【考研数学】线性代数第六章 —— 二次型(3,正定矩阵与正定二次型)

文章目录


一、基本概念

1.1 引例

(1)二次型 f ( x 1 , x 2 , x 3 ) = x 1 2 + 3 x 2 2 + 2 x 3 2 = X T A X f(x_1,x_2,x_3)=x_1^2+3x_2^2+2x_3^2=\pmb{X^TAX} f(x1,x2,x3)=x12+3x22+2x32=XTAX 有如下特点:

  1. 对任意的 x 1 , x 2 , x 3 x_1,x_2,x_3 x1,x2,x3 ,有 f ( x 1 , x 2 , x 3 ) ≥ 0 f(x_1,x_2,x_3)\geq0 f(x1,x2,x3)≥0 ;
  2. f ( x 1 , x 2 , x 3 ) = 0 f(x_1,x_2,x_3)=0 f(x1,x2,x3)=0 当且仅当 x 1 = x 2 = x 3 = 0 x_1=x_2=x_3=0 x1=x2=x3=0 ,或对任意 X ≠ 0 \pmb{X}\ne\pmb{0} X=0 ,有 X T A X > 0 \pmb{X^TAX}>0 XTAX>0 。

(2)二次型 f ( x 1 , x 2 , x 3 ) = x 1 2 − 2 x 1 x 2 + 4 x 2 2 + 6 x 3 2 = ( x 1 − x 2 ) 2 + 3 x 2 2 + 6 x 3 2 = X T A X f(x_1,x_2,x_3)=x_1^2-2x_1x_2+4x_2^2+6x_3^2=(x_1-x_2)^2+3x_2^2+6x_3^2=\pmb{X^TAX} f(x1,x2,x3)=x12−2x1x2+4x22+6x32=(x1−x2)2+3x22+6x32=XTAX 有如下特点:

  1. 对任意的 x 1 , x 2 , x 3 x_1,x_2,x_3 x1,x2,x3 ,有 f ( x 1 , x 2 , x 3 ) ≥ 0 f(x_1,x_2,x_3)\geq0 f(x1,x2,x3)≥0 ;
  2. f ( x 1 , x 2 , x 3 ) = 0 f(x_1,x_2,x_3)=0 f(x1,x2,x3)=0 当且仅当 x 1 = x 2 = x 3 = 0 x_1=x_2=x_3=0 x1=x2=x3=0 ,或对任意 X ≠ 0 \pmb{X}\ne\pmb{0} X=0 ,有 X T A X > 0 \pmb{X^TAX}>0 XTAX>0 。

1.2 正定二次型概念

对二次型 f ( x 1 , x 2 , ⋯   , x n ) = X T A X f(x_1,x_2,\cdots,x_n)=\pmb{X^TAX} f(x1,x2,⋯,xn)=XTAX ,若对任意 X ≠ 0 \pmb{X}\ne\pmb{0} X=0 ,总有 X T A X > 0 \pmb{X^TAX}>0 XTAX>0 ,称 X T A X \pmb{X^TAX} XTAX 为正定二次型, A \pmb{A} A 为正定矩阵。


二、正定二次型的判别

定理 1 ------ 二次型 X T A X \pmb{X^TAX} XTAX 为正定二次型的充分必要条件是 A \pmb{A} A 的特征值均为正数。

定理 2 ------ 二次型 X T A X \pmb{X^TAX} XTAX 为正定二次型的充分必要条件是 A \pmb{A} A 的顺序主子式都大于 0 ,即 a 11 > 0 , ∣ a 11 a 12 a 21 a 22 ∣ > 0 , ⋯   , ∣ A ∣ > 0. a_{11}>0,\begin{vmatrix} a_{11} & a_{12} \\ a_{21} & a_{22} \end{vmatrix}>0,\cdots,|\pmb{A}|>0. a11>0, a11a21a12a22 >0,⋯,∣A∣>0. 定理 3 ------ 设 A T = A \pmb{A^T=A} AT=A ,则 A \pmb{A} A 为正定矩阵的充分必要条件是存在可逆矩阵 B \pmb{B} B 使得 A = B T B \pmb{A=B^TB} A=BTB 。

定理 4 ------ 设 A T = A \pmb{A^T=A} AT=A ,则 A \pmb{A} A 为正定矩阵的充分必要条件是 A \pmb{A} A 与 E \pmb{E} E 合同。

定理 5 ------ 设 A T = A \pmb{A^T=A} AT=A ,则 A \pmb{A} A 为正定矩阵的充分必要条件是 A \pmb{A} A 的正惯性指数为 n n n 。

定理 6 ------ 设 A , B \pmb{A,B} A,B 分别为 m m m 阶和 n n n 阶实对称矩阵,则 [ A 0 0 B ] \begin{bmatrix} \pmb{A} & \pmb{0} \\ \pmb{0} & \pmb{B} \end{bmatrix} [A00B] 为正定矩阵的充分必要条件为 A , B \pmb{A,B} A,B 均为正定矩阵。

二次型 f ( X ) = X T A X f(\pmb{X})=\pmb{X^TAX} f(X)=XTAX 正定的必要条件是 a i i > 0 ( i = 1 , 2 , ⋯   , n ) ; ∣ A ∣ > 0 a_{ii}>0(i=1,2,\cdots,n);|A|>0 aii>0(i=1,2,⋯,n);∣A∣>0 。

即可以先看看对角线元素和行列式是否大于 0 ,作初步判别。

若 A \pmb{A} A 为正定矩阵,则其一定可逆;且 A − 1 , A ∗ \pmb{A}^{-1},\pmb{A}^* A−1,A∗ 均正定。

若 A , B \pmb{A,B} A,B 都是正定矩阵,则 A + B \pmb{A}+\pmb{B} A+B 也是正定矩阵。


写在最后

那线性代数到这,理论也就基本结束了。

相关推荐
MarkHD2 小时前
第十一天 线性代数基础
线性代数·决策树·机器学习
星沁城6 小时前
240. 搜索二维矩阵 II
java·线性代数·算法·leetcode·矩阵
君臣Andy2 天前
【矩阵的大小和方向的分解】
线性代数·矩阵
勤劳的进取家2 天前
利用矩阵函数的导数公式求解一阶常系数微分方程组的解
线性代数
sz66cm2 天前
数学基础 -- 线性代数之线性无关
人工智能·线性代数·机器学习
herobrineAC3 天前
线代的几何意义(一)——向量,坐标,矩阵
线性代数·矩阵
Ricciflows3 天前
分析学大师Elias M. Stein的分析系列教材
线性代数·数学建模·矩阵·概率论·抽象代数·拓扑学·傅立叶分析
余~185381628003 天前
矩阵NFC碰一碰发视频源码开发技术解析,支持OEM
大数据·人工智能·线性代数·矩阵·音视频
羞儿4 天前
构建旋转变换矩阵对二维到高维空间的线段点进行旋转
图像处理·人工智能·线性代数·矩阵
羊羊20354 天前
线性代数:Matrix2x2和Matrix3x3
线性代数·数学建模·unity3d