正定矩阵(Positive Definite Matrices)、半正定矩阵(Positive Semidefinite Matrices)

正定矩阵、半正定矩阵

1.正定矩阵、半正定矩阵

1.1 正定矩阵

1.1.1 判断正定矩阵

1.矩阵的所有特征值都为正数

下面以对称矩阵为例,对称矩阵的特征值为正数,所以对称矩阵是正定矩阵

正定矩阵(Positive Definite Matrices)、半正定矩阵(Positive Semidefinite Matrices)
λ 1 > 0 、 λ 2 > 0   { λ 1 λ 2 = d e t   S = a c − b 2 > 0 λ 1 + λ 2 = t r   S = a + c > 0 \lambda_1\gt0、\lambda_2\gt0\\ ~\\ \begin{cases} \lambda_1\lambda_2=det\ S=ac-b^2\gt0\\ \lambda_1+\lambda_2=tr\ S=a+c\gt0 \end{cases} λ1​>0、λ2​>0 {λ1​λ2​=det S=ac−b2>0λ1​+λ2​=tr S=a+c>0​
正定矩阵(Positive Definite Matrices)、半正定矩阵(Positive Semidefinite Matrices)

2.矩阵消元后的每个主元都为正数

正定矩阵(Positive Definite Matrices)、半正定矩阵(Positive Semidefinite Matrices)

3.矩阵的所有顺序主子式的行列式都是正的

正定矩阵(Positive Definite Matrices)、半正定矩阵(Positive Semidefinite Matrices)

4.对于所有非零向量(不仅仅是特征向量) x \boldsymbol{x} x,都有 x T S x > 0 \boldsymbol{x}^TS\boldsymbol{x}\gt 0 xTSx>0【在许多应用中, x T S x \boldsymbol{x}^TS\boldsymbol{x} xTSx 的结果代表系统中的能量

S x = λ x   x T S x = x T λ x   x T S x = λ x T x   x T S x = λ ∣ ∣ x ∣ ∣ 2   λ > 0   x T S x = λ ∣ ∣ x ∣ ∣ 2 > 0   x T S x > 0 S\boldsymbol{x}=\lambda\boldsymbol{x}\\ ~\\ \boldsymbol{x}^TS\boldsymbol{x}=\boldsymbol{x}^T\lambda\boldsymbol{x}\\ ~\\ \boldsymbol{x}^TS\boldsymbol{x}=\lambda\boldsymbol{x}^T\boldsymbol{x}\\ ~\\ \boldsymbol{x}^TS\boldsymbol{x}=\lambda||\boldsymbol{x}||^2\\ ~\\ \lambda\gt 0\\ ~\\ \boldsymbol{x}^TS\boldsymbol{x}=\lambda||\boldsymbol{x}||^2\gt0\\ ~\\ \boldsymbol{x}^TS\boldsymbol{x}\gt 0 Sx=λx xTSx=xTλx xTSx=λxTx xTSx=λ∣∣x∣∣2 λ>0 xTSx=λ∣∣x∣∣2>0 xTSx>0

正定矩阵(Positive Definite Matrices)、半正定矩阵(Positive Semidefinite Matrices)

5.如果矩阵A的列是线性无关的,则 S = A T A S=A^TA S=ATA是正定矩阵

x T S x = x T ( A T A ) x = ( x T A T ) ( A x ) = ( A x ) T ( A x ) = ∣ ∣ A x ∣ ∣ 2 > 0 \boldsymbol{x}^TS\boldsymbol{x}=\boldsymbol{x}^T(A^TA)\boldsymbol{x}=(\boldsymbol{x}^TA^T)(A\boldsymbol{x})=(A\boldsymbol{x})^T(A\boldsymbol{x})=||A\boldsymbol{x}||^2\gt0 xTSx=xT(ATA)x=(xTAT)(Ax)=(Ax)T(Ax)=∣∣Ax∣∣2>0

综上:矩阵正定的五个等价判定

正定矩阵(Positive Definite Matrices)、半正定矩阵(Positive Semidefinite Matrices)

1.2 半正定矩阵

1.2.1 判定半正定矩阵

半正定矩阵是正定矩阵的推广,相比正定矩阵,判定条件多了一个可以等于0的条件

1.所有矩阵特征值 ≥ 0 \geq 0 ≥0
2.消元后的所有主元 ≥ 0 \geq 0 ≥0
3.矩阵的所有顺序主子式的行列式都 ≥ 0 \geq 0 ≥0
4.对于所有非零向量(不仅仅是特征向量) x \boldsymbol{x} x,都有 x T S x ≥ 0 \boldsymbol{x}^TS\boldsymbol{x}\geq 0 xTSx≥0
5.如果矩阵A的列是线性有关的,则 S = A T A S=A^TA S=ATA是正定矩阵

