正定矩阵相关应用-最值问题

本文介绍了正定矩阵在解决最值问题中的应用,包括最小原理和Rayleigh商。通过实例解析,展示了正定矩阵如何帮助找到二次型的最小值,并探讨了Rayleigh商与特征值的关系,以及如何利用它们估计特征值的极小极大值。
摘要由CSDN通过智能技术生成

最小原理及Rayleigh商

简介

介绍两个与正定矩阵相关的最值问题。最值问题始终是一个值得研究的问题,确定解的问题不是那么多,最优解更具有普适性。

最小原理

最小原理在物理现象中很常见。重液体一沉到底就是使其势能最小化的结果。这些势能的表达式,正是二次型。研究二次型的最小值问题,是一个常见的求最优解的问题。
如果 A A A是标量,则函数
P ( x ) = 1 / 2 A x 2 − b x P(x)=1/2Ax^2-bx P(x)=1/2Ax2bx
P ’ ( x ) = A x − b = 0 P^’(x)=Ax-b=0 P(x)=Axb=0处有极值,当 A > 0 A>0 A>0时有最小值。
之所以取这样一个二次型的表达式,就是为了使其一阶导数为 0 0 0的方程为 A x = b Ax=b Ax=b.
将其推广到多维:
如果 A A A为对称正定矩阵,则二次型 P ( x ) = 1 / 2 x T A x − x T b P(x)=1/2x^TAx-x^Tb P(x)=1/2xTAxxTb A x = b Ax=b Ax=b处达到最小值。
证:设 x x x A x = b Ax=b Ax=b的解。 y y y为任意向量,则
P ( y ) − P ( x ) = 1 / 2 y T A y − y T b − 1 / 2 x T A x + x T b P(y)-P(x)=1/2y^TAy-y^Tb-1/2x^TAx+x^Tb P(y)P(x)=1/2yTAyyTb1/2xTAx+xTb
= 1 / 2 y T A y − y T b − 1 / 2 x T A x + x T A x =1/2y^TAy-y^Tb-1/2x^TAx+x^TAx =1/2yTAyyTb1/2xTAx+xTAx
= 1 / 2 y T A y − y T b + 1 / 2 x T A x =1/2y^TAy-y^Tb+1/2x^TAx =1/2yTAyyTb+1/2xTAx
= 1 / 2 y T A y − y T A x + 1 / 2 x T A x =1/2y^TAy-y^TAx+1/2x^TAx =1/2yTAyyTAx+1/2xTAx
= 1 / 2 ( y − x ) T A ( y − x ) =1/2(y-x)^TA(y-x) =1/2(yx)TA(yx)
由于 A A A是正定矩阵,所以上式只有在 y = x y=x y=x时取最小值0.所以其最小值位于 A x = b Ax=b Ax=b上。

例子 考虑方程组 A x = b Ax=b Ax=b
( 2 − 1 0 − 1 2 − 1 0 − 1 2 ) ( x 1 x 2 x 3 ) = ( 4 0 4 ) \begin{pmatrix} 2 &-1&0\\-1&2&-1\\0&-1&2 \end{pmatrix}\begin{pmatrix} x_1\\x_2\\x_3 \end{pmatrix}=\begin{pmatrix} 4\\0\\4 \end{pmatrix} 210121012x1x2x3=404
相应的二次型为:
P ( x 1 , x 2 , x 3 ) = 1 / 2 x T A x − x T b = 2 x 1 x 1 − x 1 x 2 − x 2 x 1 + 2 x 2 x 2 − x 2 x 3 − x 3 x 2 + 2 x 3 x 3 − ( 4 x 1 + 4 x 3 ) P(x_1,x_2,x_3)=1/2x^TAx-x^Tb= 2x_1x_1-x_1x_2-x_2x_1+2x_2x_2-x_2x_3-x_3x_2+2x_3x_3-(4x_1+4x_3) P(x1,

评论 2
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
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