【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
幻风_huanfeng1 小时前
人工智能之数学基础:线性代数在人工智能中的地位
人工智能·深度学习·神经网络·线性代数·机器学习·自然语言处理
爱敲代码的憨仔5 小时前
《线性代数的本质》
线性代数·算法·决策树
2402_871321951 天前
MATLAB方程组
gpt·学习·线性代数·算法·matlab
Angindem1 天前
子矩阵的和(矩阵前缀和)
线性代数·矩阵
2403_875180952 天前
短视频矩阵系统是什么?有什么功能?
线性代数·矩阵
取个名字真难呐2 天前
AB矩阵秩1乘法,列乘以行
python·线性代数·矩阵
2403_875180952 天前
短视频矩阵矩阵,矩阵号策略
线性代数·矩阵
2403_875180952 天前
短视频矩阵系统:智能批量剪辑、账号管理新纪元!
线性代数·矩阵
埃菲尔铁塔_CV算法2 天前
矩阵论在深度学习中的应用
深度学习·线性代数·矩阵
贵州晓智信息科技3 天前
行列式的理解与计算:线性代数中的核心概念
javascript·线性代数