1.3 椭圆 a x 2 + 2 b x y + c y 2 = 1 ax^2+2bxy+cy^2=1 ax2+2bxy+cy2=1

正定矩阵(Positive Definite Matrices)、半正定矩阵(Positive Semidefinite Matrices)
例子:

正定矩阵(Positive Definite Matrices)、半正定矩阵(Positive Semidefinite Matrices)

1.3.1 与对称矩阵 S S S有关的椭圆

x T S x = 1   [ x y ] [ 5 4 4 5 ] [ x y ] = 1   S = [ 5 4 4 5 ] \boldsymbol{x}^TS\boldsymbol{x}=1\\ ~\\ \begin{bmatrix} x & y \end{bmatrix} \begin{bmatrix} 5 & 4\\ 4 & 5 \end{bmatrix} \begin{bmatrix} x \\ y \end{bmatrix}=1\\ ~\\ S=\begin{bmatrix} 5 & 4\\ 4 & 5 \end{bmatrix} xTSx=1 [x​y​][54​45​][xy​]=1 S=[54​45​]
求解矩阵 S S S 的特征值和特征向量
d e t   S = λ 1 λ 2 = 9   t r   S = λ 1 + λ 2 = 10   λ 1 = 9 、 λ 2 = 1 det\ S=\lambda_1\lambda_2=9\\ ~\\ tr\ S=\lambda_1+\lambda_2=10\\ ~\\ \lambda_1=9、\lambda_2=1\\ det S=λ1​λ2​=9 tr S=λ1​+λ2​=10 λ1​=9、λ2​=1

S x 1 = λ 1 x 1   [ 5 4 4 5 ] [ a 1 a 2 ] = 9 [ a 1 a 2 ]   a 1 = a 2   x 1 = [ 1 1 ] S\boldsymbol{x}_1=\lambda_1\boldsymbol{x}_1\\ ~\\ \begin{bmatrix} 5 & 4\\ 4 & 5 \end{bmatrix} \begin{bmatrix} a_1\\ a_2 \end{bmatrix}=9 \begin{bmatrix} a_1\\ a_2 \end{bmatrix}\\ ~\\ a_1=a_2\\ ~\\ \boldsymbol{x}_1=\begin{bmatrix} 1\\ 1 \end{bmatrix}\\ Sx1​=λ1​x1​ [54​45​][a1​a2​​]=9[a1​a2​​] a1​=a2​ x1​=[11​]

S x 2 = λ 2 x 2   [ 5 4 4 5 ] [ a 1 a 2 ] = [ a 1 a 2 ]   a 1 = − a 2   x 2 = [ 1 − 1 ] S\boldsymbol{x}_2=\lambda_2\boldsymbol{x}_2\\ ~\\ \begin{bmatrix} 5 & 4\\ 4 & 5 \end{bmatrix} \begin{bmatrix} a_1\\ a_2 \end{bmatrix}= \begin{bmatrix} a_1\\ a_2 \end{bmatrix}\\ ~\\ a_1=-a_2\\ ~\\ \boldsymbol{x}_2=\begin{bmatrix} 1\\ -1 \end{bmatrix}\\ Sx2​=λ2​x2​ [54​45​][a1​a2​​]=[a1​a2​​] a1​=−a2​ x2​=[1−1​]

q 1 = x 1 ∣ ∣ x 1 ∣ ∣ 、 q 2 = x 2 ∣ ∣ x 2 ∣ ∣ \boldsymbol{q}_1=\frac{\boldsymbol{x}_1}{||\boldsymbol{x}_1||}、\boldsymbol{q}_2=\frac{\boldsymbol{x}_2}{||\boldsymbol{x}_2||} q1​=∣∣x1​∣∣x1​​、q2​=∣∣x2​∣∣x2​​

Q = [ q 1 q 2 ] = 1 2 [ 1 1 1 − 1 ]   Λ = [ λ 1 0 0 λ 2 ] = [ 9 0 0 1 ] Q=[\boldsymbol{q}_1\quad\boldsymbol{q}_2]=\frac{1}{\sqrt{2}}\begin{bmatrix} 1 & 1\\ 1 & -1 \end{bmatrix}\\ ~\\ \Lambda= \begin{bmatrix} \lambda_1 & 0\\ 0 & \lambda_2 \end{bmatrix}= \begin{bmatrix} 9 & 0\\ 0 & 1 \end{bmatrix} Q=[q1​q2​]=2 ​1​[11​1−1​] Λ=[λ1​0​0λ2​​]=[90​01​]
正定矩阵(Positive Definite Matrices)、半正定矩阵(Positive Semidefinite Matrices)

