中的行操作数 $l_{12}$ 就是配方项内y的系数。因此这就是为什么主元为正则矩阵为正定矩阵，因为主元是每一个完全平方项的系数。本例中二次型表达式的配方说明了二维的情形，而线代的理论可以将之推广到n维。

正定的作用

【正定】矩阵的应用、判别法证明与【Cholesky分解】_哔哩哔哩_bilibili

正定：唯一全局最小值

半正定：最小值不唯一

不定：无最小值

二、相似矩阵

如何通俗地理解相似矩阵_哔哩哔哩_bilibili

A和B均是nxn方阵，若存在可逆矩阵M，使得 $B=M^{-1}AM$ ，则A和B为相似矩阵。

相同点：这两个方阵是同一个线性映射，在不同基下的代数表达；

线性映射是将一个向量映射到另一个向量，

相似矩阵具有相同的特征值；

关注

3
点赞
踩
5

收藏

觉得还不错? 一键收藏
打赏
1
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

MUTA️ 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

实付元

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。