高等代数 二次型与矩阵的合同(第6章)2 正定二次型与正定矩阵

在这里插入图片描述
一.正定二次型(6.3)
1.概念:
在这里插入图片描述
2.判定:

定理1: n n n元实二次型 x ′ A x x'Ax xAx是正定的,当且仅当其正惯性指数等于 n n n
在这里插入图片描述
推论1: n n n元实二次型 x ′ A x x'Ax xAx是正定的
⇔ \quad⇔ 其规范形为 y 1 2 + y 2 2 + . . . + y n 2 y_1^2+y_2^2+...+y_n^2 y12+y22+...+yn2
⇔ \quad⇔ 其标准形中的 n n n个系数均大于0

二.正定矩阵(6.3)
1.概念:
在这里插入图片描述
2.判定:

定理2: n n n级实对称矩阵 A A A是正定的
⇔ A \quad⇔A A的正惯性指数等于 n n n
⇔ A ≃ I \quad⇔A\simeq I AI
⇔ A \quad⇔A A的合同标准形中的主对角元全大于0
⇔ A \quad⇔A A的特征值均大于0
在这里插入图片描述
推论1:与正定矩阵合同的实对称矩阵也是正定矩阵
推论2:与正定二次型等价的实二次型也是正定的,从而非退化线性替换不改变实二次型的正定性
推论3:正定矩阵的行列式大于0
在这里插入图片描述

定理3:实对称矩阵 A A A是正定矩阵的充要条件是其所有顺序主子式均大于0
在这里插入图片描述
推论1:实二次型 x ′ A x x'Ax xAx是正定二次型的充要条件是 A A A的所有顺序主子式都大于0

三.对正定的扩展(负定/半正定/半负定/不定)(6.3)
1.概念
(1)~二次型:
在这里插入图片描述
(2)~矩阵:
在这里插入图片描述
2.判定
(1)半正定:

定理4: n n n元实二次型 x ′ A x x'Ax xAx是半正定的
⇔ \quad⇔ 其正惯性指数等于其秩
⇔ \quad⇔ 其规范形是 y 1 2 + y 2 2 + . . . + y r 2   ( 0 ≤ r ≤ n ) y_1^2+y_2^2+...+y_r^2\,(0≤r≤n) y12+y22+...+yr2(0rn)
⇔ \quad⇔ 其标准形中的 n n n个系数均非负
在这里插入图片描述
推论1: n n n级实对称矩阵 A A A是半正定的
⇔ \quad⇔ 其正惯性指数等于其秩
⇔ \quad⇔ 其合同标准形中的 n n n个主对角元均非负
⇔ \quad⇔ 其特征值均非负

定理5:实对称矩阵 A A A是半正定的当且仅当其所有主子式均非负
在这里插入图片描述

(2)负定:

定理6:实对称矩阵 A A A是负定矩阵的充要条件是其奇数阶顺序主子式均小于0,偶数阶顺序主子式均大于0
在这里插入图片描述

3.黑塞矩阵:

定理7:设二元实值函数 F ( x , y ) F(x,y) F(x,y)有1个稳定点 α = ( x 0 , y 0 )   ( α=(x_0,y_0)\,( α=(x0,y0)( F ( x , y ) F(x,y) F(x,y) α α α处的1阶偏导数全为0 ) ) ).设 F ( x , y ) F(x,y) F(x,y) α α α的1个邻域里有3阶连续偏导数.令 H = [ F x x ′ ′ ( x 0 , y 0 ) F x y ′ ′ ( x 0 , y 0 ) F x y ′ ′ ( x 0 , y 0 ) F y y ′ ′ ( x 0 , y 0 ) ] ( 5 ) H=\left[\begin{matrix}F''_{xx}(x_0,y_0)&F''_{xy}(x_0,y_0)\\F''_{xy}(x_0,y_0)&F''_{yy}(x_0,y_0)\end{matrix}\right]\qquad(5) H=[Fxx(x0,y0)Fxy(x0,y0)Fxy(x0,y0)Fyy(x0,y0)](5) H H H F ( x , y ) F(x,y) F(x,y) α α α处的黑塞矩阵(Hesse Matrix).如果 H H H是正定的,那么 F ( x , y ) F(x,y) F(x,y) α α α处达到极小值;如果 H H H是负定的,那么 F ( x , y ) F(x,y) F(x,y) α α α处达到极大值
在这里插入图片描述
该定理可推广的 n n n元函数的情形:设 n n n元实值函数 F ( x 1 , x 2 . . . x n ) F(x_1,x_2...x_n) F(x1,x2...xn)有1个稳定点 α = ( a 1 , a 2 . . . a n ) , F ( x , y ) α=(a_1,a_2...a_n),F(x,y) α=(a1,a2...an),F(x,y) α α α的1个邻域里有3阶连续偏导数.令 H = ( F x i x j ′ ′ ( α ) ) H=(F''_{x_ix_j}(α)) H=(Fxixj(α)) H H H F ( x 1 , x 2 . . . x n ) F(x_1,x_2...x_n) F(x1,x2...xn) α α α处的黑塞矩阵(Hesse Matrix).如果 H H H是正定的,那么 F ( x 1 , x 2 . . . x n ) F(x_1,x_2...x_n) F(x1,x2...xn) α α α处达到极小值;如果 H H H是负定的,那么 F ( x 1 , x 2 . . . x n ) F(x_1,x_2...x_n) F(x1,x2...xn) α α α处达到极大值

  • 2
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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