In xy system,axes are along the eigenvectors of S S S

正定矩阵(Positive Definite Matrices)、半正定矩阵(Positive Semidefinite Matrices)

1.3.2 与特征值矩阵 Λ \Lambda Λ有关的椭圆

S = Q Λ Q T ( P r i n c i p a l   A x i s   T h e o r e m )   x T S x = ( x T Q ) Λ ( Q T x ) = X T Λ X S=Q\Lambda Q^T(Principal\ Axis\ Theorem)\\ ~\\ \boldsymbol{x}^TS\boldsymbol{x}=(\boldsymbol{x}^TQ)\Lambda (Q^T\boldsymbol{x})=X^T\Lambda X S=QΛQT(Principal Axis Theorem) xTSx=(xTQ)Λ(QTx)=XTΛX
正定矩阵(Positive Definite Matrices)、半正定矩阵(Positive Semidefinite Matrices)
x T S x = [ x y ] [ 5 4 4 5 ] [ x y ] = 1   S = Q Λ Q T = 1 2 [ 1 1 1 − 1 ] [ 9 0 0 1 ] 1 2 [ 1 1 1 − 1 ]   [ X Y ] = Q T [ x y ] = 1 2 [ 1 1 1 − 1 ] [ x y ] = 1 2 [ x + y x − y ]   X = x + y 2 、 Y = x − y 2 \boldsymbol{x}^TS\boldsymbol{x}= \begin{bmatrix} x & y \end{bmatrix} \begin{bmatrix} 5 & 4\\ 4 & 5 \end{bmatrix} \begin{bmatrix} x \\ y \end{bmatrix}=1\\ ~\\ S=Q\Lambda Q^T= \frac{1}{\sqrt{2}}\begin{bmatrix} 1 & 1\\ 1 & -1 \end{bmatrix} \begin{bmatrix} 9 & 0\\ 0 & 1 \end{bmatrix} \frac{1}{\sqrt{2}}\begin{bmatrix} 1 & 1\\ 1 & -1 \end{bmatrix}\\ ~\\ \begin{bmatrix} X\\ Y \end{bmatrix}=Q^T\begin{bmatrix} x\\ y \end{bmatrix}= \frac{1}{\sqrt{2}}\begin{bmatrix} 1 & 1\\ 1 & -1 \end{bmatrix} \begin{bmatrix} x\\ y \end{bmatrix}=\frac{1}{\sqrt{2}} \begin{bmatrix} x+y\\ x-y \end{bmatrix}\\ ~\\ X=\frac{x+y}{\sqrt{2}}、Y=\frac{x-y}{\sqrt{2}} xTSx=[x​y​][54​45​][xy​]=1 S=QΛQT=2 ​1​[11​1−1​][90​01​]2 ​1​[11​1−1​] [XY​]=QT[xy​]=2 ​1​[11​1−1​][xy​]=2 ​1​[x+yx−y​] X=2 ​x+y​、Y=2 ​x−y​

λ 1 X 2 + λ 2 Y 2 = 1   9 ( x + y 2 ) 2 + ( x − y 2 ) 2 = 1 \lambda_1X^2+\lambda_2 Y^2=1\\ ~\\ 9\bigg(\frac{x+y}{\sqrt{2}}\bigg)^2+\bigg(\frac{x-y}{\sqrt{2}}\bigg)^2=1 λ1​X2+λ2​Y2=1 9(2 ​x+y​)2+(2 ​x−y​)2=1

In XY system,axes are along the eigenvectors of Λ \Lambda Λ

正定矩阵(Positive Definite Matrices)、半正定矩阵(Positive Semidefinite Matrices)

正定矩阵(Positive Definite Matrices)、半正定矩阵(Positive Semidefinite Matrices)

1.4 重要应用:检验最小值

正定矩阵(Positive Definite Matrices)、半正定矩阵(Positive Semidefinite Matrices)

矩阵正定说明其表示的二次曲面位于开口朝上
矩阵负定说明其表示的二次曲面位于开口朝下

上一篇:机器学习——Adaboost


下一篇:luogu P4091 [HEOI2016/TJOI2016]求和